Clculo de los Parmetros de la funcin Weibull

Funcin acumulativa de Weibull.

Aplicando logaritmos naturales.

Propiedad exponencial de los logaritmos.

Aplicando logaritmos naturales.

La expresin (*) representa una ecuacin lineal de la forma

La cual es una recta de regresin, con:

De la expresin (**) se concluye que el parmetro de forma, , es la pendiente de la recta de

regresin.
De la expresin (***) se observa que el parmetro de escala, , est en funcin del intercepto b de la
recta de regresin y del parmetro de escala; por lo tanto:

(4) Definicin de logaritmo.

Estimacin de la distribucin acumulativa

Para poder trazar la recta de regresin, se debe calcular un estimador para la funcin de distribucin
acumulativa F(x). Este estimador, llamado Rango de mediana, es un estimador no paramtrico
basado en el orden de las fallas. Este aspecto implica que la muestra de datos se debe organizar de
menor a mayor (en forma ascendente).

La expresin matemtica para este estimador es:

Donde:

W (i): Rango de mediana para un nivel de confianza (1-), donde es el nivel de significancia y toma
el valor de 0.5 para este estimador.

i: Orden de la falla.

n: Nmero total de datos de la muestra.

F, v1, v2: Valor crtico de la distribucin F, evaluada en el nivel de significancia y con grados de
libertad v1 y v2.

Dada la complejidad de la ecuacin (5), generalmente el rango de mediana se aproxima mediante la

siguiente expresin, exacta dentro de 0.005 [1]:
Donde:

RM(xi): Rango de mediana.

i: Orden de falla.

n: Nmero total de datos de la muestra.

Aplicando a nuestro Proyecto:

Orden Duracin de una bombilla de bajo consumo en aos Rm(xi)=Y Ln(xi)=X X*Y X^2
1 1,53 0,03431373 0,43 0,01459252 0,18
2 0,3 0,08333333 -1,20 -0,10033107 1,45
3 1,87 0,13235294 0,63 0,08284479 0,39
4 0,08 0,18137255 -2,53 -0,45809784 6,38
5 1,67 0,23039216 0,51 0,11815054 0,26
6 1,48 0,27941176 0,39 0,10954117 0,15
7 3,41 0,32843137 1,23 0,4028908 1,50
8 2,95 0,37745098 1,08 0,40832842 1,17
9 1,71 0,42647059 0,54 0,22879864 0,29
10 3,2 0,4754902 1,16 0,55306681 1,35
11 0,22 0,5245098 -1,51 -0,79417484 2,29
12 2,31 0,57352941 0,84 0,48018608 0,70
13 0,45 0,62254902 -0,80 -0,49711018 0,64
14 3,79 0,67156863 1,33 0,89477522 1,78
15 2,76 0,72058824 1,02 0,73156328 1,03
16 0,73 0,76960784 -0,31 -0,24220386 0,10
17 0,92 0,81862745 -0,08 -0,06825847 0,01
18 2,81 0,86764706 1,03 0,89643948 1,07
19 3,03 0,91666667 1,11 1,0161824 1,23
20 2,41 0,96568627 0,88 0,84944348 0,77
(Y)= (X)= (X*Y)= (X^2)=
10 5,73 4,62662737 22,75

Donde:

Pendiente de la recta de regresin = (210*(X*Y)- (X)* (Y))/ (210* (X^2)- ((X)) ^2)= 0,192722189966862

Por lo tanto: = 0,192722189966862

De los datos: E(X)= 0,29 y E(Y)= 0,5 y por ecuacin de la recta se sabe que: = () ()
Intercepto de la recta con el eje Y = b = 1,07251871

( )
Por lo tanto: = , del cual = 1,07251871