You are on page 1of 15

Tarea #1: Distribuciones de

probabilidad aplicadas al análisis de
confiabilidad y sobrevivencia.

Nombre: Alvaro Barriga Bascuñán
Rol USM: 201204253-4
Asignatura: MAT031 - Estadística
Profesor: Patricio Videla Jiménez
Ayudantes: Julio Carrasco – Catalina Hernández – Enzo Monsalve – Cristian Vilches
Paralelo: 1
Fecha: 09 de junio de 2017
Definición 1: Sea T una variable aleatoria continua con función de densidad fT, que
corresponde al tiempo de funcionamiento (o vida) de un ítem. La Función de
Confiabilidad se define como la probabilidad de que un ítem funcione adecuadamente
hasta un tiempo t, con t>0; esto es:
?(?) = ℙ[? > ?]

= ∫ ?? (?)??
?

= 1 − ?? (?)
Además:
lim ?(?) = 1
?→0

lim ?(?) = 0
?→∞

La variable aleatoria T está caracterizada por sus funciones de densidad fT, distribución
FT, y confiabilidad o sobrevivencia R(t).
1. La Función de Riesgo h(t), de fundamental importancia en el análisis de
confiabilidad y sobrevivencia, también es conocida por el nombre de tasa
de fallas, razón de riesgo, razón de falla, función de azar o fuerza de
mortalidad, entre otros. Investigue cómo se define esta función, ¿Qué
representa?

En análisis de sobrevivencia se denomina función de riesgo a una función que
mide la probabilidad de que a un individuo le ocurra cierto suceso a lo largo
del tiempo. En confiabilidad de sistemas, donde el tipo de sucesos suele ser el
fallo de un dispositivo, se suele denominar tasa de fallos. Si T es una variable
aleatoria que mide el tiempo de vida de un ítem(ya sea un individuo, un
dispositivo, etc), su función de riesgo se define por:

?? (?)
ℎ(?) =
?(?)

Donde fT es la función de densidad de probabilidad de la variable T, y R(t)
corresponde a su función de confiabilidad, definida por:


?(?) = ∫ ?? (?)??
?
2. Existen relaciones entre las funciones: FT, fT, R(t) y h(t). Por ejemplo:
?
?? (?) = ℙ[? ≤ ?] = ∫ ?? (?)?? = ? − ?(?)
?

Complete la siguiente tabla, donde se presentan las relaciones entre las
funciones FT, fT, R(t) y h(t).

- FT(t) fT(t) R(t) h(t)

FT(t) - ?
1 − ?(?) ?
1 − ? − ∫0 ℎ(?)??
∫ ?? (?)??
0
fT(t) ?? ′(?) - −?′(?) ?
ℎ(?)? − ∫0 ℎ(?)??

R(t) 1 − ?(?) ?
- ?
? − ∫0 ℎ(?)??
1 − ∫ ?? (?)??
0
h(t) ?? ′(?) ?? (?) −?′(?) -
?
1 − ?? (?) 1− ∫0 ?? (?)?? ?(?)

3. Escogiendo los parámetros distribucionales a su gusto, grafique las
funciones de densidad, confiabilidad y riesgo de las distribuciones:
Exponencial, Gamma, Weibull y Normal.

a. Distribución exponencial: Sea T una variable aleatoria que mide el tiempo
que transcurre hasta que ocurre algo, se dice que posee una distribución
exponencial con parámetro θ (tasa de ocurrencias en el tiempo) si posee la
siguiente función de densidad:

?? (?) = ?? −?? , ??? ? > 0
Y denotada por ?~???(θ)

Con esto, se obtiene su función de confiabilidad R(t) y su función de riesgo
h(t) como:

?(?) = ? −??
ℎ(?) = ?
Tomando como parámetro θ = 2, se genera la siguiente gráfica para fT, R y h:

Donde para este caso:
?? (?) = 2? −2?
?(?) = ? −2?
ℎ(?) = 2

b. Distribución Gamma: Sea T una variable aleatoria que mide el tiempo que
transcurre hasta la r-ésima ocurrencia, se dice que posee distribución
Gamma con parámetros θ (tasa de ocurrencias en el tiempo) y r (número de
ocurrencias) si posee la siguiente distribución de probabilidad:

? ? ?−1 −??
?? (?) = ? ? ??? ? > 0
Γ(?)
Donde Γ(r) es la función Gamma definida por:


Γ(?) = ∫ ? ?−1 ? −? ??
0
Y se denota por: ?~?????(?, ?)

