5 Incertidumbre y errores
|
|
- Esperanza Marín Soriano
- hace 6 años
- Vistas:
Transcripción
1 5 Incertidumbre y errores 5.1 Introducción El proceso de medición está en la base de nuestra compresión del mundo. La medida nos permite cuantificar las magnitudes del mundo físico y con ello construir modelos matemáticos sobre las leyes que gobiernan los fenómenos físicos. Una ley física es una relación entre magnitudes y las magnitudes sólo tienen sentido si somos capaces de cuantificarlas, lo que se hace a través de la medida. No es nuestro objetivo dar definiciones precisas ni profundizar sobre la teoría de las magnitudes físicas y su medida. En este capítulo trataremos de ver algunos conceptos básicos asociados a la evaluación de la magnitud, o sea la medida y la incertidumbre o el error asociada a ella. La evaluación del margen de validez de la medida es tan importante como el valor del resultado; en el trabajo técnico muchas veces se olvida este hecho. Generalmente hacemos la suposición implícita de que el número de cifras significativas que damos de la lectura es tal que solo el último digito significativo es incierto; si no es este el caso, debería darse el intervalo de valores posibles del resultado de acuerdo a la incertidumbre en dicho valor. En este capítulo, intentaremos definir estos conceptos. Como ejemplo de lo anterior, suponga que se mide una resistencia con un determinado procedimiento y que el valor es 37,142, con una incertidumbre de 0,1 asociada al instrumento de medida. De acuerdo al fabricante del instrumento, el valor puede ser cualquiera en el intervalo [37,042 37,242]. Posteriormente se comentará acerca de la probabilidad de que ocurra un determinado valor. En la práctica, podemos hablar de que la resistencia vale 37 y es razonable, ya que el 37 es una cifra segura y a falta de más información quien lo lee supondrá que es ±1. Si damos una precisión mayor, deberíamos especificar el margen de incertidumbre. Esto no se ve muy elegante ni muy correcto, pero es lo que generalmente hacemos. En este capítulo se tratará de conciliar los dos enfoques, el científico, donde cada medida debe estar acompañada de un intervalo de incertidumbre y el técnico, donde se da el valor y una cota de variación de la magnitud. Esta cota puede ser implícita o explícita. 5.2 Concepto de error e incertidumbre Hasta no hace mucho tiempo se hablaba de error y de la teoría de errores de medición para estudiar el margen de validez de una medida. Aquí nos encontramos con un problema filosófico; para definir error debería existir un verdadero valor de la magnitud a medir en el sentido matemático, esto es, un número real que es la respuesta teórica a la medida que se quiere realizar. Lamentablemente esto no existe, no hay un
2 verdadero valor asociado a una medida, siempre hay un margen de incertidumbre en lo que medimos. Sin embargo, el concepto de error todavía tiene validez, aunque muy limitada. Antiguamente se hablaba de errores groseros, errores sistemáticos y errores aleatorios. El error grosero sería aquel que viene de una manipulación errada del procedimiento de medición introducido durante el proceso de medida: alguien se equivocó. Puedo no saber a priori que voy a equivocarme, pero luego de obtenido el resultado, si detecto el problema, puedo corregir o cuantificar el error grosero y descartar la medida si fuera el caso. El error sistemático sería aquel introducido por los instrumentos o el procedimiento de medida y que puede ser corregido a posteriori. Por ejemplo, en la medida de voltaje RMS se introduce un diodo rectificador, el cual posee una caída de voltaje de aproximadamente 0,65 V. La lectura será inferior a la que debería ser de acuerdo al modelo del voltímetro en este valor. Esto puede corregirse para cancelar el efecto, sin embargo, esta corrección nunca es perfecta e introduce una incertidumbre en el problema. Otro ejemplo es la no linealidad en la respuesta de un instrumento, caso en el que puede realizarse una curva de calibración y corregir los valores de acuerdo a la misma. Cuando se discuta la incertidumbre, volveremos sobre estos factores de corrección. Errores aleatorios. Toda magnitud fluctúa su valor por causas aleatorias que están fuera del control del operador. Fluctuaciones térmicas, ruido electromagnético y vibraciones mecánicas, entre otros, pueden hacer que el resultado de nuestra medida fluctúe. Antiguamente llamábamos a esto error aleatorio. Sin embargo, como veremos, no se trata de un error, sino de nuestra imposibilidad de conocer todas las variables que afectan la medida. En general estas fluctuaciones son pequeñas, pero si nuestro instrumento tiene una apreciación pequeña, puede detectarlas. No existe un verdadero valor asociado a la magnitud, por lo que es incorrecto hablar de error en el resultado. Lo que sí hay son errores de procedimiento, que pueden ser corregidos y por ello se trata de errores. Aquí caen los groseros y los sistemáticos. Resumiendo, actualmente llamamos error a lo que puede ser entendido, modelado y corregido. Este concepto no involucra la diferencia respecto a ningún valor ideal, simplemente reconoce que erramos en el procedimiento y que podemos hacer la corrección. Los errores, en la mayoría de los casos, no tienen sesgo estadístico. Cuando bajamos la apreciación de una medida, llegamos a un límite donde los resultados fluctúan aleatoriamente fuera de nuestro control. En este caso, se habla de incertidumbre. Decimos que la medida tiene una incertidumbre, porque para nosotros es imposible obtener un valor único a partir de determinada apreciación. El error puede ser corregido, pero la incertidumbre no. La incertidumbre tiene asociada una estadística que nos dice la probabilidad de que el valor de la medida caiga en un determinado intervalo.
