Seamos brutalmente honestos. Durante semanas, quizás meses, has estado en una misión de recolección: has acorralado tus fuentes de incertidumbre, has desenmascarado las Tipo A (esas que sacas de tus estadísticas) y has cazado las Tipo B (las que lees en certificados, manuales o estimas por pura experiencia).
Ahora las tienes todas en una hoja de Excel. Y la pregunta es: ¿Y ahora qué?
Aquí es donde muchos tiran la toalla. Ven una fórmula en la Guía GUM que parece un conjuro de una secta secreta, llena de letras griegas y ese temido símbolo de derivada parcial, y su cerebro hace «check-out».
Pero tú no.
Hoy, vamos a destripar esa fórmula, la famosa Ley de Propagación de Incertidumbre (LPU). Y te voy a enseñar cómo la veo yo, después de años de pelearme con ella: no es una barrera, es un mapa.
Es la herramienta más poderosa que tienes, no para hacer tu vida más difícil, sino para revelarte la verdad sobre tu método de medición.
Te dirá qué partes de tu proceso son críticas y qué partes son ruido de fondo. Y lo más importante: te voy a enseñar el método «del profesor», la forma pragmática de resolverla usando solo tu hoja de cálculo, sin necesidad de derivar absolutamente nada.
Así que, coge esa taza de café, y vamos a domar esta bestia.
¡Allá vamos!
¿Por qué no podemos simplemente «sumar» las incertidumbres?
Esta es la primera pregunta que siempre me hacen. Y es una pregunta fantástica. Me dicen, «si tengo una incertidumbre de 0.1 de mi balanza y 0.2 de mi pipeta, ¿por qué la incertidumbre total no es 0.3?».
La respuesta corta: porque no estás sumando peras con peras. Estás sumando posibilidades.
La incertidumbre no es un error. Un error es una diferencia fija (tu balanza siempre pesa 0.1 g de más). La incertidumbre es una duda, una zona gris, una distribución de probabilidad. Nos dice: «Estoy bastante seguro de que el valor real está por aquí, dentro de este rango».
- Lo que estás pensando (y es incorrecto): Suma lineal de errores. Esto asume el peor escenario posible: que el error de tu balanza (+0.1) y el de tu pipeta (+0.2) conspiran en tu contra al mismo tiempo y en la misma dirección para darte el máximo error posible (+0.3). Esto casi nunca pasa en el mundo real.
- Lo que realmente pasa (El mundo estadístico): Suma en cuadratura. La estadística nos dice que, si las fuentes de incertidumbre son independientes (y la mayoría lo son), sus efectos tienden a cancelarse parcialmente entre sí. A veces el «error» de la balanza será positivo y el de la pipeta negativo, compensándose.
Para combinar estas probabilidades (técnicamente, sus varianzas), no las sumamos linealmente. Las sumamos en cuadratura. Es el Teorema de Pitágoras de la metrología:
Si haces:
Obtienes:
Fíjate bien: 0.224 es mucho más pequeño que 0.3. Y lo más importante: fíjate cómo la incertidumbre de 0.2 (la pipeta) domina totalmente el resultado. La de 0.1 (la balanza) apenas pinta nada. Esto es un spoiler de lo que vamos a descubrir.
Pero, espera… ¿qué pasa si tu cálculo no es una simple suma? ¿Qué pasa si es Densidad = Masa / Volumen? Ahí no puedes simplemente sumar las varianzas. El efecto de un «pequeño meneo» en el volumen es diferente al de un «pequeño meneo» en la masa.
Necesitamos una forma de… ponderar… la contribución de cada componente. Y para eso necesitamos un Modelo.
Tu modelo: La receta de cocina de tu medición
No puedes estimar una incertidumbre combinada si no tienes un modelo matemático. Fin de la historia.
El modelo no es más que la fórmula que usas para calcular tu resultado final (tu mensurando). Es tu receta de cocina.
¿Mides densidad? Tu modelo es:
¿Mides concentración por titulación? Tu modelo es:
¿Mides algo por una curva de calibración? Tu modelo es:
Tu resultado final (Y) es el «pastel». Tus entradas (X1, X2, …, Xn) son los «ingredientes» (masa, volumen, absorbancia, etc.).
La Ley de Propagación de Incertidumbre es la herramienta que nos dice cómo las pequeñas dudas (incertidumbres) en cada ingrediente (u(xi)) afectan a la duda final sobre el pastel (uc(y)).
La Fórmula Maestra: La Ley de Propagación de Incertidumbre (GUM)
Vale, respira hondo. Voy a poner la fórmula completa de la GUM (para entradas no correlacionadas, que es el 99% de tu vida) y prometo traducirla al instante.
Aquí está la bestia:
…ya está. Puedes abrir los ojos. No es tan horrible.
Vamos a romperla en pedazos:
uc(y)2: Esto es la «incertidumbre combinada del pastel», pero al cuadrado (la varianza combinada). No te preocupes, al final de todo sacamos la raíz cuadrada y listo.
