Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo

Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo

El objetivo del presente estudio es aplicar una metodología rigurosa para estimar la incertidumbre de las mediciones utilizando el método adaptativo de la simulación de Monte Carlo (MCM). Se tomó como ejemplo la estimación de la incertidumbre en la medición del área de un triángulo. El valor del áre...

Descripción completa

Detalles Bibliográficos
Autor principal: Delgado Alvarado, Gustavo
Formato: Online
Idioma:spa
Publicado: Universidad Nacional Autonoma de Nicaragua, Leon 2009
Acceso en línea:https://revistas.unanleon.edu.ni/index.php/revistauniversita/article/view/1176
id UNIVERSITAS1176
record_format ojs
institution Universidad Nacional Autónoma de Nicaragua, UNAN-León
collection Universitas (León)
language spa
format Online
author Delgado Alvarado, Gustavo
spellingShingle Delgado Alvarado, Gustavo
Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo
author_facet Delgado Alvarado, Gustavo
author_sort Delgado Alvarado, Gustavo
description El objetivo del presente estudio es aplicar una metodología rigurosa para estimar la incertidumbre de las mediciones utilizando el método adaptativo de la simulación de Monte Carlo (MCM). Se tomó como ejemplo la estimación de la incertidumbre en la medición del área de un triángulo. El valor del área (y) y su incertidumbre asociada (uy) se calcularon en base a un algoritmo que se programó en lenguaje Maple 12, generando un total de 10000 valores del mensurando. Para calcular el intervalo de confianza (o intervalo de cobertura), se exportaron estos valores a la hoja de cálculo MS Excel, se obtuvieron los porcentajes acumulados de la función de distribución de probabilidad (CPDF) y se evaluaron los valores extremos del intervalo de cobertura (yinf, ysup) a una probabilidad del 95%. A partir de los resultados se trazó el histograma y se demostró que siguen una distribución normal. Para verificar la estabilidad estadística se aplicó el procedimiento adaptativo del suplemento 1 de la guía GUM ISO 2008. Los cálculos se repitieron 3 veces, hasta que se obtuvo la precisión adecuada. Los valores de los parámetros finales del mensurando en cm2 fueron: y=50.72, uy=0.13, yinf=50.48, ysup=50.96. También se aplicó el método clásico GUM 1995 o ley de propagación de la incertidumbre, encontrándose los siguientes valores: y=50.72, uy=0.25, yinf=50.21, ysup=51.22. Al comparar los dos métodos se observó que la técnica de simulación tiene mayor precisión.  
title Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo
title_short Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo
title_full Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo
title_fullStr Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo
title_full_unstemmed Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo
title_sort metodología para la implementación del método adaptativo de monte carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico maple. aplicación a un experimento sencillo
title_alt Methodology to implement adaptive Monte Carlo method in the evaluation of measurement uncertainty, using the Maple symbolic computation. Application to a simple experiment
publisher Universidad Nacional Autonoma de Nicaragua, Leon
publishDate 2009
url https://revistas.unanleon.edu.ni/index.php/revistauniversita/article/view/1176
work_keys_str_mv AT delgadoalvaradogustavo methodologytoimplementadaptivemontecarlomethodintheevaluationofmeasurementuncertaintyusingthemaplesymboliccomputationapplicationtoasimpleexperiment
AT delgadoalvaradogustavo metodologiaparalaimplementaciondelmetodoadaptativodemontecarloenlaevaluaciondelaincertidumbredelamedicionutilizandoelcalculosimbolicomapleaplicacionaunexperimentosencillo
_version_ 1837842176658112512
spelling UNIVERSITAS11762025-05-15T16:33:21Z Methodology to implement adaptive Monte Carlo method in the evaluation of measurement uncertainty, using the Maple symbolic computation. Application to a simple experiment Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo Delgado Alvarado, Gustavo incertidumbre de la medición por el método adaptativo de Monte Carlo propagación de las distribuciones. Measurement uncertainty using the adaptive Monte Carlo method Propagation of distributions The objective of this study is to apply a rigorous methodology to estimate measurement uncertainty using the adaptive Monte Carlo simulation method (MCM). As an example, the uncertainty in the measurement of the area of a triangle was estimated. The value of the area (y) and its associated uncertainty (uy) were calculated based on an algorithm programmed in Maple 12, generating a total of 10,000 values of the measurand. To calculate the confidence interval (or coverage interval), these values were exported to an MS Excel spreadsheet, where the cumulative percentages of the cumulative probability distribution function (CPDF) were obtained, and the lower and upper limits of the coverage interval (yinf, ysup) at a 95% probability level were evaluated. Based on the results, a histogram was plotted, showing a normal distribution. To verify statistical stability, the adaptive procedure from Supplement 1 of the GUM ISO 2008 guide was applied. The calculations were repeated three times until the desired precision was achieved. The final parameter values of the measurand in cm² were: y = 50.72, uy = 0.13, yinf = 50.48, ysup = 50.96. The classical GUM 1995 method or law of propagation of uncertainty was also applied, yielding the following values: y = 50.72, uy = 0.25, yinf = 50.21, ysup = 51.22. When comparing the two methods, the simulation technique was found to offer greater precision. El objetivo del presente estudio es aplicar una metodología rigurosa para estimar la incertidumbre de las mediciones utilizando el método adaptativo de la simulación de Monte Carlo (MCM). Se tomó como ejemplo la estimación de la incertidumbre en la medición del área de un triángulo. El valor del área (y) y su incertidumbre asociada (uy) se calcularon en base a un algoritmo que se programó en lenguaje Maple 12, generando un total de 10000 valores del mensurando. Para calcular el intervalo de confianza (o intervalo de cobertura), se exportaron estos valores a la hoja de cálculo MS Excel, se obtuvieron los porcentajes acumulados de la función de distribución de probabilidad (CPDF) y se evaluaron los valores extremos del intervalo de cobertura (yinf, ysup) a una probabilidad del 95%. A partir de los resultados se trazó el histograma y se demostró que siguen una distribución normal. Para verificar la estabilidad estadística se aplicó el procedimiento adaptativo del suplemento 1 de la guía GUM ISO 2008. Los cálculos se repitieron 3 veces, hasta que se obtuvo la precisión adecuada. Los valores de los parámetros finales del mensurando en cm2 fueron: y=50.72, uy=0.13, yinf=50.48, ysup=50.96. También se aplicó el método clásico GUM 1995 o ley de propagación de la incertidumbre, encontrándose los siguientes valores: y=50.72, uy=0.25, yinf=50.21, ysup=51.22. Al comparar los dos métodos se observó que la técnica de simulación tiene mayor precisión.   Universidad Nacional Autonoma de Nicaragua, Leon 2009-11-04 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Articles Articulos MAPLE 12 application/pdf https://revistas.unanleon.edu.ni/index.php/revistauniversita/article/view/1176 10.5377/universitas.v3i2.1662 REVISTA UNIVERSITA; Bd. 3 Nr. 2 (2009); 22-32 Universitas (León) ; Vol. 3 No. 2 (2009); 22-32 Universitas (León) ; Vol. 3 Núm. 2 (2009); 22-32 2311-6072 2071-257X spa https://revistas.unanleon.edu.ni/index.php/revistauniversita/article/view/1176/1863 Derechos de autor 2009 UNIVERSITAS (LEÓN) http://creativecommons.org/licenses/by-nc-sa/4.0

Ejemplares similares