Distribuci�n de Weibull

Ir a la navegaci�nIr a la b�squeda
Weibull (2-Parameter)
Probability distribution function
Funci�n de densidad de probabilidad
Cumulative distribution function
Funci�n de distribuci�n de probabilidad
Par�metros {\displaystyle \lambda >0\,} {\displaystyle \lambda >0\,} escala (real)
{\displaystyle k>0\,} {\displaystyle k>0\,} forma (real)
Dominio {\displaystyle x\in [0;+\infty )\,} {\displaystyle x\in [0;+\infty )\,}
Funci�n de densidad (pdf) {\displaystyle f(x)={\begin{cases}{\frac {k}
{\lambda }}\left({\frac {x}{\lambda }}\right)^{k-1}e^{-(x/\lambda )^{k}}&x\geq
0\\0&x<0\end{cases}}} {\displaystyle f(x)={\begin{cases}{\frac {k}
{\lambda }}\left({\frac {x}{\lambda }}\right)^{k-1}e^{-(x/\lambda )^{k}}&x\geq
0\\0&x<0\end{cases}}}
Funci�n de distribuci�n (cdf) {\displaystyle 1-e^{-(x/\lambda )^{k}}}
{\displaystyle 1-e^{-(x/\lambda )^{k}}}
Media {\displaystyle \lambda \Gamma \left(1+{\frac {1}{k}}\right)\,} {\displaystyle
\lambda \Gamma \left(1+{\frac {1}{k}}\right)\,}
Mediana {\displaystyle \lambda (\ln(2))^{1/k}\,} {\displaystyle \lambda
(\ln(2))^{1/k}\,}
Moda {\displaystyle \lambda \left({\frac {k-1}{k}}\right)^{\frac {1}{k}}\,}
{\displaystyle \lambda \left({\frac {k-1}{k}}\right)^{\frac {1}{k}}\,} if
{\displaystyle k>1} {\displaystyle k>1}
Varianza {\displaystyle \lambda ^{2}\Gamma \left(1+{\frac {2}{k}}\right)-\mu
^{2}\,} {\displaystyle \lambda ^{2}\Gamma \left(1+{\frac {2}{k}}\right)-\mu ^{2}\,}
Coeficiente de simetr�a {\displaystyle {\frac {\Gamma (1+{\frac {3}{k}})\lambda
^{3}-3\mu \sigma ^{2}-\mu ^{3}}{\sigma ^{3}}}} {\displaystyle {\frac {\Gamma (1+
{\frac {3}{k}})\lambda ^{3}-3\mu \sigma ^{2}-\mu ^{3}}{\sigma ^{3}}}}
Curtosis (ver texto)
Entrop�a {\displaystyle \gamma \left(1\!-\!{\frac {1}{k}}\right)+\ln
\left({\frac {\lambda }{k}}\right)+1} {\displaystyle \gamma \left(1\!-\!{\frac {1}
{k}}\right)+\ln \left({\frac {\lambda }{k}}\right)+1}
Funci�n generadora de momentos (mgf) {\displaystyle \sum _{n=0}^{\infty }
{\frac {t^{n}\lambda ^{n}}{n!}}\Gamma \left(1+{\frac {n}{k}}\right),\ k\geq 1}
{\displaystyle \sum _{n=0}^{\infty }{\frac {t^{n}\lambda ^{n}}{n!}}\Gamma \left(1+
{\frac {n}{k}}\right),\ k\geq 1}
Funci�n caracter�stica {\displaystyle \sum _{n=0}^{\infty }{\frac {(it)^{n}\lambda
^{n}}{n!}}\Gamma \left(1+{\frac {n}{k}}\right)} {\displaystyle \sum
_{n=0}^{\infty }{\frac {(it)^{n}\lambda ^{n}}{n!}}\Gamma \left(1+{\frac {n}
{k}}\right)}
[editar datos en Wikidata]
En teor�a de la probabilidad y estad�stica, la distribuci�n de Weibull es una
distribuci�n de probabilidad continua. Recibe su nombre de Waloddi Weibull, que la
describi� detalladamente en 1951, aunque fue descubierta inicialmente por Fr�chet
(1927) y aplicada por primera vez por Rosin y Rammler (1933) para describir la
distribuci�n de los tama�os de determinadas part�culas.

La funci�n de densidad de una variable aleatoria con la distribuci�n de Weibull x

es:1?