Si r es un número natural, entonces se cumple Γ(r) = (r - 1)!
Con esto, se obtiene su función de confiabilidad R(t) y su función de riesgo
h(t) como:

? ? ∞ ?−1 −??
?(?) = ℙ[? > ?] = ∫ ? ? ??
Γ(?) ?

? ?−1 ? −??
ℎ(?) = ∞
∫? ? ?−1 ? −?? ??

Tomando los parámetros r = 2 y θ = 2 se obtienen las siguientes expresiones para
la densidad, confiabilidad y función de riesgo:

22 2−1 −2?
?? (?) = ? ? = 4?? −2? , (Γ(2) = (2 − 1)! = 1)
Γ(2)

?(?) = ℙ[? > ?] = 4 ∫ ?? −?? ?? = ? −2? (2? + 1)
?
4?
ℎ(?) =
2? + 1

Y sus respectivas gráficas se muestran a continuación:
c. Distribución Weibull: Sea T una variable aleatoria que, al igual que la
distribución exponencial, mide el tiempo que transcurre hasta la ocurrencia
de un suceso, pero con la diferencia de que se entrega un parámetro de forma
α que solo influye en modificar la forma de la gráfica de la distribución y un
parámetro de escala λ que mide que tan dispersa se encuentra la
distribución. Su función de densidad viene dada por:

?
?? (?) = ??? ? ?−1 ? −(??) , ??? ? > 0

y se denota por: ?~???????(?, ?)
Nótese que si se toma ? = 1, la distribución se transforma en una
distribución exponencial, y λ pasa a ser el parámetro de tasa de ocurrencias
en el tiempo.

Con esto, se obtiene su función de confiabilidad R(t) y su función de riesgo
h(t) como:

?
?(?) = ? −(??)

ℎ(?) = ??? ? ?−1

Tomando los parámetros α = 1/2 y λ = 2 se obtienen las siguientes
expresiones para la densidad, confiabilidad y función de riesgo:

1
22 −(1) −(2?)12 1 2 −√2?
?? (?) = ? 2? = √ ?
2 2 ?

?(?) = ? −√2?

1 2
ℎ(?) = √
2 ?
Y sus respectivas gráficas se muestran a continuación:

d. Distribución normal: Sea X una variable aleatoria que representa la
distribución de probabilidad de alguna entidad (ya sea estatura, peso,
magnitud física, porcentajes de aprobación de alguna evaluación, etc.) con
media µ y varianza σ2, se dice que tiene distribución normal con parámetros
µ y σ2 si posee la siguiente función de densidad:

1 1 ?−? 2
? 2 ? )
− (
?? (?) = , ????? ? ∈ ℝ
√2??

y se denota por ?~?(?, ? 2 )

Con esto se obtienen sus funciones de confiabilidad y riesgo, dadas por:

∞ 1 ?−? 2
1 1 ?−?
? 2 ? ) ??
− (
?(?) = ℙ[? > ?] = ∫ = (1 − erf ( ))
? √2?? 2 √2?

1 ?−? 2
1
? −2( ? ) 1 ?−? 2
− ( )
2 ? 2 ?
ℎ(?) = √2?? = ( )
1 ?−? √2?? ?−?
2 (1 − erf ( √2? )) 1 − erf ( )
√2?
Donde erf(x) corresponde a la función error dada por:

?
2 2
erf(?) = ∫ ? −? ??
√? 0

Una distribución normal es aquella en la que la media es igual a 0 y su
varianza igual a 1, dicha distribución recibe el nombre de distribución
normal estandarizada, y se denota por ?~?(0,1). Cualquier distribución
normal se puede transformar en una distribución normal estándar, tomando
?−?
el cambio de variable ? = ? . En este caso, si se define ? ~?(0,1) sus
funciones de densidad, confiabilidad y riesgo estarán dadas por:

1 ?2
?? (?) = ?− 2
√2?

1 ?
?(?) = (1 − erf ( ))
2 √2

?2
2 ?− 2
ℎ(?) = ( )
√2? 1 − erf ( ? )
√2

Y sus gráficas se muestran a continuación:
4. En un problema de confiabilidad se cuenta con el siguiente esquema de
configuración para un circuito eléctrico:

donde Rj(t) denota la confiabilidad del j-ésimo componente (j = 1,2, …,9) y
Ci corresponde a la distribución de probabilidad asociada a cada
componente. O sea, los componentes 1, 2, 3 siguen la distribución de
probabilidad C3, los componentes 4, 5 y 6 siguen la distribución de
probabilidad C8 y los componentes 7, 8 y 9 siguen la distribución de
probabilidad C10.

a. Exprese la confiabilidad del sistema RS(t) en términos de las
confiabilidades Rj(t), j = 1, …,9 de cada componente.

