Límites de confianza - ReliaWiki https://www.reliawiki.com/index.

php/Confidence_Bounds

Límites de confianza

¿Qué son los límites de confianza?

Uno de los conceptos más confusos para un ingeniero de confiabilidad novato es estimar la precisión de una estimación. Este
es un concepto importante en el campo de la ingeniería de confiabilidad, que conduce al uso de intervalos (o límites) de
confianza. En esta sección, intentaremos presentar brevemente el concepto en términos relativamente simples pero basados en
un sólido sentido común.

Las canicas blancas y negras

Para ilustrar, considere el caso donde hay millones de canicas blancas y negras perfectamente mezcladas en una piscina
bastante grande y nuestro trabajo es estimar el porcentaje de canicas negras. La única forma de estar absolutamente seguro
sobre el porcentaje exacto de canicas en la piscina es contar con precisión hasta la última canica y calcular el porcentaje. Sin
embargo, esto requiere demasiado tiempo y recursos para ser una opción viable, por lo que debemos encontrar una forma de
estimar el porcentaje de canicas negras en la piscina. Para hacer esto, tomaríamos una muestra relativamente pequeña de
canicas de la piscina y luego contaríamos cuántas canicas negras hay en la muestra.

Tomar una pequeña muestra de canicas

Primero, elija una pequeña muestra de canicas y cuente las negras. Digamos que escogiste diez canicas y contaste cuatro
canicas negras. Con base en esto, su estimación sería que el 40 % de las canicas son negras.

If you put the ten marbles back in the pool and repeat this example again, you might get six black marbles, changing your
estimate to 60% black marbles. Which of the two is correct? Both estimates are correct! As you repeat this experiment over and
over again, you might find out that this estimate is usually between X1 and X2 , and you can assign a percentage to the
number of times your estimate falls between these limits. For example, you notice that 90% of the time this estimate is
between X1 and X2

Taking a Larger Sample of Marbles

Si ahora repites el experimento y eliges 1000 canicas, podrías obtener resultados para la cantidad de canicas negras, como 545,
570, 530, etc., para cada prueba. El rango de las estimaciones en este caso será mucho más estrecho que antes. Por ejemplo,
observa que el 90 % de las veces, el número de canicas negras ahora será de año 2 , donde X1 y 2x2
1 a año _ , brindándole así un
intervalo de estimación más estrecho. El mismo principio se aplica a los intervalos de confianza; cuanto mayor sea el tamaño
de la muestra, más estrechos serán los intervalos de confianza.

1 de 24 24/08/2022, 3:06 p. m.
Límites de confianza - ReliaWiki https://www.reliawiki.com/index.php/Confidence_Bounds

Volver a Confiabilidad

Ahora veremos cómo este fenómeno se relaciona con la confiabilidad. En general, la tarea del ingeniero de confiabilidad es
determinar la probabilidad de falla, o confiabilidad, de la población de unidades en cuestión. Sin embargo, uno nunca sabrá el
valor de confiabilidad exacto de la población a menos que pueda obtener y analizar los datos de falla para cada unidad
individual en la población. Dado que, por lo general, esta no es una situación realista, la tarea consiste en estimar la
confiabilidad en función de una muestra, de manera similar a estimar la cantidad de canicas negras en la piscina. Si realizamos
diez pruebas de confiabilidad diferentes para nuestras unidades y analizamos los resultados, obtendremos parámetros
ligeramente diferentes para la distribución cada vez y, por lo tanto, resultados de confiabilidad ligeramente diferentes. Sin
embargo, al emplear límites de confianza, obtenemos un rango dentro del cual es probable que estos valores de confiabilidad
ocurran un cierto porcentaje del tiempo. Esto nos ayuda a medir la utilidad de los datos y la precisión de las estimaciones
resultantes. Además, siempre es útil recordar que cada parámetro es una estimación del verdadero parámetro, uno que
desconocemos. Este rango de valores plausibles se llama intervalo de confianza.

Límites de confianza unilaterales y bilaterales

Los límites de confianza generalmente se describen como unilaterales o bilaterales.

Límites de dos caras

Cuando usamos límites (o intervalos) de confianza bilaterales, estamos viendo un intervalo cerrado en el que es probable que
se encuentre un determinado porcentaje de la población. Es decir, determinamos los valores, o límites, entre los cuales se
encuentra un porcentaje específico de la población. Por ejemplo, cuando se trata de límites de confianza bilaterales del 90 % de
( X , Y, estamos
) diciendo que el 90% de la población se encuentra entre X y Y con un 5% menos de X y 5% mayor que Y .

Límites de un solo lado

Los límites de confianza unilaterales son esencialmente una versión abierta de los límites bilaterales. Un límite unilateral
define el punto en el que un cierto porcentaje de la población es más alto o más bajo que el punto definido. Esto significa que
hay dos tipos de límites unilaterales: superior e inferior. Un límite superior de un lado define un punto que es menor que un
determinado porcentaje de la población. Por el contrario, un límite inferior de un lado define un punto que es mayor que un
porcentaje específico de la población.

