Instrucciones:

Resuelva los siguientes problemas

Debe aparecer planteo, método a utilizar, tratamiento de datos,

discusión y conclusiones de acuerdo con lo que se le solicita.

Problema 1 (50 puntos)

Vida útil de un giroscopio

Unos ingenieros están estimando la vida útil de unos giroscopios. La salida de
cada giroscopio es conectada a un voltímetro. Cuando la salida llega a 0 voltios,
una falla es registrada. La prueba dura 168 horas, entonces cualquier observación
igual a 168 sería considerada como censurada.

Se desea encontrar la distribución apropiada para modelar los datos. También se

desea utilizar un gráfico de probabilidad para estimar el percentil 10 para los
giroscopios y verificar este número en la sesión de Minitab.

Archivo: Giroscopio.MPJ

Fallas

161
168
54
145
153
142
91
40
58
118

Planteo
Objeto de estudio: Giroscopios
Tipos de datos: Fallas exactas y censuradas
n= 10
NC= 95%
Estimar percentil 10. Se tiene un dato censurado.

Método por utilizar

Para encontrar la distribución apropiada para modelar los datos se utiliza la prueba
“Gráfica de ID de distribución” de Minitab. Con esta prueba se obtuvieron los valores
de Anderson Darling para la bondad de ajuste de cada distribución. Entre las
distribuciones más conocidas la que mejor modela los datos es la normal, ya que se
obtuvo un valor de Anderson Darling de 6,259 como se observa en la Figura 1, sin
embargo, si se observa en la Figura 2, el percentil 1 de la normal es negativo, por lo
que se opta por utilizar la distribución Weibull que es la distribución que le sigue en
cuanto al valor más bajo de Anderson Darling, ya que es de 6,284. En la Figura 3 se
muestra la representación gráfica del ajuste de la distribución Weibull a los datos de
los giroscopios o función de distribución acumulada. En esta prueba y todas las
siguientes se utiliza el método de cálculo de máxima verosimilitud.

Fuente: Equipo de trabajo

Figura 1. Bondad de ajuste de distribuciones a datos de falla de giroscopios
Fuente: Equipo de trabajo
Figura 2. Tabla de percentiles de distintas distribuciones

Fuente: Equipo de trabajo

Figura 3. Representación gráfica de bondad de ajuste de distribución Weibull

Tratamiento de datos
Para el tratamiento de datos, primero se realiza la prueba de Minitab “Gráfica de
revisión general de distribuciones”. Con esta prueba puede verse la función de
densidad, el ajuste de la distribución Weibull, la función de supervivencia y la función
de riesgo de los datos de falla de los giroscopios. Lo anterior puede visualizarse en
la Figura 4.
Fuente: Equipo de trabajo
Figura 4. Gráfica de revisión general de distribución Weibull para datos de falla de
giroscopios
Después se utiliza la opción de Minitab “Análisis de distribución” para ampliar en los
resultados de la utilización de la distribución Weibull para modelar los datos, y
además, se estima el percentil 10 según dicha distribución. Los resultados de esta
prueba pueden visibilizarse en la Figura 5 y la Figura 6.
Fuente: Equipo de trabajo
Figura 5. Información de datos censurados y cálculo de parámetros de distribución
Weibull

Fuente: Equipo de trabajo

Figura 6. Características de distribución Weibull y tabla de percentiles
Los resultados mostrados anteriormente serán analizados y discutidos en el
siguiente apartado.

Discusión
Se tienen 10 datos de falla de los giroscopios, de los cuales 9 son datos completos y
1 es censurado. Para la realización de los cálculos se utilizó el método de máxima
verosimilitud, ya que es lo óptimo al brindar información de intervalos de confianza.

Se utiliza la distribución Weibull para la caracterización de los datos ya que, aunque

no es la distribución con el menor valor de Anderson Darling, sí es la distribución con
el menor valor (6,284) que cumple con los requisitos de ser una distribución conocida
y además tener solo intervalos de confianza de los valores de tiempo de falla
positivos. Para este caso los parámetros de la distribución Weibull son β=2,51, con
un error estándar de 0,72 y α=130,95, con un error estándar de 17,73.

