5.

La Distribucin Exponencial

La distribucin exponencial es una distribucin normalmente usada en la ingeniera de
confiabilidad. Matemticamente, es una distribucin bastante simple que muchas veces
conduce a su uso en situaciones inadecuadas. Es, de hecho, un caso especial de la
distribucin Weibull dnde = 1. La distribucin exponencial se usa para modelar el
comportamiento de unidades que tienen una tasa de fallas constante (o unidades que no
se degradan con el tiempo o se desgastan).


5.1 La Funcin de Densidad de Probabilidad exponencial


5.1.1Distribucin Exponencial de dos-parmetros

La pdf exponencial de dos-parmetros esta dada por:

Dnde es el parmetro de ubicacin.

Algunas de las caractersticas de la distribucin exponencial de dos parmetros
son [19]:

o El parmetro de ubicacin , si es positivo, cambia el principio de la
distribucin por una distancia a la derecha del origen, significando que las
fallas comienzan a ocurrir slo despus de horas de funcionamiento, y no
puede ocurrir antes.
o El parmetro de escala es .
o La pdf exponencial no tiene ningn parmetro de forma, ya que slo tiene una
forma.
o La distribucin comienza a T = al nivel de f(T =) = y disminuye despus
exponencialmente y monotonicamente a medida que T aumenta ms all de
y es convexa.
o Como T, f(T)0.


5.1.2 Distribucin Exponencial de un parmetro

La pdf exponencial de un-parmetro se obtiene poniendo = 0, y esta dada por:
(1)
donde:

= Tasa de falla constante, en fallas por unidad de medida, es decir, fallas por
hora, por ciclo, etc.

= 1/m

m = MTBF, o MTTF.

T = tiempo de operacin, vida, o edad, en horas, ciclos, kilmetros, etc.

Esta distribucin requiere el conocimiento de slo un parmetro, , para su
aplicacin. Algunas de las caractersticas de la distribucin exponencial de un
parmetro son [19]:

o El parmetro de ubicacin , es cero.
o El parmetro de escala es 1/ = m.
o Cuando disminuye, la distribucin se estira hacia la derecha, y cuando
aumenta, la distribucin es empujada hacia el origen.
o Esta distribucin no tiene ningn parmetro de forma ya que tiene slo una
forma, es decir la exponencial, y el nico parmetro que tiene es la tasa de
fallas.
o La distribucin comienza en T = 0 al nivel de f(T = 0) = y disminuye
despus de esto exponencialmente a medida que T aumenta, y es convexa.
o Como T, f(T)0.
o La pdf puede pensarse como un caso especial de la pdf de Weibull con = 0 y
= 1.


5.2 Propiedades Estadsticas exponenciales


Media o MTTF

La media, o tiempo promedio para la falla (MTTF) esta dada por:


Note que cundo = 0, el MTTF es la inversa de la tasa de fallas constante de la
distribucin exponencial. Esto slo es verdad para la distribucin exponencial. La
mayora de las otras distribuciones no tiene una tasa de fallas constante. Por
consiguiente, la relacin inversa entre la tasa de fallas y el MTTF no es valida para
otras distribuciones.



Mediana

La mediana, T es:

Moda

La moda, es:

Desviacin estndar

La desviacin estndar
T
, es:


Funcin Confiabilidad Exponencial

La ecuacin para la funcin de densidad cumulativa exponencial de dos
parmetros, o la cdf esta dada por:


Revocando que la funcin de confiabilidad de una distribucin simplemente es
uno menos la cdf, la funcin de confiabilidad para la distribucin exponencial de
dos parmetros esta dada por:



La funcin de confiabilidad Exponencial de un parmetro

La funcin de confiabilidad exponencial de un parmetro esta dada por:


La confiabilidad condicional exponencial

La ecuacin de confiabilidad condicional exponencial da la confiabilidad para una
misin de duracin t, dado que ya tiene T horas de funcionamiento exitoso
acumuladas hasta el inicio de esta nueva misin. La funcin de confiabilidad
condicional exponencial es:


Qu dice que la confiabilidad para una misin de duracin t emprendida despus
que el componente o equipo ha acumulado T horas de funcionamiento desde la
edad cero es slo una funcin de la duracin de la misin, y no una funcin de la
edad desde el principio de la misin. Esto se llama la propiedad sin memoria.