{\displaystyle f(x;\lambda ,k)={\begin{cases}{\frac {k}{\lambda }}\left({\frac {x}

{\lambda }}\right)^{k-1}e^{-(x/\lambda )^{k}}&x\geq 0\\0&x<0\end{cases}}}
{\displaystyle f(x;\lambda ,k)={\begin{cases}{\frac {k}{\lambda }}\left({\frac {x}
{\lambda }}\right)^{k-1}e^{-(x/\lambda )^{k}}&x\geq 0\\0&x<0\end{cases}}}

donde {\displaystyle k>0} {\displaystyle k>0} es el par�metro de forma y

{\displaystyle \lambda >0} {\displaystyle \lambda >0} es el par�metro de escala de
la distribuci�n.
La distribuci�n modela la distribuci�n 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.

�ndice
1 Propiedades
2 Distribuciones relacionadas
3 Aplicaciones
4 V�ase tambi�n
5 Referencias
6 Bibliograf�a
7 Enlaces externos
Propiedades
Su funci�n de distribuci�n de probabilidad es:

{\displaystyle F(x;k,\lambda )=1-e^{-(x/\lambda )^{k}}\,} {\displaystyle

F(x;k,\lambda )=1-e^{-(x/\lambda )^{k}}\,}
para x = 0, siendo nula cuando x < 0.

La tasa de fallos (hazard) es

{\displaystyle h(x;k,\lambda )={k \over \lambda }\left({x \over

\lambda }\right)^{k-1}.} {\displaystyle h(x;k,\lambda )={k \over
\lambda }\left({x \over \lambda }\right)^{k-1}.}
La funci�n generadora de momentos del logaritmo de la distribuci�n de Weibull es2?

{\displaystyle E\left[e^{t\log X}\right]=\lambda ^{t}\Gamma \left({\frac {t}{k}}

+1\right)} {\displaystyle E\left[e^{t\log X}\right]=\lambda ^{t}\Gamma \left({\frac
{t}{k}}+1\right)}
donde G es la funci�n gamma. An�logamente, la funci�n caracter�stica del logaritmo
es

{\displaystyle E\left[e^{it\log X}\right]=\lambda ^{it}\Gamma \left({\frac {it}{k}}

+1\right).} {\displaystyle E\left[e^{it\log X}\right]=\lambda ^{it}\Gamma
\left({\frac {it}{k}}+1\right).}
En particular, el momento n-�simo de X es:

{\displaystyle m_{n}=\lambda ^{n}\Gamma \left(1+{\frac {n}{k}}\right).}

{\displaystyle m_{n}=\lambda ^{n}\Gamma \left(1+{\frac {n}{k}}\right).}
Su media y varianza son

{\displaystyle \mathrm {E} (X)=\lambda \Gamma \left(1+{\frac {1}{k}}\right)\,}

{\displaystyle \mathrm {E} (X)=\lambda \Gamma \left(1+{\frac {1}{k}}\right)\,}
y

{\displaystyle {\textrm {var}}(X)=\lambda ^{2}\left[\Gamma \left(1+{\frac {2}

{k}}\right)-\Gamma ^{2}\left(1+{\frac {1}{k}}\right)\right]\,.} {\displaystyle
{\textrm {var}}(X)=\lambda ^{2}\left[\Gamma \left(1+{\frac {2}{k}}\right)-\Gamma
^{2}\left(1+{\frac {1}{k}}\right)\right]\,.}
Mientras que su asimetr�a y curtosis son

{\displaystyle \gamma _{1}={\frac {\Gamma \left(1+{\frac {3}{k}}\right)\lambda

^{3}-3\mu \sigma ^{2}-\mu ^{3}}{\sigma ^{3}}}.} {\displaystyle \gamma _{1}={\frac
{\Gamma \left(1+{\frac {3}{k}}\right)\lambda ^{3}-3\mu \sigma ^{2}-\mu ^{3}}{\sigma
^{3}}}.}
y

{\displaystyle \gamma _{2}={\frac {-6\Gamma _{1}^{4}+12\Gamma _{1}^{2}\Gamma _{2}-

3\Gamma _{2}^{2}-4\Gamma _{1}\Gamma _{3}+\Gamma _{4}}{[\Gamma _{2}-\Gamma
_{1}^{2}]^{2}}}={\frac {\lambda ^{4}\Gamma (1+{\frac {4}{k}})-4\gamma _{1}\sigma
^{3}\mu -6\mu ^{2}\sigma ^{2}-\mu ^{4}}{\sigma ^{4}}}} {\displaystyle \gamma
_{2}={\frac {-6\Gamma _{1}^{4}+12\Gamma _{1}^{2}\Gamma _{2}-3\Gamma _{2}^{2}-
4\Gamma _{1}\Gamma _{3}+\Gamma _{4}}{[\Gamma _{2}-\Gamma _{1}^{2}]^{2}}}={\frac
{\lambda ^{4}\Gamma (1+{\frac {4}{k}})-4\gamma _{1}\sigma ^{3}\mu -6\mu ^{2}\sigma
^{2}-\mu ^{4}}{\sigma ^{4}}}}
donde {\displaystyle \Gamma _{i}=\Gamma (1+i/k)} {\displaystyle \Gamma _{i}=\Gamma
(1+i/k)}.

