Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Libfiab5 PDF
Libfiab5 PDF
net/publication/313141291
INTRODUCCIÓN A LA FIABILIDAD
CITATIONS READS
0 2,396
2 authors, including:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Andrés Carrión García on 31 January 2017.
INTRODUCCIÓN A LA FIABILIDAD
DEPARTAMENTO DE ESTADÍSTICA
E INVESTIGACIÓN OPERATIVA
-1-
El tiempo es un niño que juega a los dados.
Heráclito
-2-
CONTENIDO
-3-
5.3. Ensayos de estimación. ............................................................................................................. 54
5.3.1. Distribución Exponencial. ................................................................................................... 55
5.3.1.1. Estimación de parámetros. .............................................................................................. 55
5.3.1.2. Duración media de los ensayos. Número medio de fallos. ............................................. 60
5.3.2. Distribución Normal. ........................................................................................................... 61
5.3.3. Distribución de Weibull. ...................................................................................................... 64
5.4. Ensayos de comparación........................................................................................................... 73
5.5. Ejercicios. ................................................................................................................................... 78
ANEXO A. TABLAS.
1. Tabla de la Distribución Normal.
2. Tabla de la Distribución 2
3. Tabla de la Función Gamma.
-4-
CAPÍTULO 1: INTRODUCCIÓN
-5-
fiabilidad, entendida como garantía de un funcionamiento correcto del pro-
ducto durante su utilización. Aunque la definición de fiabilidad que veremos
más adelante matiza esta impresión inicial, es cierto indudablemente que la
fiabilidad es una característica inseparablemente unida al diseño: es en la fa-
se de diseño del producto cuando se sientan las condiciones para que ese
producto satisfaga los requisitos del cliente en cuanto a rendimiento, presta-
ciones y durabilidad, como también los relativos a la seguridad. Quede dicho,
no obstante, que la calidad en el diseño abarca otros elementos además de la
fiabilidad.
-6-
fueron rotundos fracasos, al estallar las unidades en la propia rampa de lan-
zamiento o errar su objetivo de un modo escandaloso. A pesar de una cuida-
dosa revisión de la calidad de los componentes y piezas empleados, la situa-
ción estaba muy lejos de mejorar. Se recurrió entonces a dos consultores ma-
temáticos, Erich Pieruschka y Robert Lusser, y de su análisis se derivaron
rápidamente consecuencias (como la ley de producto de probabilidades en
componentes en serie, desarrollada por el segundo), que permitieron invertir
la situación, pasando del mencionado 100% de fallos a un 75% de éxitos.
Otro ámbito que en los años 70 ha actuado como impulsor de los estu-
dios sobre fiabilidad ha sido la industria nuclear, por sus altos requerimientos
de seguridad y fiabilidad de sus instalaciones. También la industria petrolera
del Mar del Norte ha requerido el uso intensivo de técnicas de estudio de la
fiabilidad y de mejora de la misma para sus explotaciones submarinas (en
-7-
equipos que, por sus condiciones de funcionamiento guardan una cierta simili-
tud con los vehículos espaciales dado que el mantenimiento es difícil, si no
imposible).
En los últimos años la cada vez mayor exigencia de los clientes en los
más variados sectores, ha hecho que las empresas se planteen el incluir las
consideraciones sobre fiabilidad en sus políticas de diseño y desarrollo de
nuevos productos, así como el control de la misma en sus programas de ac-
tuación durante la producción. En especial la industria electrónica, junto con el
sector del automóvil, esta jugando un preponderante papel en este área.
-8-
La automatización total o parcial, y la exclusión de la participación humana
en algunas tomas de decisión, al ser éstas realizadas por el equipo au-
tomáticamente.
La creciente competencia en todos los sectores industriales, tanto de bie-
nes de consumo como de equipo.
La necesidad consecuente que tienen las empresas de diferenciar sus pro-
ductos respecto a los de sus competidores, por la vía del diseño, la calidad
y, también, la fiabilidad.
La cada vez mayor preparación de los consumidores y sus requisitos en
constante incremento.
La existencia de regulaciones y normativas en algunos campos de actividad
concretos (medio ambiente, equipos electrónicos, etc. …).
-9-
ensayos (toma de datos) y los métodos estadísticos empleados para su explo-
tación.
Medida de la fiabilidad en sistemas, para productos producidos en
serie y con misiones prolongadas (no instantáneas). También aquí parecen
los mismos dos puntos del apartado anterior: recopilación de los datos (reali-
zación de ensayos) y análisis (explotación) de los mismos.
Medida de la fiabilidad en sistemas, para productos de series muy o
cortas o producción única. Aquí el problema se complica por la imposibilidad
de realización de experiencias en la mayoría de los casos, quedando ahora
las siguientes tareas a desarrollar: recopilación de informaciones históricas en
productos similares, cálculos matemáticos de síntesis a partir de la informa-
ción sobre los componentes y realización de simulaciones.
Disponibilidad de un software de apoyo para los análisis estadísticos
requeridos, en especial en el estudio de la fiabilidad de sistemas complejos.
Definición de los objetivos de fiabilidad para un producto y asigna-
ción de los objetivos parciales de fiabilidad para sus diferentes subsistemas y
componentes.
Análisis de los efectos sobre otros parámetros de la calidad y funcio-
nalidad del producto de las actuaciones que se han realizado orientadas a la
mejora de la fiabilidad.
Integración de los resultados de los estudios de fiabilidad en las revi-
siones del diseño. Uso de herramientas de análisis y prevención de fallos,
como el AMFE (Análisis de los Modos de Fallo y de sus Efectos) y el FTA
(Fault Tree Analysis, Análisis del Arbol de Fallos).
Organización de las actividades de la empresa en área de la fiabili-
dad. Desarrollo de un “programa de fiabilidad” que recoja y coordine acciones
de los diferentes departamentos la empresa implicados (diseño, compras, in-
geniería de proceso, ingeniería de producto, producción, marketing, …)
-10-
esa medida conlleva, quedando para un posterior publicación la incorporación
de los temas relacionados con la gestión de la fiabilidad en las empresas.
1.5. Ejercicios.
2. Buscar normas (UNE, ISO, Mil Std, ...) que hagan referencia a temas de
fiabilidad, calidad, mantenibilidad y durabilidad.
