Expresin de la incertidumbre

1 - La norma internacional
Introduccin
Dado que la expresin de la incertidumbre en la medicin no era nivel uniforme
A nivel internacional, la CIPM (Comit Internacional de Pesas y Medidas) promovidas en los
aos ochenta una investigacin detallada con la tarea de identificar las directrices para
expresar la incertidumbre experimental.
La tarea de desarrollar una norma articulada tarde fue galardonado con el ISO (International
Standard Organization), que estableci el grupo de trabajo de ISO 4-TAG (Grupo Tcnico
Asesor sobre Metrologa) consiste en:
CIPM: Comit Internacional de Pesas y Medidas
ISO: Organizacin Internacional de Normalizacin
IEC: International Electrotechnical Commision
OIML: Organizacin Internacional de Metrologa Legal
IUPAP: Unin Internacional de Phisics Pura y Aplicada
IUPAC: Unin Internacional de Qumica Pura y Aplicada
IFCC Federacin Internacional de Qumica Clnica
El propsito del grupo de trabajo era esencialmente a:
Promover una amplia informacin sobre la forma en que son las incertidumbres
declaradas.
Proporcionar una base para la comparacin internacional de los resultados de la medicin.
El resultado de este trabajo fue la publicacin en 1995 de:
Gua ISO para la expresin de la incertidumbre en la medicin (GUM)
Implementado en Italia en 1997 como UNI-CEI 9 (revisin UNI CEI ENV 13005):
Gua para la expresin de la incertidumbre en la medicin.
Objetivos
En las aplicaciones industriales y comerciales, la salud y la seguridad, es necesario
proporcionar un intervalo alrededor del resultado de la medicin en el que se puede esperar
a caer la mayor parte de los valores que son razonablemente atribuibles a esa grandeza.
Debe ser capaz de hacerse cargo de este intervalo con una probabilidad de cobertura o nivel
de confianza, que se corresponde con realismo a la requerida.
Para acercarse a este objetivo, los estados Gua, en lugar de las instrucciones tecnolgicas
especficas, las normas generales para expresar la incertidumbre de medicin.
De esta manera se quiere abordar el documento a los contextos tambin muy diferente
entre ellos.
Entre los campos de aplicacin de la Gua se informa:
Mantener el control y garanta de calidad en la produccin.
Garantizar el cumplimiento de las leyes y reglamentos o cumplir.

 Investigacin bsica Conducta, aplicada y desarrollo, en la ciencia y la ingeniera.

Calibrar muestras e instrumentos, y llevar a cabo pruebas como parte de un Sistema
Nacional de Calibracin, para lograr la trazabilidad a patrones nacionales.
Desarrollar, mantener y comparar las normas nacionales e internacionales de referencia,
incluyendo materiales de referencia.
La incertidumbre del resultado de una medicin es, despus de todo, la falta de
conocimiento preciso del mensurando. As, el resultado de una medicin, incluso si
pudiramos corregir efectos sistemticos identificados, es siempre una estimacin del valor
del mensurando. La incertidumbre experimental se debe a muchos factores, entre los
cuales:
definicin incompleta del mensurando.
realizacin imperfecta de medicin.
Realice el muestreo no representativo.
conocimiento inadecuado de las condiciones ambientales, o sus efectos en la medicin.
Distorsin operador personal en la lectura de instrumentos analgicos.
Resolucin sobre los instrumentos.
Los valores inexactos de muestras y materiales de referencia.
valores inexactos de constantes y parmetros utilizados para los algoritmos de evaluacin.
aproximaciones o simplificaciones del mtodo o el procedimiento experimental.
Los cambios en la medicin de las condiciones aparentemente idnticas.
Todos estos factores, adems, no son siempre independientes. La gua rene a los
componentes de la incertidumbre en dos categoras, en funcin del mtodo de valoracin:
Componentes evaluados por mtodos estadsticos (Tipo A).
Componentes evaluados por otros mtodos (tipo B).
2 - Elementos de estadstica y probabilidad
Observaciones repetidas
Supongamos que queremos saber un X fsica, recogiendo una serie de medidas con el fin,
repiti las mismas condiciones experimentales.
N son los valores medidos (x1, x2, ... xk ... xN), donde xk es el valor genrico de una medicin.
Estos valores no sern todos iguales, por numerosas razones, como ya se mencion. A
continuacin, definir el valor medio de todos los valores medidos:

Es razonable suponer que el valor medio de un conjunto de mediciones N constituye la

mejor estimacin del valor real de la cantidad de que se trate.
Xk para cada medida, consideramos la desviacin del valor medio:

Las desviaciones pueden ser de valor tanto positiva como negativa.