Las estadísticas descriptivas o características de distribución Weibull obtenidas

fueron: la media (MTTF) = 116,19, lo cual indica el tiempo promedio en el que los
giroscopios fallarán, media para la cual se tiene un intervalo de confianza del 95%
que va desde las 88,85 hasta las 151,95 horas de uso. Por otro lado, la desviación
estándar de los tiempos de falla de los giroscopios es de 49,62 horas, lo que muestra
la dispersión de los datos, e igualmente con un intervalo de confianza del 95% el
valor de la desviación estándar podría estar entre 29,68 y 82,95 horas de uso. Por su
parte, la mediana es de 113,13 horas e indica el centro de los datos de falla.

Como la mediana es menor a MTTF la función de densidad no es simétrica y la

forma de la campana no está centrada del todo. A partir de la función de densidad
acumulada se obtienen datos interesantes, como que el 30% de los giroscopios
habrá fallado a las 86,78 horas de uso y que el 70% de los giroscopios lo hará a las
141,02 horas de uso. Por su parte, la función de supervivencia tiene el
comportamiento esperado y arroja datos interesantes como que el 93,62% de los
giroscopios seguirá en funcionamiento a las 44,23 horas y que a las 206,19 horas de
uso solo habrán sobrevivido el 4,42%. Por último, la función de riesgo también tiene
el comportamiento esperado al incrementar la tasa de falla de los giroscopios
conforme aumentan las horas de uso.

Finalmente, en cuanto a la estimación del percentil 10, se tiene que el 10% de los
giroscopios habrá fallado a las 53,34 horas de uso, según la tabla de percentiles
obtenida.

Conclusiones
Se utilizó la distribución Weibull para el análisis de los datos ya que, aunque su valor
de Anderson Darling no era el más bajo (6,284), su valor sí era bastante bajo y
además contaba con las condiciones de ser una distribución conocida y además
asegurar que no haya intervalos para los datos de falla negativos, esto último algo
que incumple por ejemplo la distribución normal que tenía un valor de Anderson
Darling menor (6,259)
La gráfica de densidad es asimétrica en la distribución de datos, es decir, no está
totalmente centrada, esto debido a la diferencia que hay entre mediana y MTTF.
Ya que se mencionó la mediana, la mitad de los giroscopios fallarán cuando hayan
transcurrido 113,13 horas de uso de los giroscopios.
Para finalizar, se obtuvo que el percentil 10 se da a las 53,54 horas de uso de los
giroscopios, con una desviación estándar de 16,73 horas.
Problema 2 (50 puntos)
En un laboratorio de acústica se han probado veinte láminas de un nuevo material
aislante. La mitad de ellas son de 5 cm y la otra mitad de 4 cm. En cada caso se
mide el tiempo al que la lámina sufre algún tipo de deformación, al estar expuesta
a un sonido variable entre 100 y 150 decibeles.

Se desea realizar un análisis completo y determinar cuál espesor de lámina

recomienda usted. Además, el ingeniero de diseño desea conocer la confiabilidad
en el tiempo de 900 horas para definir un intervalo de confianza al 95%.

Archivo: Los datos se muestran a continuación.

Espesor 5 Tipo dato Espesor 4 Tipo dato

550 Exacto 408 Exacto
800 Exacto 1200 Exacto
1090 Censurado 1700 Censurado
1200 Exacto 2100 Censurado
1600 Exacto 790 Exacto
1900 Exacto 1100 Exacto
 2150 Exacto 650 Exacto
1150 Censurado 996 Censurado
3900 Exacto 880 Exacto
2260 Censurado 506 Exacto

Planteo
Objeto de estudio: Laminas de material aislante
Tipos de datos: Fallas exactas y censuradas
n= 10
NC= 95%
Estimar percentil 5 y 50

Método por utilizar

Para encontrar la distribución apropiada para modelar los datos se utiliza la prueba
“Gráfica de ID de distribución” de Minitab para cada muestra. Con esta prueba se
obtuvieron los valores de Anderson Darling para la bondad de ajuste de cada
distribución. Entre las distribuciones más conocidas la que mejor modela los datos es
la lognormal, ya que se obtuvo un valor de Anderson Darling de 17,74 para las
láminas de 4 cm de espesor y 4,579 para las láminas de 5 cm de espesor como se
observa en las Figuras 7 y 9. En las Figuras 8 y 10 se muestran la representación
gráfica del ajuste de la distribución lognormal a los datos de las láminas o función de
distribución acumulada. En esta prueba y todas las siguientes se utiliza el método de
cálculo de máxima verosimilitud.

