OCW Introduccion A La Incertidumbre de Medidas

Higinio Rubio Alonso
LA INCERTIDUMBRE EN LAS MEDIDAS

DISEO MECNICO
1
INTRODUCCIN
Introduccin Incertidumbre Estndar Tipo A Tipo B Incertidumbre Combinada Incertidumbre Expandida Regresin Presentacin de resultados Paso a paso en el clculo de incertidumbre
El trmino incertidumbre siempre aparece asociado a la medida de magnitudes.
Control de Calidad Investigacin Diseo Industrial Implica Realizar mediciones
Sistema de medicin
2
INTRODUCCIN
Mensurando Equipos Sistema de medicin Procedimientos Operadores Ambiente
Todo sistema de medicin presenta errores de medida
INTRODUCCIN
Todo sistema de medicin presenta errores de medida
Ninguna media es exacta valor medido valor real
Solo podemos aspirar a estimar su grado de incertidumbre.
Medicin completa valor atribuido incertidumbre asociada
INTRODUCCIN
Denominamos error de una medida a la diferencia entre el valor verdadero de la magnitud y el valor medido.
Error Sistemtico Tipos de errores Error Aleatorio No se puede controlar, es fruto del azar Puede ser controlado o eliminada
Habr siempre un error que no puede conocerse. Se espera que tenga media cero, E()=0 Su variabilidad se puede estimar, ()
INTRODUCCIN
Error Sistemtico:
Valor constante que se puede estimar, el valor medido se puede corregir. La correccin no seria exacta, siempre quedar un error similar al error aleatorio. Ejemplos: Equipo averiado o mal calibrado, variable ambiental influyente de manera conocida, etc.
INTRODUCCIN
Error Aleatorio:
Variable aleatoria cuyo valor esperado es cero. Su varianza es constante y puede estimarse. Ejemplo: si repetimos una medida un cierto nmero de veces, no obtendremos siempre el mismo valor, es fruto del azar.
INTRODUCCIN
Ejemplo: Error Aleatorio

4,32 4,33 4,31
n mediciones: valor xi Valor de la medicin
INTRODUCCIN
Introduccin Incertidumbre Estndar Tipo A Tipo B Incertidumbre Combinada Incertidumbre Expandida Regresin
Fuentes de incertidumbre:
Lmite en la resolucin del instrumento de medida Efectos desconocidos de las condiciones ambientales Desviaciones personales en la lectura de instrumentos analgicos Valores inexactos de los patrones y materiales de referencia utilizados Aproximaciones e hiptesis incorporadas en el mtodo y el procedimiento
Presentacin de resultados Paso a paso en el clculo de incertidumbre
Definicin incompleta del mensurando o magnitud de medida Valores inexactos de constantes y otros parmetros de fuentes externas
INTRODUCCIN
Clases de Medidas:
Medidas Directas
Medidas Indirectas
10
INTRODUCCIN
11
INTRODUCCIN
12
INTRODUCCIN
Para qu sirve?
Diseo Industrial Proceso de fabricacin Control de calidad Equipos de medicin
Producto
Fundamental contar con el uso de equipos confiables
13
INTRODUCCIN
Las magnitudes significativas de los productos industriales se especifican mediante tolerancias

Intervalo incertidumbre
Intervalo
tolerancia
Admisible Rechazar Dudoso
Intervalos incertidumbre
Intervalo tolerancia
Intervalos de incertidumbre y tolerancia se solapan
La incertidumbre funciona como un reductor de los lmites de especificacin y por esto complica el control del proceso, cuanto mayor es la incertidumbre, ms complicado
14
INTRODUCCIN
Criterio de seguridad
Rechazar cualquier mensurando en situacin dudosa
Resulta adecuado que el intervalo de incertidumbre sea varias veces inferior al de tolerancia.
Intervalo de decisin
T - 2U (tolerancia efectiva)
15
INTRODUCCIN
16
INTRODUCCIN
Medidas dimensionales
3 T / 2U 10
10
Exigiran medios de medida muy costosos
Rechazo importante de elementos correctos
Buena opcin para no complicar el proceso
17
18
Incertidumbre Estndar
Incertidumbre estndar ( tpica) de una medida:

En la mayor parte de los casos, el mensurando Y no se mide directamente, sino que se determina a partir de otras N magnitudes X1, X1, ..., XN , mediante una relacin funcional, f:
Y = f ( X 1 , X 2 ,....., X N )
" Y Magnitud de salida del mensurando (medida) a determinar " X1 ,X2 ,X3 Magnitudes de entrada que permiten obtener el valor del mensurando. " f funcin de transferencia o funcin modelo
19
EJEMPLO DE INCERTIDUMBRE ESTNDAR

EJEMPLO - Si se aplica una diferencia de potencial V a los bornes de una resistencia cuyo valor depende de la temperatura, de la resistencia R0 a la temperatura definida t0 y del coeficiente lineal de temperatura , la potencia disipada P (el mensurando medida) por la resistencia a la temperatura t es funcin de V, R0, , y t, segn:
Y = f ( X 1 , X 2 ,....., X N )
V2 P = f (V , R0 , , t ) = R0 [1 + (t t0 )]
20
ESTIMACIN DEL MENSURANDO

