Teorema de Weibull

Teorema de Weibull
Introducción
El análisis de Weibull es la técnica mayormente escogida para estimar una
probabilidad basada en datos medidos o asumidos. La distribución de Weibull,
descubierta por el sueco Walodi Weibull, fue anunciada por primera vez en un
escrito en 1951.
El modelo Weibull tiene una interesante propiedad ligada a que según sean los
valores de, puede presentar tasas de fallo crecientes, decrecientes o constantes.
Así, cuando β=1 el modelo Weibull se convierte en exponencial y presenta tasa de
fallos constante. El modelo exponencial es por tanto un caso particular del modelo
Weibull, cuando β>1 el modelo tiene tasa de falla creciente y cuando β<1 presenta
tasa de falla decreciente. El modelo Weibull es muy versátil y en la práctica es uno
de los más utilizados.
Función de Densidad de Probabilidad

No está contemplado dar un curso de estadística, sin embargo, hay conceptos
básicos que tenemos que tener claros para el desarrollo que cualquier análisis
probabilístico. Como, por ejemplo, qué es la Función de Densidad de Probabilidad;
esta “caracteriza del comportamiento de una población en tanto especifica la
posibilidad relativa de que una variable aleatoria continua X tome un valor cercano
a x.1”.
La función de Densidad (f (t) es la Función de Densidad de Probabilidad (PDF)) y
la Función de Distribución, estas funciones sirven para estudiar los datos de
duración. La PDF es a menudo calculada a partir de, en nuestro caso, datos de
fallas reales.
F(t) es la función de distribución acumulada (CDF). Es el área bajo la curva f(t) de
0 a t. (algunas veces llamada la no confiabilidad o probabilidad de falla
acumulada).
Figura 1. F(t) es la
función de distribución acumulada(CDF).
Fuente: El autor.
Para el caso de análisis Weibull las funciones son las siguientes:

• Distribución de densidad de probabilidad (PDF) 3
•Distribución de probabilidad acumulada (CDF)
• Parámetro α
• Parámetro β
Donde:
 t – es la variable de tiempo.
 β – es el parámetro de forma.
 η – es el parámetro de escala o característica de vida.
La distribución de Weibull es útil por su habilidad para simular un amplio rango de
distribuciones como la Normal, la Exponencial, etc. Las técnicas discutidas en la
distribución de Weibull son similares a las usadas con las distribuciones Normal y
Log-Normal2.
Ejemplo Básico de un Análisis Weibull
Supongamos que usted quiere entrar al negocio de ventas en mercado
electrónico, realizó una investigación de los 10 productos que más se venden y
escogió el producto numero dos (2), “Accesorios para teléfonos móviles”, según
los “Blogs de Shopify”, para iniciarse en el mundo de las ventas online. Ahora la
pregunta del millón: ¿Cuánto tengo que comprar o invertir para revender y poder
generar utilidad? En vista de su nulo conocimiento de este negocio, se consigue
un socio capitalista que está empapado del mercado y este le dice, una vez que ya
calculó el precio de venta que quiere, que usted compre solamente los
suficientes “Accesorios para teléfonos móviles” de tal manera que, una vez
terminadas las ventas, solo le queden sin vender aproximadamente el 10%
de estos accesorios. Usted, como buen ingeniero de mantenimiento y conocedor
de estadística, decide hacer un ANÁLISIS DE WEIBULL (dado que a nosotros los
ingenieros nos gusta complicarnos la vida y “si lo puedes hacer difícil, ¿Por qué
hacerlo fácil?”). Además, la cantidad de “Accesorios” a vender es un número
aleatoriamente variable.
Nuevamente realizaron un análisis de mercado con sus posibles competidores,
con la ayuda del socio y apoyados por un software o simplemente a mano,
tabularon los datos de venta promedio de diez posibles competidores y
procedieron a calcular lo que se conoce como RANGO MEDIO (se puede
encontrar en los libros de estadística), para cada uno de ellos. El Rango Medio es
un número entre 0 a 1 que refleja en orden ascendente la fracción del valor del
dato que es menor que el mismo dato. Así, se obtiene la Tabla No. 1, una vez
ordenados los datos:
Tabla 1. Resumen de ventas promedios de sus competidores.