Buscar Curiosamente un ndice general de la magnitud de estas desviaciones. Este ndice no
puede ser el valor medio de las desviaciones, ya que este valor es obviamente cero, como
se puede ver fcilmente tomando la media de los dos trminos de la expresin (2.2).
Es ms conveniente una cuadrtica ndice, como la varianza
Definimos la varianza experimental del conjunto de N mediciones, el valor medio del
cuadrado de las desviaciones:

Desde esta variacin se deduce la desviacin tpica experimental:

La desviacin estndar o la desviacin estndar es un ndice adecuado de dispersin en

torno al valor medio de las medidas. Su definicin se refinar ms tarde, sin embargo, que
las medidas N no representan la totalidad (poblacin) de todos los tamaos, pero slo una
muestra limitada de la infinidad de medidas ejecutables.
Histogramas observaciones
Los resultados de muchas mediciones repetidas en el mismo tamao se pueden representar
grficamente en diagramas adecuados, dijeron histogramas. Estos se construyen con unos
sencillos pasos:
identifica el valor mximo (xmax) y mnimo (xmin) entre la N mide el tamao X;
divide el intervalo (xmin xmax-) en un nmero M de intervalos de igual anchura, cada uno
de los cuales puede ser identificado con su valor central xi (i = 1, .., M);
cuenta el nmero ni de las medidas que se incluyen en cada intervalo;

 El clculo de la frecuencia de observacin dividiendo este nmero por el nmero total de

observaciones N:

se representa en un grfico el valor del nmero de observaciones relativas a cada

intervalo, o la frecuencia correspondiente.
Para comprender el modo de operacin, considerar, como un ejemplo, la medicin repetida
de un voltaje V, realizada con una herramienta numrica que permite representar en la
pantalla un solo dgito despus del punto decimal.
Trabajar en tiempos de flujo, la diferencia mnima entre dos lecturas diferentes, por lo tanto
es 0.1V. El vk indicacin genrica del instrumento de medicin se puede producir por
cualquier tensin comprendida dentro del intervalo de vk 0,05 V. Por lo tanto, todos los
valores en este rango se agrupan automticamente por el instrumento a un solo valor vi,
representante del mismo intervalo.
Supongamos, para fijar las ideas, que los valores medidos estn dentro del rango de 99,5V
100,5V: nmero M de valores distintos de las medidas asciende a 11. Como la mayora de
las medidas conducirn al mismo valor, se indica con ni el nmero veces que se tiene el
valor vi.
Los resultados de las pruebas se pueden resumir en un histograma para cada uno de los 11
valores posibles, informa el nmero de observaciones ni que caen en la clase i-simo vi.
Como alternativa (ver Fig.2.1), donde N es el nmero total de observaciones puede
representar directamente con qu frecuencia se repite el valor de la clase vi.

Fig.2.1- Histograma del nmero de observaciones

La suma de todas las frecuencias de ocurrencia fi debe ser evidentemente igual a uno.
Con referencia a la frecuencia fi, la media y la varianza se pueden reescribir en la forma:

Siendo

la desviacin de la clase i-simo del valor medio.

