5 Incertidumbre y errores
|
|
- Elena Álvarez Villalba
- hace 5 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. Ejemplo 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.
2 5.2 Concepto de error e incertidumbre Problema de la nomenclatura 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 verdadero valor asociado a una medida, siempre hay un margen de incertidumbre en lo que medimos. El antiguo concepto de error Si bien aún tiene validez, se ha limitado su alcance. Antiguamente se hablaba de errores groseros, errores sistemáticos y errores aleatorios. El error grosero corresponde a aquel introducido durante el proceso de medida debido a la manipulación errada: una persona que se equivoca. Sabiendo o no a priori que se está introduciendo un error, al detectar el problema luego de obtenido el resultado, se puede corregir o cuantificar este error grosero y descartar la medida si fuera el caso. El error sistemático corresponde a 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 cuando conduce. 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 cambia el error por 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. 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 tenga pequeñas variaciones. Antiguamente llamábamos a esto error aleatorio, sin embargo, no se trata de un error, sino de nuestra imposibilidad de conocer todas las variables que afectan la medida. Hoy en día, estos aspectos se consideran comprendidos en la incertidumbre. En general estas fluctuaciones son pequeñas, pero si nuestro instrumento tiene una apreciación pequeña, puede detectarlas. Perspectiva actual Como no existe un verdadero valor asociado a la magnitud, es incorrecto hablar de error en el resultado. Lo que sí hay son errores de procedimiento y de modelado, que pueden ser corregidos y por ello se trata de errores. Aquí caen los groseros y los sistemáticos.
3 Síntesis: error vs. incertidumbre Resumiendo, actualmente se le llama error a lo que puede ser entendido, modelado y corregido. Este concepto no involucra la diferencia respecto a ningún valor ideal, simplemente reconoce que se erra en el procedimiento y puede hacerse la corrección. Los errores, en la mayoría de los casos, no tienen sesgo estadístico. A partir de determinada apreciación en una medida, se llega a un límite donde los resultados fluctúan aleatoriamente y es imposible obtener un valor único. En este caso, se habla de incertidumbre. 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. La estadística pude obtenerse de forma directa o estimarla a partir de datos y modelos. Existen diversas fuentes de incertidumbre, las cuales se discuten con más detalle en la próxima sección. Límites de incertidumbre a distintos niveles 1- Hay un nivel de apreciación en que una magnitud física deja de tener sentido desde el punto de vista experimental. A modo de ejemplo, en medidas de longitud y masa macroscópicas, no tienen sentido resoluciones menores que el tamaño y la masa de un electrón respectivamente. Puede discutirse el límite, pero es claro que existe, no podemos asociar cualquier número real al resultado de una medida. Lo anterior es válido aplicando razonamientos clásicos; el mundo microscópico es cuántico y esencialmente probabilístico. 2- Un nivel más alto corresponde al objeto a medir (mesurando). Por ejemplo, la longitud de una barra depende del paralelismo y el pulido de sus extremos. También la masa de un objeto depende de la limpieza de su superficie. 3- Un nivel más alto corresponde a las fluctuaciones provocadas por la variabilidad del ambiente de medida. Siempre existen factores externos fuera de nuestro control: temperatura, humedad, ruido electromagnético, vibraciones, etc. Puede lograrse algún control sobre las condiciones, pero nunca es completo. Por ejemplo, se puede trabajar a temperatura controlada, pero no es posible evitar la fluctuación térmica. 4- Otra fuente de incertidumbre es dada por la apreciación del instrumento de medida.
4 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. 5- 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 en sí, por ejemplo constantes físicas y medidas auxiliares, también tienen una incertidumbre, que se trasladará a nuestro resultado. 5.3 Definiciones y estadística de incertidumbre Daremos algunas definiciones para el análisis de incertidumbre basada en una estadística asociada al resultado de la medida. 1 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. El objetivo de una medida consiste en determinar el valor de un mesurando. La medida implica la especificación del mesurando, el método y el procedimiento. 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. Se considera cuando 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: 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 Uso de factores de corrección Otros 1 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.