Bondad de ajuste
Anderson-Darling
Distribución (ajust.)
Weibull 17,800
Lognormal 17,740
Exponencial 18,114
Loglogística 17,760
Weibull de 3 parámetros 17,765
Lognormal de 3 parámetros 17,756
Exponencial de 2 parámetros 17,803
Loglogística de 3 parámetros 17,757
 Valor extremo más pequeño 17,969
Normal 17,833
Logística 17,822

Fuente: Equipo de trabajo

Figura 7. Bondad de ajuste de distribuciones a datos de fallas de espesor 4

Fuente: Equipo de trabajo

Figura 8. Representación gráfica de bondad de ajuste de espesor 4

Bondad de ajuste
Anderson-Darling
Distribución (ajust.)
Weibull 4,779
Lognormal 4,579
Exponencial 4,697
 Loglogística 4,534
Weibull de 3 parámetros 4,839
Lognormal de 3 parámetros 4,584
Exponencial de 2 parámetros 4,562
Loglogística de 3 parámetros 4,467
Valor extremo más pequeño 5,220
Normal 5,081
Logística 5,110

Fuente: Equipo de trabajo

Figura 9. Bondad de ajuste de distribuciones a datos de fallas de espesor 5

Fuente: Equipo de trabajo

Figura 10. Representación gráfica de bondad de ajuste de espesor 5

Tratamiento de datos
Para el tratamiento de datos, primero se realiza la prueba de Minitab “Gráfica de
revisión general de distribuciones”. Con esta prueba puede verse la función de
 densidad, el ajuste de la distribución log normal, la función de supervivencia y la
función de riesgo de los datos de falla de las láminas. Lo anterior puede visualizarse
en la Figura 11 y 12.

Fuente: Equipo de trabajo

Figura 11. Gráfica de revisión general de distribución Lognormal para datos de
espesor 4
Fuente: Equipo de trabajo
Figura 12. Gráfica de revisión general de distribución Lognormal para datos de
espesor 5

De igual manera, se realizó el análisis de prueba de varianzas para ambos espesores

especificados en el ejercicio mostradas en las figuras 13, 14 y 15.
Prueba Varianzas

Método
σ₁: desviación estándar de Espesor 5
σ₂: desviación estándar de Espesor 4
Relación: σ₁/σ₂
Los métodos de Bonett y Levene son válidos para cualquier distribución continua.

Fuente: Equipo de trabajo

Figura 13. Metodo de 2 varianzas para espesor 4 y 5
 Prueba
Hipótesis nula H₀: σ₁ / σ₂ = 1
Hipótesis alterna H₁: σ₁ / σ₂ ≠ 1
Nivel de significancia α = 0,05
Estadística
Método de prueba GL1 GL2 Valor p
Bonett 1,23 1 0,267
Levene 1,69 1 18 0,210

Fuente: Equipo de trabajo

Figura 14. Prueba de 2 varianzas

Fuente: Equipo de trabajo

Figura 15. Graficas de prueba de 2 varianzas
Asimismo, se realizó la comparación de medias, detallado en la Figura 16. Donde se
obtuvo la igualdad estadística de medias.
 Método
μ₁: media de población de Espesor 5
µ₂: media de población de Espesor 4
Diferencia: μ₁ - µ₂
Se presupuso igualdad de varianzas para este análisis.

Estimación de la diferencia
Desv.Est. IC de 95% para
Diferencia agrupada la diferencia
627 780 (-106, 1360)

Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
1.80 18 0.089

Fuente: Equipo de trabajo

Figura 16. Comparación de dos medias.

Por último, se utiliza la herramienta del análisis de distribución de ambos espesores

4 y 5 respectivamente. con los datos censurados para obtener la máxima
verosimilitud así como la bondad de ajuste de los mismos los cuales muestran
estadísticas básicas, cuartiles y los percentiles. Las Figuras 17, 18, 19 y 20 muestran
los resultados obtenidos del análisis de distribución paramétrica utilizando la
Lognormal.

Análisis de distribución: Espesor 4

Variable: Espesor 4
Censura
Información de censura Conteo
Valor no censurado 7
Valor censurado por la derecha 3

Valor de censura: Tipo dato_1 = Censurado

Método de cálculo: Máxima verosimilitud

 Distribución:   Lognormal

Cálculos del parámetro

Error IC normal de 95,0%
Parámetro Estimación estándar Inferior Superior
Ubicación 6,94696 0,215633 6,52433 7,36959
Escala 0,639774 0,183618 0,364526 1,12286
Log-verosimilitud = -55,839
Fuente: Equipo de trabajo
Figura 17. Información de datos censurados y cálculo de parámetros de distribución
Lognormal de espesor 4