Una estimacin del mensurando Y, representada por y, se obtiene utilizando las estimaciones de entrada x1, x2, ..., xN para los valores de N magnitudes X1, X2, ..., XN. As, la estimacin de salida y, que es el resultado de la medicin, viene dada por
Donde: y Estimador de Y x Estimador de X
21
Como los valores (x1, x2 ,..., xN) no pueden determinarse exactamente, el valor resultante de la medida (y) tampoco es exacto y entran en juego las incertidumbres. Las incertidumbres de las variables de entrada (x1, x2 ,..., xN) y la funcin modelo permiten determinar la incertidumbre del valor resultante (y) segn veremos. En general, el resultado de una medicin es slo una aproximacin o estimacin del valor del mensurando, y nicamente se halla completo cuando est acompaado de una declaracin acerca de la incertidumbre de dicha estimacin. Incertidumbre tpica es la incertidumbre del resultado de una medicin, expresada en forma de desviacin tpica.
22
INCERTIDUMBRE ESTNDAR COMBINADA

La desviacin tpica asociada al resultado de medida y, denominada incertidumbre tpica combinada y representada por uc(y), se determina a partir de la desviacin tpica asociada a cada estimacin de entrada xi, denominada incertidumbre tpica y representada por u(xi).
23
TIPO A VS TIPO B
Cada estimacin de entrada xi, as como su incertidumbre asociada u(xi ) se obtienen a partir de una distribucin de valores posibles de la magnitud de entrada Xi. Esta distribucin de probabilidad puede basarse en una distribucin de frecuencias; es decir, en una serie de observaciones Xi,k de las Xi, o puede tratarse de una distribucin supuesta a priori. Las evaluaciones de Tipo A de las componentes de la incertidumbre tpica se basan en distribuciones de frecuencia mientras que las evaluaciones de Tipo B se basan en distribuciones supuestas a priori.
24
25
Incertidumbre de TIPO A
CUANDO SE UTILIZA?
cuando se han realizado N observaciones independientes de una de las magnitudes de entrada, bajo las mismas condiciones de medida.
26
Incertidumbre de TIPO A
v Cuando una medida se repite en las mismas condiciones, puede observarse una dispersin o fluctuacin, siempre que el procedimiento de medida disponga de la resolucin suficiente. v La incertidumbre de una magnitud de entrada se estima en base a la dispersin de los resultados individuales.
27
Mtodos de obtencin
ANOVA (Anlisis de la varianza)
Mnimos cuadrados Mtodo general
28
Mtodos de obtencin
El anlisis de la varianza se puede definir como un conjunto de situaciones experimentales y procedimientos estadsticos para el anlisis de respuestas cuantitativas de unidades experimentales
29
Mtodos de obtencin
EN QU CONSISTE? El ajuste por el mtodo de los mnimos cuadrados de una curva a partir de datos experimentales. La varianza y la incertidumbre estndar de los parmetros caracterizan la curva y cualquier punto predicho
30
Mtodos de obtencin
31
Mtodos de obtencin
Para una serie de medidas, efectuadas en condiciones de repetitividad, compuesta de n medidas (n>1) independientes, el valor estimado, del valor verdadero de una magnitud, viene dado por la media aritmtica de los valores individuales medidos xi (i= 1; 2;.; n):
1 n x = xi n i =1
32
Mtodos de obtencin
La varianza experimental de las observaciones la cual se define como la dispersin de los resultados de la medicin para la magnitud de entrada Se determina segn la siguiente ecuacin:
n 1 s 2 ( x) = ( x xi ) 2 n 1 i =1
33
Mtodos de obtencin
La varianza del promedio es un estimador sesgado de la varianza de la media de las muestras, y se determina segn la siguiente ecuacin: 2
s ( x) s (x) = n
2
La desviacin estndar del promedio es la raz cuadrada positiva de la varianza del promedio:
s( x ) = +
s ( x) n
34
Mtodos de obtencin
la desviacin estndar experimental del promedio es la estadstica utilizada para la cuantificacin de la incertidumbre estndar de la medicin:
u ( X ) = s( x )
u ( X ) : es llamada incertidumbre estndar verdadera o terica de tipo A
35
Mtodos de obtencin
"
En el caso de que tengamos un nmero muy pequeo (n10 ) de mediciones, algo bastante comn en mediciones industriales, se debe considerar este efecto de la siguiente forma:
u A = t p (v ) u ( X )
" Es algo negativo encontrarnos en este tipo de situacin puesto que la incertidumbre hace referencia a la ausencia de informacin. A medida que se incrementa la informacin la incertidumbre se reduce que es lo que a nosotros nos interesa para tener una medida ms precisa.
36
Mtodos de obtencin
Por qu es negativo n<10?
37
Mtodos de obtencin
"
el nmero de grados de libertad.
t p se obtiene a partir de la distribucin t-Student para
" Esta ecuacin sigue una distribucin t-Student, que en el caso de pocas mediciones difiere notablemente de una distribucin normal. " Los grados de libertad v, de la variable aleatoria continua, en el caso de la incertidumbre por repetitividad, se determinan a partir de n observaciones independientes segn la siguiente ecuacin:
v = n 1
38
Mtodos de obtencin
39
Mtodos de obtencin
Importante!!!
Los grados de libertad siempre deben estar disponibles cuando se documentan las evaluaciones de los componentes de incertidumbre de tipo A.
40
Mtodos de obtencin
Si las variaciones aleatorias en las observaciones de una magnitud de entrada estn correlacionadas, por ejemplo, con el tiempo, entonces el promedio y la desviacin estndar experimental del promedio pueden ser estimadores inapropiados de los estadsticos deseados. En estos casos, las observaciones no se distribuyen segn la distribucin normal y deben analizarse mediante mtodos estadsticos, especialmente diseados para el tratamiento de series de mediciones correlacionadas que varan aleatoriamente.
41
EJEMPLO:
Se realiza la determinacin de calcio en una muestra de agua, mediante 10 mediciones realizadas a una misma muestra bajo condiciones de repetitividad. Los resultados encontrados son los siguientes:
Contenido de calcio en agua (mg/L):
1 2 3 4 5 6 7 8 9 10
10,25 10,34 10,18 10,29 10,26 10,28 10,22 10,24 10,30 10,20
42
EJEMPLO:
1. MEDIA x
x= 10,25 + 10,34 + 10,18 + 10,29 + 10,26 + 10,28 + 10,22 + 10,24 + 10,30 + 10,20 = 10,26mg / L 10
2. DESVIACIN ESTNDAR
s(q) =
n 1 ( x xi ) 2 = 0,49mg / L n 1 i =1
43
EJEMPLO:
3.DESVIACIN ESTNDAR DE LA MEDIA