Distribuciones relacionadas
La distribuci�n de Weibull desplazada (a trav�s de un par�metro adicional) tambi�n
se encuentra en la literatura.2? Tiene funci�n de densidad

{\displaystyle f(x;k,\lambda ,\theta )={k \over \lambda }\left({x-\theta \over

\lambda }\right)^{k-1}e^{-({x-\theta \over \lambda })^{k}}\,} {\displaystyle
f(x;k,\lambda ,\theta )={k \over \lambda }\left({x-\theta \over
\lambda }\right)^{k-1}e^{-({x-\theta \over \lambda })^{k}}\,}
para {\displaystyle x\geq \theta } {\displaystyle x\geq \theta } y f(x; k, ?, ?) =
0 cuando x < ?, donde {\displaystyle k>0} {\displaystyle k>0} es el par�metro de
forma, {\displaystyle \lambda >0} {\displaystyle \lambda >0} es el par�metro de
escala y {\displaystyle \theta } \theta , el de localizaci�n. Coincide con la
habitual cuando ?=0.

La distribuci�n de Weibull puede caracterizarse como la distribuci�n de una

variable aleatoria X tal que

{\displaystyle Y=\left({\frac {X}{\lambda }}\right)^{k}} {\displaystyle

Y=\left({\frac {X}{\lambda }}\right)^{k}}
sigue una distribuci�n exponencial est�ndar de intensidad 1.2? De hecho, la
distribuci�n de Weibull coincide con la exponencial de intensidad 1/? cuando k = 1
y la de distribuci�n de Rayleigh de moda {\displaystyle \sigma =\lambda /{\sqrt
{2}}} {\displaystyle \sigma =\lambda /{\sqrt {2}}} cuando k = 2.

La funci�n de densidad de la distribuci�n de Weibull cambia sustancialmente cuando

k var�a entre 0 y 3 y, en particular, cerca de x=0. Cuando k < 1 la densidad tiende
a 8 cuando x se aproxima a 0 y la densidad tiene forma de J. Cuando k = 1 la
densidad tiene un valor finito en x=0. Cuando 1<k<2, la densidad se anula en 0,
tiene una pendiente infinita en tal valor y es unimodal. Cuando k=2, la densidad
tiene pendiente finita en 0. Cuando k>2, la densidad y su pendiente son nulas en
cero y la densidad es unimodal. Conforme k crece, la distribuci�n de Weibull
converge a una delta de Dirac soportada en x=?.

La distribuci�n de Weibull tambi�n puede caracterizarse a trav�s de la distribuci�n

uniforme: si X es uniforme sobre (0,1), entonces {\displaystyle
k(-\ln(X))^{1/\lambda }\,} {\displaystyle k(-\ln(X))^{1/\lambda }\,} sigue una
distribuci�n de Weibull de par�metros k y ?. Este resultado permite simular
num�ricamente la distribuci�n de manera sencilla.

La distribuci�n de Weibull es un caso especial de la distribuci�n Exponentiated

Weibull distribution (de tres par�metros) cuando el par�metro adicional vale 1.
Tambi�n es un caso especial de la generalized extreme value distribution. Fue
precisamente en este contexto que fue identificada por Maurice Fr�chet in 1927.

Aplicaciones
La distribuci�n de Weibull se utiliza en:

An�lisis de la supervivencia
En ingenier�a, para modelar procesos estoc�sticos relacionados con el tiempo de
fabricaci�n y distribuci�n de bienes

Aplicaci�n de la distribuci�n de probabilidad acumulada de Weibull a lluvias

di�rias m�ximas.3?
Teor�a de valores extremos
Meteorolog�a
Para modelar la distribuci�n de la velocidad del viento (frecuencia con la que se
dan diferentes velocidades de viento)
En telecomunicaciones
En sistemas de radar para simular la dispersi�n de la se�al recibida
En seguros, para modelar el tama�o de las p�rdidas
En la hidrolog�a, se utiliza la distribuci�n de Weibull para analizar variables
aleatorias como valores m�ximos de la precipitaci�n y la descarga de r�os,4? y
adem�s para describir �pocas de sequ�a.5?
El imagen azul ilustra un ejemplo de ajuste de la distribuci�n de Weibull a lluvias
m�ximas diarias ordenadas, mostrando tambi�n la franja de 90% de confianza, basada
en la distribuci�n binomial. Las observaciones presentan los marcadores de
posici�n, como parte del an�lisis de frecuencia acumulada.