GESTION DE MANTENIMIENTO

Estadstica Aplicada I
Ing. Wilmer Berrospi
Docente ISTP Escuela Superior

ESTADISTICA Y LA GESTION DE
MANTENIMIENTO

La informacin en el mantenimiento es la mejor

herramienta con la que puede contar un gerente
de esta rea, de la calidad de la misma y la
confianza que le pueda dar, dependen las
decisiones acertadas o no que pueda tomar
 Informacin
Fechas de:
- Programacin de actividad
- Ocurrencia del suceso
- Solicitud de la intervencin o reporte de suceso
- Realizacin de actividad
Horas
- Programacin de actividad
- Ocurrencia del suceso
- Solicitud de la intervencin o reporte de suceso
- Realizacin de actividad

Activo al cual le ocurre un evento o se realizara una accin

Informacin
Tipo de suceso ocurrido o programado:
- Instalacin
- Puesta en marcha
- Ajuste
- Reparacin
- Revisin

Tipo de falla:
- Parcial
- Total
- Oculto
 Informacin
Costos
- Mano de obra
- Repuestos
- Trabajos externos

Personal que interviene

- Tcnicos
- Supervisores
- Ingenieros
- Administradores
- Operarios

Objetivo de la Informacin
Categorizar variables de acuerdo a los niveles de impacto
ocasionados dentro del proceso en el cual estn inmersas y a las
metas de compaa que permitan trazar planes de mejoramiento
dentro del rea.
 La probabilidad
Probablemente...", "es poco
probable que...", "hay muchas Incertidumbre
posibilidades de que..."

La teora de la probabilidad proporciona

una base para evaluar la confiabilidad de
las conclusiones alcanzadas y las
acciones realizadas

Incertidumbre
Expresin del grado de desconocimiento de una condicin
futura (por ejemplo, de un sistema o equipo).

Debida a:
Falta de informacin Desacuerdo sobre lo que se sabe
o lo que podra saberse

Confiabilidad - Confiar
Dicho de una persona o de una cosa: En la que se
pueda confiar.
 Situaciones de Incertidumbre
- Certidumbre subjetiva: Se prev subjetivamente un solo
resultado posible para el futuro (p.e.: pronstico de un
determinado volumen de ventas). En este caso se planea con
certeza subjetiva
- Riesgo subjetivo: Sabiendo que el futuro es incierto, se
aceptan como posibles varios resultados.
- Incertidumbre pura o subjetiva: Se observan mltiples
distribuciones con pronsticos ,de distribucin de
probabilidades sobre bases inciertas (economa, mercado,
competencia, etc.).

Criterio de Racionalidad
1. Criterio de Laplace: Toma su decisin con el criterio del valor
esperado, es decir, la ausencia de conocimiento sobre el estado
de la naturaleza equivale a afirmar que todos los estados son
equiprobables.
2. Criterio optimista: Supone que la naturaleza es benvola; por lo
tanto elige siempre lo mejor.
3. Criterio pesimista o de Wald: Supone que la naturaleza es
malvola y, analizando por ejemplo cada estrategia, considera la
peor situacin que pueda presentarse. Una vez halladas las
peores situaciones para cada estrategia, elige de entre ellas la
mejor.
4. Criterio intermedio o de Hurwicz: El tomador de la decisin tiene
cierto coeficiente que es ndice de su grado de optimismo y que
vara entre cero y uno.
 Espacio muestral ( U )
Conjunto universo de todos los
resultados posibles de un
experimento dado.

Cada uno de sus elementos se denomina

punto muestral o muestra.

Espacio muestral ( U ) - Ejemplos

1. Si el experimento se basa en la eleccin de un dgito,
entonces el espacio muestral es:
U={0,1,2,3,4,5,6,7,8,9}
2. Lanzamiento de monedas: Si el experimento se basa en el
lanzamiento de una moneda, el espacio muestral tiene dos
elementos, cara ( c ) y sello ( s ):
U={c,s}
3. Garanta de productos: Si el experimento se basa en
encontrar el numero de balineras que presentan fallas en
un periodo determinado
U = { Descamacin ,Desgaste, Rayaduras, Fractura, Jaula Daada,
Corrosin, Deslizamiento, Grietas, Sobrecalentamiento, Corrosin
Elctrica, Patinaje, Abolladuras, Agarrotamiento. }
 Espacio muestral ( U ) - Ejemplos
1. Si el experimento se basa en lanzar un dado.
Espacio muestral = total de caras en que puede
caer el dado, o sea seis formas de inters:
U = { 1, 2, 3, 4, 5, 6 }

