miguel balbás agustín garcía-berrocal de incertidumbres (texto).pdfqueremos medir el volumen de...
TRANSCRIPT
Miguel Balbás
Agustín García-Berrocal
Fundación Gómez-Pardo
Servicio de publicaciones
x (x)
f
(x)
f
(x)
(x)
Taller de incertidumbres 1
Taller de incertidumbres
La incertidumbre de medida
Miguel Balbás y Agustín García-Berrocal
Cátedra de Metrología de los Hidrocarburos
Laboratorio Lecem
2017
Taller de incertidumbres 2
TALLER DE INCERTIDUMBRES
1. La incertidumbre de la medida
Lo habitual cuando medimos algo es pensar que si el aparato con el que medimos es
bueno y el procedimiento de medida es correcto, nos tiene que salir una medida,
representada por un número, que nos indicará el verdadero valor de la propiedad que
estamos midiendo. Esta forma de pensar es errónea. El primer objetivo de este tema es
conseguir que el lector se haga consciente de que siempre tenemos dudas sobre el
verdadero valor que tiene el mensurando que estamos midiendo (llamamos mensurando
a la propiedad que se mide, por ejemplo si tratamos de medir una temperatura con un
termómetro, la temperatura es el mensurando; así con el término mensurando nos
referimos a cualquier propiedad que se mida). En realidad el concepto de verdadero
valor del mensurando deja de tener sentido, al ser algo que nunca puede llegar a
conocerse.
La medida la expresaremos en la forma M U , donde U recibe el nombre de
incertidumbre de la medida, de forma que con M y U podemos formar el intervalo
de valores ,M U M U dentro del cual estimamos, con una cierta probabilidad, que
está incluido el verdadero valor del mensurando.
Que tenemos dudas sobre su valor lo avalan dos circunstancias claras que se nos
presentan en la práctica metrológica: en primer lugar, si repetimos la medición que
estamos realizando, con aparatos de medida de suficiente precisión, los valores que
obtenemos no coinciden, las últimas cifras decimales con las que queremos
aproximarnos al valor buscado varían de una medida a otra, con lo que no sabemos cuál
es la medida correcta. En segundo lugar, los aparatos de medida, por sofisticados que
sean, no son exactos; y lo corrobora el hecho de que el fabricante del aparato mide un
Taller de incertidumbres 3
cierto patrón y le salen diferentes medidas; se dice que el fabricante está calibrando el
aparato, y nos debe dar a conocer esa incertidumbre que se obtiene en origen.
En el año 1993 se reunieron la Organización Internacional de Normalización (ISO), el
Buró Internacional de Pesas y Medidas (BIPM) y la Organización Internacional de
Metrología Legal (OIML) con la Unión Internacional de Física Pura y Aplicada
(UIPPA), con la Unión Internacional de Química Pura y Aplicada (UICPA), con la
Federación Internacional de Química Clínica (FICC) y con la Comisión Electrotécnica
Internacional (CEI) y promovieron la elaboración de una guía que recibe el nombre de
“Guía para la expresión de la incertidumbre de medida”, en inglés GUM (Guide to the
expression of Uncertainty in Measurement), que proporciona una información completa
sobre la forma de abordar la expresión de la incertidumbre y una base para la
comparación de los resultados de medida.
El Centro Español de Metrología (CEM) realizó la primera versión en lengua española
en el año 1998. Nos atendremos en lo que sigue a la notación y a los conceptos
contenidos en dicha Guía.
Siguiendo el documento GUM para nosotros el valor más probable de la medida nos lo
da M , siendo la incertidumbre U el parámetro que utilizamos para caracterizar la
dispersión de valores que podrían ser razonablemente atribuidos al mensurando en torno
al valor de M.
2. Fuentes de incertidumbre
En general, cuando se mide se cometen imperfecciones que dan lugar a errores
desconocidos en cierta medida. La estimación del margen de cada posible error da lugar
a una componente de la incertidumbre total final.
El error se considera constituido por una componente aleatoria, al azar, que es
impredecible, y una componente sistemática. El error aleatorio puede reducirse si se
incrementa el número de medidas efectuadas. El error sistemático, si se produce por un
efecto identificado, puede cuantificarse e incluso aplicar una corrección para
Taller de incertidumbres 4
compensarlo. No obstante, el error final cometido no puede ser conocido y siempre
existirá.
No debe confundirse el error con la incertidumbre, que cuantifica la duda que tenemos
sobre el error cometido. Tan es así que, en la mayoría de las mediciones, el error
cometido es menor que la incertidumbre cuantificada.
En cada proceso de medida debe hacerse un análisis para identificar cuáles son las
posibles causas de error. De entre las numerosas fuentes de incertidumbre que inciden
en el proceso de obtención de la medida pueden destacarse, por la frecuencia con que se
presentan, las siguientes:
Efecto de las magnitudes de influencia
Toda medición se realiza bajo condiciones ambientales (temperatura, presión,
humedad relativa, estado de vibración, etc.) que están afectando al valor del
mensurando. La ignorancia de su efecto o la medición imperfecta de estas
condiciones producen incertidumbre en la medida. Si medimos la longitud de
una varilla metálica, ¿cuál es la temperatura ambiente? Si ésta varía, cambia la
longitud de la varilla.
Muestra no representativa
Si se miden las características de una serie de objetos teóricamente iguales,
tomando para ello una muestra de dicha serie, puede que no sea suficientemente
representativa del conjunto. Se mide el diámetro de una serie bolas de un
rodamiento, ¿son todas exactamente iguales?
