Definiciones Básicas

Variables Aleatorias
En general la mayoría de los problemas en Ingeniería de Confiabilidad refieren a la
cuantificación de medidas, tales como el tiempo hasta la falla de un componente, o si
el componente ha fallado o no.
En el caso de determinar si un componente es defectuoso, la variable X sólo puede
tomar dos valores: defectuoso o no defectuoso.
En el caso del tiempo hasta la falla, la variable X puede tomar un valor que va desde 0
hasta el infinito (números reales).

Variables Aleatorias Discretas

Es aquella variable que contiene información solamente de valores pre definidos –
numero finito de valores enteros (numerables). Ejemplo, el resultado del lanzamiento
de un dado; o la suma de los resultados de un par de dados; o el estado operativo de
un equipo, etc.

Variables Aleatorias Continuas

Es aquella variable que puede asumir cualquier valor en una escala continua.
Ejemplo, la cantidad de kilómetros recorridos por una neumático antes de que falle, la
cantidad de toneladas procesadas por una chancadora, la cantidad de litros de
petróleo extraído de un pozo, etc.
Función Densidad de Probabilidad (pdf) – f(x)
Es una representación matemática que relaciona cualquier valor que pueda tomar la
variable aleatoria continua “t” con su probabilidad de ocurrencia “f(t)”.

Función Distribución Acumulada (cdf) – F(x)

Intenta calcular la probabilidad acumulada hasta que ocurra un evento de falla en el
instante “x”. Se define como la integral de la función densidad (pdf) desde cero hasta
el tiempo “x” y representa la probabilidad de fallar antes del tiempo “x”.
Relación entre pdf y cdf

Función Confiabilidad C(t)

Con esta función, conocida también como función de supervivencia, se obtiene la
probabilidad de que el producto(equipo) no haya fallado (sobreviva) en el tiempo “t”.
Función de Riesgo h(t)
Con esta función, se obtiene la propensión(tendencia) a fallar que tiene un
producto(equipo) al tiempo “t”. También se le conoce como tasa de falla.

Relación entre f(t), F(T) y C(t)

 Distribuciones Estadísticas de Probabilidad

La distribución estadística es descrita por la pdf o f(t) - función densidad de

probabilidad. Todas estas distribuciones fueron formuladas por estadísticos,
ingenieros, físicos para modelar matemáticamente o representar un
comportamiento poblacional.
Source: Confiabilidad Integral-Sinergia de Disciplinas, Tomo I (Yañez M., Medardo; et al)
 Distribución Exponencial

Modelo de probabilidad para datos de vida con una función de riesgo constante. Sirve para
componentes de alta calidad que “no envejecen” o “no se fatigan” durante su vida útil.
 Distribución Weibull

Modelo muy versátil debido a que su función de riesgo puede ser decreciente,
constante o creciente, dependiendo del valor de su parámetro de forma(β).

Distribución con 2 parámetros

Distribución con 3 parámetros

 Distribución Valor Extremo (para mínimos)

Útil para modelar productos cuya vida está dada por el componente que dura menos
(igual que la Distribución de Weibull)

Donde t y µ son cualquier número real y además σ>0. Siendo µ un parámetro de

localización y σ un parámetro de escala. E(t) = µ + 0.5772
 Distribución Normal

No es la más utilizada en el análisis de datos de vida, puesto que en la realidad la

variable tiempo de falla suele tener comportamiento asimétrico, mientras que esta
distribución siempre es simétrica. Teóricamente es el modelo apropiado cuando la
falla del equipo es el resultado de muchos pequeños efectos que actúan de manera
aditiva sobre la vida del mismo.

Donde Φ es la función de distribución acumulada de la normal estándar. Además h(t)

= f(t) / C(t) y la vida media E(t) = µ