"Guide to the expression of Uncertainty in Measurement (GUM) Norma IRAM 35050:2001
|
|
- Bernardo Crespo Pinto
- hace 5 años
- Vistas:
Transcripción
1 "Guide to the expression of Uncertainty in Measurement (GUM) Norma IRAM 35050:001
2 Es un documento propuesto en 1980 por la autoridad internacional en metrología, el Comité Internacional de Pesas y Medidas (CIPM), bajo la denominación INC-1. Se ha convertido en un procedimiento aceptado mundialmente para la expresión de la incertidumbre de medición, de manera que mediciones realizadas en diferentes países puedan compararse fácilmente. Se emplea para: - Comparaciones internacionales de patrones - Investigación y desarrollo - Calibraciones y mediciones en general - Certificación de materiales de referencia - Generación de normas de referencia A esta guía se la conoce comúnmente como GUM La norma IRAM 35050:001 denominada Estadística Procedimientos para la evaluación de la incertidumbre de la medición es un documento nacional que sigue la recomendación INC-1.
3 Filosofía de la GUM: Distingue claramente entre el concepto de error y el de incertidumbre. Error Incertidumbre Es la diferencia entre el valor medido y el valor verdadero de la magnitud en cuestión. Es un único valor. Puede ser positivo o negativo. Es un concepto teórico pues el valor verdadero nunca se conoce. Es un parámetro que caracteriza la dispersión de los valores que pueden atribuirse razonablemente a una magnitud determinada. Nunca es negativa. Sumado o restado al valor medido define un intervalo con cierta probabilidad de contener el valor verdadero. Refleja la falta de un conocimiento completo del valor de una magnitud. 3
4 Filosofía de la GUM: En la práctica de la medición existen muchas posibles fuentes de incertidumbre, entre ellas: a) definición incompleta del mensurando. b) realización imperfecta de la definición del mensurando. c) muestra no representativa del mensurando. d) conocimiento inadecuado de los efectos de las condiciones ambientales sobre la medición, o medición imperfecta de dichas condiciones ambientales. e) lectura sesgada de instrumentos analógicos, por parte del operador. f) resolución finita del instrumento de medida. g) valores inexactos de los patrones de medida o de los materiales de referencia. h) valores inexactos de constantes y otros parámetros. i) aproximaciones y suposiciones establecidas en el método y procedimiento de medición. j) variaciones en la repetición de las observaciones del mensurando bajo condiciones aparentemente idénticas. 4
5 Filosofía de la GUM: MEDICIONES ELÉCTRICAS I La GUM considera un enfoque más realista que pesimista, es decir, presenta un método que contrasta con otros enfoques más antiguos, en los cuales se le daba a la incertidumbre un valor deliberadamente grande. Para la GUM todas las magnitudes son tratadas como variables aleatorias. Como todas las magnitudes son tratadas como variables aleatorias es la desviación normal o típica (lo que denominamos σ en la clase anterior) el parámetro que se usa como incertidumbre de una medición, y la ley de propagación de la varianza la que entra en juego como veremos enseguida. 5
6 Desarrollo matemático de la GUM: Sea un mensurando Y que se puede determinar a partir de otras N magnitudes de entrada X 1, X.. X N a través de una relación funcional f: Y = f(x 1, X, X N ) Cada magnitud de entrada X 1, X.. X N no se puede conocer con exactitud por lo que cada una de ellas tendrá una incertidumbre: X 1 = x 1 ± u(x 1 ) X = x ± u(x ) X N = x N ± u(x N ) En general: Donde: X i = x i ± u(x i ) X i valor de la magnitud "i" x i valor estimado ( medido ) de la magnitud " i" u( x i ) incertidumbre en la estimación de la magnitud " i" 6
7 Desarrollo matemático de la GUM: Según la GUM, tanto el valor de x i como el de u(x i ), se obtienen a partir de una distribución de valores posibles, porque para la GUM todas las variables de entrada tienen errores aleatorios. La distribución de probabilidad de la variable X i puede estar basada en frecuencias, es decir, basadas en una serie de observaciones de X i o puede ser una distribución que se supone a priori con base en la experiencia del operador. Esto da origen a dos métodos de evaluación de la incertidumbre u(x i ): de cada variable X i : Evaluación Tipo A y Evaluación Tipo B. 7
8 Formas de evaluar o encontrar cada u(x i ) en la GUM Evaluación Tipo A Evaluación Tipo B La incertidumbre u(x i ) se determina mediante el análisis estadístico de una serie de observaciones La incertidumbre u(x i ) se determina mediante un procedimiento distinto al análisis estadístico de una serie de observaciones, como por ejemplo: a partir de datos de mediciones previas, experiencia, conocimiento del comportamiento y las propiedades de los materiales e instrumentos, especificaciones de los fabricantes, datos obtenidos de certificados o manuales, de libros, etc. 8
9 Evaluación Tipo A de la incertidumbre u(x i ): Se utiliza cuando se han realizado n observaciones independientes de una de las magnitudes de entrada X i. En este caso: El mejor estimador de X i se considera que es la media aritmética de las observaciones: x i = x i = 1 n El mejor estimador de u(x i ) se considera que es la desviación de la media de la muestra: n j =1 x ij u(x i ) = σ(x i) S (x i) = S (x i ) n 9
