Tipo de Error

ÍNDICE
INTRODUCCIÓN .................................................................................................... 2
OBJETIVO .............................................................................................................. 2
TIPOS DE ERRORES: DEFINICIÓN, IMPACTO EN LA MEDICIÓN,

CLASIFICACIÓN, CAUSAS DE LOS ERRORES, CONSECUENCIAS EN LA
MEDICIÓN, ESTUDIOS DE R Y R .......................................................................... 3
CONCEPTOS BÁSICOS ..................................................................................... 4
CLASIFICACIÓN DE LOS ERRORES ................................................................ 6
CIFRAS SIGNIFICATIVAS .................................................................................. 8
HISTOGRAMAS Y DISTRIBUCIÓN ESTADÍSTICA ........................................... 9
ELECCIÓN DE LOS INSTRUMENTOS ............................................................. 20
ERRORES EN METROLOGÍA DIMENSIONAL ................................................ 21
MEDIDA DEL ERROR ....................................................................................... 22
ERRORES POR MÉTODO DE SUJECIÓN DEL INSTRUMENTO ................... 27
ESTUDIOS DE R & R. ....................................................................................... 31
ERROR POR CONDICIONES AMBIENTALES ................................................ 31
TIPOS DE ERRORES........................................................................................ 35
ANÁLISIS ESTADÍSTICO: ................................................................................ 39
DISTRIBUCIÓN NORMAL DE ERRORES: ....................................................... 40
INCERTIDUMBRE DE LA MEDICIÓN: ............................................................. 41
INCERTIDUMBRE ............................................................................................. 44
EVALUACIÓN Y CLASIFICACIÓN DE LOS TIPOS DE INCERTIDUMBRE
(TIPO A O TIPO B) ............................................................................................ 48
EVALUACIÓN TIPO A DE LA INCERTIDUMBRE ESTÁNDAR ....................... 50
CONCLUSIÓN ...................................................................................................... 53
BIBLIOGRAFÍA .................................................................................................... 54
CUESTIONARIO ................................................................................................... 55
INTRODUCCIÓN
En la actualidad, uno de los mayores retos que enfrenta las empresas es el de la

fuerte competencia dentro de los mercados tanto a nivel local como a nivel global,
como dice Jack Welch: “este abierto al cambio. Olvide el pasado”. “estemos listos
para ir mas allá”.
Según Sergio novelo, “hace diez años, en México, todavía se veían los sistemas
de calidad como algo que solo se media con índices estadísticos. Desde entonces,
la calidad ha ido posesionándose donde debe. En todo los niveles sociales,
ideológicos y económicos, siendo al día de hoy, ya no solamente un anexo en los
procesos y productos, si no también, un complemento de la vida misma”
Las organizaciones de manufactura y las instituciones de servicios, tienen que ser
cada vez más eficiente es decir, altamente productivas dada la alta competencia en
el mercado global. De tal manera que deben forjar una cadena de valor que logre
satisfacer totalmente la necesidades de sus clientes, con calidad, en el menor
tiempo posible, y aun costo competitivo.
Las oficinas de diseño del producto, tiene el reto de innovar, modificar y optimizar
en el menor tiempo posible sus diseños, para lanzar nuevos productos rápidamente,
aun y cuando los productores sean altamente complejos. La manufactura
experimenta retos que anteriormente eran inimaginables ya que tiene que producir
tanto mayores como menores volúmenes de producción, con mucho menos
recursos, de los que antes destinaba para ellos. Las instituciones de servicios, tiene
que reducir al máximo sus tiempos de entrega e incrementar la creación de valor de
sus operaciones para lograr la satisfacción total de sus clientes.
OBJETIVO
El objetivo general de este caso de estudio es el de mostrar un caso práctico de

aplicación de los tipos de errores que encontramos en la metrología, que evidencie
en forma clara y concisas los pasos a seguir para la solución de un problema real
planteado; servirá como una guía que facilite la compresión de aplicación de los
diferentes métodos y herramientas estadísticas para la mejora de la calidad al lector
de este trabajo.
METROLOGÍA Y NORMALIZACIÓN 2
TIPOS DE ERRORES: DEFINICIÓN, IMPACTO EN LA MEDICIÓN,
CLASIFICACIÓN, CAUSAS DE LOS ERRORES, CONSECUENCIAS EN LA
MEDICIÓN, ESTUDIOS DE R Y R
Una magnitud física es un atributo de un cuerpo, un fenómeno o una sustancia, que
puede determinarse cuantitativamente, es decir, es un atributo susceptible de ser
medido. Ejemplos de magnitudes son la longitud, la masa, la potencia, la velocidad,
etc. A la magnitud de un objeto específico que estamos interesado en medir, la
llamamos mesurando. Por ejemplo, si estamos interesado en medir la longitud de
una barra, esa longitud específica será el mesurando
Para establecer el valor de un mesurando tenemos que usar instrumentos de
medición y un método de medición. Asimismo es necesario definir unidades de
medición. Por ejemplo, si deseamos medir el largo de una mesa, el instrumento de
medición será una regla. Si hemos elegido el Sistema Internacional de Unidades
(SI), la unidad será el metro y la regla a usar deberá estar calibrada en esa unidad
(o submúltiplos). El método de medición consistirá en determinar cuántas veces la
regla y fracciones de ella entran en la longitud buscada.
En ciencias e ingeniería, el concepto de error tiene un significado diferente del uso
habitual de este término. Coloquialmente, es usual el empleo del término error como
análogo o equivalente a equivocación. En ciencia e ingeniería, el error, como
veremos en lo que sigue, está más bien asociado al concepto de incerteza en la
determinación del resultado de una medición. Más precisamente, lo que procuramos
en toda medición es conocer las cotas (o límites probabilísticos) de estas
incertezas. Gráficamente, buscamos establecer un intervalo x 𝑥 −△ 𝑥 ≤ 𝑥 ≤
𝑥 +△ 𝑥 como el de la Figura 1.1, donde con cierta probabilidad, podamos decir que
se encuentra el mejor valor de la magnitud x. Este mejor valor 𝑥 es el más
representativo de nuestra medición y al semiancho x lo denominamo la incerteza
o error absoluto de la medición.
Figura 1.1. Intervalo asociado al resultado de una medición. Notamos que, en lugar
de dar un único número, definimos un intervalo. Al valor representativo del centro
del intervalo (𝑥) lo llamamos el mejor valor de semiancho del imntaegrvnaitluod (△x)
se denomina la incertidumbre o error absoluto de la medición.
En todo proceso de medición existen limitaciones dadas por los instrumentos
usados, el método de medición, el observador (u observadores) que realizan la
medición. Asimismo, el mismo proceso de medición introduce errores o incertezas.
Por ejemplo, cuando usamos un termómetro para medir una temperatura, parte del
valor del objeto fluye al termómetro (o viceversa), de modo que el resultado de la
medición es un valor modificado del original debido a la inevitable interacción que
debimos realizar. Es claro que esta interacción podrá o no ser significativa: Si
estamos midiendo la temperatura de un metro cúbico de agua, la cantidad de calor
transferida al termómetro puede no ser significativa, pero si lo será si el volumen en
cuestión es de una pequeña fracción del mililitro.
Tanto los instrumentos que usamos para medir como las magnitudes mismas son
fuente de incertezas al momento de medir. Los instrumentos tienen una precisión
finita, por lo que, para un dado instrumento, siempre existe una variación mínima de
la magnitud que puede detectar. Esta mínima cantidad se denomina la apreciación
nominal del instrumento. Por ejemplo, con una regla graduada en milímetros, no
podemos detectar variaciones menores que una fracción del milímetro.
A su vez, las magnitudes a medir no están definidas con infinita precisión.
Imaginemos que queremos medir el largo de una mesa. Es posible que al usar
instrumentos cada vez más precisos empecemos a notar las irregularidades típicas
del corte de los bordes o, al ir a un más allá, finalmente detectemos la naturaleza
atómica o molecular del material que la constituye. Es claro que en ese punto la
longitud dejará de estar bien definida. En la práctica, es posible que mucho antes
de estos casos límites, la falta de paralelismo en sus bordes haga que el concepto
de la “longitud de la mesa” comience a hacerse cada vez menos definido, y a esta
limitación intrínseca la denominamos denomina incerteza intrínseca o falta de
definición de la magnitud en cuestión.
Otro ejemplo sería el caso en que se cuenta la cantidad de partículas alfa emitidas
por una fuente radioactiva en 5 segundos. Sucesivas mediciones arrojarán diversos
resultados (similares, pero en general distintos). En este caso, de nuevo, estamos
frente a una manifestación de una incerteza intrínseca asociada a esta magnitud
“número de partículas emitidas en 5 s”, más que al error de los instrumentos o del
observador.
CONCEPTOS BÁSICOS
Otra fuente de error que se origina en los instrumentos además de la precisión es
la exactitud de los mismos. Como vimos, la precisión de un instrumento o un método
de medición están asociada a la sensibilidad o menor variación de la magnitud que
se pueda detectar con dicho instrumento o método. Así, decimos que un tornillo
micrométrico (con una apreciación nominal de 10 m) es más preciso que una regla
graduada en milímetros; o que un cronómetro es más preciso que un reloj común,
etc.
La exactitud de un instrumento o método de medición está asociada a la calidad de
la calibración del mismo. Imaginemos que el cronómetro que usamos es capaz de
determinar la centésima de segundo pero adelanta dos minutos por hora, mientras
que un reloj de pulsera común no lo hace. En este caso decimos que el cronómetro
es todavía más preciso que el reloj común, pero menos exacto. La exactitud es una
medida de la calidad de la calibración de nuestro instrumento respecto de patrones
de medida aceptados internacionalmente. En general los instrumentos vienen
calibrados, pero dentro de ciertos límites. Es deseable que la calibración de un
instrumento sea tan buena como la apreciación del mismo. La Figura 1.2 ilustra de
modo esquemático estos dos conceptos.
Figura 1.2. Esta figura ilustra de modo esquemático los conceptos de precisión y
exactitud. Los centros de los círculos indican la posición del “verdadero valor” del
mesurando y las cruces los valores de varias determinaciones del centro. La
dispersión de los puntos da una idea de la precisión, mientras que su centro efectivo
(centroide) está asociado a la exactitud. a) Es una determinación precisa pero
inexacta, mientras d) es más exacta pero imprecisa; b) es una determinación más
exacta y más precisa; c) es menos precisa que a).
Decimos que conocemos el valor de una magnitud dada, en la medida en que
conocemos sus errores. En ciencia consideramos que la medición de una magnitud
con un cierto error no significa que se haya cometido una equivocación o que se
haya realizado una mala medición. Con la indicación del error de medición
expresamos, en forma cuantitativa y lo más precisamente posible, las limitaciones
que nuestro proceso de medición introduce en la determinación de la magnitud
medida.
CLASIFICACIÓN DE LOS ERRORES
Existen varias formas de clasificar y expresar los errores de medición. Según su
origen los errores pueden clasificarse del siguiente modo:
I. Errores introducidos por el instrumento:

 Error de apreciación, ap: si el instrumento está correctamente calibrado la
incertidumbre que tendremos al realizar una medición estará asociada a la
mínima división de su escala o a la mínima división que podemos resolver
con algún método de medición. Nótese que no decimos que el error de
apreciación es la mínima división del instrumento, sino la mínima división que
es discernible por el observador. La mínima cantidad que puede medirse con
un dado instrumento la denominamos apreciación nominal. El error de
apreciación puede ser mayor o menor que la apreciación nominal,
dependiendo de la habilidad (o falta de ella) del observador. Así, es posible
que un observador entrenado pueda apreciar con una regla común
fracciones del milímetro mientras que otro observador, con la misma regla
pero con dificultades de visión sólo pueda apreciar 2 mm.
 Error de exactitud, exac: representa el error absoluto con el que el
instrumento en cuestión ha sido calibrado.
II. Error de interacción; int: esta incerteza proviene de la interacción del

método de medición con el objeto a medir. Su determinación depende de la
medición que se realiza y su valor se estima de un análisis cuidadoso del
método usado.
III. Falta de definición en el objeto sujeto a medición: como se dijo antes, las
magnitudes a medir no están definidas con infinita precisión. Con sdef
designamos la incertidumbre asociada con la falta de definición del objeto a
medir y representa su in-certidumbre intrínseca.
En general, en un dado experimento, todas estas fuentes de incertidumbres estarán
presentes, de modo que resulta útil definir el error nominal de una medición nom,
como:
2nom = 2ap 2def 2int 2exac (I.1)
Este procedimiento de sumar los cuadrados de los errores es un resultado de la

estadística, y proviene de suponer que todas las distintas fuentes de error son
independientes una de otras.
Según su carácter los errores pueden clasificarse en sistemáticos, estadísticos e
ilegítimos o espurios.
a) Errores sistemáticos: se originan por las imperfecciones de los métodos de
medición. Por ejemplo, pensemos en un reloj que atrasa o adelanta, o en una
regla dilatada, el error de paralaje, etc. Los errores introducidos por estos
instrumentos o métodos imperfectos afectarán nuestros resultados siempre
en un mismo sentido. El valor de Sexac sería un ejemplo de error sistemático
pero no son lo mismo, ni los errores de exactitud son los únicos responsables
de los errores sistemáticos. Imaginemos por ejemplo el caso de una balanza
bien calibrada que se usa para conocer el peso de las personas en los
centros comerciales u otros negocios, como es usual que las personas (en
público) se pesen vestidas, los valores registrados con estas balanzas
tendrán un error sistemático por el peso de la vestimenta. La única manera
de detectarlos y corregirlos es comparar nuestras mediciones con otros
métodos alternativos y realizar un análisis crítico y cuidadoso del
procedimiento empleado. También es aconsejable intercalar en el proceso
de medición patrones confiables que permitan calibrar el instrumento durante
la medición.
b) Errores estadísticos: Son los que se producen al azar. En general son
debidos a causas múltiples y fortuitas. Ocurren cuando, por ejemplo, nos
equivocamos en contar el número de divisiones de una regla, o si estamos
mal ubicados frente al fiel de una balanza. Estos errores pueden cometerse
con igual probabilidad por defecto como por exceso. Por tan- to, midiendo
varias veces y promediando el resultado, es posible reducir- los
considerablemente. Es a este tipo de errores a los que comúnmente hace
referencia la teoría estadística de errores de medición que formularemos
sucintamente en lo que sigue. A estos errores lo designaremos con Sest.
c) Errores ilegítimos o espurios: Supongamos que deseamos calcular el
volumen de un objeto esférico y para ello determinamos su diámetro. Si al
introducir el valor del diámetro en la fórmula, nos equivocamos en el número
introducido, o lo hacemos usando unidades incorrectas, o bien usamos una
expresión equivocada del volumen, claramente habremos cometido un error.
Esta vez este error está más asociado al concepto convencional de
equivocación. A este tipo de errores los designamos como ilegítimos o
espurios. A este tipo de errores no se aplica la teoría estadística de errores y
el modo de evitarlo consiste en una evaluación cuidadosa de los
procedimientos realizados en la medición Un ejemplo de este tipo de error es
el que se cometió en el Mars Climate Explorer a fines de 1999, al pasar de
pulgadas a cm se cometió un error que costo el fracaso de dicha misión a
Marte.
Cuando se desea combinar los errores sistemáticos con los estadísticos, la
prescripción usual es sumar los cuadrados de los errores absolutos y luego tomar
la raíz cuadrada de este resultado, como lo indica la Ec. (1.2). Si estamos midiendo
una magnitud Z, el error final o combinado o efectivo de Z, DZ, vendrá dado por:
. (1.2)
Los errores pueden asimismo expresarse de distintos modos, a saber:
 Error absoluto: es el valor de la incertidumbre combinada (Ec. 1.2). Tiene las
mismas dimensiones que la magnitud medida y es conveniente expresarla
con las mismas unidades de ésta. Si Z es la magnitud en estudio, Z es el
mejor valor obtenido y △ Z su incertidumbre absoluta. El resultado se
expresa adecuadamente como:
Z = Z±△Z (1.3)
El significado de esta notación es equivalente a decir que, según nuestra medi- ción,
con una cierta probabilidad razonable p0 (usualmente p0 = 0.68, 68%) el valor de Z
está contenido en el intervalo ( Z - △Z, Z + △Z), o sea:
Z - △ < Z < Z +△ 𝑍 (1-4)
Lo que es equivalente a:
P (Z - △Z < Z < Z + △ Z)= P0 (1.5)
Que significa que la probabilidad que el mejor estimador de Z esté comprendido
entre Z - △ Z y Z + △ Z es igual a p0. El valor de P0 se conoce con el nombre de
coeficiente de confianza y los valores (𝑍 −△ 𝑍, 𝑍 +△ 𝑍Z) determinan un intervalo de
confianza para Z.
 Error relativo: ɛZ =△Z/Z, el cociente entre el error absoluto y el mejor valor de

la magnitud.
 Error relativo porcentual: ɛz%=100-ɛz, es la incertidumbre y el mejor valor de
la magnitud.
Cifras significativas
Cuando realizamos una medición con una regla graduada en milímetros, está claro
que, si somos cuidadosos, podremos asegurar nuestro resultado hasta la cifra de
los milímetros o, en el mejor de los casos, con una fracción del milímetro, pero no
más. De este modo nuestro resultado podría ser L = (95.2 ± 0.5) mm, o bien L = (95
± 1) mm. En el primer caso decimos que nuestra medición tiene tres cifras
significativas y en el segundo caso sólo dos. El número de cifras significativas es
igual al número de dígitos contenidos en el resultado de la medición que están a la
izquierda del primer dígito afectado por el error, incluyendo este dígito. El primer
dígito, o sea el que está más a la izquierda, es el más significativo (9 en nuestro
caso) y el último (más a la derecha) el menos significativo, ya que es en el que
tenemos “menos seguridad”. Nótese que carece de sentido incluir en nuestro
resultado de L más cifras que aquellas en donde tenemos incertidumbres (donde
“cae” el error).
No es correcto expresar el resultado como L = (95.321 1) mm, ya que si tenemos
incertidumbre del orden de 1 mm, mal podemos asegurar el valor de las décimas,
centésimas y milésimas del milímetro. Si el valor de L proviene de un promedio y el
error es del orden del milímetro, se debe redondear el dígito donde primero cae el
error.
Es usual expresar las incertidumbres con una sola cifra significativa, y solo en casos
excepcionales y cuando existe fundamento para ello, se pueden usar más. También
es usual considerar que la incertidumbre en un resultado de medición afecta a la
última cifra si es que no se la indica explícitamente. Por ejemplo, si sólo disponemos
de la información que una longitud es L = 95 mm, podemos suponer que la
incertidumbre es del orden del milímetro y, como dijimos antes, el resultado de L
tiene dos cifras significativas.
Una posible fuente de ambigüedad se presenta con el número de cifras significativas
cuando se hace un cambio de unidades. Si en el último ejemplo deseamos expresar
L en m, el resultado sería L = (95000±1000) m. ¿Cuántas cifras significativas
tenemos en este resultado? Claramente dos, igual que antes, ya que la última cifra
significativa sigue siendo 5. Sin embargo, si no indicamos explícitamente la
incertidumbre de L, es difícil saber cuántas cifras significativas tenemos. Nótese que
95 mm 95000 m, ya que el primer resultado tiene sólo dos cifras significativas
mientras el segundo tiene 5 (a propósito compare los costos de los instrumentos
para realizar estas dos clases de determinaciones). Para evitar estas ambigüedades
se emplea la notación científica. Podemos escribir la siguiente igualdad: 9.5 x101
mm =9.5 x 104 m. Notemos que los números en ambos miembros de la igualdad
tienen igual nú mero de cifras significativas, siendo la única diferencia las unidades
usadas.
Histogramas y distribución estadística

Consideremos una población de personas de una ciudad y que queremos analizar
cómo se distribuyen las estaturas de la población. Para llevar adelante este estudio
podemos medir la altura de todos los individuos de la población, o bien tomar una
muestra representativa de la misma, a partir de la cual inferiríamos las
características de la población. Esta clase de estudio es un típico problema de
estadística. Si tomamos una muestra de tamaño N y para la misma medimos las
alturas de cada individuo, este experimento dará N resultados: x1, x2, x3,..., xN.
Todos estos datos estarán comprendidos en un intervalo de alturas (xmin, xmax)
entre la menor y mayor altura medidas. Una manera útil de visualizar las
características de este conjunto de datos consiste en dividir el intervalo ( xmin,
xmax) en m subintervalos iguales, delimitados por los puntos (y1, y2, y3, ..., ym)
que determinan lo que llamaremos el rango de clases. Seguidamente, contamos el
número n1 de individuos de la muestra cuyas alturas están en el primer intervalo
[y1, y2), el número nj de los individuos de la muestra que están en el j- ésimo
intervalo [yj-1, yj), etc., hasta el subintervalo m. Aquí hemos usado la notación usual
de usar corchetes, […], para indicar un intervalo cerrado (incluye al extremo) y
paréntesis comunes, (…), para denotar un intervalo abierto (excluye el extremo).
Con estos valores definimos la función de distribución fj que se define para cada
subintervalos j como:
𝒏𝒋
𝒇𝒋 = ∑ (1.6)
𝒋 𝒏𝒋
Esta función de distribución está normalizada, es decir:
∑𝑚
𝑗=1 𝑓𝑗 = 1 (1.7)
El gráfico de fj versus xj [xj = 0.5 ( yj-1 + yj)] nos da una clara idea de cómo se
distribuyen las altura de los individuos de la muestra en estudio. Este tipo de gráfico
se llama un histograma y la mayoría de las hojas de cálculo de programas
comerciales (Excel, QuatroPro, Origin, etc.) tienen herramientas para realizar las
operaciones descriptas aquí y el gráfico resultante. En la Fig. 1.3 ilustramos dos
histogramas típicos.
Figura 1.3. Histograma de dos muestras con igual valor medio pero con distintos
grados de dispersión. En este ejemplo, los datos tienen una distribución Gaussiana
o Normal, descripta por la curva de trazo continúo.
Tres parámetros importantes de una distribución son:
El valor medio da una idea de la localización o valor medio de los valores en la

muestra. En general <x> da el centro de masa (centroide) de la distribución. Tanto
Var(x) como sx dan una idea de la dispersión de los datos alrededor del promedio.
Cuando más concentrada esté la distribución alrededor de <x> menor será sx y
viceversa.
Una distribución de probabilidad muy común en diversos campos es la distribución
gaussiana o normal, que tiene la forma de una campana como se ilustra en trazo
continuo en la Fig. 1.3. La expresión matemática de esta distribución es:
La “campana de Gauss” está centrada en m y su ancho está determinado por la

desviación estándar s. En particular, los puntos de inflexión de la curva están en x-
s y x s . El área de esta curva entre estos dos puntos constituye el 68.3% del área
total. El área entre x-2.s y x 2.s es del 96% del total. Es útil caracterizar para esta
función el ancho a mitad de su altura, que está relacionado con s a través de la
expresión: FWHM = 2.35s (FWHM, de “full width half maximum”). Aunque esta
distribución ocurre naturalmente en muchos procesos, desde luego no es única y
existen muchos tipos de distribuciones de ocurrencia común en la naturaleza.
Cuando se desea comparar un histograma no normalizado con una curva normal,
es necesario calcular el número total de datos Nt, el valor medio de los mismos, x
y la desviación estándar de los datos, x. Supondremos que el rango de clases está
equiespaciado por una separación △x(= xi-xi-1). Para comparar el histograma con
la curva normal debemos multiplicar la distribución (1.11) por el factor Nt. △ x.
Los parámetros más usuales con los que puede caracterizarse la localización de
una distribución asociada a un conjunto de N datos son:
a) la media
b) la mediana
c) la moda
La media o promedio de la distribución se define, según ya vimos, como:
𝑥 = ∑𝑁 𝑋𝐼 /𝑁, y es la media aritmética de los valores observados.