Fuente: El autor.
Como resultado inicial de acuerdo a lo indicado en la tabla No.1, hay un 93.26%

en el que la cantidad de accesorios a vender será menor al 4,583 ya que el rango
medio es 0.93269. Pero, ¿Cuánto comprar para revender y poder cumplir con el
requerimiento del socio capitalista?
Continuando con el desarrollo del ANÁLISIS DE WEIBULL y con una hoja en
Excel, dibujamos en un gráfico el doble logaritmo de los datos en cuestión, y
obtuvimos el Gráfico de Weibull (ver Figura No. 2).
Figura 2. Gráfico de Weibull.
Fuente: El autor.
De acuerdo a la gráfica de Weibull, el número estimado de “Accesorios para

teléfonos móviles” a comprar, para un 10% de accesorios no vendidos, se localiza
en la línea recta con una probabilidad de 0.90 (90%). Para este dato, el punto
ocurre en aproximadamente los 4,250 accesorios.
Utilizando el “Excel”, calculamos a la ecuación de la recta de la hoja logarítmica y
obtuvimos la siguiente:
 Y = 5E-09x2.2725 (5)
 R² = 0.9815 (6)
La pendiente de la línea recta que intercepta la mayoría de los puntos en el
Gráfico de Weibull, es también el Factor de Forma β (2.2725) e indica a qué tipo
de distribución de probabilidad se aproxima (normal, lognormal, exponencial, etc.).
La vida característica, η, es el momento en que se espera que sea el 63,2% del
Rango Medio de la línea recta. Este 63.2% es cierto para todas las distribuciones
de Weibull, independientemente del parámetro de forma β, que corresponde
cuando t = η (aproximadamente 3,800) en la ecuación 1, como lo indica la IEC
61649-2008 – Weibull analysis.
Volviendo a nuestro ejemplo para un 10% de ventas no satisfechas, se localiza en
la línea recta con una probabilidad de 0.90 (90%). Para este dato, el punto ocurre
en aproximadamente los 4,250 accesorios. (Y justo en ese momento nos dimos
cuenta para qué estudiamos probabilidad y estadísticas en la universidad).
Con el Gráfico de Weibull, usted puede hacer estimaciones de probabilidades
utilizando la línea recta, o simplemente leyendo la probabilidad en la escala
vertical, para un dato (en este caso, un número de accesorios).
Ejemplo de Análisis Weibull aplicado a Fallas de
Equipos
La técnica de Análisis Weibull puede ser usada para estimar probabilidad de
muchos casos, por lo que continuando con nuestros ejemplos, nos enfocaremos
en un análisis de confiabilidad asociado a una estadística de fallas de equipos de
una planta Fraccionadora de Gas, para lo cual tenemos la siguiente estadística de
Tiempo Para Falla (TPF).
Tabla 2. Datos
estadísticos de TPF.
Fuente: El autor.
Analizando los datos de la tabla No. 2, como primera observación tenemos que
hay un 95.98% que los TPF sean menores a 95.98%, por supuesto que es una
información, pero no nos ayuda mucho ya que tenemos datos desde 240 horas a
13,776 horas, por lo que debemos analizar la gráfica de Weibull (Fig.3).
Figura 3. Gráfico de Weibull (TPF).
Fuente: El autor.
Del análisis tenemos que el Factor de Forma β es 0.6433 lo que indica que
tenemos una tasa de falla descendente, al igual que una t = η (aproximadamente
2,000).
Ya con los datos de forma y escala podemos realizar cualquier estimado de
confiabilidad utilizando la ecuación (7) o el gráfico de Weibull.
R(t) = 1-F(t) (7)
Por ejemplo, si queremos estimar cuál es la confiabilidad o probabilidad para que
los equipos no fallen a t1=500 horas o t2=3000 horas, obtendremos lo siguiente:
 R(t1) = 80%
 R(t2) = 10%
Aplicaciones
La distribución de Weibull se utiliza en:
 Análisis de la supervivencia
 En ingeniería, para modelar procesos estocásticos relacionados con el tiempo de
fabricación y distribución de bienes
Aplicación de la distribución de probabilidad acumulada de Weibull a lluvias diárias máximas.
 Teoría de valores extremos

