curso incertidumbre
TRANSCRIPT
![Page 1: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/1.jpg)
Curso: Técnicas Estadísticas Aplicadas al Sistema de Gestión de Laboratorios bajo la
ISO/IEC 17025
Tema: Estimación de la Incertidumbre de la Medición de Ensayos Físico Químicos
Expositor: José Camero Jiménez
Noviembre 2007
![Page 2: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/2.jpg)
ESTIMACION DE LA INCERTIDUMBRE DE LA MEDICION DE ENSAYOS FISICO-QUIMICOS
![Page 3: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/3.jpg)
Conceptos previos
![Page 4: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/4.jpg)
CORRECCION
RESULTADO INCERTIDUMBRE
VAR. SISTEMATICACONOCIDA
VAR. SISTEMATICA
VARIABILIDAD( DE UNA MEDIDA)
VAR. PERMANENTE
VAR. ALEATORIA
VAR. SISTEMATICADESCONOCIDA
ESQUEMA ILUSTRATIVO DE LA CONTRIBUCIÓN DE VARIABILIDAD ALEATORIA Y SISTEMÁTICA EN EL CONCEPTO DE INCERTIDUMBRE
![Page 5: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/5.jpg)
MUESTRA PROCESO ANALITICO
INCERTIDUMBRE DE :•HERRAMIENTAS METROLOGICAS
•PATRON
•MATERIAL VOLUMETRICO
•EQUIPOS DE MEDIDA
•CALIBRACION GENERAL
•CALIBRACION METODOLOGICA
•UNA ETAPA DEL PROCESO
•UNA PESADA
•UNA DILUCION
•ELCONJUNTO DEL PROCESO
•VALIDACION
RESULTADOS ++ INCERTIDUMBRE
![Page 6: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/6.jpg)
DETERMINACIÓN DE LA INCERTIDUMBRE GLOBAL
2RSkU 2RSkU
Donde “k” se conoce como factor de cobertura y se estima con el valor de 1.96, asumiendo una distribución normal con un 95% de nivel de confianza.
![Page 7: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/7.jpg)
Diagramas Causa - Efecto
• La variabilidad de las características de calidad es un efecto observado que tiene múltiples causas. Cuando ocurre algún problema con la calidad del producto, debemos investigar para identificar las causas del mismo. Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:
![Page 8: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/8.jpg)
![Page 9: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/9.jpg)
![Page 10: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/10.jpg)
Vb Vm(X) (X) (X)
Sulfato de Potasio 15 g 300 ml de H20 Sulfato de Potasio 15 g. 300 ml de H20 (X)
Probeta 500 ml +/-3.75ml Probeta 500 ml +/-3.75ml
Balanza 70 ml de Na OH (X)
(X) 100 mL de Na OH (X) (X) Probeta de 100 ml +/- 0.08ml
Sulfato de Cobre 0.06 g Probeta de 100 ml +/- 0.08ml Sulfato de Cobre 0.06 g. Bureta de 50ml +/- 0.05ml
Gasto de HCl (0.1N)(X) H2SO4 conc. Bureta de 50ml +/- 0.05ml H2SO4 conc. (X)
25 ml c/dispensador Gasto de HCl (0.1N) 25 ml c/dispensador Sesgo
(X) Destilacion H3 BO3 (4%) (X) Destilacion H3 BO3 (4%)
50 ml pipeta 50 ml +/- 0.05ml 50 ml pipeta 50 ml +/- 0.05ml
(% ) Proteína
Balanza
Masa del patrón de titulacion C8 H5 04 K en g
Pureza del patrón C8 H5 O4 K
Masa molar de C8 H5 O4 K [g/mol]
Vb= Volúmen del blanco (ml)Volúmen de solución titulante Na OH [ml] para C8 H5 O4 K Vm= Volúmen de la muestra (ml)
N = Normalidad de HCl (mol/l)Volúmen de NaOH [ml] para titulación de HCl F= Factor según la muestra.
W= Peso de muestra (g.)
