|Trabajo de estadística

Distribución Weibull

Arín Abraham Márquez Lara

Universidad del atlántico

Ingeniería
Quimica
Barranquilla-atlántico
2020
Contenido
Introducción...............................................................................................................................................2
Distribución Weibull.................................................................................................................................4
La función de densidad de la distribución de Weibull........................................................................4
Propiedades de Distribución de Weibull..............................................................................................5
Esperanza...........................................................................................................................................5
Varianza.............................................................................................................................................5
Media..................................................................................................................................................5
Mediana..............................................................................................................................................5
Moda...................................................................................................................................................5
Ejercicios Propuestos................................................................................................................................6
Conclusión..................................................................................................................................................7
 Introducción

Los espacios muéstrales continuos y las variables aleatorias continuas surgen cuando
se trata con cantidades que se miden en una escala continua; por ejemplo, cuando se
miden la velocidad de un automóvil, la cantidad de alcohol en la sangre de un ser
humano, la eficiencia de un recolector solar o la resistencia a la tensión de una nueva
aleación.
En teoría de la probabilidad una distribución de probabilidad se llama continua si
su función de distribución es continua. Puesto que la función de distribución de una variable
aleatoria X viene dada por  Fx(x)=P(X<= x), la definición implica que en una distribución de
probabilidad continua X se cumple P[X = a] = 0 para todo número real a, esto es, la probabilidad
de que X tome el valor a es cero para cualquier valor de a. Si la distribución de X es continua, se
llama a X variable aleatoria continua.
Para una variable continua hay infinitos valores posibles de la variable y entre cada dos
de ellos se pueden definir infinitos valores más. En estas condiciones no es posible deducir la
probabilidad de un valor puntual de la variable; como se puede hacer en el caso
de variables discretas, pero es posible calcular la probabilidad acumulada hasta un cierto valor
(función de distribución de probabilidad), y se puede analizar cómo cambia la probabilidad
acumulada en cada punto (estos cambios no son probabilidades sino otro concepto: la función de
densidad.
Distribución Weibull

En teoría de la probabilidad y estadística, la distribución de Weibull es una

distribución de probabilidad continua. Recibe su nombre de Waloddi Weibull, que la
describió detalladamente en 1951, aunque fue descubierta inicialmente por Fréchet (1927) y
aplicada por primera vez por Rosin y Rammler (1933) para describir la distribución de los
tamaños de determinadas partículas.

El modelo Weibull generaliza al modelo exponencial. Su razón de fallo es monótona.

Este modelo depende de tres parámetros, que definen la razón de fallo:

 El parámetro umbral
 El parámetro de forma
 El parámetro de escala

El parámetro umbral o parámetro de localización indica el origen de tiempos. El

parámetro de forma se define en términos del exponente de la función potencial que determina
la razón de fallo del modelo. En términos de este parámetro se definir a la monotonía de la
razón de fallo. Más concretamente, la razón de fallo es monótona creciente o monótona
decreciente dependiendo de que el parámetro de forma sea superior o inferior a la unidad,
respectivamente. El inverso del parámetro de escala define la razón de fallo del modelo
exponencial, cuando el modelo Weibull se particulariza a este caso (parámetro de forma igual
a la unidad). Puesto que está definido en términos de tres parámetros, proporciona una gran
flexibilidad en la representación de comportamientos de una gran variedad de sistemas de
fallo. La implementación de métodos de inferencia es más compleja que en el modelo
exponencial. En el caso en que el parámetro umbral o de localización coincida con el instante
cero se tiene el modelo Weibull biparamétrico.
La función de densidad de la distribución de Weibull
Se trata de un modelo continúo asociado a variables del tipo tiempo de vida, tiempo
hasta que un mecanismo falla, etc. La función de densidad de este modelo viene dada por:

Esta dada de la siguiente forma:

 β
β −1 −α x

{
f (x ; α , β )= αβ x e , x> 0
0 ,en otro caso

α >0 Parámetrode escalaβ >0 parámetro de forma

β=0 Reduce la distribucion exponencial

β >1 se asemejan a las curvasnormales
La grafica representa las densidades de Weibull
1
α=1 y β= , 1 ,2
2

Función de distribución acumulativa para la distribución de weibull es:

β

F ( x )=1−e−α x , para x ≥ 0
Propiedades de Distribución de Weibull
Esperanza
∞
E ( x )=∫ xf ( x)
−∞

∞
α

E ( x )=∫ xλα ( λx )α −1∗¿ e− λx dx ¿

0

∞
α

E ( x )=∫ α ( λx )α∗¿ e−λ x ¿dx

0

−1
β 1
E ( x )=α γ (1+ )
β
1
E ( x )=α −1 γ (1+ )
β

Varianza
−2 2 2
2 1 2 1
2
σ =α β
( ( ) ( ( )) )
γ 1+ − γ 1+
β β
2
σ =α −2
( ( ) ( ( )) )
γ 1+ − γ 1+
β β
Media
αγ 1+ ( 1β )
Mediana
1
α ( ln ( 2 ) ) β

Moda
1
β−1
α ( ) , si β >1
β
β

Ejemplo 1:
El tiempo de vida X, en horas, de un artículo en el taller mecánico tiene una
distribución Weibull con α=2 y β=1/2 , ¿Cuál es la probabilidad de que falle 8 horas de
uso?, calcule su esperanza y varianza.
Solución:
F ( x <8 ) =F ( 8 )=1−e−¿¿
−1
E ( x )=α β
( 1β )
γ 1+

−1
1
E ( x )=2 1/ 2 γ 1+ ( 1/2 )
1
E ( x )= γ ( 3 )
4
1 1
E ( x )= ( 3−1 ) !=
4 2
−2 2
2 1
2
σ =α β
( ( ) ( ( )) )
γ 1+
β
− γ 1+
β

−2 2
2 1 5
2
σ =2 1/ 2
( ( ) ( ( )) )
γ 1+
1 /2
− γ 1+
1/2
=
4

Ejemplo 2: Suponga que la vida útil de cierto elemento es una variable aleatoria que tiene
distribución Weibull con α=0.01 y β=0.5, ¿Cuál es la probabilidad de que el elemento dure
300 horas de uso?, calcule su esperanza y varianza.
F ( x=300 )=F ( 300 )=1−e−¿¿

( 1β )
E ( x )=α −1 1+

1
E ( x )=0.01 γ ( 1+
0.5 )
−1

E ( x )=100 γ ( 3 )
E ( x )=100∗( 3−1 ) !=200
2
2 1
( ( ) ( ( )) )
σ 2=α −2 γ 1+
β
− γ 1+
β

2
2 1
( ( ) ( ( )) )
σ 2=0.01−2 γ 1+
0.5
− γ 1+
0.5
=200000

σ =447.21
Ejemplo 3: Si un granito rico en feldespato K, sufre procesos de erosion en la parte alta de una montaña
transportando los clastos a una cuenca en la parte baja, donde finalmente se depositara. Si la vida útil del
feldespato k es una variable aleatoria que tiene una distribución de Weibull con alfa=0.3 y beta 0.25,
calcular los datos correspondientes. Cuando X=200

F ( x=200 )=F ( 200 ) =1−e−¿¿

1
E ( x )=0.3−1 γ 1+ ( 0.25)=400

2
2 1
((
σ 2=0.3−2 γ 1+
0.25)((
− γ 1+
0.25 )) )=441600
σ =664.53

Ejercicios Propuestos
1. El tiempo T en segundos que tarda en conectarse a un servidor durante un día laborable
sigue una distribución de Weibull de parámetros α = 0.6 y β = 1/4, mientas que un fin de
semana es una Weibull de parámetros α = 0.24 y β = 1
Se quiere saber:
(a) Tiempo medio que tardaremos en conectarnos en ambos tipos de día;
 (b) Calcula, para ambos tipos de día, la probabilidad de tardar más de 10 segundos en
realizar la conexión
(c) Si llevamos ya 5 segundos esperando a que se efectué la conexión, ¿cuál es la
probabilidad de que la conexión se demore aun 10 segundos más?
(d) ¿Era de esperar el resultado que se obtiene en (c)?

