Carlos estaba con tres hojas de cálculo abiertas en su monitor, y su frustración era evidente. Ana, la Jefa de Laboratorio, se acercó.
«¿Todo bien, Carlos?»
«No realmente, Ana», suspiró él. «Estoy trabajando en tres estimaciones de incertidumbre, y parece que cada una usa una ‘regla’ mágica diferente.
1. Masa Neta: Es Mneta = Mbruta – Mtara. Aquí, parece que simplemente sumo las incertidumbres (al cuadrado). Fácil.
2. Concentración: Es C = m/V. Aquí, el método que encontré usa solo porcentajes e incertidumbres relativas.
3. Absorbancia Corregida: Y luego tengo este ensayo de espectrofotometría. El resultado es R = Fd * (Amuestra – Ablanco), donde Fd es un factor de dilución. ¡Esto es una mezcla de resta y multiplicación! ¿Qué hago aquí? ¿Sumo las relativas? ¿Sumo las absolutas? ¿Mitad y mitad?»
Ana revisó las ecuaciones. «Entiendo tu confusión. Parece que aplicamos reglas diferentes de forma arbitraria. Vamos a llamar al Dr. Morales. Necesitamos una regla que funcione para las tres.»
El Dr. Morales miró las tres ecuaciones y sonrió. «Carlos, ¡felicidades! Te acabas de topar con la razón por la que debemos dejar de memorizar ‘recetas’ y entender el motor que hay detrás: la Ley de Propagación de la Incertidumbre.»
«No son tres reglas,» continuó, «es una sola regla aplicada a tres modelos matemáticos distintos. Lo que cambia no es la Ley de Propagación, es el famoso coeficiente de sensibilidad. Vamos al grano. Hoy vamos a desarmar tus tres casos y verán que la lógica es exactamente la misma en todos.»
Capítulo 1: Los Fundamentos – La Teoría Indispensable
Como vimos anteriormente, la Ley de Propagación de la Incertidumbre es la fórmula maestra de la GUM. Para un mensurando Y que depende de varias variables de entrada X1, X2, …, XN, su incertidumbre combinada se estima así:
Desglosemos esto en lenguaje de laboratorio:
¿Qué es realmente un Coeficiente de Sensibilidad?
Ese símbolo de derivada parcial asusta, pero en la práctica, solo hace una pregunta muy simple:
«Si la variable de entrada xi cambia en 1 unidad, ¿cuántas unidades cambia el resultado final y?»
Piénsalo como una palanca. Si mueves el extremo de la palanca 1 cm (u(xi)), el coeficiente ci es el «factor de palanca» que te dice cuánto se moverá la carga en el otro extremo (la contribución a u(y)).
La contribución real de cada fuente a la varianza total es ci2 * u2(xi).
Vamos a ver cómo este «factor de palanca» (ci) se comporta de forma diferente en los tres casos de Carlos.
Capítulo 2: Manos a la Obra – El Taller Práctico
Aquí es donde resolvemos la confusión de Carlos. Olvidemos las derivadas y usemos las dos reglas prácticas que se derivan de la LPU.
Regla 1: Modelos Aditivos (Sumas y Restas)
Cuándo usarla: Cuando tu resultado es la suma o resta de varias cantidades (ej. Y = A + B – C).
El Método: Se suman las incertidumbres absolutas al cuadrado (varianzas).
Por qué: En estos modelos, el «coeficiente de sensibilidad» de cada componente es siempre 1 o -1. Al elevarlo al cuadrado, siempre es 1.
Regla 2: Modelos Multiplicativos (Multiplicación y División)
Cuándo usarla: Cuando tu resultado es la multiplicación o división de varias cantidades, por ejemplo: Y = AB/C.
El Método: Se suman las incertidumbres relativas al cuadrado.
Por qué: Es una simplificación matemática de la Ley de Propagación que nos ahorra el cálculo de coeficientes complejos. En el «mundo relativo», todos los coeficientes valen 1.
¿Y qué pasa con los modelos mixtos? Simple: los rompemos en pedazos y aplicamos estas dos reglas por etapas.
¡Veámoslo!
Caso 1: Modelos Aditivos (Regla 1)
El Problema: La masa neta de la muestra.
El Modelo (f): Mneta = Mbruta – Mtara
Aquí aplicamos la Regla 1. La incertidumbre de Mneta dependerá de la incertidumbre de Mbruta y de Mtara.
¿Cuánto impacta cada una? Hacemos la «pregunta mágica»:
1. Si Mbruta cambia en +1 mg, ¿cuánto cambia Mneta ? Respuesta: +1 mg. (Coeficiente = 1)
2. Si Mtara cambia en +1 mg, ¿cuánto cambia Mneta? Respuesta: -1 mg. (Coeficiente = -1)
La Ley de Propagación nos dice que sumemos las contribuciones al cuadrado:
Como (-1)2 = 1, la fórmula se simplifica a la Regla 1:
Caso 2: Modelos Multiplicativos (Regla 2)
Aquí es donde tu hoja de cálculo se vuelve mucho más limpia usando la Regla 2.
Problema: Concentración (División)
El Modelo (f): C = m/V
En lugar de calcular coeficientes complicados, aplicamos la Regla 2 directamente. Pasamos todo a incertidumbres relativas (que a menudo se expresan como %).
Caso 3: Modelos Mixtos
Aquí es donde combinamos las dos reglas usando la Propagación por Etapas.
El Problema: Absorbancia Corregida (R).