 Nótese que las componentes modeladas por R7, R8 y R9 se encuentran
dispuestas en paralelo, en ese caso la confiabilidad equivalente de dicho
subsistema R7-8-9 estará dada por:

9

?7−8−9 = 1 − ∏(1 − ?? (?)) = 1 − (1 − ?7 (?))(1 − ?8 (?))(1 − ?9 (?))
?=7
 La componente modelada por R5 y el subsistema modelado por R7, R8 y R9
se encuentran dispuestos en serie, por lo que la confiabilidad de este
nuevo subsistema estará dada por:
?5−7−8−9 = ∏ ?? (?) = ?5 (?) (1 − (1 − ?7 (?))(1 − ?8 (?))(1 − ?9 (?)))

 La componente modelada por R6 y el subsistema modelado por R5-7-8-9
están dispuestos en paralelo, por lo que la confiabilidad de este nuevo
subsistema estará dada por:

?5−6−7−8−9 = 1 − (1 − ?6 (?)) (1 − ?5 (?) (1 − (1 − ?7 (?))(1 − ?8 (?))(1 − ?9 (?))))

 La componente modelada por R4 y el subsistema modelado por R5-6-7-8-9
están dispuestos en serie, por lo que la confiabilidad de este nuevo
subsistema será:

?4−5−6−7−8−9 = ?4 (?) (1 − (1 − ?6 (?)) (1 − ?5 (?) (1 − (1 − ?7 (?))(1 − ?8 (?))(1 − ?9 (?)))))

 Las componentes modeladas por R1, R2 y R3 están dispuestas en serie,
por lo tanto, la confiabilidad de este subsistema está dada por:

3

?1−2−3 = ∏ ?? (?) = ?1 (?)?2 (?)?3 (?)
?=1
 Finalmente, se puede observar que los subsistemas modelados por R1-2-3
y R4-5-6-7-8-9 están dispuestos en paralelo, por lo que la confiabilidad del
sistema RS(t) se puede expresar como:

?? (?) = ?1−2−3−4−5−6−7−8−9

→ ?? (?) = 1 − (1 − ?1−2−3 )(1 − ?4−5−6−7−8−9 )

→ ?? (?) = 1 − (1 − ?1 ?2 ?3 ) (1 − ?4 (1 − (1 − ?6 ) (1 − ?5 (1 − (1 − ?7 )(1 − ?8 )(1 − ?9 )))))

b. Calcule la confiabilidad del sistema RS(t), y evalúela a los 6 meses y a 1
año si:
i. El i-ésimo componente tiene un tiempo de vida (en Miles de
horas) modelado por una distribución exponencial de
?
parámetro ?? = ?? , i = 3, 8, 10; es decir, ?? ~???(?? ). Interprete.

Las respectivas funciones de confiabilidad para cada uno de los
componentes serán:
3? ?
 Para C3: ?(?) = ?1 = ?2 = ?3 = ? −84 = ? −28
8? 2?
 Para C8: ?(?) = ?4 = ?5 = ?6 = ? −84 = ? −21
10? 5?
 Para C10: ?(?) = ?7 = ?8 = ?9 = ? − 84 = ? −42

Con esto, y utilizando la ecuación obtenida en el inciso anterior para la
confiabilidad de sistema RS(t), se obtiene la siguiente función para la
confiabilidad del sistema:

Evaluando esto para 6 meses y 1 año, y tomando en cuenta de que 6
meses equivale a 4320 horas y 1 año a 8640 horas, se obtiene:

?? (4.32) = 0.843523
?? (8.64) = 0.560684
Por lo tanto, se puede decir que para 6 meses existe una confiabilidad de
84.35% de que el sistema siga funcionando después de ese tiempo, y para
1 año una confiabilidad de 56.06% de que el sistema siga funcionando
después de esto, y se puede notar que al duplicar el tiempo de
funcionamiento la confiabilidad se redujo casi en un 30%, lo cual es una
diferencia notable.

ii. El i-ésimo componente tiene un tiempo de vida (en Miles de
horas) modelado por una distribución Weibull de parámetro de
forma ½ y parámetro de escala 1/84. Interprete.