 Meteorología
 Para modelar la distribución de la velocidad del viento (frecuencia con la que se
dan diferentes velocidades de viento)
 En telecomunicaciones
 En sistemas de radar para simular la dispersión de la señal recibida
 En seguros, para modelar el tamaño de las pérdidas
 En la hidrología, se utiliza la distribución de Weibull para analizar variables

aleatorias como valores máximos de la precipitación y la descarga de ríos,4 y
además para describir épocas de sequía.5
El imagen azul ilustra un ejemplo de ajuste de la distribución de Weibull a lluvias
máximas diarias ordenadas, mostrando también la franja de 90% de confianza, basada
en la distribución binomial. Las observaciones presentan los marcadores de posición,
como parte del análisis de frecuencia acumulada.
DISTRIBUCIÓN DE WEIBULL
La distribución de Weibull es una distribución versátil que se puede utilizar para

modelar una amplia gama de aplicaciones en ingeniería, investigación médica,
control de calidad, finanzas y climatología. Por ejemplo, la distribución se utiliza
frecuentemente con análisis de fiabilidad para modelar datos de tiempo antes de
falla. La distribución de Weibull también se utiliza para modelar datos asimétricos
del proceso en el análisis de capacidad.
La distribución de Weibull se describe según los parámetros de forma, escala y

valor umbral y también se conoce como la distribución de Weibull de 3
parámetros. El caso en el que el parámetro de valor umbral es cero se conoce
como la distribución de Weibull de 2 parámetros. La distribución de Weibull de 2
parámetros se define solo para variables positivas. Una distribución de Weibull de
3 parámetros puede funcionar con ceros y datos negativos, pero todos los datos
para una distribución de Weibull de 2 parámetros deben ser mayores que cero.
Dependiendo de los valores de sus parámetros, la distribución de Weibull puede

adoptar varias formas.
Efecto del parámetro de forma
El parámetro de forma describe la manera en que se distribuyen los datos. Una

forma de 3 se aproxima a una curva normal. Un valor de forma bajo, por ejemplo
1, da una curva con asimetría hacia la derecha. Un valor de forma alto, por
ejemplo 10, da una curva con asimetría hacia la izquierda.
Efecto del parámetro de escala
La escala, o vida característica, es el percentil 63.2 de los datos. La escala define la
posición de la curva de Weibull respecto del valor de umbral, lo cual es similar a la
manera en que la media define la posición de una curva normal. Una escala de 20,
por ejemplo, indica que el 63.2% de los equipos fallará en las primeras 20 horas
después del tiempo umbral.
Efecto del parámetro de valor umbral

El parámetro de valor umbral describe un desplazamiento de la distribución alejándose
del 0. Un valor umbral negativo desplaza la distribución hacia la izquierda, mientras que
un valor umbral positivo desplaza la distribución hacia la derecha. Todos los datos deben
ser mayores que el valor umbral. La distribución de Weibull de 2 parámetros es igual a la
distribución de Weibull de 3 parámetros con un valor umbral de 0. Por ejemplo, la
distribución de Weibull de 3 parámetros (3,100,50) tiene la misma forma y dispersión
que la distribución de Weibull de 2 parámetros (3,100), pero está desplazada 50
unidades hacia la derecha.
Estimación de la Velocidad del Viento
Como ya observamos existen 3 tipos genéricos de modelos de previsión de
viento. En el caso meteorológico los resultados se basan mayormente en datos
atmosféricos como la presión, humedad o temperatura, mientras que en los
modelos estadísticos es juzga a partir de datos históricos y distribuciones
probabilísticas.
Dentro del análisis probabilístico en los modelos estadísticos constituye una