2 de 24 24/08/2022, 3:06 p. m.
Límites de confianza - ReliaWiki https://www.reliawiki.com/index.php/Confidence_Bounds

Por ejemplo, si X es un límite superior unilateral del 95%, esto implicaría que el 95% de la población es menor que X . Si X es
un límite inferior unilateral del 95%, esto indicaría que el 95% de la población es mayor que X . Se debe tener cuidado para
diferenciar entre límites de confianza unilaterales y bilaterales, ya que estos límites pueden tomar valores idénticos en
diferentes niveles porcentuales. Por ejemplo, en las figuras anteriores, vemos límites en una distribución hipotética.
Suponiendo que esta es la misma distribución en todas las figuras, vemos que X marca el lugar debajo del cual se encuentra el
5% de la población de la distribución. Del mismo modo, Y representa el punto por encima del cual se encuentra el 5% de la
población. Por lo tanto, X y Y representan los límites bilaterales del 90%, ya que el 90% de la población se encuentra entre los
dos puntos. Sin embargo, X también representa el límite inferior de confianza unilateral del 95 %, ya que el 95 % de la
población se encuentra por encima de ese punto; y Y representa el límite superior unilateral de confianza del 95 %, ya que el
95 % de la población está por debajo de Y. Es importante estar seguro del tipo de límites con los que se está tratando,
especialmente porque ambos límites unilaterales se pueden mostrar simultáneamente en Weibull++. En Weibull++, usamos
superior para representar el límite superior e inferior para representar el límite inferior, independientemente de su posición,
pero en función del valor de los resultados. Entonces, si obtenemos los límites de confianza en la confiabilidad,
identificaríamos el valor más bajo de confiabilidad como el límite inferior y el valor más alto de confiabilidad como el límite
más alto. Si obtenemos los límites de confianza en la probabilidad de falla, nuevamente identificaremos el valor numérico más
bajo para la probabilidad de falla como el límite inferior y el valor más alto como el límite más alto.

Límites de confianza de la matriz de Fisher

3 de 24 24/08/2022, 3:06 p. m.
Límites de confianza - ReliaWiki https://www.reliawiki.com/index.php/Confidence_Bounds

Esta sección presenta una descripción general de la teoría sobre la obtención de límites de confianza aproximados en datos
suspendidos (censurados múltiples). La metodología utilizada es la denominada matriz de límites de Fisher (FM), descrita en
Nelson [30] y Lloyd y Lipow [24] . Estos límites se emplean en la mayoría de las demás aplicaciones estadísticas comerciales.
En general, estos límites tienden a ser más optimistas que los límites basados en rangos no paramétricos. Esto puede ser una
preocupación, particularmente cuando se trata de tamaños de muestra pequeños. Algunos estadísticos sienten que los límites
de la matriz de Fisher son demasiado optimistas cuando se trata de tamaños de muestra pequeños y prefieren usar otras
técnicas para calcular los límites de confianza, como los límites de la razón de verosimilitud.

Estimaciones aproximadas de la media y la varianza de una función

Al utilizar límites de FM para funciones, primero se debe determinar la media y la varianza de la función en cuestión (es decir,
función de confiabilidad, función de tasa de falla, etc.). Un ejemplo de la metodología y suposiciones para una función
arbitraria GRAMO
se presenta a continuación.

Caso de parámetro único

Para simplificar, considere una distribución de un parámetro representada por una función general G ,que es una función de
un estimador de parámetros, digamos GRAMO ( θˆˆ ) . la
Por ejemplo, media de la distribución exponencial es una función del

parámetro λ : GRAMO ( λ ) .= 1 / λ en
Entonces, = general,
μ el valor esperado de G ( θ
ˆˆ ) ser encontrado por:
puede

mi ( GRAMO ( θˆˆ ) ) = GRAMO ( θ ) + O ( 1

)
norte

where G ( yoes )alguna función de i , como la función de confiabilidad, y i es el parámetro de población donde

mi ( θˆˆ )como = nθ → ∞. El término O ( 1n _

) una función de norte
es , el tamaño de la muestra, y tiende a cero, tan rápido
1
, como n → ∞Por
como norte . ejemplo, en el caso de θˆ ˆ = 1 y/sol / x mi ( GRAMO ( θˆˆ ) ) donde
¯¯ ( x ) = ,1entonces
¯X = ¯X¯¯ +

( θˆˆmetro
_
O ( 1n) = ._Así como n → ∞, mi ( GRAMOwhere
σ2n _ ) and
) =σ are
metro
the mean and standard deviation, respectively. Using

the same one-parameter distribution, the variance of the function G (θ̂ )entonces puede ser estimado por:

V ar (θ̂ ) + O ( )
2
V ar (G (θ̂ )) = ( ∂G ) 1
3
∂θ̂ θ̂ =θ
n2

Two-Parameter Case
β
)
t
−(
Consider a Weibull distribution with two parameters β and η. t , R(t) = G(β, η) = e η .
For a given value of
Repeating the previous method for the case of a two-parameter distribution, it is generally true that for a function G , which is

a function of two parameter estimators, say G (θ̂ 1 , θ̂ 2 ), that:

E (G (θ̂ 1 , θ̂ 2 )) = G (θ1 , θ2 ) + O ( n1 )

y:

4 de 24 24/08/2022, 3:06 p. m.