Definición incompleta del mensurando o realización imperfecta de su
definición
Nos piden medir la temperatura que alcanza un horno. ¿Dónde la mido, en qué
lugar del horno? La magnitud “temperatura del horno” está indefinida y sólo
puede darse un margen de sus posibles valores (incertidumbre).
Taller de incertidumbres 5
Aproximaciones o imperfecciones del procedimiento de medida
Queremos medir el volumen de una moneda, midiendo sus longitudes
características (diámetro de sus caras para hallar su área y espesor de la
moneda). Hacemos la hipótesis de que la moneda es un cilindro de pequeña
altura y medimos el área de su base (círculo) y el espesor (altura). ¿Pero es en
realidad un cilindro perfecto? ¿No tienen sus caras el relieve de las
inscripciones, en lugar de ser superficies planas? ¿Son todos los diámetros
exactamente iguales? La estimación de la desviación respecto de dicho cilindro
perfecto conduce a la incertidumbre correspondiente.
Limitaciones e imperfecciones del sistema de medida
O Lecturas sesgadas
Lecturas incorrectas al leer una escala analógica por parte del operador.
Por ejemplo, no delimitar con exactitud qué dos marcas de escala
coinciden en un calibre y en su nonius.
Calibración y deriva
Incertidumbre que se arrastra de origen, al aportar el fabricante los
resultados de la medición de un patrón en fábrica (calibración), y
verificación de esta incertidumbre cada cierto intervalo de tiempo vía
recalibración (deriva). O bien como varía en el tiempo desde la última
calibración efectuada (deriva).
Ajuste o corrección de un error sistemático
Incertidumbre producida por la duda sobre la perfecta (verdadera)
corrección del error identificado. La imperfección de esta corrección
conduce a un error residual cuya estimación es dicha incertidumbre.
Resolución del aparato de medida
Cada aparato “lee” su medida con unas ciertas cifras decimales, pero
ignora el resto de cifras siguientes. Una báscula electrónica de laboratorio
hace una lectura de la masa en gramos con indicación de la primera cifra
decimal (décimas de gramo). Por ejemplo 14,7 g. Pero no lee más. Se dice
Taller de incertidumbres 6
que la resolución de la báscula es de 0,1 g. Esto quiere decir que la
lectura de su pantalla es 14,7 siempre que el valor de la masa esté
comprendido entre 14,65 g y 14,75 g. Si fuera menor de 14,65 g, se leería
14,6; y si alcanzara 14,75 g o algo más, se leería 14,8. Pero el verdadero
valor de la masa, con las cifras decimales siguientes se desconoce,
cometiéndose un error de truncamiento.
Uso de datos tabulados
La utilización de números o constantes conocidas, tomándolas de tablas, se
hace escribiéndolas con un cierto número de cifras decimales, truncando
las cifras siguientes necesariamente. ¿Con cuántas cifras escribo el valor
de ? ¿Cuánto vale la aceleración de la gravedad g? ¿Cómo tomaremos
la densidad del líquido con el que estamos trabajando? Es un efecto que
se estima análogamente al de la resolución del aparato.
2. Clases de medidas: directas e indirectas
Diremos que estamos ante una medida directa cuando disponemos de un aparato de
medida apropiado tal que su indicación nos da un valor del mensurando. Medir una
temperatura con un termómetro es hacer una medida directa; medir una diferencia de
potencial entre dos puntos mediante un voltímetro es hacer una medida directa.
Sin embargo, en la mayoría de los casos en la práctica, el valor del mensurando Y se
obtiene matemáticamente aplicando una fórmula que incluye los valores de otros varios
mensurandos iX medidos directamente. Diremos que en este caso no disponemos de
un aparato de medida de Y. En el ejemplo de la moneda, podemos medir su volumen V
de forma indirecta si medimos directamente su diámetro D y su espesor e, aplicando la
relación 2
4
DV e (área de la base circular por la altura e del cilindro). Mediante
dos medidas directas (la de D y la de e) obtenemos V de forma indirecta (en este caso,
si mantuviéramos la notación estricta de la Guía tendríamos que V sería Y, D sería 1X
y e sería 2X ; 2
12
4
XY X ).
Taller de incertidumbres 7
En el caso más general en cada medida directa aparecen dos categorías de evaluación de
incertidumbres, las que la Guía denomina evaluación de incertidumbre de tipo A y de
tipo B. Hay que estimar cuidadosamente cada una de ellas, tal como veremos a
continuación, y combinarlas para obtener la incertidumbre final de la medida directa.
En la medida indirecta, conocidas las incertidumbres de las medidas directas que
intervienen, hay que combinar adecuadamente éstas para obtener finalmente la
incertidumbre de la medida indirecta. Hay que aplicar lo que se denomina ley de
propagación de las incertidumbres para llegar al resultado final, tal como se verá más
adelante. La incertidumbre de la medida indirecta se denomina con frecuencia
incertidumbre combinada.
4 Incertidumbre de la medida directa
La Guía establece que las fuentes de incertidumbre de la medida directa se pueden
clasificar como tipo A o B según sea el procedimiento de evaluación aplicado para su
estimación.
Comencemos, por mayor claridad, por hablar de la evaluación de las incertidumbres de
tipo B. Muchas de las fuentes de incertidumbre dan como resultado una incertidumbre
que no depende del valor que obtengamos en la medición. Pensemos, por ejemplo, en la
resolución del aparato de medida. En el ejemplo que hemos expuesto, la balanza tiene
una resolución de 0,1 g. Pero esto es igual para la medida de 14,7 g, que poníamos en el
ejemplo y para 25,3 g o cualquier otra lectura que el aparato nos diera. Lo mismo puede
decirse de la incertidumbre de calibración del aparato, o de la deriva, o del ajuste, o la
producida por los datos tabulados, etc. Obsérvese que en algunos casos (calibración,
deriva, etc.) el posible error cometido tiene carácter aleatorio, debido al azar; sin
embargo, en otros casos el posible error es de tipo sistemático (resolución, datos
tabulados, etc.). Las incertidumbres de tipo B pueden tener uno u otro carácter.