Volúmen de alicuota de HCl [ml] para titulación de Na OH
(X): No aporta signif icativamente
W
AnalistasN
Método: NTP 201.021 - 2002DETERMINACION DE FUENTES DE INCERTIDUMBRE DE PROTEÍNAS
( Vm-Vb)*N*1.4*FW
Producto carne y Productos cárnicos
% Proteína =
Vb Vm(X) (X) (X)
Sulfato de Potasio 15 g 300 ml de H20 Sulfato de Potasio 15 g. 300 ml de H20 (X)
Probeta 500 ml +/-3.75ml Probeta 500 ml +/-3.75ml
Balanza 70 ml de Na OH (X)
(X) 100 mL de Na OH (X) (X) Probeta de 100 ml +/- 0.08ml
Sulfato de Cobre 0.06 g Probeta de 100 ml +/- 0.08ml Sulfato de Cobre 0.06 g. Bureta de 50ml +/- 0.05ml
Gasto de HCl (0.1N)(X) H2SO4 conc. Bureta de 50ml +/- 0.05ml H2SO4 conc. (X)
25 ml c/dispensador Gasto de HCl (0.1N) 25 ml c/dispensador Sesgo
(X) Destilacion H3 BO3 (4%) (X) Destilacion H3 BO3 (4%)
50 ml pipeta 50 ml +/- 0.05ml 50 ml pipeta 50 ml +/- 0.05ml
(% ) Proteína
Balanza
Masa del patrón de titulacion C8 H5 04 K en g
Pureza del patrón C8 H5 O4 K
Masa molar de C8 H5 O4 K [g/mol]
Vb= Volúmen del blanco (ml)Volúmen de solución titulante Na OH [ml] para C8 H5 O4 K Vm= Volúmen de la muestra (ml)
N = Normalidad de HCl (mol/l)Volúmen de NaOH [ml] para titulación de HCl F= Factor según la muestra.
W= Peso de muestra (g.)
Volúmen de alicuota de HCl [ml] para titulación de Na OH
(X): No aporta signif icativamente
W
AnalistasN
Método: NTP 201.021 - 2002DETERMINACION DE FUENTES DE INCERTIDUMBRE DE PROTEÍNAS
( Vm-Vb)*N*1.4*FW
Producto carne y Productos cárnicos
% Proteína =
![Page 11: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/11.jpg)
![Page 12: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/12.jpg)
I E H D A B G Others
150 85 62 54 50 32 15 11
32.7 18.5 13.5 11.8 10.9 7.0 3.3 2.4
32.7 51.2 64.7 76.5 87.4 94.3 97.6 100.0
0
100
200
300
400
0
20
40
60
80
100
Defect
CountPercentCum %
Per
cent
Cou
nt
Pareto Chart for tipo
I E H D A B G Others
150 85 62 54 50 32 15 11
32.7 18.5 13.5 11.8 10.9 7.0 3.3 2.4
32.7 51.2 64.7 76.5 87.4 94.3 97.6 100.0
0
100
200
300
400
0
20
40
60
80
100
Defect
CountPercentCum %
Per
cent
Cou
nt
Pareto Chart for tipo
Diagrama de Pareto
![Page 13: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/13.jpg)
Derivadas y diferenciales de funciones de varias variables
Se llama derivada parcial de una función z =f(x,y) con respecto a la variable independiente al siguiente límite, si existe y es finito:
calculado suponiendo Y constante
![Page 14: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/14.jpg)
Hoy en día es muy importante que los resultados de medición analíticos vayan acompañados de su incertidumbre. Así lo establece la norma ISO/EIC 17025 , como sigue:
Importancia de la Incertidumbre de la Medición
Importancia de la Incertidumbre de la Medición
![Page 15: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/15.jpg)
![Page 16: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/16.jpg)
![Page 17: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/17.jpg)
Una calibración, donde la incertidumbre de medición debe consignarse en el certificado.
Un ensayo, donde la incertidumbre de medición es necesaria para determinar si el objeto ensayado cumple o no cumple con el ensayo.
Importancia de la Incertidumbre de la Medición
Importancia de la Incertidumbre de la Medición
![Page 18: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/18.jpg)
– Satisfacer una tolerancia, donde usted necesita conocer la incertidumbre antes que pueda decidir cuando se satisface, o no, la tolerancia establecida.
– Necesidad de leer y comprender un certificado de calibración o una especificación escrita de un ensayo o una medición.
Importancia de la Incertidumbre de la Medición
Importancia de la Incertidumbre de la Medición
![Page 19: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/19.jpg)
Las equivocaciones que cometen los operadores no son incertidumbres de medición, son errores groseros. Ellas no deben tomarse en cuenta para calcular las incertidumbres. Deben evitarse trabajando cuidadosamente y mediante la aplicación de los controles adecuados.