10 Evaluación Tipo A de la incertidumbre u(x i ): El número de observaciones n debe ser lo suficientemente grande para que se pueda asegurar que x es un buen estimador de X i y que, S (xi ) es un buen estimador de σ(x i) n Si el número de observaciones n es pequeño (<10) y se asume que la distribución de los valores x i es normal, se puede usar la distribución de Student para mejorar la estimación. En ese caso: u(x i ) = σ(x i) S (x i) = t S (x i ) n Siendo: t : Factor extraído de la tabla de valores de t de Student para una probabilidad de 68,7% y grado de libertad n-1, que estima la dispersión entre la media de una muestra y la media de un universo. 10
11 Evaluación Tipo B de la incertidumbre u(x i ): La incertidumbre u(x i ) se evalúa aplicando un juicio científico basado en toda la información disponible sobre la posible variabilidad de x i. Se pueden presentar varios casos: Caso 1: Si la estimación x i se obtiene a partir de una especificación, un certificado de calibración, de manual, o de otra fuente, y su incertidumbre evaluada se indica como un múltiplo k de una desviación estándar σ, simplemente hay que utilizar σ que se puede encontrar desafectando el dato proporcionado por el k utilizado: u(x i ) = σ = dato proporcionado k 11
12 Evaluación Tipo B de la incertidumbre u(x i ): Caso : Si la estimación x i se obtiene a partir de una especificación, un certificado de calibración, de manual, o de otra fuente, y su incertidumbre evaluada define un intervalo que posee una probabilidad de cobertura del 90%, 95% o 99% por ejemplo, a menos que se indique otra cosa, se puede suponer que ha sido asumida una distribución normal y calcular con esa probabilidad el valor σ. u( x i ) calculado Desviación calculada a partir de una probabilidad que es dato (un área bajo la curva de Gauss o de otra distribución que se informe), 1
13 Evaluación Tipo B de la incertidumbre u(x i ): Caso 3: Si sólo pueden estimarse los límites superior e inferior, +a y -a para la magnitud X i. (p.e. especificaciones del fabricante de un instrumento de medición, intervalo de temperaturas, error de redondeo o de truncamiento, etc), se puede asumir una distribución rectangular. En ese caso: u(x i ) = σ = a 3 13
14 Evaluación Tipo B de la incertidumbre u(x i ): De donde surge que σ = a / 3 para una distribución rectangular? Partiendo de la varianza para n variantes que se calcula como: Varianza = 1 n n i=1 (v i v ) Se puede demostrar que se llega a la siguiente ecuación usando una distribución de probabilidades f (v) (una función continua) en lugar de las n mediciones, quedando esta expresión: Varianza = v μ f v dv 14
15 Evaluación Tipo B de la incertidumbre u(x i ): De donde surge que σ = a / 3 para una distribución rectangular? Resolviendo para una distribución de probabilidades rectangular de µ = 0 y ancho a se tiene: Varianza = x μ 1 x a Varianza = a 3 a = 1 a a 3 3 ( a)3 3 f x dx = x 1 dx a = a 3 a a σ = Varianza = a 3 15
16 EJEMPLOS DE DISTRIBUCIONES RECTANGULARES El error límite de un instrumento se puede usar para calcular u : valor medido clase Alcance 100 valor medido clase Alcance 100 La resolución de un instrumento digital: 1dígito El valor verdadero puede estar con igual probabilidad en cualquier punto entre: u V medido ( instrument o) clase Alcance 100 clase Alcance Dos mediciones que difieran en menos de la resolución de un instrumento digital se mostrarán iguales con la misma probabilidad. u( resolución ) Valor de 1 3 dígito 16
17 Evaluación Tipo B de la incertidumbre u(x i ): Caso 4: Si además del conocimiento de los límites superior e inferior hay evidencia de que la probabilidad es más alta para valores en el centro del intervalo y se reduce hacia los límites, puede ser más adecuado basar la estimación de la incertidumbre típica en una distribución triangular. En ese caso: u(x i ) = σ = a 6 17
18 Evaluación Tipo B de la incertidumbre u(x i ): De donde surge que σ = a / 6 para una distribución triangular? Resolviendo para una distribución de probabilidades triangular de µ = 0 y ancho a se tiene: 0 Varianza = x a Varianza = x μ 1 f x dx a x + 1 dx+ x a a 0 1 a x + 1 a dx Varianza = a 6 σ = Varianza = a 6 18
19 EJEMPLO DE DISTRIBUCION TRIANGULAR La temperatura de un baño termostático En un baño termostático, que se utiliza para medir la densidad de un líquido, la temperatura puede tener variación a lo largo del ensayo. Si se mide la temperatura antes y después de la medición de la densidad (resultando T inicial y T final ), se puede suponer que en el momento de la medición de la densidad la temperatura fue de (T inicial + T final )/ con una distribución triangular entre T inicial y T final. Así, la temperatura del ensayo podría ser: T ensayo T inicial T final u( T ensayo ) T final T 6 inicial Tinicial T ensayo Tfinal 19
20 Desarrollo matemático de la GUM: Cálculo de la incertidumbre combinada: Una vez calculada la incertidumbre de cada estimación de entrada x i, se debe calcular la incertidumbre del mensurando y denominada incertidumbre combinada que se simbolizada como u c (y), para obtener: Y = y ± u c (y) X 1 = x 1 ± u(x 1 ) X = x ± u(x ) Y = y ± u c (y) X N = x N ± u(x N ) 0
