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.
Exp. de la incertidumbre de medida: 2008 (Esp) Motivación y fundamentos de la Recomendación INC-1 (1980)<br />
incertidumbre de su propio resultado, deben poder componer de forma lógica y simple estas incertidumbres<br />
importadas, con las incertidumbres de sus propias observaciones. La Recomendación INC-1 (1980)<br />
proporciona el método.<br />
E.3 Justificación para tratar de forma idéntica todas las componentes de la incertidumbre<br />
La finalidad de este apartado es ilustrar mediante un ejemplo sencillo cómo la Guía trata exactamente de la<br />
misma forma las componentes de la incertidumbre provenientes de efectos aleatorios, y las provenientes de<br />
correcciones estimadas de efectos sistemáticos, a la hora de evaluar la incertidumbre de un resultado de<br />
medida. De esta forma se ejemplifica el punto de vista adoptado en esta Guía, y citado en E.1.1; es decir, que<br />
todas las componentes de la incertidumbre son de la misma naturaleza y deben ser tratadas de forma idéntica.<br />
El punto de partida de la presentación es una demostración simplificada de la expresión matemática de la<br />
propagación de desviaciones típicas, denominada en esta Guía ley de propagación de la incertidumbre.<br />
E.3.1 Supongamos que la magnitud de salida z = f(w1, w2, ..., wN) depende de N magnitudes de entrada<br />
w1, w2, ..., wN, donde cada wi viene descrita por una distribución de probabilidad adecuada. El desarrollo en<br />
serie de Taylor de primer orden, de f alrededor de las esperanzas matemáticas de las wi, E(wi) ≡ μi, es, para las<br />
pequeñas variaciones de z alrededor de µz en función de las pequeñas variaciones de wi alrededor de µi,<br />
N ∂ f<br />
z μz = ( wi<br />
− μi<br />
)<br />
∂ w<br />
− ∑<br />
i= 1 i<br />
donde los términos de grado más elevado se suponen despreciables, y con µz = f(µ1, µ2, ..., µN). El cuadrado de<br />
la diferencia z − µz viene dado entonces por<br />
que puede escribirse en la forma<br />
2<br />
N<br />
2 ⎡ ∂ f ⎤<br />
( z − z ) = ⎢∑<br />
( wi<br />
− μi<br />
) ⎥<br />
i= 1 ∂ wi<br />
⎦<br />
JCGM © 2008 - Reservados todos los derechos 57<br />
(E.1)<br />
μ (E.2a)<br />
⎣<br />
2<br />
N<br />
N −1<br />
N<br />
2 ⎛ ∂ f ⎞<br />
2 ∂ f ∂ f<br />
( z − μ z ) = ∑ ⎜ ( wi<br />
μi<br />
) 2<br />
( wi<br />
μi<br />
)( w j μ j )<br />
i 1 ∂ w ⎟ − + ∑∑<br />
− −<br />
= ⎝ i ⎠<br />
i=<br />
1 j= i+<br />
1∂wi∂wj<br />
La esperanza matemática del cuadrado de la diferencia ( z μz<br />
la ecuación (E.2b) conduce a<br />
2<br />
(E.2b)<br />
2<br />
− ) es la varianza de z; es decir, E[(z-µz) 2 ]=σz 2 , y<br />
N<br />
N −1<br />
N<br />
2 ⎛ ∂ f ⎞ 2 ∂ f ∂ f<br />
σ z = ∑ ⎜ σ i 2<br />
σ iσ<br />
j ρij<br />
i ∂ w ⎟ + ∑∑<br />
(E.3)<br />
= 1 ⎝ i ⎠<br />
i=<br />
1 j= i+<br />
1∂wi∂wj<br />
En esta expresión, σi 2 = E[(wi −µi) 2 ] es la varianza de wi y ρij =ν(wi, wj)/(σi 2 σj 2 ) ½ es el coeficiente de<br />
correlación de wi y wj, donde ν(wi, wj) = E[(wi −µi)(wj −µj)] es la covarianza de wi y wj.<br />
NOTA 1 σz 2 y σi 2 son respectivamente los momentos centrales de orden 2 (véase C.2.13 y C.2.22) de las distribuciones de probabilidad<br />
de z y de wi. Una distribución de probabilidad puede caracterizarse completamente mediante su esperanza matemática, su varianza y sus<br />
momentos centrales de mayor orden.<br />
NOTA 2 La ecuación (13) de 5.2.2 [al igual que la ecuación (15)] empleada para calcular la incertidumbre típica combinada es idéntica<br />
a la ecuación (E.3), salvo el hecho de que la ecuación (13) está expresada en términos de estimaciones de varianzas, de desviaciones<br />
típicas y de coeficientes de correlación.<br />
E.3.2 En la terminología tradicional, la ecuación (E.3) se denomina generalmente “ley general de<br />
propagación de errores”, denominación que se aplica mejor a una expresión de la forma