Ana, la Jefa de Laboratorio, revisaba con orgullo el presupuesto de incertidumbre que Carlos había preparado. Era para la determinación de dureza en un agua de proceso.
«¡Excelente trabajo, Carlos!», dijo Ana. «Identificaste la contribución de la repetibilidad, la del patrón, la de la bureta y la del material volumétrico. Ya tienes todas las contribuciones en las mismas unidades (mg/L).»
La tabla de Carlos mostraba las contribuciones finales (ya multiplicadas por sus coeficientes de sensibilidad):
- u1(y) (Repetibilidad): 0.40 mg/L
- u2(y) (Patrón): 0.25 mg/L
- u3(y) (Bureta): 0.10 mg/L
- u4(y) (Volumétricos): 0.05 mg/L
«Perfecto,» dijo Carlos, tecleando en su calculadora. «Las sumo y… 0.40 + 0.25 + 0.10 + 0.05 = 0.80 mg/L. Listo. Si el resultado fue 50.2 mg/L, reportamos 50.2 ± 0.80 mg/L».
Ana frunció el ceño. El número le parecía alto. «Espera, Carlos. ¿Estás seguro de que se suman así, directamente? Estas fuentes son independientes. Sumarlas de esa forma parece… un castigo excesivo. Es como si asumiéramos que todas van a salir mal en la misma dirección y al mismo tiempo.»
Decidieron llamar al Dr. Morales.
«Ana, Carlos, felicidades. Han llegado al 90% del camino,». «Y tu intuición es correcta, Ana. Las incertidumbres no se suman como la cuenta del supermercado. Se combinan.
Lo que Carlos hizo fue una suma aritmética; lo que nosotros necesitamos es una suma en cuadratura. Y después de eso, necesitamos un número que nos dé confianza real, un intervalo. Prepárense, vamos a estimar la incertidumbre combinada y la expandida.»
Capítulo 1: Los Fundamentos – La Teoría Indispensable
Para llegar a nuestro resultado final, necesitamos tres piezas teóricas clave.
1.La Incertidumbre Estándar Combinada (uc(y))
Este es el primer gran objetivo. Es la desviación estándar total de tu resultado (el mensurando, y), que resulta de la combinación de todas las desviaciones estándar de las fuentes de entrada (xi).
La regla de oro es: Las varianzas (incertidumbres al cuadrado) se suman, no las desviaciones estándar.
¿Por qué? Piensa en el Teorema de Pitágoras. Si caminas 4 metros al Este y 3 metros al Norte, ¿a cuántos metros estás del inicio? No estás a 4+3=7 metros.
Estás a la raíz cuadrada de 42 + 32 = 5 metros. Las fuentes de incertidumbre independientes (no correlacionadas) se comportan igual: sus contribuciones son «perpendiculares».
La fórmula para combinar las contribuciones de incertidumbre ui(y) (que ya tienes en tu presupuesto, ¡recuerda que ui(y) = ci * u(xi)!) es:
- uc(y): Es la incertidumbre estándar combinada que queremos encontrar.
- ui(y): Es la contribución a la incertidumbre de la fuente i, después de aplicar el coeficiente de sensibilidad.
Este número, uc(y), representa una desviación estándar (aprox. 68% de confianza). Pero a nuestros clientes no les sirve mucho. Ellos quieren un intervalo de alta confianza, usualmente el 95%. Para eso, necesitamos el siguiente paso.
2. La Incertidumbre Expandida (U)
La incertidumbre expandida (U) es el número que finalmente reportamos. Define un intervalo alrededor del resultado de la medición dentro del cual se espera que se encuentre la «verdadera» mayoría de los valores.
La fórmula es engañosamente simple:
- U: Es la incertidumbre expandida.
- uc(y): Es la incertidumbre combinada que acabamos de estimar.
- k: Es el factor de cobertura.
Toda la magia (y la confusión) radica en ese factor k.
3. El Factor de Cobertura (k) y los Grados de Libertad
El factor k es un multiplicador que «expande» nuestra incertidumbre estándar (uc) para alcanzar el nivel de confianza deseado (generalmente 95%).
El Atajo Común: k=2
La mayoría de las veces, verás que la gente usa k=2. ¿Por qué? Porque si la distribución de probabilidad de nuestro resultado es normal (gracias al Teorema del Límite Central), un factor de k=2 nos da un nivel de confianza de aproximadamente 95.45%.
Es una práctica aceptada y defendible, siempre y cuando la incertidumbre combinada uc(y) no esté dominada por una componente Tipo A con muy pocas mediciones.
El Método Riguroso: k basado en la t-Student
¿Qué tan «fiable» es nuestra estimación uc(y)? La fiabilidad de uc(y) se mide por sus grados de libertad efectivos (veff).
Si tu uc(y) se basa en muchas mediciones (ej. n=50), tus veff serán altos y tu uc(y) es muy fiable. Si se basa en pocas mediciones (ej. n=3), tus veff serán bajos y uc(y) es menos fiable.
Para estimar los veff, usamos la Fórmula de Welch-Satterthwaite:
veff: Grados de libertad efectivos (el número que buscamos).
uc(y): Incertidumbre combinada (al cuadrado y luego al cuadrado otra vez: a la cuarta potencia).
ui(y): Contribución de cada fuente (a la cuarta potencia).
vi: Grados de libertad de cada fuente.
Una vez que tienes veff, buscas tu k en la tabla t-Student para veff grados de libertad y un 95% de confianza (dos colas).
Regla práctica del Dr. Morales: Si tus veff son > 20, el valor de t (tu k) estará tan cerca de 2 que usar k=2 es perfectamente justificable. Si veff es bajo (ej. 5), k será mucho mayor (ej. 2.57) y debes usar el valor t.