3 Esta estadística pude obtenerse de forma directa o estimarla a partir de datos y modelos. Existen diversas fuentes de incertidumbre que hacen que el resultado de una lectura no pueda determinarse con precisión absoluta; se discutirá con más detalle en la próxima sección. Comenzaremos por lo más pequeño. Hay un nivel de apreciación en que una magnitud física deja de tener sentido desde el punto de vista experimental. Por ejemplo, en una medida de longitud macroscópica, no tiene sentido una resolución menor que el tamaño de un átomo, o para la medida de una masa macroscópica una resolución menor que la masa de un electrón. Puede discutirse el límite, pero es claro que existe, no podemos asociar cualquier número real al resultado de una medida. Esto nos marca un límite de incertidumbre asociada a la magnitud que se mide. Esto, aplicando razonamientos clásicos; el mundo microscópico es cuántico y esencialmente probabilístico. Un nivel más alto corresponde al objeto que se va a medir (mesurando), por ejemplo, la longitud de una barra depende del paralelismo y el pulido de sus extremos. O la masa de un objeto depende de la limpieza de su superficie. Aquí hay un límite de incertidumbre asociada al objeto que se mide. Un nivel más alto corresponde a las fluctuaciones provocadas por los factores externos fuera de nuestro control: temperatura, humedad, ruido electromagnético, vibraciones, etc. Aquí hay un límite de incertidumbre asociado a la variabilidad del ambiente de medida. Pueden controlarse las condiciones, por ejemplo trabajar a temperatura controlada, pero no podemos evitar la fluctuación térmica. Otra fuente de incertidumbre es dada por la apreciación del instrumento de medida: todos los instrumentos tienen un valor mínimo que permiten detectar. Desconocemos el valor de la magnitud con una resolución menor que la del instrumento. Hay casos especiales en que la adición de ruido aleatorio con estadística conocida puede reducir esta incertidumbre. Se discutirá este caso más adelante. Existen otras fuentes de incertidumbre, como en el caso de obtener el resultado a partir de un cálculo indirecto. Los datos ajenos a la medida, constantes físicas, otras medidas, etc., también tienen una incertidumbre, que se trasladará a nuestro resultado. 5.3 Definiciones y estadística de incertidumbre Aquí resumiremos algunas definiciones para el análisis de incertidumbre, en este caso, se trata de una estadística asociada al resultado de la medida. La referencia fundamental es el documento Evaluation of measurement data Guide to the expression of uncertainty in measurement producido por el Joint Committee for Guides in Metrology [Ref]. En este punto, suponemos que todas las fuentes de error fueron removidas de las medidas realizadas. La palabra incertidumbre en este contexto refleja la imposibilidad de asignar un número real al resultado de una medida.
4 El objetivo de una medida consiste en determinar el valor de un mesurando, objeto a ser medido. La medida implica la especificación del mesurando, el método y el procedimiento realizados para la medida. En la práctica, depende de la resolución que quiere alcanzarse con la medida. En general, el resultado de una medida tiene un valor estimado (o más probable) y un margen de incertidumbre o desconocimiento, generalmente asociado a una estadística. La incertidumbre se divide en dos categorías: Incertidumbre tipo A: puede ser evaluada por métodos estadísticos mediante la repetición de una serie de medidas. Es el caso más simple, donde la apreciación es menor que la fluctuación aleatoria del valor a medir. Se toman n valores experimentales para estimar el valor más probable y la incertidumbre. Incertidumbre tipo B: Todas las que no son A. Aquí caen: falta de definición en el objeto a medir; aproximaciones en los cálculos y modelos; influencia del operador; incertidumbre en los datos de constantes y parámetros; resolución limitada de los instrumentos, entre otros. Un caso de incertidumbre tipo B es el uso de factores de corrección, como en el ejemplo del diodo en la medida RMS del apartado anterior. El voltaje del diodo es aproximadamente 0,65 V, pero este valor puede variar dependiendo de la temperatura, la corriente en el circuito, ruido eléctrico, etc. Podemos considerar que el voltaje del diodo tiene una incertidumbre de 0,05 V, es decir que eliminamos el error del voltaje pero introducimos una incertidumbre por la corrección. En la incertidumbre tipo B también hay un valor más probable y una estadística, solo que se obtienen de forma indirecta a partir del conocimiento de la fuente de incertidumbre y la experiencia del observador. Para la evaluación estadística del tipo A, se considera que para determinar el valor de una magnitud X, a partir de xi mediciones, la mejor estimación es tomar el valor medio. x = x i n σ ori = (x i x ) 2 n 1 Eq 5.1 Eq 5.2 Donde se han tomado n mediciones. La desviación estándar se toma generalmente como un indicador de la dispersión de los valores respecto al promedio. Puede tomarse un múltiplo de este valor como incertidumbre de la medida, dependiendo del intervalo de confianza que se desee. Por ejemplo, para una distribución gaussiana, el intervalo ± está asociado con una probabilidad del 68%, mientras que una de ±2 con 96%. Cuando realizamos una serie de medidas, decimos que tomamos una muestra del universo de valores posibles. Este conjunto tiene una media, la que llamaremos <x> y una desviación estándar ori. Si dividimos el conjunto en subconjuntos de m valores, cada uno con su propia media, obtenemos un nuevo conjunto de valores asociados a la medida. Este conjunto tiene la misma media que el original pero una desviación menor.