La Vida confiable Exponencial
La vida confiable, o duracin de la misin para una meta de confiabilidad deseada,
t
R
, para la distribucin exponencial de un parmetro es:


o:


La Funcin tasa de fallas Exponencial

La funcin tasa de fallas exponencial es:


Una vez ms, note que la tasa de fallas constante es una caracterstica de la
distribucin exponencial, y slo casos especiales de otras distribuciones. La
mayora de las otras distribuciones tiene tasas de falla que son funciones de
tiempo.


5.3 Caractersticas de la Distribucin Exponencial


Como se mencion antes, el rasgo primario de la distribucin exponencial es que
se usa por modelar el comportamiento de artculos con una tasa de fallas
constante. Tiene un formato matemtico bastante simple que lo hace bastante fcil
de manipular. Desgraciadamente, este hecho tambin lleva al uso de este modelo
en situaciones dnde no es apropiado. Por ejemplo, no sera apropiado usar la
distribucin exponencial para modelar la confiabilidad de un automvil. La tasa
de fallas constante de la distribucin exponencial requerira la asuncin que el
automvil experimentara probablemente tantas averas durante la primera milla
como durante la milla 1000. Claramente, esto no es una asuncin vlida. Sin
embargo, algunos practicantes inexpertos en ingeniera de confiabilidad y anlisis
de datos de vida pasarn por alto este hecho, atrado por el sonido de la sirena de
los modelos matemticos relativamente simples de la distribucin exponencial.
Efecto de y en la pdf Exponencial

o La pdf exponencial no tiene ningn parmetro de forma, ya que tiene una sola
forma.
o La pdf exponencial siempre es convexa y se estira hacia la derecha conforme
el valor de disminuye.
o El valor de la funcin pdf siempre es igual al valor de a T = 0 (o T =).
o El parmetro de ubicacin , si es positivo, cambia el principio de la
distribucin por una distancia de a la derecha del origen, significando que las
fallas ocurrirn slo despus de horas de funcionamiento, y no pueden
ocurrir antes de este tiempo.
o El parmetro de escala es 1/=- = m-.
o Como T, f(T) 0.


Efecto de y en la funcin confiabilidad Exponencial

o La funcin de confiabilidad exponencial de un parmetro comienza con el
valor 100% a T = 0, disminuye despus de esto y es convexa.
o La funcin de confiabilidad exponencial de dos parmetros permanece al valor
de 100% para T = 0 hasta T = , y luego disminuye monotonamente y es
convexo.
o Como T, R(T)0.
o La confiabilidad para una duracin de la misin de T= m = 1/, o una duracin
de 1/MTTF, siempre es igual a 0.3679 o 36.79%. Esto significa que la
confiabilidad para una misin de una duracin igual a un MTTF es
relativamente baja y no se recomienda porque se completara slo el 36.8% de
las misiones con xito. En otras palabras, de los equipos que emprenden una
misin, slo el 36.8% sobrevivirn.


5.4 Estimacin de los Parmetros Exponenciales


5.4.1 Uso del ploteo de la probabilidad para calcular los parmetros de la
distribucin Exponencial

La estimacin de los parmetros para la distribucin exponencial va el trazado de
la probabilidad es muy similar al proceso usado con la distribucin Weibull.
Revise, sin embargo, que la apariencia del papel para el trazado de la probabilidad
y los mtodos para la estimacin de los parmetros vara de distribucin en
distribucin, por lo que habr algunas diferencias notables. De hecho, debido a la
naturaleza de la cdf exponencial, el grafico de probabilidad exponencial es la
nica con una pendiente negativa. Esto es porque el eje Y del papel de
probabilidad exponencial representa la confiabilidad, siendo el eje Y para la
mayora de las otras distribuciones de vida la no confiabilidad.

