Incertidumbre

Lo contrario a la certidumbre o certeza. Duda, inseguridad. Esto encontraramos

en el diccionario si buscamos la definicin de la palabra incertidumbre. Pero en la
ciencia, experimentalmente, es necesario medir esta incertidumbre.
La incertidumbre, para nosotros, ser nuestra manera de expresar que, an
despus de haber aplicado ciertas correcciones a los datos obtenidos de un
experimento, y al experimento en s; y an despus de haber obtenido un
resultado de medida, no hay un solo valor, sino que sigue existiendo un intervalo
de valores dispersos alrededor de nuestro valor esperado de medida o valor
verdadero.
Es decir, la incertidumbre es una cota superior estimada de esta correccin
residual, consecuencia de la imperfeccin de nuestra medida corregida. En
general, el valor de la incertidumbre no puede utilizarse para corregir el resultado
de una medicin. [#1]
Hay una diferencia entre error e incertidumbre. Puede que al realizar una
medicin y despus de haberla corregido, el resultado sea muy cercano al valor
del mensurando, por lo tanto, el valor de su error podra incluso ser despreciable.
Sin embargo, la incertidumbre puede ser muy grande, esto debido a que la
persona que realiza la medicin est muy insegura de cun cercano est el
resultado obtenido del valor real del mensurando.
Podemos definir la incertidumbre de una medicin como un parmetro que
cuantifica la dispersin que hay en los valores atribuidos al mensurando. Nos da a
entender que este intervalo de valores coherentes existe todos estn alrededor de
nuestro mensurando. Un resultado ser vlido si la dispersin entre estos datos es
pequea.
El que exista la incertidumbre u no significa que dudemos de la validez de
nuestra medicin, por el contrario, un clculo adecuado de ella dar una mayor
confianza a la validez de nuestro trabajo.

Existen diversos factores capaces de provocar una incertidumbre, los

cuales pueden ser desde la experiencia del observador hasta el ambiente en el
cul se realiza el experimento, algunos de estos son:
La naturaleza de la magnitud que se mide.
El instrumento de medicin.
El observador.
Condiciones externas.
Muestreo no representativo.
Variaciones en observaciones repetidas.
Conocimiento inadecuado del observador.
En cuanto a la medida de la incertidumbre, tenemos que distinguir entre dos
tipos diferentes. Ya que esta puede venir tanto en medidas reproducibles, por
ejemplo, la medicin de una longitud con el mismo instrumento de medida
(medidas directas reproducibles). O la medida del tiempo que tarda en caer una
pelota desde una altura de 2 metros (medidas no reproducibles).
Medidas reproducibles.
Cuando al realizar una serie de medidas de una misma magnitud se obtienen los
mismos resultados, no se puede concluir que la incertidumbre sea cero; lo que
sucede es que los errores quedan ocultos ya que son menores que la
incertidumbre asociada al aparato de medicin. En este caso, puede establecerse
un criterio simple y til: cuando las medidas son reproducibles, se asigna una
incertidumbre igual a la mitad de la divisin ms pequea del instrumento, la cual
se conoce como resolucin. [#2]
Decimos que una magnitud se mide directamente cuando determinamos su valor a
partir de la lectura de un instrumento de medida adecuado, sin necesidad de
realizar otros clculos con el resultado que proporciona ese instrumento. En la
estimacin de la incertidumbre de esta medida puede ser necesario tomar cada

fuente de incertidumbre y tratarla separadamente para obtener la contribucin de

cada fuente.
Medidas no reproducibles.
Esta clase de medidas son las que no importa que se realicen en las mismas
condiciones pueden variar ligeramente entre cada una de las observaciones, esto
es, al intentar medir la gravedad, por ejemplo, con el periodo de un pndulo, o el
tiempo en que tarda en caer algo de cierta altura.
En este caso, tenemos dos tipos de evaluaciones de incertidumbre, llamada en
este caso, incertidumbre estndar. Estos dos tipos de evaluaciones, en la
literatura, se distinguen como evaluacin de incertidumbre de tipo A, y evaluacin
de la incertidumbre de tipo B.
Ambos tipos de componentes de la incertidumbre asumen ciertas distribuciones
de probabilidad para el mensurando y ambas se cuantifican a travs de
desviaciones tpicas, estando la diferencia en el origen de dichas distribuciones de
probabilidad: en el tipo A estas distribuciones proceden de frecuencias muestrales
en tanto que las de tipo B las distribuciones son supuestas por el observador. [#1]
Evaluacin de Tipo A de la incertidumbre estndar.
Podemos llamar evaluacin de tipo A a aquella que puede estimarse mediante la
utilizacin de mtodos estadsticos con los datos obtenidos de cada una de las
observaciones realizadas en el proceso.
Es posible que, al realizar repeticiones de una misma medida, estas
resultan diferentes, en este caso Qu valor debemos reportar?, Es posible
seguir reportando la incertidumbre como la mitad de la medida ms pequea que
realiza el instrumento?
Si la medida de una magnitud puede repetirse y en cada una de las
mediciones el valor vara ligeramente, es posible obtener una distribucin de
probabilidad experimental de los valores que estamos midiendo. Y, a partir de ella,
obtener una medida de la incertidumbre.