fuente de información bastante relevante el saber cómo distribuye la velocidad
del viento, para así poder estimar de mejor manera el comportamiento en un
determinado período de tiempo y así implementar un modelo lo más fidedigno a
la realidad.
Distribución de Weibull
La distribución de Weibull es utilizada en múltiples aplicaciones, siendo una de
ellas la distribución de la velocidad del viento. Esta describe con bastante
confiabilidad la distribución de la velocidad del viento para un intervalo de un
mes aproximadamente.
La función de densidad de probabilidad está dada por la siguiente expresión:
De donde k, es el parámetro de forma de la curva y λ corresponde al parámetro

de escala.
Estos parámetros deben ser calculados dependiendo del mes, dado que para cada
uno de ellos las velocidades de viento esperadas varían de acuerdo a las
estaciones del año y otros factores.
Teniendo en cuenta la velocidad esperada estadísticamente, se puede obtener un

acercamiento a la potencia promedio a producir en un parque utilizando los
modelos analizados previamente, o de manera más gruesa utilizando la fórmula
de la energía cinética expuesta al principio del documento.
Para determinar estos parámetros existen distintos métodos estadísticos, entre

ellos el método de la varianza, método de los cuartiles, método de los mínimos
cuadrados, método de máxima verosimilitud, método basado en resúmenes
climatológicos, etc.
A continuación se presenta uno de ellos, el de máxima verosimilitud. Este

método intenta encontrar los parámetros de manera de maximizar la probabilidad
conjunta de obtener valores adecuados a la serie.
Estos deben ser encontrados a partir de las siguientes ecuaciones, donde Vi

corresponde al valor de todas las velocidades observadas de la muestra.
3.3.2. Distribución de Rayleigh
La distribución de Rayleigh también es utilizada para determinar velocidades del

viento, de hecho, la distribución de Weibull corresponde a una generalización de
esta.
En este caso, la distribución tiene una variable aleatoria (velocidad del viento) y
un solo parámetro v_m. Su función de densidad de probabilidad está dada por la
siguiente expresión.
De manera de determinar el parámetro se pueden utilizar los mismos métodos
utilizados previamente para la distribución de Weibull, pero como bien se
mencionó previamente al ser un caso particular se realiza el mismo análisis, sólo
que se utiliza k=2 y v_m corresponde al parámetro λ en la distribución anterior.

Teorema de Weibull

Cargado por

Copyright:

Formatos disponibles

Teorema de Weibull

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teorema de Weibull

Cargado por

Copyright:

Formatos disponibles

Teorema de Weibull

Función de Densidad de Probabilidad

Para el caso de análisis Weibull las funciones son las siguientes:

•Distribución de probabilidad acumulada (CDF)

Tabla 1. Resumen de ventas promedios de sus competidores.

Como resultado inicial de acuerdo a lo indicado en la tabla No.1, hay un 93.26%

De acuerdo a la gráfica de Weibull, el número estimado de “Accesorios para

 Teoría de valores extremos

 En la hidrología, se utiliza la distribución de Weibull para analizar variables

La distribución de Weibull es una distribución versátil que se puede utilizar para

La distribución de Weibull se describe según los parámetros de forma, escala y

Dependiendo de los valores de sus parámetros, la distribución de Weibull puede

Efecto del parámetro de forma

El parámetro de forma describe la manera en que se distribuyen los datos. Una

Efecto del parámetro de valor umbral

Dentro del análisis probabilístico en los modelos estadísticos constituye una

La función de densidad de probabilidad está dada por la siguiente expresión:

De donde k, es el parámetro de forma de la curva y λ corresponde al parámetro

Teniendo en cuenta la velocidad esperada estadísticamente, se puede obtener un

Para determinar estos parámetros existen distintos métodos estadísticos, entre

A continuación se presenta uno de ellos, el de máxima verosimilitud. Este

Estos deben ser encontrados a partir de las siguientes ecuaciones, donde Vi

3.3.2. Distribución de Rayleigh

La distribución de Rayleigh también es utilizada para determinar velocidades del

También podría gustarte