Esto se ilustra en el proceso de linealizacin de la cdf, que es necesario construir
en el papel de probabilidad exponencial. Para la distribucin exponencial de dos
parmetros, la funcin de densidad cumulativa esta dada por:
(2)

Tomando el logaritmo natural de ambos lados de la ecuacin (2) obtenemos:

o:
(3)
luego:
(4)
(5)
y:
(6)

Obteniendo la ecuacin lineal:


Note que en el papel para el ploteo de la probabilidad exponencial, la escala del
eje Y es logartmica y la escala del eje X es lineal. Esto significa que el valor cero
slo est presente en el eje X. Para t = 0, R = 1 y F(t) = 0. As si usamos F(t) para
el eje Y, tendramos que trazar el punto (0, 0). Sin embargo, desde que el eje Y es
logartmico, no hay ningn lugar para trazar esto en el papel exponencial.
Tambin, la tasa de fallas, , es el negativo de la pendiente de la lnea, pero hay
una manera ms fcil de determinar el valor de del grfico de probabilidad,
como se ilustrar en lo siguiente ejemplo.

Ejemplo 1

Se ponen seis unidades en una prueba de vida y falla. Los tiempos de falla son 7,
12, 19, 29, 41, y 67 horas. Estime el parmetro de tasa de fallas para una
distribucin exponencial de un parmetro empleando el mtodo de trazado de la
probabilidad.

Solucin del Ejemplo 1

Para trazar los puntos del grfico de probabilidad, deben obtenerse los valores de
estimacin de confiabilidad apropiados. stos sern equivalentes a 100% - MR,
desde que el eje Y representa la confiabilidad y los valores de MR representan las
estimaciones de la no confiabilidad.


Luego, estos puntos se trazan en el papel de ploteo de la probabilidad exponencial.
Una muestra de este tipo de papel se ve a continuacin, con los puntos de la
muestra en el lugar. Note cmo estos puntos describen una lnea con una
pendiente negativa.

Una vez que se trazan los puntos, dibuje la mejor recta posible a travs de estos
puntos que calce mejor. El valor de tiempo en la qu esta recta corta la lnea
horizontal dibujada a la marca de confiabilidad 36.8% es la vida media, y el
recproco de este es la tasa de fallas .

Esto es porque a t = m = 1/:


Estos pasos se muestran grficamente.


Como puede verse en el grfico debajo, la lnea que mejor se adapta a los datos
cruza la lnea R = 36.8% a t = 33 horas.


Desde que 1/ = 33 horas, = 0.0303 fallas/hora.


5.4.2 Uso del rango de regresin en Y para calcular los parmetros de la
distribucin Exponencial

Realizar un rango de regresin en Y requiere que una lnea recta encaje lo mejor
posible en el juego de datos disponibles tal que la suma de los cuadrados de las
desviaciones verticales de los puntos a la lnea sea minima.

El mtodo de los mnimos cuadrados para la estimacin del parmetro (anlisis de
la regresin) se discuti en el captulo Fundamento Estadstico, donde se deriv
las siguiente las ecuaciones para el rango de regresin en Y (RRY):
(7)
y:
(8)

En nuestro caso, las ecuaciones para el y
i
y x
i
son:

y:


y el F(T
i
) se estima de los rangos medios. Una vez que se obtienen y , luego
puede obtenerse fcilmente y de las ecuaciones (5) y (6).

Para la exponencial de un parmetro, las ecuaciones (7) y (8) se convierten en:


El Coeficiente de correlacin

El estimador de es el coeficiente de correlacin de la muestra, dado por:
(9)

La Distribucin exponencial: Ejemplo 2

La confiabilidad de catorce unidades fue probada y se obtuvieron los siguientes
datos de prueba de vida (Tabla 5.1):




Tabla 5.1 - Datos de Prueba de Vida. Ejemplo 1

ndice de
los datos
Tiempo para
la falla
1 5
2 10
3 15
4 20
5 25
6 30
7 35
8 40
9 50
10 60
11 70
12 80
13 90
14 100

Asumiendo que los datos siguen la distribucin exponencial de dos parmetros,
estime los parmetros y determine el coeficiente de correlacin , usando el rango
de regresin en Y.

Solucin a la Distribucin Exponencial: Ejemplo 2

Construya la tabla 5.2, como se muestra.

Tabla 5.2 - Anlisis de los Mnimos cuadrados



Los valores del rango medio (F(T
i
)) puede encontrarse en las tablas de rangos o
pueden estimarse usando la referencia estadstica rpida en Weibull++.

