Curso GUM y MCM para Principiantes

Estimacin de incertidumbre en las
mediciones: GUM y mtodo de

Monte Carlo para principiantes
24 al 26 de marzo de 2015
Instructores:
Ana Lilia Lpez Snchez (alopez@cenam.mx)
Alfredo Elas Jurez (aelias@cenam.mx)
Tel. (442) 2 11 05 00 ext. 3599 y 3515
Grupo de Ultrasonido, Direccin de Vibraciones y Acstica
Direccin General de Metrologa Fsica, CENAM.

1
Objetivo
Que el participante adquiera los conocimientos

bsicos para realizar la estimacin de
incertidumbre en las mediciones;
- empleando la ley de propagacin de incertidumbres

conforme a la GUM (Guide to the Expression of Uncertainty in
Measurement), y
- el Suplemento 1 de la GUM (mtodo de Monte Carlo).
Estimacin de incertidumbre en las mediciones: GUM y mtodo de Monte Carlo para principiantes.
El participante identificar,
con base en un modelo de medicin,
los datos y parmetros estadsticos

que necesariamente requiere un
presupuesto de incertidumbres;
en el caso del mtodo de Monte Carlo, se utilizar

software libre para realizar la propagacin de
distribuciones de probabilidad.
OCTAVE
Descripcin del curso
Se revisa la metodologa GUM para la estimacin

de incertidumbres de medida; contrastando los
resultados obtenidos entre dos tcnicas
(combinacin de varianzas vs. mtodo de Monte Carlo).
Se sugiere que cada participante proporcione un problema de

estimacin de incertidumbres; de ser posible, con datos reales
de un proceso de calibracin, medicin o publicacin tcnica.
Temario
0. Motivacin y Referencias clave
1. Introduccin: modelo de una medicin
2. Repaso de conceptos bsicos de probabilidad y estadstica.
3. Estimando la incertidumbre de una medicin conforme al
mtodo de la Guide to the expression of uncertainty in
measurement (GUM).
4. Estimando la incertidumbre de medicin utilizando el mtodo
de simulacin Monte Carlo.
5. Reflexiones y consideraciones finales en su aplicacin a los
ensayos o mediciones por ultrasonido.
GUM: Guide to the Expression of Uncertainty in Measurement, BIPM, lEC, IFCC, ISO, IUPAC, lUPAP, OIML. Equivalente
a la norma NMX-CH-140-IMNC 2002 Gua para la expresin de la incertidumbre en las mediciones.
0. Motivacin un caso de aplicacin

Instrumentacin y cadenas de medicin en aplicaciones de ultrasonido
Instrumentacin tpica
Procedimiento
+
Medidores
y detectores
Unidades
rastreadoras
(transductores)
+
Bloques
de referencia
y accesorios
(ej. acoplante)
Personal
calificado
Cdigo,
norma,
prctica
Recomendada, etc.
Referencia
Normativa
? =
0. Motivacin es relevante el tema de

la incertidumbre de medida?
Condiciones
ambientales
exteriores
25.4 mm?
25.6 mm?
mm
Tubera
Condiciones
ambientales
interiores
25.35 mm?
Medidor
ultrasnico de
espesor
Espesor
Cmo indica o declara actualmente el valor de

espesor de una tubera?
0. Motivacin incertidumbre en la
evaluacin de la conformidad?
Tolerancia
inferior
No Pasa
Tolerancia
superior
Pasa
No Pasa
Valores medidos considerando la dispersin de los datos debido al

proceso de medicin y/o usuario.
0. Referencias clave
http://www.bipm.org/en/publications/guides/gum.html
JCGM 100:2008 aka la GUM
0.1 When reporting the result of a measurement of a

physical quantity, it is obligatory that some quantitative
indication of the quality of the result be given so that those
who use it can assess its reliability. Without such an
indication, measurement results cannot be compared, either
among themselves or with reference values given in a
specification or standard. It is therefore necessary that there
be a readily implemented, easily understood, and generally
accepted procedure for characterizing the quality of a result
of a measurement, that is, for evaluating and expressing
its uncertainty.
10
1. Introduccin
Fuente: Essential Mathematics and Statistics for Science, 2nd Edition, Graham Currell & Antony Dowman,
The University of the West of England, UK, A John Wiley & Sons, Ltd., Publication
https://archive.org/details/MathematicsAndStatistics
11
1. Introduccin
Fuente: Essential Mathematics and Statistics for Science, 2nd Edition, Graham Currell & Antony Dowman, The University of the West of
England, UK, A John Wiley & Sons, Ltd., Publication
12
1. Introduccin
La cuantificacin de la incertidumbre debe obtenerse sobre la base de un adecuado entendimiento

del proceso de medicin involucrado y del sistema sujeto a medicin
13
Fuente: Essential Mathematics and Statistics for Science, 2nd Edition, Graham Currell & Antony Dowman, The University of the West of
England, UK, A John Wiley & Sons, Ltd., Publication
14
Mensurando se mide directamente

Ej.: Medicin del volumen de un cilindro por
desplazamiento de agua.
Mensurando se mide de forma indirecta
Clculo del mensurando a partir de otras

magnitudes medidas.
Ej.: Volumen de un cilindro: V = (/4)d^2h

VERSIN VIM 2008
15
CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

http://www.cem.es/sites/default/files/gum20digital1202010.pdf
16
1. Introduccin
17
2. Repaso de conceptos bsicos de

probabilidad y estadstica.
Mensurando
Resultado no
corregido
Tolerancia
Dispersin por
errores aleatorios
Correccin
(error sistemtico)
Valor verdadero
Resultado corregido
Incertidumbre
Tolerancia
18
1
s (q)
n 1
2
x
cl
1
n
q
n
j 1
1
2
n 1
x x
n
y f xi ,..., xm
i 1
i 1
f
f
xl X l
r xi , x j
ef
X l xl X N x N
u xi , x j
u xi u x j
uc4 ( y )
N
i 1
ui4 ( y )
i
u 2 ( y)
i 1
n 1
u ( y)u ( y)r( x , x )
ui2 ( y ) 2
i 1 k i 1
19

