Mª Dolores del Campo Maldonado. Tel: :

Documentos relacionados
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

Simposio de Metrología 25 al 27 de Octubre de 2006

ESTIMACIÓN DE LA INCERTIDUMBRE EN LA CALIBRACIÓN DE EQUIPOS ELECTROMÉDICOS

Economía de la Empresa: Financiación

PROCEDIMIENTO ME- 021 PARA LA CALIBRACIÓN DE COLUMNAS DE LÍQUIDO MANO Y BAROMÉTRICAS

Incertidumbre de la Medición: Teoría y Práctica

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte

Boletín Científico Técnico INIMET ISSN: Instituto Nacional de Investigaciones en Metrología. Cuba

3. VARIABLES ALEATORIAS.

Tema 6. Estadística descriptiva bivariable con variables numéricas

MUESTREO EN POBLACIONES FINITAS

Problemas donde intervienen dos o más variables numéricas

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

Variables Aleatorias

Inferencia en Regresión Lineal Simple

TEMA 3. VARIABLE ALEATORIA

Tema 2: El modelo clásico de regresión

INFLUENCIA DEL FLUJO DE HIDRÓGENO EN LA INCERTIDUMBRE DEL SISTEMA DE REFERENCIA PARA MEDICIÓN DE ph

DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL

Procedimiento de Calibración. Metrología PROCEDIMIENTO DI-010 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS

Tema 4: Variables aleatorias

Midiendo la Asociación lineal entre dos variables

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Física del Medio Ambiente

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Relaciones entre variables

Descripción de una variable

MEDIDAS ELÉCTRICAS. Incertidumbre en las Mediciones. Introducción a la. según la Guía del Comité. Internacional de Pesas y Medidas

EXPERIMENTACIÓN COMERCIAL(I)

Práctica 2 Caracterización de un dinamómetro

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

Tema 1: Estadística Descriptiva Unidimensional

Modelos unifactoriales de efectos aleatorizados

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Cada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma.

Análisis de Regresión y Correlación

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

MODELOS DE ELECCIÓN BINARIA

INTRODUCCIÓN. Técnicas estadísticas

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

HERRAMIENTAS PARA ANÁLISIS POR CONFIABILIDAD EN GEOTECNIA: LA TEORÍA

Modelos triangular y parabólico

VARIABLES DE INFLUENCIA EN LA MEDICIÓN DE POTENCIA ULTRASÓNICA

Análisis estadístico de incertidumbres aleatorias

Medidas de centralización

Tema 1.3_A La media y la desviación estándar

Figura 1

PROCEDIMIENTO DI-005 PARA LA CALIBRACIÓN DE MICRÓMETROS DE EXTERIORES DE DOS CONTACTOS

REGRESION Y CORRELACION

Regresión y correlación simple 113

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Pruebas Estadísticas de Números Pseudoaleatorios

Apéndice F - Método de cuadrados mínimos análisis avanzado

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Tratamiento de datos experimentales. Teoría de errores

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

1. Variable aleatoria. Clasificación

Efectos fijos o aleatorios: test de especificación

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

Análisis de error y tratamiento de datos obtenidos en el laboratorio

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: ANOVA (PARTE I)

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

CÁLCULO DE INCERTIDUMBRES Y REPRESENTACIONES GRÁFICAS

ESTADÍSTICA UNIDIMENSIONAL

Correlación y regresión lineal simple

ANÁLISIS DE FRECUENCIAS

Riesgos Proporcionales de Cox

Práctica 1 Caracterización de un voltímetro analógico

El subestimado problema de la confusión residual. Héctor Lamadrid-Figueroa; Alejandra Montoya; Gustavo Ángeles

Estadísticos muéstrales

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Introducción a la Física. Medidas y Errores

Métodos específicos de generación de diversas distribuciones discretas

Estadística con R. Modelo Probabilístico Lineal

CERTIFICADO DE CALIBRACIÓN Certificate of Calibration

Procedimiento de Calibración. Metrología PROCEDIMIENTO DI-004 PARA LA CALIBRACIÓN DE MEDIDORAS DE UNA COORDENADA VERTICAL

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Dpto. Física y Mecánica

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO

REGRESION LINEAL SIMPLE

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

Medidas de Variabilidad

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

1.Variables ficticias en el modelo de regresión: ejemplos.

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Transcripción:

Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es

Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n measurement expresson of uncertanty n measurement (GUM: 1995) www.cem.es www.bpm.org Versón en español de próxma publcacón (dcembre 011).