El concepto de los parmetros de probabilidad y estadstica

Si fuera posible llevar a cabo en la misma cantidad fsica x un nmero N de mediciones
infinitamente grande, las frecuencias de ocurrencia de los diferentes valores representan la
probabilidad de que toda la poblacin.
Este conjunto de medidas puede ser visto como una variable aleatoria discreta X, donde
cada uno de los posibles valores xi se caracteriza por su probabilidad de ocurrencia:

Si se espesa plano de observacin (en el voltmetro equivaldra a aumentar la resolucin del

instrumento utilizado para las mediciones) la distribucin de las observaciones mantiene la
misma tendencia y el histograma tiende a asumir una constante.
Muchos fenmenos fsicos, solamente interesados por errores aleatorios, si se observa un
gran nmero de veces, seguir una ley de la ocurrencia de los hechos dijeron gaussiana o
normal, el comportamiento de los que se ha representado en la Fig.2.2.
El diagrama de la curva normal o gaussiana para una variable aleatoria X continua en el eje
de abscisas se muestran los valores posibles de x variable aleatoria continua, mientras que
la ordenada muestra la densidad de probabilidad p (x) con el que se observan estos valores
y la probabilidad acumulada P (x).

Fig.2.2 - densidad de probabilidad p (x) y acumulativo de probabilidad P (x).

La densidad de probabilidad p (x) es, en general, la funcin continua que, multiplicada por
una variacin infinitesimal del dx abscisa, da la probabilidad de que la variable aleatoria X
cae dentro del rango de amplitud dx, contiguo al valor actual x:

La probabilidad acumulada P (x) es la probabilidad de que la variable aleatoria X es menor

que el valor actual de x:

La probabilidad de que la variable aleatoria X toma cualquier valor, incluyendo dentro de

todo el mbito de la definicin, es igual a uno.
Las funciones introducidas con los informes anteriores representan las distribuciones de
probabilidad de la variable aleatoria X.
Tenga en cuenta la densidad de probabilidad p (x) de una variable aleatoria continua X es
definir el valor medio y la varianza, respectivamente:

Tenga en cuenta la similitud sustancial de los diversos informes, en el caso de variables

discretas al azar (relaciones 2.6 y 2.7) y continuos (relaciones 2.11).
La raz cuadrada de la varianza todava se define como la desviacin estndar o desviacin
estndar. A veces, la densidad de probabilidad p (x) se denomina, en lugar de los valores x
de las medidas, a sus desviaciones
, A travs de una simple traduccin igual al valor
medio (ver Fig.2.3).

De esta manera, la densidad de probabilidad conocida de la desviaciones p(), se puede

evaluar la probabilidad de que la variable aleatoria () est dentro de un rango dado de
valores.

Fig.2.3 - desviaciones de densidad de probabilidad.

valores caractersticos
Perodos de tiempo iguales se comparan con la desviacin estndar o sus mltiplos.
Para la curva normal se obtiene:

Esto significa que suponiendo, por ejemplo, una referencia de intervalo igual a 3, la
probabilidad de que todos los rechaza como sea posible cae dentro del intervalo de 3 es
99,73%.

3 - Evaluacin de las incertidumbres

Las estimaciones de parmetros a muestras
Hablando de variables aleatorias se ha dicho que la apreciacin del riesgo requiere una
investigacin sobre un nmero tericamente infinito de elementos, formando toda la
poblacin. En la prctica puede obtener slo un nmero limitado de datos que constituyen
una muestra de la poblacin total.
Con referencia a una muestra de N elementos, se demuestra que la prueba de media,
definida en la expresin (2.1), es la mejor estimacin del valor esperado de la poblacin y
por lo tanto se toma como el resultado de la medicin. En cuanto a la desviacin estndar

, una estimacin ms correcta se obtiene dividiendo por (N-1), en lugar de por N en la

expresin de la desviacin estndar experimental:

En la prctica, sin embargo, esta afirmacin supone poca importancia cuando no es lo

suficientemente grande. En cualquier caso, la desviacin estndar experimental
s(xk)representa el grado de fiabilidad de la xk medida genrica entre el N de la muestra, o,
en otras palabras, cuantifica la dispersin de N valores mide alrededor de su valor medio.
Pero, puesto que el valor asignado a la magnitud es el medio experimental valor
importante evaluar cul es el grado de fiabilidad de este resultado.