Fenmenos
Fenmeno Aleatorio.-
Es un fenmeno del que no se sabe que es lo que va a ocurrir,
estn relacionados con el azar o probabilidad.
Fenmeno Determinista.-
Es el fenmeno en el cual de antemano se sabe cual ser el
resultado.
La probabilidad estudia el tipo de fenmenos aleatorios.

Experimento aleatorio.-
Una accin que se realiza con el propsito de analizarla. Tiene
como fin ltimo determinar la probabilidad de uno o de
varios resultados.
Se considera como aleatorio y estocstico, si sus resultados no
son constantes.
Puede ser efectuado cualquier nmero de veces esencialmente
en las mismas condiciones.

Un experimento es aleatorio si se verifican las siguientes

condiciones:

1. Se puede repetir indefinidamente, siempre en las mismas

condiciones;
2. Antes de realizarlo, no se puede predecir el resultado que se
va a obtener;
3. El resultado que se obtenga, s, pertenece a un conjunto
conocido previamente de resultados posibles.
Ejemplos:

Tirar dardos en un blanco determinado

Lanzar un par de dados
Obtener una carta de una baraja
Lanzar una moneda

Otros ejemplos :

A: que al nacer un bebe, ste sea nia

B: que una persona de 20 aos, sobreviva 15 aos ms
C: que la presin arterial de un adulto se incremente ante un
disgusto
Probabilidad e Inferencia.
Se presentan dos candidatos al cargo de la presidencia
del AULA, y se desea determinar si el candidato X
puede ganar.

Poblacin de inters: Conjunto de respuestas de los

estudiantes que votarn el da de las elecciones.

Criterio de gane: Si obtiene el ms del 50% de los

votos.

Supngase que todos los estudiantes de la AULA van a

las urnas y se elige de manera aleatoria, una muestra
de 20 estudiantes.

Si los 20 estudiantes apoyan al candidato

Qu concluye respecto a la posibilidad que tiene el

candidato X de ganar las elecciones ?
1. EL CANDIDATO X GANARA

2. EL CANDIDATO Y GANARA

3. NO SE PUEDE CONCLUIR NADA

1.- EL CANDIDATO X GANARA

Ganar implica obtener mas del 50% y como la fraccion que lo

favorece en la muestra es 100%, entonces la fraccion que lo
favorecera en la poblacion sera igual.

ES CORRECTA ESTA INFERENCIA ?.

TOME UNA MONEDA HONRADA Y LANCELA 20 VECES
ANOTANDO LOS RESULTADOS.

LLAME
X = CAE CARA
Y = CAE SELLO.

Cual es la fraccin de caras y cual es la fraccin de

sellos ?.

1.- EL CANDIDATO X GANARA

Seria imposible que 20 de los 20 votantes de la muestra lo

apoyaran, si en realidad, menos del 50% de los votantes
pensara votar por el.

ES CORRECTA ESTA INFERENCIA ?.

NO.

Si bien no es imposible obtener 20 votantes a favor de

x en una muestra de 20, si es probable que menos
del 50% de los votantes este a favor de el, aun
cuando sea muy poco probable.

Suceso o Evento
Cada subconjunto del espacio muestral se llama suceso( o
evento) . Si consta de un solo elemento se le dice evento
elemental.

Ejemplo
Sean U el espacio muestral formado por los 10 dgitos, A y B
eventos tales que:
A ocurre si y slo si el dgito es par.
B ocurre si y slo si el dgito es mltiplo de 3.
Entonces:
A={0,2,4,6,8}
B={0,3,6,9}
 Suceso o Evento

Los eventos aleatorios se denotan normalmente con las letras

maysculas A, B, C, ...

Son subconjuntos de U, esto es, A, B, C, U

Los eventos aleatorios son conjuntos que pueden contener un

solo elemento, una infinidad de elementos, y tambin no
contener ningn elemento.