s( x ) = + s ( x) n = 0,49 10 = 0,11mg / L
4. INCERTIDUMBRE TIPO A
u A = s ( x ) t n 1;95, 45%
44
95,45
10
45
EJEMPLO:
uA = +
s ( x) tn1;95, 45% = 0,11 2,32 = 0,26mg / L n
IMPORTANTE !!!!!!!
Especificar el NMERO DE GRADOS DE LIBERTAD
n-1
46
EJEMPLO:
Contenido de calcio en agua: 10,26 mg/L Incertidumbre tipo A 0,26 mg/L (para 9 grados de libertad y un nivel de confianza del 95,45%)
47
48
EJEMPLO:
Tenemos un conjunto de datos, consistentes en las masas de 98 filtros de policarbonato medidas con una electrobalanza, mostrndose a continuacin los datos obtenidos de las mediciones:
49
EJEMPLO:
50
EJEMPLO:
Utilizamos programas estadsticos que directamente nos muestran los resultados
51
EJEMPLO:
52
53
Incertidumbre estndar Tipo B

CUNDO SE UTILIZA LA INCERTIDUMBRE TIPO B?

Cuando no se tienen observaciones repetidas. Cuando su valor se establece o se calcula en base a toda la informacin disponible. Esto es, cuando se tiene una estimacin xi de una cantidad Xi que no se ha obtenido de observaciones repetidas, la varianza estimada u2(xi) o la incertidumbre estndar u(xi) se evalan por un mtodo cientfico basado en toda la informacin disponible acerca de la variabilidad de Xi.
54
La informacin disponible sobre Xi puede ser la siguiente:

" Resultado de mediciones anteriores. " Experiencia o conocimiento general acerca del comportamiento y propiedades de los materiales y los instrumentos utilizados. " Especificaciones del fabricante. " Datos suministrados por certificados de calibracin u otros certificados. " Incertidumbres asignadas a datos de referencia tomados de manuales.
55
DIFERENTES CASOS DE EVALUACIONES TIPO B: 1. Si la estimacin xi se obtiene a partir de una especificacin del fabricante, de un certificado de calibracin, de una publicacin o de otra fuente, y su incertidumbre viene dada como un mltiplo especfico de una desviacin tpica. 2. Determinacin tipo B cuando se conoce un nico valor de la variable de entrada. 3. Determinacin tipo B cuando se supone una distribucin de probabilidad para la variable de entrada. a. Normal b. Rectangular (uniforme) c. Triangular d. Tipo U
56
PRIMER CASO
1er CASO: Estimacin xi obtenida de una especificacin del fabricante, donde su certidumbre viene dada como un mltiplo especfico de una desviacin tpica.
Se puede establecer que la incertidumbre dada es un cierto mltiplo de la desviacin estndar. En el caso del ejemplo 1 la incertidumbre estndar es la desviacin estndar dividida entre el multiplicador, y la varianza estimada es el cuadrado del nmero resultante. En el caso del ejemplo 2 se da un intervalo que tiene un nivel de confianza de 90, 95 99 por ciento. Podemos obtener la incertidumbre estndar al dividir el valor dado entre el factor apropiado dentro de la distribucin normal. Estos factores son 1.64, 1.96 y 2.58, respectivamente, para los niveles de confianza anteriormente citados (90%, 95% y 99%):
57
EJEMPLO 1: Un certificado de calibracin indica que la masa ms de un patrn de masa de acero inoxidable de valor nominal igual a 1 kg es de 1000,000325g y que la desviacin tpica de este valor es de 240 g, para un nivel 3s (3 desviaciones tpicas). La incertidumbre tpica del patrn de masa es simplemente: Incertidumbre=desviacin/multiplicador u(ms ) = (240 g)/3 = 80 g. La varianza estimada es: varianza=(incertidumbre)2 u2(ms) = (80 g)2 = 6,4 x 10-9 g2
58
EJEMPLO 2: Un certificado de calibracin indica que la masa ms de un patrn de masa de acero inoxidable de valor nominal igual a 1 kg es de 1000,000325g. y que la desviacin de este valor es de 240 g, para un nivel de confianza del 99%:
Lo primero que debemos apreciar es que nos estn pidiendo un intervalo de confianza del 99% el factor por el que tenemos que dividir es 2.58: La incertidumbre tpica del patrn de masa es simplemente: Incertidumbre=desviacin/factor correspondiente al 99% de confianza u(ms ) = (240 g)/2.58 = 93 g La varianza estimada es: Varianza=(incertidumbre)2 u2(ms) = (93 g)2 = 8.65 x 10-9 g2
59
SEGUNDO CASO
2 CASO: Determinacin tipo B cuando se conoce un nico valor de la variable de entrada. Las posibles causas por las que slo tenemos un nico valor de la variable son las siguientes:
Hemos realizado una nica medida (medida destructiva) El resultado se toma de documentacin tcnica (coef. dilatacin) Resultado facilitado por terceras personas (certificado de calibracin) - Valor del mensurando, el valor nico. - Incertidumbre tpica: facilitada por la fuente (documentacin o certificado). - En su defecto, calcular en base a la experiencia.
60
EJEMPLO 1 (para un solo valor conocido de la variable de entrada): Ejemplo: Un acero de alta calidad lleva grabado el valor del coeficiente de dilatacin lineal = 11,6. 10-6 K-1 pero no indica su incertidumbre.
Solucin: El evaluador considera que la informacin es suficientemente fiable para adoptar como incertidumbre tpica la mitad del valor de la ltima cifra significativa grabada, es decir: La incertidumbre del coef. ser:
incertidumbre =
ltima cifra significativa 2
* Si no se advierte de lo contrario tomaremos siempre como divisor de esta ecuacin 2
u() = 0,1.10-6/2 K-1 = 0,05 . 10-6 K-1
61
TERCER CASO
3er CASO: Determinacin tipo B cuando se supone una distribucin de probabilidad para la variable de entrada.
Distribucin Normal
Se utiliza cuando se dispone: a) De resultados experimentales de observaciones repetidas. La incertidumbre tpica es igual a la desviacion tpica:
u ( x) =
s( X ) n
, donde s( x) =
n 1 ( x xi ) 2 n 1 i =1
b) De un intervalo de confianza (x a) con indicacin del nivel de confianza, por ejemplo 95% u otro. La incertidumbre tpica se calcula por ejemplo para un nivel de confianza del 95 % como:
u ( x) =
62
a+, 2
a+ a 4
TERCER CASO
Distribucin Rectangular
Se utiliza cuando, por ejemplo, se dan lmites ( a) sin especificar el nivel de confianza y es esperable que todos los valores sea igualmente probables. Para una distribucin rectangular cada valor de x dentro del intervalo [a+,a-] tiene la misma probabilidad, o sea la densidad de probabilidad es constante (e igual a 1/a dentro del intervalo). Donde a=a- - a+
La varianza se calcula como:
La desviacin estndar (incertidumbre) finalmente resulta:
(a a + ) 2 s = 12
2
u ( x) =
a a+ 12
a*, 3
63
TERCER CASO
Ejemplo 1 (distribucin rectangular): t = (t0 0,5) C (a-= a+ = 0,5 C) a = 1C La incertidumbre de esta medida ser:
u ( x) =
1 C = 0.3 C 12
Ejemplo 2 (distribucin rectangular): Resolucin instrumento E. (E=0,01 mm; a-=a+ = E/2 mm) a=0.01mm La incertidumbre de esta medida ser:
u ( x) =
0.01 12
= 2.9 10 3 mm
64
TERCER CASO
Distribucin Triangular
Se utiliza cuando la informacin es menos limitada que para una rectangular y se puede suponer que los valores cercanos al valor central son ms probables que los valores extremos. La incertidumbre tpica se calcula como:
u ( x) =
a+, 6
65
TERCER CASO
Distribucin Tipo U Se utiliza cuando se puede suponer que los valores ms probables son los situados en lo extremos de la distribucin. La incertidumbre tpica se calcula como:
u ( x) =
a+, 2
66
RESUMEN (I)
EN RESUMEN
La distribucin rectangular es una descripcin razonable en trminos de probabilidad del conocimiento que se tenga sobre la magnitud de entrada Xi cuando no existe ninguna otra informacin ms que sus lmites de variabilidad. Pero si se sabe que los valores de la magnitud en cuestin prximos al centro del intervalo de variabilidad son ms probables que los valores prximos a los extremos, un modelo ms adecuado sera una distribucin triangular o normal. Cuando los valores cercanos a los extremos son ms probables que los valores cercanos al centro, es ms apropiada una distribucin tipo U.
67
RESUMEN (II)
TABLA RESUMEN
68
Eliminacin de datos dudosos