En todos estos casos pueden estimarse las incertidumbres de tipo B antes de efectuar las
mediciones, su evaluación es previa al acto de medir.
Sin embargo hay otras fuentes de incertidumbre cuyo efecto desconocemos a priori y
que son siempre fruto del azar en la medición. Son las incertidumbres de tipo A.
Taller de incertidumbres 8
Pensemos, por poner un ejemplo, en magnitudes de influencia que no controlamos. El
efecto nos produce medidas que difieren unas de otras. Debemos analizar el conjunto
estadístico de los valores obtenidos y con ello evaluar la incertidumbre.
Comencemos por calcular la incertidumbre que denominamos incertidumbre típica de
tipo A y que denotaremos como Au (obsérvese que se escribe con u minúscula en lugar
de utilizar la U mayúscula que utilizamos para acompañar a M ; más adelante veremos
cómo transformamos u en U).
Tenemos delante de nosotros un conjunto de números que representan las distintas
medidas que hemos obtenido como lecturas o indicaciones de cierto aparato de medida.
Pasemos revista a algunos conceptos que maneja la Estadística. Para razonar
correctamente debemos suponer que las medidas obtenidas no son pocas; porque si así
fuera, podría ocurrir que por azar todas fuesen mayores que el verdadero valor del
mensurando y esto nos haría pensar que éste es mayor de lo que realmente es.
Análogamente ocurriría si todas fuesen, por razón del azar, menores, haciéndonos
pensar el resultado debería ser menor. Supongamos, por tanto, que disponemos de un
conjunto con muchos valores de medida. Teóricamente deberíamos suponer que son
infinitos (luego volveremos sobre esta hipótesis para razonar con el número n real de
medidas que tenemos). Para analizar este conjunto estadístico de infinitos números
supongamos que los representamos en un gráfico con dos ejes coordenados. En
horizontal, en las abcisas, representamos los posibles diferentes valores x que toma el
mensurando medido. En ordenadas tratamos de representar el número de veces que ha
aparecido cada valor de x en el conjunto de medidas. Para hacerlo prácticamente
dividamos el eje horizontal en tramos de longitud x . Para un cierto valor ix
agrupemos todas las medidas con valores comprendidos entre ix y ix x . Al
suponer que nuestra población de valores tiene un número n de elementos que tiende a
infinito, el número in de medidas en este intervalo puede ser muy grande. Para hacer
manejable nuestra representación gráfica, dividamos por n el valor de los números de
medidas en cada intervalo, obteniendo así un número relativo in n , que siempre será
menor que la unidad. Construyamos ahora una barra rectangular que tenga por base el
Taller de incertidumbres 9
x de nuestro intervalo y por altura un número if tal que el área del rectángulo
coincida con el número relativo in n de medidas entre ix y ix x . Esta ordenada if
se denomina frecuencia (figura 1A) del resultado ix .
Si hacemos la misma construcción para cada intervalo ix y
ix x , construimos lo
que se denomina un histograma (véase figura 1B).
Fig.1: Diagrama de frecuencias: Histograma
En este análisis no distinguimos cuántas medidas son de valores próximos a ix y
cuántas lo son a ix x . Para mejorarlo supongamos que vamos haciendo estas barras
verticales cada vez más estrechas, es decir, con una base x cada vez más pequeña. En
el límite en que x tiende a cero, x se convierte en dx . Tendremos así infinitas barras
pero infinitamente estrechas (figura 2).
Fig. 2: Curva de distribución de probabilidades
Taller de incertidumbres 10
Hemos dibujado la curva que se forma al unir los centros de cada base horizontal
superior, definiendo así el valor de f para cada valor de x f f x . Hemos trazado
también en la figura dos valores concretos de x, sean 1x y 2x . Si calculamos el área que
encierra la curva con el eje horizontal entre la vertical de 1x y la vertical de 2x ,
sumando todas las barras diferenciales obtenemos la integral:
2
11 2( ) ( )
x
xárea x x x f x dx (1)
Lo que estamos haciendo es sumar el número de medidas cuyo valor x está
comprendido entre 1x y 2x (casos favorables), pero este número dividido por n total de
medidas efectuadas (casos totales) es, por consiguiente, el valor de la probabilidad de
que el valor de la medida esté comprendido entre 1x y 2x :
2
11 2( ) ( )
x
xf x dx prob x x x (2)
Si hubiéramos tomado el intervalo total de la curva, el área encerrada por toda la curva
sería 1, ya que sumaríamos todos los ( )in suma n pero divididos por el valor de n.
La curva f (x) se denomina distribución de probabilidad (figura 2).
La Estadística tiene un teorema muy importante, conocido como teorema central del
límite, que establece que cuando un suceso aleatorio es consecuencia (suma) de varios
sucesos aleatorios independientes, la forma de la curva f (x) es la conocida como curva
normal o curva de Gauss (véase figura 3A). Cuando medimos concurren en la medición
diversos procesos al azar (recuérdese la enumeración de fuentes de incertidumbre) de
forma que podemos admitir que el conjunto de nuestras infinitas medidas tienen
siempre una distribución de esta forma. Esta distribución normal tiene un máximo
(llamaremos al valor de x en este máximo) y es simétrica respecto a la vertical que
pasa por = x, como se ve en la figura. La curva se cierra en el infinito, es decir, es
asintótica con el eje horizontal de las x. Para caracterizar una distribución de este tipo,
lo primero es conocer el valor medio . Conociendo la función f (x) podemos expresar
Taller de incertidumbres 11
A B
Fig. 3: Curva normal o gaussiana
como:
( )x f x dx
(3)
donde para cada valor de x tenemos un número de medidas obtenidas f (x) dx , área del
diferencial de anchura dx, es decir, hemos sumado todos los valores de las medidas,
pero divididas por n. El valor de sitúa el centro de la curva sobre el eje horizontal.