-11-
CAPÍTULO 2: FUNDAMENTOS ESTADÍSTICOS DE LA FIABILIDAD
2.1. Probabilidad.
-12-
Por ejemplo, si nos planteamos la probabilidad de obtener un 5 al lan-
zar un dado, la conocida regla de Laplace (casos favorables/casos posibles)
predice que ese valor será 1/6, pero ello sólo será cierto si el dado esta per-
fectamente equilibrado, con lo cual todas sus caras son equiprobables. En
cambio, con esta definición que acabamos de ver, el cálculo de la probabilidad
se realizaría repitiendo muchas veces el lanzamiento y obteniendo el valor
límite de la frecuencia relativa. Si el dado es correcto, esa frecuencia debería
ser 1/6, pero con esta definición se obtendría el valor correcto de la probabili-
dad, aún con dados cargados, en los que los resultados no son equiproba-
bles.
p(A)
E
-13-
A1) La probabilidad de cualquier suceso es no negativa:
p(A) 0 AE
p( A B)
p( A / B)
p(B)
p(A/B) = P(B)
p(B/A) = p(A)
p(AB) = p(A) p(B)
-15-
Sea un suceso B y sean unos sucesos Ai, (i = 1, … n) que constituyan
una partición del espacio muestral E. Se puede demostrar que:
o bien:
n
p(B) = p(B / Ai ) p( Ai )
i1
Considérese:
un suceso B de probabilidad no nula y
unos sucesos Ai, (i=1, … n) que constituyan una partición del espacio
muestral E.
p(B / Ak ) p( Ak )
p(Ak/B) =
p(B / Ai ) p( Ai )
i
Con más formalidad diremos que una variable aleatoria es una aplica-
ción definida entre el espacio muestral E asociado a una cierta experiencia
aleatoria y la recta real , que cumple unas determinadas condiciones. Dicha
aplicación asocia a cada suceso A del espacio muestral un intervalo en , al
que a su vez habrá asociada una probabilidad con valor entre cero y uno, a la
que llamamos tanto probabilidad del elemento A de E, como probabilidad del
intervalo de la recta real asociado a este elemento (Figura 2.1).
E
A IA
-17-
Figura 2.1.
Los dos principales tipos de variable aleatoria que nos interesan son las
variables aleatorias discretas y las continuas.
p( x ) 0 x E
p( x i ) 1
i
f ( x ) 0 x
f ( x ) dx 1
F(x) = p(X x)
-18-
dónde X (mayúscula) es la variable y x (minúscula) es un punto en el campo
de existencia de X.
V. A. discreta: F(x) = p( xi )
xi x
x
V. A. continua: F(x) = f ( x) dx
V. A. discreta: E(x) = xi p( xi )
i
V. A. continua: E(x) = x f ( x) dx
y en general podremos hablar también del valor medio de una función g(x) de
la variable aleatoria:
V. A. discreta: E( g(x) ) = g( xi ) p( xi )
i
V. A. continua: E( g(x) ) = g( x) f ( x) dx
-19-
La media m de la variable: m = E(x)
La varianza 2 de la variable: 2 = E(x-m)2
-20-
Su función de densidad presenta una característica forma conocida
como campana de Gauss, que es reflejada en la figura 2.2. La función de
densidad de la normal no tiene primitiva, por lo que el cálculo de probabilida-
des, que se hace a través de la función de distribución, requiere la integración
numérica o el manejo de tablas.
( x ) 2
x 1 2 2
F( x) e dx
2
La función de distribución se encuentra tabulada para el caso de la
normal N(0,1), llamada normal tipificada. (Ver la Tabla 1, en el apéndice A).
Para poder hacer uso de esta tabla con una distribución normal distinta a la
N(0,1), es decir con una normal general con una media m cualquiera y una
varianza 2 cualquiera, deberá realizarse la operación llamada tipificación,
consistente en transformar la variable N(m, ) en la N(0,1).
f (x)
0 x
m
-21-
Figura 2.2.
Diremos en tal caso que t Exp(). Esta variable aleatoria suele repre-
sentar la vida o duración de las unidades de producto estudiadas.
-23-
0.00
f(t)
0.00
0
0 1000 2000 3000
La vida mínima es una edad que con seguridad van a alcanzar las
unidades estudiadas, y puede hacer referencia al hecho de que estas unida-
des no sean nuevas en el momento de iniciar el estudio. Con frecuencia, co-
mo luego se comenta, la vida mínima toma el valor cero.
-24-
La vida característica es una edad tal que la probabilidad de que sea
superada esa duración es el 36.79%, o, lo que es equivalente, tal que un
63.21% de las unidades fallan antes de alcanzarla. Aunque la vida caracterís-
tica no es la media de la distribución de Weibull, puede interpretarse como un
indicador aproximado de posición (recuérdese que en la distribución exponen-
cial la probabilidad de que la media sea superada es precisamente el
36.79%).
t
F( t) 1 e
y la función de distribución:
t
F( t) 1 e
1
E(t) = 1
-25-
donde es una función tabulada (o bien obtenida por integración numérica).
=3
f(t)
=2
=1
=0’5
Sea una variable aleatoria x. Diremos que x sigue una distribución Chi
cuadrado con n grados de libertad ( n2 ), si se define como la suma de n varia-
bles normales tipificadas independientes:
n
x n2 z i2 siendo zi= N(0, 1) i, independientes
i1
-26-
La función de distribución de la variable 2 se encuentra tabulada. Habi-
tualmente las tablas que se manejan en realidad nos permiten obtener los
puntos porcentuales, es decir los valores de la variable que son superados
con una cierta probabilidad (ver Tabla en el Anexo A).
n=5
n=1
n=3
2.7. Ejercicios.
-27-
2. La vida en horas de ciertos componentes usados en un equipo de comu-
nicaciones sigue un modelo exponencial de parámetro =0.005. Estos equi-
pos van instalados en condiciones que hacen difícil su reparación. Se desea
sin embargo mantener siempre una probabilidad de fallo inferior al 1%. Cal-
cular cada cuánto tiempo deberá realizarse una sustitución preventiva de di-
chos componentes. ¿Cuál es la vida media de los componentes?.
-28-
CAPÍTULO 3: FIABILIDAD. CONCEPTO Y FUNDAMENTOS
Los elementos clave de la definición anterior son los de unidad, misión, éxito
(y su contrario, fallo), y las condiciones de realización de la misión. Aparecen
además otros términos cuando profundizamos en la naturaleza de la anterior
definición, que son edad y fecha. Veamos que entendemos por cada uno de
esos conceptos.
-29-
tomóvil, que si bien es un sistema, con frecuencia es tratado como componen-
te cuando su fiabilidad es analizada por el fabricante de coches, mientras que
para la empresa suministradora de esos equipos si que se trata claramente de
un sistema cuya estructura es de fundamental interés.
“Un neumático debe poder circular por carretera asfaltada, a una ve-
locidad de 90 km./h, sin sufrir un pinchado debido a desgaste o fallo
interno durante 35000 km., con una probabilidad al menos del 99%”.
Ahora la edad es medida en Km recorridos, la misión se expresa en
términos de duración y de ausencia de fallo y se definen también las
condiciones de funcionamiento del producto (carretera asfaltada…).
También aquí se fija un objetivo numérico de fiabilidad.
-31-
“El airbag de cierto modelo de coche no debe fallar más de un 0.5
por mil de las veces, ante un impacto de tipo normalizado”. Se trata
ahora de un producto de funcionamiento instantáneo, por lo cual no
existe el elemento edad que aparecía en los dos ejemplos anterio-
res. Si que esta presente la definición de la misión así como las con-
diciones de realización (impacto de tipo normalizado). También apa-
rece una cuantificación de la fiabilidad deseada.
