Professional Documents
Culture Documents
El uso de los momentos de una variable aleatoria para caracterizar a una distribución
de probabilidad es una tarea muy útil, esto es especialmente cierto en un medio en el
que es poco probable que el experimentador conozca la distribución de probabilidad.
Todas las posiciones con respecto a los momentos se encuentran sujetas a la
existencia de las sumas o integrales que las definan.
Sea X una variable aleatoria discreta. El r – esimo momento de X alrededor del cero se
define para una como:
Sea X una variable aleatoria continua. El r – esimo momento de X alrededor del cero se
define para una como:
∞
𝜇′𝑟 = 𝐸(𝑋 𝑟 ) = ∫ 𝑥 𝑟 𝑓(𝑥)𝑑𝑥
−∞
𝜇′1 = 𝜇 = 𝐸(𝑋)
La media de una variable aleatoria se considera como una cantidad numérica alrededor
de la cual los valores de la variable aleatoria tienden a agruparse. Por lo tanto, la media
es una medida de tendencia central.
∞
𝜇𝑟 = 𝐸(𝑋 − 𝜇) = ∫ (𝑥 − 𝜇)𝑟 𝑓(𝑥)𝑑𝑥
𝑟
−∞
De manera similar:
El primer momento central de cualquier variable aleatoria es cero, dado que:
𝝁𝟏 = 𝑬(𝑿 − 𝝁)𝟏 = 𝑬(𝑿) − 𝝁 = 𝟎
𝜇2 = 𝐸(𝑋 2 − 2𝑋𝜇 + 𝜇 2 )
𝜇2 = 𝐸(𝑋 2 ) − 2𝜇 2 + 𝜇 2
𝜇2 = 𝜇 ′ 2 − 𝜇 2 ,
La distribución de Weibull fue establecida por el físico suizo del mismo nombre, quien
demostró, con base en una evidencia empírica, que el esfuerzo al que se someten los
materiales puede modelarse de manera adecuada mediante el empleo de esta
distribución. En los últimos 25 años esa distribución se empleó como modelo para
situaciones del tiempo – falla y con el objetivo de lograr una amplia variedad de
componentes mecánicos y eléctricos.
Se dice que una variable aleatoria t (tiempo de falla), tiene una distribución de Weibull
si su función de densidad de probabilidad está dada por:
𝛽
𝛽 𝑡 − 𝛾 𝛽−1 −(𝑡−𝛾 )
𝑓(𝑡) = ( ) 𝑒
𝑡−𝛾 𝛽
−( )
𝐹(𝑡) = 1 − 𝑒
Que para nuestro caso representa la no confiabilidad, por lo tanto la confiabilidad viene
dada por:
𝑡−𝛾 𝛽
−( )
𝑅(𝑡) = 𝑒
∞
𝝁′𝟏 = 𝑬(𝒕) = ∫ 𝒕𝒇(𝒕)𝒅𝒕
−∞
𝟏
𝝁′𝟏 = 𝑬(𝒕) = 𝜸 + (𝟏 + )
𝜷
∞
𝝁𝟐 = 𝑽𝒂𝒓(𝒕) = 𝑬(𝒕 − 𝝁)𝟐 = ∫ (𝒕 − 𝝁)𝟐 𝒇(𝒕)𝒅𝒕
−∞
𝟐 𝟏
𝝁𝟐 = 𝑽𝒂𝒓(𝒕) = 𝟐 [ (𝟏 + ) − 𝟐 (𝟏 + )]
𝜷 𝜷
Donde la función:
∞
(𝒏) = ∫ 𝒖𝒏−𝟏 𝒆−𝒖 𝒅𝒖
𝟎
Función beta:
(𝜶) (𝜷)
𝑩 (𝜶, 𝜷) =
(𝜶 + 𝜷)
Desarrollo:
𝟏 𝟏 𝟏 (𝝁 − 𝜸)𝟐
𝜷𝑩 ( , )=
𝜷 𝜷 𝟐 (𝝈𝟐 + (𝝁 − 𝜸)𝟐 )
𝒏
𝟏
𝑴′𝒓 = ∑ 𝑿𝒓𝒊
𝒏
𝒊=𝟏
Y el primer momento muestral alrededor del cero o media está dado por:
𝒏
𝟏
𝑴′𝟏 = 𝝁 = ∑ 𝑿𝒊
𝒏
𝒊=𝟏
𝒏
𝟏
𝑴𝒓 = ̅ )𝒓
∑(𝑿𝒊 − 𝑿
𝒏−𝟏
𝒊=𝟏
𝒏
𝟏
𝑴𝟐 = 𝑽𝒂𝒓(𝑿) = ∑(𝑿𝒊 − 𝝁)𝟐
𝒏−𝟏
𝒊=𝟏
Los siguientes datos representan los tiempos de fallo para una faja transportadora
N° TBF
1 16.58
2 17.8
3 18
4 18.98
5 22.66
6 24.45
7 24.67
8 32.34
9 47.9
10 67.34
11 72
12 79.7
13 88.93
14 116.95
15 152.4
16 182.57
17 238.18
18 290.3
19 402.63
20 646.41
21 781.3
N° TBF
1 16.5800 20325.3902
2 17.8000 19979.0148
3 18.0000 19922.5159
4 18.9800 19646.8279
5 22.6600 18628.7402
6 24.4500 18143.3203
7 24.6700 18084.1020
8 32.3400 16080.0515
9 47.9000 12375.9268
10 67.3400 8428.5515
11 72.0000 7594.6245
12 79.7000 6311.8485
13 88.9300 4930.4472
14 116.9500 1780.5989
15 152.4000 45.5239
16 182.5700 548.6302
17 238.1800 6246.1925
18 290.3000 17201.0719
19 402.6300 59283.9017
20 646.4100 237425.0920
21 781.3000 387074.1777
SUM 3342.0900 900056.5500
𝑛
1 3342.09
𝟏° 𝑀′1 = 𝜇 = ∑ 𝑋𝑖 = = 159.1471
𝑛 21
𝑖=1
𝑛
2
1
𝟐° 𝑀2 = 𝑉𝑎𝑟(𝑋) = 𝜎 = ∑(𝑋𝑖 − 𝜇)2 = 45002.8275
𝑛−1
𝑖=1
𝟑° 𝛾 = 16.5 ℎ𝑟𝑠
1
𝟒° 𝜇 − 𝛾 = (1 + ) = 142.6471
𝛽
1
𝜇 − 𝛾 = (1 + ) 𝐼 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑎 𝑢𝑠𝑎𝑟
𝛽
2 1
𝜎 2 = 2 [ (1 + ) − 2 (1 + )] 𝐼𝐼 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑎 𝑢𝑠𝑎𝑟
𝛽 𝛽
5° =1.5568
β 1.5568
0.83 0.6725 1.2342
0.7 0.446 1.5695
0.71 0.4625 1.5351
0.701 0.4477 1.5658
0.7034 0.4516 1.5576
0.7035 0.4518 1.5571
0.7036 0.4519 1.5570
0.7037 0.4521 1.5565
0.70365 0.452 1.5567 Este valor es el más aprox. a 1.5568
𝜎2
𝜂 = = 116.6868
(𝜇 − 𝛾)(𝛽 + 2)
TABLA DE RESULTADOS
γ 16.5
β 0.70365
η 116.688
CONCLUSIONES