Ingeniería ISSN Impreso: 1409-2441 ISSN electrónico: 2215-2652

OAI: https://revistas.ucr.ac.cr/index.php/ingenieria/oai
Evaluación de la validez de factores de corrección para estimar la incertidumbre estándar de una distribución triangular con un intervalo de cobertura del 95 %
PDF
HTML
EPUB

Palabras clave

Greenhouse gases
National Program for Carbon Neutrality
Probability distribution
Simulation
Triangular distribution
Uncertainty
Distribución de probabilidad
Distribución triangular
Gases de efecto invernadero
Incertidumbre
Programa País de Carbono Neutralidad
Simulación

Cómo citar

Molina-Castro, G. (2022). Evaluación de la validez de factores de corrección para estimar la incertidumbre estándar de una distribución triangular con un intervalo de cobertura del 95 %. Ingeniería, 32(2), 14–28. https://doi.org/10.15517/ri.v32i2.49699

Resumen

Recientemente, la estimación de incertidumbre de medida se convirtió en un tópico de gran interés para el reporte de inventarios de gases de efecto invernadero (GEI) en Costa Rica. En este contexto, una guía metodológica nacional del Programa País de Carbono Neutralidad (PPCN) ha surgido como base para el desarrollo local de esta temática, pero unos pocos aspectos de su contenido carecen de una explicación clara que justifiquen su implementación. El presente estudio evalúa la validez del uso de factores de corrección, propuestos por esta guía, que amplían la incertidumbre estándar estimada mediante el ajuste una distribución triangular, en presencia de un intervalo de cobertura del 95 %. Para ello, se simularon 3124 escenarios de distribuciones triangulares y se les estimó una incertidumbre estándar considerando que los límites simulados delimitan un intervalo de cobertura al 100 % (u100) y otra considerando un intervalo de cobertura al 95 % (u95), evaluando dos posibles interpretaciones sobre la ubicación del intervalo para esta última. Los factores de corrección FC se estimaron para cuatro diferentes grupos de escenarios como las pendientes entre u95 y u100, estimadas a partir de una regresión por mínimos cuadrados utilizando el software estadístico R. Se obtuvieron resultados entre 1,23 y 1,29, con un valor global de 1,25. Estos valores son consistentes con los encontrados en la guía metodológica nacional, comprobando así su validez y aplicabilidad. Finalmente, se sugiere el uso del factor de corrección de 1,25 como aproximación práctica para todos los escenarios evaluados, lo que podría facilitar su implementación homologada por los usuarios.

https://doi.org/10.15517/ri.v32i2.49699
PDF
HTML
EPUB

Citas

Greenhouse gases — Part 1: Specification with guidance at the organization level for quantification and reporting of greenhouse gas emissions and removals. ISO Standard 14064-1, 2018.

Norma para demostrar la Carbono Neutralidad - Requisitos. Norma INTE B5, 2020.

DCC y PMR, “Programa País de Carbono Neutralidad: Categoría Organizacional (Programa País de Carbono Neutralidad PPCN 2.0)”. Dirección de Cambio Climático. https://cambioclimatico.go.cr/wp-content/uploads/2020/04/1-PPCN_Organizacional.pdf (accesado en 26 Nov., 2021).

BIPM, IEC, IFCC, ILAC, ISO, IUPAC, IUPAP y OIML, “VIM – Vocabulario Internacional de Metrología. Conceptos fundamentales y generales, y términos asociados (VIM 2008 con pequeñas correcciones)”. Centro Español de Metrología. https://www.cem.es/sites/default/files/vim-cem-2012web.pdf (accesado en 24 Nov., 2021).

BIPM, IEC, IFCC, ILAC, ISO, IUPAC, IUPAP y OIML, “Evaluación de datos de medición - Guía para la expresión de la incertidumbre de medida (JCGM 100 - GUM 1995 con ligeras correcciones)”. Centro Español de Metrología. http://www.cem.es/sites/default/files/gum20digital1202010.pdf (accesado en 24 Nov., 2021).