La moda corresponde al valor de la variable donde está la máxima frecuencia, osea,
que en un histograma la moda corresponde al valor de la variable donde hay un pico
o máximo. Si una distribución tiene dos máximos la denominamos distribución
bimodal, si tiene tres máximos trimodal y así sucesivamente. La mediana es el valor
de la variable que separa los datos entre aquellos que definen el primer 50% de los
valores de los de la segunda mitad. O sea que la mitad de los datos de la población
o muestra están a derecha de la mediana y la otra mitad están a la izquierda de la
misma.
Mientras que a la media la calculamos usando una fórmula, a la moda la evaluamos
directamente del histograma.
Para estimar la mediana tenemos que observar la lista de datos ordenados de
menor a mayor, y ubicar el valor central de la lista. Si el número de datos es impar,
la mediana corresponde precisamente al valor central. Si el número N de datos es
par, la mediana se estima como ½ (XN/2 + XN/2+1). En una distribución dada, una
línea vertical trazada desde la mediana divide a la distribución en dos partes de área
equivalentes.
Es fácil darse cuenta que media, moda y mediana no tienen, en general, porqué
coincidir. Estos tres parámetros sí son iguales en el caso de distribuciones
simétricas respecto del valor medio y unimodales. Este es el caso de una
distribución gaussiana o normal. En el caso de una distribución asimétrica, las
diferencias entre moda, media y mediana pueden ser sustanciales. Es importante
saber cuál parámetro de localización es más apropiado de usar o más
representativo en una dada situación. Consideremos, para fijar ideas, la distribución
del ingreso familiar en un país dado. La presencia de millonarios, aunque sean
relativamente pocos, tiene un efecto sobre la media que contrarresta a muchos
miembros de la población en el extremo inferior de la escala de salarios. De esta
manera, la moda y la media difieren sustancialmente. En este caso tal vez la moda
es un parámetro más representativo que la media. A menudo los datos estadísticos
pueden ser interpretados de diversas maneras. El siguiente ejemplo ilustra las
distintas interpretaciones que pueden extraerse de un conjunto de datos
estadísticos.
Error de una magnitud que se mide una única vez
En este caso el mejor valor será simplemente el valor medido y el error vendrá dado
por el error nominal (nom) del instrumento. Según se deduce de (1.2), Z=nom.
Error de una magnitud que se mide directamente N veces
Un modo de minimizar la incidencia de los errores estadísticos, es realizar varias
mediciones del mesurando. Dado el carácter al azar del este tipo de errores es claro
que, al promediar los resultados, el promedio estará menos afectado de las
desviaciones estadísticas que los valores individuales. El procedimiento que se
describe a continuación es un método para determinar el número óptimo de
mediciones a realizar en cada caso y el modo de determinar las incertidumbres
asociadas al promedio. Esta teoría no es aplicable para reducir los errores de
carácter sistemático o espurio.
Supongamos que se han hecho N mediciones de una misma magnitud con
resultados x1, x2 ,..., x j ,...xN . Estas N determinaciones pueden ser consideradas
una muestra de todas las posibles mediciones que se podrían realizar (población).
Bajo condiciones muy generales puede demostrarse que el mejor estimador de la
magnitud x viene dado por el promedio, de los valores:
Este resultado es llamado también el mejor valor o estimador de x o valor más pro-
bable del mesurando. Llamaremos a
La desviación de cada medición respecto de x. También definimos la desviación

estándar o error cuadrático medio de cada medición, Sx . Esta cantidad es
equivalente al concepto de desviación estándar de la población, más
específicamente Sx es un estimador de la misma. Sx da una idea global acerca de
la dispersión de los x j alrededor del promedio x. Si la distribución es ancha Sx será
grande y si es afilado su valor será pequeño (ver figura 1.3. Este estimador maestral
(Sx) de la desviación estándar poblacional viene dado por:
Sx tiene las mismas dimensiones físicas que 𝑋, pudiéndose comparar directamente
con ésta. La calidad del proceso de medición será mayor cuanto menor sea el
cociente Sx/ 𝑋, que en general es una constante del proceso de medición y no
disminuye al aumentar N.
Como acabamos de discutir, Sx representa el error “promedio” de cada medición.
Otra manera de explicar el significado de Sx es pensar que, cuando realizamos una
serie de mediciones, los resultados obtenidos presentarán una distribución
estadística, cuya desviación estándar viene dada por Sx.
Si suponemos ahora que realizamos varias series de mediciones de x, y para cada
una de estas series calculamos el valor medio 𝑋, es de esperar que estos valores
tendrán una distribución (puesto que variarán entre sí) pero con una menor
dispersión que las mediciones individuales. Se puede probar que a medida que el
número N de mediciones aumenta, la distribución de x será normal con una
desviación estándar dada por:
x se llama el error estándar del promedio y es el estimador del error asociado a 𝑋.

Recordemos que Sx es la dispersión de cada medición y que no depende de N sino
de la calidad de las mediciones, mientras que x sí depende de N y es menor cuanto
más grande es N. Si, por ejemplo, estamos midiendo una longitud con una regla
graduada en milímetros, resulta claro que si aumentamos el número de mediciones
podremos disminuir el error estadístico, pero nunca con este instrumento podremos
dar con certeza cifras del orden de los micrones, por más que realicemos muchas
mediciones. Al aumentar N, x ciertamente disminuye, pero, desde un punto de
vista físico, el error en x solo puede disminuir hasta hacerse igual o del orden de
nom. La Ec. (1.2) indica que no es razonable esforzarse en disminuir x mucho
más que nom. El balance óptimo se logra cuando x » nom. Esto nos da un
criterio para decidir cuál es el número óptimo de mediciones a realizar de un
mesurando. Como suponemos que Sx es constante con N, la idea es hacer un
número pequeño de mediciones Nprel, digamos unas 5 a 10, luego calcular Sx, de
donde se obtiene:
Que resulta de imponer la condición: est » nom. Si Nop > Nprel, se completan las
mediciones para lograr Nop valores. Si Nop < Nprel, no se realizan más mediciones
que las preliminares y se usan todas ellas. En todos los casos, según la Ec. (1.2),
el error combinado o efectivo vendrá dado por:
Para la mayoría de los casos de interés práctico, si medimos 100 veces una
magnitud x, aproximadamente 68 de ellas caerán en el intervalo (𝑋 − 𝑋, 𝑋 + 𝑋),
96 de ellas en el intervalo (𝑋 − 2𝑋, 𝑋 + 2𝑋), y 99 de ellas en el intervalo (𝑋 −
3𝑋, 𝑋 + 3𝑋). Estos resultados valen estrictamente para el caso en que los errores
se distribuyan "normalmente", es decir, si el histograma formado con los resultados
de las mediciones adopta la forma de una campana de Gauss
Resumiendo, los pasos a seguir para medir una magnitud física X son:
1. Se realizan unas 5 a 10 mediciones preliminares y se determina el error

promedio de cada medición Sx.
2. Se determina Nop.
3. Se completan las Nop mediciones de X.
4. Se calcula el promedio 𝑋 y su incertidumbre estadística X.
 2
5. Se calcula el valor del error efectivo 𝑋 = √ + 𝑛𝑜𝑚 , ecuación (1.2).
2
𝑋
6. Se escribe el resultado de la forma x=.𝑋 ± x
7. Se calcula el error relativo porcentual ɛx=100*  X / 𝑋
8. Si se desea verificar que la distribución de valores es normal, se compara el
histograma de distribución de datos con la curva normal correspondiente, es
decir con una distribución normal de media 𝑋 y desviación estándar Sx.
9. Se analizan posibles fuentes de errores sistemáticos y se corrige el valor
medido.
10. Se evalúa la incertidumbre absoluta de la medición combinando las
incertidumbres estadísticas y sistemáticas (Ec. 1.2).
Combinación de N mediciones independientes

Una situación frecuente en ciencia es la determinación del mejor valor de una dada
magnitud usando N valores que resultan de mediciones independientes (obtenidos
por diferentes autores, con diferentes técnicas e instrumentos). Cada una de estas
mediciones independientes puede tener asociada distintos errores. Es decir,
tenemos un conjunto de N mediciones, cada una caracterizada por un par (xk, k),
con k = 1, 2,..., N. Nuestro objetivo es obtener el mejor valor para la magnitud en
discusión. Es claro que al combinar los distintos resultados para obtener el mejor
valor, <x>, es preciso tener en cuenta los errores de cada determinación, de tal
modo que aquellos valores que tengan menos error “pesen” más en el resultado
final. Es posible demostrar en este caso que el mejor valor <x> viene dado por:
Con un error dado por <x>
Un caso especial de interés, es cuando tenemos N determinaciones del mesuran-

do todos con el mismo error . Como puede deducirse fácilmente de la Ec. (1.17) el
promedio será:
Que, como es de esperar, coincide con la expresión (1.12). La incertidumbre aso-

ciada a este valor será, según la Ec. (1.18):
Que coincide con la expresión (1.14). Además queda ilustrado el significado de s
como el error asociado a cada medición individual y <x> como la incertidumbre
asociada al mejor valor.
Discrepancia
Si una magnitud física se mide con dos (o más) métodos o por distintos
observadores, es posible (y muy probable) que los resultados no coincidan. En este
caso decimos que existe una discrepancia en los resultados. Sin embargo, lo
importante es saber si la discrepancia es significativa o no. Un criterio que se aplica
en el caso especial pero frecuente, en el que las mediciones se puedan suponer
que siguen una distribución normal, es el siguiente. Si los resultados de las dos
observaciones que se comparan son independientes (caso usual) y dieron como
resultados:
Decimos que con un límite de confianza del 68% las mediciones son distintas si:
Y que con un límite de confianza del 96% las mediciones son distintas si:
Estos criterios pueden generalizarse para intervalos de confianza mayores en forma
similar. También se aplican cuando se comparan valores obtenidos en el laboratorio
con valores tabulados o publicados. Nótese la diferencia entre discrepancia y error,
que en algunos textos poco cuidadosos se confunde. El error está relacionado con
la incertidumbre en la de- terminación del valor de una magnitud. La discrepancia
está asociada a la falta de coincidencia o superposición de dos intervalos de dos
resultados
Propagación de incertidumbres
Hay magnitudes que no se miden directamente, sino que se derivan de otras que sí
son medidas en forma directa. Por ejemplo, para conocer el área de un rectángulo
se miden las longitudes de sus lados, o para determinar el volumen de una esfera
se tiene que medir el diámetro. La pregunta que queremos responder aquí es cómo
los errores en las magnitudes que se miden directamente se propagarán para
obtener el error en la magnitud derivada. Sólo daremos los resultados, para mayor
detalle se recomienda consultar la bibliografía citada. Supongamos, para fijar ideas,
que la magnitud V, es una función de los parámetros, x, y, z, etc., o sea:
Y que x, y, z, etc., sí se midieron directamente y que conocemos sus errores, a los

que designamos en el modo usual como x, y, z, etc. Entonces se puede
demostrar que el error en V vendrá dado por:
En rigor las derivadas involucradas en esta ecuación son derivadas parciales

respecto de las variables independientes x, y, z, etc. En el caso especial que la
función V(x, y, z,..) sea factorizadle como potencias de x, y, z, etc., la expresión
anterior puede ponerse en un modo muy simple. Supongamos que la función en
cuestión sea:
Entonces:
Para cálculos preliminares, esta expresión puede aproximarse por:
Esta última expresión para la propagación de los errores se conoce con el nombre
de aproximación de primer orden, mientras que la expresión (1.22) se la denomina
usualmente aproximación de segundo orden.
Otro caso particular de interés es Z = x ± y. Usando la Ec. (I.10) obtenemos:
Truncación de números: Se desea determinar la densidad de un cuerpo y para ello

se procedió a medir su volumen, que dio como resultado V = 3.5 ± 0.2 cm3 (ɛV% =
6%) y su masa m = 22.7±0.1 g. (m%=0.4%). Para calcular la densidad, , debemos
realizar el cociente de r = m / V. Si realizamos este cociente con la calculadora
obtenemos:
= 22.7/3.5=6.485714286 g/cm3.
Claramente, la mayoría de estas cifras no son significativas y debemos truncar el
resultado. Para saber dónde hacerlo, debemos propagar los errores del numerador
y denominador, y ver a qué cifra afecta el error de r. Usando (1.22) obtenemos para
/  0.06 y por tanto   0.4 g/cm3, con lo que en el valor de r sólo una cifra
decimal es significativa. Sin embargo, al truncar el número 6.4857, debemos tener
en cuenta que el número más cercano a él y con una sola cifra decimal es 6.5 y no
6.4 que resultaría de una truncación automática. Final- mente, el valor que
obtenemos para r es:
 = 6.5 ± 0.4 g/cm3 y ɛ%=6%.
Es importante tener en cuenta este criterio de truncación toda vez que realizamos
una operación usando una calculadora o computadora.
Midiendo π: Sabemos que el perímetro (p) de un círculo está relacionado con su
diámetro (d) por la expresión p= πd, por lo tanto midiendo el diámetro y perímetro,
es posible “medir π”. Diseñe un experimento que le permita realizar esta medición.
Obtenga con este método. Dé su incertidumbre. Compare los valores tabulados
de esta constante. Consulte en la bibliografía otros métodos de obtener π
experimentalmente.
ELECCIÓN DE LOS INSTRUMENTOS