Definiciones iniciales y Etc.,
J. N. Razo Razo,
Incertidumbre
enmediciones:
la integracin
numrica
de curvas
de medicin
mayo 2003
Estimacin
de incertidumbre
en las
GUM
y mtodo
de Monte
Carlo para, principiantes.
20

Probabilidad, funciones de densidad probabilstica

(probability density functions, PDFs) de uso comn,
esperanza y momentos de una variable aleatoria.
Parmetros estadsticos: mediana, moda, media

aritmtica, varianza, desviacin estndar,
incertidumbre estndar, histograma de resultados.
Nivel de confianza, factor de cobertura,

incertidumbre combinada vs. incertidumbre
expandida
21

* CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

22

CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

23

C.2.1 probabilidad
nmero real, entre 0 y 1, asociado a un suceso aleatorio
C.2.4 funcin de distribucin

funcin que da, para cada valor de x, la probabilidad de que la
variable aleatoria X sea menor o igual que x: F(x) = Pr(X x)
C.2.5 funcin de densidad de probabilidad (para

una variable aleatoria continua) es la derivada (cuando existe)
de la funcin de distribucin:
f(x) = dF(x)/dx
24

C.2.19 media aritmtica; valor medio

suma de valores dividida entre el nmero de valores
1 n
xi
n i 1
Mediana: el valor central de los datos ordenados

Moda: el valor que ms veces se repite
25

C.2.9 esperanza matemtica (de una variable aleatoria

o de una distribucin de probabilidad); valor esperado;
media
Para una variable aleatoria continua X, con funcin de densidad de
probabilidad f(x), la esperanza, si existe, es
= E(X ) = x f(x) dx
C.2.13 momento central de orden q

en una distribucin de una nica variable, es la esperanza matemtica
de la q-sima potencia de la variable aleatoria centrada (X ):
E[ (X )^q ]
26

C.2.20 varianza
medida de dispersin, igual a la suma de los cuadrados de las
desviaciones de las observaciones con respecto a su valor
medio, dividido por el nmero de observaciones menos uno
Media
del mensurando
Desviacin estndar experimental

s
n
1
2
x x i
n 1 i 1
s2 : Varianza experimental
Medida de su Dispersin
27
C.2.18 distribucin de
frecuencia
relacin emprica entre los valores de
una caracterstica y sus frecuencias o
frecuencias relativas
Valores
NOTA La distribucin puede representarse grficamente como un

histograma (ISO 3534-1:1993, definicin 2.17), un diagrama de
barras (ISO 3534-1:1993, definicin 2.18),
Tiempo
28
y funciones de densidad de probabilidad (PDF)
8
7
6
5
4
3
2
1
0
Frecuencia
Frecuencia
Los histogramas permiten visualizar de manera

preliminar la distribucin, a partir de su envolvente.
107 108 109 110 111 112 113 114 115 116
Clase
uniforme?
10
9
8
7
6
5
4
3
2
1
0
107 108 109 110 111 112 113 114 115 116
Clase
normal?
29
f(x)
= Distribucin de Laplace-Gauss
= Distribucin Gaussiana
(x ) 2
f (x )
exp
2
2
2
= Media
= Desviacin estndar
30
Probabilidad de encontrar x en un intervalo:
f(x)
Pa x b f (x )dx
a
x
3 2
Intervalo
Nivel de
confianza

68,3%
2 3
2 3
95,4%
99,7%
Para una distribucin normal
31
Ref. VIM, JCGM 200:2008, trad. Espaol.
90
80
70
60
50
40
30
20
10
0
32
Fuente:
Ref. NMX-CH-140-IMNC
33
U k uc
k
nivel de
confianza
68,3%
95,4%
3
99,7%
Aumentar el nivel de confianza.

-3uc -2uc
-uc
+uc
+2uc +3uc
k es elegido por el usuario

segn conveniencia.
La incertidumbre estndar uc representa un intervalo que contiene el valor verdadero del

mensurando con una probabilidad p de 68% aproximadamente, llamado el nivel de
confianza. Para obtener una probabilidad mayor, se expande el intervalo de
incertidumbre por un factor k, llamado factor de cobertura. El resultado se llama
incertidumbre expandida
34
3. Estimando la incertidumbre de una medicin conforme al

mtodo de la Guide to the expression of uncertainty in
measurement (GUM).
3.1 Mensurando, variables de influencia y variables de entrada (del
modelo de medicin).
3.2 Ley de propagacin de incertidumbres: con y sin correlacin de
variables.
3.3 Coeficientes de sensibilidad y el peso de las contribuciones en la
incertidumbre de una medicin.
3.4 Incertidumbre: Tipo A vs. Tipo B.
3.5 Componentes mnimos en un presupuesto de incertidumbres.
3.6 Ejercicio ilustrativo: medicin de espesores utilizando ultrasonido.
35
3. Estimando la incertidumbre de una

medicin conforme al mtodo de la GUM
Parmetro no negativo que caracteriza la dispersin de los valores

atribuidos a un mensurando, a partir de la informacin que se utiliza.
No es posible conocer con certeza absoluta el valor
verdadero de una magnitud. Siempre nos
quedamos con incertidumbre.
25.4 mm?
La incertidumbre se estima, no es una cuantificacin

exacta.
25.6 mm?
25.35 mm?
El nivel de incertidumbre apropiado depende del

uso intencionado.
NOTA. El parmetro puede ser, por ejemplo, una desviacin tpica (o un mltiplo de ella), o el semi
intervalo con un nivel de confianza determinado.
36

Fuentes posibles de
incertidumbre
definicin incompleta del mensurando;
realizacin imperfecta de la definicin del mensurando;
muestra no representativa del mensurando;
lectura sesgada de instrumentos analgicos, por parte del tcnico;

resolucin finita del instrumento de medida;
conocimiento incompleto de los efectos de las condiciones
ambientales en la medicin, o medicin imperfecta de las mismas.
valores inexactos de los patrones de medida;

valores inexactos de constantes y otros parmetros tomados de
fuentes externas;
variaciones en las observaciones repetidas del mensurando, en

condiciones aparentemente idnticas.
37

38

Esta Gua proporciona reglas

generales para evaluar y
expresar la incertidumbre de
medida de una magnitud fsica
bien definida, el mensurando.
NMX-CH-140-IMNC
Gua para la expresin de
incertidumbre en las mediciones
39

1) Modelo matemticamente de la relacin entre el mensurando y las
magnitudes de entrada .
2) Determinar el valor estimado de las magnitudes de entrada
3) Evaluar la incertidumbre estndar de cada estimacin de entrada.
4) Evaluar las covarianzas asociadas a todas las estimaciones de entrada
que estn correlacionadas.
5) Calcular la estimacin del mensurando.
6) Determinar la incertidumbre estndar combinada del mensurando.
7) Determinar la incertidumbre expandida.
8) Documentar el resultado de medicin junto con su incertidumbre.