∑: Es el símbolo de «sumar todo». Simplemente suma los términos para cada ingrediente (para i=1 hasta n).
u(xi)2: Esta es la incertidumbre estándar de tu ingrediente (i), pero al cuadrado. Es tu u(masa)2, u(volumen)2, etc. Tú ya las tienes. Esta parte es fácil.
: …Y aquí es donde todos se atascan. Esta es la «derivada parcial de la función f (tu modelo) con respecto a la entrada xi«.
Este término imponente tiene un nombre mucho más amigable: Coeficiente de Sensibilidad (ci).
Déjame reformular la ecuación con este nuevo nombre:
Mucho mejor, ¿verdad?
Ahora, la pregunta del millón…
La verdadera estrella del show: ¿Qué demonios es un coeficiente de sensibilidad?
Olvida las derivadas por un segundo. Olvida el cálculo.
El coeficiente de sensibilidad (ci) te dice cuánto cambia tu resultado final (Y) si mueves un poquito tu ingrediente (Xi).
Es, literalmente, un factor de conversión. Te dice: «Por cada 1 mL que dudes en tu volumen, tu resultado final de densidad cambiará en X unidades».
La analogía definitiva del pastel (y el picante):
Imagina que tu receta del pastel (tu Y) lleva dos ingredientes: 1 taza de azúcar (X1) y 1 cucharadita de chile en polvo (X2).
- Tu incertidumbre u(azúcar) es ±0.1 tazas (eres un poco torpe con el azúcar).
- Tu incertidumbre u(chile) es ±0.1 cucharaditas (eres igual de torpe con el chile).
Ambas incertidumbres son idénticas (0.1), pero ¿afectan igual al resultado (el sabor del pastel)?
¡Claro que no!
- Si añades 0.1 tazas de más de azúcar, el pastel saldrá un poco más dulce. El coeficiente de sensibilidad del azúcar (cazúcar) es bajo.
- Si añades 0.1 cucharaditas de más de chile, el pastel será una abominación incomible que provocará una crisis diplomática en la oficina. El coeficiente de sensibilidad del chile (cchile) es altísimo.
La Ley de Propagación de Incertidumbre hace esto: multiplica la incertidumbre de cada ingrediente (u(xi)) por su factor de impacto (ci) antes de combinarlas.
Aunque u(azúcar) y u(chile) sean iguales, el término del chile será gigantesco por culpa de su ci, y dominará tu incertidumbre total. Tu presupuesto te gritará: «¡Deja de preocuparte por el azúcar y aprende a medir el maldito chile!».
Eso es todo. Eso es un coeficiente de sensibilidad. Es el «factor picante» de cada una de tus fuentes de incertidumbre.
Método 1: La vía «elegante» (las derivadas parciales)
Si te encantan las matemáticas (y sinceramente, ¿a quién no, un poquito?), puedes calcular estos ci usando las reglas de derivación que aprendiste en el colegio.
Recuerda:
Puedes buscar estas reglas en tablas. Es limpio, es preciso, es elegante. Y si tu modelo es complejo, es un dolor de cabeza monumental.
Como tu consejero, te digo: es bueno saber que existe, pero en la práctica… tenemos un truco mucho mejor.
Método 2: La vía «pragmática» (el método numérico que salva vidas)
Aquí está la magia.
¿Qué es ci? Es «cuánto cambia Y si muevo Xi un poquito».
¿Y qué es u(xi)? ¡Es «un poquito»!
Así que, ¿por qué no lo hacemos y ya?
Olvídate de las derivadas. Vamos a usar la fuerza bruta de Excel para simular el cambio y medir su impacto. Este método es oro puro.
El algoritmo paso a paso:
- Columna A: Pon los nombres de tus ingredientes (m, V, etc.).
- Columna B: Pon sus valores nominales (ej. 10.01 g, 10.0 mL).
- Columna C: Pon sus incertidumbres estándar u(xi) (ej. 0.01 g, 0.05 mL).
- En una celda separada (ej. Z1): Escribe tu modelo. Calcula tu resultado final Y usando los valores de la Columna B.
(Ej: Z1 = B1 / B2). Esta es tu línea base.
Ahora, empieza la magia. Vamos a calcular el impacto de CADA ingrediente, UNO POR UNO.
- En la Columna D (Impacto ui):
Celda D1 (impacto de la masa): Vamos a «perturbar» la masa. En esta celda, vas a recalcular tu modelo Y, pero esta vez, en lugar de usar el valor de la masa (B1), vas a usar (B1 + C1). O sea, el valor nominal MÁS su incertidumbre.
Fórmula en D1: =(B1 + C1) / B2
Celda D2 (impacto del volumen): Haz lo mismo para el volumen. Recalcula Y, pero perturba solo el volumen.
Fórmula en D2: =B1 / (B2 + C2)
- En la Columna E (contribución a la varianza): Ahora, mide el daño. ¿Cuánto cambió el resultado cuando «meneaste» cada ingrediente? La contribución a la incertidumbre (técnicamente, a la varianza) es simplemente la diferencia con tu línea base, al cuadrado.
- Fórmula en E1: =(D1 – $Z$1)^2
- Fórmula en E2: =(D2 – $Z$1)^2 (Nota: El $ en $Z$1 es para fijar la celda. ¡Magia de Excel!)