Cuando se realiza una medicin repetida de una magnitud fsica algunas de las mediciones puede diferenciarse significativamente de las otras. Estos datos deben ser examinados con minuciosidad para tomar la decisin de tomarlos en cuenta o desecharlos.
La prueba de las 3S Desviacin relativa mxima La prueba Q
69

La prueba de las 3S
Se utiliza para n>10 Se considera que si el dato dudoso se desva de la media aritmtica, determinada para el resto de los datos, en ms de 3*S esta medicin se debe, o repetir, o desechar, ya que es un error basto.
xi x 3 s
70
s desviacin media estndar
xi medicin dudosa

Desviacin relativa mxima

Ms rigurosamente se puede usar el mtodo de clculo de la desviacin relativa mxima: xi x t s El valor de t depende de H, denominado nivel de importancia y del nmero n de datos. El nivel de importancia en la prctica comn se toma desde 0.05 hasta 0,01. Para mediciones exactas se debe tomar un valor de H no mayor a 0,01 (uno por ciento). t es el valor tomado de la siguiente tabla:
71

72

La prueba Q
Se utiliza para n<10 Hallamos el factor Q y se compara con una tabla de valores estndar para decidir si se debe rechazar o conservar el valor. Para rechazarlo Q tendr que ser mayor que el valor de la tabla
d xq xn Q= = w x h xl
xq representa el valor dudoso, xn es el valor vecino ms cercano, xh es el dato con el valor mximo xl es el dato con el valor mnimo
73