, es

Para ello, si consideramos cada serie de mediciones, cada uno formado a partir de N
observaciones, podramos calcular, evidentemente, para cada serie, el valor medio y la
varianza.
Vista la dimensin finita N de cada muestra, el valor medio y la varianza experimental ser
en general diferente para cada muestra de N mediciones y constituyen, por tanto, de las
variables aleatorias a su vez.
Se muestra que la varianza del valor medio, entre los diversos grupos de N mediciones, es
expresable en la siguiente forma:

Donde S(XK) es la desviacin estndar para la muestra de N mediciones considerado.

Tal desviacin es una estimacin de la desviacin estndar de toda la poblacin
Evaluacin de la incertidumbre de tipo A
El promedio de la varianza experimental
y la desviacin estndar experimental de la
media S( ), cuantificar qu tan bien estimar el valor medio de la poblacin (valor
esperado) y por lo tanto se adoptarn como evaluaciones cuantitativas de la incertidumbre
.
Entonces diremos que una magnitud fsica X determinada por observaciones N repetidas,
tendr una incertidumbre (incertidumbre) en su estimacin de:
en trminos de varianza ;

en trminos de desviacin estndar

Evaluacin de la incertidumbre de tipo B

Cuando una magnitud X no est determinada por las observaciones repetidas, pero con una
sola medicin, la varianza estimada u2(x) o la incertidumbre u (x) se miden por medio de un
juicio cientfico basado en cualquier otra informacin disponible:
Los datos de las mediciones anteriores,
Experiencia o conocimiento del comportamiento y las propiedades de los materiales y
herramientas,
Las especificaciones del fabricante,
Datos proporcionados en los certificados de calibracin,
Incertidumbres asignadas a los datos de referencia tomados de manuales.
El uso de esta informacin para la evaluacin de la incertidumbre de tipo B requiere
conocimiento, experiencia y conocimientos que slo se puede adquirir con la prctica y
luego con el tiempo.
El anlisis estadstico de las medidas es una investigacin que se hace por lo general durante
la calibracin de un instrumento, cuando se determina las caractersticas metrolgicas.
El certificado de calibracin acompaa a la herramienta individual en su uso y que lo usa
sabe que la informacin proporcionada puede tener un rango de incertidumbre dentro del
rango establecido en el certificado de calibracin, con un nivel de confianza dado.
Ms a menudo, los fabricantes de instrumentacin asignan especificaciones de precisin
con valores numricos vlidos para todas las copias de un determinado modelo y afirman
simplemente un rango de amplitud (-a, + a), centrados en la lectura de valor, dentro de los
cuales cree que la cada del valor del mensurando. En tal caso, para ser capaz de calcular el
valor de la incertidumbre en trminos de la varianza o la desviacin estndar, con el fin de
disponer de informacin comparable con el obtenido por la evaluacin de tipo A, es
necesario asumir la distribucin de probabilidad para ser considerado dentro del intervalo.
En la mayora de los casos es una prctica comn para asumir dentro de este intervalo una
probabilidad uniforme. Por lo tanto, la desviacin llamado z genrico en este rango, tiene
p (z) = 1 / 2a y la varianza de la medicin es x:

La incertidumbre asociada a la cantidad x es igual a:

La hiptesis de una distribucin uniforme es bastante pesimista, pero tambin es el

sugerido por GUM en ausencia de ms informacin.
Si era posible suponer que no todos los valores del intervalo (-a, + a) son igualmente
probables, sino por el contrario las ms centrales son ms probables de ocurrir, podra
tomar una distribucin del tipo de Gauss. En este caso se debe considerar el valor A como
aquel para el que el intervalo (-a, + a) contiene casi todos los valores posibles, y, a
continuacin, sobre la base de las relaciones (2.12), para ser igual a tres veces la desviacin
Standard hiptesis de distribucin. En consecuencia, la incertidumbre asociada a la cantidad
x sera:
Un caso intermedio entre los dos examinado es suponer una distribucin de probabilidad triangular,
con valor mximo igual a 1 / a en correspondencia con el valor central del intervalo. Esto dara lugar
a una incertidumbre, todava expresa en trminos de desviacin estndar, igual a
Combinacin de incertidumbres
La definicin de la desviacin o variacin estndar es particularmente til en el anlisis de la
combinacin de las incertidumbres de los fenmenos ms al azar, es decir, la evaluacin de la
incertidumbre de la cantidad determinada de forma indirecta:
En tal caso, cada una de las cantidades independientes
se considera una variable
aleatoria, por lo tanto, se caracteriza por su densidad de probabilidad (calculado o asumido a priori)
y sus parmetros estadsticos. Las varianzas de las variables aleatorias representan, como se
mencion, sus incertidumbres
, que pueden ser evaluados, ya sea con mtodos de tipo A o
B. Se muestra que, si las variables aleatorias son estadsticamente independientes entre ellas, la
incertidumbre estimada en la determinacin indirecta de la cantidad y, es:

El valor uc (y) se denomina incertidumbre tpica asociada a la magnitud y.

La ley de propagacin (3,4) es de gran utilidad en la evaluacin de las incertidumbres de las

cantidades medidas por medios indirectos. Sin embargo, su aplicacin prctica es difcil en muchos
casos debido a la dificultad de las derivadas parciales de la funcin (llamada coeficientes de
sensibilidad

). Esto ocurre cuando la funcin no est definida en forma cerrada o cuando

est constituido por un complejo algoritmo de procesamiento de seales. En estos casos es

necesario utilizar mtodos alternativos, tales como simulaciones experimentales.

Adems, en presencia de correlacin entre las variables de entrada, la relacin (3.4) tiene
que ser modificado con la presencia de trminos adicionales adecuados:

En (3.5) el trmino u (xi, xj) es la covarianza entre las variables xi y xj azar, y es una indicacin
de su dependencia mutua. Si las dos magnitudes se han obtenido sobre la base de N
mediciones, la covarianza entre sus promedios se puede estimar como:

A menudo, la dependencia entre dos variables aleatorias se expresa en trminos de coeficiente de

correlacin:

Este coeficiente est siempre entre -1 y 1, y es cero si las dos cantidades no estn relacionados entre
s, mientras que es unitaria si estn totalmente correlacionados, es decir, si en cualquier cambio de
uno de ellos corresponde a una variacin dada de la otra.
Es importante sealar que, mientras que en la suma de la relacin (3.4) todos los trminos son
cuadrtica positiva y, a continuacin, en la segunda suma de (3.5) puede existir tanto positiva como
negativa. Por lo tanto la presencia de correlaciones entre las variables de entrada puede implicar
tanto los aumentos que las reducciones combinadas incertidumbre.
La correlacin entre dos variables puede ser inherente en el modelo matemtico utilizado o puede
ser causado por las condiciones ambientales. A menudo su determinacin cuantitativa es difcil,
especialmente para medidas repetidas no lo hacen, por lo que no se puede aplicar el (3,6). A veces
estas dificultades llevan a descuidar estas contribuciones, pero introduce incertidumbre en las
aproximaciones de evaluacin no siempre son aceptables.
incertidumbre expandida
La incertidumbre combinada uc(y) es universalmente aceptado para expresar la incertidumbre de
una medicin.
En algunos casos, sin embargo, se requiere que la evaluacin cuantitativa de la incertidumbre se da
como un intervalo U alrededor del resultado de la medicin incluyendo los valores "razonables" del
mesurando. Esta gama se llama la incertidumbre expandida, y se obtiene multiplicando la
incertidumbre combinada uc(y) por un factor de cobertura k:

As que yo dira que la Y se calcula midiendo de la mejor manera por el resultado de la medicin y,
que se da en la forma: Y = y U.

El factor de cobertura k se elige de acuerdo con el nivel de confianza p que se solicita al intervalo
[(y -U) (y + U)].

Fig.3.1 - Incertidumbre uc (y) y ampliado U; k = 2.