Al nmero de puntos muestrales de U se le representa por N(U)

Suceso o Evento

Eventos aleatorios que aparecen con gran frecuencia en el clculo

de probabilidades:

Evento seguro.- Siempre se verifica despus del experimento

aleatorio, son los mismos del espacio muestral.
E = U y N(E) = N(U)

Evento Imposible.- Es aquel que nunca se verifica como resultado

del experimento aleatorio. No tiene elementos de inters para
su fenmeno. Es un subconjunto de U, y la nica posibilidad es
que el evento imposible sea el conjunto vaco.
) U, y N()) = 0
 Suceso o Evento

Evento Elemental.- Es el evento E que contiene exactamente un

punto muestral de U, esto es, N(E) = 1.

Cada elemento del espacio muestral, es un evento elemental.

Tambin se le denomina como punto muestral.

Si U1, U2 U entonces U1, U2 son eventos elementales.

Suceso o Evento
Ejemplos (1) y (2):

En el experimento 1,
U = { u, a }, u y a son sucesos elementales
N(U) = 2

A = Que caiga cara= { u }, N(A) = 1

B = Que caiga sello = { a }, N(B) = 1
 Suceso o Evento

En el experimento 2,
U = { 1, 2, 3, 4, 5, 6 }, 1, 2, 3, 4, 5 y 6 son sucesos elementales, y
N(U) =6
A = Que caiga un uno = { 1 }
B = Que caiga un dos = { 2 }
: : :
F = Que caiga un seis = { 6 }

Suceso o Evento

Evento Compuesto.- Es el evento E que contiene ms de un punto

muestral de S, por tanto
N(E) > 1

Evento contrario a un evento A: Tambin se denomina evento

complemento de A y es el evento que se verifica si, como
resultado del experimento aleatorio, no se verifica A.
Ya que los eventos son conjuntos, este evento se denota con el
smbolo Ac o bien , y se define como:

 Suceso o Evento
Ejemplo:
Experimento: Se lanza una moneda tres veces.
Espacio Muestral:
= { (S,S,S), (S,S,C), (S,C,S), (C,S,S), (C,C,S), (C,S,C), (S,C,C), (C,C,C) },
N() = 8, S es el evento seguro.

Evento simple:
B:Que salgan tres sellos; B ={ (S,S,S) } , N(B) = 1

Evento compuesto:
E: Que salgan al menos dos sellos;
E = { (S,S,S), (S,S,C), (S,C,S), (C,S,S) }, N(E) = 4

Evento imposible: I (conjunto vaco). N(I) = 0

Suceso o Evento
Si un espacio muestral contiene n puntos muestrales, hay un total
de 2n subconjuntos o eventos ( se le conoce como conjunto
potencia ).

Por tanto para el ejemplo anterior existen:

28 = 256, eventos posibles.

Para el caso del experimento: se tira una moneda,

el espacio muestral es de 2 puntos muestrales .
U = {C, S}, por lo que se tienen 22 = 4 subconjuntos y el conjunto
potencia es: (C,S), (C), (S), I (conjunto vaco).
 Suceso o Evento

Operaciones Bsicas con Eventos Aleatorios

Ya que los eventos aleatorios son subconjuntos del conjunto ,

espacio muestral, se pueden aplicar las conocidas operaciones
con conjuntos, a los eventos, como son la unin, la
interseccin y la diferencia de eventos.

Suceso o Evento
OPERACIN EXPRESION DESCRIPCION

UNION AB Unin de eventos originales: es el

evento que sucede si y solo si A sucede
o B sucede o ambos suceden

INTERSECCION AB Interseccin de los eventos originales,

es el evento que sucede si y slo si A y
B suceden simultneamente.

DIFERENCIA A-B La diferencia de los eventos originales A

y B, es el evento que sucede solo en A
pero no en B.
 PROBABILIDAD

Grficamente estas operaciones se pueden representar a travs de

los diagramas de Venn.
Sea el espacio muestral y A y B eventos tal que A, B
grficamente se puede expresar como:

A B

Fig. 1 Los eventos A y B no tienen elementos del espacio muestral en comn.