N de medidas
Rechazo con 90% Rechazo con 95% Rechazo con 99% de conanza de conanza de conanza
3 4 5 6 7 8 9 10
0.941 0.765 0.642 0.560 0.507 0.468 0.437 0.412
0.970 0.829 0.710 0.625 0.568 0.526 0.493 0.466
0.994 0.926 0.821 0.740 0.680 0.634 0.598 0.568
74
Incertidumbre Combinada
75
Incertidumbre Combinada:
vDatos correlacionados vDatos No correlacionados
76
Datos no correlacionados La incertidumbre del caso a estudiar se puede expresar como una combinacin de las incertidumbres individuales de cada variable Una suma de la incertidumbre individual multiplicada por un coeficiente de sensibilidad C
uc ( y ) = [ci u (xi )] = ui ( y )
i =1 i =1
77
Datos no correlacionados El mtodo mas extendido para el calculo de la incertidumbre es el conocido por propagacin de errores
f 2 uc ( y ) = x u (xi ) i =1 i
f ci = x i =1 i
n
uc ( y ) = [ci u (xi )] = ui ( y )
i =1 i =1
78
Datos no correlacionados
f 2 uc ( y ) = x u (xi ) i =1 i
f Donde ci = x i =1 i
Por lo que obtenemos la formula de la que partamos
n
uc ( y ) =
i =1
[ciu (xi )]
= ui ( y )
i =1
79
Datos no correlacionados Tambin se puede usar el mtodo emprico para calcular el valor de de C. Consiste en fijar todas las variables menos una y calcular de esta forma cada Ci
uc ( y ) =
i =1
[ciu (xi )]
= ui ( y )
i =1
80
Datos correlacionados Cuando los valores de medida guardan relacin entre ellos el calculo se hace ms complicado
f uc ( y ) = i =1 xi
n n 2 f f 2 2 ( ( ) ( ) u x + u x u xj ) r (xi x j ) i i xi x j i =1 j =1
r (xi x j )
Donde
Es la correlacin entre ambos valores
81
82
Incertidumbre Expandida
Para los casos en el que necesitamos un nivel de confianza mayor que el que nos da la incertidumbre combinada, usaremos la incertidumbre expandida. Necesitamos asegurarnos una mayor calidad Para ello aplicamos un coeficiente K en funcin del nivel de confianza que deseemos obtener y del origen de los datos.
U = kuc ( y )
83
Los casos mas habituales son para una distribucin normal de los datos 95% k=2 y para el 99% k=3, 68% para K=1 Para una distribucin cuadrada k=1 corresponde al 57,7% T-student niveles de confianza No siempre disponemos de una distribucin de valores segn alguna curva ni de las mediciones se han tomado un numero elevado de veces para asegurarnos que siguen alguna distribucin. T-student tiene en cuenta la limitacin que esto supone
84
T-student niveles de confianza En este modelo se tienen en cuentan los grados de libertad pidindose entender como una variable ms que tiene en cuenta el posible error cometido con un numero bajo de mediciones
A mayor grado de libertad mas confianza
85
Obtencin de los grados de libertad ef Datos Tipo A vi es n-1 , donde n es numero de medidas tomadas Datos Tipo B
1 u (xi ) vi 2 u (xi )
veff
u (y) = N 4 ui ( y ) vi i =1
4 c
86
Tabla con diferentes valores de k, ejemplo
87
88
Regresin lineal
Datos experimentales:
89
Regresin lineal
Ajuste lineal de los datos:
90
Regresin lineal
Estimacin de la pendiente y de la ordenada en el origen
MTODO DE LOS MNIMOS CUADRADOS
(m x
i =1
2 i
+ b yi ) =
mnimo
91
Regresin lineal
El par de valores m y b que cumplen esta condicin son la solucin del sistema de ecuaciones:
yi = m xi + bn 2 x y = m x + b xi i i i
x y n x y m= ( x ) n x
i i i 2 i 2 i
x x y y x b= ( x ) n x
i i i 2 i i 2 i
2 i
92
Regresin lineal
Incertidumbre asociada, desviacin estndar:
Sy =
2 ( y m x b ) i i
n2
93
Regresin lineal
Incertidumbre en la pendiente
Incertidumbre en la ordenada en el origen
Sm = S y
n n x ( xi )
2 i 2
Sb = S y
n x ( x )
2 i i
2 x i
94
95
Presentacin de resultados
La expresin del resultado debe ser de la forma
Y = y U
Declarar como se ha calculado la incertidumbre estndar. Si se expresa como una incertidumbre expandida indicar el nivel de confianza y el valor del factor de cobertura utilizado.
96
CIFRAS SIGNIFICATIVAS
Son aquellas que ofrecen informacin sobre el valor real de la medida.
REDONDEO
Primera cifra mayor que 5, se aumenta en una unidad la ltima cifra significativa Primera cifra menor que 5, la ltima cifra conservada no vara
97
Primera cifra igual a 5: Si despus del 5 todas son cero, la ltima cifra conservada no vara Ejemplo: 3,5000 se redondea a 3 Si despus del 5 hay cifras distintas de cero, se aumenta en una unidad la ltima cifra significativa Ejemplo: 3,5121 se redondea a 4
98
La incertidumbre tiene slo una cifra significativa excepto si la primera cifra distinta de cero es 1 y la siguiente menor o igual que 5 Los valores de las medidas y las incertidumbres se deben expresar siempre con la misma precisin. Se utilizarn potencias de diez para evitar que haya cifras no significativas, la misma potencia debe afectar al valor y a su incertidumbre.
99
EJEMPLOS:
Medida
0,987 356,257 0,34573 1,4602
Incertidumbre
0,018 11,897 0,00237 0,0049
Expresin
0,990,02 35612 (34,60,2)10-2 1,4600,005
100
101
102
1. DEFINIR EL MENSURANDO Y
q Es la magnitud que se pretende determinar.

Ejemplo: Se desea determinar la rigidez k de un resorte a compresin.
q Debe poder obtenerse mediante la medicin de un fenmeno. q Como consecuencia de la medicin (directa o indirecta) aparece implcitamente una incertidumbre que caracteriza la dispersin de los valores atribuidos al mensurando.
EL VALOR REAL DEL MENSURANDO NO COINCIDE CON EL VALOR MEDIDO

103
2. a) ESTABLECER EL MODELO FSICO

Es necesaria la simplificacin del fenmeno o de la situacin real conservando las caractersticas ms relevantes.
Para dicha simplificacin debe tenerse en cuenta: q Relaciones fenomenolgicas entre variables. q Consideraciones sobre el fenmeno como conservacin de cantidades, comportamiento temporal, comportamiento espacial, simetras q Consideraciones sobre propiedades de la sustancia como homogeneidad e isotropa. Ejemplo: Para el clculo de la rigidez k de un resorte a compresin se puede simplificar el fenmeno mediante un dispositivo como el de la figura en el que se colocan diferentes pesas.
104
2. b) IDENTIFICAR LAS VARIABLES DE ENTRADA Xi

ESTABLECER EL MODELO MATEMTICO
La relacin entre las magnitudes de entrada y el mensurando se representa como una funcin
Y = f({Xi}) = f(X1, X2, ... , XN)

dada por una tabla de valores correspondientes, una grfica o una ecuacin.
Ejemplo: En el caso del resorte a compresin, la funcin que relaciona las magnitudes de entrada y el mensurando es: Y=k x1=m x2=g x3=x
105
m g k= x
Mensurando Variables de entrada
3. IDENTIFICAR LAS FUENTES DE INCERTIDUMBRE Provienen de diversos factores involucrados en la medicin.
q q q q
Resultados de calibracin del montaje. Incertidumbre del material de referencia. Repeticin de las lecturas. Incertidumbre asociada a la resolucin de los equipos.
Tambin podemos encontrarnos con cambios de instrumentacin, de observador, de condiciones ambientales, etcque tambin tienen asociada cierta incertidumbre pero que son menos comunes.
106
4. DETERMINAR LA INCERTIDUMBRE ESTANDAR u(xi)