En segundo lugar hay que valorar la dispersión de las medidas en torno al valor de .
Podríamos tener una curva estrecha, esbelta, con los valores muy agrupados o por el
contrario una curva ancha, roma, que nos denuncia grandes diferencias entre los valores
de las medidas obtenidas. Para ello (véase figura 3B) se toma la distancia ( x- ) de las
medidas aparecidas en el diferencial de área dibujado hasta el eje de simetría ( x = ).
Pero no se puede sumar este valor con los de los demás diferenciales porque, en razón
de la simetría, aparece otro diferencial a la izquierda del eje de x menor que y a la
misma distancia, que ahora es ( - x). De forma que la suma de cada dos diferenciales
simétricos se anula. Para evitar que esto ocurra se elevan todas las distancias ( x- ) al
cuadrado, convirtiendo todos los sumandos en positivos. Así se calcula:
2 2( ) ( )x f x dx
(4)
x
f
x
f
dx
x-
Taller de incertidumbres 12
Esta expresión (4) se denomina varianza de la distribución. Su raíz cuadrada, que vuelve
a tener las mismas dimensiones físicas que x, recibe el nombre de desviación típica
de la distribución.
Una distribución con una pequeña (curva estrecha, esbelta) indica que los valores de
las medidas se separan poco del valor medio, es decir, que son muy parecidas unas a
otras. Sin embargo si es grande y la curva es ancha, la dispersión de los valores es
grande, hay mucha separación entre unos y otros. En la práctica cuanto menor sea la
desviación típica más calidad tendrá nuestra medida.
De este modo los valores de y de (figura 3A) nos caracterizan la distribución.
Pero nuestro caso real es que no disponemos de infinitas medidas, tan solo tenemos un
número n relativamente pequeño de medidas. No sabemos, por tanto, a qué curva
corresponderían si hubiésemos seguido midiendo indefinidamente, no conocemos la
función f (x) de densidad de probabilidad y no podemos calcular con (3) y (4) los
valores de y de . La Estadística nos dice que pueden estimarse estos valores con
los datos que poseemos: se pueden calcular unos estimadores que son los números con
mayor probabilidad de parecerse respectivamente a y .
Para el primero se estima mediante el número x :
1
n
i
i
x
xn
(5)
donde se han sumado todos los valores de las medidas obtenidas y se ha dividido por el
número n de ellas; x recibe el nombre de media. Para estimar el valor de se obtiene
primero la estimación de la varianza 2 , llamando 2s a su mejor estimador:
2
2 1
( )
( )( 1)
n
i
i
x x
s xn
(6)
Taller de incertidumbres 13
donde se ha sustituido en los cuadrados de las distancias el valor desconocido de por
su valor estimado x . Recibe 2( )s x el nombre de varianza de la muestra o varianza
muestral. Hallando la raíz cuadrada de 2( )s x se tiene la desviación típica muestral s(x).
Tomaremos como valor M más probable del verdadero valor de la medida el valor de x
que estima el valor de , que es el valor con la máxima probabilidad en nuestra curva:
M x (7)
y con él y con 2( ) ( )s x s x podemos establecer un intervalo de valores.
Pero en realidad nos interesa conocer cómo variaría el valor de x si repitiésemos
muchas veces el proceso de medida, porque este es el dato que vamos a igualar a M. Si
se repitiesen las series de n medidas infinitas veces obtendríamos una curva de
distribución de los diferentes valores de x , uno para cada vez que repitiésemos la serie
de n medidas. La Estadística demuestra que el valor de de la distribución de las x
siempre coincide con el valor de de las x. Sin embargo la distribución de las x es
una curva mucho más esbelta que la distribución de las x, su varianza es n veces menor
(véase figura 4):
22 ( )( )
xx
n
(8)
Se ha representado en la figura 4 la distribución de los valores de x y debajo la
distribución de las x si hubiéramos repetido infinitas veces el proceso de medida, esta
última centrada en el mismo valor de pero con una varianza 2( )x que es n veces
menor que 2( )x . La varianza 2( )x recibe el nombre de varianza de la media
muestral.
Taller de incertidumbres 14
Fig 4: Distribución de la población de medidas y de su media
Este valor de la dispersión de x es lo que verdaderamente nos preocupa. Su estimación
se hace partiendo de (8) mediante:
2 2
2 1 1
( ) ( )
( ) ,, ( )( 1) ( 1)
n n
i i
i i
x x x x
s x s xn n n n
(9)
La raíz cuadrada de la varianza de la media muestral recibe el nombre de desviación
típica de la media muestral.
Se elige para definir la incertidumbre típica ( )Au x la expresión de la desviación típica
de la media muestral:
( )Au x s x (10)
Se denomina incertidumbre típica por haber sido obtenida a partir de una desviación
típica.
x (x)
f
(x)
f
(x)
(x)
Taller de incertidumbres 15
Con los valores (5) de x y (9) de s x se puede definir el intervalo (M-u,M+u) , es
decir, M u , como el intervalo en que razonablemente, con una cierta probabilidad, se
encuentra el verdadero valor del mensurando.
Obsérvese, como vimos anteriormente, que cuanto menor sea la dispersión de los datos,
es decir, s x , menor será el valor de la incertidumbre típica, y por tanto, más
estrechamente acotado estará el intervalo en el cual entendemos que está contenido el
verdadero valor de la medida.