-32-
N(t)/N1
F(t1,t2)
R(t1,t2)
t1 t2 t
lim F( t1, t 2 ) 1
t
F(t1,t2)=P(Tt2-t1)
-33-
F(t1,t2)
t1 t2 T
y que
R( t ) 1 P(T t ) P(T t ) t f ( t ) dt
-34-
Veamos que se puede obtener la vida media de la unidad directamente
a partir de la función de fiabilidad. En efecto, es sabido que:
0 t f ( t ) dt
como se da que:
si t t F(t) t ( ya que F(t)1 )
y si t=0 t F(t) = 0
es decir:
[t F(t)] 0 [ t ] 0
y con ello:
0 t f ( t ) dt [ t ] 0 0 F( t )dt 0 (1 F( t ))dt 0 R( t ) dt
( t ) lim
N(t ) N(t t ) / N(t ) N(t ) R' (t )
t 0 t N( t ) R( t )
es decir,
f (t) f (t)
( t )
R( t ) 1 F( t )
ya que
t
R( t ) t f ( t ) dt 1 f ( t ) dt
y en consecuencia
R’(t) = - f(t)
-35-
Cuando la Tasa de fallo es constante (t)=.
0 ( t ) dt 0 R( t ) dR( t ) lnR( t )
t t 1
(t)
Vida útil
-36-
Figura 3.3.- Evolución de la Tasa de fallo (t)
Los fallos precoces son los que se producen en el periodo inicial del
funcionamiento, por lo general en los primeros minutos u horas de funciona-
miento. Son fallos debidos a errores de diseño o de fabricación y una vez re-
sueltos no vuelven a ocurrir. Los fallos precoces pueden evitarse sometiendo
a las unidades a controles de “puesta a prueba”, depuración o purga (Burn-in):
en ocasiones se realiza un test en el 100% de la unidades para simular el fun-
cionamiento en esta etapa y eliminar este tipo de fallos. La eliminación de los
fallos precoces es necesaria para conseguir una buena fiabilidad, especial-
mente en los sistemas de misión única en los que un fallo puede provocar su
destrucción completa y, en general, por el devastador efecto que sobre el
cliente tiene el fallo de un producto recién adquirido.
(t)=p(t)+a+e(t)
( t ) a e ( t )dt
t
Esta fórmula demuestra que las tres causas de fallo precoces, acciden-
tales, y por envejecimiento son independientes entre sí (si admitimos que las
tasas de fallo son aditivas).
(t)
p (t)
e(t)
a
-38-
3.5. Ejercicios.
-39-
CAPÍTULO 4: MODELOS DE FIABILIDAD
( t ) 2
t 1 t t
R(t)=1-F(t)= 1
e 2 2 dt 1
2
F(t)=1-e-t t0
R(1/)=0’37
-41-
Es decir, la vida media es alcanzada solamente por un 37% de la po-
blación, como consecuencia del carácter asimétrico de la distribución (ver
Capítulo 2).
f ( t ) e t
( t ) t0
R( t ) e t
e t /
f (t) F(t)=1-e-t/ R(T)=e-t/ = =
-42-
pecífico de tiempo depende nada más de la duración de éste y no del instante
en el que comenzó la operación:
P(T t 2 T t 1 ) P(T t 2 )
P(T t 2 / T t 1 )
P(T t 1 ) P(T t 1 )
e t 2
t 1
e ( t 2 t1 ) R( t 2 t 1 )
e
P(T>t+/T>t) = R()
-43-
4.3. Modelo de Weibull.
f (t) ( t ) 1
( t )
R( t ) ( )
-44-
de Weibull, con =0 y =1, quedando el tercer parámetro, , identificado con
la media de la distribución:
4.4. Ejercicios.
2. Las bombillas de los faros halógenos de un automóvil tienen una vida me-
dia de 1200 horas. Asumiendo un modelo exponencial, cuál es la fiabilidad pa-
ra cinco años de uso del automóvil, asumiendo que en promedio las luces
están encendidas 0.5 horas por día.
-45-
-46-
CAPÍTULO 5: ESTIMACIÓN Y ENSAYOS
-49-
jado. Emplea técnicas estadísticas de contraste de hipótesis, habitualmen-
te paramétricas.
1. Ensayos completos: Son aquellos que terminan cuando han fallado todas
las unidades ensayadas. Presentan el inconveniente de la larga duración
del ensayo, que hace que sean relativamente poco usados.
2. Ensayos de duración fija, truncados o limitados por tiempo: El ensayo du-
ra un tiempo prefijado. Suelen corresponder a ensayos de control, es de-
cir, a aquellos cuyo objetivo es asegurar una fiabilidad mínima.
3. Ensayos a número de fallo fijo, censurados o limitados por fallos: Finaliza
el ensayo cuando han fallado un número predeterminado de componen-
tes. La ventaja es no tener que esperar a que se estropeen todos los
componentes de la muestra. También se emplean como ensayos de con-
trol.
4. Ensayos progresivos o secuenciales: Son ensayos en los que se decide
en cada fallo si se continúa o no. Son también ensayos de control.
-50-
5. Ensayos progresivos limitados: Se limitan tanto la duración del ensayo
como el número de fallos ocurridos y se detiene según lo que ocurra ante-
s. La ventaja es que, en muchos casos, puede anticiparse la decisión.
Para que este tipo de ensayo sea válido será necesario diferenciar en-
tre fallos accidentales y fallos por envejecimiento. Para tener una cierta segu-
ridad de que los fallos producidos no son debidos a esta última causa debe-
mos asegurarnos que los ensayos se realicen durante el periodo de vida útil
de los componentes sometidos a estudio.
-52-
Así pues, lo que se hace habitualmente es estimar y calcular un tiem-
po de servicio b para el cual la fiabilidad alcance un valor pequeño (con fre-
cuencia =0.00135):
R(b) = e-b =
1
b= ln ln
Las unidades cuya duración ha superado ese valor b debes ser elimi-
nadas de la muestra, debiéndose repetir el cálculo de b tantas veces cuantas
sea necesario hasta eliminar todos los fallos que no podemos considerar ac-
cidentales.
Es posible que antes del instante b fallen solo una pequeña parte de
los componentes de la muestra. Si esta fuera muy reducida podría no haber
ningún fallo accidental, o un número de ellos de escasa significación. Por ello,
para obtener suficiente información los ensayos de fiabilidad, suelen hacerse
con muestras de tamaño bastante grande.
-53-
Por otra parte, y como se comentó con anterioridad, es necesario que
diferenciemos los fallos accidentales de los fallos por envejecimiento, por ello,
si se decide que k de los fallos no han sido debido a esta última causa de-
berán excluirse del estudio, lo cual sería equivalente a realizar el ensayo con
n-k componentes.