21 Desarrollo matemático de la GUM: Cálculo de la incertidumbre combinada: La incertidumbre combinada u c (y) representa la desviación estándar del resultado de la medición. La incertidumbre combinada se obtiene combinando las incertidumbres obtenidas de la evaluación tipo A y las incertidumbres obtenidas de la evaluación tipo B, utilizando la Ley de propagación de la incertidumbre Se pueden presentar en general dos casos posibles: que las magnitudes de entrada x i no estén correlacionadas o en el peor de los casos que estén correlacionadas. 1
22 Cálculo de la incertidumbre combinada si las magnitudes de entrada x i no están correlacionadas: En este caso, la incertidumbre combinada se calcula con la ley de propagación de la varianza para variables no correlacionadas, es decir: u c (y) = f X 1 u(x 1 ) + f X c i = f(x 1, X, X N ) X i u(x ) + + f X N X 1 =x 1, X N =x N u(x N ) A las derivadas parciales GUM las denomina coeficientes de sensibilidad : u c (y) = N i=1 f X i u(x i ) = Esta expresión es la ley de propagación de la varianza o de la incertidumbre para variables no correlacionadas ya vista en tratamiento estadístico (clase 4) N i=1 c i u(x i )
23 Cálculo de la incertidumbre combinada si las magnitudes de entrada x i están correlacionadas: En este caso, la incertidumbre combinada se calcula con la ley de propagación de la varianza para variables correlacionadas, es decir: u c N 1 ( ) ( f N N ) ( ) f y f X u x covarianza i i X i X j ( xi, x j ) i1 i1 ji1 Esta expresión es la ley de propagación de la varianza o de la incertidumbre para variables correlacionadas ya vista en tratamiento estadístico (clase 4) En la práctica, es más fácil evaluar la covarianza mediante el coeficiente de correlación lineal 3
24 4 MEDICIONES ELÉCTRICAS I Cálculo de la incertidumbre combinada si las magnitudes de entrada x i están correlacionadas: El coeficiente de correlación lineal r es un número que varía entre los límites +1 y -1 que indica el grado de correlación o asociación entre dos variables (X i e X j en este caso). Se calcula como: Puede existir correlación significativa entre dos magnitudes de entrada si se utiliza para su determinación el mismo instrumento de medida, el mismo patrón o el mismo dato de referencia. ) ( ) ( covarianza ), ( ), ( j i x x j i x u x u X X r j i n k j jk n k i ik n k j jk i ik j i X X n X X n X X X X n X X r ) ( 1 1 ) ( 1 1 ) )( ( 1 1 ), (
25 Incertidumbre combinada si las magnitudes de entrada x i correlacionadas: están Entonces, la incertidumbre combinada escrita en función de r es: u c (y) = N i=1 f X i u(x i ) + N 1 N i=1 j =i+1 f X i f X j u x i u x j r(x i, x j ) En la práctica no hay correlación entre las variables cuando: Las magnitudes de entrada X i y X j son independientes; por ejemplo, cuando se han observado reiterada, pero no simultáneamente, en diferentes experimentos independientes, o cuando representan magnitudes resultantes de diferentes evaluaciones que se han realizado de forma independiente. Cualquiera de las magnitudes de entrada X i y X j puede tratarse como constante. No existe información suficiente para valorar la existencia de una correlación entre las magnitudes de entrada X i y X k. 5
26 Para interpretar mejor lo presentado vamos a realizar algunos ejemplos: EJEMPLO 1: Se mide la tensión con un voltímetro de las siguientes características: Alcance = 150 V Clase = 0,5 Cantidad de divisiones = 150 Calcular la incertidumbre combinada de cualquier medición según GUM. Solución: Para este caso, con los datos disponibles, la medición se vería afectada por dos incertidumbres: la que viene por el error del propio instrumento y la que viene por error de lectura. Incertidumbre debida al instrumento Incertidumbre debida a una mala lectura Incertidumbre combinada de la medición 6
27 EJEMPLO 1: Incertidumbre debida al instrumento: Como la evaluaremos a partir de la clase (no un estudio estadístico sino un dato suministrado por el fabricante) entonces será una evaluación tipo B según la GUM. Al ser una evaluación tipo B hay que basarse en la experiencia para suponer una distribución de probabilidades para poder calcular una u (instrumento). Por lo visto, una distribución rectangular representa adecuadamente esta situación: a valor medido clase Alcance 100 valor medido clase Alcance 100 Incertidumbre debida al instrumento Incertidumbre debida a una mala lectura u u u ( instrumento ) ( instrument o) 3 clase Alcance ,5150V Incertidumbre combinada de la medición ( instrument o) 0, V
28 EJEMPLO 1: Incertidumbre debida a la lectura del instrumento: Como la evaluaremos a partir de una información extraída de la bibliografía (no un estudio estadístico) será otra evaluación tipo B según la GUM. Al ser una evaluación tipo B hay que basarse en la experiencia para suponer una distribución de probabilidades para poder calcular una u (lectura). También una distribución rectangular representa adecuadamente esta situación, porque existe igual probabilidad de interpretar cualquier valor dentro de ±1/10 de división: 1 valor medido 10 C E u( lectura ) 1 valor medido 10 a 3 C E Incertidumbre debida al instrumento Incertidumbre debida a una mala lectura u ( lectura) 1 10 Alcance div 3 MAX Incertidumbre combinada de la medición 1 150V div u div ( lectura ) 0, 057V 3 8
29 EJEMPLO 1: Calculamos la incertidumbre combinada: Como no hay información para evaluar una correlación calculamos la incertidumbre combinada como: u c (y) = N i=1 f X i N u(x i ) = c i u(x i ) i=1 Donde los coeficientes de sensibilidad c i son iguales a 1, es decir: u c (V) = u (instrumento ) + u (lectura ) u c V = 0,436 V 9
