Академический Документы
Профессиональный Документы
Культура Документы
UNIDAD VI
La Distribucin normal
La distribucin normal, tambin conocida como la distribucin de Gauss, es la distribucin mas utilizada para propsito general. Es por esta razn que normalmente se le incluye entre las distribuciones de tiempo de vida usadas para el anlisis de la confiabilidad y de los datos de vida. Hay algunos que defienden la hiptesis que la distribucin normal es inapropiada para modelar los datos de tiempo de vida porque el lmite izquierdo de la distribucin se extiende hasta el infinito negativo. Esto podra producir un modelado del tiempo para la falla negativo. Sin embargo, con tal de que la distribucin en cuestin tenga una media relativamente alta y una desviacin estndar relativamente pequea, el problema de tiempos de fallas negativos no debe presentarse como un problema. No obstante, la distribucin normal ha mostrado ser til para modelar las vidas de artculos consumibles, como los cartuchos de tonner de una copiadora.
Donde: = Media de los tiempos para la falla (tambin denotado como ) = Desviacin Estndar de los tiempos para la falla.
Es una distribucin de dos parmetros ( y ), es decir la media y la desviacin estndar, respectivamente.
81
TECSUP
La Desviacin estndar Normal As como con la media, la desviacin estndar para la distribucin normal es realmente uno de los parmetros, normalmente denot como T. La Funcin de Confiabilidad Normal La confiabilidad para una misin de tiempo T para una distribucin normal esta determinada por:
No hay ninguna solucin estndar para la funcin de Confiabilidad normal. Pueden obtenerse soluciones va el uso de tablas normales estndar. Ya que la aplicacin automticamente resuelve para la confiabilidad, no se discutirn los mtodos de solucin manuales. Para lectores interesados en profundizar en el tema, pueden encontrar en las referencias, informacin ms detallada.
Una vez ms, es necesario el uso de tablas de normales estndar para el clculo de la confiabilidad condicional normal. No hay ninguna solucin estndar.
La Vida confiable Normal No hay ninguna solucin estndar para la funcin de confiabilidad normal, por lo que tampoco habr ninguna solucin estndar para la vida confiable normal. Para determinar la vida confiable normal, uno debe resolver:
82
TECSUP
para T. La Funcin Tasa de Fallas Normal La tasa de fallas normal instantnea esta dada por:
6.3
Algunas de las caractersticas especficas de la distribucin normal son las siguientes: o La pdf normal tiene una media , que es igual a la mediana y tambin igual a la moda. Esto es porque la distribucin normal es simtrica respecto su media.
83
TECSUP
o o
La media , o la vida media o MTTF, tambin es el parmetro de ubicacin de la pdf normal, ya que la pdf se ubica a lo largo de la abscisa. Puede asumir valores entre - < <. La pdf normal no tiene parmetro de forma. Esto significa que la pdf normal tiene slo una forma, la forma de campana, y esta forma no cambia.
La desviacin estndar T, es el parmetro de escala de la pdf normal. Cuando T disminuye, la pdf se compacta hacia la media, o se vuelve ms delgada y ms alta. Cuando T aumenta, la pdf se expande hacia fuera de la media, o sea se pone ms ancha y ms chata. La desviacin estndar puede asumir valores entre 0 < T < . A mayor variabilidad, mayor es el valor de T, y viceversa. La desviacin estndar tambin es la distancia entre la media y el punto de inflexin de la pdf, a cada lado de la media. El punto de inflexin es ese punto de la pdf dnde la cuesta cambia su valor de una disminucin a un aumento, o donde la segunda derivada de la pdf es cero. La pdf normal empieza en T = - con una f(T) = 0. Con forme aumenta T, f(T) tambin aumenta, pasa por su punto de inflexin y alcanza su valor mximo en T = . Despus de esto, f(T) disminuye, pasa por su punto de inflexin y asume un valor de f(T) = 0 en T = +.
