Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística Básica
• Muestra:
– es un conjunto de mediciones u
observaciones tomadas a partir de una
población.
– es un subconjunto de la población.
Tema 1. Introducción
Estadística Básica
Población
Se usan muestras por problemas de
costos, tiempo y algunas serian
imposibles tomar el 100%
Muestras
30 30
Entretanto, siguiendo el consejo del Dpto. de Relaciones Públicas usted considera incluir un
de sus antiguos estudiantes: Shaquille O’Neal (estrella del básquet)
1020 30
Estadística Básica
Para ilustrar:
Tenemos A: 30 40 50 60 70 tiene promedio = 50 y mediana = 50
Más enfocada para conjuntos de datos atributos, aunque el uso independa de los tipos de
datos disponibles
25
Valor de acontecimientos más elevado: 14
20 (esa es la moda del conjunto de datos)
15
Frequency
10
0
10 12 14 16 18
Estadística Básica
Medidas de dispersión
- Rango (Range) = R , es la diferencia entre la mayor y la menor
observación
Suma de la
última columna
= 10
S S2 S2
Raíz Cuadrada de la Divide la Suma
Variancia por (n-1):
= Desv.Pa. = S = Variancia = S2
= 1,58 = 2,5
Estadística Básica N
X i
Promedio de la = i 1
Población N
N
Desviación Estándar
i
(X ) 2
de la Población = i =1
N
n
Promedio de la
x
i=1
i
Muestra x=
n
N
i
2
(X X )
Desviación Estándar i=1
de la Muestra s=
n -1
Estadística Básica
Porcentajes, Cuartiles, Deciles – Percentiles –
Medidas de Posición
Porcentaje del valor “x” = número de valores inferiores a “x” x 100%
número total de valores
Ejercicio : Retome los datos colectados sobre la altura de las personas en la sala.
Una persona con 1,70m en esa clase se encuentra en cual porcentaje ?
(#3) CONTINUOS
Subdivisiones Decimales son Significativos.
Ex: Tiempo p/atender teléfono (# exacto de seg. por llamada)
Distribución
TIPO-I
Binomial
Tiene Burbujas?
(aceptar / rechazar
(Datos Discretos)
el ítem todo)
TIPO-II
Distribución
Número de
Poisson
Burbujas?
3 2 0 4
DATOS VARIABLES
(Datos mensurables)
(Datos Continuos)
Distribución Normal
Peso del
Vidrio
u Otra
Peso = 12.2 Peso = 12.4 Peso = 11.9 Peso = 12.1
Estadística Básica
Tipos de Datos Proceso Comercial : Número de errores en la Factura
Form. #1 Form. #2 Form. #3 Form. #4
“Estoy contando algo?”
ATRIBUTOS
Distribución
TIPO-I
Binomial
Tiene Errores?
(aceptar / rechazar
(Datos Discretos)
el ítem todo)
TIPO-II
Distribución
Número de
Poisson
Errores en el
formato?
3 2 0 4
DATOS VARIABLES
(Datos mensurables)
(Datos Continuos)
Distribución Normal
Tiempo p/
Rembolsar
Funcionario
o Otra
34 horas 23 horas 4 horas 2 horas
Estadística Básica
Distribuciones de Probabilidad para Datos Variables
• Siempre que sea posible en los proyectos tratar los datos como
datos continuos. La riqueza de las informaciones compensa el
hecho de que es un poco más complicado para colectar datos
continuos cuando comparado a los datos discretos
Estadística Básica
Histograma
Da idea de centrado y da idea de variación. También muestra como
están distribuidos los datos.
25
20
15
Frequency
10
0
10 12 14 16 18
Estadística Básica
Histograma
Hacer el Histograma para la vida de baterías de un automóvil ( en años)
ß = 3.44
ß = 2.5
f(t)
ß = 1.0
0
0 t
Efecto de en la pdf
Una de las Ventajas de la distribución de Weibull es la FLEXIBILIDAD. Por ejemplo
en el caso de:
= 1.0
= 0.5
? t
Efecto de sobre el riesgo de fallas
B=1; Una parte vieja es tan buena como una nueva.
Riesgo de falla, r(t)
= 1.0
? t
Efecto de sobre el riesgo de fallas
1<B<4 Indica desgaste temprano,
Bajo ciclo de fatiga ( 2.5 a 4.0)
= 2.5 Fallas de rodamientos de bolas =B(2)
Riesgo de falla, r(t)
= 1.0
? t
Efecto de sobre el riesgo de fallas
B>4
Envejecimiento operacional, desgaste
Riesgo de falla, r(t)
rápido.
>4 Modos de falla típicos con
envejecimiento operacional.
Corrosión por esfuerzo.
Propiedades de los materiales.
Materiales quebradizos (tipo cerámico).
Algunas formas de erosión.
? t
Efecto de sobre el riesgo de fallas
Si β< 1 Indica disminución de la tasa de fallas, usualmente asociado
a la mortalidad infantil, algunas veces es llamada Fallas Prematuras.
Esto corresponde a fallas relacionadas con la fallas en la fabricación
y generalmente estas fallas son dadas después de producirlas.
1 < 2
ß = 2.5,
f(t) =0
ß = 2.5,
=0
1 2
0
0 t
Analizando γ
• Es el parámetro de localización de la
distribución Weibull y tiene la misma unidad
de T.
