B k A +
B k A +
B k A +
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Expresión de la incertidumbre de medida: 2008 (Esp) Ejemplos<br />
uc 2 [b(t)] = (0,001 1) 2 + (t − 24,008 5 °C) 2 (0,000 67) 2 (H.17b)<br />
Puede comprobarse cómo estas ecuaciones dan los mismos resultados que las ecuaciones (H.14) y (H.15),<br />
repitiendo el cálculo de b(30 °C) y uc[b(30 °C)]. En efecto, sustituyendo t = 30 °C en las ecuaciones (H.17a) y<br />
(H.17b) se obtiene<br />
b(30 °C) = −0,149 4 °C<br />
uc[b(30 °C)].= 0,004 1 °C<br />
resultados idénticos a los obtenidos en H.3.4. La covarianza estimada entre dos correcciones previstas<br />
prefijadas b(t1) y b(t2) puede obtenerse a partir de la ecuación (H.9) de H.2.3.<br />
H.3.6 Otras consideraciones<br />
El método de los mínimos cuadrados puede utilizarse para ajustar curvas de mayor grado a puntos<br />
experimentales, y también es aplicable a los casos en que los datos individuales poseen sus propias<br />
incertidumbres. Para más detalles debe consultarse la bibliografía clásica existente sobre el tema [8]. No<br />
obstante, los siguientes ejemplos ilustran dos casos en los que las correcciones medidas bk no se suponen<br />
conocidas con exactitud.<br />
1) Supongamos que cada tk tiene una incertidumbre despreciable, que cada uno de los n valores tR,k se ha<br />
obtenido a partir de una serie de m lecturas repetidas, y que la varianza de estas lecturas, estimada a partir<br />
de una gran cantidad de datos, obtenidos durante un periodo de varios meses es sp 2 . La varianza estimada<br />
de cada tR,k es sp 2 /m = u0 2 y cada corrección observada bk = tR,k − tk tiene la misma incertidumbre típica u0.<br />
En estas circunstancias (y con la hipótesis de que no existe ninguna razón para creer que el modelo lineal<br />
sea incorrecto), u0 2 reemplaza a s 2 en las ecuaciones (H.13c) y (H.13d).<br />
NOTA - Una estimación de la varianza sp 2 , efectuada sobre un conjunto de N series de observaciones independientes de la misma<br />
variable aleatoria, se obtiene a partir de<br />
N<br />
2<br />
∑ν<br />
isi<br />
2 i=<br />
1<br />
sp<br />
=<br />
N<br />
JCGM © 2008 - Reservados todos los derechos 97<br />
∑<br />
ν<br />
i<br />
i=<br />
1<br />
donde si 2 es la varianza experimental de la i-ésima serie de ni observaciones repetidas e independientes [ecuación (4) de 4.2.2] con<br />
un número de grados de libertad νi = ni − 1. El número de grados de libertad de sp 2 N<br />
es = ∑ i=<br />
1 i ν ν .<br />
La varianza experimental sp 2 /m (y la desviación típica experimental sp/√m) de la media aritmética de m observaciones<br />
independientes representadas por la estimación de la varianza sp 2 , establecida a partir de un conjunto de datos, tiene también ν<br />
grados de libertad.<br />
2) Supongamos que cada tk tiene una incertidumbre despreciable, que a cada uno de los n valores tR, k se aplica<br />
una corrección εk, y que cada corrección tiene la misma incertidumbre típica ua. Entonces, la incertidumbre<br />
típica de cada bk = tR,k − tk es también ua, s 2 (y1) es reemplazada por s 2 (y1) + ua 2 , y s 2 (y’1) por s 2 (y’1) + ua 2 .<br />
H.4 Medición de actividad radiactiva<br />
Este ejemplo es similar al ejemplo H.2, medición simultánea de resistencia y reactancia, en cuanto que los<br />
datos pueden analizarse de dos formas distintas, ambas dando prácticamente el mismo resultado numérico. La<br />
primera aproximación ilustra una vez más la necesidad de tener en cuenta las correlaciones observadas entre las<br />
magnitudes de entrada.