Dado los valores en la tabla 5.2, calcule y usando las ecuaciones (7) y (8):

o:

y:

o:


Por consiguiente, de la ecuacin (6 ):

y de la ecuacin (5 ):

o:

Entonces:


El coeficiente de correlacin puede estimarse utilizando la ecuacin (9):


Este ejemplo puede repetirse usando Weibull++, escogiendo la exponencial de dos
parmetros y el rango de regresin en Y (RRY), como se muestra en la figura.

Vea la figura, los parmetros estimados y el coeficiente de correlacin
encontrados usando Weibull++ (Nota: Observe que el usuario debe cancelar la
seleccin Reinicializar si Loc. Param >T1 en la opcin Exp RR en la pgina de
Clculos del setup del Usuario para reproducir estos resultados.)





El trazado de probabilidad simplemente puede obtenerse pulsando el botn el
icono de trazado.





5.4.3 Uso del rango de regresin en X para calcular los parmetros de la
distribucin Exponencial

De la misma manera que para el rango de regresin en Y, realizar un rango de
regresin en X requiere que una lnea recta encaje en un juego de datos tal que la
suma de los cuadrados de las desviaciones horizontales de los puntos a la lnea sea
minima.

De nuevo la primera tarea es transformar la funcin cdf exponencial, ecuacin (2),
a una forma lineal. Este paso es exactamente igual que en el anlisis de la
regresin en Y, y aplicar de nuevo las ecuaciones (3), (4), (5), y (6) en este caso.
La desviacin al anlisis anterior empieza en los mnimos cuadrados que encajarn
en este paso, ya que ahora tratamos a x como la variable dependiente y a y como la
variable independiente. La mejor lnea recta para los datos, para la regresin en X
(vea el captulo 1), es la lnea recta:
(10)
Las ecuaciones correspondientes para y b es:
(11)
y:
(12)
donde:

y:


Los valores de F(T
i
) se estiman del rango medio. Una vez que se obtienen y b,
resuelva la ecuacin (10) para el valor desconocido de y, que corresponde a:


Resolviendo para los parmetros de las ecuaciones (5) y (6) obtenemos:
(13)
y:
(14)

Para el caso de la exponencial de un parmetro, las ecuaciones (11) y (12) son:


El coeficiente de correlacin se evala con la ecuacin (9 ).

Distribucin exponencial: Ejemplo 3

Usando los datos del ejemplo 2 y asumiendo una distribucin exponencial de dos
parmetros, estime los parmetros y determine la estimacin del coeficiente de
correlacin, usando el rango de regresin en X.

Solucin del ejemplo 3

La tabla 5.2 construida en el ejemplo 2 tambin se aplica a este ejemplo. Usando
los valores de esa tabla, obtenemos:

o:

y:

o:


Por consiguiente, de la ecuacin (14):

y de la ecuacin (13):


El coeficiente de correlacin se encuentra utilizando la ecuacin (9 ):


Note que la ecuacin para la regresin en Y no necesariamente es igual que para la
regresin en X. La nica vez que los dos mtodos de regresin dan resultados
idnticos es cuando los datos quedan perfectamente en una lnea. Si ste fuera el
caso, el coeficiente de correlacin sera -1. El valor negativo del coeficiente de
correlacin es debido al hecho que la pendiente del grafico de probabilidad
exponencial es negativa.

Este ejemplo se puede resolver utilizando Weibull++, seleccionando una
exponencial de dos parmetros y el mtodo del rango de regresin en X (RRX)
para el anlisis, como se muestra abajo.

Usando Weibull++ se encontraron los parmetros estimados y el coeficiente de
correlacin:





El grfico de probabilidad puede obtenerse simplemente pulsando el icono de
grfico.





5.4.4 Uso de la estimacin de probabilidad mxima para calcular los parmetros
de la distribucin Exponencial

Como se mencion en el captulo 1, la estimacin de la probabilidad mxima
trabaja desarrollando una funcin de probabilidad basada en los datos disponibles
y encontrando los valores del parmetro estimado que maximiza la funcin de
probabilidad. Esto puede lograrse usando los mtodos iterativos para determinar
los valores estimados del parmetro que maximizan la funcin de probabilidad.
Esto puede ser bastante difcil y consume bastante tiempo, particularmente al
tratar con la distribucin de tres parmetros. Otro mtodo para encontrar la
estimacin del parmetro involucra obtener la derivada parcial de la ecuacin de
probabilidad con respecto a los parmetros, haciendo las ecuaciones resultantes
iguales a cero, y resolviendo para determinar los valores estimados del parmetro
simultneamente. Las funciones de probabilidad log y las derivadas parciales
asociadas para determinan la probabilidad mxima estimada para la distribucin
exponencial se cubre en el Apndice C.