En la obtención de las incertidumbres típicas de tipo B, Bu , también se establece una
cierta distribución de probabilidades, y se estima el valor de su desviación típica. En
muchos casos la distribución es normal, gaussiana, y entonces la desviación típica se
evalúa con el procedimiento que acabamos de ver para la incertidumbre de tipo A.
Piénsese, por ejemplo, en la calibración del aparato de medida. Con las medidas
obtenidas, midiendo un determinado patrón, se valorarán los estimadores x y s x .
Con este último se tiene el valor de Bu , dato que ya se tendrá antes de empezar nuestro
trabajo de medición.
En otros casos se desconoce completamente la distribución de la densidad de
probabilidad; se supone entonces que es constante en un cierto intervalo 2a y nula en el
resto. Por ejemplo en el caso de la resolución del aparato. Decíamos en el ejemplo del
epígrafe 2 que la balanza electrónica tenía una resolución 2a = 0,1 g. Si lo
representamos (figura 5A) en una escala horizontal, centrándonos en la medida
obtenida de 14,7 g, como poníamos en el ejemplo, el aparato leerá 14,7 g siempre que
el valor a medir no llegue a los 14,75 g y sea superior o igual que 14,65 g (es decir,
siempre que esté en el intervalo 2a=0,1 g en torno a 14,7 g). Que el aparato lea 14,7 g
no nos da información de cuánto vale la cifra decimal siguiente, no sabemos en qué
punto, entre los extremos, corresponde al valor que está midiendo. Para nosotros
cualquier valor intermedio tiene la misma probabilidad de ser, no hay ningún valor con
una probabilidad mayor. Sin embargo si el valor fuera menor que 14,65 g, el aparato
ya no leería 14,7 sino 14,6.
Taller de incertidumbres 16
Fig. 5: A) Resolución. B) Distribución rectangular
Lo mismo sucede si el valor alcanza o supera los 14,75; entonces leería 14,8. Por eso
fuera del intervalo 2a estamos seguros de que la probabilidad es nula. Si lo
representamos (figura 5B) centrándonos en el origen, ya que este intervalo de resolución
es el mismo para cualquier valor en que se mida, el intervalo se extiende desde –a hasta
a con una misma probabilidad. Fuera de él es nula. La distribución no tiene forma de
gaussiana como veíamos antes, sino que en este caso se nos forma un rectángulo. Se
dice que es una distribución rectangular. La altura del rectángulo es fácil de conocer
puesto que el área encerrada por la curva debe valer la unidad, por tanto si la base mide
2a , su altura ( )h f x debe ser 1 2a para que el producto de base por altura sea igual a
la unidad. Si calculamos mediante la expresión (4), se tiene:
3 3 22 2 2 21 1 1
( ) ( ) ( 0)2 2 2 3 3 3
a a
a a
a a ax f x dx x dx x dx
a a a
(12)
puesto que desde hasta –a el valor de f(x) es nulo, lo mismo que desde a hasta .
Por tanto:
2
( )3 3
B
a au x (13)
recordando que a es la mitad de la resolución 2a. En el caso de la balanza es
0,1 2 0,05( )
3 3Bu x g.
En Estadística se demuestra que cuando un suceso aleatorio es suma de varios procesos
aleatorios, su varianza es la suma de las varianzas de los procesos componentes. No se
pueden sumar las desviaciones típicas, pero sí es posible hacerlo con las varianzas. Así,
Taller de incertidumbres 17
para componer el resultado final de la incertidumbre de una medida directa, sumaremos
la varianza 2
Au del tipo A con la varianza 2
Bu del tipo B (que a su vez puede ser suma de
las varianzas Biu de las diferentes componentes de tipo B que le corresponda:
2 2
B Biu u ). Así:
2 2 2( ) ( ) ( )A Bu x u x u x (14)
Y por tanto:
2 2( ) ( ) ( )A Bu x u x u x (15)
Las dimensiones físicas de ( )u x son siempre las mismas que las de x.
5. Incertidumbre de la medida indirecta
Hemos dicho páginas atrás que muchas veces medimos un mensurando mediante la
aplicación de una fórmula geométrica o física. Medimos directamente los otros
mensurandos que son los que utilizamos en la fórmula para alcanzar el valor del
mensurando buscado. De estos mensurandos medidos directamente conocemos su
incertidumbre, estimada tal como acabamos de ver en el epígrafe anterior. Lo que
necesitamos ahora es establecer cómo se combinan estas incertidumbres directas para
obtener la incertidumbre de la medida indirecta. Esto se denomina con frecuencia
obtener la ley de propagación de las incertidumbres.
Antes de ver lo que prescribe la Guía internacional, analizaremos un ejemplo sencillo:
Supongamos que deseamos medir el área de una cartulina de forma rectangular y que
no disponemos de un aparato que mida áreas. Para resolver el problema nos
basaremos en que el área S del rectángulo es el producto de su base L por su altura H:
S L H (16)
Nos basta, por tanto, con medir directamente el valor de L y el valor de H, para lo cual
sí tenemos aparatos de medida, e introducir estos valores en (16) para hallar S.
Comencemos por la base, hallaremos su valor medio L mediante la media de los
valores medidos. También estimaremos, como medida directa, su incertidumbre típica
Taller de incertidumbres 18
u(L). Lo mismo haremos para tener H y u H . La figura 6A refleja que nuestra duda
en la medida de L lleva consigo una incertidumbre en el valor del área.