5 En el ejemplo del diodo en la medida RMS del apartado anterior, se tiene una incertidumbre tipo B debida al factor de corrección. El voltaje del diodo depende de la temperatura, la corriente en el circuito, ruido eléctrico, etc. Entonces, al asignarle un valor para eliminar el error, se introduce una incertidumbre. 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. Cálculo de la incertidumbre Evaluación estadística de la incertidumbre 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. Valor medio: x = n i=1 x i n Desviación estándar: σ ori = n i=1 (x i x ) 2 n 1 Eq 5.1 Eq 5.2 Donde se han tomado n mediciones. La desviación estándar σ ori se toma generalmente como un indicador de la dispersión de los valores respecto al promedio. Puede tomarse un múltiplo de σ ori 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 uno de ±2 con 96%. Cuando realizamos una serie de medidas, decimos que tomamos una muestra del universo de valores posibles. Este conjunto tiene media x y desviación estándar ori. Si dividimos el conjunto en subconjuntos de p valores cada uno, obtenemos un nuevo conjunto cuyos elementos son los valores medios de cada subconjunto. El conjunto de subconjuntos tiene la misma media que el original, pero una desviación estándar σ med menor, estando las desviaciones estándar relacionadas por la ec σ med = σ ori p Eq 5.3 Podemos reducir la cantidad de subconjuntos haciendo crecer p. El máximo valor es p = n, que en la práctica se toma como desviación de la media. Un problema del práctico aclara estos conceptos. Tomamos el valor de σ med como la incertidumbre tipo A asociada al valor estimado de la magnitud. Parecería que tomando un número grande de medidas puede reducirse la incertidumbre por el factor que se quiera, pero esto choca con la posibilidad de mantener el experimento constante durante un tiempo largo.
6 Evaluación estadística de la incertidumbre tipo B: No se dispone de un conjunto de datos numéricos, por lo que debe asumirse 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. Genéricamente 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 Al valor de σ 2 lo llamamos varianza. Para el caso continuo, se la puede calcular como el valor medio de (x x ) 2, como se muestra en la ec σ 2 = (x x ) 2. p(x)dx = x 2. p(x)dx x 2. Eq 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 Función de densidad de probabilidad: { p(x) = 1 b a, p(x) = 0, para a < x < b para otro caso Eq 5.7 Desviación estándar: σ = b a 2 3 Eq 5.8
7 5.3.2 Distribución Normal o Gaussiana Siendo su función de densidad de probabilidad como la de la figura 5.2, su expresión normalizada es la de la ec. 5.9, en función del valor medio y la desviación estándar. p(x) = 1 (x x ) 2 2πσ e 2σ 2 Eq 5.9 Figura 5.2 Densidad de probabilidad gaussiana 5.4 Incertidumbre y margen de seguridad dependientes 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, que nos da 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 lo que muchas veces el fabricante llama error, se engloban la incertidumbre y errores de diversa causa. 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. 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: puede incluso variar dependiendo del punto de la escala en que se toma la lectura. El segundo enfoque es conservador en la mayoría de los puntos de la escala, pero al menos estamos del lado seguro.
8 Instrumentos 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 de la medida a partir de esto, debe suponerse una estadística y calcular la desviación estándar. Cálculo para densidad de probabilidad gaussiana La incertidumbre de medida podría también ser 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 en distribución gaussiana. Como en el caso anterior, el resultado pertenece al conjunto [M m, M + m]. Podemos asumir que = m, conociendo el intervalo de confianza. k Cálculo para densidad de probabilidad uniforme A falta de más datos, puede suponerse esta distribución. 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 estándar es σ = m. 3 Es importante tener en cuenta que, en las hojas de datos, los fabricantes informan: m para la incertidumbre de medida 2m para la apreciación Para el cálculo de la incertidumbre extendida, se tiene en cuenta la siguiente tabla. Observar que k = 3 implica tomar el intervalo completo, por lo que el intervalo de confianza da 100%.
