Weibull, Gumbel, Pareto, Lognormal.

Expectativas parciales

Distribucin de Weibull
Antecedentes histricos: Frchet (1927) Sur la loi de probabilit de l'cart maximum, Rosin, P.; Rammler, E. (1933) en The Laws Governing the Fineness of Powdered Coal, Waloddi Weibull la describi detalladamente en A statistical distribution function of wide applicability La funcin de distribucin es:

Grfica de la funcin de distribucin La funcin de densidad de una variable aleatoria con la distribucin Weibull x, tal que F'(x)=f(x) es:

donde k > 0 es el parmetro de forma y > 0 es el parmetro de escala de la distribucin.

Grfica de la funcin de Densidad La distribucin modela la distribucin de fallos (en sistemas) cuando la tasa de fallos es proporcional a una potencia del tiempo: Un valor k<1 indica que la tasa de fallos decrece con el tiempo. Cuando k=1, la tasa de fallos es constante en el tiempo. Un valor k>1 indica que la tasa de fallos crece con el tiempo. La variable x puede representar la vida de una pieza o de un ser viviente que falla por distintas causas, entre las que puede haber desgaste, fatiga y causas aleatorias. Para k=1, tenemos la distribucin Exponencial en donde las causas son solamente aleatorias. Por lo tanto, el modelo de Weibull es una generalizacin del Exponencial para contemplar causas ms variadas de fallas o muerte. Cuanto mayor es el parmetro K, ms importancia tiene el desgaste. Para k<3,6 la distribucin tiene asimetra positiva, en tanto que para k>3,6 Media

Mediana

Varianza

Aplicaciones

Anlisis de Supervivencia Anlisis de Fallos Ingeniera industrial para representar tiempos de fabricacin y entrega Pronstico del tiempo (velocidad del viento) Para modelar prdidas en Cas de Seguros Hidrologa, para modelar precipitaciones mximas y crecidas de ros

La distribucin de Weibull complementa a la distribucin exponencial y a la normal, que son casos particulares de aquella . A causa de su mayor complejidad slo se usa cuando se sabe de antemano que una de ellas es la que mejor describe la distribucin de fallos o cuando se han producido muchos fallos (al menos 10) y los tiempos correspondientes no se ajustan a una distribucin ms simple. En general es de gran aplicacin en el campo de la mecnica. La distribucin de Weibull nos permite estudiar cul es la distribucin de fallos de un componente clave de seguridad que pretendemos controlar y que a travs de nuestro registro de fallos observamos que stos varan a lo largo del tiempo y dentro de lo que se considera tiempo normal de uso. El mtodo no determina cules son las variables que influyen en la tasa de fallos, tarea que quedar en manos del analista, pero al menos la distribucin de Weibull facilitar la identificacin de aquellos y su consideracin, aparte de disponer de una herramienta de prediccin de comportamientos. Esta metodologa es til para aquellas empresas que desarrollan programas de mantenimiento preventivo de sus instalaciones. Anlisis de Weibull Uno de los problemas fundamentales de la distribucin de Weibull es la evaluacin de los parmetros ( t0, h, ) de esta distribucin. Para ello se dispone de dos mtodos: a travs nicamente del clculo mediante el mtodo de los momentos o el de mxima verosimilitud, en el que intervienen ecuaciones diferenciales difciles de resolver, por lo que se utilizan poco, y mediante la resolucin grfica, que utiliza un papel a escala funcional llamado papel de Weibull o grfico de Allen Plait.

Distribucin de Gumbel
Antecedentes: Es utilizada para modelar la distribucin del mximo (o el mnimo), por lo que se usa para calcular valores extremos. Por ejemplo podramos utilizarla para representar la distribucin de la altura mxima de un ro para un ao en

particular si tenemos las observaciones de los valores mximos en los 10 aos pasados. Tambin es til para predecir la probabilidad de que un evento extremo (inundacin, terremoto) ocurra. Si se tienen N muestras, cada una de las cuales contienen n eventos y si se selecciona el mximo de x de los n eventos de cada muestra, es posible demostrar que, a medida que n aumenta, la funcin de distribucin de probabilidad de x tiende a la funcin de distribucin acumulada de Gumbel (Gumbel del mximo, observar el signo negativo de (x-)) que resulta ser:

La funcin de densidad Gumbel del mximo

donde

y presenta una apariencia siguiente

Para la que es el valor mximo Media

+ donde es la Constante de Euler

=0,5772156649 Mediana

Desvo Estndar

Aplicaciones La distribucin de Gumbel ha sido utilizada con buenos resultados para valores extremos independientes de variables meteorolgicas y parece ajustarse bastante bien a los valores mximos de la precipitacin en diferentes intervalos de tiempo y despus de muchos aos de uso parece tambin confirmarse su

utilidad en los problemas prcticos de ingeniera de dimensionamiento de redes de drenaje y diversas obras hidrulicas. Cuando la variable aleatoria considerada es una magnitud relacionada con algn fenmeno natural (caudales, velocidades de viento), es conveniente referirse a perodos de retorno en lugar de probabilidades de ocurrencia. Si p es la probabilidad de que una variable x supere un valor dado X en un cierto lapso, el perodo de retorno T representa el nmero de unidades de tiempo que transcurrirn en promedio entre dos oportunidades en que la variable supere dicho valor, es decir:

p=P(xX)=1/T

Distribucin Log Normal

Si una variable aleatoria, representada como X, tiene una distribucin lognormal, entonces una nueva variable aleatoria, representada como Y, de tal manera que Y est formada tomando el logaritmo natural de X, tiene una distribucin normal. La distribucin log-normal tiende a la funcin densidad de probabilidad

La funcin de distribucin acumulada

para x > 0, donde y son la media y la desviacin estndar del logaritmo de variable. El valor esperado es

y la varianza es

Aplicaciones Geologa y minera: en la corteza terrestre la concentracin de los elementos y su radioactividad siguen una distribucin normal. Medicina: perodos de latencia en infecciones tambin siguen una distribucin log normal. Adems en economa es un tipo de distribucin estadstica asimtrica que supuestamente describe, aproximadamente al menos, los valores futuros de muchas variables financieras, tales como precios de activos.

Distribucin de Pareto

La distribucin de Pareto fue formulada por el socilogo Vilfredo Pareto. Consiste de dos parmetros. Si X pertenece al dominio de la variable de la distribucin de Pareto, entonces la probabilidad de que X sea mayor que un nmero x viene dada por:

donde xm es el valor mnimo posible (positivo) de X, y es un parmetro. La familia de las distribuciones de Pareto se parametrizan por dos cantidades, xm y . Cuando esta distribucin es usada en un modelo sobre la distribucin de riqueza, el parmetro es conocido como ndice de Pareto.

Funcin de densidad

Funciones de densidad de probabilidad para diferentes con xm = 1. El eje horizontal es el parmetro x&nbsp. Como la distribucin se aproxima (x xm) donde es la delta de Dirac.

La media o valor esperado de una variable aleatoria X, que sigue una distribucin de Pareto con parmetro > 1 es

Si 1, el valor esperado no existe Para valores grandes de ,, la media tiende a aproximarse a (por derecha), lo que confirma que la distribucin tiende a concentrarse cerca de para valores grandes de . La varianza es

(Si 2, la varianza no existe). Media

Mediana

Pareto utiliz originalmente esta distribucin para describir la distribucin de la riqueza entre individuos ya que pareca mostrar mejor la forma en que gran cantidad de los recursos quedan en poder de una minora. Es lo que se denomina, distribucin del ingreso. Esta idea es expresada como el principio de Pareto que establece que el 20% de la poblacin controla el 80% de la riqueza.

Bibliografa Franquet Bernis, J.M.:(2009) El caudal mnimo medioambiental del tramo inferior del ro Ebro, Edicin electrnica gratuita. Texto completo en www.eumed.net/libros/2009b/564/ Gut C, Limpert E, Hinterberger H.2000. A computer simulation on the web to visualize the genesis of normal and log-normal distributions G.E.Maggio, Anlisis Estadstico de Valores Extremos, http://www.noldor.com.ar/noldorweb/consultor/Variables_extremas.pdf