Como se describi antes, el trazado de probabilidad involucra el trazado de los tiempos de falla y la desconfiabilidad asociada en el papel de probabilidad especialmente construido. El formato de este papel se basa en la linealizacin
84
TECSUP
de la cdf de la distribucin especfica. Para la distribucin normal, la funcin de densidad cumulativa puede escribirse como:
(1) o:
(2) donde:
Ahora, si:
(3) (4) y:
(5)
El papel de probabilidad normal que es el resultado de esta funcin cdf linealizada se muestra a continuacin.
85
TECSUP
Desde que la distribucin normal es simtrica, el rea bajo la curva de la pdf desde - hasta es 0.5, as como el rea desde hasta +. Por consiguiente, el valor de es el punto dnde R(t) = Q(t) = 50%. Esto significa que la estimacin de puede leerse a partir del punto dnde se cruza la lnea trazada desde el 50% de desconfiabildad con la cdf linealizada. Para determinar el valor de del grfico de probabilidad, primero es necesario entender que el rea bajo la curva de la pdf que queda entre una desviacin estndar a ambos lados de la media (o dos desviaciones estndar) representa 68.3% del rea bajo la curva. Esto se representa grficamente en la siguiente figura.
86
TECSUP
Por consiguiente, el intervalo entre Q(t) = 84.15% y Q(t) = 15.85% representan dos desviaciones estndar, desde que ste es un intervalo de 68.3% (84.15 15.85 = 68.3), y se centra en la media al 50%. Como resultado, la desviacin estndar puede estimarse de:
(6) Eso es, el valor de se obtiene substrayendo el valor del tiempo dnde la lnea trazada desde la desconfiabildad 84.15% cruza la cdf linealizada y del valor del tiempo dnde la lnea trazada desde la desconfiabilidad 15.85% cruza la cdf linealizada y dividiendo el resultado por dos. Este proceso se ilustra en lo siguiente ejemplo.
Ejemplo 1 de la Distribucin normal Se someten siete unidades a una prueba de vida hasta la falla. Los tiempos de falla son 85, 90, 95, 100, 105, 110, y 115 horas. Asumiendo una distribucin normal, estime los parmetros usando el ploteo de probabilidad.
Solucin del Ejemplo 1 (Distribucin normal) Para trazar los puntos para el ploteo de la probabilidad, se deben estimar los valores de la desconfiabildad apropiada. stos se estimarn a travs del uso de del rango medio, las cuales pueden obtenerse de tablas estadsticas o de la Referencia Estadstica Rpida en Weibull++. La siguiente tabla muestra los tiempos para la falla y los valores adecuados del rango medio para este ejemplo:
Estos puntos pueden trazarse ahora en el papel de probabilidad normal como se muestra en la siguiente figura.
87
TECSUP
Dibuje la mejor lnea posible a travs de los puntos. Los valores del tiempo dnde esta lnea corta las lneas de los valores de desconfiabilidad 15.85%, 50%, y 84.15% debe proyectarse hacia la abscisa, como se muestra en el siguiente grfico.
88
TECSUP
La estimacin de es determinado del valor del tiempo al nivel de la desconfiabilidad 50%, que en este caso esta a las 100 horas. El valor del estimador de se determinado por la ecuacin (6):
Alternativamente, podra determinarse midiendo la distancia entre t(Q = 15.85%) y t(Q = 50%), o desde t(Q = 50%) a t(Q = 84.15%), ya que ambas distancias son iguales al valor de una desviacin estndar.
