3.

Explique los criterios estadísticos de ajuste, error típico, variación, error estándar del
estimado, coeficiente de determinación muestral y el ajustado, coeficiente de correlación
múltiple, etc., para validar las alineaciones, y explique en cada caso sus usos y aplicaciones,
sus rangos de validez y sus diferencias.

Recordando que los criterios estadísticos permiten medir la calidad de la alineación que se
alcanza.

a) Error típico o variación o error estándar del estimado:

Mide la confianza de la ecuación de estimación y es similar a la desviación estándar, ya que

ambos son medidas de dispersión. El error estándar también evalúa la variabilidad o la
dispersión de los puntos en Y alrededor de la recta alineada.

Éste debe tender a cero o a ser el valor mínimo posible. En ella Ŷ son los valores estimados
correspondientes calculados con la nueva ecuación Y = a + b*X para cada uno de los Y reales
originales (Levin, 1996).

b) Coeficiente de determinación muestral r 2 y ajustado:

Evalúa la fuerza, la extensión o el grado de asociación que existe entre los puntos
correspondientes de las dos variables Y y X. Debe acercarse a uno (1) y se permite como
aceptable entre un rango de 0,9025 y 1,0000.

Donde:

Ŷ son los valores estimados correspondiente a cada Y; Ý es el valor medio de las Y (Levin,
1996).

Últimamente se usa también otra prueba más fuerte en los procesos de alineación, que se
denomina coeficiente de determinación muestral ajustado, el cual se estima mediante la
expresión:

Donde:

N es el número total de eventos, j el evento en particular e i el número de variables

correlacionadas; en el caso particular de alineación de F(t) o de M(t) son dos variables, i = 2.
Los valores de r 2 ajustado deben estar entre 0,90 y 1,000.

c) Coeficiente de correlación:

Es una medida que evalúa lo bien que el modelo se ajusta en la regresión lineal, e indica la
correlación existente entre los datos y el estimador de no confiabilidad o de mantenibilidad;
denota el valor de la correlación y el signo informa sobre el sentido inverso o directo de la
correlación entre las variables Y y X. Los valores cercanos a uno o menos uno presentan una
alta correlación, en tanto que los valores cercanos a cero no tienen correlación alguna con el
modelo lineal. Se considera aceptable cuando se está entre 0,95 y 1.

Donde:

γ : coeficiente de correlación,
Y y X : son los valores reales iniciales,
Ý y X́ : medias o promedios de los valores reales originales de t y F(t) o de M(t) (Reliasoft@,
2008).

4. La metodología de datos censurados ¿qué pasos lleva a cabo para la estimación de

parámetros de F(t) y de M(t), en términos de comparación con los datos no censurados,
¿cuál es más conveniente y por qué?

Para entender la metodología de datos censurados, se tomo en cuenta un ejemplo con sus
respectivos pasos que lleva a cabo para la estimación de parámetros de F(t) y M(t):

El primer paso es ordenar los datos de tiempos útiles de menor a mayor, lo que se hace en la
columna 4.

El segundo paso se coloca si el dato es censurado (S) o no (F)19; En las columnas 3 y 5

(ordenada).

El ultimo paso consiste en definir el incremento con la fórmula:

Nótese que sólo hay cambios en incremento y número de orden después de que aparece un
dato censurado, pero cuando no lo hay el incremento sigue constante.

Ahora bien, como se muestra en el ejemplo anterior, para los cálculos F(t) y M(t) con datos
censurados o no, se nota una marcada diferencia entre ellos, y se aprecia que siempre los
valores de F(t) y M(t) son mayores en cada uno de ellos estimadores obtenidos sin datos
censurados. Entonces, se puede concluir la posibilidad de que los estudios sin datos
censurados son más convenientes.