No obstante, algunas veces será difícil eliminar de forma clara los fallos
que no sean debidos al envejecimiento, por esta causa será necesario recurrir
a consideraciones estadísticas. Por ejemplo, si el ensayo de envejecimiento
está asociado a una distribución Normal de media y desviación típica ,
N(,), en el intervalo 3· se encuentra el 99’73% de las observaciones, es
decir, que por debajo del límite inferior solo se encuentra el 0’135%. Así pues,
la probabilidad de que un componente falle por envejecimiento antes de -
3· es muy pequeña, y en promedio sólo 1’35 componentes de cada 1000
tendrán este tipo de fallo. Por ello, los fallos que ocurran antes de este límite,
salvo que se demuestre lo contrario, decidiremos que son fallos accidentales.
Este criterio puede aplicarse también a la distribución de Weibull cuando
>3’2 (con lo cual sería correcto aproximarla a la distribución normal).
Estimación puntual:
La estimación puntual del MTBF (MTTF) para cualquier tipo de ensayo
es relativamente sencilla, siempre y cuando estemos es el periodo de vida útil,
pues en tal caso la vida media será:
n t T
ˆ i
i1 r r
es decir, la suma de todas las vidas de las diferentes unidades ensayadas
(hayan terminado fallando o no) dividido por r, que es el número de compo-
-55-
nentes que han fallado. Si el tipo de ensayo realizado fuera un ensayo com-
pleto, el valor de r coincidiría con el tamaño de la muestra n. Al numerador T
se le llama “tiempo total acumulado de test” y representa la experiencia de
uso de ese tipo de unidad que se ha acumulado en el ensayo.
Ejemplo 5.1.
Considérese que se ha hecho un ensayo limitado por tiempo con diez unida-
des. La detención de la experiencia se produjo a las 250 horas de su inicio y,
hasta ese instante, habían fallado cuatro unidades en los tiempos 80, 145,
210 y 238. En este caso tendríamos:
r=4
T = 80 + 145 + 210 + 238 + 6*250 = 2173
2173
543.3 h
4
2T 2T
- Intervalo bilateral: 2( / 2 )
2(1 / 2)
2r 2r
2T
- Intervalo unilateral:
22(r )
2T 2T
- Intervalo bilateral: 2( / 2 )
2(1 / 2)
2(r 1) 2(r 1)
2T
- Intervalo unilateral:
22((r)1)
-56-
Téngase en cuenta que lo que se ha llamado aquí arriba intervalo unila-
teral es en realidad una cota mínima que se esta dando para el valor de la vi-
da media de la unidad, a la vista de la información recogida en el ensayo y
con cierto nivel de confianza.
-57-
1/Ri
100
10
2’72
-58-
i ni
o bien Ri ( t i ) 1
n n
según sea el tamaño de la muestra.
Una vez realizada la gráfica y comprobado que los puntos quedan sen-
siblemente alineados, lo que significa que la vida de los componentes se pue-
den distribuir como una exponencial, el valor de la estimación de la vida media
corresponde a la proporción a R()=0’37, es decir, 1/R()=e1=2.72.
Ejemplo 5.2.
Tabla 5.1.
1/Ri Ri
100 0.01
10 0.1
0.2
2’72 0’37
0.5
1 1
Figura 5.2. 0 100 200 300 400 500 600 700 800 t
Ensayos censurados:
-60-
Si el ensayo es sin reemplazamiento de las componentes que fallan, la
duración media del ensayo será:
r 1
E( t )
i 1 n r i
En los dos casos anteriores el valor de debe ser conocido para poder realizar las
estimaciones. Ello requiere el uso de información histórica previa a la realización
del test, la formulación de hipótesis sobre el valor esperado de o la realización
de un test de tanteo.
Ensayos truncados
-61-
La estimación de estos dos parámetros se realiza de forma distinta
según el tipo de ensayo utilizado:
Ensayos completos:
n t n (t i t ) 2
ˆ t i S
i1 n i 1 n 1
S S
P t t n/ 21 t t n/ 21 1
n n
(n 1) S 2 (n 1) S 2
P 2 2 2 1
n 1,( / 2) n 1,(1 / 2)
que son los intervalos de confianza que tienen una probabilidad de 1- de
contener al parámetro poblacional.
-62-
Con los puntos anteriores, trazamos la recta que “explique” mejor a los da-
tos, de forma que podamos, a través de esta recta estimar los parámetros
y . De ésta obtenemos los valores de ti que corresponden a las desfiabi-
lidades 0’16, 0’5, 0’84 que a su vez equivalen a los valores de la distribu-
ción Normal t -s, t , y t +s, de los cuales se puede despejar la t y la s, es-
timaciones de y respectivamente.
99.9
99
95
80
50
20
0.1
Ejemplo 5.3.
-63-
Los instantes de fallo observados han sido los siguientes: 185, 210, 225, 235,
248, 260, 275, 298, 318 y 322. Con ello la estimación de los parámetros de la
distribución normal sería:
ti
t 257.6
i 10
( t i t) 2
S 45.87
n1
t
t 1
f (t) e
t
R( t ) e
con lo que operando:
t 1 t
lnR( t ) o bien ln
R( t )
tomando nuevamente logaritmos
1
ln ln ln t ln
R( t )
R(t) = 1 - F(t)
-66-
PENDIENTE
DE WEIBULL
VIDA
-67-
ta condición podemos estimar los parámetros de dicha distribución de la for-
ma siguiente:
ˆ 1 1 1
ˆ 2 2 1 2
2 1
Ejemplo 5.4.
Ti 11680 13850 15550 15770 15800 17100 17150 19130 22080 22900 24590 26230
0 0 0 0 0 0 0 0 0 0 0 0
Fi 5.6 13.7 21.8 29.8 37.9 46.0 54.0 62.1 70.2 78.2 86.3 94.4
-68-
Y representándolo gráficamente, tenemos la Figura 5.5, en la que po-
demos leer las estimaciones de los valores de los dos parámetros de la distri-
bución de Weibull:
= 4.5 = 195000
PENDIENTE
DE WEIBULL
VIDA
Figura 5.5.
-69-
censurado, o bien, el número de unidades que han fallado hasta el instante tr
en un ensayo truncado.
-70-
donde K es la numeración en orden inverso (de mayor a menor) de los instan-
tes de tiempo en los que se han ido retirando los componentes de la muestra
de tamaño n, bien sea porque han fallado o porque han finalizado el test. Se
hallará la tasa de fallo sólo de aquellos componentes que hayan fallado.
Ejemplo 5.5.
Número de fallos: 9
Instantes de fallo: 128, 145, 162, 170, 191, 210, 223, 235, 246
ti ni ht Ht
128 20 5,00 5,00
145 19 5,26 10,26
-71-
155** 18
162 17 5,88 16,15
170 16 6,25 22,40
191 15 6,67 29,06
210 14 7,14 36,21
220** 13
223 12 8,33 44,54
235 11 9,09 53,63
246 10 10,00 63,63
Tabla 5.3. 250** 9-1
-72-
Figura 5.7.
-73-
ción de este tipo de contraste se realiza mediante la comparación del valor es-
timado del parámetro poblacional (a través de una muestra) con un valor críti-
co que se determinará en función de las hipótesis planteadas, de forma que
aceptaremos o rechazaremos la hipótesis nula en función de si este paráme-
tro muestral sobrepasa o no el valor crítico.