En la mayor parte de los casos, el mensurando no es medido directamente,

sino que este depende o se determina a partir de otras N cantidades X 1, X2, , XN,
a travs de una relacin funcional:
Y =f ( X 1 , X 2 , , X N )
En la que, Y es el mensurando, y Xk las cantidades de las que este
depende.
Las cantidades de entrada X1, X2, ..., XN, de las cuales depende la cantidad Y
pueden ser mensurandos por s mismos, y depender de otras cantidades, incluso
tener

sus

propias

incertidumbres.

A su

vez,

se

puede

determinar

experimentalmente u obtenerse mediante clculos numricos. [#3]

Una estimacin que podemos hacer al valor del mensurando es una simple
media aritmtica:
n

1
1
y=Y = Y k = f ( X 1,k , X 2,k ,, X N ,k )
n k=1
n k=1
Donde n es el nmero de mediciones realizadas. Es preferible utilizar esta forma
de promediar es preferible a obtenerla mediante la obtencin de un promedio de
las cantidades Xk.
En la mayor parte de los casos esta media aritmtica es la mejor
aproximacin que podemos realizar del mensurando q de una cantidad q, para
cul se realizaron n mediciones qk.
n

q =

1
q
n k=1 k

Las observaciones individuales qk difieren en valor debido a variaciones

aleatorias. La varianza experimental de las observaciones, que es un estimador de
2
la varianza de la distribucin de probabilidad de q es:

q
( k q )2
n
1
2
( q k )=

n1 k=1
Esta cantidad, junto con su raz cuadrada positiva, a la que llamaremos
desviacin estndar, nos indican qu tan dispersos estn los valores observados
alrededor de nuestra media

q .

Aun cuando estas cantidades nos dicen cunto se alejan los valores
obtenidos de la media. La media tambin se aleja un poco del valor real del
mensurando. La varianza experimental de la media se escribe estima mediante:
2

s ( q k)
s ( q )=
n
2

La varianza experimental de la media, junto con su raz cuadrada positiva),

denominada la desviacin estndar experimental de la media, cuantifican qu tan
bien

estima el valor esperado de q, y se puede utilizar como una medida de

la incertidumbre de

q . En otras palabras, la evaluacin tipo A de la

incertidumbre estndar de un conjunto de mediciones X k, tal como se defini

previamente, se logra con la ecuacin:

u ( x i) =

(x ix )2
k=1

n(n+1)

Es necesario reportar todos y cada uno de los datos obtenidos; media, desviacin
estndar y varianza experimental, varianza de la media y desviacin de la media y
finalmente la incertidumbre obtenida.
Evaluacin de tipo B de la incertidumbre estndar.