Mtodos principales para cuantificar las fuentes de incertidumbre: q Tipo A: distribucin de incertidumbre basada en el anlisis estadstico de una serie de medidas. q Tipo B: distribucin con base en experiencia o informacin externa. TIPO A
n 1 1 2 uA (Y ) = (Yk Y ) 2 n n 1 k =1
n: Yk: Y:
nmero de mediciones independientes resultados de la medicin media aritmtica de las mediciones
107
4. DETERMINAR LA INCERTIDUMBRE ESTANDAR u(xi)

TIPO B Se basa en certificados de calibracin, especificaciones de equipos de medicin, la experiencia, materiales patrn, etc
U E 2 u ( xi ) = + k s
u(xi): incertidumbre asociada a una magnitud de entrada, instrumento del equipo o de calibracin, etc U: incertidumbre expandida asociada a xi k: factor de cobertura E: resolucin del equipo de medida. (en caso de no ser xi un equipo de medida E=0) s: factor asociado al tipo de distribucin utilizada. o Triangular s=24 o Rectangular s=12
UNA INCERTIDUMBRE DE TIPO B PUEDE SER TAN FIABLE COMO UNA EVALUACIN DE TIPO A
108
5. ESTIMAR CORRELACIONES. CALCULAR LA INCERTIDUMBRE COMBINADA uc(Y)

C = Y0 Y + contribuciones
C: Y0: Y: Contribuciones: correccin el valor nominal en el punto de calibracin estimador de la magnitud de salida en el punto otras correcciones que generan incertidumbre
Para calcular la incertidumbre combinada cuando existen diversas magnitudes de entrada xi no correlacionadas se utiliza la ley de propagacin de incertidumbre:
u 2 (Y0 ) + u 2 (contribuciones) f = u ( xi ) + u 2 (montaje) + u 2 (calibracin) + ... j =1 xi

n 2
109

La incertidumbre combinada es el resultado de las contribuciones de todas las fuentes. Se calcula como la suma geomtrica de las contribuciones particulares.
2 uc (Y ) = u A (Y ) + u 2 (Y0 ) + u 2 (contribuciones)
uc (Y ) = ui2 (Y )
i =1
110

Ejemplo:
u ( mi ) = U (Mi ) K cert
U ( X i ) Eregla u 2 ( xi ) = + K 12 cert
2 2
u(g) =
U (g) K cert
Ley de propagacin de varianzas

k k k u 2 ( k0 ) = i u 2 ( mi ) + i u 2 ( xi ) + i u 2 ( g ) g mi xi mg g m u 2 ( k0 ) = u 2 ( mi ) + 2 i u 2 ( xi ) + i u 2 ( g ) xi xi xi
2 2 2 2 2 2
u 2 (contribuciones) = u 2 (montaje ) + u 2 (resolucin )

u ( montaje ) = U montaje k
u ( resolucin ) = E 12
2 uc ( k ) = u A (k ) + u 2 (k0 ) + u 2 (contribuciones)
111
6. CALCULAR LA INCERTIDUMBRE EXPANDIDA U
U (Y ) = k uc (Y )
El factor k se conoce como factor de cobertura. Es comn que sea tomado igual a 2 en la mayora de los estudios. En el caso de distribucin normal, el factor k = 2 significa que los lmites de la incertidumbre total corresponden a un nivel de confianza de aproximadamente el 95%.
112
6. CALCULAR LA INCERTIDUMBRE EXPANDIDA U

Una vez que se ha obtenido la incertidumbre para el primer punto de calibracin, se repite el proceso tantas veces como puntos de calibracin se demanden.
U = max U (Yi )
FINALMENTE SE ACEPTA COMO VALOR DE INCERTIDUMBRE ASOCIADA AL MENSURANDO AQUELLA QUE SEA MS RESTRICTIVA
113
Unidades del Sistema Internacional

Introduccin Incertidumbre Estndar Tipo A Tipo B Incertidumbre Combinada Incertidumbre Expandida Regresin Presentacin de resultados Paso a paso en el clculo de incertidumbre ANEXO
UNIDADES BSICAS
CANTIDAD BSICA Longitud Masa Tiempo, duracin Corriente elctrica Temperatura termodinmica Cantidad de sustancia Intensidad luminosa NOMBRE Metro Kilogramo Segundo Amperio Kelvin Mol Candela SMBOLO m kg s A K mol cd
El SI se crea en 1960 en la Conferencia de Pesas y Medidas dada la importancia de estandarizar mundialmente las unidades de medida
114