40

Magnitud que se desea medir.

Cantidad particular objeto de una medicin.
En general, un proceso de medicin involucra cantidades de entrada
cuyo valor estimado, , contribuyen al valor estimado del mensurando o
cantidad de salida, .
1
Proceso
de
medicin
= 1 , 2 , ,
41

1) Modelo matemticamente de la relacin entre el mensurando y las magnitudes de
entrada .
Relacin matemtica existente entre el mensurando (Y ) y las magnitudes
de entrada (Xi ) de las que depende Y.
Decidir qu se quiere medir. Decidir qu mediciones y clculos se
requieren para obtener el resultado final.
42

entrada .
Volumen de un cilindro.
2
=
4
Volumen del cilindro
Dimetro del cilindro
Altura del cilindro
Mensurando
Magnitudes de entrada
43

2) Determinar el valor estimado de la magnitud de entrada .
Las magnitudes de entrada pueden ser a su vez mensurandos,
pudiendo depender de otras magnitudes.
Se pueden determinar a partir del anlisis estadstico de una serie de

observaciones.
= +
Por el instrumento
Por magnitudes de
influencia (ej. temperatura,
presin atmosfrica, o
humedad)
44

Magnitudes cuyos valores e incertidumbre se introducen en la
medicin procedentes de fuentes externas:
Magnitudes asociadas a patrones,
Materiales de referencia certificados
Valores de referencia tomados de publicaciones.
45

Dimetro del cilindro.
= + + ..
Certificado de
calibracin
Material del
instrumento
y/o del objeto.
= 0 1 +
Regla.
Correccin = 0 mm.
U = 0.1 % de la lectura, k=2.
Lata de aluminio.
Coeficiente de expansin trmica lineal
del aluminio () = 2.3x10-5 C-1.
46

Altura del cilindro.
= + + ..
Certificado de
calibracin
Material del
instrumento
y/o del objeto.
= 0 1 +
Regla.
Correccin = 0 mm.
U = 0.1 % de la lectura, k=2.
Lata de aluminio.
Coeficiente de expansin trmica lineal
del aluminio () = 2.3x10-5 C-1.
47

3) Evaluar la incertidumbre estndar, , de cada estimacin de entrada .
a) Identificacin de
las fuentes de
incertidumbre.
Certificado de
calibracin.
Resolucin del
instrumento.
Repetibilidad de
las lecturas.
Bibliografa.
etc.
b) Clasificacin segn
su mtodo de
evaluacin.
Tipo A.
Se evala por anlisis
estadstico de una serie
de observaciones.
Tipo B.
Adopcin de valores
externos al proceso
de medicin.
c) Distribucin de
probabilidad.
d) Determinacin
incertidumbre
estndar.
Tipo A.
a partir de distribucin de
frecuencia observada.
Tipo B.
distribuciones supuestas
a priori.
48

Distribucin de
probabilidad
Rectangular
Normal
(evaluacin de
repetibilidad)
Expresin para obtener

=
=
Un termmeltro digital tiene una resolucin de 0.1C.

.
Lmites del semi-intervalo de 0.05 C. =
Evaluacin estadstica de la repetibilidad proporciona

el resultado en trminos de una desviacin estndar;
por lo que no es necesario realizar un procesamiento
adicional.
Comentarios o ejemplos
Proporciona una indicacin de la repetibilidad del

proceso, el cual depende de factores como:
instrumento utilizado, el mtodo de medicin, y en
algunas ocasiones de la persona que realiza la
medicin.
49

Distribucin de
probabilidad
Normal (de un
certificado de
calibracin)
Normal (de las

especificaciones
del fabricante)

=
Un certificado de calibracin expresa una
incertidumbre expandida U, con una probabilidad de
cobertura o nivel de confianza. Es necesario dividir U
por el factor de cobertura, k, que corresponde al nivel
de confianza informado.
Algunas especificaciones de fabricantes se indican para
un nivel de confianza, en estos casos se supone una
distribucin normal y el lmite de tolerancia se divide
entre el correspondiente factor de cobertura.
Si no se especifica un nivel de confianza, entonces se

debe suponer una distribucin uniforme.
50

Distribucin de
probabilidad
Triangular

La combinacin de dos distribuciones uniformes
idnticas, cada una con lmites del semi-intervalor de
, resulta en una distribucin triangular con un
semi-intervalor de 2.
51

Repetibilidad
Resolucin del instrumento
Certificado de calibracin del instrumento
Repetibilidad
Resolucin del termmetro
Certificado de calibracin del termmetro

Bibliografa
52

Variable/Fuente de
incertidumbre
Valor
Origen de la
informacin
Tipo de distribucin
Lecturas
A. Normal
Instrumento
B. Uniforme
Certificado
B. Normal.k=2
Incertidumbre estndar,

Dimetro medido,
Repetibilidad
Resolucin
Correccin por
instrumento,
Calibracin
5) Calcular la estimacin del mensurando , a partir de la relacin funcional utilizando para

las magnitudes de entrada las estimaciones
= + + ..
53

Variable/Fuente de
incertidumbre
Valor
Origen de la
informacin
Tipo de distribucin
Lecturas
A. Normal
Instrumento
B. Uniforme
Certificado
B. Normal.k=2