Un aspecto importante a tener en cuenta antes de proceder a realizar una medición,
es la elección de los instrumentos más apropiados para medir con la tolerancia o
error requerido. Ignorar este paso puede acarrear importantes pérdidas de tiempo y
dinero. Si se excede la tolerancia requerida, seguramente se dilapidó esfuerzo y
recursos innecesariamente; por el contrario, si se realizó la medición con más error
del requerido, la medición podría ser inútil para los fines perseguidos. Supongamos
que nuestro problema es determinar el volumen de un alambre (cuyo diámetro es
d  3 mm) y su longitud (L  50 cm) con un error del 1%
¿Qué instrumentos debemos usar para lograr nuestro objetivo con el menor costo?
Lo que debemos lograr es V/V  0.01. Como V=π.d2.L/4, tenemos que:
La primera expresión es una aplicación de (1.23), esta aproximación de primer

orden es útil y suficiente para este análisis preliminar. La asignación de la segunda
línea es en cierto modo arbitraria, pero hemos respetado que el error total no supere
el 1% requerido. A π, que es un número irracional, le asignamos un error relativo
pequeño, para que nos permita saber cuántas cifras debemos usar en π de modo
que el error de la truncación de π no afecte nuestra medición. No medimos π!
Nótese que el error en el diámetro tiene mayor incidencia (su error relativo está
multiplicado por 2) que la longitud L, y se debe a que el volumen es proporcional a
d2 y proporcional a L. Un pequeño error en d tiene mayor incidencia en el error del
volumen que lo que tiene el mismo error relativo en L. Por esta razón hemos
asignado mayor tolerancia (error relativo) a d que a L. Con esta asignación
preliminar podemos decidir cuáles instrumentos son más adecuados para realizar
el experimento (los más adecuados son los que hacen la medición más fácil, en
menor tiempo, con el menor costo y que cumplan los requisitos exigidos). Como
Debemos usar un tornillo micrométrico para medir d. Similarmente, para L tenemos:
Por lo tanto podemos usar una regla común graduada en milímetros para medir L.
Para tenemos:
Que indica que debemos usar π con 3 cifras decimales para que el error en su
truncamiento tenga una incidencia despreciable. Nótese que hasta ahora todo es
preliminar y solo hemos elegido los instrumentos a medir. Luego de la elección
llevamos adelante la medición usando estos instrumentos y procedemos para la
medición de d y L. Nótese también que para elegir los instrumentos a usar debemos
conocer el valor aproximado de los valores a medir, lo que parecería una paradoja.
No obstante, para este análisis preliminar sólo es necesario tener una idea de los
órdenes de magnitud y no un valor muy exacto. Este orden de magnitud se puede
obtener por una inspección visual o una medición rápida. Finalmente, una vez que
realicemos las mediciones de d y L debemos usar la expresión (1.22) para calcular
los errores V y ɛV.
ERRORES EN METROLOGÍA DIMENSIONAL

Toda acción que realice el hombre está expuesta a error, especialmente cuando se
trata de realizar mediciones, ya que están presentes muchos factores que nos
pueden inducir a errores. En metrología es imposible hacer una medición exacta,
por lo tanto uno siempre se enfrentará a errores, los que pueden ser despreciables
o significativos dependiendo de la medición. Tú deberás:
• Identificar los distintos errores en las mediciones.
Errores en la medición
Al hacer mediciones, las lecturas que se obtienen nunca son exactamente iguales,
aun cuando las efectúe la misma persona, sobre la misma pieza, con el mismo
instrumento, el mismo método y en el mismo ambiente (repetibilidad); si las
mediciones las hacen diferentes personas con distintos instrumentos o métodos o
en ambientes diferentes, entonces las variaciones en las lecturas son mayores
(reproducibilidad). Esta variación puede ser relativamente grande o pequeña, pero
siempre existirá.
En sentido estricto, es imposible hacer una medición totalmente exacta, por lo tanto,
siempre se enfrentarán errores al hacer las mediciones. Los errores pueden ser
despreciables o significativos, dependiendo, entre otras circunstancias de la
aplicación que se le dé a la medición.
Los errores surgen debido a la imperfección de los sentidos, de los medios, de la
observación, de las teorías que se aplican, de los aparatos de medición, de las
condiciones ambientales y de otras causas.
MEDIDA DEL ERROR

En una serie de lecturas sobre una misma dimensión constante, la inexactitud o
incertidumbre es la diferencia entre los valores máximo y mínimo obtenidos.
Incertidumbre = valor máximo - valor mínimo
El error absoluto es la diferencia entre el valor leído y el valor convencionalmente
verdadero correspondiente.
Error absoluto = valor leído - valor convencionalmente verdadero
Sea, por ejemplo, un remache cuya longitud es 5.4 mm y se mide cinco veces
sucesivas, obteniéndose las siguientes lecturas:
5.5; 5.6; 5.5; 5.6; 5.3 mm
La incertidumbre será:
Dado el nivel del presente texto, la definición de incertidumbre se da de una manera
muy simple, para un tratamiento formal se recomienda consultar la siguiente
referencia. Guide to the expression of uncertainty in measurement (1993) preparada
conjuntamente por expertos del BIPM (Bureau International des Poids et Measure),
el (International Electrotechnical Commision), la ISO (International Organization
forStandardization) y OIML (International Organization of Legal Metrology).
Incertidumbre = 5.6 - 5.3 = 0.3 mm
Los errores absolutos de cada lectura serían:
5.5 - 5.4 = 0.1 mm; 5.6 - 5.4 = 0.2 mm; 5.5 - 0.1 mm
5.6 - 5.4 = 0.2 mm; 5.3 - 5.4 = - 0.1 mm
El signo nos indica si la lectura es mayor (signo +) o menor (signo -) que el valor
convencionalmente verdadero.
 El error absoluto tiene las mismas unidades de la lectura.
 El error relativo es el error absoluto entre el valor convencionalmente
verdadero.
error absoluto
𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 =
valor convencinalmente verdadero
Y como el error absoluto es igual a la lectura menos el valor convencionalmente

verdadero, entonces:
valor leido − valor convencionalmente verdadero
error relativo =
valor convencinalmente
Con frecuencia, el error relativo se expresa en porcentaje multiplicándolo por cien.
En el ejemplo anterior los errores relativos serán:
0.1/5.4 = 0.0185 = 1.85% 0.2/5.4 = 0.037 = 3.7%
0.1/5.4 = 0.0185 = 1.85% 0.2/5.4 = 0.037 = 3.7%
- 0.1/5.4 = - 0.0185 = -1.85%
El error relativo proporciona mejor información para cuantificar el error, ya que un
error de un milímetro en la longitud de un rollo de lámina y en el diámetro de un
tornillo tienen diferente significado.
Clasificación de errores en cuanto a su origen
Atendiendo al origen donde se produce el error, puede hacerse una clasificación
general de éstos en: errores causados por el instrumento de medición, causados
por el operador o el método de medición (errores humanos) y causados por el medio
ambiente en que se hace la medición.
Errores por el instrumento o equipo de medición
Las causas de errores atribuibles al instrumento, pueden deberse a defectos de
fabricación (dado que es imposible construir aparatos perfectos). Éstos pueden ser
deformaciones, falta de linealidad, imperfecciones mecánicas, falta de paralelismo,
etc.
El error instrumental tiene valores máximos permisibles, establecidos en normas o
información técnica de fabricantes de instrumentos, y puede determinarse mediante
calibración. Ésta es la comparación de las lecturas proporcionadas por un
instrumento o equipo de medición contra un patrón de mayor exactitud conocida.
(Véase la figura 3.1.)
Debe contarse con un sistema de control que establezca, entre otros aspectos,
periodos de calibración, criterios de aceptación y responsabilidades para la
calibración de cualquier instrumento y equipo de medición.
Errores del operador o por el método de medición
Muchas de las causas del error aleatorio se deben al operador, por ejemplo: falta
de agudeza visual, descuido, cansancio, alteraciones emocionales, etcétera. Para
reducir este tipo de errores es necesario adiestrar al operador:
Otro tipo de errores son debidos al método o procedimiento con que se efectúa la
medición, el principal es la falta de un método definido y documentado.
Los errores mencionados en los siguientes párrafos debe conocerlos y evitarlos o
controlarlos el operador.
Error por el uso de instrumentos no calibrados
Instrumentos no calibrados o cuya fecha de calibración está vencida, así como
instrumentos sospechosos de presentar alguna anormalidad en su funcionamiento
no deben utilizarse para realizar mediciones hasta que no sean calibrados y
autorizados para su uso.
Para efectuar mediciones de gran exactitud es necesario corregir las lecturas
obtenidas con un instrumento o equipo de medición, en función del error
instrumental determinado mediante calibración.
Error por la fuerza ejercida al efectuar mediciones
La fuerza ejercida al efectuar mediciones puede provocar deformaciones en la pieza
por medir, el instrumento o ambos, por lo tanto es un factor importante que debe
considerarse para elegir adecuadamente el instrumento de medición para cualquier
aplicación particular. Por ejemplo, en vez de utilizar un micrómetro con trinquete o
tambor de fricción puede requerirse uno de baja fuerza de medición (véase la figura
3.2).
Error por instrumento inadecuado

Antes de realizar cualquier medición es necesario determinar cuál es el instrumento
o equipo de medición más adecuado para la aplicación de que se trate. Además de
la fuerza de medición, deben tenerse presente otros factores tales como:
 Cantidad de piezas por medir
 Tipo de medición (externa, interna, altura, profundidad, etc.)
 Tamaño de la pieza y exactitud deseada.
Existe una gran variedad de instrumentos y equipos de medición, como se muestra
esquemáticamente en la figura 3.3 abarcando desde un simple calibrador vernier
hasta la avanzada tecnología de las máquinas de medición por coordenadas de
control numérico, comparadores ópticos, micrómetros láser y rugosímetros, entre
otros.
Cuando se miden las dimensiones de una pieza de trabajo la exactitud de la medida
depende del instrumento de medición elegido. Por ejemplo, si se ha de medir el
diámetro exterior de un producto de hierro fundido, un calibrador vernier sería
suficiente; sin embargo, si se va a medir un perno patrón, aunque tenga el mismo
diámetro del ejemplo anterior, ni siquiera un micrómetro de exteriores tendría la
exactitud suficiente para este tipo de aplicaciones, por tanto, debe usarse un equipo
de mayor exactitud.
Se recomienda que la razón de tolerancia de una pieza de trabajo a la resolución,
legibilidad o valor de mínima división de un instrumento sea de 10 a 1 para un caso
ideal y de 5 a 1 en el peor de los casos. Si no es así la tolerancia se combina con el
error de medición y por lo tanto un elemento bueno puede diagnosticarse como
defectuoso y viceversa.
Cuando la razón antes mencionada no es satisfactoria, se requiere repetir las
mediciones para asegurar la confiabilidad de las mediciones.
La figura 3.4 muestra en forma esquemática la exactitud que puede obtenerse con
diversos instrumentos de medición en función de la dimensión medida.
Figura 3.4
Error por puntos de apoyo
Especialmente en los instrumentos de gran longitud, la manera como se apoya el
instrumento provoca errores de lectura. En estos casos deben utilizarse puntos de
apoyo especiales, como los puntos Airy o los puntos Bessel (véase la figura 3.5)
Figura 3.5
Para ciertas piezas resulta muchas veces conveniente indicar la localización de
puntos o líneas, así como el tamaño de áreas sobre los que se deben apoyar, tal
como lo ilustra la figura 3.6.
Figura 3.6
ERRORES POR MÉTODO DE SUJECIÓN DEL INSTRUMENTO

