Planteamiento
Muchas magnitudes no se miden directamente: la potencia se obtiene de tensión y corriente, una resistencia de tensión y corriente, una densidad de masa y volumen. Se define un modelo y = f(x1, x2, …) que relaciona el mensurando con las magnitudes de entrada, y se evalúa la incertidumbre de cada entrada.
Pasos
- Escribir el modelo matemático completo, incluyendo correcciones (temperatura, empuje, deriva) que también aportan incertidumbre.
- Obtener la incertidumbre estándar de cada entrada, ya sea estadística (tipo A) o por otra información (tipo B).
- Calcular los coeficientes de sensibilidad: la derivada parcial de f respecto a cada entrada, evaluada en los valores estimados.
- Combinar: la incertidumbre combinada es la raíz cuadrada de la suma de los cuadrados de cada producto coeficiente por incertidumbre, más los términos de covarianza si las entradas están correlacionadas.
- Expandir multiplicando por un factor de cobertura acorde con el nivel de confianza deseado.
Un ejemplo con potencia
Si la potencia es el producto de tensión por corriente, el coeficiente de la tensión es la corriente y el de la corriente es la tensión. Para productos y cocientes es práctico trabajar con incertidumbres relativas: si las entradas no están correlacionadas, las incertidumbres relativas se suman en cuadratura. Un exponente en el modelo multiplica la incertidumbre relativa correspondiente.
Correlaciones
Si dos entradas se miden con el mismo instrumento o comparten un patrón, sus errores no son independientes. Ignorar la correlación puede sobrestimar o subestimar la incertidumbre, según el signo de los coeficientes. Por ejemplo, en una resta de dos lecturas con el mismo instrumento, el error común se cancela parcialmente.
Cuándo no basta el método lineal
La propagación analítica supone que el modelo es aproximadamente lineal en el entorno de los valores de entrada y que la distribución de salida es cercana a normal. Si el modelo es muy no lineal o una componente domina con distribución no normal, se recurre a la propagación de distribuciones por simulación de Monte Carlo.
Qué ve el ingeniero en la práctica
El resultado se presenta como una tabla de presupuesto: cada fila es una entrada con su incertidumbre, distribución, coeficiente de sensibilidad y contribución. Esa tabla revela cuál entrada domina y, por tanto, dónde conviene invertir en mejores patrones o procedimientos.