Dimetro medido,
Repetibilidad
Resolucin
Correccin por
instrumento,
Calibracin

= + + ..
54

6) Determinar la incertidumbre estndar combinada del mensurando,
La incertidumbre tpica combinada es la raz cuadrada positiva de la
varianza combinada 2 , dada por:
2 =
=1
Ley de propagacin de incertidumbre

magnitudes de entrada independientes
2 =

=1
Coeficiente de sensibilidad, es el
impacto de cada fuente sobre el
mensurando.
=1
contribucin de cada fuente a la incertidumbre

combinada.
55

La incertidumbre tpica combinada es la raz cuadrada positiva de la varianza
combinada 2 , dada por:
=
=1
+ 2
=1 =+1

,

Ley de propagacin de incertidumbre
magnitudes de entrada correlacionadas
2 =
2 2 + 2
=1
Coeficiente de
correlacin entre y .
,
=1 =+1
Covarianza estimada
asociada a y .
56

2 = 2 + , 2
,
=
,
12
2 ,
=1
, =
=1
57

Variable/Fuente de
incertidumbre
Valor
Tipo
distribucin
contribucin

Dimetro medido,
Repetibilidad
Resolucin
Correccin por
instrumento,
Calibracin
2 + , 2
+ , ,
58

Teorema del Lmite Central:

La distribucin del mensurando Y es (aproximadamente) normal, si las
contribuciones Xi son independientes (no correlacionadas) y la varianza s2(Y)
es mucho ms grande que cualquier componente individual ci2s2(Xi) cuya
distribucin no sea normal.
Intervalo
Nivel de
confianza
68.3%
95.4%
3
99.7%
3 2
Factor de cobertura
k=1
k=2
2 3
k=3
59

7) Determinar la incertidumbre expandida
De acuerdo con prcticas internacionales

generalmente aceptadas, se recomienda
que se utilice un factor de cobertura de k=2
para calcular la incertidumbre expandida.
Este valor de k dar un nivel de confianza
de aproximadamente 95%, suponiendo
una distribucin normal.
k=?
y-U
y+U
60

8) Documentar el resultado de medicin junto con su incertidumbre
con U determinada con un factor de cobertura k = 2, basado en una distribucin

normal del error de medida, definiendo un intervalo estimado para tener un nivel de
confianza de aproximadamente 95%.
61

Resultado:
Y=yU
con k = ? @ x %
Y Mensurando
y Mejor estimado del mensurando
U Incertidumbre expandida
Ejemplos de expresin de resultados en la magnitud de longitud:

a) D = (1.025 3 0.002 3) km
(k=2 @ 95 % nivel de confianza)
b) D = 1.025 3 km 2.3 m
c) D = 1.025 3 km 0.22 %
d) D = 1.025 3 km 2.210-3
e) D = 1.025 3 km, U = 2.3 m
f) D = 1.025 3 km, U = 0.22 %
g) D = 1.025 3 km, U = 2.210-3
62

Volumen de un cilindro.
2
=
4
63

Cable
Unidad
rastreadora
(transductor)
Mensurando:
Error de medida
()
Acoplante
Magnitudes de entrada:
Reflexin (eco)
Espesor medido
Bloque de referencia
(1 )
Espesor de referencia (2 )
Medidor
= 1 , 2
64


entrada .
Relacin matemtica existente entre el mensurando (Y ) y las magnitudes
de entrada (Xi ) de las que depende Y.
=
=
65

entrada .
Las magnitudes de entrada Xi, de las que depende la magnitud de salida Y pueden ser
consideradas a su vez como mensurandos, pudiendo depender de otras magnitudes,
junto con las correcciones y factores de correccin de los efectos sistemticos.
= 1 +
Longitud del bloque
patrn dada en su
certificado de
calibracin
Coeficiente de
dilatacin trmica
lineal del bloque
patrn
Temperatura del
bloque durante la
medicin
Temperatura de
calibracin del
bloque
Espesor de la capa de
acoplante a la
temperatura de
medicin.
66


entrada.
= 1 +
67

2) Determinar el valor estimado xi de la magnitud de entrada Xi.
A partir del anlisis estadstico de una serie de observaciones:
d1 (mm)
d2 (mm)
d3 (mm)
d4 (mm)
d5 (mm)
d6 (mm)
d7 (mm)
2.543
5.072
7.635
10.165
12.708
19.042
25.40
2.541
5.08
7.633
10.166
12.700
19.036
25.40
2.547
5.087
7.635
10.162
12.706
19.034
25.41
2.541
5.084
7.627
10.168
12.704
19.053
25.40
2.543
5.08
7.624
10.165
12.708
19.047
25.398
2.543
5.081
7.631
10.165
12.705
19.042
25.401
observaciones
repetidas e
independientes.
media aritmtica
(n = 5)
Temperatura del bloque.
21.3 C
Al iniciar la medicin.
21.5 C
Al finalizar la medicin.
21.4 C
Temperatura promedio del

bloque durante la medicin.
68

2) Determinar el valor estimado xi de la magnitud de entrada Xi.
Magnitudes cuyos valores e incertidumbres se introducen en la medicin
procedentes de fuentes externas:
(mm)
Del certificado de
calibracin del
bloque.
2.543
5.085
7.621
10.161
1.1 x 10-5 (C-1)
De bibliografa.
(0 0.005) mm
De estudio realizado.
12.702
19.048
25.400
= 0.004 (mm)
(20 0.2) C
Del certificado de calibracin del bloque.
69

Repetibilidad
Resolucin del medidor ultrasnico de espesores
Repetibilidad
Resolucin del termmetro
Certificado de calibracin del termmetro

Certificado de calibracin del bloque de referencia
Certificado de calibracin del bloque de referencia
Bibliografa
Medicin del espesor de la capa de acoplante.
70

Ej. Longitud del bloque de 2.543 mm
Variable/Fuente de
incertidumbre
Espesor medido,
Valor
Origen de la
informacin
Tipo de distribucin

2.543 mm
Repetibilidad
0.002 mm
Lecturas
A. Normal
0.001 mm
Resolucin
0.001 mm
Cartula
B. Uniforme
2.887x10-4 mm
Certificado
B. Normal.k=2
0.002 mm
Longitud del bloque,