5 El valor medio tiene una desviación estándar med menor que la distribución de valores individuales original ori. σ med = σ ori m Eq 5.3 Podemos reducir la cantidad de conjuntos haciendo crecer m, el máximo valor es m=n, que en la práctica se toma como desviación de la media. Un problema del práctico aclara estos conceptos. Tomamos el valor de med como la incertidumbre asociada al valor estimado de la magnitud. Puede parecer que tomando un número grande de medidas puede reducirse la incertidumbre por el factor que se quiera. Esto en general choca con nuestra posibilidad de mantener el experimento constante durante un tiempo largo. Note que lo que se reduce es la incertidumbre tipo A, asociada a las variaciones de la magnitud. Para el tipo B, no se dispone de un conjunto de datos numéricos, por lo que debe asignarse una incertidumbre a la magnitud. En este caso, se considera que la magnitud varía según una determinada distribución de probabilidad. En este curso consideraremos dos distribuciones de probabilidad posibles para nuestras variables: la distribución de densidad uniforme y la distribución gaussiana. Llamando p(x) a la función de densidad de probabilidad de la variable aleatoria x, la probabilidad P [x1,x 2 ] de que una medida caiga en el intervalo [x 1, x 2 ] es x 2 P [x1,x 2 ] = p(x)dx. Eq 5.4 x 1 A partir de la densidad de probabilidad, el valor medio puede calcularse como x = x. p(x)dx. Eq 5.5 Para el caso continuo, la varianza, que es el valor de 2, se puede calcular como el valor medio de (x < x >) 2. En este caso tenemos σ 2 = (x x ) 2. p(x)dx = x 2. p(x)dx x 2. Eq 5.6
6 5.3.1 Distribución de densidad uniforme La densidad uniforme supone que todos los valores en un determinado intervalo [a, b], en particular cada intervalo de diferencias, dx, poseen la misma probabilidad. Figura 5.1 Densidad uniforme de probabilidad La función de densidad de probabilidad se escribe: { p(x) = 1 b a, p(x) = 0, En este caso la desviación estándar es: σ = b a 2 3 para a < x < b para otro caso Eq 5.7 Eq 5.8
7 5.3.2 Distribución Normal o Gaussiana La función de densidad de probabilidad se escribe: p(x) = 1 (x x ) 2 2πσ e 2σ 2 Eq 5.9 Esta expresión normalizada está en función del valor medio y la desviación estándar. Figura 5.2 Densidad de probabilidad gaussiana 5.4 Cálculo de la incertidumbre y margen de seguridad dependientes sólo del instrumento Cuando realizamos una medida en la práctica, generalmente tomamos un valor único. La información de que disponemos es la del fabricante del instrumento de medida que nos da un error asociado. El dato del fabricante en realidad es un margen de validez de la medida; se cubre de errores sistemáticos, que se sabe que existen, pero sería muy costoso corregir y cubre los márgenes de incertidumbre. De esta forma, bajo el nombre error dado por el fabricante, se engloban errores de diversa causa e incertidumbre. Cómo proceder? No sabemos cómo corregir los errores sistemáticos y, lo que es peor, no sabemos su peso dentro del error del fabricante. Tenemos dos alternativas: suponer una estadística y que todo el intervalo es incertidumbre o definir un margen de seguridad dado por los valores máximos del fabricante, como una cota para los valores posibles. El primer enfoque es mejor para instrumentos de calidad, mientras que el segundo es más conservador y puede ser útil en el caso de instrumentos donde se supone que pueden existir errores sistemáticos importantes. En el caso de instrumentos de mala calidad, no podemos asegurar que, en un punto particular de la escala, la distribución de incertidumbre esté centrada en el valor leído. Es más, puede variar dependiendo del punto de la escala en que se toma la lectura. El
8 segundo enfoque es conservador en la mayoría de los puntos de la escala, pero al menos estamos del lado seguro. Para el caso de un instrumento de calidad, identificamos dos fuentes de incertidumbre: la apreciación finita del instrumento y la incertidumbre de medida informada por el fabricante. Para determinar la incertidumbre a partir de esto, debe suponerse una estadística y calcular la desviación estándar. A falta de más datos, puede suponerse una densidad de probabilidad uniforme. Si el valor leído por el instrumento es M y el fabricante dice que el margen de validez es m, esto significa que el resultado pertenece al conjunto [M m, M + m]. Si se supone la estadística uniforme, la desviación es m. Este criterio se aplica para la apreciación 3 y en algunos casos para la incertidumbre de medida. El otro caso en instrumentos de calidad es que la incertidumbre de medida sea gaussiana, con un intervalo de confianza de un determinado porcentaje. Esto es, el fabricante nos da un valor que corresponde a kσ, donde k es un factor de cobertura para asegurar un determinado porcentaje en el intervalo. En este caso hablamos de incertidumbre extendida. La siguiente tabla muestra valores posibles de k y la probabilidad asociada. Intervalo de confianza [%] Factor de cobertura (k) Tabla 5.1 Factores de cobertura para cálculo de incertidumbre extendida. Como en el caso anterior, el resultado pertenece al conjunto [M m, M + m]. Podemos asumir que = m, conociendo el intervalo de confianza. k Cómo combinamos ambas incertidumbres? La varianza total en este caso es la suma de las varianzas, ambos factores pesan uno en la suma. 2 σ = σ med + σ2 apr Eq 5.9 Si en este instrumento además se realiza una serie de medias para evaluar las condiciones ambientales y la fluctuación del resultado, esta da una incertidumbre de tipo A, cuya varianza se suma dentro de la raíz en la Eq. 5.9.