Fig. 6: Medida del área de un rectángulo: incertidumbres
Ya no podemos afirmar que el área del rectángulo es el producto de L por H , porque
puede que haya que incluir el rectángulo rayado de área H u L . Lo hemos dibujado
en positivo, pero lo mismo haríamos en negativo restando u L de L (no lo dibujamos
para que la figura quede más clara). Esto significa que la incertidumbre en la medida
de L causa una incertidumbre Lu S en la medida de S.
Pero lo mismo nos ocurre con la incertidumbre u H de la medida de H. En la figura
6B se ha representado el rectángulo rayado de área Hu S L u H . Suponemos que
u L y u H no están correlacionadas entre sí sino que son independientes la una de
la otra, de forma que el valor de una de ellas es independiente del valor de la otra.
Vemos cómo la incertidumbre directa u L viene multiplicada por la longitud H para
formar un área; de igual manera ocurre con u H multiplicada por L . Estos factores,
que multiplican a cada una de las incertidumbres directas para dar valores con las
mismas dimensiones del mensurando buscado, reciben el nombre de coeficientes de
sensibilidad. Así, en nuestro ejemplo el coeficiente de sensibilidad Lc de la base es H y
el coeficiente de sensibilidad Hc de la altura es L . Podríamos poner:
Taller de incertidumbres 19
( )
( )
L L
H H
u S c u L
u S c u H
(17)
Para hallar la incertidumbre total de S recordemos que podemos sumar las varianzas:
2 22
L Hu S c u L c u H (18)
de donde se obtiene u S .Las dimensiones de los coeficientes de sensibilidad son, en
este caso, las de una longitud, de manera que al multiplicarlas por u(L) o por u(H), el
resultado, tenga las dimensiones de un área.
Cuando las fórmulas a utilizar son más complicadas, es difícil intuir qué expresión
tienen los coeficientes de sensibilidad. Analicemos con más detalle el valor de Lc en el
ejemplo anterior. Si a la base L del rectángulo le añadimos una unidad, se nos añadirá
un rectángulo vertical de área (1 )H H . Por tanto H representa la variación de S por
unidad de variación de L . En términos matemáticos diremos que es la derivada de S
cuando solo varía L; es lo que se denomina derivada parcial de S respecto de L (es
decir, manteniendo constante la altura H).
NOTA 1: Las derivadas parciales de una función de varias variables 1 2( , ,.... )ny f x x x se
denotan como
i
y
x
. Por ejemplo sea
2 3
1 23y x x . Para derivar parcialmente respecto de 1x ,
se deja 2x como si fuera constante 3 2
2 1(3 )y x x , donde el paréntesis indica una constante.
Así al derivar se tiene 3 3
2 1 1 2
1
(3 )2 6y
x x x xx
. La otra derivada parcial sería, poniendo
2 3
1 2(3 )y x x : 2 2 2 2
1 2 1 2
2
(3 )3 9y
x x x xx
.
Taller de incertidumbres 20
En la expresión S L H , o sea S H L , se obtiene L
SH c
L
. De igual manera
S L H y así H
SL c
H
. Podríamos reescribir (18) poniendo:
2 2
2 S Su S u L u H
L H
(19)
La Guía internacional dice que si estamos midiendo un mensurando indirectamente
mediante una expresión matemática 1 2( , ,..... )ny f x x x su varianza es:
2 2 2 2 2 2 2
1 21 2( ) ( ) ( ) ......... ( )x x x nn
u y c u x c u x c u x (20)
donde los coeficientes de sensibilidad x ic se calculan mediante:
x ii
yc
x
(21)
Sus dimensiones son las de y divididas por las de xi . De 2( )u y se obtiene ( )u y .
NOTA 2: Cuando las variables están correlacionadas entre sí, la Guía establece que la
incertidumbre de y se obtiene a partir de:
12 2 2
1 1 1
( ) ( ) 2 ( ) ( ) ( , )n n n
i i i j i j i j
i i j i
u y c u x c c u x u x r x x
(22)
donde ( , )i jr x x representa el coeficiente de correlación entre xi y xj . Si una pareja de
variables no están relacionadas r = 0 y en el caso de que la correlación sea máxima 1r .
En el ejemplo del rectángulo escribiremos:
2 2 2 2 2 2 ( , )L H L Hu S c u L c u H c c u L u H r L H (23)
Supongamos que la correlación fuera máxima, por ejemplo, si se quiere conservar siempre el
formato del rectángulo con H
cteL . Esto quiere decir que una variación de L llevaría
aparejada una variación de H conocida. El nuevo valor de H se calcularía conociendo el
nuevo valor de L. Su coeficiente de correlación es ( , ) 1r L H . En este caso:
2 2 2 2 2 2L H L Hu S c u L c u H c c u L u H (24)
Si suponemos además que el aparato de medida es el mismo para medir L y H, podemos
admitir que sus incertidumbres directas serán muy parecidas u L u H , con lo que:
2 2 2 2 2 2 2 2( 2 ) ( ) ( ) ( )L H L H L Hu S c c c c u L c c u L L H u L (25)
Taller de incertidumbres 21
de donde en este caso particular:
( )u S L H u L Lu L Hu L (26)
que equivale a sumar directamente en este caso las áreas de las franjas vertical y horizontal,
de igual anchura, es decir, sumar las desviaciones típicas, sin pasar por las varianzas.
6. Incertidumbre expandida
Hemos definido hasta ahora un intervalo en torno al valor de , sumando y restando el
valor de , es decir, desde ( ) hasta ( ) . Con sus correspondientes
estimadores x M y s x u podemos dar el intervalo ( , )M u M u como intervalo
en el que creemos que está el verdadero valor del mensurando. Pero ¿qué probabilidad
tenemos de acertar? Sabemos que el área que encierra la curva normal mide
probabilidades. En Estadística se tiene un procedimiento para hallar áreas encerradas.
