02/05/2011

Funcin de Densidad f(x)

Se utiliza para describir la distribucin de probabilidad de una variable aleatoria continua X. Si es factible que un intervalo contenga un valor de X, entonces su probabilidad es grande y corresponde a valores grandes de f(x). La probabilidad de que X est entre a y b se determina como la integral de f(x) de a a b
P(a < X < b)

f(x)

02/05/2011

El punto importante es que f(x) se usa para calcular un rea que representa la probabilidad de que X asuma un valor en [a,b]. Mediante la eleccin apropiada de la forma de f(x), es posible representar las probabilidades asociadas con cualquier variable aleatoria X. La forma de f(x) determina la manera en que se compara la probabilidad de que X asuma un valor en el intervalo [a,b] con la probabilidad de cualquier otro intervalo de longitud igual o diferente.

Funcin de Distribucin Acumulada

La distribucin de probabilidad de una variable aleatoria es una funcin que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra.

02/05/2011

Media y Varianza de una variable aleatoria continua

Suponga que X es una variable aleatoria continua con funcin de densidad de probabilidad f(X). La media o valor esperado de X, denotada como o E(X), es La varianza de X, denotada por V(X) o 2 , es

Distribucin Continua Uniforme

02/05/2011

Distribucin Exponencial
La variable aleatoria X que es igual a la distancia entre conteos sucesivos de un proceso de Poisson con media > 0 tiene una distribucin exponencial con parmetro . El inters esta en el tiempo entre conteos de falla que es una variable aleatoria. Sea que X denote el tiempo desde cualquier punto inicial hasta que se detecta una falla.

02/05/2011

Es importante usar unidades consistentes en el clculo de probabilidades, medias y varianzas en las que intervengan variables aleatorias exponenciales.

Por ejemplo:
Determinar el intervalo de tiempo tal que la probabilidad de que no haya falla en la mquina durante el intervalo sea de 0.9. Se pide el tiempo X tal que P(X>x)=0.9. Ahora bien: P(X>x)= 1- P(X x) = e-x = 0.9 La probabilidad de que se produzca una falla en un lapso de 75 horas ser: P(X 75) = 1- e-(75) El tiempo promedio hasta la siguiente falla es: = 1 / (horas) Entonces el parmetro tendr unidades de [fallas/hora]

02/05/2011

Distribucin Gamma

02/05/2011

La distribucin de Erlang es un caso especial de la distribucin gamma. Si teniendo una variable aleatoria exponencial que describe la longitud del intervalo hasta que se obtiene el primer conteo en un proceso de Poisson. Una generalizacin de la distribucin Exponencial es la longitud hasta que ocurran p conteos en un proceso de Poisson es una variable aleatoria de Erlang. Si el parmetro p de una variable aleatoria de Erlang no es un entero, pero p > 0, entonces la variable aleatoria tiene una distribucin gamma.

Distribucin Weibull

02/05/2011

Como se mencion anteriormente, la distribucin Weibull se usa con frecuencia para modelar el tiempo hasta que ocurre una falla en muchos sistemas fsicos diferentes. Los parmetros de la distribucin confieren una gran flexibilidad para modelar sistemas en los que el nmero de fallas aumenta con el tiempo (desgaste por rodamientos), disminuye con el tiempo (algunos semiconductores) o permanece constante con el tiempo ( fallas causadas por interferencias externas al sistema).

La variable aleatoria X con funcin de densidad de probabilidad

Tiene una distribucin de Weibull con parmetro de escala > 0 y parmetro de forma > 0. Es comn usa la funcin de distribucin acumulada para calcular probabilidades. Si X tiene una distribucin de Weibull con parmetros y , entonces la funcin de distribucin acumulada de X es:

02/05/2011

Si X tiene una distribucin de Weibull con parmetros y , entonces la media y la varianza de x son:

Por ejemplo: El tiempo para que ocurra una falla (en horas) de un rodamiento en un eje mecnico se modela satisfactoriamente como una variable aleatoria de Weibull con = 0.5 y = 5000 horas. Determinar el tiempo promedio para que ocurra una falla.

02/05/2011

Determinar la probabilidad de que un rodamiento dure por lo menos 6,000 horas. Ahora bien: P(X>6000)= 1- F(6000)

= 0.301 En consecuencia, 30.1 % de todos los rodamientos duran al menos 6000 horas.

Distribucin Log-Normal

10

02/05/2011

Comandos Utilizados en MatLab

*pdf : calcula la funcin de densidad de probabilidad para la distribucin deseada, especificando los parmetros. *cdf: calcula la funcin de distribucin de probabilidad acumulada deseada, especificando los parmetros. *inv: calcula el inverso de la funcin de distribucin acumulada , especificando los parmetros y el correspondiente valor de probabilidad en P. *stat: retorna la media y la varianza para la funcin de distribucin, especificando los parmetros de la funcin. *fit: estima el valor de los parmetros de la funcin especificada. Lo hace con el mtodo de mxima verosimilitud. *like: calcula el negativo del logaritmo natural de mxima verosimilitud, evaluando el parmetro estimado y los datos. *rnd: genera nmeros aleatorios provenientes de una distribucin especfica, a partir de los parmetros especificados.

11

02/05/2011

12

02/05/2011

Test Bondad de Ajuste Chi-Cuadrado

Test Bondad de Ajuste de Smirnov-Kolmogorov

13