9 5.5 Cálculo de la incertidumbre y margen de seguridad combinadas En muchos casos, las magnitudes se expresan a partir de una fórmula de cálculo, dónde se miden algunas variables y se obtienen otras de tablas o datos de fabricantes. Esto es, la magnitud y es función de otras magnitudes x i. y = f(x 1, x 2,, x i,, ) Eq 5.10 Si cada una de las variables tiene una varianza σ i 2, en el caso de variables estadísticamente independientes se tiene σ y = ( f x i ) 2 σ i 2. Eq 5.11 El margen de incertidumbre asociado a la magnitud y es la varianza obtenida de En el caso de que las magnitudes tengan correlación estadística, deben considerarse las covarianzas. En el caso de una medida realizada con un instrumento de calidad, procedemos de esta manera, agregando al final un factor de cobertura para dar un margen de confianza del porcentaje deseado. En caso de mayor duda sobre los datos, puede calcularse una cota o margen de seguridad de la forma y = f x i xi. Eq 5.12 Esta estimación es más conservadora que 5.11, pero es mucho más simple de utilizar, ya que considera sólo los valores extremos del intervalo y de esta forma se está del lado seguro.
INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO
INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO 1. Introducción 2. Error e incertidumbre 3. Exactitud y precisión de medida 4. Tipos de medidas 5. Incertidumbre típica o de medida 6. Incertidumbre
Más detallesCALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS
Gestor de Calidad Página: 1 de 5 1. Propósito Establecer una guía para el cálculo de la incertidumbre asociada a las mediciones de los ensayos que se realizan en el. Este procedimiento ha sido preparado
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesUnidad 3: Incertidumbre de una medida
Apoyo para la preparación de los estudios de Ingeniería y Arquitectura Física (Preparación a la Universidad) Unidad 3: Incertidumbre de una medida Universidad Politécnica de Madrid 12 de abril de 2010
Más detallesDistribución Gaussiana o normal
FLUCTUACIONES ESTADÍSTICAS Los postulados fundamentales de la teoría estadística de errores establecen que, dado un conjunto de medidas, todas efectuadas en idénticas condiciones, suficientemente grande
Más detallesÍndice. TEMA 3. Evaluación de la incertidumbre típica. 1. Clasificación de las medidas: Ejemplos. 2. Función de transferencia.
INTRODUCCIÓN A LA METROLOGÍA Curso Académico 2011-1212 Rafael Muñoz Bueno Laboratorio de Metrología y Metrotecnia LMM-ETSII-UPM TEMA 3. Evaluación de la incertidumbre típica Índice 1. Clasificación de
Más detallesTeoría de errores. 4 Otro de estos ejemplos pueden ser el de la medición de la densidad de un compuesto sólido o la velocidad de la luz.
1. Preliminar Cuando se realizan mediciones siempre estamos sujetos a los errores, puesto que ninguna medida es perfecta. Es por ello, que nunca se podrá saber con certeza cual es la medida real de ningún
Más detallesTema 04: Medición y error. M. en C. Edgardo Adrián Franco Martínez edgardoadrianfrancom
Tema 04: Medición y error M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Definiciones Error de medición Causas de errores de
Más detallesINCERTIDUMBRE DE LA MEDIDA
INCERTIDUMBRE DE LA MEDIDA 22 de septiembre de 2017 1. Resultado de la mediciòn 2. Definiciones 3. Por qué se debe estimar la incertidumbre 3. Modelo matemático 4. Valor mejor estimado 5. Dos métodos de
Más detallesERRORES. Identificar las causas de errores en las medidas. Expresar matemáticamente el error de una medida cm cm cm 4 12.