Para ello, lo primero que se hace es un cambio de variable en la función de distribución,
llamando z a la nueva variable según:
x
zx
(27)
El área que encierra la nueva función f (z) se ha tabulado. En la tabla correspondiente
aparece el valor del área encerrada en la cola de la derecha desde un valor concreto de z
hasta z . Observemos que la curva f (z) está centrada en el eje vertical porque si
hacemos x , se hace z=0. Luego su valor medio es 0z . Si queremos saber el
valor del área encerrada por la curva entre x y x , vemos que en el
extremo izquierdo z vale -1 porque:
1
mientras que en el extremo derecho del intervalo es:
1
Taller de incertidumbres 22
es decir z=+1. Entrando en la tabla con z = 1 se ve que la cola de la derecha, es decir,
valores superiores de z, vale 0,15866. La cola de la izquierda en el extremo izquierdo,
por ser simétrica vale lo mismo. Por tanto entre las dos colas, derecha e izquierda (véase
figura 7) el área que encierran es 2 0,15866. El cuerpo central de la curva encierra,
por tanto, la diferencia entre el área total de la curva, igual a la unidad, y el área de las
dos colas [ 1-2 (0,15866) ] = 0,68268. En tanto por ciento 68,27 % aproximadamente,
valor parecido a 66,67 % que sería 2 3 del área total. Este cálculo nos indica que la
probabilidad de que una nueva medida caiga dentro del intervalo que hemos definido, es
de 2 3 aproximadamente. La probabilidad de que la medida sea errónea es muy grande,
lo que hace que este intervalo se quede muy corto.
Pero nadie nos obliga a tomar como incertidumbre el valor de la incertidumbre típica u.
Podemos definir a nuestra voluntad un intervalo mayor haciendo:
U ku (28)
U recibe el nombre de incertidumbre expandida y k el de factor de cobertura o constante
de recubrimiento (en referencia al área recubierta). No es conveniente dar a k un valor
Fig. 7: Diferentes recubrimientos del área de la curva
alto porque daríamos un valor muy grande de la incertidumbre, aumentando nuestra
duda y disminuyendo, por tanto, la calidad de nuestra medida. Un compromiso entre
ambas necesidades se obtiene en la práctica haciendo 2k (véase la figura 7).
Con k = 2 se tiene un intervalo doble del anterior, es decir, desde 2x hasta 2x .
Para 2 / 2z , la tabla da un valor para la cola de la derecha de 0,02275.
Con lo que el área de la zona central es [1-2 (0,02275)] = 0,95450. Traducido a tanto
Taller de incertidumbres 23
por ciento, es mayor del 95 %, una buena probabilidad de acierto. La industria toma
sistemáticamente este valor de k = 2, haciendo la incertidumbre expandida 2U u ,
afirmando que su nivel de confianza es N.C. = 95 %.
NOTA 3: Hemos supuesto que la aplicación del teorema central del límite nos ha conducido a
una distribución normal gaussiana. Si se necesitara aproximar más, en el cálculo anterior puede
sustituirse (nosotros no entraremos en ello) esta distribución normal por una distribución
parecida, denominada de Student, elegida en función de los grados de libertad que presente el
proceso.
APÉNDICE: Un caso práctico: Medida de la densidad de una moneda
Supongamos que se nos presenta en la práctica el problema de determinar en el
Laboratorio la densidad de una moneda. Y que no disponemos de un aparato que nos
mida directamente densidades. Para hacerlo recurrimos determinar indirectamente la
densidad mediante la expresión:
M
V (29)
donde es la densidad, M la masa de la moneda y V su volumen.
Disponemos de una báscula electrónica para medir la masa y aparatos de medida de
longitudes, tales como el calibre o pie de rey y del palmer o tornillo micrométrico.
Comencemos por hallar el volumen de la moneda. Hacemos la hipótesis de que es un
cilindro de base circular grande comparada con la altura (espesor de la moneda). El
volumen lo obtendremos también indirectamente, multiplicando el área de la base por
la altura. La base es aproximadamente un círculo de área:
22
4
DS R (30)
donde R es el radio de la base y D el diámetro. Mediremos el diámetro porque es
imposible medir el radio, al no tener localizada con exactitud la posición del centro del
círculo. Emplearemos para la medida de D el calibre porque, si la moneda es grande,
puede no entrar en el tornillo micrométrico. Comenzaremos por medir Dn veces
sucesivos diámetros (no siempre el mismo, para evitar que nos estemos centrando en un
diámetro ligeramente deformado). Llamemos iD a las diferentes medidas obtenidas.
Para hallar el valor de D comencemos por obtener su valor medio mediante:
Taller de incertidumbres 24
1
Dn
i
i
D
D
Dn
mm (31)
Con el valor medio de D podemos hallar la incertidumbre de tipo A, ( )Au D :
2
1
( )
( 1)
Dn
i
iA
D D
D D
u Dn n
mm (32)
Para determinar la incertidumbre de tipo B, tomaremos el único dato de que
disponemos, que es la resolución del calibre, sabiendo que 2 0,05cala mm. Por tanto:
0,05 2 0,025( )
3 3 3
calB
au D mm (33)
De esta forma la incertidumbre típica de D se obtiene de:
2 2 2( ) ( ) ( )A Bu D u D u D mm2 (34)
Como el espesor e es relativamente pequeño podemos medirlo con el palmer o tornillo
micrométrico. Midámoslo en veces en distintos puntos, siendo ei las medidas obtenidas.