Bondad de ajuste
Anderson-Darling
(ajustado)
17,740
Características de distribución
Error IC normal de 95,0%
Estimación estándar Inferior Superior
Media(MTTF) 1276,17 339,779 757,311 2150,50
Desviación estándar 907,586 502,796 306,428 2688,11
Mediana 1039,98 224,254 681,522 1586,99
Primer cuartil(Q1) 675,490 152,052 434,525 1050,08
Tercer cuartil(Q3) 1601,16 432,615 942,862 2719,06
Rango intercuartil(IQR) 925,666 377,988 415,789 2060,80
Tabla de percentiles
Error IC normal de 95,0%
Porcentaje Percentil estándar Inferior Superior
1 234,774 102,456 99,8118 552,227
2 279,506 109,937 129,298 604,214
3 312,210 114,554 152,100 640,861
4 339,311 117,956 171,669 670,662
5 363,081 120,685 189,265 696,524
6 384,620 122,993 205,511 719,827
7 404,555 125,017 220,767 741,343
8 423,279 126,841 235,263 761,553
9 441,059 128,521 249,152 780,781
10 458,086 130,095 262,548 799,255
20 606,990 144,210 381,022 966,969
30 743,569 161,352 485,975 1137,70
40 884,370 186,489 584,977 1336,99
50 1039,98 224,254 681,522 1586,99
 60 1222,98 281,167 779,336 1919,17
70 1454,56 369,271 884,373 2392,36
80 1781,85 517,388 1008,58 3147,97
90 2361,05 828,348 1187,06 4696,13
91 2452,20 881,776 1211,93 4961,76
92 2555,21 943,425 1239,22 5268,70
93 2673,47 1015,78 1269,59 5629,74
94 2812,04 1102,58 1303,97 6064,19
95 2978,86 1209,82 1343,83 6603,19
96 3187,54 1347,90 1391,59 7301,28
97 3464,22 1537,19 1451,77 8266,32
98 3869,56 1826,11 1534,49 9757,94
99 4606,84 2382,57 1671,78 12694,9
Tabla de probabilidades de supervivencia
IC normal de 95,0%
Tiempo Probabilidad Inferior Superior
900 0,589385 0,337196 0,808411
Fuente: Equipo de trabajo
Figura 18. Características de distribución Lognormal y tabla de percentiles de
espesor 4

Análisis de distribución: Espesor 5

Variable: Espesor 5
Censura
Información de censura Conteo
Valor no censurado 7
Valor censurado por la derecha 3

Valor de censura: Tipo dato = Censurado

Método de cálculo: Máxima verosimilitud

Distribución:   Lognormal

Cálculos del parámetro

Error IC normal de 95,0%
Parámetro Estimación estándar Inferior Superior
Ubicación 7,45075 0,216221 7,02696 7,87453
Escala 0,622849 0,165950 0,369481 1,04996
 Log-verosimilitud = -59,288
Fuente: Equipo de trabajo
Figura 19. Información de datos censurados y cálculo de parámetros de distribución
Lognormal de espesor 5

Bondad de ajuste
Anderson-Darling
(ajustado)
4,579
Características de distribución
Error IC normal de 95,0%
Estimación estándar Inferior Superior
Media(MTTF) 2089,58 538,285 1261,20 3462,04
Desviación estándar 1438,54 738,993 525,595 3937,25
Mediana 1721,15 372,148 1126,60 2629,46
Primer cuartil(Q1) 1130,76 251,869 730,750 1749,72
Tercer cuartil(Q3) 2619,80 687,891 1565,90 4383,00
Rango intercuartil(IQR) 1489,04 577,817 695,989 3185,76
Tabla de percentiles
Error IC normal de 95,0%
Porcentaje Percentil estándar Inferior Superior
1 404,149 162,895 183,425 890,481
2 478,938 174,979 234,042 980,088
3 533,413 182,625 272,670 1043,49
4 578,440 188,389 305,517 1095,17
5 617,854 193,113 334,841 1140,07
6 653,510 197,186 361,756 1180,56
7 686,463 200,822 386,902 1217,96
8 717,376 204,151 410,687 1253,09
9 746,697 207,260 433,389 1286,50
10 774,745 210,208 455,205 1318,59
20 1018,97 237,221 645,648 1608,14
30 1241,56 268,620 812,466 1897,28
40 1469,90 311,427 970,386 2226,55
50 1721,15 372,148 1126,60 2629,46
60 2015,34 460,228 1288,15 3153,05
70 2385,99 593,335 1465,54 3884,55
80 2907,22 813,595 1679,83 5031,40
90 3823,65 1270,15 1994,00 7332,17
91 3967,28 1348,11 2038,21 7722,13
92 4129,43 1437,93 2086,84 8171,32
93 4315,39 1543,19 2141,07 8697,82
94 4532,99 1669,24 2202,61 9328,95
95 4794,59 1824,66 2274,12 10108,6
96 5121,29 2024,32 2360,04 11113,2
 97 5553,58 2297,33 2468,66 12493,6
98 6185,26 2712,63 2618,50 14610,5
99 7329,86 3508,60 2868,47 18730,2
Tabla de probabilidades de supervivencia
IC normal de 95,0%
Tiempo Probabilidad Inferior Superior
900 0,851050 0,602359 0,965806