ERRORES OBJETIVOS Identificar las causas de errores en las medidas.. lasificar los errores según sus causas. Expresar matemáticamente el error de una medida. Determinar el error del resultado de una operación
Más detallesPráctica 2. Tratamiento de datos
Errores Todas las medidas que se realizan en el laboratorio están afectadas de errores experimentales, de manera que si se repiten dos experiencias en las mismas condiciones es probable que los resultados
Más detallesEn ciencias e ingeniería (experimentales) es imprescindible realizar mediciones, que consisten en obtener
ERRORES DE MEDICION Y SU PROPAGACION En ciencias e ingeniería (experimentales) es imprescindible realizar mediciones, que consisten en obtener la magnitud fisica de algun atributo de objetos ( proceso,
Más detallesEXPERIMENTO 2 (DOS SESIONES)
1 EXPERIMENTO 2 TRATAMIENTO ESTADÍSTICO DE DATOS EXPERIMENTALES Y APLICACIÓN DEL MÉTODO GENERAL PARA EL CÁLCULO DE INCERTIDUMBRE DE MEDICIÓN (MEDIDAS DIRECTAS) (DOS SESIONES) 1. OBJETIVOS Realizar de manera
Más detallesErrores e Incertidumbre. Presentación PowerPoint de Ana Lynch, Profesora de Física Unidad Educativa Monte Tabor Nazaret
Errores e Incertidumbre Presentación PowerPoint de Ana Lynch, Profesora de Física Unidad Educativa Monte Tabor Nazaret Notación Científica 0 1 2 (1,45 ± 0,05) cm Objetivos: Después de completar este tema,
Más detallesIntroducción a la Teoría de Errores
Introducción a la Teoría de Errores March 21, 2012 Al medir experimentalmente una magnitud física (masa, tiempo, velocidad...) en un sistema físico, el valor obtenido de la medida no es el valor exacto.
Más detallesENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES
ENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES Índice 1. Experimento y medición...1 2. Frecuencia y probabilidad...3 3. Características teóricas de las variables aleatorias...25 4.
Más detallesMediciones II. Todas las mediciones tienen asociada una incertidumbre que puede deberse a los siguientes factores:
Mediciones II Objetivos El alumno determinará la incertidumbre de las mediciones. El alumno determinará las incertidumbres a partir de los instrumentos de medición. El alumno determinará las incertidumbres
Más detallesEXPERIMENTO 2 (DOS SESIONES)
1 EXPERIMENTO 2 TRATAMIENTO ESTADÍSTICO DE DATOS EXPERIMENTALES Y APLICACIÓN DEL MÉTODO GENERAL PARA EL CÁLCULO DE INCERTIDUMBRE DE MEDICIÓN (MEDIDAS DIRECTAS) 1. OBJETIVOS (DOS SESIONES) Realizar de manera
Más detallesEJEMPLO DE CÁLCULO DE INCERTIDUMBRES
EJEMPLO DE CÁLCULO DE INCERTIDUMBRES Es de fundamental importancia, para la correcta interpretación de los resultados, asignar a cada medida el valor de la incertidumbre que suponemos tiene la misma, Históricamente
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesAlgunas nociones básicas sobre Estadística
Escuela de Formación Básica - Física 1 Laboratorio - 10 Semestre 2010 Comisiones 15 Y 16 (Docentes: Carmen Tachino - Graciela Salum) ntroducción Algunas nociones básicas sobre Estadística Como se ha explicado
Más detallesUNIVERSO QUE QUEREMOS ESTUDIAR
EXPERIMENTACION UNIVERSO QUE QUEREMOS ESTUDIAR QUEREMOS saber: Cómo funciona? Cómo evolucionará en el tiempo? EXPERIMENTACION SISTEMA Porción representativa del universo de estudio Obtenemos información
Más detalles5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD
Distribución normal 5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. Su grafica, que se denomina
Más detalles2. INSTRUMENTACIÓN EN TEORÍA DE CIRCUITOS.
2. Instrumentación en teoría de circuitos. 2. INSTRUMENTACIÓN EN TEORÍA DE CIRCUITOS. 1) OBJETIVOS. El objetivo fundamental de esta segunda práctica es la comprobación experimental de la asociación de
Más detallesPráctica 1. Medidas y Teoría de Errores
Práctica 1. Medidas Teoría de Errores Versión 3 Programa de Física, Facultad de Ciencias, Instituto Tecnológico Metropolitano (Dated: 25 de julio de 2016) I. OBJETIVO Realizar medidas de algunas cantidades
Más detallesTema 04: Medición y error
Tema 04: Medición y error Solicitado: Ejercicios 01: Análisis estadístico M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Definiciones
Más detallesMEDIDAS. Error accidental. Error Sistemático. Cantidad de la magnitud A. Número, MEDIDA. Cantidad de la magnitud A tomada como referencia.