89
TECSUP
6.4.2
Uso del rango de regresin en Y para calcular los parmetros de la distribucin normal
El rango de regresin en Y requiere una lnea recta que encaje a un juego de datos tal que la suma de los cuadrados de las desviaciones verticales de los puntos a la lnea sea minima. El mtodo de estimacin de parmetros de los mnimos cuadrados (anlisis de regresin) se discuti en el captulo 1, donde se derivaron las siguientes ecuaciones para la regresin en Y:
(7) y:
y:
Donde los valores para F(Ti) se estiman del rango medio. Una vez que se obtienen y b^, puede obtenerse fcilmente de las ecuaciones (4) y (5). El Coeficiente de correlacin El estimador del coeficiente de correlacin de la muestra, esta dada por:
(9)
90
TECSUP
Ejemplo 2 de La Distribucin normal Se prob la confiabilidad de catorce unidades y se obtuvieron los siguientes datos de prueba de vida: Tabla 6.1 - Los datos de la prueba por ejemplo 2 ndice de los Datos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Tiempo para la falla 5 10 15 20 25 30 35 40 50 60 70 80 90 100
Asumiendo que los datos siguen una distribucin normal, estimar los parmetros y determinan el coeficiente de correlacin , usando el rango de regresin en Y. Solucin del ejemplo 2 Construya una tabla como la que se muestra a continuacin. o o Los valores del rango medio (F(Ti)) pueden encontrarse en las tablas de rango, disponible en muchos textos de estadstica, o pueden estimarse usando la Referencia Estadstica Rpida en Weibull++. Los valores de yi se obtuvieron de las tablas del rea de distribucin normal estandarizada entrando con F(z) y consiguiendo el valor de z correspondiente (yi). Como con los valores del rango medio, estos valores normales estndar pueden obtenerse con la Referencia Estadstica Rpida.
91
TECSUP
Dado los valores de la Tabla 8.2, calcule y b^ usando las ecuaciones (7) y (8):
y:
o:
92
TECSUP
y de la ecuacin (4):
6.4.3 Uso del Rango de Regresin en X para calcular los parmetros de la Distribucin normal Como se mencion previamente, realizar un rango de regresin en X requiere que una lnea recta encaje en un juego de datos tal que la suma de los cuadrados de las desviaciones horizontales de los puntos a la lnea sea minima. De nuevo, la primera tarea es convertir la funcin, ecuacin (1), en una lnea. Este paso es exactamente igual que en el anlisis del rango de regresin en Y y aplicar en este caso las ecuaciones (2), (3), (4), y (5), como se hizo para la regresin en Y. La desviacin del anlisis anterior empieza en el paso dnde hay que encajar los mnimos cuadrados: en este caso, tratamos a x como la variable dependiente y a y como la variable independiente. La mejor lnea recta para los datos, para la regresin en X, es la lnea recta:
y:
donde:
y:
93
TECSUP
y los F(Ti) se estiman de los valores del rango medio. Una vez que se obtienen y b^, resuelva la ecuacin (10) para el valor desconocido de y que corresponde:
(11) y:
(12)
Ejemplo 3 Usando los datos del ejemplo 2 y asumiendo una distribucin normal, estime los parmetros y determine el coeficiente de correlacin , usando el rango de regresin en X.
Solucin del Ejemplo 3 La tabla 8.2 construida en el ejemplo 2 tambin aplica a este ejemplo. Usando los valores en esa tabla, obtenemos:
y:
94
TECSUP
o:
y de la ecuacin (11):
Note que los resultados para la regresin en X no necesariamente son iguales que los resultados para la regresin en Y. El nico caso en el que las dos regresiones son iguales (es decir dar la misma ecuacin para una lnea) es cuando los datos quedan perfectamente en una lnea recta.
6.5
Limites de confianza para la Distribucin normal Se presenta en esta seccin, el mtodo usado para la aplicacin en la estimacin de los diferentes tipos de lmites de confianza para los datos normalmente distribuidos. Las derivaciones completas fueron presentadas en detalle (para una funcin general) en el captulo de Lmites de Confianza. 6.5.1 Lmites de Confianza exactos Hay soluciones estndar para los lmites de confianza exactos para las distribuciones normal y lognormal. Sin embargo estas soluciones estndar slo aplican para datos completos. Para lograr una aplicacin consistente para todos los tipos posibles de datos, Weibull++ usa siempre el mtodo de la matriz de Fisher o mtodo de la tasa de probabilidad computando los intervalos de confianza. El lmite inferior y superior de la media ^, se estima a partir de:
95
TECSUP
Ya que la desviacin estndar ^T debe ser positivo, ln(^T) se trata como normalmente distribuido, y los lmites se estiman de:
96