El nivel de confianza p representa la probabilidad de cobertura de este rango, es decir, la
probabilidad de que los resultados consignados cae dentro del intervalo [(y -U) (y + U)].
El enlace puede establecerse entre k e p si se conoce distribuciones de probabilidad que
caracterizan a los resultados de la medicin. En la prctica no es tan fcil de determinar un enlace
estricto. Un mtodo simple, adecuado para muchas situaciones experimentales, sugiere que la
distribucin de probabilidad de tipo normal o gaussiana y considera un nmero de grados de
libertad es suficientemente alta. El nmero de grados de libertad es el nmero de trminos de una
suma (por ejemplo, medias o varianzas) menos el nmero de restricciones en tales trminos. Con
estas suposiciones, frecuentes en la prctica, se puede suponer que:
k = 2 corresponde a un nivel de confianza del 95%
k = 3 corresponde a un nivel de confianza del 99%
incertidumbre Declaracin
Considere finalmente declarar formalmente la incertidumbre.
Supongamos que tenemos, por ejemplo, una masa para el que tiene un valor de 100.02147
gramos y asumir una desviacin estndar de 0,35 miligramos.
Podemos escribir el resultado de su medicin en una de las siguientes:
Uso de la incertidumbre combinada uc (y), escribimos:
m = 100,021 47 (0,000 35) g.
Uso de la incertidumbre expandida U con un factor de cobertura k = 2, escribiremos:
m = (100,021 47 0,000 70) g

4 - La incertidumbre en la evaluacin de la conformidad

Las mediciones se hacen a menudo para verificar que el resultado cae dentro de un rango de
valores considerados aceptables: este es el caso de la metrologa industrial, cuando es necesario
para verificar el cumplimiento con las especificaciones de productos, tanto en la fase de
produccin y en la de aceptacin, y Metrologa Legal, cuando se debe comprobar el cumplimiento
de los lmites impuestos por la ley (p. ej. el nivel de contaminacin electromagntica). Si fuera

posible hacer mediciones sin reglas de decisin incertidumbres de la aceptacin o rechazo de un

producto o para la verificacin del cumplimiento de los lmites seran muy simple: si la medida est
dentro del margen que se considera aceptable, el resultado es positivo, si cae fuera de este rango
el resultado es negativo.
La presencia inevitable de incertidumbre asociada con el resultado de la medicin, sin embargo,
presenta una situacin de incertidumbre en algunos casos crticos. Si, de hecho, el resultado de la
medicin y se encuentra cerca de uno de los lmites, es posible que el rango identificado por la
incertidumbre extenderse (y U) est contenido en las zonas de recepcin de servicios y en parte
en el rea de rechazo. Dado que, por la definicin de la incertidumbre, son posibles verdaderos
valores de la medida de todos los valores en este rango, no se puede establecer con certeza el
cumplimiento o no con el resultado.
Por lo tanto, se llaman tres bandas de valores, que se ilustra en la Figura 4.1 con referencia a la
verificacin de la conformidad dimensional de un producto, que debe ser entendida en el mbito
de la especfica, identificada LI entre el lmite inferior y el LS de lmite superior.:
la zona de conformidad: es la zona de la reduccin de incertidumbre expandida especfico (si la
medicin cae en esta zona, el resultado de la comparacin es para ser considerado como positivo);
el rea de incumplimiento: es el rea fuera de la especificacin, incluyendo la incertidumbre
expandida de medida (si la medida se encuentra en esta zona, el resultado de la comparacin no
debe considerarse negativo);
rea de incertidumbre es el rea alrededor de los lmites de la especificacin, con una amplitud
igual al doble de la expansin (si la medida entra en esta zona, no se puede establecer con certeza
el cumplimiento o incumplimiento).
Solamente los lineamientos normativos apropiados (tales como las previstas en la norma ISO
14253, relativa a las especificaciones dimensionales de los productos) o acuerdo anterior entre las
partes puede definir la accin a tomar cuando el resultado de una medida est comprendida
dentro de la zona de incertidumbre.

Especificacin rea

rea de incumplimiento

rea de cumplimiento

rea de incertidumbre

rea de incumplimiento
rea de incertidumbre

Fig.4.1 - reas de cumplimiento, incumplimiento y la incertidumbre Definicin.