30 Desarrollo matemático de la GUM: Cálculo de la incertidumbre expandida U : Si se desea una mayor probabilidad de la que implica u c (y), lo que se hace es expandir el intervalo de incertidumbre por un factor k llamado factor de cobertura. El resultado se llama incertidumbre expandida U : U = k u c y Con lo que finalmente, la medición siguiendo la GUM o la norma IRAM queda: y ± U Típicamente, k toma valores entre y 3, y se basa en la probabilidad o nivel de confianza que se le quiere dar al intervalo: y U Y y + U 30
31 Elección del factor de cobertura k : El factor de cobertura k se elige dependiendo del grado de confianza que se le quiere dar al resultado y de la distribución de probabilidades que tenga el mensurando Y. Resulta muy complejo saber exactamente cual es la distribución de Y, por lo que se usan distintos criterios para estimarla, y de esa manera elegir k: Criterio 1: Cuando la incertidumbre combinada está dominada por una contribución Tipo A con pocos grados de libertad (pocas muestras), se recomienda que k sea igual al valor de t de la distribución de t de Student, para el número de grados de libertad de la contribución dominante y para el nivel de confianza que se requiera (normalmente se usa el 95% o más). 31
32 Elección del factor de cobertura k : Criterio : Cuando la incertidumbre combinada está dominada por una contribución Tipo B, se puede asumir que la distribución resultante de y tiene la misma forma de la distribución dominante. Por ejemplo: si una incertidumbre combinada está dominada por una componente Tipo B con distribución rectangular, un k=1 corresponde a un intervalo de 57,7% de probabilidad, un k=1,65 corresponde a un intervalo de 95% de probabilidad, un k=1,71 corresponde a un intervalo de 99% de probabilidad como se muestra en la siguiente tabla. 3
33 Elección del factor de cobertura k : La siguiente tabla muestra los valores de k que se pueden usar para distintos niveles de confianza y para distintas distribuciones supuestas del mensurando y : Nivel de confianza Si y tiene Distribución Normal Si y tiene Distribución Rectangular Si y tiene Distribución Triangular 57,7 % k = 0,8 k = 1 k = 0,85 68,3 % k = 1 k = 1,19 k = 1,08 95 % k = 1,96 k = 1,65 k = 1,9 95,45 % k = k = 1,66 k = 1,94 99 % k =,57 k = 1,71 k =,1 99,73 % k = 3 k = 1,73 k =,34 33
34 Elección del factor de cobertura k : Criterio 3: Cuando hay 3 o más fuentes de incertidumbres comparables se cumplen las condiciones del llamado Teorema del Límite Central y puede suponerse, con un elevado grado de aproximación, que la distribución y es normal, pudiéndose usar la tabla de Gauss para elegir el k, no teniendo importancia la forma de las distribuciones que intervengan. Ejemplo: Un k= dará un intervalo con 95% de probabilidad (en realidad un k= da 95,45% como se muestra en la tabla de la transparencia anterior) 34
35 Elección del factor de cobertura k : Criterio 4: Cuando no se cumple ninguno de los criterios anteriores también se utiliza la distribución t de Student pero se calcula el llamado grado de libertad efectivo a través de la ecuación de Welch-Satterhwaite: v ef = N i=1 u c (y) 4 c i u (xi ) 4 v i Siendo: v ef : es el grado de libertad efectivo u c (y): es la incertidumbre combinada de y u (xi ): es la incertidumbre de la estimación de entrada x i v i : es el grado de libertad usado para el cálculo de la incertidumbre de x i Nota: Se asume como infinito los grados de libertad de las evaluaciones TIPO B que intervengan. Una vez determinado v ef se lo redondea al entero inferior más próximo, y con este valor se ingresa a una tabla de t de Student para encontrar un k con la probabilidad deseada (normalmente el 95%). 35
36 Para interpretar mejor lo presentado vamos a realizar algunos ejemplos: EJEMPLO 1. (continuación) Se mide la tensión con un voltímetro de las siguientes características: Alcance = 150 V Clase = 0,5 Cantidad de divisiones = 150 Si el instrumento indica 138 V expresar el resultado de la medición con un 95% de probabilidad. Solución: Como vimos, para este caso hay dos fuentes de incertidumbre que se combinan para sacar la incertidumbre combinada: Incertidumbre debida al instrumento Incertidumbre debida a una mala lectura Incertidumbre combinada de la medición 36
37 EJEMPLO 1. (continuación) Ya teníamos la incertidumbre combinada: u c (V) = u (instrumento ) + u (lectura ) u c V = 0,436 V Calculamos la incertidumbre expandida: Como la u (instrumento) es mucho mayor que u (lectura) este sería un caso donde predomina una incertidumbre Tipo B rectangular (la u (instrumento) ) sobre el resultado final, entonces podemos suponer que el resultado también tiene una distribución rectangular. De lo anterior, el factor de cobertura k para una probabilidad de 95% debe ser 1,65 (ver tabla transparencia 33): U k uc ( V) 1,65 0,436V 0, 7194V Finalmente se expresa la medida y siempre se acompaña una nota aclaratoria: V 138V 0, 7 La incertidumbre expandida fue calculada con un k=1,65, que corresponde a una probabilidad de 95% asumiendo una distribución rectangular 37 V u 0,5150V ( instrument o) 0, V div u div ( lectura ) 0, 057V 3 V