Fuente: Equipo de trabajo

Figura 20. Características de distribución Lognormal y tabla de percentiles de
espesor 5

Discusión

Los datos de estudio son muestras de láminas de un material aislante de dos distintos
espesores, entre los cuales hay tres datos censurados por muestra. Por lo que se
plantea encontrar una distribución de mejor ajuste para cada muestra.

Para la lámina de espesor de 4 cm se eligió la Lognormal, por el valor de 17,74 en la

prueba de Anderson-Darling y debido a la apariencia de la gráfica, ya que parece
estimar mejor los percentiles bajos y altos. Por su parte, la lámina de 5 cm obtuvo un
4,579 en bondad de ajuste para la Lognormal, y aunque la Loglogística de 3 parámetro
tiene un mejor ajuste en esta prueba, se concluye que la diferencia es muy poca y por
conveniencia debido al conocimiento previo se utiliza la Lognormal.

Seguidamente, se verifica por medio de máxima verosimilitud la revisión general de

distribuciones. Las funciones de densidad de probabilidad, supervivencia y riesgo
muestran gran similitud en las formas entre las muestras. Sin embargo, la lámina de 5
cm parece tener supervivencia a mayores tiempos que el de 4 cm. Luego, por
comparación de varianzas se obtuvo por un valor p de 0.267 por el método Bonett que
son estadísticamente iguales. De igual forma, la comparación de medias ha
comprobado su igualdad con un valor p de 0.089. Por lo tanto, los percentiles
siguientes pueden ser comparables entre sí.

MTTF: para el de espesor de 4 cm es de 1276.17 con IC de 757.311 hasta 2150.50.

Mientras que el de espesor de 5 cm es de 2089.58 con IC de 1261.2 hasta 3462.01.
Los intervalos de confianza se traslapan, por lo que las medianas no son
estadísticamente distintas.

Percentil cinco: El de espesor 4 cm es de 363.08 con IC de 189.26 hasta 696.52. El de

espesor 5cm obtuvo 617.85 con IC de 334.84 hasta 1140.07. Los intervalos de
confianza también se traslapan, por lo tanto, los percentiles cinco no son
estadísticamente diferentes.

En cuanto a la supervivencia a las 900 horas, se obtuvo que el de espesor de 4 cm

tiene una probabilidad de 0.589 con un IC de 0.337 hasta 0.808; el de espesor de 5 cm
obtuvo una probabilidad de 0.851 con un IC de 0.602 hasta 0.966. Los intervalos de
confianza se traslapan, por lo que no son estadísticamente distintos. Repetidamente los
intervalos de confianza se traslapan y esto significa que no hay diferencia estadística
entre los desempeños en general de ambas láminas. La decisión puede ser afectada
por temas adyacentes como los costos de cada lámina.

Conclusiones

La distribución de mejor ajuste para ambas muestras fue la distribución Lognormal

comprobado por el ajuste Anderson-Darling y mediante las Figuras 8 y 10.

Al comparar las muestras, se obtuvo evidencia suficiente de igualdad de varianzas e

igualdad medias. De la misma forma, ambas distribuciones muestran comportamientos
muy similares, lo que fue demostrado mediante las comparaciones del percentil cinco y
el MTTF, donde no se obtuvo diferencia estadística significativa. Las probabilidades de
supervivencia a las 900 horas tampoco demostraron diferencia significativa debido al
traslape de los intervalos de confianza.

Por lo tanto, se recomienda utilizar la lámina de 4 cm. Debido a que estadísticamente

presenta gran similitud al desempeño de la lámina de 5 cm, y se asume que su costo
debe ser menor.