Ensayos censurados.
El contraste de hipótesis que queremos realizar es
H0(0) vs H1(<0)
y teniendo en cuenta que r es un número de fallos con el que se ha limitado el
ensayo entonces:
-74-
r 2 ti 2 T
22r
i1
donde ti son los instantes de fallo de los r componentes. Es decir, que su dis-
tribución es una Chi cuadrado de 2r grados de libertad.
por lo tanto:
2r a 0 2( )
22(r ) y a
0 2 r 2r
Por lo tanto, rechazaremos la hipótesis nula cuando
R t / T 0 22(r )
2
y aceptaremos la hipótesis nula cuando
A t / T 0 22(r )
2
-75-
2 ( ) 2 T 0 2 ( ) 2 ( ) 2 ( ) 0 2 ( )
Pa P T 0 2r P 2r P 2r 0 2r 1 F 2
2 2r 2r
Ejemplo 5.6.
Fallos observados: 4
Instantes de fallo: 8000, 12500, 16000, 18800
Para decidir si se acepta el envío, con =5%, y pasa a montaje se debe calcu-
lar la zona de aceptación del test arriba expuesto:
0 2 ( )
A t / T
2 2r
resultando:
A t / T 155100
y como en este ejemplo T= 275.300, deberemos ACEPTAR el envío.
Ensayos truncados
-76-
Queremos contrastar
H0(0) vs H1(<0)
para el caso del un test limitado por tiempo. Para ello tomaremos una muestra
de tamaño n y en función del número de componentes que hayan fallado has-
ta el instante T0, que es la duración del ensayo, aceptaremos o rechazaremos
la hipótesis nula.
tación
0 3 5 12 24 47 116 231 461 1.152 2.303 4.606 11.513 23.026
1 5 9 20 40 79 195 390 778 1.946 3.891 7.780 19.450 38.838
2 7 12 28 55 109 266 533 1.065 2.662 5.323 10.645 26.612 53.223
3 9 15 35 69 137 333 668 1.337 3.341 6.681 13.362 33.404 66.808
4 11 19 42 83 164 398 798 1.599 3.997 7.994 15.988 39.968 79.936
5 13 22 49 97 190 462 927 1.855 4.638 9.275 18.549 46.374 92.747
6 15 25 56 110 217 528 1.054 2.107 5.267 10.533 21.064 52.661 105.322
7 16 28 63 123 243 589 1.178 2.355 5.886 11.771 23.542 58.855 117.710
8 18 31 70 136 269 648 1.300 2.599 6.498 12.995 25.990 64.974 129.948
9 20 34 76 149 294 709 1.421 2.842 7.103 14.206 28.412 71.030 142.060
10 22 37 83 161 319 770 1.541 3.082 7.704 15.407 30.814 77.034 154.068
11 22 40 89 174 344 830 1.660 3.320 8.300 16.598 33.197 82.991 165.982
12 25 42 95 187 369 888 1.779 3.557 8.891 17.782 35.564 88.908 177.816
13 27 45 102 199 393 947 1.896 3.792 9.479 18.958 37.916 94.790 189.580
14 29 48 108 212 417 1.007 2.013 4.026 10.064 20.128 40.256 100.640 201.280
Tabla 5.4.
Ejemplo 5.7.
-77-
es de 1000 horas. Si se usa =10%, ¿cuál debe ser el número de unidades
que se ensayen?.
T0= 100
0= 1000
y por tanto el ratio T0/0= 0.1
como el número de aceptación es 1, usando la tabla anterior resulta que:
n 40
5.5. Ejercicios.
-78-
-79-
CAPÍTULO 6: FIABILIDAD DE SISTEMAS
Para poder determinar la fiabilidad del sistema, debemos hallar las fia-
bilidades de cada uno de los componentes influyentes en la misión. A los
componentes que sean totalmente seguros contra el fallo en la misión se les
puede asignar fiabilidad uno, mientras que del resto de componentes influyen-
tes, los que se admite que pueden fallar, deberemos determinar sus fiabilida-
des en función de sus probabilidades de éxito en la misión. Así pues, los fallos
del sistema provendrán únicamente de los componentes que influyen, y que
no son seguros.
Son aquellos en el que el sistema funciona si, y solo si, funcionan todos
y cada uno de los componentes que lo forman, o lo que es lo mismo, el siste-
ma falla cuando lo hace al menos uno de los componentes. De la definición
anterior se deduce que la forma que tendrá el organigrama será la de la figura
6.1.
R1 R2 R3 R4 Rn
C1 C2 C3 C4 Cn
-81-
Si llamamos Ri a las fiabilidades de cada uno de los componentes Ci y
Rs a la fiabilidad del sistema y asumimos la independencia de los componen-
tes que lo integran, ésta será:
Rs=P(Ts>t)= P[(T1>t)(T2>t)...(Tn>t)]=P(T1>t)·P(T2>t)·...·P(Tn>t)
Rs=R1·R2·...·Rn
Por lo tanto, la fiabilidad total del sistema será el producto de las fiabili-
dades de cada uno de los componentes, ya que para que el sistema funcione
más de un tiempo t, deben funcionar todos los componentes más de ese
tiempo t.
Ejemplo 6.1.
C1 C2 C3 C4 C5
RS=0’95·0’90·0’93·0’85·0’97= 0’66
-82-
Rs=0’99150=0’22
i1 i1
y si los componentes que forman el sistema son idénticos, la vida media del
sistema será la de uno de los componentes divido por el número de ellos que
están montados en serie:
i
s
n
puesto que su fiabilidad es:
Rs ( t ) Rni ( t ) en i t
-83-
En la figura 6.3 se representa la evolución de la fiabilidad con respecto al
tiempo para varios valores de n, cuando los n componentes son idénticos y en
la zona de vida útil.
Rs(t)
i=10
n=1
n=3
n=6
-84-
R1
C1
R2
C2
.
.
.
Rn
Cn
Con lo cual:
Rs=1 - (1-R1)·(1-R2)·...·(1-Rn)
Ejemplo 6.2.
En la figura 6.5 se muestra un ejemplo del calculo de fiabilidad del sistema en
paralelo con 3 componentes.
-85-
0’8
C1
0’7
C2
0’8
C3
Rs=1-(1-0’8)·(1-0’7)·(1-0’8)=0’988
La fiabilidad de este sistema resulta ser 0.988, mucho mayor que cual-
quiera de las fiabilidades de los tres componentes que lo integran.
R s ( t ) 1 1 R i ( t ) 1 (1 e i t )
n n
i 1 i 1
Rs(t)
i=10
n=1
n=3
n=6
-87-
C3 C1 C3
C1
C4
C2
C2 C4 C5
C5
(a) (b)
-88-
A C
B E
P(ACD)=P(A)·P(B)·P(D) =RA·RB·RD
Los Pasos Simples son aquellos que sin uno de sus componentes no
funciona el sistema. En el caso de la figura 6.8 los pasos simples son: AC,
-89-
AD, BD, BE. Otros pasos son: ADC, ABC, ABCD, etc. Dicho de otro modo, en
un paso simple ningún subconjunto suyo es a su vez paso.