En este caso, el tiempo de vida de todos los componentes está
modelado por la misma función de confiabilidad, la cual está dada
por:

?
−√
?(?) = ? 84
Utilizando la ecuación obtenida en el inciso (4.a) se obtiene la
siguiente función de confiabilidad del sistema para este caso:
Evaluando la ecuación anterior para 6 meses y 1 año se obtiene:

?? (4.32) = 0.883129
?? (8.64) = 0.794863
Por lo tanto, se puede decir que para 6 meses existe una confiabilidad de
88.31% de que el sistema siga funcionando después de ese tiempo, y para
1 año una confiabilidad de 79.48% de que el sistema siga funcionando
después de esto, y comparando con el caso anterior, se puede notar que
la confiabilidad a 6 meses es muy parecida, pero al duplicar el tiempo la
confiabilidad para la distribución Weibull solo se ve reducida en un 10%,
mientras que para la confiabilidad con distribución exponencial esta
diferencia se ve triplicada.

c. Grafique la tasa de falla del sistema para las dos situaciones descritas
en el inciso (4.b).

 Recordemos que la función de riesgo (o tasa de falla) se calcula según la
expresión:

−?′(?)
ℎ(?) =
?(?)
Entonces, utilizando las ecuaciones obtenidas en el inciso (4b), se obtiene
las siguientes gráficas de la función h(t) para cada uno de los casos:

Distribución exponencial.
Distribución Weibull.

d. Calcule la confiabilidad del sistema a los 6 meses y a 1 año si se requiere
que de los componentes modelados por C10 funcionen al menos 2. ¿Cuál
es el cambio relativo, respecto a las condiciones originales?

En este caso, se debe estudiar el subsistema que posee los 3 componentes
modelados por C10, los cuales se encuentran dispuestos en paralelo. En este
caso, se sugiere calcular la confiabilidad del sistema en el caso de que
funcionen al menos 2 de estos componentes. Se debe tener en cuenta que en
tal situación se presenta un subsistema k-out-of-n, que quiere decir que se
requieren al menos k componentes funcionando de n, y considerando que
dichos componentes son independientes y poseen idéntica confiabilidad
individual. La confiabilidad de un sistema k-out-of-n se calcula por:

?
?
?? (?) = ∑ ( ) ? ? (1 − ?)?−?
?
?=?
Llevando la expresión anterior al subsistema en paralelo modelado por los
componentes C10 se obtiene la siguiente confiabilidad para dicho subsistema:

3
3
?10 (?) = ∑ ( ) (?10 )? (1 − ?10 )?−? = 3(?10 )2 − 2(?10 )3
?
?=2

Donde C10 corresponde a la confiabilidad de estos elementos. Con esto, se
obtiene la siguiente configuración equivalente:

donde se puede apreciar que el elemento 3-C10 corresponde al subsistema
compuesto por 3 componentes modelados por C10 dispuestos en paralelo, y
su función de confiabilidad es denotada por R10(t). Entonces, la confiabilidad
del sistema en términos de las confiabilidades individuales de cada
componente (o subsistema) vendrá dada por:

?? (?) = 1 − (1 − ?1 ?2 ?3 ) (1 − ?4 (1 − (1 − ?5 ?10 )(1 − ?6 )))

Para el caso en el cual las confiabilidades individuales de los componentes se
modelan mediante la distribución exponencial como: Ci~exp(i/84) (i = 3, 8,
10) se obtiene la siguiente expresión para la confiabilidad del sistema:
Evaluando dicha expresión para 6 meses y 1 año se obtiene:

?? (? = 6 meses) = ?? (4.32) = 0.827607
?? (? = 1 año) = ?? (8.64) = 0.53177

Con respecto al caso en el cual las confiabilidades individuales de los
componentes se modelan mediante la distribución Weibull con parámetro
de forma ½ y parámetro de escala 1/84 se obtiene la siguiente función de
confiabilidad del sistema:

Evaluando esta expresión para 6 meses y 1 año se obtiene:

?? (? = 6 meses) = ?? (4.32) = 0.876865
?? (? = 1 año) = ?? (8.64) = 0.780234

Como se puede observar, si se considera que al menos funcionen 2
componentes modelados por C10, la confiabilidad se ve reducida
aproximadamente entre un 1 y 2%, lo que tiene sentido, pues si se toman
menos componentes en paralelo, en general la confiabilidad tiende a
disminuir ya que este tipo de sistemas cumple con esas propiedades.