Distribucin exponencial: Ejemplo 4

Usando los datos de Ejemplo 2 y asumiendo la distribucin exponencial de dos
parmetros, estime los parmetros usando el mtodo MLE.

Solucin ejemplo 4

En este ejemplo tenemos slo datos completos. La derivada parcial de la funcin
de probabilidad log, esta dada por:


Pueden encontrarse descripciones completas de las derivadas parciales en el
Apndice C. Recordar que cundo se usa el mtodo MLE para la distribucin
exponencial, el valor de es igual al primer tiempo de falla. La primera falla
ocurri a las 5 horas, as = 5 horas. Sustituyendo los valores por el T y
obtenemos:

o:


Usando Weibull++:


El grfico de probabilidad es:




5.5 Limites de confianza para la Distribucin Exponencial

En esta seccin, presentamos los mtodos usados en la aplicacin para estimar los
diferentes tipos de lmites de confianza para datos distribuidos exponencialmente.
Las derivaciones completas fueron presentadas en detalle (para una funcin
general) en el captulo de Lmites de Confianza.

En este momento debemos sealar que esos lmites de confianza se ha derivado
exactamente para la distribucin exponencial, y existe una forma cerrada,
utilizando la distribucin
2
. Esto se describe en detalle en Kececioglu [20], y se
cubre en la seccin diseo de la prueba en el captulo de Anlisis de Confiabilidad
Adicional. Para la mayora de anlisis de datos exponenciales, Weibull++ usar
los lmites de confianza aproximados, proporcionados por la informacin de la
matriz de Fisher o de la tasa de probabilidad con el propsito de ser consecuente
con todas las otras distribuciones disponibles en la aplicacin. Los lmites de
confianza
2
para la distribucin exponencial se discute en ms detalle en el
captulo Anlisis Datos de Eventos Recurrentes.

Matriz de Fisher para los lmites de confianza de la Distribucin Exponencial

Matriz de Fisher para los lmites de confianza de los Parmetros

Para la tasa de fallas , los lmites superior (
U
) y baja (
L
) se estiman por [30]:
(15)
(16)

dnde K est definido por:
(17)

Si es el nivel de confianza, entonces para los lmites bilaterales, y = 1
- para los lmites unilaterales.

La varianza de , Var (), se estima de la matriz de Fisher, como sigue:
(18)

Dnde es la funcin de log-probabilidad de la distribucin exponencial, descrita
en el apndice C.

Note que no existe una solucin verdadera de MLE para el caso la distribucin
exponencial de dos parmetros. La matemtica bsica se estropea cuando se
intenta resolver las ecuaciones simultneas de las derivadas parciales para los
parmetros y , producindose condiciones poco realistas. La manera de
resolver este rompecabezas involucra establecer = T
1
, o el primer tiempo para la
falla, y calculando de la manera usual para esta metodologa. Weibull++ trata
como una constante cundo calcula los lmites, es decir Var () = 0. (Para ms
informacin ver Apndice C).

Matriz de Fisher para los lmites de confianza de la Confiabilidad

La Confiabilidad de la distribucin exponencial de dos parmetros es:
(19)

Los lmites de confianza correspondientes se estiman de:
(20)
(21)

Estas ecuaciones son ciertas para la distribucin exponencial de un parmetro, con
= 0.

Matriz Fisher para los lmites de confianza en el Tiempo

Los lmites alrededor de tiempo para un percentil exponencial dado, o valor de
fiabilidad, se estima resolviendo la ecuacin de fiabilidad primero con respecto a
tiempo, o la vida fiable:
(22)
Los lmites de confianza correspondientes se estiman de:
(23)
(24)

Las mismas ecuaciones se aplican para la exponencial de un parmetro con = 0.