MEDIDAS Cantidad de la magnitud A Número, MEDIDA Cantidad de la magnitud A tomada como referencia. UNIDAD Las mediciones no son perfectas. Llevan asociadas un determinado error, una incertidumbre. Los
Más detallesConceptos básicos estadísticos
Conceptos básicos estadísticos Población Población, en estadística, también llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan las observaciones. El concepto
Más detallesMuestreo y Distribuciones en el Muestreo
Muestreo y Distribuciones en el Muestreo Departamento de Estadística-FACES-ULA 03 de Abril de 2013 Introducción al Muestreo En algunas ocaciones es posible y práctico examinar a cada individuo en el Universo
Más detallesMEDICIONES PRECISION Y EXACTITUD
MEDICIONES PRECISION Y EXACTITUD MEDICIONES Observaciones que describen los fenómenos para que puedan analizarse estadísticamente. VALIDEZ INTERNA Grado con que las conclusiones del investigador describen
Más detallesCampo de medida (Rango, Range)
Campo de medida (Rango, Range) Es el conjunto de valores de la variable medida que están comprendidos entre los límites superior e inferior de la capacidad de medida o de transmisión del instrumento, se
Más detallesCRITERIOS Y RECOMENDACIONES. DETERMINACIÓN DE LA INCERTIDUMBRE DE MEDIDA DE AGENTES QUÍMICOS Incertidumbre del volumen de aire muestreado
CRITERIOS Y RECOMENDACIONES DETERMINACIÓN DE LA INCERTIDUMBRE DE MEDIDA DE AGENTES QUÍMICOS Incertidumbre del volumen de aire muestreado CR-04/2008 Autoras: Begoña Uribe Ortega Mª José Quintana San José
Más detallesCálculo de incertidumbre del experimento Energía Potencial Elástica.
UNIVERSIDAD AUTÓNOMA DE SANTO DOMINGO LABORATORIO FÍSICA GENERAL I (FIS ) Semestre -07 Valor: 0% Matrícula Nombre Apellidos Sección Fecha Cálculo de incertidumbre del experimento Energía Potencial Elástica.
Más detallesIntroducción al tratamiento de datos
Introducción al tratamiento de datos MEDICIÓN? MEDICIÓN Conjunto de operaciones cuyo objetivo es determinar el valor de una magnitud o cantidad. Ej. Medir el tamaño de un objeto con una regla. MEDIR? MEDIR
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detalles6. Incertidumbre de los datos
6. Incertidumbre de los datos 6.1 Introducción Existen varias maneras de calcular la incertidumbre de los datos obtenidos por un cierto método, cuyos resultados pueden variar levemente de acuerdo a los
Más detallesMEDICIÓN OBJETIVOS. Fundamentos Teóricos. Medición. Cifras Significativas
OBJETIVOS MEDICIÓN Declarar lo que es una medición, error de una medición, diferenciar precisión de exactitud. Reportar correctamente una medición, con las cifras significativas correspondientes utilizando,
Más detallesUTN FRM MEDIDAS ELECTRÓNICAS 1 Página 1 de 5 ERRORES
UTN FRM MEDIDAS ELECTRÓNICAS 1 Página 1 de 5 ERRORES Medir es determinar cuantas veces una unidad de medida esta comprendida en la magnitud a medir. La cifra encontrada, multiplicada por la unidad de medida
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesCap. 5 : Distribuciones muestrales
Cap. 5 : Distribuciones muestrales Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 18 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 La distribución de tiempo que supone el PERT para una actividad es una distribución
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesTeoria de Errores. Hermes Pantoja Carhuavilca. Facultad de Ingeniería Mecanica Universidad Nacional de Ingeniería. Hermes Pantoja Carhuavilca 1 de 31
Hermes Pantoja Carhuavilca Facultad de Ingeniería Mecanica Universidad Nacional de Ingeniería Métodos Numérico Hermes Pantoja Carhuavilca 1 de 31 CONTENIDO Introducción Hermes Pantoja Carhuavilca 2 de
Más detallesIncertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos. Cómo cumplir con requisitos de la ISO 15189
Incertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos Cómo cumplir con requisitos de la ISO 15189 Calidad en mediciones químicas Validación de métodos Estoy midiendo lo que intentaba
Más detallesMediciones experimentales
Mediciones experimentales Extraído de Análisis de Datos e Incertidumbres en Física Experimental ; S. Pérez, C. Schurrer y G. Stutz; Famaf - UNC La importancia del experimento en la ciencia: La física,
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesELECTRICIDAD Y MAGNETISMO TRABAJO PRÁCTICO Nº 11 "INSTRUMENTAL Y MEDICIONES ELECTRICAS"
ELECTRICIDAD Y MAGNETISMO TRABAJO PRÁCTICO Nº 11 "INSTRUMENTAL Y MEDICIONES ELECTRICAS" CONTENIDOS Conceptos básicos de mediciones eléctricas. Tipos de instrumentos de medición. Descripción y Uso de los
Más detallesLas medidas y su incertidumbre
Las medidas y su incertidumbre Laboratorio de Física: 1210 Unidad 1 Temas de interés. 1. Mediciones directas e indirectas. 2. Estimación de la incertidumbre. 3. Registro de datos experimentales. Palabras