AD BD = ABD
y en consecuencia
P(AD BD) = P(ABD)
n n
R s PP1 P2 Pn PPi P Pi Pj
i1 i j
( 1)r 1 P Pi Pj (r ) Pk ... ( 1)n1 P(P1 P2 ... Pn )
i jk
-90-
Rs = RA·(RC+RD)+RB·(RD+RE)-RA·RC·RD-RA·RB·RC·RE- RA·RB·RD- RB·RD·RE-
RA·RB·RC·RD·RE
Este método funciona igual que el anterior, pero en lugar de buscar los
caminos que hacen funcionar al sistema, buscamos los grupos de unidades
que hacen que éste no funcione.
En el ejemplo, los cortes simples son: AB, CDE, ADE, BCD. Otros cor-
tes son: ABC, ACDE, ABDE, ...
-91-
Funciona también la regla de absorción para obtener la intersección de varios
pasos:
AB ADE = ABDE
Rs=1-Fs=1-P(C1C2···Cn)
Donde:
n n
PC1 C 2 C n PC i P C i C j
i1 i j
( 1)r 1 P C i C j (r ) C k ... ( 1)n1 P(C1 C 2 ... C n )
i jk
Así pues, para el árbol de las figuras 6.9 y 6.10, la fiabilidad la determi-
naríamos a partir de los caminos 1, 2, 3, 5, 7, 8, 11 y 12 como:
-93-
Rs = RA·RC+ RA·(1-RC)·[RD+RB·(1-RD)·RE]+ (1-RA)·RB·[RD+(1-RD)·RE]
C Éxito 1
RC
A RD D Éxito 2
RB B RE
1-RC E Éxito 3
RA 1-RD D’
1-RE E’ Fallo 4
C’
RD D Éxito 5
1-RB B’
1-RD D’ Fallo 6
RD 7
D Éxito
RB B RE
E Éxito 8
1-RD D’
C 1-RE E’ Fallo 9
1-RA RC
1-RB
B’ Fallo 10
A’
RD D Éxito 11
RB B RE
1-RC E Éxito 12
1-RD D’
C’ 1-RE E’ Fallo 13
1-RB
B’ Fallo 14
-94-
AC Paso 1
A
AC’BD Paso 2
AC’B
AC’BD’E Paso 3
AC’BD’
AC’ AC’BD’E’ Corte 4
AC’B’D Paso 5
AC’B’
AC’B’D’ Corte 6
A’CBD Paso 7
A’CB
A’CBD’E Paso 8
A’CBD’
A’C A’CBD’E’ Corte 9
A’CB’ Corte 10
A’
A’C’BD Paso 11
A’C’B
A’C’BD’E Paso 12
A’C’BD’
A’C’ A’C’BD’E’ Corte 13
A’C’B’ Corte 14
6.5. Ejercicios.
C
0.87
A B D F
0.90 0.92 0.90 0.95
F
0.75
-95-
Figura 6.11.
-96-
3. Calcular la fiabilidad del sistema de la figura 6.12.
A D
0.85 0.87
C E
0.90 0.80
B F
0.80 0.75
Figura 6.12.
-97-
Bibliografía básica sobre Fiabilidad.
-98-
ANEXO A
TABLAS:
2. Tabla de la Distribución 2
3. Tabla de la Distribución t
-99-
DISTRIBUCIÓN NORMAL TIPIFICADA
z
1 -
t2
( z) P( Z z) e 2
dt
2
z 0 1 2 3 4 5 6 7 8 9 z 0 1 2 3 4 5 6 7 8 9
-3 0,0013 0,0010 0,0007 0,0005 0,0003 0,0002 0,0002 0,0001 0,0001 0,0000 0.0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014 0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019 0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026 0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036 0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048 0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064 0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084 0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110 0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143 0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183 1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233 1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294 1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367 1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455 1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559 1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681 1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823 1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1057 0,1038 0,1020 0,1003 0,0985 1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170 1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379 2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611 2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867 2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
-0,7 0,2420 0,2389 0,2358 0,2327 0,2297 0,2266 0,2236 0,2207 0,2177 0,2148 2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451 2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776 2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121 2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483 2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859 2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247 2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
-0.0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641 3 0,9987 0,9990 0,9993 0,9995 0,9997 0,9998 0,9998 0,9999 0,9999 1,0000
-101-
DISTRIBUCIÓN CHI-CUADRADO DE PEARSON
n
t
t2
1
P(X x) e 2
n
dt
2 2 2n
2n ()
n 0.9995 0.999 0.995 0.99 0.975 0.95 0.90 0.50 0.10 0.050 0.025 0.01 0.005 0.001 0.0005
1 0.000 0.000 0.000 0.000 0.001 0.004 0.016 0.455 2.706 3.842 5.024 6.635 7.879 10.827 12.115
2 0.001 0.002 0.010 0.020 0.051 0.103 0.211 1.386 4.605 5.992 7.378 9.210 10.597 13.815 15.201
3 0.015 0.024 0.072 0.115 0.216 0.352 0.584 2.366 6.251 7.815 9.348 11.345 12.838 16.266 17.731
4 0.064 0.091 0.207 0.297 0.484 0.711 1.064 3.357 7.779 9.488 11.143 13.277 14.860 18.466 19.998
5 0.158 0.210 0.412 0.554 0.831 1.146 1.610 4.352 9.236 11.071 12.833 15.086 16.750 20.515 22.106