9 Tabla 5.2 Factores de cobertura para cálculo de incertidumbre extendida en distribución uniforme. Combinación de ambas incertidumbres La varianza total en este caso es la suma de las varianzas, teniendo ambos factores el mismo peso. 2 σ = σ med + σ2 apr Eq 5.9 Combinación con incertidumbre tipo A 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 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.
10 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.
5 Incertidumbre y errores
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
Más detallesMedidas y cifras significativas
Física Experimental 1 Medidas y cifras significativas 1. Mediciones En lo que sigue se definirán conceptos referentes a la realización y presentación de medidas conforme a los estándares internacionales
Más detallesINTRODUCCIÓN 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 detalles"Guide to the expression of Uncertainty in Measurement (GUM) Norma IRAM 35050:2001
"Guide to the expression of Uncertainty in Measurement (GUM) Norma IRAM 35050:001 Es un documento propuesto en 1980 por la autoridad internacional en metrología, el Comité Internacional de Pesas y Medidas
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 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 detallesIntroducción al tratamiento de datos experimentales. Aplicación en fisicoquímica
Introducción al tratamiento de datos experimentales Aplicación en fisicoquímica Medidas experimentales 1. 8.86 M H 2 O 2 100V 8.93M Titulación con KMnO 4 2. 8.78 M 3. 9.10 M Resultado promedio: 8.91 M
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 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 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 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 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 detallesTEMA 2 (1ra parte). Tratamiento de datos experimentales
Es imposible realizar un análisis químico sin que los resultados estén totalmente libres de errores o incertidumbre. Sin embargo es posible minimizarlos y estimar su magnitud con una exactitud aceptable.
Más detallesMediciones. Errores. Propagación de errores. Estadística. Prof. Arturo S. Vallespi
Mediciones. Errores. Propagación de errores. Estadística Prof. Arturo S. Vallespi Incertidumbre estadística: Qué ocurre si cada magnitud de interés en el experimento se mide más de una vez, por ejemplo
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 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 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) 1. OBJETIVOS (DOS SESIONES) Realizar de manera
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 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) (DOS SESIONES) 1. OBJETIVOS Realizar de manera
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
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 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 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 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 detallesEl plan de muestreo. Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi-
El plan de muestreo Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi- Y ahora qué? Cuántas muestras debo tomar? Cuántas veces debo realizar los ensayos?
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 detallesSimulación a Eventos Discretos. Clase 8: Análisis de resultados
Simulación a Eventos Discretos Clase 8: Análisis de resultados Muestras independientes Los resultados de una corrida de una simulación estocástica (denominados respuestas), son muestras de alguna distribución.
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
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 detallesRepaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
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 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 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 detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
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 detallesLaboratorio II: Mediciones y estadística. version 2.1
Laboratorio II: Mediciones y estadística. version 2.1 Héctor Cruz Ramírez 1 Instituto de Ciencias Nucleares, UNAM 1 hector.cruz@ciencias.unam.mx abril 2017 Índice 1. Resumen 1 2. Introducción 2 3. Teoría
Más detallesIntroducción al Diseño de Experimentos.