Concepto de ncertdumbre Una medda sn nnguna ndcacón cuanttatva de su caldad es nservble: no puede ser comparada. Es un parámetro asocado con el resultado de una medda que caracterza la dspersón de los valores que podrían, razonablemente serle atrbudos. error ncertdumbre

La ncertdumbre del resultado de una ncertdumbre medcón refleja la mposbldad de conocer exactamente el valor del mensurando. Este resultado, ncluso con todas las correccones por efectos sstemátcos, es tan sólo una estmacón del valor real del mensurando. F U E N T E S DE I N C E R T I D U M B R E Defncón ncompleta del mensurando Realzacón mperfecta de la defncón del mensurando Muestra no representatva Condcones ambentales Instrumentos de medda (lectura, resolucón, calbracón ) Valores nexactos de los patrones o MR Valores nexactos de constantes y parámetros Hpótess establecdas en el método o el procedmento Varacones de las observacones en condcones déntcas... Estas fuentes no son ndependentes unas de otras

MENSURANDO MAGNITUD medcón COMPARACIÓN CON UN PATRÓN calbracón Cclo n meddas MEDICIÓN Instrumento de medda Resultado bruto Correccones Resultado corregdo RESULTADO DE MEDICIÓN Valor convenconalmente Verdadero Magntudes de nfluenca M O D E L O M A T E M A T I C O () INCERTIDUMBRE

EL MODELO MATEMÁTICO S se hacen varar todas las magntudes de las que depende el resultado de una medcón, su ncertdumbre podría evaluarse por métodos estadístcos Imposble en la práctca Es necesaro defnr un modelo matemátco que descrba el proceso de medcón y que tenga en cuenta todas las magntudes de nfluenca y = f (x 1, x, x 3, x n ) f es la funcón que contene todas las magntudes susceptbles de contrbur a una componente de la ncertdumbre del resultado de la medda, ncluyendo las correccones x = f (z 1, z, z n )

EL MODELO MATEMÁTICO Y LA LEY DE PROPAGACIÓN DE INCERTIDUMBRES y = f (x 1, x, x 3, x n ) Componentes (( ) ndependentes Ley de propagacón de ncertdumbres u c Incertdumbre típca combnada N f 1 x y u x Coefcentes de sensbldad La L.P.I. está basada en un desarrollo en sere de Taylor de prmer orden. S la funcón modelo no es lneal puede ser necesaro tomar térmnos de orden superor. Coefcente de correlacón Componentes (( ) dependentes u c N N1 N f f f y u x r x, x j ux ux j 1 x 1 j11 x x j

CLASIFICACIÓN DE INCERTIDUMBRES Clasfcacón Obsoleta: Componentes aleatoras Componentes sstemátcas Clasfcacón GUM: Según los métodos utlzados para su evaluacón más que según las propas componentes y sólo a efectos de clarfcar su presentacón. Los dos tpos de evaluacón se basan en dstrbucones de probabldad. Evaluacón TIPO A Evaluacón TIPO B Esta clasfcacón no sgnfca que sean equvalentes a las sstemátcas y aleatoras

CLASIFICACIÓN GUM EVALUACIÓN TIPO A Carácter objetvo. Análss estadístco. Calculada a partr de la varanza s de n observacones. INCERTIDUMBRE TÍPICA TIPO A u = + s EVALUACIÓN TIPO B Carácter subjetvo. Funcón de probabldad asumda. Varanza u evaluada a pror. INCERTIDUMBRE TÍPICA TIPO B u = + u

EVALUACIÓN TIPO A Varable aleatora N observacones ndependentes,k El mejor estmador del valor verdadero de es la meda muestral de las observacones : El mejor estmador de la varanza poblaconal es la varanza muestral: S x,k n 1 n k 1 n,k,k n 1 El mejor estmador de la varanza de la meda es: meda es: S S n,k

EVALUACIÓN TIPO A u x S,k n n debe tener un tamaño adecuado: grados de lbertad >> = n-1 S << una solucón es usar la dstrbucón t-student: u x t p S,k n

EVALUACIÓN TIPO B No basada en el análss estadístco de las observacones. Evaluada por: Resultados de meddas anterores. La experenca o el conocmento general del comportamento y propedades de los nstrumentos y materales utlzados. Especfcacones de los fabrcantes. Datos de calbracones y certfcados. Incertdumbre asgnada a valores de referenca procedentes de lbros y manuales.

Incertdumbre expandda Aunque u c (y) puede ser utlzada unversalmente para expresar la ncertdumbre de un resultado de medda, frecuentemente es necesaro, en certas aplcacones comercales, ndustrales o reglamentaras, o en los campos de la salud o la segurdad, dar una medda de la ncertdumbre que defna, alrededor del resultado de medda, un ntervalo en el nteror del cual pueda esperarse encontrar gran parte de la dstrbucón de valores que podrían ser razonablemente atrbudos al mensurando. La nueva expresón de la ncertdumbre, que satsface la exgenca de proporconar un ntervalo se denomna ncertdumbre expandda, y se representa por U.

La ncertdumbre expandda U se obtene multplcando la ncertdumbre típca combnada u c (y) por un factor de cobertura k: U = k u c (y) El factor de cobertura se determna en funcón de la probabldad de cobertura (nvel confanza) deseada. LA INCERTIDUMBRE SE EPRESA SIN SIGNOS Y CON DOS CIFRAS SIGNIFICATIVAS