El método de sujeción del instrumento puede causar errores como los que muestra
la figura 3.7. En ésta, un indicador de carátula está sujeto a una distancia muy
grande del soporte y el hacer la medición la fuerza ejercida provoca una desviación
del brazo.
La mayor parte del error se debe a la deflexión del brazo, no del soporte; para
minimizarlo se debe colocar siempre el eje de medición lo más cerca posible al eje
del soporte.
Error por distorsión
Gran parte de la inexactitud que causa la distorsión de un instrumento puede
evitarse manteniendo en mente la ley de Abbe: la máxima exactitud de medición es
obtenida si el eje de medición es el mismo del eje del instrumento.
Fig. 3.7
La figura 3.8 muestra un micrómetro tipo calibrador. Puede verse que los errores
los provoca la distorsión debido a la fuerza de medición aplicada y el hecho de que
tal vez los topes no se muevan paralelos uno respecto del otro.
Fig. 3.8
La figura 3.9 ilustra cómo algunos instrumentos, como el micrómetro normal,
inherentemente satisfacen la ley de Abbe, mientras que otros, como el calibrador,
no.
Fig. 3.9
Error de paralaje
Este error ocurre debido a la posición incorrecta del operador con respecto a la
escala graduada del instrumento de medición, la cual está en un plano diferente
(véase fig. 3.10)
Fig. 3.10
El error de paralaje es más común de lo que se cree. En una muestra de 50
personas que usan calibradores con vernier la dispersión fue de 0.04 mm. Este
defecto se corrige mirando perpendicularmente el plano de medición a partir del
punto de lectura.
Error de posición
Este error lo provoca la colocación incorrecta de las caras de medición de los
instrumentos, con respecto de las piezas por medir, como se muestra en la figura
3.11
Fig. 3.11
Error por desgaste
Los instrumentos de medición, como cualquier otro objeto, son susceptibles de
desgaste, natural o provocado por el mal uso. En el caso concreto de los
instrumentos de medición, el desgaste puede provocar una serie de errores
durante su utilización, por ejemplo: deformaciones de sus partes, juego entre sus
ensambles, falta de paralelismo o planitud entre las caras de medición, etcétera.
Estos errores pueden originar, a su vez, decisiones equivocadas; por tanto, es
necesario someter a cualquier instrumento de medición a una inspección de sus
características. Estas inspecciones deberán repetirse periódicamente durante la
vida útil del instrumento.
Error de Abbe
El principio de Abbe establece que la exactitud máxima es obtenida cuando los ejes
de la escala y de medición son comunes. Esto es debido a que cualquier variación
en el ángulo relativo (q) de la punta de medición de un instrumento, tal como la de
un micrómetro tipo calibrador causa desplazamiento que no es medido sobre la
escala del instrumento y esto es un error de Abbe (e=I-L en el diagrama). El error
de rectitud del husillo o variación de la fuerza de medición pueden causar que q
varié y el error se incrementa conforme lo hace R.
ESTUDIOS DE R & R.
Repetitividad de medida. Precisión de medida bajo un conjunto de condiciones de
repetitividad.
Condición de repetitividad de una medición (condición de repetitividad). Condición
de medición, dentro de un conjunto de condiciones que incluye el mismo
procedimiento de medida, los mismos operadores, el mismo sistema de medida, las
mismas condiciones de operación y el mismo lugar, así como mediciones repetidas
del mismo objeto o de un objeto similar en un periodo corto de tiempo.
Reproducibilidad de medida (reproducibilidad). Precisión de medida bajo un
conjunto de condiciones de reproducibilidad.
Condición de reproducibilidad de una medición (condición de reproducibilidad).
Condición de medición, dentro de un conjunto de condiciones que incluye diferentes
lugares, operadores, sistemas de medida y mediciones repetidas de los mismos
objetos u objetos similares.
Para un correcto estudio de R&R es aconsejable revisar la norma mexicana NMX-
CH-5725/2-IMNC-2006 exactitud (veracidad y precisión) de resultados y métodos
de medición, parte 2: método básico para la determinación de la repetitividad y la
reproducibilidad de un método de medición normalizado; o bien su equivalente ISO-
5725-2 ó UNE 82009-2.
Trazabilidad metrológica. 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 una de las cuales contribuye
a la incertidumbre de medida.
La trazabilidad actualmente, puede demostrarse a través de certificados de
calibración, emitidos por laboratorios acreditados en otro país por la entidad
acreditadora de ese país que este incluida en los acuerdos de reconocimiento mutuo
(MRA) de organizaciones internacionales o regionales tales como ILAC
(Internacional Laboratory Accreditation Cooperation). Especialmente útil cuando se
adquiere equipo nuevo de otro país.
ERROR POR CONDICIONES AMBIENTALES

Entre las causas de errores se encuentran las condiciones ambientales en que se
hace la medición; entre las principales destacan la temperatura, la humedad, el
polvo y las vibraciones o interferencias (ruido) electromagnéticas extrañas.
Humedad
Debido a los óxidos que se pueden formar por humedad excesiva en las caras de
medición del instrumento o en otras partes o a las expansiones por absorción de
humedad en algunos materiales, etcétera, se establece como norma una humedad
relativa de 55% +/-10%.
Polvo
Los errores debidos a polvo o mugre se observan con mayor frecuencia de lo
esperado, algunas veces alcanzan el orden de 3 micrómetros. Para obtener
medidas exactas se recomienda usar filtros para el aire que limiten la cantidad y el
tamaño de las partículas de polvo ambiental.
Temperatura
En mayor o menor grado, todos los materiales que componen tanto las piezas por
medir como los instrumentos de medición, están sujetos a variaciones longitudinales
debido a cambios de temperatura. En algunos casos ocurren errores significativos;
por ejemplo, en un experimento se sostuvo con las manos, a una temperatura de
31°C, una barra patrón de 200 mm durante 10 segundos y ésta se expandió 1m m.
También por esta razón los arcos de los micrómetros se cubren con placas de
aislante térmico en los costados.
Para minimizar estos errores se estableció internacional mente, desde 1932, como
norma una temperatura de 20°C para efectuar las mediciones. También es buena
práctica dejar que durante un tiempo se estabilice la temperatura tanto de la pieza
por medir como del instrumento de medición. El lapso depende de la diferencia de
temperatura del lugar en que estaba la pieza y la sala de medición, así como del
material y tamaño de la pieza.
En general, al aumentar la temperatura crecen las dimensiones de las piezas y
cuando disminuye la temperatura las dimensiones de las piezas se reducen. Estas
variaciones pueden determinarse utilizando la siguiente expresión.
La tabla muestra, expresados en / °C, los coeficientes de expansión térmica de

varios materiales.
Como ejemplo, considérese una pieza de acero que mide 100.000 mm de diámetro
cuando está a 10°C y se desea saber cuánto medirá a la temperatura de referencia
de 20°C. Para determinarlo basta utilizar la expresión dada.
Por lo que el diámetro de la pieza a 20°C será de 100.0115 mm.

Obsérvese que la variación resultó algo mayor que 0.01 mm, lo que puede
detectarse fácilmente con un micrómetro.
En la Práctica es muy difícil mantener constante la temperatura de la pieza por
medir, la del instrumento de medición y, en caso necesario, la del instrumento de
medición y, en caso necesario, la del patrón a 20°C, por lo que aun cuando se
cuenta con un cuarto con temperatura controlada que se mantiene estable a 20°C,
existirán variaciones que pueden ser hasta de 1°C por cada metro en el sentido
vertical.
Cuando en las mediciones se desea lograr exactitud en el orden de los micrómetros,
será necesario realizarlas a 20°C o hacer las correcciones pertinentes mediante la
expresión dada antes.
Medición y Registro
Por lo general, cuando se efectúa la medición los valores medidos se registran.
Para mediciones críticas es mejor que dos personas trabajen juntas, ya que una se
dedica a medir y otra se especializa en registrar la medición. En este caso las notas
se deben tornar corno se indica en los siguientes párrafos.
Para el operador las indicaciones son las siguientes:
a) Con pronunciación clara y correcta, dicte al personal de registro los valores
medidos.
b) Inmediatamente después de tornar el dato, asegúrese otra vez del valor
medido para evitar una lectura errada.
c) Asegúrese de que el personal de registro repita verbalmente el valor correcto
en el momento de la lectura de datos.
d) Efectúe las mediciones en las mismas condiciones cada vez.
Si una perilla ha de girarse en el sentido de las manecillas del reloj, entonces debe
girarse cada vez a una velocidad constante. Lo mismo puede decirse cuando un
botón o algo semejante debe moverse de arriba abajo o viceversa. El operador
siempre debe pararse en el mismo lugar, de otra manera las condiciones producidas
por la radiación del calor del cuerpo en los instrumentos de medición y las piezas
de trabajo, y por la alteración del alineamiento del piso debido al movimiento del
cuerpo, pueden afectar de alguna manera la exactitud de la medición. Para el
personal de registro las indicaciones son las siguientes:
a) Asegúrese de registrar la fecha, los nombres del operador del registrador y
del instrumento de medición, el tiempo de iniciación/ finalización, las
temperaturas antes y después de la medición, el lugar donde se efectuó ésta
y el estado del tiempo.
b) Repita verbalmente el valor dictado por el operador, y asegúrese que el valor
registrado sea el mismo que el que repitió.
c) Registre los valores correctamente y no borre los datos una vez que los haya
escrito. Si más tarde corrige datos, trace una línea y anote la palabra”
corrección”. d) Si se ha de dibujar una gráfica, anote primero las lecturas y
luego coloque los valores en las gráficas.
d) Cuando se vaya a efectuar una medición de especial exactitud, torne dos
detalles de las anormalidades que ocurren durante la medición. En un caso
particular debe a un registrarse la condición emocional del operador.
Medición y Error.
Definiciones:
Instrumento: Dispositivo para determinar el valor o magnitud de una cantidad
o variable.
Exactitud: Aproximación con la cual la lectura de un instrumento se acerca al valor
real de la variable medida.
Precisión: Medida de la reproducibilidad de las mediciones. Es una medida del
grado con el cual mediciones sucesivas difieren unas de otras. Para tener una
correcta evaluación de la precisión de un instrumento debe considerarse tanto la
conformidad como las cifras significativas. Por ejemplo el valor real de una
resistencia es 1.384.572Ω, y se mide con un multímetro el cual indica repetidamente
1.4MΩ. Aquí se tiene conformidad pero existe un error creado por las limitaciones
de la escala. El aumento de las cifras significativas incrementa la precisión de
la medición.
La conformidad es condición necesaria pero no suficiente en cuanto a precisión. De
modo semejante, la precisión es condición necesaria pero no suficiente para la
exactitud.
Cifras significativas: El número de cifras significativas, como hemos visto, es
importante a la hora de cuantificar magnitud y precisión de las mediciones de una
cantidad. Es importante remarcar que, cuando se manejan valores medidos con
distintas cifras significativas, suele cometerse el error de escribir el resultado del
error absoluto con cifras que carecen de sentido.
TIPOS DE ERRORES
Graves o gruesos:
Son en gran parte de origen humano, como la mala lectura de los instrumentos,
ajuste incorrecto y aplicación inapropiada, así como equivocaciones en los cálculos.
Un error grave típico es el error por efecto de carga o error de inserción.
Sistemáticos:
Se deben a fallas de los instrumentos, como partes defectuosas o desgastadas, y
efectos ambientales sobre el equipo. Un ejemplo típico como veremos más adelante
en el galvanómetro de D’arsonval, se deriva de la fricción de los cojinetes de las
partes móviles, deterioro del resorte antagónico, etc. Estos errores pueden evitarse
mediante una buena elección del instrumento, aplicación de factores de corrección,
o recalibrando los mismos contra un patrón.
ALEATORIOS O FORTUITOS:
Se deben a causas desconocidas y ocurren incluso cuando todos los errores
sistemáticos han sido considerados. Para compensar estos errores debe
incrementarse el número de lecturas y usar medios estadísticos para lograr una
mejor aproximación del valor real de la cantidad medida.
Cabe aclarar que algunos autores simplemente separan los errores en sistemáticos,
y fortuitos (o residuales), y en los primeros incluyen los graves o humanos, los
instrumentales, ambientales, etc.
Expresando el resultado de una medición:
Error absoluto: Es directamente la diferencia entre el valor medido y el valor
verdadero,
E x = X m − Xv (1-1)
Ahora el valor verdadero, ¿existe? Lo que podemos asegurar es que cuanto más
cercano al valor verdadero se quiera llegar, será más el esfuerzo, y por ende, el
costo del instrumento utilizado.
No existe una regla única e invariante para determinar este error. Ver puntos
siguientes (1.4, y 1.5).
Error relativo: Cuando se requiere comparar dos errores de dos magnitudes
medidas muy diferentes, el error absoluto no es suficiente. Por lo tanto, se define,
Xm−Xv 𝐸𝑥
𝑒𝑥 = = 𝑋𝑣 (1-2)
Xv
El cual en general se expresa en porcentaje. Debido a la imposibilidad de conocer

el valor verdadero, suele a veces utilizarse en su lugar, el valor verdadero
convencional (Xvc) el cual puede determinarse con otro instrumento mucho más
exacto respecto al utilizado en la medición. En la práctica generalmente con los
datos del fabricante, uno puede determinar en error absoluto, entonces para hallar
el error relativo, se suele utilizar en el denominador directamente el valor medido
(Xm).
Error límite: Si podemos concluir que Ex es el error absoluto límite (máximo
medible), entonces podemos expresar la medición como,
X=Xm ± Ev (1-3)
En la mayoría de los instrumentos de indicación, la exactitud está garantizada por
un cierto porcentaje de la lectura en plena escala, también conocido como error
límite o de garantía. Este error, para el caso de instrumentos analógicos, está
relacionado a la clase del instrumento. De esta manera, el fabricante promete que
el error no será mayor que el error límite, pero cabe aclarar que, para lecturas lejos
del fondo de escala, el error relativo aumenta.
Error en un instrumento analógico:
Para expresar el error límite absoluto y también el relativo de un instrumento
analógico, es necesario conocer ciertas definiciones según la norma IEC 60051-1:
Error intrínseco (Ex): Error propio del aparato que comete cuando se encuentra
en condiciones normales de uso.
Valor fiduciario (Xf): Es un valor convencional al cual se refieren los errores de un
instrumento con el fin de especificar su exactitud. Esta puede ser:
 El límite superior del campo de medida en: aparatos con ‘0’ en un extremo
no fuera de escala (excepto óhmetros).
 La suma absoluta de los valores extremos de la escala, en aparatos con ‘0’
 dentro de la escala.
 90° eléctricos para cosfímetros, y fasímetros.
 La longitud total de la escala para aparatos con escala no lineal contraída
(por Ej. óhmetros). El análisis del error relativo en un óhmetro serie, será
tratado más adelante.
Clase (c): Se define como clase de exactitud a:
𝐸𝑥
𝐶 = 𝑋𝑓 ∗ 100 (1-4)
Las clases típicas son:

 Para instrumentos de tablero: 1; 1.5
 Para multímetros: 2; 2.5; 5
Lectura en un instrumento analógico:

En general se observa la deflexión de una aguja dentro de una escala graduada,
obteniéndose,
[𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑋]
𝐾𝑥: 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒 𝑙𝑒𝑐𝑡𝑢𝑟𝑎 (1-5)
[𝑑𝑖𝑣𝑖𝑠𝑖𝑜𝑛]
ẟ𝑚: 𝑑𝑖𝑣𝑖𝑠𝑖𝑜𝑛 𝑑𝑒 𝑚𝑒𝑑𝑖𝑑𝑎𝑠: [𝑑𝑖𝑣𝑖𝑐𝑖𝑜𝑛]

Luego el valor medido será:
Y finalmente el resultado de la medición será como la expresión (1-3) donde Ex se

obtiene con la clase del instrumento utilizado.
Xm= Kx x ẟm (1-5)
Error en un instrumento digital:
Para determinar el error límite o de garantía de un instrumento digital, existen varias
expresiones, pero la más difundida por la mayoría de los fabricantes es la que sigue
la norma IEC 485:
Ex =±( p% * Xm + m * dígitos) (1-6)
Donde p es un porcentaje de valor medido, y m es la cantidad de dígitos de los
menos significativos para la escala seleccionada.
Ejemplo: Se mide un voltaje de 17.80Vcc en un multímetro digital en la escala de
19.99Vcc. La hoja de datos provista por el fabricante indica:
Eu= ± (0.1% * Um + 1 * dígitos)
Entonces,
Eu= ± (0.1% *17.80Vcc +1 * 0.01Vcc) = ± 0.0278Vcc
Y el resultado de la medición será, V 0 (17.80 0.03)Vcc
Propagación de errores:
Cuando se realiza una medición indirecta, esto es, la variable a determinar depende
de más de una medición, surge la necesidad de evaluar como pesan cada uno de
los errores en el error del resultado final.
Sea una variable X = f (X 1 , X 2 ,..., X n ) , entonces desarrollando por serie de
Taylor, y considerando que los errores son tan pequeños tal que se pueden
despreciar los términos de orden superior:
(1-7)
La cual se denomina ley de propagación de errores límites. Por ejemplo para la
suma de dos mediciones:
ANÁLISIS ESTADÍSTICO:
El análisis estadístico de datos de mediciones es una práctica común ya que permite
obtener una determinación analítica de la incertidumbre del resultado final (ver punto
1.8), esto es, una vez hallados y acotados los errores sistemáticos puede obtenerse
un valor que caracterice a los errores restantes (aleatorios o fortuitos). Cabe aclarar
que el tratamiento estadístico de datos no puede eliminar tendencias fijas
contenidas en las mediciones, como por ejemplo, la que puede derivar de un error
sistemático.
Para realizar el análisis y aplicar los métodos estadísticos mencionados, es
necesario contar con un gran número de mediciones, o sea contar con una
población de datos, y además los errores sistemáticos deben ser pequeños en
comparación con los errores residuales (o aleatorios). Como ejemplo, en la siguiente
tabla se muestran 50 mediciones de voltaje.
Voltaje leído Número de
[V] 99. lecturas
1
7
99. 4
8
99. 12
9
100. 19
0
100. 10
1
100. 3
2
100. 1
3 Tabla 1
Figura 1.1
Luego con estos datos pueden hallarse los siguientes índices:
Media aritmética: También llamada promedio:
𝑛
∑𝑋𝑖
𝑓−1
𝑋 𝑛 (1-8)
Desviación de la media: Es el alejamiento de una lectura dada de la media

aritmética:
𝑑𝑖 = 𝑋𝑖 − Ẋ (1-9)
Cada una de las desviaciones puede ser positiva o negativa. Nótese que la
∑𝑛𝑖−1 𝑑𝑖 = 0
Desviación promedio: Es una indicación de la precisión de los instrumentos:
𝑛
∑ |𝑑𝑖|
𝐷 𝑖−1 (1-10)
𝑛
Desviación estándar: Es la raíz media cuadrática de las desviaciones. Es muy

utilizada en el análisis estadístico de errores. Para un número finito n de datos:
𝑛
∑ 𝑑𝑖
√𝑖−1
σ= (1-11)
𝑛−1
La desviación estándar tiene la ventaja de tener las mismas unidades que la variable
medida.
Varianza: También llamada desviación cuadrática media:
V= σ2 (1-12)
DISTRIBUCIÓN NORMAL DE ERRORES:

Esta distribución, muchas veces da una buena descripción de muchos resultados
en mediciones que están afectadas de errores. Las medidas repetidas y realizadas
con gran cuidado siguen en muchos casos esta particular distribución.
El contorno de la misma es una curva con forma de campana llamada campana de
Gauss.
Figura 1.2
Para un punto cualquiera de esta curva, la función distribución de probabilidad será:
1 −σ²
𝑦(σ) = 𝑒 2
√2𝜋
Esta distribución normal o gaussiana de error es la base del estudio analítico de los
efectos aleatorios.
 Todas las observaciones incluyen pequeños efectos de distorsión, llamados
errores aleatorios.
 Los errores aleatorios pueden ser positivos o negativos.
 Hay igual probabilidad de errores aleatorios positivos o negativos.
El área total bajo la distribución normal entre los límites -∞, y +∞ representa el
número entero de observaciones. Ahora el área sombreada entre incluye
alrededor del
68% de todos los casos.
Error probable:
En el gráfico anterior se define r= ±0.6745 ⋅ σ como error probable, esto es, se tiene
igual probabilidad (50%) de que alguna observación tenga un error aleatorio
≤ r . El coeficiente que multiplica a la desviación estándar se define como factor
de cobertura k.
k Fracción de área
total
0.6745 (probabilidad
0.5000 p)
1.0000 0.6828
1.6450 0.9000
1.9600 0.9500
2.0000 0.9545
3.0000 0.9972
2.5800 0.9900
3.0000 0.9970
Tabla 1.2
INCERTIDUMBRE DE LA MEDICIÓN:
Un hecho significativo de las medidas es que el valor ‘verdadero’ de una magnitud
medida no es nunca conocido con absoluta certeza. Los fenómenos físicos y las
leyes que los describen son estadísticos por naturaleza. Si bien en la mayoría de
los fenómenos macroscópicos las incertidumbres son despreciables, al seguir
magnitudes al nivel de calibraciones, se alcanza inevitablemente el límite del ‘ruido’
de fluctuaciones aleatorias. Esta característica intrínseca de las magnitudes físicas
requiere entonces estimarse como veremos más adelante.
Se debe prestar atención y tener claro la diferencia entre error e incertidumbre. Por
ejemplo el resultado de una medición luego de aplicar una corrección (por los
errores sistemáticos) puede estar muy cerca del valor de la cantidad, aunque no lo
podemos saber, es decir con un error pequeño, aunque puede existir, debido a los
métodos e instrumentos utilizados en la medición, una gran incertidumbre.
El CIPM1 y el NIST2 con su nota técnica 1297, coinciden en las siguientes
definiciones. La incertidumbre del resultado de una medición generalmente consiste
en varios componentes que pueden ser agrupados en dos categorías de acuerdo al
método usado para estimar sus valores numéricos:
A. Aquellos componentes de incertidumbre que son evaluados mediante
métodos estadísticos.
B. Aquellos que son evaluados por otros métodos o juicios científicos tales como
resultados previos, conocimiento de propiedades de materiales
componentes, especificaciones de fabricantes, reportes de calibraciones,
etc.
Estudiaremos a continuación la incertidumbre tipo A.
Incertidumbre estándar (i):

Representa cada componente de incertidumbre que contribuye a la incertidumbre
del resultado de una medición mediante la desviación estándar estimada:
𝑛
∑ 𝑑𝑖
√ 𝑖−1
µi=𝛔 = 𝑛−1
Incertidumbre estándar combinada (µc):

Representa la estimación de la desviación estándar, a través de combinar las
incertidumbres estándares µi obtenidas. Comúnmente llamada ley de propagación
de incertidumbre o RSS (raíz cuadrada de la suma de los cuadrados).
Para fines prácticos, suele estimarse solo una i, por lo tanto la estándar coincide
con la combinada.
Incertidumbre expandida (U):
Se define a partir de la incertidumbre combinada y el factor de cobertura k.
U=k*µc
Por lo tanto para una cierta cantidad ‘y’ medida, el resultado de la medición será:
y-U ≤ Y≤ y+U
Este entorno acotado alrededor del valor Y se define como intervalo de confianza el
cual tiene un nivel de confianza determinado por la fracción p de la probabilidad
asociada al factor de cobertura k (ver tabla 1.2).
Por ejemplo, si k = 2.58, se tiene un nivel de confianza del 99%.
Distribución t-Student:
Fue desarrollada por el inglés William Gosset, y permite validar conclusiones
estadísticas a partir de pequeñas cantidades de datos (n<25). Puede considerarse
como una aproximación a la distribución normal, de hecho para una población de
datos mayor a 30 la diferencia entre ambas es despreciable.
En aplicaciones prácticas, suele reemplazarse el factor de cobertura k por la letra t
como coeficiente de Student. En la tabla 1.3, se pueden observar los valores de la
constante t correspondientes al coeficiente de Student para diferentes números de
mediciones y niveles de confianza. Por ejemplo para 20 mediciones con un nivel de
confianza del 90%, se tiene un t de Student de 2.093 que difiere del factor de
cobertura para ese mismo nivel de confianza (k = 1.9600).
Número de Nivel de confianza
mediciones 90% 95 99 99.5%
% %
2 6.314 12.706 63.657 127.320
3 2.920 4.303 9.925 14.089
4 2.353 3.182 5.841 7.453
5 2.132 2.770 4.604 5.598
6 2.015 2.571 4.032 4.773
7 1.943 2.447 3.707 4.317
8 1.895 2.365 3.499 4.029
9 1.860 2.306 3.355 3.833
10 1.833 2.262 3.250 3.690
11 1.812 2.228 3.169 3.581
12 1.796 2.201 3.106 3.497
13 1.782 2.179 3.055 3.428
14 1.771 2.160 3.012 3.372
15 1.761 2.145 2.977 3.326
16 1.753 2.131 2.947 3.286
17 1.746 2.120 2.921 3.252
18 1.740 2.110 2.898 3.222
19 1.734 2.101 2.878 3.197
20 1.729 2.093 2.861 3.174
Tabla 1.3
Relación test de Incertidumbre (TUR):