El Modelo (f): R = Fd * (Amuestra – Ablanco)
«Carlos, tu error fue intentar aplicar la Regla 2 (relativa) a todo», dijo el Dr. Morales. «Pero este modelo tiene una resta. La Regla 2 no funciona si hay sumas o restas. Debemos hacerlo por partes.»
Enfoque por Etapas
Paso 1: Define una variable intermedia para la parte aditiva.
Paso 2: Estima la incertidumbre de Adiff usando la Regla 1 (porque es una resta).
Paso 3: Reescribe tu modelo final usando la variable intermedia.
Paso 4: Estima la incertidumbre de R. ¡Este nuevo modelo es puramente multiplicativo! Ahora sí puedes usar la Regla 2.
Ejemplo Numérico Detallado (Caso 3 – Mixto)
Vamos a ponerle los números de Carlos a este método por etapas.
Factor de Dilución (Fd):
Valor: 10
Incertidumbre u(Fd): 0.1
Absorbancia Muestra (Amuestra):
Valor: 0.850
Incertidumbre u(Amuestra): 0.005
Absorbancia Blanco (Ablanco):
Valor: 0.050
Incertidumbre u(Ablanco): 0.003
Resolución (Paso a Paso):
Calcular variable intermedia (Adiff):
Estimar incertidumbre de Adiff (Regla 1 – Absoluta):
Calcular Resultado Final (R):
Estimar incertidumbre de R (Regla 2 – Relativa):
Ahora usamos el modelo R = Fd * Adiff.
Primero, calculemos cada componente relativo:
Ahora, sumamos sus cuadrados (varianzas relativas):
Calcular Incertidumbre Combinada Final uc(R) (Absoluta):
Ya tenemos la varianza relativa. Saquemos la raíz y multipliquemos por el resultado final para volver a las unidades absolutas.
Resultado: R = 8.00 ± 0.099 (antes de expandir y redondear).
«¿Lo ves, Carlos?», dijo el Dr. Morales. «No hay magia. Solo dos reglas. Si el modelo es mixto, lo partes en pedazos y aplicas las reglas en orden. ¡Cualquier modelo mixto se puede resolver así!»
Capítulo 3: Preguntas Clave y Mitos Comunes
P: ¿Entonces, tengo que ser un experto en cálculo y saber derivar cualquier fórmula?
R: ¡Para nada! Para el 95% del trabajo en tu laboratorio, solo necesitas estas tres ideas que practicamos hoy:
- Regla 1 (Aditiva): Si tu modelo es Y = A + B – C, suma las incertidumbres absolutas al cuadrado.
- Regla 2 (Multiplicativa): Si tu modelo es Y = A*B/C, suma las incertidumbres relativas al cuadrado.
- Regla 3 (Mixta): Si tu modelo es Y = A * (B – C), ¡no mezcles! Resuélvelo por etapas, como hicimos con el ejemplo de absorbancia. Este es el método más seguro y fácil de defender en una auditoría.
Mito: «La incertidumbre de la resta es la resta de las incertidumbres.» R: ¡Falso y muy peligroso! Como vimos en el Caso 1, las incertidumbres (en sus cuadrados) siempre se suman.
Piensa en esto: si mides dos cosas, ambas con algo de incertidumbre, ¿esperarías que el resultado de la resta sea más cierto? ¡No! El resultado es más incierto, porque has combinado dos fuentes de duda.
P: ¿Qué pasa si mi modelo es Y = 3 * X?
R: ¡Excelente pregunta! Esto no es ni aditivo ni (puramente) multiplicativo. Aquí usamos la «pregunta mágica» del coeficiente de sensibilidad: «Si X cambia en 1 unidad, ¿cuánto cambia Y?» Respuesta: 3 unidades.
Tu coeficiente cx es 3.
La Ley de Propagación es:
Por lo tanto
¡La incertidumbre de Y es 3 veces la incertidumbre de X! El coeficiente es simplemente la constante que multiplica.
Capítulo 5: Lecciones Aprendidas y Siguientes Pasos
Carlos guardó sus tres hojas de cálculo, esta vez con una expresión de alivio. «Entendido, Dr. Morales. No son tres ‘reglas’ mágicas. Son dos reglas básicas y un método ‘por etapas’ para los casos mixtos. Todo se reduce a identificar si el modelo suma o multiplica en cada paso.»
Ana asintió, revisando el cálculo del modelo mixto. «Y el método por etapas nos permite usar la Regla 1 (absoluta) para la resta y luego la Regla 2 (relativa) para la multiplicación, todo en orden. Mucho más limpio y lógico.»
«Exactamente», concluyó el Dr. Morales. «Han dominado la lógica de la Ley de Propagación de la Incertidumbre. Ahora saben cómo adaptar su enfoque al modelo matemático que tengan enfrente, en lugar de tratar de forzar todos los problemas a una sola ‘receta’.»
Carlos revisó sus notas. «Me siento mucho más seguro ahora, Dr. Morales. Pero el modelo de absorbancia era relativamente simple. ¿Qué pasa con otros casos más complejos? ¿O con el cálculo de la pureza de un reactivo, que tiene varias divisiones y restas? Me gustaría practicar con un par de casos más complejos antes de seguir adelante.»
Ana estuvo de acuerdo. «Buena idea. Queremos que esto sea automático para todo el equipo.»
«Perfecto», dijo el Dr. Morales con una sonrisa. «Han aprendido a caminar y ahora quieren correr. Es el siguiente paso lógico. En nuestra próxima parada, haremos exactamente eso: tomaremos ejemplos prácticos de aplicación de principio a fin, con modelos más desafiantes, para solidificar todo lo que hemos aprendido hoy. Prepárense para aplicar estas reglas a casos reales de laboratorio.»