Cuando se tiene una estimacin xi de una cantidad X i que no se ha obtenido de

observaciones repetidas, la varianza estimada u 2(xi) o la incertidumbre estndar
u(xi) se evalan por un juicio cientfico basado en toda la informacin disponible
acerca de la variabilidad de Xi. Entre sta se pueden incluir:
datos de mediciones anteriores.
especificaciones del fabricante.
datos provistos en calibraciones u otros certificados.
Por conveniencia, cuando u 2(xi) y u(xi) se calculan con estos procedimientos
se conocen en ocasiones como la varianza tipo B y la incertidumbre estndar B. El
uso apropiado de la incertidumbre tipo B est basado sobre todo en la experiencia
y el conocimiento general, y puede ser tan confiable como la incertidumbre tipo A.
Existen varias formas en que se presenta la incertidumbre tipo B cuando el
dato se toma de tablas, manuales o especificaciones del fabricante. Por ejemplo,
se puede establecer que la incertidumbre dada es un cierto mltiplo de la
desviacin estndar. En este caso, la incertidumbre estndar es la desviacin
estndar dividida entre el multiplicador, y la varianza estimada es el cuadrado del
nmero resultante. Otra manera de especificar la incertidumbre es dar un intervalo
que tiene un nivel de confianza de 90, 95 99 por ciento. [#3]
Si no se nos dice como obtener la incertidumbre, se supone que se utiliz
una distribucin normal para dar la incertidumbre, y se puede recuperar el valor de
la incertidumbre estndar al dividir el valor dado entre el factor apropiado dentro
de la distribucin normal. Estos factores son 1.64, 1.96 y 2.58, para los niveles de
confianza de 90 95 o 99 por ciento respectivamente.
En el caso en que se afirma que hay una probabilidad del 50% de que la
cantidad de entrada Xi est en el intervalo comprendido entre a- y a+, se puede
suponer que la mejor estimacin de Xi es el punto medio de dicho intervalo; ms
an, si el ancho medio del intervalo, denotado por a = (a+ - a-)/2, la incertidumbre
tipo B se toma como u(Xi)=1.48a, ya que en una distribucin normal con media y
desviacin estndar , el intervalo /1.48 cubre el 50% de la distribucin.[#3]

En otros casos puede que sea posible estimar solo los limites (superior e
inferior) para xi, en particular para establecer que la probabilidad de que el valor
de xi este dentro del intervalo de [a- ,a+].
+

a+
2

(Valor esperado).

a
x i=

2
a+
a

(Varianza asociada).

u2B ( x )=

uB ( x )=

a
3 (desviacin estndar).

Es ms razonable esperar que los valores cercanos al centro de la

distribucin sean ms probables que los cercanos a los lmites. As pues, sera
ms til una distribucin trapezoidal simtrica, con lados de igual pendiente, y una

base con anchura

=2 a
+a , y un lado superior con anchura 2a, donde 01.
a

Cuando 1, la distribucin trapezoidal se parece a la rectangular, mientras que

para =0, la distribucin es triangular. Para la distribucin trapezoidal, el valor

esperado es

a+
2

a
x i=

, con varianza:

a2 (1+2 )
u ( xi ) =
6
2

Para un resultado de una medicin y, la incertidumbre total, es necesario

hacer una combinacin de ambos tipos de incertidumbre, utilizando la ley de la
propagacin.

1
u +u B = ( a3 ) + n (n1)
(x ix )2
i=1
2
A

Incertidumbre de Regresin Lineal.

Frecuentemente es necesario ajustar a un modelo los resultados de mediciones,
cuando una de las variables medidas depende de otra de ellas. En estas
situaciones, se busca obtener los parmetros que relacionan una variable con la
otra. Sin duda, el caso ms simple es una relacin lineal, para la cual se busca
determinar la pendiente de la recta y la ordenada al origen.
El mtodo ms simple para el ajuste de una recta a un conjunto de parejas
de datos experimentales se refiere a la regresin lineal, tambin conocido como el
de mnimos cuadrados lineales. En este mtodo, se hace una minimizacin de la
suma cuadrtica de las distancias verticales entre los datos experimentales y la
recta por ajustar, considerando como variables a la pendiente m y la ordenada al
origen b. [#3]
Las ecuaciones para calcular la pendiente, y la ordenada al origen,
respectivamente, son:
N

i=1
N

i=1

N x i y i x i y i
i =1

m=

N x i2( xi )
i=1

i=1

i=1
N

i=1

x 2i y i x i x i y i

b= i=1

i =1

N x 2i ( xi )
i=1

i=1

Podemos calcular la desviacin estndar de la relacin lineal, de la pendiente y la

ordenada al origen con las siguientes ecuaciones.

S y=

( y im x i)2
i=1

N 2

Esta ecuacin nos dice qu tanto se desvan los puntos medidos con la
relacin lineal que calculamos.
S m=

S b=

N
N

i=1

( )

N x
2
i

i=1

xi

x 2i
i=1

N x ( x i)
i=1

2
i

i=1

Hay que aclarar que solo podemos utilizar estas expresiones si las
incertidumbres de cada uno de los datos que obtengamos sean iguales.

[#1] Aguiar Garca, J; Delgado Cabello, J. (2011). Fsica II, notas sobre medidas e incertidumbre.
OCW- Universidad de Mlaga. Bajo licencia Creative Commons Attribution-Non-ComercialShareAlike 3.0.
[#2] Introduccin al estudio de las mediciones.
[#3] Martn del Campo, Javier Miranda. Evaluacin de la incertidumbre en datos experimentales.