6 0.299 0.381 0.676 0.872 1.237 1.635 2.204 5.348 10.645 12.592 14.449 16.812 18.548 22.457 24.102
7 0.485 0.599 0.989 1.239 1.690 2.167 2.833 6.346 12.017 14.067 16.013 18.475 20.278 24.321 26.018
8 0.710 0.857 1.344 1.647 2.180 2.733 3.490 7.344 13.362 15.507 17.535 20.090 21.955 26.124 27.867
9 0.972 1.152 1.735 2.088 2.700 3.325 4.168 8.343 14.684 16.919 19.023 21.666 23.589 27.877 29.667
10 1.265 1.479 2.156 2.558 3.247 3.940 4.865 9.342 15.987 18.307 20.483 23.209 25.188 29.588 31.419
11 1.587 1.834 2.603 3.054 3.816 4.575 5.578 10.341 17.275 19.675 21.920 24.725 26.757 31.264 33.138
12 1.935 2.214 3.074 3.571 4.404 5.226 6.304 11.340 18.549 21.026 23.337 26.217 28.300 32.909 34.821
13 2.305 2.617 3.565 4.107 5.009 5.892 7.042 12.340 19.812 22.362 24.736 27.688 29.819 34.527 36.477
14 2.697 3.041 4.075 4.660 5.629 6.571 7.790 13.339 21.064 23.685 26.119 29.141 31.319 36.124 38.109
15 3.107 3.483 4.601 5.229 6.262 7.261 8.547 14.339 22.307 24.996 27.488 30.578 32.802 37.698 39.717
16 3.536 3.942 5.142 5.812 6.908 7.962 9.312 15.339 23.542 26.296 28.845 32.000 34.267 39.252 41.308
17 3.980 4.416 5.697 6.408 7.564 8.672 10.085 16.338 24.769 27.587 30.191 33.409 35.718 40.791 42.881
18 4.439 4.905 6.265 7.015 8.231 9.390 10.865 17.338 25.989 28.869 31.526 34.805 37.156 42.312 44.434
19 4.913 5.407 6.844 7.633 8.907 10.117 11.651 18.338 27.204 30.144 32.852 36.191 38.582 43.819 45.974
20 5.398 5.921 7.434 8.260 9.591 10.851 12.443 19.337 28.412 31.410 34.170 37.566 39.997 45.314 47.498
21 5.895 6.447 8.034 8.897 10.283 11.591 13.240 20.337 29.615 32.671 35.479 38.932 41.401 46.796 49.010
22 6.404 6.983 8.643 9.543 10.982 12.338 14.042 21.337 30.813 33.925 36.781 40.289 42.796 48.268 50.510
23 6.924 7.529 9.260 10.196 11.689 13.091 14.848 22.337 32.007 35.173 38.076 41.638 44.181 49.728 51.999
24 7.453 8.085 9.886 10.856 12.401 13.848 15.659 23.337 33.196 36.415 39.364 42.980 45.558 51.179 53.478
25 7.991 8.649 10.520 11.524 13.120 14.611 16.473 24.337 34.382 37.653 40.647 44.314 46.928 52.619 54.948
26 8.537 9.222 11.160 12.198 13.844 15.379 17.292 25.337 35.563 38.885 41.923 45.642 48.290 54.051 56.407
27 9.093 9.803 11.808 12.879 14.573 16.151 18.114 26.336 36.741 40.113 43.195 46.963 49.645 55.475 57.856
28 9.656 10.391 12.461 13.565 15.308 16.928 18.939 27.336 37.916 41.337 44.461 48.278 50.994 56.892 59.299
29 10.227 10.986 13.121 14.256 16.047 17.708 19.768 28.336 39.088 42.557 45.722 49.588 52.336 58.301 60.734
30 10.804 11.588 13.787 14.954 16.791 18.493 20.599 29.336 40.256 43.773 46.979 50.892 53.672 59.702 62.160
40 16.906 17.917 20.707 22.164 24.433 26.509 29.051 39.335 51.805 55.759 59.342 63.691 66.766 73.403 76.096
50 23.461 24.674 27.991 29.707 32.357 34.764 37.689 49.335 63.167 67.505 71.420 76.154 79.490 86.660 89.560
60 30.339 31.738 35.534 37.485 40.482 43.188 46.459 59.335 74.397 79.082 83.298 88.379 91.952 99.608 102.697
70 37.467 39.036 43.275 45.442 48.758 51.739 55.329 69.335 85.527 90.531 95.023 100.43 104.22 112.32 115.58
80 44.792 46.520 51.172 53.540 57.153 60.392 64.278 79.334 96.578 101.88 106.62 112.32 116.32 124.84 128.26
90 52.277 54.156 59.196 61.754 65.647 69.126 73.291 89.334 107.56 113.15 118.14 124.11 128.29 137.20 140.78
100 59.895 61.918 67.328 70.065 74.222 77.929 82.358 99.334 118.49 124.34 129.56 135.81 140.17 149.45 153.16
-102-
DISTRIBUCIÓN t de Student
x
t2
n 1
(
n 1
)
P( X x) (1 n ) 2
( ) n
n
2
dt
2
tn()
n 0.0005 0.001 0.005 0.01 0.025 0.05 0.1 0.2 0.25 0.3 0.4 0.45 0.475
1 636.578 318.289 63.656 31.821 12.706 6.314 3.078 1.376 1.000 0.727 0.325 0.158 0.079
2 31.600 22.328 9.925 6.965 4.303 2.920 1.886 1.061 0.816 0.617 0.289 0.142 0.071
3 12.924 10.214 5.841 4.541 3.182 2.353 1.638 0.978 0.765 0.584 0.277 0.137 0.068
4 8.610 7.173 4.604 3.747 2.776 2.132 1.533 0.941 0.741 0.569 0.271 0.134 0.067
5 6.869 5.894 4.032 3.365 2.571 2.015 1.476 0.920 0.727 0.559 0.267 0.132 0.066
6 5.959 5.208 3.707 3.143 2.447 1.943 1.440 0.906 0.718 0.553 0.265 0.131 0.065
7 5.408 4.785 3.499 2.998 2.365 1.895 1.415 0.896 0.711 0.549 0.263 0.130 0.065
8 5.041 4.501 3.355 2.896 2.306 1.860 1.397 0.889 0.706 0.546 0.262 0.130 0.065
9 4.781 4.297 3.250 2.821 2.262 1.833 1.383 0.883 0.703 0.543 0.261 0.129 0.064
10 4.587 4.144 3.169 2.764 2.228 1.812 1.372 0.879 0.700 0.542 0.260 0.129 0.064
11 4.437 4.025 3.106 2.718 2.201 1.796 1.363 0.876 0.697 0.540 0.260 0.129 0.064
12 4.318 3.930 3.055 2.681 2.179 1.782 1.356 0.873 0.695 0.539 0.259 0.128 0.064
13 4.221 3.852 3.012 2.650 2.160 1.771 1.350 0.870 0.694 0.538 0.259 0.128 0.064
14 4.140 3.787 2.977 2.624 2.145 1.761 1.345 0.868 0.692 0.537 0.258 0.128 0.064
15 4.073 3.733 2.947 2.602 2.131 1.753 1.341 0.866 0.691 0.536 0.258 0.128 0.064