5.3.1 Lmites de Confianza para la tasa de probabilidad para la Distribucin
Exponencial

Lmites de Confianza para la tasa de probabilidad en los Parmetros

Para las distribuciones de un parmetro como la exponencial, los lmites de
confianza de la probabilidad son calculados encontrando los valores para que
satisface:
(25)

Esta ecuacin puede volverse a escribir como:
(26)

Para datos completos, la funcin de probabilidad para la distribucin exponencial
esta dada por:
(27)

Donde los valores de x
i
representan los datos de tiempo para la falla originales.
(Nota: observe que los procedimientos mostrados aqu slo son para datos
completos. Para datos con suspensiones o intervalos, uno necesita extender la
funcin de probabilidad para incluir estos otros tipos de datos. Vea el captulo 2
para ms informacin). Para un valor dado de , pueden encontrarse valores para
qu representa los valores mximos y mnimos que satisfacen la ecuacin
(16 ). stos representan los lmites de confianza para los parmetros a un nivel
de confianza , dnde = para lmites bilaterales y = 2 - 1 para limites
unilaterales.

Distribucin exponencial: Ejemplo 5

Se realiza una prueba de confiabilidad a cinco unidades que experimentan fallas a
20, 40, 60, 100, y 150 horas. Asumiendo una distribucin exponencial, el
parmetro estimado por MLE se calcula haciendo = 0.013514. Calcule los
lmites de confianza bilaterales al 85% de estos parmetros usando el mtodo de la
tasa de probabilidad.

Solucin de la Distribucin Exponencial: Ejemplo 5

El primer paso es calcular la funcin de probabilidad para la estimacin del
parmetro:
(28)

donde x
i
son los datos de tiempo para la falla originales. Podemos reducir ahora la
ecuacin (16) a la forma:


Ya que el nivel de confianza especificado es 85%, podemos calcular el valor
estadstico de la chi-cuadrada Ahora podemos sustituir esta
informacin en la ecuacin:


Queda ahora encontrar los valores de qu satisface esta ecuacin. Ya que hay
slo un parmetro, hay slo dos valores de que satisfacen la ecuacin. (Nota:
Esto es por qu no puede generar una lnea de contorno para las distribuciones
exponenciales en Weibull++, ya que slo hay una variable, por lo que no puede
generarse ms de una lnea bidimensional). Estos valores representan los lmites
de confianza bilaterales de = 85% del parmetro estimado . Para nuestro
problema, los lmites de confianza son:


5.5.2 Lmites de confianza para la tasa de probabilidad en el tiempo y la
Confiabilidad

Para calcular los lmites para un tiempo estimado para una confiabilidad dada, o
una estimacin de confiabilidad para un tiempo dado, la funcin de probabilidad
necesita ser reescrita en trminos de un parmetro y del tiempo/Confiabilidad,
para que puedan observarse los valores mximos y mnimos del tiempo cuando el
parmetro es variable. Esto puede lograrse sustituyendo la forma de la ecuacin de
confiabilidad exponencial en la funcin de probabilidad. La ecuacin de
confiabilidad exponencial puede escribirse como:


Esto puede reestructurarse a la forma:


Esta ecuacin puede sustituirse ahora en la ecuacin (27) para producir una
ecuacin de probabilidad en trminos de t y R:
(29)

El parmetro desconocido t/R depende del tipo de lmites a determinar. Si se
est intentando determinar los lmites en el tiempo para una confiabilidad dada,
entonces R es una constante conocida y t es el parmetro desconocido.
Recprocamente, si se est intentando determinar los lmites en la confiabilidad
para un tiempo dado, entonces t es una constante conocida y R es el parmetro
desconocido. De cualquier modo, la ecuacin (29) puede usarse para resolver la
ecuacin (16) para los valores de inters.

Distribucin exponencial: Ejemplo 6

Para los datos dados en el ejemplo 5, determine los lmites de confianza bilaterales
al 85% para la estimacin del tiempo dada una confiabilidad de 90%. El ML
estimado durante el tiempo a R(t) = 90% es = 7.797.

