Técnicas de simulación para el análisis estadístico de datos de medición

• Moreno Arias, Germán Ulises ^[1]
  1. [1] Escuela Superior Politécnica de Chimborazo (ESPOCH); Riobamba, Ecuador.
• Localización: Polo del Conocimiento: Revista científico - profesional, ISSN-e 2550-682X, Vol. 8, Nº. 7 (JULIO 2023), 2023, págs. 343-353
• Idioma: español
• Títulos paralelos:
  • Simulation techniques for the statistical analysis of measurement data
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este artículo de investigación bibliográfica, tiene como finalidad determinar las técnicas de simulación para el análisis estadístico de datos de medición, necesitando el uso de métodos que vayan relacionados con este proceso, como son los métodos de Monte Carlo y el Remuestreo de Boorstrap, que son de gran utilidad cuando no existen variables de expresión cerrada para calcular medidas de incertidumbre, que requieren varias respuestas que faciliten la toma de decisiones frente a varias probabilidades, donde intervienen la desviación estándar de estimadores y los intervalos de confianza.

    Dichos métodos de simulación permiten obtener respuestas con menores supuestos que los métodos clásicos o tradicionales, este proceso se facilita con el uso de la tecnología, en donde se han creado varios softwares que realizan estos procesos de manera automática, generando respuestas inmediatas, según las variables que se utilicen, además de crear cada vez una solución diferente, creando varias opciones para el investigador.

    Dentro del contexto estadístico se entiende por simulación a la técnica de muestreo estadístico controlado, que debe ser integrado con un modelo para dar solución a los problemas complejos de tipo probabilístico, tomando en consideración la metrología, donde se observan los modelos de medición que con frecuencia son complicados, de difícil entendimiento o desarrollo.

  • English

    The purpose of this bibliographic research article is to determine the simulation techniques for the statistical analysis of measurement data, requiring the use of methods that are related to this process, such as the Monte Carlo methods and Boorstrap Resampling, which are very useful when there are no closed expression variables to calculate uncertainty measures, which require several responses that facilitate decision-making in the face of various probabilities, where the standard deviation of estimators and confidence intervals are involved.

    These simulation methods allow obtaining answers with fewer assumptions than the classic or traditional methods, this process is facilitated with the use of technology, where several software have been created that carry out these processes automatically, generating immediate responses, depending on the variables. that are used, in addition to creating a different solution each time, creating several options for the researcher.

    Within the statistical context, simulation is understood as the controlled statistical sampling technique, which must be integrated with a model to solve complex problems of a probabilistic type, taking into account metrology, where measurement models that frequently are complicated, difficult to understand or develop.