16 4.015 3.686 2.921 2.583 2.120 1.746 1.337 0.865 0.690 0.535 0.258 0.128 0.064
17 3.965 3.646 2.898 2.567 2.110 1.740 1.333 0.863 0.689 0.534 0.257 0.128 0.064
18 3.922 3.610 2.878 2.552 2.101 1.734 1.330 0.862 0.688 0.534 0.257 0.127 0.064
19 3.883 3.579 2.861 2.539 2.093 1.729 1.328 0.861 0.688 0.533 0.257 0.127 0.064
20 3.850 3.552 2.845 2.528 2.086 1.725 1.325 0.860 0.687 0.533 0.257 0.127 0.063
21 3.819 3.527 2.831 2.518 2.080 1.721 1.323 0.859 0.686 0.532 0.257 0.127 0.063
22 3.792 3.505 2.819 2.508 2.074 1.717 1.321 0.858 0.686 0.532 0.256 0.127 0.063
23 3.768 3.485 2.807 2.500 2.069 1.714 1.319 0.858 0.685 0.532 0.256 0.127 0.063
24 3.745 3.467 2.797 2.492 2.064 1.711 1.318 0.857 0.685 0.531 0.256 0.127 0.063
25 3.725 3.450 2.787 2.485 2.060 1.708 1.316 0.856 0.684 0.531 0.256 0.127 0.063
26 3.707 3.435 2.779 2.479 2.056 1.706 1.315 0.856 0.684 0.531 0.256 0.127 0.063
27 3.689 3.421 2.771 2.473 2.052 1.703 1.314 0.855 0.684 0.531 0.256 0.127 0.063
28 3.674 3.408 2.763 2.467 2.048 1.701 1.313 0.855 0.683 0.530 0.256 0.127 0.063
29 3.660 3.396 2.756 2.462 2.045 1.699 1.311 0.854 0.683 0.530 0.256 0.127 0.063
30 3.646 3.385 2.750 2.457 2.042 1.697 1.310 0.854 0.683 0.530 0.256 0.127 0.063
40 3.551 3.307 2.704 2.423 2.021 1.684 1.303 0.851 0.681 0.529 0.255 0.126 0.063
60 3.460 3.232 2.660 2.390 2.000 1.671 1.296 0.848 0.679 0.527 0.254 0.126 0.063
120 3.373 3.160 2.617 2.358 1.980 1.658 1.289 0.845 0.677 0.526 0.254 0.126 0.063
3.290 3.090 2.576 2.326 1.960 1.645 1.282 0.842 0.674 0.524 0.253 0.126 0.063
n 0.001 0.002 0.01 0.02 0.05 0.1 0.2 0.4 0.5 0.6 0.8 0.9 0.95
-103-
TABLA DE LA FUNCIÓN GAMMA
(x+1) = x (x)
(x+n) = (x+n-1)…(x+1) x (x)
x (x) x (x)
1,00 1,00000 1,50 0,88623
1,01 0,99433 1,51 0,88659
1,02 0,98884 1,52 0,88704
1,03 0,98355 1,53 0,88757
1,04 0,97844 1,54 0,88818
1,05 0,97350 1,55 0,88887
1,06 0,96874 1,56 0,88964
1,07 0,96415 1,57 0,89049
1,08 0,95973 1,58 0,89142
1,09 0,95546 1,59 0,89243
1,10 0,95135 1,60 0,89352
1,11 0,94740 1,61 0,89468
1,12 0,94359 1,62 0,89592
1,13 0,93993 1,63 0,89724
1,14 0,93642 1,64 0,89864
1,15 0,93304 1,65 0,90012
1,16 0,92980 1,66 0,90167
1,17 0,92670 1,67 0,90330
1,18 0,92373 1,68 0,90500
1,19 0,92089 1,69 0,90678
1,20 0,91817 1,70 0,90864
1,21 0,91558 1,71 0,91057
1,22 0,91311 1,72 0,91258
1,23 0,91075 1,73 0,91467
1,24 0,90852 1,74 0,91683
1,25 0,90640 1,75 0,91906
1,26 0,90440 1,76 0,92137
-104-
1,27 0,90250 1,77 0,92376
1,28 0,90072 1,78 0,92623
1,29 0,89904 1,79 0,92877
1,30 0,89747 1,80 0,93138
1,31 0,89600 1,81 0,93408
1,32 0,89464 1,82 0,93685
1,33 0,89338 1,83 0,93969
1,34 0,89222 1,84 0,94261
1,35 0,89115 1,85 0,94561
1,36 0,89018 1,86 0,94869
1,37 0,88931 1,87 0,95184
1,38 0,88854 1,88 0,95507
1,39 0,88785 1,89 0,95838
1,40 0,88726 1,90 0,96177
1,41 0,88676 1,91 0,96523
1,42 0,88636 1,92 0,96877
1,43 0,88604 1,93 0,97240
1,44 0,88581 1,94 0,97610
1,45 0,88566 1,95 0,97988
1,46 0,88560 1,96 0,98374
1,47 0,88563 1,97 0,98768
1,48 0,88575 1,98 0,99171
1,49 0,88595 1,99 0,99581
1,50 0,88623 2,00 1,00000
-105-
ANEXO B
PAPELES PROBABILÍSTICOS
1. Papel exponencial
2. Papel normal
3. Papel Weibull (ensayos completos)
4. Papel Weibull (ensayos incompletos)
-106-
PAPEL PROBABILÍSTICO NORMAL
F(x)
3
2.9 99.8
2.8
99.7
2.7
99.6
2.6 99.5
2.5
2.4
2.3 99.0
2.2
2.1
98.0
2
1.9 97.0
1.8
96.0
1.7
95.0
1.6
1.5
1.4
1.3 90.0
1.2
1.1
1
0.9
80.0
0.8
0.7
0.6
0.5 70.0
V
A 0.4
L 0.3
O 60.0
0.2
R
E 0.1
S 0 50.0
-0.1
D
E -0.2
40.0
-0.3
Z -0.4
-0.5 30.0
-0.6
-0.7
-0.8
20.0
-0.9
-1
-1.1
-1.2
-1.3 10.0
-1.4
-1.5
-1.6
5.00
-1.7
4.00
-1.8
-1.9 3.00
-2
2.00
-2.1
-2.2
-2.3 1.00
-2.4
-2.5
-2.6 0.50
0.40
-2.7
0.30
-2.8
-2.9 0.20
-3
-107-
PAPEL PROBABILÍSTICO EXPONENCIAL
1/Ri Ri
100 0.01
90.0
80.0
70.0
60.0
50.0 0.02
45.0
40.0
35.0
30.0
25.0 0.04
20.0 0.05
18.0
16.0
14.0
12.0
10.0 0.1
9.00
8.00
7.00
6.00
5.00 0.2
4.00
3.00
2.72 0.37
2.50 0.4
2.00 0.5
1.50
1.00 1
-108-
PAPEL PROBABILÍSTICO DE WEIBULL
99.0
6.0
95.0
90.0
5.5
80.0
5.0
70.0
60.0
4.5
50.0
40.0
4.0
30.0
3.5
20.0
18.0
3.0
16.0
14.0
12.0
2.5
10.0
9.00
8.00
7.00
2.0
6.00
5.00
1.5
4.00
3.00
1.0
2.00
0.5
PUNTO DE REFERENCIA
1.00
1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9
-109-
PAPEL PROBABILÍSTICO DE WEIBULL
6.0
99.0 3.0
2.0
1.0
95.0
0.5
90.0
80.0
70.0
60.0
50.0
40.0
30.0
20.0
18.0
16.0
14.0
12.0
10.0
9.00
8.00
7.00
6.00
5.00
4.00
3.00
2.00
1.00
1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9
-110-
PAPEL PROBABILÍSTICO DE WEIBULL PARA ENSAYOS
INCOMPLETOS
1000
900
800
700 6.0
600
500
400 5.5
300
5.0
200
4.5
100
90
80 4.0
70
60
50
3.5
40
30
3.0
20
2.5
10
9
2.0
8
7
6
5 1.5
3 1.0
2
0.5
PUNTO DE REFERENCIA
1
1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9
-111-