- Imagina lo que acabas de hacer. En la Columna E, tienes los términos [ci2 * u(xi)2] de la gran fórmula fea. ¡Los has calculado directamente sin escribir una sola derivada! El método numérico ha calculado el ci y lo ha multiplicado por el u(xi) y lo ha elevado al cuadrado, todo en un solo paso.
- El gran final:
¡Y ya está! Tienes tu incertidumbre combinada.
Construyendo el presupuesto: Ejemplo práctico (Densidad d = m / V)
Vamos a hacerlo en vivo.
Mensurando: Densidad de un líquido.
Modelo: d = m / V
- Ingredientes y Fuentes (Columnas A, B, C):
Notas: La u(masa) de 0.01 g la saqué del certificado de calibración de la balanza (dividido por k=2) más la repetibilidad. La u(volumen) de 0.05 mL la saqué del certificado del matraz aforado (dividido por raíz de 3 por ser distribución rectangular).
- Línea Base (Celda Z1):
- Celda Z1: =B1 / B2
- Resultado Z1: 01 / 10.0 = 1.001 g/mL (Esta es nuestra línea base).
- Perturbación y Cálculo de Impacto (Columna D):
- Contribución a la Varianza (Columna E):
Aquí es donde vemos quién es el «ingrediente picante».
- ¡Pausa y Admira! (El Presupuesto de Incertidumbre)
¡MIRA ESTO! ¡Mira la Columna E!
- Contribución de la masa: 0.000001
- Contribución del volumen: 0.0000248
El componente del volumen es casi 25 veces MÁS GRANDE que el de la masa.
¿Qué te acaba de decir tu presupuesto, con una claridad que duele? Te acaba de gritar: «¡Tu balanza es fantástica, pero tu material volumétrico es tu eslabón débil! ¡Deja de gastar dinero en calibrar la balanza y cómprate unas pipetas o matraces de mejor calidad!»
Este, y no otro, es el verdadero poder del presupuesto de incertidumbre. No es un número para cumplir un requisito de auditoría; es el mapa de diagnóstico de tu método. Te dice exactamente dónde enfocar tus esfuerzos de mejora.
- El Gran Final (Celdas Z2 y Z3):
Y ahí lo tienes. La incertidumbre estándar combinada de tu medición de densidad es 0.00508 g/mL.
(Paso extra: Si quieres la incertidumbre expandida, U, para tu informe final, solo multiplica este número por un factor de cobertura k=2 para tener un 95% de confianza: U = 2 * 0.00508 = 0.01016 g/mL).
Tu resultado final para el informe sería: d = 1.001 ± 0.010 g/mL (k=2).
Pero lo más valioso no es ese número final. Es la Columna E, que te dijo que tu incertidumbre proviene en un 96% (0.0000248 / 0.0000258) de tu medición de volumen.
La LPU no es el final del camino (pero es el 99% del viaje)
Como tu tutor, no estaría haciendo bien mi trabajo si no te diera dos pequeñas advertencias:
1. Correlación:
Este método (y la fórmula simple) asume que tus «ingredientes» son independientes. O sea, que el valor de la masa no afecta al del volumen. En nuestro ejemplo, es cierto. Pero si, por ejemplo, usaras la misma balanza para pesar un sólido y el agua que desaloja (para medir volumen), ambas mediciones estarían correlacionadas (compartirían la incertidumbre de esa balanza).
En ese caso, la fórmula se complica. ¿Mi consejo? Evita la correlación como la peste. Si puedes, usa instrumentos diferentes. Si no, tendrás que añadir un «término de covarianza», pero eso es una clase para otro día (y requiere más café).
2. Modelos «raros» (no lineales):
La LPU es una aproximación (usa una cosa llamada «serie de Taylor de primer orden»). Funciona de maravilla si tu modelo es lineal o «suavemente» curvo. Si tu modelo es una locura (como una exponencial o un logaritmo cerca de cero), esta aproximación puede fallar.
Para esos casos existe un método más avanzado, el «Suplemento 1 de la GUM», que usa una técnica de fuerza bruta llamada Simulación de Monte Carlo. Esencialmente, es una versión enloquecida de nuestro método numérico donde un software «lanza los dados» 100,000 veces para ver cómo se propaga la incertidumbre. Es fascinante, pero para el 99% de los laboratorios acreditados, la LPU que vimos hoy es el estándar de oro.
Tu tarea: Deja de admirar la fórmula y usa el mapa
Has llegado al final. Has visto la fórmula, la has entendido, y (lo más importante) has aprendido un «truco» para aplicarla sin dolor.
La Ley de Propagación de Incertidumbre no es un obstáculo académico. Es la herramienta de gestión más potente que tienes en el laboratorio.
Deja de verla como un requisito para pasar una auditoría. Empieza a verla como lo que es: el mapa de diagnóstico de tu método.
La próxima vez que alguien te diga «tenemos que mejorar la incertidumbre de este ensayo», no salgas a comprar la balanza más cara. Abre tu hoja de Excel. Construye tu presupuesto. Encuentra tu «ingrediente picante» (tu Columna E más alta) y ataca ahí.