38 EJEMPLO : Con un termómetro digital se realizan 0 mediciones repetidas en aparentemente las mismas condiciones ambientales, obteniéndose una media aritmética de 100,145 C con una desviación estándar experimental (S) de 1,489 C. El termómetro posee las siguientes características: Rango = 00 C Error límite = ±(0,5% rdg + 3 dg) Cantidad de dígitos = 3 ½ Expresar la medición con una probabilidad de 95% Solución: Incertidumbre debida al instrumento Incertidumbre combinada de la medición Incertidumbre debida a mediciones repetidas en aparentemente mismas condiciones (errores accidentales) Incertidumbre debida a resolución finita 38
39 EJEMPLO : Incertidumbre debida a mediciones repetidas: Incertidumbre debida a mediciones repetidas en aparentemente mismas condiciones Incertidumbre debida al instrumento Incertidumbre debida a resolución finita Incertidumbre combinada de la medición Como la evaluaremos a partir de un estudio estadístico (0 observaciones) será una evaluación Tipo A según la GUM. Al ser una evaluación Tipo A con n relativamente grande, la incertidumbre de esta componente será la desviación estándar experimental de la media, es decir: u( repetición ) S n u( repetición ) 1,489C 0, 333C 0 39
40 EJEMPLO : Incertidumbre debida al instrumento Incertidumbre combinada de la medición Incertidumbre debida al instrumento: Como la evaluaremos a partir del error límite (no un estudio estadístico sino un dato suministrado por el fabricante) será una evaluación Tipo B según la GUM. Al ser una evaluación Tipo B hay que basarse en la experiencia para suponer una distribución de probabilidades para poder calcular una u (instrumento). Por lo visto, una distribución rectangular representa adecuadamente esta situación: valor medido Error límite u Incertidumbre debida a mediciones repetidas en aparentemente mismas condiciones ( instrument o) valor medido Error límite a 3 u u ( instrument o) ( instrument o) u Incertidumbre debida a resolución finita ( instrument o) 0,5% rdg 3 dg 3 0,5% 100,145C 3 0,1 C 3 0, 463C 40
41 EJEMPLO : Incertidumbre debida a la resolución: Como la evaluaremos a partir de un dato del fabricante (no un estudio estadístico) será otra evaluación Tipo B según la GUM. Al ser una evaluación Tipo B hay que basarse en la experiencia para suponer una distribución de probabilidades para poder calcular una u (resol). También una distribución rectangular representa adecuadamente esta situación, porque existe igual probabilidad de ver cualquier valor dentro de 1 dígito: u( resolución ) Incertidumbre debida a mediciones repetidas en aparentemente mismas condiciones a 3 Incertidumbre debida al instrumento u( resolución ) Incertidumbre debida a resolución finita Valor de 1 dígito 3 Incertidumbre combinada de la medición 1dígito u( resolución ) 0,1 C 3 0, 08C 41
42 EJEMPLO : Calculamos la incertidumbre combinada: Como no hay información para evaluar una correlación calculamos la incertidumbre combinada como: u c (y) = N i=1 f X i N u(x i ) = c i u(x i ) i=1 Donde los coeficientes de sensibilidad c i son iguales a 1, es decir: u c ( C) u( repetición) u( instrument o) u( resolución) u c ( C) (0,333C) (0,463C) (0,08C ) u c ( C) 0, 571C 4
43 EJEMPLO : Calculamos la incertidumbre expandida: Este seria un caso donde hay menos de tres incertidumbres comparables y ninguna es dominante, por lo que calculamos el grado de libertad efectivo: 4 u c (y) 4 uc ( C) vef v ef = u( repetición) u( instrument o) u( resolución) c i u 4 (xi ) N i=1 v i v ef 164, De una tabla de t para un grado de libertad de 164 y probabilidad 95%, k (es una distribución casi normal) T( C) (100,145 x 0,571) C T( C) (100,145 1,14) C Incertidumbre debida a mediciones repetidas en aparentemente mismas condiciones Incertidumbre debida al instrumento La incertidumbre expandida fue calculada con un k=, que corresponde a una probabilidad de 95% asumiendo una distribución normal Incertidumbre debida a resolución finita Incertidumbre combinada de la medición T( C) (100,1 1,) C 43
44 EJEMPLOS Revisar los ejemplos del Apunte complementario II Expresión de la Incertidumbre disponible en el sitio web de la asignatura 44
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 detalles1. Introducción. En la práctica, hay muchas fuentes posibles de incertidumbre de medida, que incluyen:
1. Introducción La necesidad de un procedimiento aceptado mundialmente para la expresión de la incertidumbre en las mediciones llevó, en 1981, a la autoridad internacional en metrología, el Comité Internacional
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 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 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 detallesWebinario: Importancia de la Incertidumbre en las Calibraciones. Buenos Aires 09 de noviembre de 2017
Webinario: Importancia de la Incertidumbre en las Calibraciones Buenos Aires 09 de noviembre de 2017 Incertidumbre Incertidumbre: parámetro no negativo que caracteriza la dispersión de los valores atribuidos
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 detallesMEDICION DE HIDROCARBUROS LIQUIDOS, BALANCES VOLUMETRICOS E INSTRUMENTACION
MEDICION DE HIDROCARBUROS LIQUIDOS, BALANCES VOLUMETRICOS E INSTRUMENTACION ROBERTO MARTINEZ PRADA romartinez_2000@yahoo.com Cel 57 300 5660437 Bucaramanga Colombia Perú, Junio 2016 OBJETIVO Desarrollar
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 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 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 detallesMetodología a para. de Incertidumbre. Ing. José Angel Moreno Hernández. ndez. CENAM Div.. Mediciones Electromagnéticas.