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesPráctica No 1. Análisis estadísticos de los datos termodinámicos
Práctica No 1 Análisis estadísticos de los datos termodinámicos 1. Objetivo general: Aplicación correcta de las herramientas estadísticas en el manejo de propiedades, tales como: presión, temperatura y
Más detallesVALOR MEDIO Y DESVIACION ESTANDAR DE UNA SERIE DE MEDIDAS. x 1, x 2, x 3,..., x N. La media aritmética de las N medidas (valor medio o promedio) será:
VALOR MEDIO Y DESVIACION ESTANDAR DE UNA SERIE DE MEDIDAS Si medimos N veces la magnitud de interés obtendremos los N datos eperimentales: 1, 2, 3,..., N La media aritmética de las N medidas (valor medio
Más detallesTEMA 2.- VARIABLES ALEATORIAS
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 16/17 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias. 2.2. Variables aleatorias discretas. Diagrama de barras. 2.3. Función de
Más detallesSistemas de Medición. Unidad I: Conceptos básicos de mediciones
Unidad I: Conceptos básicos de mediciones Presentado por: Ing. Alvaro Antonio Gaitán Encargado de Cátedra FEC-UNI 20 de abr de 2015 Ing. Electrónica Objetivos de la Unidad I Describir un proceso de medición
Más detallesTeniendo en cuenta que si el voltaje se mide en Volts y la corriente en Amperes las unidades de resistencia resultan ser
Ley de Ohm La resistencia eléctrica de un resistor se define como la razón entre la caída de tensión, entre los extremos del resistor, y la corriente que circula por éste, tal que Teniendo en cuenta que
Más detallesDistribución de probabilidad
Los experimentos aleatorios originan resultados y los resultados nos permiten tomar decisiones Por ejemplo, en un partido de fútbol si se lanza una moneda y sale cara parte la visita, de lo contrario parte
Más detallesDEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Más detallesDATOS: 1. DIÁMETRO D (diámetro nominal del cilindro 15 mm): a) Instrumento utilizado: micrómetro de rango 0-25 mm y apreciación 0.01 mm.
METROLOGIA E INGENIERIA DE CALIDAD 1 EJERCICIO 1 (Modelo resuelto) Se desea determinar el volumen del cilindro hueco de la figura y su correspondiente incertidumbre expandida para un intervalos de confianza
Más detallesEstimación de Parámetros
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: p Estimación de Parámetros Prueba de Hipótesis Estimación
Más detallesRESUMEN de TEORIA DE ERRORES
RESUME de TEORIA DE ERRORES La sensibilidad de un instrumento es la variación más pequeña que éste puede medir, y suele corresponder a la división más pequeña de la escala de medida o a una fracción de
Más detallesProbabilidad y Procesos Aleatorios
y Dr. Héctor E. Poveda P. hector.poveda@utp.ac.pa www.hpoveda7.com.pa @hpoveda7 Plan del curso Probabilidad Múltiples 1. Probabilidad Espacios probabilísticos Probabilidad condicional 2. 3. Múltiples 4.
Más detallesCONVERGENCIA DE LA REPETIBILIDAD DE ENSAYOS DE AISLAMIENTO A RUIDO AÉREO IN SITU
CONVERGENCIA DE LA REPETIBILIDAD DE ENSAYOS DE AISLAMIENTO A RUIDO AÉREO IN SITU PACS: 43.50.Ba Pablo Luque, Dásil Fernández, Carlos de la Colina, Francisco Simón Instituto de Acústica CSIC C. Serrano,
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesTeoría de Telecomunicaciones
El Ruido y su Filtraje Universidad del Cauca Teoría de Telecomunicaciones 1 Introducción El Ruido Las señales eléctricas no deseadas suelen ser generadas por diversas fuentes, generalmente clasificadas
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesTeniendo en cuenta que si el voltaje se mide en Volts y la corriente en Amperes las unidades de resistencia resultan ser
Ley de Ohm La resistencia se define como la razón entre la caída de tensión, entre los dos extremos de una resistencia, y la corriente que circula por ésta, tal que 1 Teniendo en cuenta que si el voltaje
Más detallesMetrología e incertidumbre
1. Introducción Metrología e incertidumbre Universidad Nacional de Colombia Bogotá D.C., Colombia Angie C. Guevara, Daniela A. Casallas, Juan D. Urrea Facultad de ciencias Departamento de física La postura
Más detallesCONCEPTOS DE ERROR Y TOLERANCIA
UNIVERSIDAD AUTÓNOMA CHAPINGO DEPARTAMENTO DE IRRIGACIÓN Cap 1. Introducción (Definiciones y conceptos básicos) CONCEPTOS DE ERROR Y TOLERANCIA Profesor: M. C. Fco. Raúl Hernández Saucedo 1 Conceptos de
Más detallesCÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES
OBJETIVOS CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES Reportar correctamente resultados, a partir del procesamiento de datos obtenidos a través de mediciones directas. INTRODUCCION En el capítulo de medición
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesDISEÑO DE EXPERIMENTOS