Se define como el cociente entre la incertidumbre especificada de un instrumento a
testear y la incertidumbre del instrumento calibrador.
Ejemplo: Se tiene un multímetro digital con un rango de 10Vdc con la siguiente
especificación: ± 20ppm de la lectura + 1.6ppm del rango, por lo tanto, para una
medición de 10Vdc, su resultado será: 10V±216V.
Por otro lado se tiene el calibrador que entrega los 10Vdc al multímetro anterior que,
en el rango de 11Vdc, tiene la siguiente especificación: ± 5ppm de la salida ±4V.
Entonces el resultado es: 10V±54V.
Si el nivel de confianza es el mismo para ambos instrumentos (por Ej. 99%), vale
decir que:
216𝑉 4
𝑇𝑈𝑅 = =
54𝑉 1
El cual es un valor aceptable para estándares de calibración, esto es, puede
realizarse la calibración del multímetro con ese calibrador. Cabe aclarar que, cuando
el instrumento y calibrador son especificados con niveles de confianza diferentes
(≠k) basados ambos en distribuciones normales, entonces debe aplicarse la
siguiente corrección:
𝑘 𝑐𝑎𝑙𝑖𝑏𝑟𝑎𝑑𝑜𝑟
TUR=TUR aparente ⋅ 𝐾 𝑖𝑛𝑠𝑡𝑟𝑢𝑚𝑒𝑛𝑡𝑜
INCERTIDUMBRE
Cuando se realizan mediciones, de alguna manera se duda de la validez de la
medición. La diferencia entre el valor de la medición y el valor verdadero del
parámetro que se está midiendo (el mensurando) se conoce como error (de
medición). El valor total de Este error es la suma de la contribución de diversas
Fuentes de error. El parámetro asociado al resultado de una medición, que
caracteriza la dispersión de los valores que podrían atribuirse razonablemente al
mensurando, se conoce Como incertidumbre de medición.
Aun cuando todas las componentes del error conocidas o supuestas, hayan sido
evaluadas y se hayan aplicado las correcciones pertinentes, persiste una
incertidumbre acerca de la confiabilidad del resultado expresado; es decir, se duda
que el resultado de la medida represente adecuadamente el valor de la cantidad
que se midió. Por esta razón se acuñó recientemente el concepto de incertidumbre
como un atributo cuantificable, aun cuando los conceptos de error y análisis de error
han sido parte de la práctica de la ciencia de la medición por mucho tiempo.
Así como el uso a nivel mundial del Sistema Internacional de Unidades (SI) ha
otorgado coherencia a todas las mediciones científicas y tecnológicas, se ha
alcanzado el consenso mundial para la evaluación y expresión de las incertidumbres
en las mediciones, al aprobarse en 1986 la Guía BIPM-ISO para la expresión de las
incertidumbres en las mediciones, lo que permite dar significado a una gran variedad
de resultados de medición en la ciencia, la ingeniería, el comercio, la industria y la
normalización, haciéndolas entendibles y logrando que se interpreten apropiada-
mente. En esta época de globalización de las economías internacionales, es
indispensable que el método para evaluar y expresar las incertidumbres se
estandarice en todo el mundo, logrando con ello que las mediciones realizadas en
diferentes países puedan compararse fácilmente.
El método ideal para evaluar y expresar la incertidumbre del resultado de una
medición debe ser universal, es decir, debe ser aplicable a cualquier tipo de
mediciones y cualquier tipo de datos utilizados en las mediciones.
La cantidad utilizada para expresar la incertidumbre debe ser:
Internamente consistente: debe poder obtenerse directamente a partir de las
componentes que contribuyen a la incertidumbre, asimismo, debe ser independiente
de la forma en que dichas componentes sean agrupadas y del método en que éstas
se descomponen en subcomponentes.
Transferible: debe ser posible utilizar directamente la incertidumbre evaluada para
un resultado, como una componente al evaluar la incertidumbre de otra medida en
la cual se utiliza el primer resultado.
Adicionalmente, en muchas aplicaciones industriales y comerciales, así como en las
áreas de salud y seguridad, frecuentemente es necesario proporcionar un intervalo,
centrado en el resultado de la medición, que contenga una fracción considerable de
la distribución de valores que pueden ser razonablemente atribuidos a la cantidad
que se está midiendo. Por tanto, el método ideal para evaluar y expresar la
incertidumbre en la medición debe ser capaz de proporcionar directamente tal tipo
de intervalo, en particular, uno con una probabilidad de cobertura o nivel de
confianza que corresponda en forma realista con lo requerido.
Para estimar la incertidumbre de la medición es necesario ser muy cuidadoso y
hacer algunas consideraciones. Hay varias razones por las que es importante
determinar la incertidumbre de la medición:
 Estima el error asociado con la medición en un valor numérico.
 Proporciona un nivel de confianza en la medición.
 Es una buena práctica.
 Es un requisito para laboratorios acreditados.
En este capítulo se describe el proceso para determinar la incertidumbre de la
medición en un entorno de ensayos y calibración.
Definiciones
Incertidumbre (de la medición) [NMX-Z-055-IMNC]
Parámetro asociado con el resultado de una medición que caracteriza la dispersión
de los valores, que razonablemente pudiera ser atribuida al mensurando.
Ésta es una definición operacional que se enfoca en el resultado de la medición y
su incertidumbre evaluada. Sin embargo, no es inconsistente con otros conceptos
de incertidumbre de medición:
 Una medida del posible error en el valor estimado del mensurando
proporcionado por el resultado de una medición.
 Una estimación que caracteriza el intervalo de valores dentro de los
cuales se halla el valor verdadero de un mensurando.
Aunque estos dos conceptos tradicionales son válidos como ideales, ellos se
enfocan a magnitudes desconocidas: el error del resultado de una medición y el
valor verdadero del mensurando (en contraste con su valor estimado),
respectivamente. No obstante, cualquiera que sea el concepto de incertidumbre que
se adopte, una componente de incertidumbre siempre se evalúa usando los mismos
datos e información relacionada.
Incertidumbre estándar [NMX-Z-055-IMNC]
Incertidumbre del resultado de una medición expresada como una desviación
estándar.
Evaluación (de incertidumbre) Tipo a [NMX-Z-055-IMNC]
Método para evaluar la incertidumbre mediante el análisis estadístico de una serie
de observaciones.
Evaluación (de incertidumbre) Tipo B [NMX-Z-055-IMNC]
Método para evaluar la incertidumbre por otro medio que no sea el análisis
estadístico de una serie de observaciones.
Incertidumbre estándar combinada [NMX-Z-055-IMNC]
Incertidumbre estándar del resultado de una medición cuando el resultado se
obtiene a partir de los valores de algunas otras magnitudes ponderadas
considerando el resultado de la medición que varía respecto a cambios en estas
magnitudes.
Incertidumbre expandida [NMX-Z-055-IMNC]
Cantidad que define un intervalo alrededor de una medición del que se puede
esperar que abarque una fracción grande de la distribución de valores que
razonablemente pudieran ser atribuidos al mensurando.
Factor de cobertura [NMX-Z-055-IMNC]
Factor numérico usado como multiplicador de la incertidumbre estándar combinada
con el propósito de obtener una incertidumbre expandida.
Errores, efectos y correcciones
En general, una medición tiene imperfecciones que dan origen a error en el
resultado de la medición. Tradicionalmente, se considera que un error tiene dos
componentes llamadas;
 componente aleatoria y componente sistemática.
Un error aleatorio presumiblemente se presenta por variaciones impredecibles o
estocásticas, temporales y espaciales de las magnitudes de influencia. Los efectos
de estas variaciones dan origen a las variaciones en observaciones repetidas del
mensurando. Sin embargo, es imposible compensar el error aleatorio del resultado
de una medición; usualmente puede reducirse incrementando el número de
observaciones. Su esperanza o valor esperado es cero.
El error sistemático, al igual que el error aleatorio, no puede ser eliminado, pero
a menudo se logra reducir. Si un error sistemático se presenta como consecuencia
de un efecto reconocido de una magnitud de influencia en el resultado de una
medición, el efecto puede cuantificarse, y si es significativo en relación con la
exactitud requerida de la medición, puede aplicarse una corrección o un factor de
corrección para compensar el efecto. Se supone que después de la corrección, la
esperanza o valor esperado del error originado por un efecto sistemático es cero.
El resultado de una medición debe ser corregido para todos los efectos sistemáticos
significativos reconocidos y no deben escatimarse esfuerzos para identificar estos
efectos.
Estimación de la incertidumbre de la medición
El proceso de la estimación de la incertidumbre se puede llevar a cabo con los
siguientes siete pasos:
 Identificar las incertidumbres en los procesos de medición.
 Evaluar y clasificar los tipos de incertidumbre (tipo A o B).
 Cuantificar (evaluar y calcular) las incertidumbres individuales por varios
métodos.
 Documentar en un presupuesto de incertidumbre.
 Combinar las incertidumbres.
 Asignar el factor de cobertura k apropiado a la incertidumbre combinada para
reportar la incertidumbre expandida.
 Documentar un reporte de incertidumbre con la información apropiada.
Identificación de las incertidumbres en los procesos de medición
Es necesario ser muy meticuloso al momento de identificar los factores que afectan
la medición. Quienes intervienen en el proceso, técnicos o ingenieros deben aportar
ideas para identificar todas las posibles fuentes de incertidumbre. Algunos ejemplos
de los factores que afectan la medición son:
 Definición incompleta del mensurando.
 Realización imperfecta de la definición del mensurando.
 Muestreos no representativos –la muestra medida puede no representar el
mensurando definido.
 Los efectos de las condiciones ambientales sobre las mediciones, o
mediciones imperfectas de dichas condiciones ambientales.
 Errores de apreciación del operador en la lectura.
 Resolución del instrumento o umbral de discriminación.
 Valores inexactos de patrones de medición y materiales de referencia.
 Valores inexactos de constantes y otros parámetros obtenidos de fuentes
externas y usadas en los algoritmos de reducción de datos.
 Aproximaciones y suposiciones incorporadas en los métodos y
procedimiento de medición.
 Variaciones en observaciones repetidas del mensurando en condiciones
aparentemente iguales.
Estos factores no son necesariamente independientes. Por supuesto, un efecto
sistemático no puede ser tomado en cuenta en la evaluación de la incertidumbre del
resultado de una medición pero contribuye a su error.
EVALUACIÓN Y CLASIFICACIÓN DE LOS TIPOS DE

INCERTIDUMBRE (TIPO A O TIPO B)
La recomendación INC-1 (1980) del Grupo para la Expresión de Incertidumbres
agrupa a las componentes de incertidumbre en dos categorías. Esta clasificación
se basa en los métodos de evaluación empleados, a saber, A y B. Estas categorías
se aplican a la incertidumbre y no son sustitutos para las palabras aleatorias y
sistemáticas. La incertidumbre de una corrección para un efecto sistemático
conocido se puede obtener en algunos casos mediante una evaluación del tipo A, y
una evaluación del tipo B en algunos otros, según como pueda caracterizar la
incertidumbre al efecto aleatorio.
El propósito de la clasificación tipo A y tipo B es indicar las dos diferentes maneras
de evaluar componentes de incertidumbre y se da por conveniencia de discusión
solamente. La clasificación no significa que exista alguna diferencia en la naturaleza
de las componentes que resultan de cada uno de los dos tipos de evaluación; ambos
están basados en distribuciones de probabilidad y las componentes de
incertidumbre resultantes de cualquier tipo son cuantificadas por varianzas y
desviaciones estándar.
La varianza estimada u2 que caracteriza a una componente de incertidumbre
obtenida de una evaluación tipo A se calcula mediante series de observaciones
repetidas y es la varianza estimada estadística familiar s2. La desviación estándar
estimada u, la raíz cuadrada positiva de u2, es entonces u = s y por conveniencia
algunas veces se denomina incertidumbre estándar tipo A. Para una componente
de incertidumbre obtenida de una evaluación tipo B, la varianza estimada u2 se
evalúa mediante el uso de la información disponible, y la desviación estándar
estimada u algunas veces es llamada incertidumbre estándar tipo B. Entonces la
incertidumbre estándar tipo A se obtiene de una función de densidad de probabilidad
deducida de una distribución de frecuencia observada, mientras que la
incertidumbre estándar tipo B se obtiene de una función de densidad de probabilidad
supuesta basada en el grado de creencia de que un evento pueda ocurrir (a menudo
llamada probabilidad subjetiva). Ambas aproximaciones emplean interpretaciones
de probabilidad reconocidas.
En la mayoría de los casos, el mensurando Y no se mide directamente, sino que se
determina a partir de otras N magnitudes X1, X2,…, XN, a través de una relación
funcional f:
y = F (X1, X2,..., XN) (4.1)
Los argumentos X1, X2,…, XN, de los cuales depende el resultado de la medición Y,
pueden visualizar a su vez como mensurados y dependen de otras magnitudes,
incluyendo correcciones y factores de corrección para efectos sistemáticos. Todo
ello da lugar a complicadas relaciones funcionales f que pudieran nunca ser
expresadas explícitamente. Adicionalmente, f puede ser determinada
experimentalmente o existir sólo como un algoritmo que deba ser evaluado
numéricamente. La función f debe interpretarse en el sentido más amplio, es decir,
como aquella función que contiene cada magnitud, incluyendo todas las
correcciones y factores de corrección, que contribuye con componentes
significativos de incertidumbre al resultado de la medición.
Por tanto, si los datos indican que f no modela la medición al grado impuesto por la
exactitud requerida del resultado de medición, entonces es necesario incluir
argumentos adicionales en f para eliminar el problema. Esto puede requerir la
introducción de un argumento que sirva para reflejar la carencia de conocimiento de
un fenómeno que afecta al mensurando.
El conjunto de argumentos X1, X2,…, XN se divide en las siguientes categorías:
 Magnitudes cuyos valores e incertidumbres se determinan directamente en
la medición. Estos valores e incertidumbres se obtienen, por ejemplo, de una
sola observación, de observaciones repetidas o por juicio basado en la
experiencia, y pueden involucrar la determinación de correcciones en la
lectura de los instrumentos y correcciones debidas a la presencia de
magnitudes cuya influencia deba ser tomada en cuenta, como la temperatura
ambiente, la presión barométrica y la humedad.
 Magnitudes cuyos valores e incertidumbres son incorporados a la medición
y que pro- vienen de fuentes externas. Estas magnitudes están asociadas
con patrones de medición calibrados, materiales de referencia certificados y
datos de referencia obtenidos de manuales.
Una estimación del mensurando Y, denotada como y, se obtiene de la ecuación 4.1
usando los argumentos estimados X1, X2,…, XN para los valores de las N cantidades
X1, X2,…, XN. Por tanto, la estimación de la magnitud resultante y, que es el
resultado de la medición, está dada por
y = (x1 x2,...,xn) (4.2)
EVALUACIÓN TIPO A DE LA INCERTIDUMBRE