Metodología a para el CálculoC de ncertidumbre ng. José Angel Moreno Hernández ndez CENAM Div.. Mediciones Electromagnéticas ticas Junio 2005 TEMARO Antecedentes Metodología Ejemplo Observaciones Conclusiones
Más detallesINCERTIDUMBRE DE LA MEDICIÓN, BASE PARA EL RECONOCIMIENTO MUTUO Y LA ELIMINACIÓN DE BARRERAS TÉCNICAS AL COMERCIO. Aportes:
INCERTIDUMBRE DE LA MEDICIÓN, BASE PARA EL RECONOCIMIENTO MUTUO Y LA ELIMINACIÓN DE BARRERAS TÉCNICAS AL COMERCIO. Aportes: INCERTIDUMBRE Falta de certidumbre, Falta de conocimiento seguro y claro de alguna
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 detallesConceptos básicos de metrología
Conceptos básicos de metrología Definiciones, características y estimación de incertidumbres. Lic. Francisco Sequeira Castro 05 de Noviembre, 2014 Qué es la metrología? La metrología es la ciencia de las
Más detallesIntroducción a las Mediciones Eléctricas Primeros conceptos sobre Errores e Incertidumbre
Introducción a las Mediciones Eléctricas Primeros conceptos sobre Errores e Incertidumbre Concepto de Exactitud y Precisión Aunque en el lenguaje común los términos exactitud y precisión son sinónimos,
Más detallesScientia et Technica Año XVII, No 46, Diciembre Universidad Tecnológica de Pereira. ISSN
Scientia et Technica Año XVII, No 46, Diciembre 2010. Universidad Tecnológica de Pereira. ISSN 0122-1701 158 CALCULO DE LA INCERTIDUMBRE DE MEDICION AL EQUIPO DE MOVIMIENTO CIRCULAR UNIFORME (M.C.U) DEL
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 detallesCurso de cálculo de incertidumbres en ensayos: TEORÍA
Curso de cálculo de incertidumbres en ensayos: TEORÍA Line EILA17 Scale Cálculo de Incertidumbres Jesús Caja García (jesus.caja@upm.es) Piera Maresca (piera.maresca@upm.es) Dpto. de Ingeniería, Química
Más detallesLA SIMULACIÓN NUMÉRICA COMO UNA HERRAMIENTA EN LA ESTIMACIÓN DE LA INCERTIDUMBRE DE MEDICIÓN
LA SIMULACIÓN NUMÉRICA COMO UNA HERRAMIENTA EN LA ESTIMACIÓN DE LA INCERTIDUMBRE DE MEDICIÓN Wolfgang A. Schmid Centro Nacional de Metrología, División de Óptica y Radiometría km 4,5 Carretera a los Cués,
Más detallesEstimación de incertidumbres. Guía GUM
e-medida. Revista Española de Metrología. Diciembre 2012 Mª Mar Pérez Hernández Jefa del Laboratorio Primario de Longitud, Centro Español de Metrología Estimación de incertidumbres. Guía GUM La incertidumbre
Más detallesVIM: Términos fundamentales. Vocabulario internacional de metrología
VIM:2008 - Términos fundamentales Vocabulario internacional de metrología VIM:2008 Definiciones y términos precisos de metrología Claridad en los conceptos para realizar medidas analíticas Referencia común
Más detallesVocabulario internacional de términos fundamentales y generales de metrología VIM:2008
Vocabulario internacional de términos fundamentales y generales de metrología VIM:2008 VIM:2008 Definiciones y términos precisos de metrología Claridad en los conceptos para realizar medidas analíticas
Más detallesVocabulario internacional de términos fundamentales y generales de metrología VIM:2008
Vocabulario internacional de términos fundamentales y generales de metrología VIM:2008 VIM:2008 Definiciones y términos precisos de metrología Claridad en los conceptos para realizar medidas analíticas
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 detallesRevisión de la Guía para la Expresión de la Incertidumbre en Medición: por qué y para qué?