Solucin para la Distribucin Exponencial: Ejemplo 6

En este ejemplo, estamos intentando determinar los lmites de confianza al 85% en
el tiempo estimado de 7.797. Esto se cumple sustituyendo R = 0.90 y = 0.85 en
la ecuacin (29). Queda ahora encontrar los valores de t que satisfacen esta
ecuacin. Hay slo un parmetro, por lo que hay slo dos valores de t que
satisfacen la ecuacin. Estos valores representan los lmites de confianza del
tiempo estimado t, a = 85%. Para este problema, los lmites de confianza son:


Distribucin exponencial: Ejemplo 7

Para los datos dados en el ejemplo 5, determine los lmites de confianza bilaterales
al 85% para la confiabilidad, estimada para t = 50. Los ML estimados durante el
tiempo t = 50 es = 50.881%.
Solucin de la Distribucin Exponencial: Ejemplo 7

En este ejemplo, estamos intentando determinar los lmites de confianza
bilaterales al 85% a una confiabilidad estimada de 50.881%. Esto se cumple
sustituyendo t = 50 y = 0.85 en la ecuacin (29). Ahora queda encontrar los
valores de R que satisfacen esta ecuacin. Ya que hay slo un parmetro, slo dos
valores de t satisfacen la ecuacin. Estos valores representan = 85%, los lmites
de confianza bilateral de la confiabilidad estimada para este problema, los
lmites de confianza son:


5.5.3 Lmites de confianza Bayesiano para la Distribucin Exponencial

Lmites de confianza Bayesiano en los Parmetros

Del captulo de Lmites de Confianza, sabemos que la siguiente distribucin de
puede escribirse como:


dnde, es el valor anterior no informado de .

Con la distribucin anterior, f (|Datos) puede volverse a escribir como:
(30)

El lmite superior unilateral de es:


El lmite inferior unilateral de es:


El lmite bilateral de es:




5.5.4 Lmites de confianza Bayesiano en el Tiempo (Tipo 1)

La ecuacin de la vida confiable es:


Para el lmite superior unilateral en el tiempo tenemos:
(31)

La ecuacin (21) puede volverse a escribir en trminos de como:


De la ecuacin (30), tenemos:
(32)

La ecuacin (32) se resuelve con T
U
. El mismo mtodo se aplica para los lmites
en el tiempo unilateral y bilateral.

Lmites de confianza Bayesiano sobre la confiabilidad (Tipo 2)

El lmite superior unilateral sobre la confiabilidad esta dado por:
(33)

La ecuacin (33) puede volverse a escribir en trminos de como:

De la ecuacin (30), tenemos:
(34)

La ecuacin (34) se resuelve con R
U
. Puede usarse el mismo mtodo para calcular
los lmites unilateral y bilateral sobre la confiabilidad.

4.6 Ejemplos Generales que utilizan la Distribucin Exponencial

Distribucin exponencial: Ejemplo 8

Se prob la confiabilidad de veinte unidades con lo siguiente resultados:

Nmero de unidades
en el Grupo
Tiempo para
la Falla
7 100
5 200
3 300
2 400
1 500
2 600


1. Asumiendo una distribucin exponencial de dos parmetros, estime
analticamente los parmetros usando el mtodo MLE.
2. Repita la parte 1 usando Weibull++ (ingrese los datos como datos agrupados
par duplicar los resultados 1).
3. Trace la probabilidad exponencial vs el tiempo para la falla usando Weibull++.
(Nota: Note que estar trazando los resultados MLE en el grafico usando la
metodologa del rango. Esta metodologa del rango asume que 7 fallas
ocurrieron a las 100 horas, 12 a las 200, etc.)
4. Trace R(t) vs el tiempo usando Weibull++.
5. Trace la pdf usando Weibull++.
6. Trace la tasa de fallas vs el tiempo usando Weibull++.
7. Estime los parmetros analticamente usando el mtodo RRY (usando el rango
agrupados).

Solucin de la Distribucin Exponencial: Ejemplo 8

1. Para la distribucin exponencial de dos parmetros y para = 100 horas
(primera falla), la derivada parcial de la funcin log-probabilidad, , es:


2. Se muestran los datos ingresados a Weibull++ junto con los resultados.


3. La grafica de la probabilidad exponencial se muestra a continuacin.


4. Se muestra luego los grficos especiales en el men desplegable le permite
seleccionar los tipos de la grficos diferentes,.

Confiabilidad seleccionada vs. Tiempo.

5. El grfico de la pdf exponencial se muestra luego.


6. El grfico de la tasa de fallas exponencial se muestra luego.

Note que, como se describi al principio del captulo, la tasa de fallas para la
distribucin exponencial es constante. Tambin note que el grfico de la tasa
de fallas no existe durante tiempos antes del parmetro de ubicacin, , a 100
horas.