2. Suponga que el tiempo para fallar (en minutos) de ciertos componentes electrónico
sometidos a vibraciones continuas pueden considerarse como una variable aleatoria que
tiene distribución weibull con α=1/2 y β=1/3
a) ¿Cuánto tiempo puede esperarse que dure dicho componente?
b) ¿Cuál es la probabilidad de que tal componente fallara en menos de 5 horas?

3. Suponga que la vida de servicio (en horas) de un dispositivo semiconductor es una

variable aleatoria que tiene distribución de Weibull con α=0.025 y β=0.5. ¿Cuál es la
probabilidad de que tal dispositivo todavía estará en condición operativa después de 4000
horas?
4. La información disponible acerca de la duración de 15 controladores neumáticos
sometidos a funcionamiento continuo hasta que se produce un fallo, da los siguientes
resultados, expresado por su duración en horas: 124, 190, 234, 276, 313, 349, 386, 420,
455, 499, 542, 588, 648, 710, 830. Se pide:
a. Determinar el tipo de distribución de fallos y sus paramentos, explicando el significado
de los resultados obtenidos.
b. Calcular la duración media de vida, la desviación típica y la probabilidad de fallo en el
valor medio.
c. Si los tiempos medios de reparación siguen una distribución de Weibull con 𝛽 = 2, 𝜂 =
40, 𝛾 = 10ℎ, ¿Cuál es la disponibilidad media?
5. Suponiendo que la vida de servicio en años de una batería de un automóvil es una
variable aleatoria que tiene la distribución Weibull con alfa 1/2 y beta 2, cuánto tiempo se
puede esperar que tal batería dure, probabilidad de que una batería de este dure más de 2
años?
6. Suponga que la duración de un disco magnético empaquetado expuesto a gases
corrosivos tienen una distribución Weibull alfa ½ y beta 0.5 y una vida media de 600
horas, calcule la probabilidad de que un disco dure al menos 500 horas y la probabilidad de
que un disco falle antes de 400 horas
7. El tiempo de duración de una bomba de recirculación sigue una distribución Weibull
con parámetros beta 2 y alfa 700 horas. Determine la vida media de la bomba, la varianza
del tiempo de duración de la bomba.
 8. Se modela la duración en horas de cierto tipo de cojinete con la distribución de Weibull
con parámetros alfa 2.25 y beta 4.474x10^-4, determine la probabilidad de duración de
1000 horas.
9. La duración de un ventilador en horas, que se usa en un sistema computacional tienen
una distribución de Weibull con alfa 1.5 y beta 0.0001, probabilidad que dure 10000 y
5000 horas, determinar esperanza y varianza de la duración del ventilador.
10. Un sistema consiste de dos componentes conectados en serie. El sistema fallara
cuando alguno de los componentes falle. Sea T el momento en el que el sistema falla.
Sean x1 y x2 las duraciones de los dos componentes. Suponga que x1 y x2 son
independientes y que cada uno sigue una distribución Weibull con alfa 2 y beta 0.2,
determine duración de 5 horas.

Conclusión
La distribución de Weibull es una distribución de probabilidad continua, y se trata de un
modelo continúo asociado a variables del tipo tiempo de vida, tiempo hasta que un mecanismo
falla, entre otras por primera vez fue utilizada para describir la distribución de los tamaños de
determinadas partículas. La distribución weibull es una de las distribuciones utilizadas en la
industria 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, 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.

Referencias
johnson, R. A. (2012). Probabilidad y estadistica para ingenieros (Octava ed.). Mexico: Pearson.
Recuperado el 10 de Marzo de 2020