Capítulo 2: Manos a la Obra – El Taller Práctico
Volvamos al «Laboratorio de Confianza SA» y al problema de Carlos.
El resultado de la dureza fue y = 50.2 mg/L.
El presupuesto de contribuciones era:
Paso 1: Estimar la Incertidumbre Combinada
Carlos quería sumar (0.40 + 0.25 + 0.10 + 0.05 = 0.80 mg/L). ¡Error!
Aplicamos la suma de cuadrados:
.
Paso 2: Estimar los Grados de Libertad Efectivos
Ahora, ¿podemos usar k=2? Veamos. Necesitamos los vi de cada fuente.
Aplicamos Welch-Satterthwaite.
Cualquier número dividido por infinito es cero. Así que las componentes Tipo B desaparecen de la ecuación:
Importante: Los grados de libertad siempre se truncan (redondean hacia abajo). Así que veff = 12.
Paso 3: Determinar el Factor de Cobertura (k)
Nuestros veff = 12. Este número no es mayor que 20. Por lo tanto, usar k=2 sería incorrecto y subestimaríamos la incertidumbre.
Vamos a una tabla t-Student para 12 grados de libertad y 95% de confianza.
El valor es: k = 2.179
Cómo usar la tabla
1. Grados de Libertad (v): En el ejemplo, estimamos los grados de libertad efectivos veff = 12.94, que truncamos (redondeamos hacia abajo) a 12.
2. Nivel de Confianza: Buscamos un 95% de confianza.
3. Valor Alfa en la Tabla: Un 95% de confianza para un intervalo (que tiene dos colas) significa que dejamos un 5% de probabilidad total fuera del intervalo (100% – 95% = 5%). Este 5% se divide en las dos colas (la superior y la inferior), por lo que 5% / 2 = 2.5%.
4. Columna Correcta: El 2.5% expresado como fracción es 0.025. Por lo tanto, debemos buscar en la columna a=0,025.
«¿Ves, Carlos?», le señalé. «Si hubieras usado k=2, habrías reportado un intervalo de confianza más pequeño del que realmente puedes defender. Tu factor de cobertura correcto es 2.18.»
Paso 4: Estimar la Incertidumbre Expandida (U)
Ahora sí, el paso final.
Paso 5: Reportar el Resultado
El resultado de la medición fue y = 50.2 mg/L.
La incertidumbre expandida es U = 1.056 mg/L.
El reporte final (que veremos en detalle más adelante) sería:
50.2 ± 1.1 mg/L
Y en una nota al pie, para ser totalmente transparente ante un auditor:
«La incertidumbre de medida reportada es la incertidumbre expandida, estimada a partir de la incertidumbre estándar combinada multiplicada por un factor de cobertura k=2.18, correspondiente a un nivel de confianza de aproximadamente el 95% (basado en veff=12 grados de libertad efectivos).»
Capítulo 3: Preguntas Clave y Mitos Comunes
P: Dr. Morales, ¿está mal usar siempre k=2? La fórmula de Welch-Satterthwaite es muy complicada.
R: No está «mal», pero es «arriesgado». Es una práctica común aceptada por muchas entidades, asumiendo que tus grados de libertad efectivos son grandes.
Si un auditor te pregunta cómo justificas tu k=2 y tu incertidumbre está dominada por una Tipo A con n=5, no tendrás una buena respuesta. Mi consejo: haz el ejercicio de Welch-Satterthwaite. Si te da veff > 20, sigue usando k=2 con total confianza. Si te da bajo, usa la t de Student. Es tu mejor defensa.
P: ¿Qué pasa si sumo al cuadrado (uc) pero mi resultado de U (usando k=2) es más pequeño que la contribución más grande?
R: Eso es matemáticamente imposible. En la suma de cuadrados, el resultado (uc) siempre será mayor que la contribución individual más grande (pero, como vimos, mucho menor que la suma aritmética). En nuestro ejemplo, uc = 0.485, que es mayor que la contribución dominante de 0.40. Si te ocurre eso, revisa tus cálculos.
P: ¿Qué pasa si todas mis fuentes son Tipo B y asumo vi = infinito para todas?
R: ¡Gran pregunta! Si todas tus vi son infinitas, la fórmula de Welch-Satterthwaite te dará veff = infinito. En ese caso, la distribución t-Student con v = infinito es exactamente una distribución normal. Para un 95% de confianza, el k exacto sería 1.96. En este escenario, usar k=2 (para un 95.45%) es una práctica estándar y conservadora.
Capítulo 4: Lecciones Aprendidas y Siguientes Pasos
Hoy, el equipo de «Laboratorio de Confianza SA» dio el salto final. Convirtieron un complejo presupuesto en un resultado accionable para su cliente.
Carlos y Ana actualizaron su hoja de cálculo. Ahora tenían una plantilla robusta que no solo estimaba las componentes, sino que las combinaba correctamente y calculaba el k adecuado.
Carlos estaba a punto de enviar el informe final: «Resultado: 50.2 mg/L. Incertidumbre: 1.056 mg/L».
Ana lo detuvo justo a tiempo. «Espera, Carlos. El resultado tiene un decimal, pero tu incertidumbre tiene tres. ¿No deberíamos redondear la incertidumbre? ¿Y si la redondeamos, afecta cómo reportamos el resultado? ¿Es 50.2 o solo 50?».
El Dr. Morales sonrió. «Esa, Ana, es la pregunta que define a un verdadero profesional. Han estimado la incertidumbre de forma impecable. Ahora, deben aprender a comunicarla correctamente. Y eso nos lleva directamente a nuestro próximo tema: Reportando con Confianza: Cifras Significativas y Declaraciones Correctas.»