Revisión de la Guía para la Expresión de la Incertidumbre en Medición: por qué y para qué? Ignacio Lira Departamento de Ingeniería Mecánica y Metalúrgica Pontificia Universidad Católica de Chile 1/18 La
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 detallesCálculo de Incertidumbre en Termometría
Cálculo de Incertidumbre en Termometría Lic. Billy Quispe Mayo - 2017 Cálculo de incertidumbre de la calibración de un termómetro digital empleando el PC-017 procedimento para la calibración de termómetros
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 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 detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
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 detallesFÍSICA GENERAL. Guía de laboratorio 01: Mediciones y cálculo de incertidumbres
I. LOGROS ESPERADOS FÍSICA GENERAL Guía de laboratorio 01: Mediciones y cálculo de incertidumbres Registra la resolución de los instrumentos de medición y las características del mensurando para obtener
Más detallesTaller : Técnicas de calibración de multímetros de 6 ½ dígitos, en tensión y corriente eléctrica alterna
Taller : Técnicas de calibración de multímetros de 6 ½ dígitos, en tensión y corriente eléctrica alterna Sara Campos CENAM /División de Mediciones Electromagnéticas Contenido Conceptos teóricos Prácticas
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 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 detalles05/06. Análisis estadístico y calibración. Juan A. Montiel-Nelson. Last Revision:
05/06 Análisis estadístico y calibración Juan A. Montiel-Nelson Last Revision: 02.03.06 Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad de Las Palmas de Gran Canaria Índice Análisis
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 detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
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 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 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 detalles3 POLÍTICA DE ONAC SOBRE ESTIMACIÓN DE LA INCERTIDUMBRE DE LA MEDICIÓN
Página 1 de 5 1 ALCANCE Esta política establece los requisitos y pautas para la estimación y declaración de la incertidumbre en calibración y medición, que deben aplicar los laboratorios de calibración,
Más detallesLA INCERTIDUMBRE EN LAS MEDIDAS DISEÑO MECÁNICO
Higinio Rubio Alonso LA INCERTIDUMBRE EN LAS MEDIDAS DISEÑO MECÁNICO 1 INTRODUCCIÓN El término siempre aparece asociado a la medida de magnitudes. Control de Calidad Investigación Diseño Industrial Implica
Más detallesCálculo de Incertidumbre por el Método de Monte Carlo en Calibración de Multímetros Digitales
Cálculo de Incertidumbre por el Método de Monte Carlo en Calibración de Multímetros Digitales Comparación entre el (Método de Monte Carlo ( MMC) y la Guía para la estimación de la incertidumbre de medición
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesESTIMACIÓN DE LA INCERTIDUMBRE PARA LA CALIBRACIÓN DE UN TERMÓMETRO DIGITAL, EN EL INTERVALO DE TEMPERATURA DESDE 0 C A 300 C
ESTIMACIÓN DE LA INCERTIDUMBRE PARA LA CALIBRACIÓN DE UN TERMÓMETRO DIGITAL, EN EL INTERVALO DE TEMPERATURA DESDE 0 C A 300 C Roberto Figueroa M. Jefe Laboratorio CIDE-USACH Universidad de Santiago de
Más detallesLas 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas 22 a 40).
Las 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas a 40). Definiciones fundamentales y objetivo: El resultado arrojado
Más detallesGUÍA 2. Diego Luis Aristizábal R., M. Sc. en Física Profesor Asociado Escuela de Fïsica Universidad Nacional de Colombia
GUÍA 2 Diego Luis Aristizábal R., M. Sc. en Física Profesor Asociado Escuela de Fïsica Universidad Nacional de Colombia Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Fïsica Universidad
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 detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesIntroducción a la METROLOGÍA
AADECA Introducción a la METROLOGÍA Dr. Marcelo Canay 2008 Metrología 1 Temario Gral. Introducción Definiciones Introducción al control de los instrumentos Datos en un certificado Introducción al cálculo
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 detallesIntroducción a la Evaluación del Riesgo en la Emisión de Conformidad
Introducción a la Evaluación del Riesgo en la Emisión de Conformidad Gráfica de distribución Normal 95,45 % 2,275 % 2,275 % y Ing. Luis Font Avila Marzo de 2018 1. Introducción. Con la aprobación de la
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 detallesCuantificación de incertidumbre en mediciones analíticas
Cuantificación de incertidumbre en mediciones analíticas Steve Acco Garcia Lima, 21 de Mayo del 2014 Magnitud Conceptos básicos Propiedad de un fenómeno, cuerpo o sustancia, que puede expresarse cuantitativamente
Más detallesTALLER 01 CÁLCULO DE INCERTIDUMBRE PARA MEDICIONES FÍSICAS
TALLER 01 CÁLCULO DE INCERTIDUMBRE PARA MEDICIONES FÍSICAS Objetivo: Aplicar los conceptos teóricos de incertidumbre en el cálculo de la incertidumbre de mediciones físicas. Metodología: Conformar grupos
Más detallesDescribir los requisitos de la ONA referentes a la Trazabilidad e Incertidumbre de las mediciones.
1. OBJETO Describir los requisitos de la ONA referentes a la Trazabilidad e Incertidumbre de las mediciones.. ALCANCE Este documento establece los criterios de la ONA para evaluar el cumplimento de los
Más detallesAsegurando la trazabilidad de las mediciones en magnitudes eléctricas en el SNC mediante ensayos de aptitud
Asegurando la trazabilidad de las mediciones en magnitudes eléctricas en el SNC mediante ensayos de aptitud Sara Campos Metrología Eléctrica División de Mediciones Electromagnéticas Contenido Introducción
Más detallesTrazabilidad. Webinario. 27 de marzo de 2018
Trazabilidad Webinario 27 de marzo de 2018 Trazabilidad metrológica Propiedad de un resultado de medida por la cual el resultado puede relacionarse con una referencia mediante una cadena ininterrumpida
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 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 detalles5.1 POLÍTICAS Y DECLARACIONES A CUMPLIR POR LOS LABORATORIOS DE CALIBRACIÓN ACREDITADOS O EN PROCESO DE ACREDITACIÓN.
