Este estudio aborda dos defectos comunes en el campo de la cuantificación de la incertidumbre: primero, la suposición de distribución normal para cantidades físicas no negativas; segundo, el uso de métodos de muestreo o discretización para la propagación de incertidumbre de intervalo. La primera parte del trabajo se centra en la hipótesis de distribución normal y su impacto en el cálculo de momentos y probabilidades de superación, mediante un caso simple pero representativo. La investigación revela y destaca los problemas graves que puede causar la suposición normal, indicando que esta suposición puede tener un impacto negativo significativo en los resultados de cuantificación de incertidumbre. Imponer una distribución normal a cantidades físicas no negativas conduce esencialmente a propiedades no deseadas, como la ausencia de momentos de la respuesta objetivo o colas de probabilidad de superación irrazonablemente pesadas. La segunda parte explora en profundidad la propagación de la incertidumbre de intervalo desde perspectivas analíticas y numéricas. La evidencia de ambos lados muestra que el uso de métodos de muestreo para manejar la incertidumbre de intervalo es extremadamente ineficiente e inexacto. Demostramos con ejemplos que la propagación de incertidumbre de intervalo mediante muestreo subestima gravemente el comportamiento de peores casos del problema estudiado, junto con un costo computacional inaceptable.

cuantificación de la incertidumbre;análisis de confiabilidad;simulación de Monte Carlo;distribución normal;análisis de intervalos