Explique detalladamente el método de parametrización en Weibull y en otras distribuciones, tratadas en esta

parte

ESTIMACION DE PARAMETROS -WEIBULL

La estimación de los parámetros de la distribución se realiza luego de seleccionar el
modelo de distribución para describir los datos, para lo cual existen dos tipos:
estimación puntual, que busca el mejor cálculo del parámetro a partir de los datos
disponibles; y la estimación del intervalo, que mide los limites superior e inferior del
parámetro desconocido. Es evidente que, a mayor cantidad de datos disponibles, la
estimación del parámetro es más cercana al valor verdadero (Lewis, 1995). Los
métodos que permiten realizar la estimación de los parámetros de una distribución
varían entre simples sofisticados; algunos de los más comunes para realizar esta tarea
son el método gráfico, el método de mínimos cuadrados (o de regresión) y el método
de la máxima verosimilitud MLE1

METODO GRAFICO DE PAPEL DE WEIBULL

El procedimiento consiste en graficar los valores de F(t) o de M(t) en el eje Y, con sus
respectivos tiempos t en el eje X. La forma que posee el papel de Weibull permite conformar
una línea recta, a partir de la cual se logra valorar tanto la pendiente como su intersección con
el eje Y vertical; y a partir de estos dos valores se pueden obtener los parámetros propios de la
función Weibull de Beta, Eta, etc.

FUNDAMENTOS DE LA DISTRIBUCION DE WEIBULL

Una de las ventajas significativas que ofrece la distribución Weibull consiste en que es muy
manejable y se acomoda a las tres zonas2 (infancia o rodaje, madurez o vida útil y
envejecimiento) de la curva de la bañera o de Davies. La distribución de Weibull posee en
su forma general tres parámetros, lo que le da una gran flexibilidad y cuya selección y
ajuste adecuado permiten obtener mejores ajustes, que con otras distribuciones (Rojas,
1975). Estos parámetros son:
- Gamma - parámetro de posición (γ): El más difícil de estimar y por este
motivo se asume con demasiada frecuencia que vale cero. Indica el lapso
en el cual la probabilidad de falla es nula
- Eta - parámetro de escala o característica de vida útil (η): Su valor es
determinante para fijar la vida útil del producto o del sistema. Cuanto
más alto, las maquinas pueden ser más robustas o de trabajos de mayor
duración.
-Beta - parámetro de forma (β): Refleja la dispersión de los datos y determínala
forma que toma la distribución.
Para usar la parametrización con el papel de Weibull se debe tener en cuenta que es necesario
alinear los valores; para ello se describen las siguientes consideraciones:

CURVAS CARACTERISTICAS DE WEIBULL

La tasa de fallas expresa la cantidad de averías o de reparaciones por unidad de tiempo
que ocurren en el tiempo en que se estudia un elemento; en el caso particular de la
distribución de Weibull, se puede escribir de la siguiente manera:

Donde:

La derivada de R(t), con respecto a t en el numerador es f(t) denominada función de densidad

de probabilidad de fallas o de falla instantánea en el tiempo t; a su vez R(t) es la función de
confiabilidad y λ(t) es la función de tasa de fallas.

Donde:
La curva R(t) se puede describir en funcion de λ (t) de fallas.
En 1951, Weibull escribe la funcion empirica mas sencilla que puede
representar mejor una gran variedad de datos reales (Tamborero@,
2005).

Donde:
t es el tiempo en cualquier momento y ti es un tiempo de referencia o parámetro inicial de
localización, η (eta o alfa) es el parámetro de escala o vida característica, y Beta es el
parámetro de forma, el cual se considera como una medida de dispersión de los datos
evaluados en la distribución (en la medida en que el Beta sea mayor, hay menor dispersión, lo
que ocurre en los equipos maduros, muy conocidos o viejos; cuando el Beta es bajo denota
mucha desviación estándar entre los tiempos de fallas, y en general es inverso a la dispersión
de los datos de falla). Con esta ecuación se pueden representar muchas formas de
confiabilidades y a la vez es de fácil manejo.

o 36,8% y la función acumulativa de fallas es F(t) = F(h)=1 - R(t) = 1 - 0,368 = 0,632; es decir,
63,8%. Entonces, la constante representa también el tiempo, medido a partir de t0 = 0, según
lo cual dado que F (t) = 0,632, el 63,2% de la población que se espera que falle, cualquiera que
sea el valor de β (ya que su valor no influye en los cálculos realizados). Por esta razón también
se le llama usualmente vida característica. El parámetro de forma β representa la pendiente de
la recta que describe el grado de variación de la tasa de fallas y Eta es la intersección con el eje
vertical de probabilidades de falla acumuladas. Esta es la fundamentación para el manejo del
papel de Weibull
 METODO DE REGRESION LINEAL CON MINIMOS CUADRADOS
El metodo requiere que una linea recta se ajuste a un conjunto de datos, de tal manera
que la suma de los cuadrados de las distancias de los puntos a la linea de ajuste sea
minimizada, tanto en el eje de las abscisas como de las ordenadas.
Donde:
a es el intercepto con el eje Y y b es la pendiente de la recta estimada, el simbolo ^
denota valor estimado o calculado,
Y es la variable dependiente y
X es la independiente.
Con j como los diferentes valores de los puntos hasta N numero total de puntos
por alinear
CRITERIOS DE CALIDAD DE LA ALINEACION
Los criterios que permiten medir la calidad de la alineación que se alcanza son varios; entre los
mas relevantes se encuentran: el ajuste, el error estándar del estimado, el coeficiente muestral
de determinación

r2 y el coeficiente de correlación γ.

Ajuste
Califica el grado de distancias en Y, tanto por encima como por debajo de la recta alineada.

Debe ser igual o tender a cero; manifiesta el centra miento de la alineación en el eje Y;
muestra si se compensan las diferencias en Y por encima y por debajo de la recta; es
un indicador débil de la alineación. Ŷ son los valores estimados correspondientes a
cada Y.
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 correlaciona entre la 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
esta entre 0,95 y 1