Calibracin
Temperatura del bloque,
2.543 mm
0.004 mm
21.4 C
Repetibilidad
0.14 C
Lecturas
A. Normal
0.1 C
Resolucin
0.1 C
Cartula
B. Uniforme
0.03 C
Calibracin
0.2 C
Certificado
B. Normal.k=2
0.1 C
Certificado
B. Uniforme
0.06 C
Referencia
B. Uniforme
3.18x10-7 C-1
Temp. calibracin bloque,

Calibracin
Coef. dil. trmica lineal,
Bibliografa
Espesor capa acoplante,
20 C
0.2 C
1.1x10-5 C-1
1.1x10-6 C-1
0 mm
Informede incertidumbre en las mediciones:

0.005 mm GUM y mtodo
Informe de Monte Carlo
B. Normal.k=2
Estimacin
para principiantes. 0.0025 mm

= 1 +
Espesor Medido
Espesor Referencia
Error de medida
(mm)
(mm)
(mm)
2.543
2.543
0.000
72

2 = 2 + 2 + 2 + 2 + 2 + 2

12

12
2 +
2 +

12
73

= 1 +
=
=1
=
= 1 +
=
=
=
=
=
=
=
= 1
74

Ej. Longitud del bloque de 2.543 mm
Variable/Fuente de
incertidumbre
Valor
Espesor medido,
2.543 mm
Tipo
distribucin
contribucin

Repetibilidad
0.002 mm
A.Normal
0.001 mm
0.001 mm
Resolucin
0.001 mm
B.Uniforme
2.887x10-4 mm
2.887x10-4 mm
Longitud bloque,
Calibracin
Temperatura bloque,
2.543 mm
0.004 mm
-1
B. Normal.k=2
0.002 mm
21.4 C
-0.002 mm
-2.8x10-5 mm/C
Repetibilidad
0.14 C
A. Normal
0.1 C
-2.8x10-6 mm
Resolucin
0.1 C
B. Uniforme
0.03 C
-8.08x10-7 mm
Calibracin
0.2 C
B. Normal.k=2
0.1 C
-2.8x10-6 mm
Temp. cal. bloque,

Calibracin
Coef. dil. trm. lineal,
Bibliografa
Espesor acoplante,
20 C
0.2 C
2.8x10-5 mm/C
B. Uniforme
0.06 C
1.1x10-5 C-1
1.1x10-6 C-1
0 mm
1.62x10-6 mm
-3.56 mmC
B. Uniforme
3.18x10-7 C-1
-1.13x10-6 mm
-1
B. Normal.k=2
Informe
0.005 mm
0.0025 mm
-0.0025 mm

2 + 2 + 2 + 2 + 2 + 2
Espesor
Medido
Espesor
Referencia
Error de
medida
(mm)
(mm)
(mm)
(mm)
2.543
2.543
0.000
0.004
5.081
5.085
-0.004
0.006
7.631
7.621
0.010
0.006
10.165
10.161
0.004
0.004
12.705
12.702
0.003
0.005
19.042
19.048
-0.006
0.008
25.401
25.400
0.001
0.005
76

7) Determinar la incertidumbre expandida
=
Considerando un factor de cobertura = 2 representa un intervalo con un nivel
de confianza de aproximadamente el 95%
Espesor
Medido
Espesor
Referencia
Error de
medida
(mm)
(mm)
(mm)
(mm)
2.543
2.543
0.000
0.008
5.081
5.085
-0.004
0.012
7.631
7.621
0.010
0.012
10.165
10.161
0.004
0.008
12.705
12.702
0.003
0.010
19.042
19.048
-0.006
0.016
25.401
25.400
0.001
0.010
77

Espesor
Medido
Espesor
Referencia
Error de medida
(mm)
(mm)
(mm)
2.543
2.543
0.000 0.008
5.081
5.085
-0.004 0.012
7.631
7.621
0.010 0.012
10.165
10.161
0.004 0.008
12.705
12.702
0.003 0.010
19.042
19.048
-0.006 0.016
25.401
25.400
0.001 0.010
con U determinada con un factor de cobertura k = 2, basado en una distribucin normal del error de
medida, definiendo un intervalo estimado para tener un nivel de confianza de aproximadamente 95%.
78

Cable
Unidad rastreadora
(transductor)
25.4 mm
Acoplante
Reflexin (eco)
Medidor ultrasnico
de espesores
t
d c
2
Bloque
- Depende del tipo de material,

- Se considera constante en un
material homogneo e isotrpico.
c es la velocidad de propagacin de
las ondas ultrasnicas en el material,
t es el tiempo de vuelo.
79

Bloque de
referencia
lref
Bloque a
medir
cref
lref cref t1
l c t2
t 2 cref l
t1
c lref
80

Se utiliza bloque de referencia
para ajustar el medidor
Bloque a medir
lref
cref
lref cajuste t1
lmed cajuste t 2
t 2 lmed
t1 lref
81

lref
Bloque a medir
cref
t 2 cref l
t1
c lref
t 2 lmed
t1 lref
c
l
lmed
cref
el tiempo de vuelo
no se incluye en
este modelo!
82

Repetibilidad
Resolucin del
instrumento de medicin
lmed
c
l
lmed
cref
Calibracin del
instrumento de medicin
Tablas o medicin
Calibracin del bloque de

referencia
cref
83

Determinar la incertidumbre estndar combinada del mensurando,
2 = 2 + 2 + 2
2

2 =

12
2 +
84

lref
AISI 1018
Ajuste
lref= (24.99 0.03) mm, (k=2 @ 95%)

cref= (5 914.8 57.7) m/s, (k=2 @ 95%)
eMUE Ucal,MUE = (0 0.01) mm,

(k=2 @ 95%)
cref
lref
Reflexin (eco)
85

AISI 4140
Bronce
AISI 304
Nylamid
Medicin
AISI 6061
lnom=25.4 mm
86

(mm)
AISI 304
AISI 4140
AISI 6061
Bronce
Nylamid
25.72
24.89
23.17
36.22
54.05
25.77
24.91
23.17
36.3
54.08
25.78
24.9
23.16
36.12
54.13
25.76
24.91
23.17
36.31
54.18
25.75
24.89
23.15
36.26
54.19
25.76
24.90
23.16
36.24
54.13
observaciones
repetidas e
independientes.
media aritmtica
(n = 5)
87

l lmed C
Ej. Bloque de aluminio AISI 6061
Variable/Fuente de
incertidumbre
Valor
Espesor medido,
23.16 mm
Origen de la
informacin
Tipo de
distribucin
Incertidumbre
estndar,
Coeficiente de
sensibilidad
Contribucin