BIPM, IEC, IFCC, ILAC, ISO, IUPAC, IUPAP y OIML, “Evaluación de datos de medición – Suplemento 1 de la Guía para la expresión de la incertidumbre de medida – Propagación de incertidumbres aplicando el método de Monte Carlo (JCGM 101)”. Centro Español de Metrología. https://www.cem.es/sites/default/files/suplemento20120de20gum_0.pdf (accesado en 24 Nov., 2021).

IPCC, “Good Practice Guidance and Uncertainty Management in National Greenhouse Gas Inventories – Quantifying Uncertainties in Practice”. IPCC Library. https://www.ipcc.ch/publication/good-practice-guidance-and-uncertainty-management-in-national-greenhouse-gas-inventories/ (accesado en 30 Nov., 2021).

IPCC, “2006 IPCC Guidelines for National Greenhouse Gas Inventories. Volume 1: General Guidance and Reporting – Uncertainties”. IPCC Task Force on National Greenhouse Gas Inventories. https://www.ipcc-nggip.iges.or.jp/public/2006gl/vol1.html (accesado en 30 Nov., 2021).

DCC, PMR y LCM, “Guía metodológica para la estimación y análisis de la incertidumbre de emisiones y remociones de gases de efecto invernadero (GEI) – Programa País de Carbono Neutralidad 2.0”. Dirección de Cambio Climático. https://cambioclimatico.go.cr/wp-content/uploads/2019/11/PPCN-GuiaIncertidumbre.pdf (accesado en 26 Nov., 2021).

IMN, “Factores de emisión de gases de efecto invernadero - 11 edición”. Instituto Meteorológico Nacional. Programa de Cambio Climático. http://cglobal.imn.ac.cr/index.php/publications/factores-de-emision-gei-decima-edicion-2021/ (accesado en 26 Nov., 2021).

R Core Team, “R: A Language and Environment for Statistical Computing”. The R Project for Statistical Computing. https://www.R-project.org/ (accesado en 06 Ene., 2022).

N. W. Petty y S. Dye, “Notes on triangular distributions”. Statistics Learning Centre. https://learnandteachstatistics.files.wordpress.com/2013/07/notes-on-triangle-distributions.pdf. (accesado en 07 Dic., 2021).

G. Molina-Castro y B. Calderón-Jiménez, “Evaluating asymmetric approaches to the estimation of standard uncertainties for emission factors in the fuel sector of Costa Rica,” Frontiers in Environmental Science, vol. 9, art. 662052, 2021. doi: 10.3389/fenvs.2021.662052.

J. E. Dennis y R. B. Schnabel, Numerical methods for unconstrained optimization and nonlinear equations. Philadelphia, USA: SIAM, 1996.

B. Hasselman, “nleqslv: Solve systems of nonlinear equations”. The Comprehensive R Archive Network (CRAN Project). https://cran.r-project.org/web/packages/nleqslv/index.html (accesado en 07 Ene., 2022).

M. A. Jenkins y J. F. Traub, “Algorithm 419: zeros of a complex polynomial,” Communications of the ACM, vol. 15, no. 2, pp. 97-99, 1972, doi: 10.1145/361254.361262.

S. N. Gil, “Bootstrap en poblaciones finitas”, Tesis para optar por el grado de Máster en Estadística Aplicada, Depart. de Estad. e Invest. Oper., Univer. de Granada, España, 2014. [En línea]. Obtenido de https://masteres.ugr.es/moea/pages/tfm1314/tfm_samuel_gil_abreu/.

J. Ramírez-Montoya, I. Osuna-Vergara, J. Rojas-Mora y S. Guerrero-Gómez, “Bootstrap and Jacknnife resampling in reliability: case exponential and Weibull,” Revista Facultad De Ingeniería, vol. 25, no. 41, pp. 55-62, 2016, doi: 10.19053/01211129.4137.

H. Wickham, R. François, L. Henry y K. Müller, “dplyr: A Grammar of Data Manipulation”. The Comprehensive R Archive Network (CRAN Project). https://cran.r-project.org/web/packages/dplyr/index.html (accesado en 06 Ene., 2022).

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.