DISEÑO DE EXPERIMENTOS Dr. Héctor Escalona hbescalona@yahoo.com hbeb@xanum.uam.mx Diseño de 1. Introducción al diseño de 2. Herramientas de inferencia estadística 3. para la comparación de dos tratamientos
Más detalles2 MEDICIÓN DE VARIABLES Y LA INCERTIDUMBRE EN LA MEDIDA
2 MEDICIÓN DE VARIABLES Y LA INCERTIDUMBRE EN LA MEDIDA 2.1 Concepto de variable y tipos de variable. 2.2 El concepto de medir y unidades de medida. 2.3 Incertidumbre en la medida (incertidumbre absoluta
Más detallesMáster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesINCERTIDUMBRE Y ERROR EN LAS MEDICIONES EXPERIMENTALES. Profesor: Iván Torres Álvarez Física, Nivel Medio LOGO
INCERTIDUMBRE Y ERROR EN LAS MEDICIONES EXPERIMENTALES Profesor: Iván Torres Álvarez Física, Nivel Medio LOGO Contenidos Introducción a Errores Incertidumbre de los Resultados Incertidumbre en las Gráficas
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesDefinición de variable aleatoria
Variables aleatorias Instituto Tecnológico Superior de Tepeaca Agosto-Diciembre 2015 Ingeniería en Sistemas Computacionales M.C. Ana Cristina Palacios García Definición de variable aleatoria Las variables
Más detallesTIPOS DE ERRORES: DEFINICIÓN, IMPACTO EN LA MEDICIÓN, CLASIFICACIÓN, CAUSAS DE LOS ERRORES, CONSECUENCIAS EN LA MEDICIÓN, ESTUDIOS DE R Y R
TIPOS DE ERRORES: DEFINICIÓN, IMPACTO EN LA MEDICIÓN, CLASIFICACIÓN, CAUSAS DE LOS ERRORES, CONSECUENCIAS EN LA MEDICIÓN, ESTUDIOS DE R Y R Al hacer mediciones, las medidas que se obtienen nunca son exactamente
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detalles3.9. Medición de la densidad de un material sólido
3.9. Medición de la densidad de un material sólido El físico siempre está a la búsqueda de estrategias que le permitan conocer, con cierto nivel de precisión (aceptable), el valor de las variables aleatorias
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesConceptos de Probabilidad y estadística. Jhon Jairo Padilla A., PhD
Conceptos de Probabilidad y estadística Jhon Jairo Padilla A., PhD Introducción La ingeniería de tráfico está soportada sobre conceptos de probabilidad y estadística como: Probabilidad Variable aleatoria
Más detalles2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesPlanteo del problema, Hipótesis (Construcción y Análisis de modelos) Predicciones: alcance de las hipótesis. EXPERIMENTOS Selección del/los modelos
Planteo del problema, Hipótesis (Construcción y Análisis de modelos) Predicciones: alcance de las hipótesis EXPERIMENTOS Selección del/los modelos Obtención de leyes Validación de/los modelos EXPERIMENTACIÓN
Más detallesVariables Aleatorias y Principios de Simulación.
Variables Aleatorias y Principios de Simulación http://humberto-r-alvarez-a.webs.com Conceptos de probabilidad La Teoría de Probabilidad trata fenómenos que pueden ser modelados por experimentos cuyos
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira
Más detallesControl Estadístico de Procesos Capacidad de Proceso
Control Estadístico de Procesos Capacidad de Proceso Un proceso de fabricación es un conjunto de equipos, materiales, personas y métodos de trabajo que genera un producto fabricado. Maquinaria Métodos
Más detallesCALIBRACIÓN DE MULTÍMETROS DIGITALES
CALIBRACIÓN DE MULTÍMETROS DIGITALES HENRY POSTIGO LINARES Sub Jefe del Servicio Nacional de Metrología 18 de mayo de 2012 CONTENIDO 1.- Metrología eléctrica 2.- Multímetros: características 3.- Métodos
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesInstrumentos de medida. Estimación de errores en medidas directas.
Instrumentos de medida. Estimación de errores en medidas directas. Objetivos El objetivo de esta primera práctica es la familiarización con el uso de los instrumentos de medida y con el tratamiento de
Más detalles- Magnitudes y unidades - El S.I. de unidades - Medida y error. Física Física y química 1º 1º Bachillerato
- Magnitudes y unidades - El S.I. de unidades - Medida y error Física Física y química 1º 1º Bachillerato Magnitud Es todo aquello que puede ser medido Medición Medir Conjunto Es comparar de actos una
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
Más detallesX N USO DE LA ESTADÍSTICA
Química Analítica (93) USO DE LA ESTADÍSTICA ormalmente el experimentador hace uso de las herramientas estadísticas para establecer claramente el efecto del error indeterminado. En QUÍMICA AALÍTICA las
Más detallesVariables aleatorias 1. Problema 1
Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal
Más detallesESTADÍSTICA INFERENCIAL. Sesión 6: Distribuciones de probabilidad para variables aleatorias continuas
ESTADÍSTICA INFERENCIAL Sesión 6: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas que toman estrictamente valores enteros,
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detalles