Repetibilidad
0.009 mm
Lecturas
A. Normal
0.004 mm
0.004 mm
Resolucin
0.01 mm
Cartula
B. Uniforme
2.89x10-3 mm
2.89x10-3 mm
Correccin MUE,
Calibracin
0 mm
0.01 mm
1
Certificado
B. Normal.k=2
0.005 mm
0.005 mm

(k=2 @ 95%)

2 =

12
0.01 mm
0.02 mm
88

2
12
AISI 304
AISI 4140
AISI 6061
Bronce
Nylamid
(mm)
25.76
24.90
23.16
36.24
54.13
, (mm)
0.010
0.004
0.004
0.034
0.027
, (mm)
0.00289
0.00289
0.00289
0.00289
0.00289
, (mm)
0.005
0.005
0.005
0.005
0.005
(mm)
0.01
0.01
0.01
0.03
0.03
(mm)
0.02
0.02
0.02
0.06
0.06
con determinada con un factor de cobertura k = 2, basado en una distribucin normal de la longitud
medida, definiendo un intervalo estimado para tener un nivel de confianza de aproximadamente 95%.
89

l lmed C
Bloque
AISI 304
AISI 4140
AISI 6061
Bronce
Nylamid
(mm)
25.76
24.90
23.16
36.24
54.13
(mm)
0.02
0.02
0.02
0.06
0.06
(mm)
25.03
24.99
25.01
25.04
25.04
(mm)
0.03
0.03
0.03
0.03
0.03
Error normalizado
( )
20.2
2.5
51.3
167.0
433.6

Repetibilidad
En
l lref
U l 2 U lref 2
Resolucin del instrumento
En 1 Las mediciones son consistentes
Calibracin del instrumento
En 1 Las mediciones no son consistentes
90

c
l
lmed
cref
Obtenida midiendo
el tiempo de vuelo
y el espesor del
bloque.
Bronce
AISI 304
AISI 4140
c= (4 104.9 129.1) m/s,

(k=2 @ 95%)
c= (5 754.0 59.3) m/s,

(k=2 @ 95%)
c= (5 932.3 57.7) m/s,

(k=2 @ 95%)
AISI 6061
Nylamid
c= (6 380.1 59.3) m/s,

(k=2 @ 95%)
c= (2 721.7 57.7) m/s,

(k=2 @ 95%)
91

=
Variable/Fuente de
incertidumbre
Valor
Espesor medido,
23.16 mm
Origen de la
informacin
Tipo de
distribucin
Incertidumbre
estndar,
Coeficiente de
sensibilidad
Contribucin

1.0787
Repetibilidad
0.009 mm
Lecturas
A. Normal
0.004 mm
0.0043 mm
Resolucin
0.01 mm
Cartula
B. Uniforme
2.89x10-3 mm
0.0031 mm
Calibracin
0.01 mm
Certificado
B. Normal.k=2
0.005 mm
0.0054 mm
Velocidad de
propagacin del
bloque medido,
Calibracin
Velocidad de
propagacin del
bloque referencia,
Calibracin
6 380.1 m/s
59.3 m/s
3.916x10-6 s
Certificado
B. Normal.k=2
29.65 m/s
5 914.8 m/s
57.7 m/s
0.116 mm
-4.224x10-6 s
Certificado
B. Normal.k=2
28.85 m/s
-0.122 mm

(k=2 @ 95%)
0.17 mm
0.34 mm
92

Bloque
AISI 304
AISI 4140
AISI 6061
Bronce
Nylamid
(mm)
25.76
24.90
23.16
36.24
54.13
(mm)
0.02
0.02
0.02
0.08
0.06
(mm)
25.06
24.97
24.98
25.15
24.91
(mm)
0.36
0.34
0.34
0.83
0.58
(mm)
25.03
24.99
25.01
25.04
25.04
(mm)
0.03
0.03
0.03
0.03
0.03
Error normalizado
( )
0.09
0.06
0.09
0.13
0.22
c
l
lmed
cref
lectura
corregida del
medidor
Todas las mediciones por ultrasonido son

consistentes con los valores de referencia
obtenidos utilizando un calibrador vernier.
93
4. Estimando la incertidumbre de
medicin utilizando el mtodo SMC
4.1 Breve introduccin al software Octave y Matlab: vectores y
operaciones bsicas
4.2 Grfica de variables aleatorias: PDFs vs. histogramas
4.3 Modelo de una medicin y el concepto de propagacin de
incertidumbres
4.4 Simulacin por el mtodo de Monte Carlo: datos de medicin
para llevarla a cabo
4.5 Incertidumbre en las mediciones ultrasnicas: comparacin
de resultados GUM vs Monte Carlo
94
4.1 Octave y Matlab

Matlab y Octave tienen la misma sintaxis y nombre de muchas
funciones. Por supuesto hay diferencias, pero en general son

bastante compatibles.
Octave es software libre, en tanto que Matlab no lo es.
Existe una tremenda cantidad de libreras y programas
desarrollados en ambas plataformas. Algunos son ms eficientes
y robustos; siendo importante saber qu estamos resolviendo y
contar con algn mecanismo de comprobacin.
GNU Octave, http://www.octave.org
Matlab, http://www.mathworks.com
95
Modelos y transformaciones matemticas
Modelo
v(t)
y(t)
A
v
y
inv(A)
T
inv(T)
v_w
inv(T)
?
y_w
96
Algebra con matrices y vectores