El valor medio de e será:
1
en
i
i
e
e
en
mm (35)
Con este valor podemos cuantificar ( )Au e :
2
1
( )
( 1)
en
i
iA
e e
e e
u en n
mm (36)
Por otro lado la resolución del palmer es cinco veces menor que la del calibre:
2 0,01pala mm. Por tanto:
0,01 2 0,005
3 3 3
pal
B
au e mm (37)
Con lo que la incertidumbre típica de e, ( )eu e , se obtiene de:
2 2 2
A Bu e u e u e mm2 (38)
Taller de incertidumbres 25
Con estos resultados podemos abordar el cálculo de la incertidumbre típica del
volumen V del cilindro. Empecemos hallando su valor medio, teniendo en cuenta la
expresión (30), donde emplearemos los valores medios (31) y (35) de D y de e:
2
4
DV S e e mm
3 (39)
Para calcular su incertidumbre típica u(V), indirectamente, tendremos que considerar
que el coeficiente de sensibilidad Dc del diámetro se obtiene de:
2
42
4 2D
eD
V e D ec D
D D
mm2 (40)
Y el coeficiente de sensibilidad de ec del espesor se tiene mediante:
2
24
4e
De
V Dc
e e
mm
2 (41)
Estamos en condiciones de calcular la incertidumbre típica u(V) del volumen:
2 222 2 22
2 2 2 2 2 1 1
( ) ( )
2 ( 1) 3 4 ( 1) 3
eD nn
i ipalcali i
D e
D D e e
D D e eaDe a D
u V c u D c u en n n n
(42)
La u(V) tiene las dimensiones de L3
; como la u(D) y la u(e) tienen dimensiones de L,
los coeficientes (40) y (41) tienen que tener dimensiones de L2como se comprueba en
sus expresiones( D e y D2
respectivamente).
Obsérvese que hemos despreciado la incertidumbre producida por el valor de (que
es un valor tabulado) puesto que es conocido con un número tan grande de cifras
decimales, dadas en cualquier calculadora, que la ( )u puede considerarse
despreciable frente a u D y a u e .
Nos queda, por último, medir la masa M en la balanza. Llamemos iM a los Mn valores
obtenidos. La incertidumbre típica Au M de tipo A se obtiene hallando en primer
lugar el valor medio M :
Taller de incertidumbres 26
1
Mn
i
i
M
M
Mn
g (43)
Con él se calcula:
2
1
( 1)
Mn
i
iA
M M
M M
u Mn n
g (44)
Por otro lado la resolución de la balanza, como hemos comentado en páginas anteriores, es
2 0,1Ma g , con lo que 0,05Ma g y así:
0,05
3 3
balB
au M g (45)
Por último:
2
22 2 2 1
( 1) 3
Mn
i
baliA B
M M
M Ma
u M u M u Mn n
g
2 (46)
Pasamos a valorar la densidad y su incertidumbre. Partamos de la expresión (29) M V .
Debemos notar que el valor de la masa M y de su incertidumbre u M están expresados en
gramos; no es necesario transformarlos. Sin embargo el volumen V y su incertidumbre u V
vienen expresados en milímetros cúbicos, siendo necesario pasarlos a centímetros cúbicos,
puesto que la unidad en la que se expresa la densidad es 3g/cm . Para ello nos bastará con
dividir por 1000 los valores de V y de u V .
Se calcula el valor medio de la densidad mediante:
M
V (47)
Para hallar la incertidumbre típica ( )u , obtengamos los coeficientes de sensibilidad de la
masa y del volumen:
2
1
1 4M
MV
cM M V D e
cm
-3 (48)
Taller de incertidumbres 27
2 4 22
1
16V
MM MVc
V V V D e
g/cm6 (49)
Por tanto: 2 2 2 2 2( ) ( ) ( )M Vu c u M c u V (50)
Obsérvese que las dimensiones y unidades de Mc y de Vc son las necesarias para que ( )u se
exprese en g/cm3. Sustituyendo valores se tiene:
2
2 2 222 22 2 222 1 1 1
2 4 22
( ) ( ) ( )4 16
( )( 1) 3 2 ( 1) 3 4 ( 1) 3
eM D nn n
i i ipalbal cali i i
M M D D e e
M M D D e eaa M De a D
un n n n n nD e D e
(51)
y hallando la raíz cuadrada se tiene ( )u .
En principio pueden arrastrarse en las operaciones numéricas todos los decimales
disponibles. Si no quiere hacerse así, deben tomarse los valores medios como mínimo con una
cifra decimal más que lo que den los aparatos en función de su resolución. Por ejemplo, la
media de los diámetros obtenidos con el calibre debe tener como mínimo tres cifras decimales
ya que las medidas leídas tienen dos cifras decimales. La incertidumbre típica se valora con
dos cifras significativas, es decir, sin considerar los ceros a la izquierda. Si, por ejemplo,
tenemos para ( )u el valor numérico 0,0254321 se deja 0,026. Como se trata de una
incertidumbre, la última cifra considerada se redondea por exceso para no disminuir el valor
de u. Los valores medios se expresan finalmente con tantas cifras decimales como hayamos
dejado en su incertidumbre. Así si para el valor de se tiene 8,20435187, como hemos dejado
( )u con tres cifras decimales ( )u = 0,026 g/cm3 , expresaremos también con tres cifras
decimales, es decir, =8,204 g/cm3. En la expresión de la última cifra se redondea por
exceso o por defecto al dígito más cercano.
Para finalmente pasar de la incertidumbre típica ( )u a la incertidumbre expandida ( )U , se
toma un nivel de confianza N.C.= 95 %, haciendo que la constante k valga 2. Así finalmente:
( ) 2 ( )U u g/cm3 (52)
Y nuestro resultado de la medida será:
U g/cm3 (53)