ESTÁNDAR
En la mayoría de los casos, la mejor estimación disponible de la esperanza o valor
esperado µq de una magnitud q que varía aleatoriamente, y de la cual se han
obtenido n observaciones independientes qk en las mismas condiciones de
medición, es la media aritmética o promedio q de las n observaciones
(4.3)
Por tanto, para un argumento Xi estimado a partir de n observaciones repetidas
independientes Xi,k la media aritmética obtenida de la ecuación 4.3 se usa como la
estimación del argumento, xi, en la ecuación 4.2 para determinar el resultado de la
medición y; es decir,
xi = Xi . Aquellos argumentos no evaluados a partir de observaciones repetidas
deben obtenerse por otros métodos.
Las observaciones individuales qk difieren en valor debido a las variaciones
aleatorias en las magnitudes que las afectan, es decir, debido a efectos aleatorios.
La varianza experimental de las observaciones, la cual estima la varianza s2 de la
distribución de probabilidad de q, está dada por:
(4.4)
Esta estimación de la varianza y su raíz cuadrada positiva s (qk), denominada
desviación están- dar experimental, caracterizan a la variabilidad de los valores
observados qk, o más específica- mente, su dispersión alrededor de la media q.
La mejor estimación de σ 2 (q) = σ 2 n , la varianza de la media, está dada por:
(4.5)
La varianza experimental de la media s 2 (q ) y la desviación estándar experimental
de la media s (q ) , que es igual a la raíz cuadrada positiva de s 2 (q ), cuantifican
qué tan bien estima el valor esperado Mq de q, y cualquiera de ellas puede usarse
como una medida de la incertidumbre de q .
Por tanto, para un argumento Xi determinado a partir de n observaciones
independientes repetidas Xi,k, la incertidumbre estándar u(xi) de su estimación x i =
es u(x i)= s(Xi) donde s(Xi) se calcula de acuerdo con la ecuación 4.5. Por
conveniencia, u(xi)= y u(xi)= s(Xi) son llamadas varianza tipo A e incertidumbre
estándar tipo A, respectivamente.
Los grados de libertad νi de u(xi), que son n-1 en el caso simple en que
x i = Xi y u(x i )= s(Xi ) y que se calculan a partir de n observaciones independientes,
deben expresarse siempre cuando se documentan las evaluaciones de las
componentes de incertidumbre tipo A.
La tabla 4.1 muestra un ejemplo del cálculo de la incertidumbre tipo A.
Tabla 4.1 Incertidumbre tipo A.
N Medición
1 27,3
2 4
27,2
3 7
27,2
4 6
27,3
5 0
27,3
6 1
27,3
7 2
27,3
8 0
27,3
9 4
27,3
10 1
27,2
9
Suma 273,0
4
Media aritmética 27,3
0
Desviación estándar 0,02
6
Desviación estándar 0,00
3
CONCLUSIÓN
De acuerdo con lo que hemos observado, y los datos obtenidos en los ejercicios,
tenemos que cada vez que se efectúe el conjunto de operaciones requeridas para
medir una determinada magnitud, se obtendrá un número que solamente en forma
aproximada representa la medida buscada. Por lo tanto, cada resultado de una
medición está afectado por un cierto error.
Existen diferentes tipos de instrumentos, que a su vez también se derivan en otros
más, ya que las características que lo distinguen son importantes para poder
calibrar cualquier producto.
En el pasado, el mejor método práctico para decidir si un acabado superficial
cumplía con los requerimientos era compararlo visualmente y mediante el tacto
contra muestras con diferentes acabados superficiales. Este método no debe
confundirse con los patrones de rugosidad que actualmente se usan en la
calibración de rugosimetros.
BIBLIOGRAFÍA
1) Data reduction and error analisys for the physical sciences, 2nd ed., P.
Bevington and D. K. Robinson, McGraw Hill, New York (1993).
2) Numerical recipies in Fortran, 2nd. ed., W.,H. Press, S.A. Teukolsky, W.T.
Veetterling and B.P. Flanner, Cambridge University Press, N.Y. (1992). ISBN
0-521 43064x.
3) Data analysis for scientists and engineers, Stuardt L. Meyer, John Willey &
Sons, Inc., N.Y. (1975). ISBN 0-471-59995-6.
4) Trabajos prácticos de física, J. Fernández y E. Galloni, Centro de Estudiantes
de Ing.UBA , Buenos Aires (1963).
5) Curso superior de física práctica, B. L. Worsnop y H. T. Flint, Eudeba,
Buenos Aires (1964).
6) Mecánica elemental, J. G. Roederer, 8ª. ed., Buenos Aires, Eudeba (1963).
ISBN: 950-23-0290-7.
7) Guide to the expression of uncertainty in measurement , 1st ed., International
Organi- zation of Standarization (ISO), Suiza (1993). En Internet:
http://physics.nist.gov/cuu/Uncertainty/index.html.
8) Statistics: Vocabulary and symbols, International Organization of
Standarization (ISO), Suiza. En Internet: http://www.iso.ch/infoe/sitemap.htm.
9) Radiation detection and measurement, Knoll Glenn F., 2ª. ed., John Willey &
Sons, New York (1989). ISBN 0-471-81504-7.
10) Estadística, Spiegel y Murray, 2da ed., McGraw Hill, Schaum, Madrid (1995).
ISBN 84-7615-562-X.
11) Uncertainty in the linear regression slope, J. Higbie, Am. J. Phys. 59, 184
(1991); Least squares when both variables have uncertainties, J. Orear,
ibid., 50, 912 (1982).
12) Probability, statistics and Montecarlo, Review of Particle Properties, Phys.
Rev. D 45, III.32, Part II, June (1992).
13) Teoría de probabilidades y aplicaciones, H. Cramér, Aguilar, Madrid (1968);
Mat- hematical method of statistics, H. Cramér, Princeton Univ. Press, New
Jersey (1958).
CUESTIONARIO
1. ¿Qué tenemos que utilizar para establecer el valor de un mesurando?
R= se usa instrumento de medición y un método de medición.
2. A que está asociada La exactitud de un instrumento o método de
medición R= está asociada a la calidad de la calibración del mismo
3. se originan por las imperfecciones de los métodos de medición R= error
sistemático
4. Son los que se producen al azar. En general son debidos a causas
múltiples y fortuitas R= error estadístico
5. Si al introducir el valor del diámetro en la fórmula, nos equivocamos en
el número introducido, o lo hacemos usando unidades incorrectas, o
bien usamos una expresión equivocada del volumen, claramente
habremos cometido un error R= error ilegítimos o espurios
6. ¿Cuáles son los tres parámetros importantes de una distribución? R=
valor medio, varianza y la desviación estándar
7. En general da el centro de masa de la distribución R= valor medio
8. Distribución de probabilidad muy común en diversos campos R=
distribución gaussiana o normal
9. Valor de la variable donde está la máxima frecuencia R= moda
10. ¿Cómo se le denomina a una distribución que cuenta con dos máximo
o pico? R= bimodal
11. Es el valor de la variable que separa los datos R= mediana
12. ¿Cuál es el parámetro que se saca mediante una formula? R= media
13. Define el error relativo R= es el cociente entre el error absoluto y el mejor
valor de la magnitud
14. Se define por la incertidumbre y el mejor valor de la magnitud R= error
relativo
15. Es la diferencia entre el valor leído y el valor convencionalmente
verdadero correspondiente R= error absoluto
16. Si una magnitud física se mide con dos (o más) métodos o por distintos
observadores, es posible (y muy probable) que los resultados no
coincidan R= discrepancia
17. ¿Cuál es la fórmula de error relativo? R=
valor leido − valor convencionalmente verdadero
error relativo =
valor convencinalmente
18. Las causas de errores atribuibles al instrumento R= defecto de
fabricación
19. ¿Cuáles son las causas del error aleatorio? R= las causas se deben al
operador
20. Menciona cuales son las causas en el error aleatorio R= falta de agudeza
visual, descuido, cansancio, alteraciones emocionales, etc.
21. ¿Cuál es el error que puede provocar deformaciones en la pieza por
medir, el instrumento o ambos? R= error por la fuerza ejercida al efectuar
mediciones
22. ¿Qué factores se debe determina ante de realizar cualquier medición
con un instrumento o equipo de medición? R= cantidad de pieza por
medir, tipo de medición (externa, interna, altura, profundidad, etc.) y tamaño
de la pieza y exactitud desead
23. ¿Cuáles son los errores por punto de apoyo que se utiliza en los
instrumento de gran longitud? R= punto Airy y los puntos Bessel
24. ¿Cómo puede evitarse la inexactitud que causa la distorsión de un
instrumento? R= se puede evitar con la ley de Abbe
25. ¿Qué dice el error de Abbe? R= establece que la exactitud máxima es
obtenida cuando los ejes de la escala y de medición son comunes
26. ¿Cuáles son los errores ambientales? R= humedad, polvo y temperatura
27. ¿Qué es un instrumento? R= dispositivo para determinar el valor o
magnitud de una cantidad o variable
28. ¿Qué es la exactitud? R= Aproximación con la cual la lectura de un
instrumento se acerca al valor real de la variable medida.
29. Medida de la reproducibilidad de las mediciones R= precisión
30. ¿Qué es la Incertidumbre expandida [NMX-Z-055-IMNC]? R= Cantidad
que define un intervalo alrededor de una medición del que se puede esperar
que abarque una fracción grande de la distribución de valores que
razonablemente pudieran ser atribuidos al mensurando.

Tipo de Error

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tipo de Error

Uploaded by

Copyright:

Available Formats

ÍNDICE

TIPOS DE ERRORES: DEFINICIÓN, IMPACTO EN LA MEDICIÓN,

En la actualidad, uno de los mayores retos que enfrenta las empresas es el de la

El objetivo general de este caso de estudio es el de mostrar un caso práctico de

I. Errores introducidos por el instrumento:

II. Error de interacción; int: esta incerteza proviene de la interacción del

Este procedimiento de sumar los cuadrados de los errores es un resultado de la

 Error relativo: ɛZ =△Z/Z, el cociente entre el error absoluto y el mejor valor de

Histogramas y distribución estadística

Tres parámetros importantes de una distribución son:

El valor medio da una idea de la localización o valor medio de los valores en la

La “campana de Gauss” está centrada en m y su ancho está determinado por la

𝑥 = ∑𝑁 𝑋𝐼 /𝑁, y es la media aritmética de los valores observados.

La desviación de cada medición respecto de x. También definimos la desviación

x se llama el error estándar del promedio y es el estimador del error asociado a 𝑋.

1. Se realizan unas 5 a 10 mediciones preliminares y se determina el error

Combinación de N mediciones independientes

Con un error dado por <x>

Un caso especial de interés, es cuando tenemos N determinaciones del mesuran-

Que, como es de esperar, coincide con la expresión (1.12). La incertidumbre aso-

Y que x, y, z, etc., sí se midieron directamente y que conocemos sus errores, a los

En rigor las derivadas involucradas en esta ecuación son derivadas parciales

Para cálculos preliminares, esta expresión puede aproximarse por:

Truncación de números: Se desea determinar la densidad de un cuerpo y para ello

ELECCIÓN DE LOS INSTRUMENTOS

La primera expresión es una aplicación de (1.23), esta aproximación de primer

ERRORES EN METROLOGÍA DIMENSIONAL

• Identificar los distintos errores en las mediciones.

MEDIDA DEL ERROR

Y como el error absoluto es igual a la lectura menos el valor convencionalmente

Error por instrumento inadecuado

ERRORES POR MÉTODO DE SUJECIÓN DEL INSTRUMENTO

ERROR POR CONDICIONES AMBIENTALES

La tabla muestra, expresados en / °C, los coeficientes de expansión térmica de

Por lo que el diámetro de la pieza a 20°C será de 100.0115 mm.

El cual en general se expresa en porcentaje. Debido a la imposibilidad de conocer

Las clases típicas son:

Lectura en un instrumento analógico:

ẟ𝑚: 𝑑𝑖𝑣𝑖𝑠𝑖𝑜𝑛 𝑑𝑒 𝑚𝑒𝑑𝑖𝑑𝑎𝑠: [𝑑𝑖𝑣𝑖𝑐𝑖𝑜𝑛]

Y finalmente el resultado de la medición será como la expresión (1-3) donde Ex se

Desviación de la media: Es el alejamiento de una lectura dada de la media

Desviación estándar: Es la raíz media cuadrática de las desviaciones. Es muy

DISTRIBUCIÓN NORMAL DE ERRORES:

Incertidumbre estándar (i):

Incertidumbre estándar combinada (µc):

Relación test de Incertidumbre (TUR):

EVALUACIÓN Y CLASIFICACIÓN DE LOS TIPOS DE

EVALUACIÓN TIPO A DE LA INCERTIDUMBRE

You might also like