Mltiplos y submltiplos decimales de las unidades del SI

FACTOR 1024 1021 1018 1015 1012 109 106 103 102 101 PREFIJO yotta zetta exa peta tera giga mega kilo hecto deca SMBOLO Y Z E P T G M k h da
115
FACTOR 10-24 10-21 10-18 10-15 10-12 10-9 10-6 10-3 10-2 10-1
PREFIJO Yocto Zepto Atto Femto Pico Nano Micro Mili Centi Deci
SMBOLO y z a f p n m c d

UNIDADES DERIVADAS: Las unidades derivadas se forman a partir de productos de potencias de unidades bsicas. Las unidades derivadas coherentes son productos de potencias de unidades bsicas en las que no interviene ningn factor numrico ms que el 1.
116

Unidades no pertenecientes al SI:

NOMBRE
Minuto Hora Da Grado Minuto Segundo Litro Tonelada mtrica Electronvolt Unidad de masa atmica unificada
117
SMBOLO
min h d ' " L T eV u
VALOR EN UNIDADES DEL SI

1 min = 60 s 1 h = 60 min = 3600 s 1 d = 24 h = 86 400 s 1 = (/180) rad 1 = (1/60) = (/10 800) rad 1 = (1/60) = (/648 000) rad 1 L = 1 dm3 = 10-3 m3 1 t = 103 kg 1 eV = 1.602 177 33 10-19 J 1 u = 1.660 540 2 10 27 kg

OCW Introduccion A La Incertidumbre de Medidas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

OCW Introduccion A La Incertidumbre de Medidas

Enviado por

Direitos autorais:

Formatos disponíveis

Higinio Rubio Alonso

LA INCERTIDUMBRE EN LAS MEDIDAS

El trmino incertidumbre siempre aparece asociado a la medida de magnitudes.

Control de Calidad Investigacin Diseo Industrial Implica Realizar mediciones

Mensurando Equipos Sistema de medicin Procedimientos Operadores Ambiente

Todo sistema de medicin presenta errores de medida

Todo sistema de medicin presenta errores de medida

Ninguna media es exacta valor medido valor real

Solo podemos aspirar a estimar su grado de incertidumbre.

Medicin completa valor atribuido incertidumbre asociada

Ejemplo: Error Aleatorio

n mediciones: valor xi Valor de la medicin

Presentacin de resultados Paso a paso en el clculo de incertidumbre

Fundamental contar con el uso de equipos confiables

Las magnitudes significativas de los productos industriales se especifican mediante tolerancias

Admisible Rechazar Dudoso

Intervalos de incertidumbre y tolerancia se solapan

Rechazar cualquier mensurando en situacin dudosa

Exigiran medios de medida muy costosos

Rechazo importante de elementos correctos

Buena opcin para no complicar el proceso

Incertidumbre estndar ( tpica) de una medida:

EJEMPLO DE INCERTIDUMBRE ESTNDAR

ESTIMACIN DEL MENSURANDO

Donde: y Estimador de Y x Estimador de X

INCERTIDUMBRE ESTNDAR COMBINADA

ANOVA (Anlisis de la varianza)

Mnimos cuadrados Mtodo general

Por qu es negativo n<10?

el nmero de grados de libertad.

t p se obtiene a partir de la distribucin t-Student para

3.DESVIACIN ESTNDAR DE LA MEDIA

s ( x) tn1;95, 45% = 0,11 2,32 = 0,26mg / L n

Utilizamos programas estadsticos que directamente nos muestran los resultados

Incertidumbre estndar Tipo B

CUNDO SE UTILIZA LA INCERTIDUMBRE TIPO B?

La informacin disponible sobre Xi puede ser la siguiente:

ltima cifra significativa 2

* Si no se advierte de lo contrario tomaremos siempre como divisor de esta ecuacin 2

u() = 0,1.10-6/2 K-1 = 0,05 . 10-6 K-1

La varianza se calcula como:

La desviacin estndar (incertidumbre) finalmente resulta:

Eliminacin de datos dudosos

La prueba de las 3S Desviacin relativa mxima La prueba Q

Eliminacin de datos dudosos

s desviacin media estndar

Eliminacin de datos dudosos

Desviacin relativa mxima

Eliminacin de datos dudosos

Eliminacin de datos dudosos

Eliminacin de datos dudosos

0.941 0.765 0.642 0.560 0.507 0.468 0.437 0.412

0.970 0.829 0.710 0.625 0.568 0.526 0.493 0.466

0.994 0.926 0.821 0.740 0.680 0.634 0.598 0.568

Es la correlacin entre ambos valores

A mayor grado de libertad mas confianza

Ajuste lineal de los datos:

Estimacin de la pendiente y de la ordenada en el origen

MTODO DE LOS MNIMOS CUADRADOS

Incertidumbre asociada, desviacin estndar:

Incertidumbre en la ordenada en el origen

La expresin del resultado debe ser de la forma

q Es la magnitud que se pretende determinar.