Sea A la matriz, real o imaginaria,
a11 a12
a
a 22
21
A
:
:
a n1 a n 2
... a1m
... a 2 m
... :
... a nm
La transpuesta de una
matriz o vector cumple con:
( A B ) T AT B T
(A) T AT
( AB ) T B T AT
Producto interno
(punto o escalar),
n
yT x y j x j
j 1
vector columna:
=
1
2
vector rengln:
= 1
( AT ) T A
97
Graficando vectores
Lneas de cdigo demostrativo
t=0:0.01:2*pi; x = sin(t);
plot (t,x)
title( x = sin(t), con t=0:0.01:2*pi)
xlabel(t); ylabel(x)
t=0:0.01:4*pi; x = sin(t);
plot (t,x)
xlabel(t); ylabel(x)
98
Graficando matrices
t=0:0.01:4*pi; x = sin(t);
y=cos(t);
mesh(x'*y)
imagesc(x*y); axis('square')
contour(x'*y); axis('square')
imshow(x'*y)
99
4.2 Variables aleatorias (o random)

Variable aleatoria con distribucin normal
y=randn(1000,1); plot(y)
hist(y)
mean(y)
median(y)
mode(y)
std(y)
hist(y,20)
histfit(y,20)
100
Histograma de variables aleatorias

Variable aleatoria con distribucin uniforme
y=rand(1000,1); plot(y)
hist(y)
mean(y)
median(y)
mode(y)
std(y)
histfit(y,20)
hist(y,20)
101
Histograma vs PDF
y=randn(1000000,1);
mean(y), std(y)
median(y), moda(y)
subplot(221)
plot(y)
subplot(222);
hist(y,20)
subplot(223);
histfit(y,20)
subplot(224);
hist(y,20,1)
title('PDF')
102
Histograma vs PDF
y=rand(1000000,1);
mean(y), std(y)
median(y), moda(y)
subplot(221)
plot(y)
subplot(222);
hist(y,20)
subplot(223);
histfit(y,20)
subplot(224);
hist(y,20,1)
title('PDF')
103
4.3 Modelo de una medicin y el

concepto de propagacin de
incertidumbres
Referencia: JCGM 101:2008 Evaluation of measurement data Supplement
1 to the Guide to the expression of uncertainty in measurement
Propagation of distributions using a Monte Carlo method
Introduction
This Supplement to the (GUM) is concerned with the propagation of
probability distributions through a mathematical model of measurement
[GUM:1995 3.1.6] as a basis for the evaluation of uncertainty of
measurement, and its implementation by a Monte Carlo method. The
treatment applies to a model having any number of input quantities, and
a single output quantity.
104
Suplemento 1 de la GUM
This Supplement also provides guidance in situations where the conditions for
the GUM uncertainty framework [GUM:1995 G.6.6] are not fulfilled, or it is
unclear whether they are fulfilled. It can be used when it is difficult to apply the
GUM uncertainty framework, because of the complexity of the model, for
example.
This Supplement can be used to provide (a representation of) the PDF for the
output quantity from which
a) an estimate of the output quantity,
b) the standard uncertainty associated with this estimate, and
c) a coverage interval for that quantity, corresponding to a specified coverage
probability
can be obtained.
105
Suplemento 1 de la GUM
4.1 A mathematical model of a measurement [GUM:1995 4.1] of a single
(scalar) quantity can be expressed as a functional relationship f:
Y = f(X),
(1)
where Y is a scalar output quantity and X represents the N input quantities

(X1, . . . ,XN)>.
Each Xi is regarded as a random variable with possible
values _ and expectation x_i. Y is a random variable with possible values _i
and expectation y.
4.2 The concepts of
model, PDF, and distribution
function are central to
following and implementing
the guidance provided. The
symbol f is reserved for the
model.
106
Pero antes de continuar, tres definiciones

importantes
3.17
propagation of distributions
method used to determine the probability distribution for an output quantity from the
probability distributions assigned to the input quantities on which the output quantity
depends
NOTE The method may be analytical or numerical, exact or approximate.
3.18
GUM uncertainty framework
application of the law of propagation of uncertainty and the characterization of the
output quantity by a Gaussian distribution or a scaled and shifted t-distribution in
order to provide a coverage interval
3.19
Monte Carlo method
method for the propagation of distributions by performing random sampling from
probability distributions
107
Receta para la propagacin de

incertidumbres
Mtodo de Monte Carlo, seccin 5.9.6 de Suplemento 1 de la GUM:
a) definir el nmero de veces, M, que ser evaluado el modelo de
medicin Y = f(X);
b) generar datos aleatorios para cada magnitud de entrada X_i
conforme a su correspondiente PDF asignada;
c) evaluar M veces el modelo de medicin f(X);
d) ordenar en forma creciente los valores obtenidos para el
mensurando; y obtener su distribucin de probabilidad G_Y;
e) obtener el valor del mensurando e incertidumbre estndar;
f) utilizar G_Y para obtener el intervalo de cobertura para una
probabilidad de cobertura estipulada, p.
108
a) Formulation
b) Propagation
c) Summarizing
109
4.4 Simulacin por el mtodo de Monte

Carlo: datos de medicin para
llevarla a cabo
Qu datos necesito para la propagacin de incertidumbres:
1. Un valor grande para M; e.g., 1e6 o utilizar mtodos adaptivos
2. Una probabilidad de cobertura, e.g., 0.95
3. Un modelo de medicin, Y = f(X), con los siguientes datos
para cada magnitud de entrada
Magnitudes de entrada
Valor
PDF
u(k = 1)
Valor medido o
asignado a cada X_i
Tipo de
distribucin
Incertidumbre
estndar
110
Ejemplos GUM
111
4.5 Incertidumbre en las mediciones

ultrasnicas: comparacin de resultados
GUM vs Monte Carlo
Interface de usuario desarrollada en OCTAVE, por los instructores de
este curso, para realizar la estimacin de incertidumbres empleando el
mtodo de simulacin de Monte Carlo para cualquier mensurando,
definido con una sola ecuacin o modelo matemtico del tipo:
Y f X 1, , X 2 ,..., X n f X
Para n variables de entrada, Xn. Cada variable de entrada acepta un

mximo de tres contribuciones de incertidumbre. Esto es, las magnitudes
de entrada del modelo pueden representarse, a su vez, como:
X i X i ,medida i ,resolucin i ,calibracin

donde, X i ,medida , i ,resolucin , i ,calibracin
representan las mediciones
repetidas, el error por resolucin y el error por calibracin,
respectivamente.
112
Comparacin de resultados GUM vs Monte Carlo
113
MODELO:
= 1 +
Variable/Fuente de
incertidumbre
Valor
Espesor medido,
2.543 mm
Tipo
distribucin
Repetibilidad
0.002 mm
A.Normal
0.001 mm
Resolucin
0.001 mm
B.Uniforme
2.887x10-4 mm
B. Normal.k=2
0.002 mm
Longitud bloque,
Calibracin
Temperatura bloque,
2.543 mm
0.004 mm
21.4 C
Repetibilidad
0.14 C
A. Normal
0.1 C
Resolucin
0.1 C
B. Uniforme
0.03 C
Calibracin
0.2 C
B. Normal.k=2
0.1 C
B. Uniforme
0.06 C
B. Uniforme
3.18x10-7 C-1
B. Normal.k=2
0.0025 mm
Temp. cal. bloque,