7. En el caso de datos agrupados, uno debe ser cauto al estimar los parmetros
que usan el mtodo de rango de regresin. Eso es porque los valores del rango
medio son determinados a partir del nmero total de fallas observadas en el
tiempo T
i
dnde i indica el nmero de grupo. En este ejemplo el nmero total
de grupos es N = 6 y el nmero total de unidades es NT = 20. As, los valores
del rango medio se estimarn para veinte unidades y para el total de unidades
falladas (NF
i
) hasta el grupo i
th
, para el i
th
valor del rango. Los valores del
rango medio pueden encontrarse de las tablas de rangos o pueden estimarse
usando la Referencia Estadstica Rpida de ReliaSoft. Por ejemplo, el valor
del rango medio del cuarto grupo ser la lnea 17
th
para el tamao de la
muestra de veinte unidades (o 81.945%). (Nota: Note que todos los datos
pueden tratarse como valores individuales en Weibull ++, seleccionando la
opcin Use todos los datos si estn agrupados en la pgina Fijar Anlisis
de la hoja Panel de control).

La siguiente tabla se construye entonces (como en el Ejemplo 2).

Con los valores dados en la tabla anterior, calcule y usando las ecuaciones (7) y
(8):

o:

y:

o:

Por consiguiente, de la ecuacin (6 ):

y de la ecuacin (5 ):

o:

Entonces:

Usando Weibull++, los parmetros estimados son:

La pequea diferencia en los valores de Weibull++ es debida al redondeo. En
Weibull++ los clculos y los valores del rango considerar hasta el 15vo decimal.


Distribucin exponencial: Ejemplo 9

Varios pacientes de leucemia fueron tratados con el narctico 6 MP u otro un
medicamento, y las veces en semanas hasta que retornan los sntomas de cncer
son registrados. Analice cada tratamiento separadamente. [21, p.175].





Tabla 5.3 - Resultados del Tratamiento de Leucemia

Tiempo
(semanas)
Nmero de
Pacientes
Tratamiento Comentarios
1 2 Alternativo
2 2 Alternativo
3 1 Alternativo
4 2 Alternativo
5 2 Alternativo
6 4 6MP 3 pacientes completos
7 1 6MP
8 4 Alternativo
9 1 6MP No completado
10 2 6MP 1 paciente complet
11 2 Alternativo
11 1 6MP No completado
12 2 Alternativo
13 1 6MP
15 1 Alternativo
16 1 6MP
17 1 Alternativo
17 1 6MP No completado
19 1 6MP No completado
20 1 6MP No completado
22 1 Alternativo
22 1 6MP
23 1 Alternativo
23 1 6MP
25 1 6MP No completado
32 2 6MP No completado
34 1 6MP No completado
35 1 6MP No completado

Solucin a la Distribucin Exponencia:l Ejemplo 9

Ingrese los datos en Weibull++, seleccionando Tiempo para la Falla, con Datos
Censurados a la derecha (Suspensiones) y con Observaciones Agrupadas. En la
primera columna ingrese el nmero de pacientes. Siempre que haya un dato con
prueba incompleta, ingrese el nmero de pacientes que completaron la prueba
separadamente del nmero de pacientes que no lo hicieron. En la segunda columna
ingrese F para las pruebas completadas y S para las pruebas incompletas. En la
tercera columna ingrese el tiempo. En la cuarta columna (ID del Subconjunto)
ingrese el nombre del tratamiento. El ttulo de cada columna puede cambiarse
haciendo doble-click con el botn y tecleando el nombre deseado.

Ahora pulse el botn Lote Auto Run,

y haga clic en Seleccione Todo Disponible> > para separar el narctico 6 MP del
alternativo como se muestra a continuacin.

Pulse el botn OK y conseguir una nueva hoja de Datos para cada tratamiento
con los resultados correspondientes, como se muestra luego.


En el men Proyecto, haga clic en Agregue un grfico Adicional, luego
escoja Agregar Multiploteo. Haga clic en el botn Seleccione hoja de
Datos

y seleccione hoja de dos datos bajo el proyecto Folio 1.

El grfico se muestra luego.