• Representa un desplazamiento en el eje x, es
decir, cambiar el punto de inicio de la
distribución a un valor diferente a cero.
• Esto puede ser aplicada a otras distribuciones.
Parámetro de localización,
Vida mínima
ß = 2.5
f(t)
0
0 t
γ Positivo
• Un valor positivo para el parámetro de
localización indica que las fallas solo ocurrirán
después de tiempo equivalente a γ, en otras
palabras, hasta el tiempo γ la Confiabilidad es
igual a 100%
γ negativo
• Un valor negativo para el parámetro γ indica
que los ítems poseen una Confiabilidad menor
que 100% para el tiempo igual a cero. Esto
puede ocurrir debido al método utilizado para
registrar el tiempo, o puede indicar algún
modo de falla que ocurre debido al
transporte, degradación del ítem por estar en
stock, por cuestiones de manufactura, etc.
Análisis Weibull
• El análisis Weibull requiere el tiempo para la falla
como dato.
• Una falla debe ser un evento definido y no solo
una valoración subjetiva de perdida de
rendimiento.
• Los datos deberán ser estadísticamente una
muestra al azar de la población.
• Emplear la medida de utilización adecuada para
el equipo y el mayor modo de falla.
• Revisar otros factores tales como posición
instalada, mal uso, incorrecto diagnostico de falla,
etc.
El Papel Weibull
t
F(t ) 1 exp
1
ln ln ln(t ) ln
1 F(t )
Función
exponencial
Ejercicio 3: Análisis Weibull
Se ha obtenido datos de 10 items, seleccionados
aleatoriamente y todos los cuales han fallado. El tiempo
para la falla del equipo fue:
410, 1050, 825, 300, 660, 900, 500, 1200, 750, 600
𝑗−0.3
F(t)=
𝑁+0.4
Ejercicio 3:Análisis Weibull
Número Horas para Línea Media
Falla la Falla % Acum Falla
(i) (ti ) F(t )
1 300 6.7
2 410 16.2
3 500 25.9
4 600 35.5
5 660 45.2
6 750 54.8
7 825 64.5
8 900 74.1
9 1050 83.8
10 1200 93.9
2.4
Estimación de
720 830
0
Factores
Vida Mínima,
Factor Forma,
Vida Característica,
Vida Media,
Vida Promedio
Vida Bq
Vida Característica
f(t)
= 2.4
63.2%
= 830 tiempo
Vida Media
f(t)
= 2.4
52.7%
= 740 tiempo
Vida Mediana
f(t)
= 2.4
50%
tiempo
B50 life = 720
Ejercicio
N T(horas)
1 2820
2 3564
3 3852
4 3852
5 4320
6 4332
7 4332
8 4668 Ventilador bóxer
de 12V CD
9 4728
10 4728
11 4908
Repaso para
reforzamiento de
curva Weibull
IV. Distribución Weibull 2, 3 parámetros y mixta.
𝑗−0.3
F(t)=
𝑁+0.4
Parámetro de Localización
Ploteando la Probabilidad del
Parámetro de Localización
• El tercer parámetro de la distribución Weibull es utilizado
cuando no es posible trazar una recta, y obtenemos un desvío
cóncavo para abajo o para arriba.
• Para poder utilizar el método de ploteo de probabilidad, se
utiliza la siguiente formula para determinar un nuevo valor de
γ:
T2
T3 T2 T2 T1
T3 T2 T2 T1
• Restar de cada dato el valor de γ* y plotear la
correspondiente recta.
Estimación del Factor de Ubicación
(t 3 t 2 )(t 2 t1 )
t2
(t 3 t 2 ) (t2 t1 )
a
t1 t2 t3 tiempo
Ejercicio 4: Ploteo de Probabilidad (con
Weibull 3P)
• Seis ítems idénticos, están siendo probados en
las mismas condiciones de aplicación y
exigencia.
• Todos los ítems fallan durante el ensayo
siguiendo los siguientes numero de horas:
48;66;85;107;125 y 152 horas.
• Encuentre los parámetros de la distribución
Weibull 3P (tres-parámetros) usando el
método de ploteo de probabilidad.
Resultado:
Probabilidad - Weibull
99. 000
90. 000
Datos
Datos
ajustado por γ
D e sc o n f ia b ilid a d , F ( t )
originales
50. 000
1.95
92.32
10. 000
10. 000 100. 000 17.26
1000.000
Tiempo, (t)
Ejercicio 4: Análisis de Weibull 3P
Replanteando:ti
t1 1000 – 547 = 453 horas
t2 1300 – 547 = 753 horas
t3 1550 – 547 = 1003 horas, etc.
Ejercicio 4: Análisis Weibull 3P
Número Horas para Línea Media
Falla la falla % Acum Falla
(i) ajustadas F(t )
1 453 9.4
2 753 22.8
3 1003 36.4
4 1303 50.0
5 1553 63.6
6 1903 77.2
7 2453 90.6
90. 000
Datos Corregidos
Datos Originales
50. 000
D e sc o n f ia b ilid a d , F ( t )
10. 000
5. 000
Beta = 1.85
Eta = 1538.7
Gamma = 558.5
1. 000
100. 000 1000.000 10000. 000
Tiempo, (t)
Efecto del Factor de Ubicación
f(t)
= 1.9
63.2%