Calibracin
Coef. dil. trm. lineal,
Bibliografa
Espesor acoplante,
Informe
20 C
0.2 C
1.1x10-5 C-1
1.1x10-6 C-1
0 mm
0.005 mm
114
MODELO:
= 1 +
I.C. = [-6.6246e-003, 6.5681e-003] @ 95%
M = 1 000 000
115
MODELO:
c
l
lmed
cref

Variable/Fuente de
incertidumbre
Valor
Espesor medido,
23.16 mm
Origen de la
informacin
Tipo de
distribucin
Incertidumbre
estndar,
Repetibilidad
0.009 mm
Lecturas
A. Normal
0.004 mm
Resolucin
0.01 mm
Cartula
B. Uniforme
2.89x10-3 mm
Calibracin
0.01 mm
Certificado
B. Normal.k=2
0.005 mm
Certificado
B. Normal.k=2
29.65 m/s
Certificado
B. Normal.k=2
28.85 m/s
Velocidad de
propagacin del
bloque medido,
Calibracin
Velocidad de
propagacin del
bloque referencia,
Calibracin
6 380.1 m/s
59.3 m/s
5 914.8 m/s
57.7 m/s
116
MODELO:
I.C. = [24.653, 25.314] @ 95%
c
l
lmed
cref
M = 1 000 000
117
5. Reflexiones y consideraciones finales

Cul es el mensurando?
mm
25,4
Medicin directa o medicin indirecta?...

Qu modelo matemtico puedo utilizar
para representar la medicin?
Cules son las magnitudes de entrada?
Es aceptable suponer independencia estadstica
entre las magnitudes de entrada del modelo de medicin?
.
.
Mtodo GUM-varianzas o Mtodo GUM-SMC?
Software y/o plataformas de programacin disponibles?
118
5. Reflexiones y consideraciones finales
Realmente necesito estimar la incertidumbre de una medicin?
Qu beneficios obtengo al estimar la incertidumbre del

resultado de una medicin?
Las mediciones repetidas y su correspondiente estimacin de

incertidumbres, dado que implican ms tiempo de operacin y
demoran el proceso para emitir un resultado, son un gasto
innecesario o en qu momento agregan valor al resultado?
con o sin una estimacin de incertidumbres el responsable o usuario

de la medicin tomar una decisin respecto a la aceptacin o
rechazo del artefacto medido, evaluado o inspeccionado entre
varios laboratorios, cmo establecer la confiabilidad de sus
mediciones y resultados?
119
120

Curso GUM y MCM para Principiantes

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Curso GUM y MCM para Principiantes

Încărcat de

Drepturi de autor:

Formate disponibile

Estimacin de incertidumbre en las

mediciones: GUM y mtodo de

Grupo de Ultrasonido, Direccin de Vibraciones y Acstica

Direccin General de Metrologa Fsica, CENAM.

Que el participante adquiera los conocimientos

- empleando la ley de propagacin de incertidumbres

los datos y parmetros estadsticos

en el caso del mtodo de Monte Carlo, se utilizar

Descripcin del curso

Se revisa la metodologa GUM para la estimacin

Se sugiere que cada participante proporcione un problema de

0. Motivacin un caso de aplicacin

0. Motivacin es relevante el tema de

Cmo indica o declara actualmente el valor de

Valores medidos considerando la dispersin de los datos debido al

JCGM 100:2008 aka la GUM

0.1 When reporting the result of a measurement of a

La cuantificacin de la incertidumbre debe obtenerse sobre la base de un adecuado entendimiento

1. Introduccin: modelo de una medicin

1. Introduccin: modelo de una medicin

Mensurando se mide directamente

Mensurando se mide de forma indirecta

Clculo del mensurando a partir de otras

Ej.: Volumen de un cilindro: V = (/4)d^2h

1. Introduccin: modelo de una medicin

CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

2. Repaso de conceptos bsicos de

2. Repaso de conceptos bsicos de

2. Repaso de conceptos bsicos de

Probabilidad, funciones de densidad probabilstica

Parmetros estadsticos: mediana, moda, media

Nivel de confianza, factor de cobertura,

2. Repaso de conceptos bsicos de

* CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

2. Repaso de conceptos bsicos de

CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

2. Repaso de conceptos bsicos de

C.2.4 funcin de distribucin

C.2.5 funcin de densidad de probabilidad (para

2. Repaso de conceptos bsicos de

C.2.19 media aritmtica; valor medio

Mediana: el valor central de los datos ordenados

2. Repaso de conceptos bsicos de

C.2.9 esperanza matemtica (de una variable aleatoria

C.2.13 momento central de orden q

2. Repaso de conceptos bsicos de

Desviacin estndar experimental

NOTA La distribucin puede representarse grficamente como un

y funciones de densidad de probabilidad (PDF)

Los histogramas permiten visualizar de manera

Probabilidad de encontrar x en un intervalo:

Para una distribucin normal

Ref. VIM, JCGM 200:2008, trad. Espaol.

Aumentar el nivel de confianza.

k es elegido por el usuario

La incertidumbre estndar uc representa un intervalo que contiene el valor verdadero del

3. Estimando la incertidumbre de una medicin conforme al

3. Estimando la incertidumbre de una

Parmetro no negativo que caracteriza la dispersin de los valores

La incertidumbre se estima, no es una cuantificacin

El nivel de incertidumbre apropiado depende del

3. Estimando la incertidumbre de una

definicin incompleta del mensurando;