Código: OUADOC034 Revisión Nro.: 3 Página 1 de 7 1. OBJETIVO Y ALCANCE El presente documento establece los requisitos para la evaluación de la incertidumbre de medición en calibración, la evaluación de
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 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 detallesEVALUACION DE RESULTADOS INTRA-LABORATORIO. EDWIN GUILLEN Servicio Nacional de Metrología INDECOPI Simposio de Metrología Lima PERU - Mayo del 2010
EVALUACION DE RESULTADOS INTRA-LABORATORIO EDWIN GUILLEN Servicio Nacional de Metrología INDECOPI Simposio de Metrología Lima PERU - Mayo del 2010 1 EVALUACION DE RESULTADOS INTRA-LABORATORIO INTRODUCCION
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesWebminario 28 de junio de 2017
Webminario 28 de junio de 2017 Propiedad de un resultado de medida por la cual el resultado puede relacionarse con una referencia mediante una cadena ininterrumpida y documentada de calibraciones, cada
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 detallesMomentos de una variable
Momentos de una variable Momentos respecto del origen Dada una variable aleatoria X con función de probabilidad o densidad f(x) podemos definir una función de X que sea igual a la variable elevada a un
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 detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
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 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 detalles5 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 detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
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 detallesMétodos Numéricos. Unidad 1. Teoría de Errores
Métodos Numéricos Unidad 1. Teoría de Errores Contenido Introducción Error Aproximado y Error Relativo Error Redondeo y de Cifras Significativas Errores de Truncamiento Errores en la Computadora Otros
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesSOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II
SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE 4. ESTADÍSTICA EXAMEN DE MATEMÁTICAS II Estadística (primer parcial). Septiembre de 4.- El coeficiente de determinación R nos determina a) el % de la varianza de Y
Más detallesOptimizar recursos y asegurar cumplimiento metrológico Buenos Aires 23 de Octubre de 2015
Optimizar recursos y asegurar cumplimiento metrológico Buenos Aires 23 de Octubre de 2015 Operación que establece, una relación entre los valores y sus incertidumbres de medida asociadas obtenidas a partir
Más detallesUNIVERSIDAD DE LA COSTA LABORATORIO DE FÍSICA MECÁNICA TEORÍA DE ERRORES
UNIVERSIDAD DE LA COSTA LABORATORIO DE FÍSICA MECÁNICA TEORÍA DE ERRORES 1 MEDICIÓN Es una operación o procedimiento mediante el cual se determina el valor de una variable o cantidad física especificando
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 detallesEstadística Aplicada a la Educación
Estadística Aplicada a a la la Educación Estadística Aplicada a la Educación Tutor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 2014/15 migdaza@madridsur.uned.es 1 2014/15 1 2 4 5 6 7 8 9 10 11 12 La
Más detallesConceptos de estadística
Técnicas experimentales IV (avanzadas) Conceptos de estadística H. Alvarez Pol GENP, Dpto. Física de Partículas, Universidade de Santiago de Compostela Técnicas experimentales IV Grado en Física - G1031425
Más detallesIncertidumbre de medición
Incertidumbre de medición Valor verdadero y medición Bias(desviación Desviación sistemática, sistemática) sesgo Valor Correcto richtiger Wert Erwartungswert Media Präzision Precisión, (zufällige (dispersión
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
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 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 detallesNo 0.1 LABORATORIO DE MECÁNICA TOMA DE DATOS E INTRODUCCIÓN AL ANÁLISIS DEL ERROR. Objetivos
No 0.1 LABORATORIO DE MECÁNICA TOMA DE DATOS E INTRODUCCIÓN AL ANÁLISIS DEL ERROR DEPARTAMENTO DE FISICA Y GEOLOGIA UNIVERSIDAD DE PAMPLONA FACULTAD DE CIENCIAS BÁSICAS Objetivos 1. Entender y familiarizarse
Más detallesPROPOSICIÓN METODOLÓGICA PARA DETERMINAR LA INCERTIDUMBRE EN ENSAYOS FÍSICOS Y MECÁNICOS EN UN LABORATORIO DE CONSTRUCCIÓN
!#"$% $$ %!& '($! *)!! % $)$ +-,/.103254 687/9:6(;=1.1?A@50
Más detallesFunciones de Interpolación para Termómetros Digitales
Funciones de Interpolación para Termómetros Digitales Andy Barrientos A. Laboratorio de Termometría 01. Introducción. La presentación propone considerar funciones interpoladoras del tipo polinomial; así
Más detallesMEDICIÓN Y PROPAGACIÓN DE ERRORES. Comprender el proceso de medición y expresar correctamente el resultado de una medida realizada.
LABORATORIO Nº 1 MEDICIÓN Y PROPAGACIÓN DE ERRORES I. LOGROS Comprender el proceso de medición y expresar correctamente el resultado de una medida realizada. Aprender a calcular el error propagado e incertidumbre
Más detalles