Importancia de la Incertidumbre de la Medición
Importancia de la Incertidumbre de la Medición
![Page 20: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/20.jpg)
Las dos formas de estimar incertidumbresLas dos formas de estimar incertidumbres
– Independientemente de las fuentes de las incertidumbres, hay dos aproximaciones para estimarlas: estimaciones del tipo A y del tipo B. En la mayoría de los casos se necesitan las evaluaciones de los dos tipos.
![Page 21: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/21.jpg)
Las dos formas de estimar incertidumbresLas dos formas de estimar incertidumbres
– Evaluaciones tipo A, la estimación de la incertidumbre se hace utilizando métodos estadísticos, normalmente a partir de mediciones repetidas.
– Evaluaciones tipo B, la estimación de la incertidumbre se obtiene de otras informaciones. Pueden provenir de experiencias previas con otras mediciones, de certificados de calibración, de las especificaciones de los fabricantes, de cálculos, de informaciones publicadas y del sentido común.
![Page 22: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/22.jpg)
Estimación Incertidumbre Tipo A
– La estimación de la incertidumbre se hace utilizando métodos estadísticos, normalmente a partir de mediciones repetidas, cuantificándola mediante la desviación estándar corregida :
![Page 23: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/23.jpg)
Sea la siguiente fórmula :
y realizando repeticiones obtenemos :
![Page 24: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/24.jpg)
Estimación Incertidumbre Tipo B
– Para la estimación de este tipo de incertidumbre debemos asumir que ellas proviene de una distribución conocida y por ende, calcular su desviación estándar.
![Page 25: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/25.jpg)
Distribuciones de ProbabilidadDistribuciones de Probabilidad
Las más usadas son :
– Distribución Rectangular.Distribución Rectangular.– Distribución Triangular.Distribución Triangular.– Distribución Normal.Distribución Normal.– Distribución U.Distribución U.– Distribución Poisson.Distribución Poisson.
![Page 26: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/26.jpg)
Distribución Rectangular
– La gráfica de su función de distribución es :
![Page 27: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/27.jpg)
– Determinación de la varianza :
– Específicamente para la distribución rectangular :
– Por lo cual la desviación estándar sería:
![Page 28: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/28.jpg)
Ejemplo:En algunos instrumento de medición (por ejemplo de longitud) , la resolución es conocida ( R ) y se sabe que el valor X puede estar entre :
En este caso la distribución rectangular es un buen modelo donde la incertidumbre estándar sería :
![Page 29: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/29.jpg)
Distribución Triangular
– La gráfica de su función de distribución es :
![Page 30: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/30.jpg)
– Determinación de la varianza :
– Específicamente para la distribución triangular :
– Por lo cual la desviación estándar sería:
![Page 31: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/31.jpg)
– Ejemplo:– Si en algún instrumento de medición de
temperatura, este tiende a que el valor central, que se encuentra entre sus graduaciones, es el más probable y entre medida y medida dista 0.2 °F.
– En este caso la distribución triangular es un buen modelo donde la incertidumbre estándar sería :
![Page 32: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/32.jpg)
Distribución Normal
– La gráfica de su función de distribución es :
![Page 33: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/33.jpg)
Distribución U
– La gráfica de su función de distribución es :
![Page 34: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/34.jpg)
– Determinación de la varianza :
– Por lo cual la desviación estándar sería:
![Page 35: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/35.jpg)
– Ejemplo:– Supongamos que la temperatura de la sala de
ensayo contribuye a la incertidumbre y está varía de + 5°C además que muy difícilmente tomaría los valores límites.
– En este caso la distribución U es un buen modelo donde la incertidumbre estándar sería :
![Page 36: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/36.jpg)
Distribución Poisson
– La gráfica de su función de distribución es :
![Page 37: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/37.jpg)
– Por lo cual la desviación estándar sería:
![Page 38: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/38.jpg)
– Ejemplo:– Supongamos que realizamos recuentos de
colonias de bacterias en placas, las cuales se distribuyen de acuerdo a una distribución de Poisson,teniendo como resultado :
– 64x104 cfu/ml– En este caso la incertidumbre estándar sería :
![Page 39: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/39.jpg)
Modelos de Cálculo de Incertidumbre
![Page 40: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/40.jpg)
Ventajas:
•No distingue etapas dentro de él para el cálculo de incertidumbres parciales.
•Desventajas:
•Se debe de planificar correctamente la variación de los factores reales que afectan el proceso de rutina.