Introducción al Diseño de Experimentos www.academia.utp.ac.pa/humberto-alvarez Introducción Una población o universo es una colección o totalidad de posibles individuos, especímenes, objetos o medidas
Más detallesPor: Rolando Oyola Derechos
Por: Rolando Oyola Derechos Reservados@2014-15 1 Química Analítica Análisis Cualitativo revela la identidad química de las especies en una muestra. Análisis Cuantitativo establece la cantidad de las especies
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 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 detallesFundamentos de Física
Fundamentos de Física Tema 1. FÍSICA E INGENIERÍA-2 Ing. Francisco Miguel Pérez Ramírez Contenido 1.5 Mediciones directa e indirecta. 1.6 Conceptos de error, error sistemático y error aleatorio. 1.7 Sensibilidad
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 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 detallesMedición de la aceleración de la gravedad mediante plano inclinado
Medición de la aceleración de la gravedad mediante plano inclinado Segunda parte Lopez, Johanna Giselle (gyf_lola@hotmail.com) Martinez Roldan, Antu (antucolomenos@hotmail.com) Viglezzi, Ramiro (ramiro.viglezzi@gmail.com)
Más detallesTeoria de Errores. Mg. Hermes Pantoja Carhuavilca. Métodos Computacionales. Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial
Pantoja Carhuavilca Métodos Computacionales Agenda al estudio de métodos computacionales 3 Aproximación y Errores Los cálculos númericos inevitablemente conducen a errores Estos son de dos clases principales:
Más detallesMétodos de Diseño y Análisis de Experimentos
1 / 28 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM marzo 2018 Ideas básicas del diseño experimental Capítulo 4 de Analysis
Más detallesTEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES. Variable aleatoria (Real)
TEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES Grado Ing Telemática (UC3M) Teoría de la Comunicación Variable Aleatoria / 26 Variable aleatoria (Real) Función que asigna un valor
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 detallesGuía para examen departamental de la asignatura Laboratorio de Física (1210) Semestre
1 Guía para examen departamental de la asignatura Laboratorio de Física (1210) Semestre 2014-2 Señale la respuesta correcta Primera Parte. 1. El error de medición: a) Se disminuye conforme aumentamos las
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 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 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 detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Pasos en un proceso estadístico. Inferencia Estadística 3. Estimación Puntual
Más detalles2.- Procedimiento para el cálculo de incertidumbres
.- Procedimiento para el cálculo de incertidumbres.1.- Objeto y alcance El objeto de este procedimiento es establecer una sistemática general para calcular la incertidumbre asociada a la media de una serie
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 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 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 detallesDe vocabulario, cifras significativas, redondeos, mediciones y otras cosas. Elizabeth Hernández Marín Laboratorio de Física
De vocabulario, cifras significativas, redondeos, mediciones y otras cosas Elizabeth Hernández Marín Laboratorio de Física Cifras significativas El término cifras significativas se conoce también como
Más detallesErrores en medidas experimentales
Errores en medidas experimentales 1. Introducción Las magnitudes físicas son propiedades de la materia o de los procesos naturales que se pueden medir. Medir una cantidad de una magnitud es compararla
Más detallesRendimiento de un activo
Rendimiento de un activo Es la ganancia o pérdida total que experimenta el propietario de una inversión en un periodo de tiempo específico. Se obtiene como el cambio en el valor del activo más cualquier
Más detallesTabla 1. Incertidumbres típicas en la calibración de recipientes volumétricos por el método gravimétrico. (Son consideradas como referencia).
4. CALIBRACIÓN DE MATERIAL VOLUMÉTRICO 1.- OBJETIVO Realizar la calibración de material volumétrico por el método gravimétrico, para calcular el volumen, estimar la incertidumbre asociada y la trazabilidad
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 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 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 detallesErrores en las medidas
Reglas para expresar una medida y su error Medidas directas Medidas indirectas Errores en las medidas Reglas para expresar una medida y su error Toda medida debe de ir seguida por la unidad, obligatoriamente
Más detallesConceptos básicos de MUESTREO. Área de Epidemiología Básica FCV-UNCPBA
Conceptos básicos de MUESTREO Objetivo Obtener conclusiones válidas para la población, partiendo de una parte pequeña de ésta, denominada muestra Inferencia N n * Población diana: Aquella población de
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 detallesPart VII. Estadística I. Mario Francisco. Introducción a la inferencia. Estimación puntual. Propiedades deseables de los estimadores
Part VII La inferencia puede definirse como el conjunto de métodos mediante cuales podemos extraer información sobre distintas características de interés de cierta distribución de probabilidad de la cual
Más detallesUNIVERSIDAD DE PUERTO RICO HUMACAO DEPARTAMENTO DE QUIMICA Laboratorio de Química Física I
UNIVERSIDAD DE PUERTO RICO HUMACAO DEPARTAMENTO DE QUIMICA Laboratorio de Química Física I Tratamiento Estadístico de los datos Experimentales (Análisis de Error) I. Introducción El propósito fundamental
Más detallesINTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA Dado que los estimadores puntuales pocas veces serán iguales a los parámetros que se desean estimar, es posible darse mayor libertad utilizando estimadores
Más detalles