•Se pierde información de la contribución en la incertidumbre final de las etapas individuales, por lo que a priori no se puede actuar sobre ellas para mejorar la incertidumbre final
Modelo Global – NMKL
![Page 41: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/41.jpg)
Ventajas:
•Se puede estimar la variabilidad de cada etapa (incertidumbre parcial ), cuantificando el aporte de cada etapa a la incertidumbre total.
•Ayuda a mejorar el conocimiento de las técnicas y principios analíticos.
Modelo “Bottom – Up “ de ISO – Eurachem
![Page 42: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/42.jpg)
Desventajas:
•La fragmentación por etapas para el cálculo de las incertidumbres parciales puede ser a veces complicado, pues se tiene que tener mucho conocimiento sobre el método de ensayo.
Modelo “Bottom – Up “ de ISO – Eurachem
![Page 43: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/43.jpg)
Conclusión:
El modelo de ISO-EURACHEM además de cuantificar la incertidumbre, sirve para actuar en las etapas previas para mejorar la incertidumbre final.
El modelo Global del “ Comité Nórdico de Alimentos” solo nos calcula la incertidumbre final.
Modelos de Cálculo de Incertidumbre
![Page 44: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/44.jpg)
Propagación de Incertidumbre
![Page 45: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/45.jpg)
Coeficientes de Sensibilidad
– Los coeficientes de sensibilidad son muy importantes para la estimación de la incertidumbre combinada, debido a que ponderan la implicancia de cada variable que contribuye a la incertidumbre respecto a la variable respuesta.
– En el ejemplo :
– Los coeficientes de sensibilidad para cada variable serían :
f = F ( x1 , x2 , x3 , x4 , ... , xn )
![Page 46: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/46.jpg)
– Por ejemplo hallamos los coeficientes de sensibilidad de las siguientes variables ( F,T y W ) de acuerdo a la ecuación:
![Page 47: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/47.jpg)
Propagación de Incertidumbres
A.- Propagación con cantidades no correlacionadas
![Page 48: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/48.jpg)
![Page 49: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/49.jpg)
B.- Propagación con cantidades correlacionadas
– Esto ocurre cuando las cantidades no son independientes. Esto es la variación de Xj
afecta a Xi, por ejemplo.
![Page 50: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/50.jpg)
– Donde :
– Es la covarianza entre Xi e Xj– Y además y son las desviaciones
estándar respectivas.
![Page 51: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/51.jpg)
– Las medidas de espesor ( T ) y ancho ( W ) del ejemplo anterior estan correlacionadas, siendo el modelo a combinar el siguiente :
![Page 52: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/52.jpg)
– Las medias y desviaciones estándar de espesor ( T ) y ancho ( W ) del ejemplo anterior son :
– Determinando la covarianza de T y W:
![Page 53: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/53.jpg)
– Por lo cual el coeficiente de correlación entre T y W será:
![Page 54: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/54.jpg)
– Y la incertidumbre combinada sería :
![Page 55: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/55.jpg)
– Quedando :
![Page 56: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/56.jpg)
Cálculo de la Incertidumbre Expandida
– La incertidumbre expandida vendría a ser igual a :
![Page 57: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/57.jpg)
Estimación del Factor del Cobertura ( k )
– El valor del factor de cobertura (k) debe de especificarse siempre. Para poder hallar la incertidumbre expandida.
– Para obtener el valor del factor de cobertura kp que proporciona un intervalo correspondiente a un nivel de confianza dado, es necesario conocer al detalle la distribución de probabilidad que caracteriza al resultado de la medida.
![Page 58: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/58.jpg)
Teorema del Límite Central
![Page 59: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/59.jpg)
![Page 60: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/60.jpg)
![Page 61: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/61.jpg)
![Page 62: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/62.jpg)
![Page 63: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/63.jpg)
Factores de Cobertura por Nivel de Confianza de una Distribución Normal
![Page 64: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/64.jpg)
– Para esto debemos de obtener las contribuciones de cada una de las variables y sus respectivos grados de libertad.
Grados de Libertad Efectivos
![Page 65: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/65.jpg)
– Para una componente obtenida mediante una evaluación tipo A, los grados de libertad Vi, depende del número de repeticiones, donde:
– Vi= N° repeticiones –1.
– Para una componente obtenida mediante una evaluación de Tipo B, los grados de libertad depende de la fiabilidad que pueda suponérsela al valor de dicha componente.
![Page 66: CURSO INCERTIDUMBRE](https://reader033.vdocuments.net/reader033/viewer/2022061501/55cf9d70550346d033ad9eff/html5/thumbnails/66.jpg)
¡Muchas [email protected]