Suceso o Evento

A B

Fig 2. Los eventos A y B tienen elementos del espacio muestral en

comn.
 Suceso o Evento

De acuerdo a lo indicado en las figuras 1 y 2, la unin de dos

eventos se presenta de dos formas diferentes: cuando los
eventos son mutuamente exclusivos (que no tienen elementos
en comn) y cuando entre los eventos hay elementos comunes.

Definicin.- Se dice que dos eventos A y B son mutuamente

exclusivos, cuando no pueden ocurrir simultneamente, es decir,
A B = , lo que ocurre en la fig. 1.

Suceso o Evento
Ejemplo:
Experimento: Se lanza un dado.
Espacio muestral = total de caras en que puede caer el dado, o sea seis
formas de inters:
S = { 1,2,3,4,5,6 }, N(S) = 6
Sean A, B, C los eventos:
A: Que caiga un nmero impar = { 1, 3, 5 } ,
N(A) = 3
B: Que caiga un nmero mayor de 2 y menor que 5 = { 3, 4 }, N(B) = 2
C: Que caiga un nmero par = { 2, 4, 6 } ,
N(C) = 3
 Suceso o Evento

U
B
1
A 3
4
5
C
2
6

A B = { 1, 3, 5 } { 3, 4 } = {1,3,4,5}, N(A B) = 4
A C = { 1, 3, 5 } { 2,4,6 } = {1,2,3,4,5,6}=S, N(A C) = N(S) = 6
B C = { 3, 4 } { 2, 4, 6 } = {2,3,4,6}, N(B C) = 4
A B C = { 1, 3, 5 } { 3, 4 } { 2,4,6 }= {1,2,3,4,5,6}=S,
N(A B C) = 6

Suceso o Evento

U
B
A 3
4
C

A B={ 1, 3, 5 } { 3, 4 } = {3}, N(AB) = 1

A C={ 1, 3, 5 } { 2,4,6 } = {)}, N(A C) = N{)) = 0
B C={ 3, 4 } { 2, 4, 6 } = {4}, N(B C) = 1
(A B) C = ({ 1, 3, 5 } { 3, 4 }) { 2,4,6 }= {3} { 2,4,6 }={)},
N((A B) C) = N{)) = 0
A (B C) = { 1, 3, 5 } ({ 3, 4 } { 2,4,6 })= { 1, 3, 5 } { 4 }={)},
N(A (B C)) = N{)) = 0
 Suceso o Evento

U
B
1
A 3
5
C

A B = ={ 1, 3, 5 } - { 3, 4 } = { 1, 5 }, N(A B) = 2
A C = { 1, 3, 5 } - { 2,4,6 } = { 1,3,5 } = A, N( A C) = N(A) = 3
B C = { 3, 4 } - { 2,4,6 } = { 3 }, N(B-C) = 1

Suceso o Evento

U
B
1
A 3
4
5
C
2
6

Ac = { 2, 4, 6} = C N(Ac ) = N( C )= 3
Bc = {1, 2, 5, 6 } N(Bc ) = 4
Cc = {1, 3, 5 } = A N(Cc ) = N(A) = 3
 Probabilidad
Frecuencia con la que ocurre un resultado en un experimento
bajo condiciones suficientemente estables.

Posibilidad de que se produzca un suceso o aparezca un valor

de entre el conjunto de casos o situaciones consideradas.
Clsicamente se define por el cociente de casos favorables
entre los casos posibles.

Probabilidad
Probabilidad Clsica y Frecuencial.
Probabilidad frecuencial y regularidad estadstica
Las frecuencias relativas de un evento tienden a estabilizarse
cuando el nmero de observaciones se hace cada vez
mayor.

Ejemplo: La regularidad estadstica en el experimento del

lanzamiento de monedas, indica que las frecuencias
relativas del evento: que salga sello {s }, se tiende a
estabilizar aproximadamente en .5= 1/2.
 Probabilidad
Probabilidad frecuencial y regularidad estadstica

La probabilidad de un evento A, denotada por P(A), es el valor

en el que se estabilizan las frecuencias relativas del
evento A, cuando el nmero de observaciones del
experimento se hace cada vez mayor.
Esto es:



donde
N(A) = nmero de elementos del evento A
N() = nmero de elementos del espacio muestral .

Probabilidad
Probabilidad clsica.-
Sea S un espacio muestral cualquiera y A un evento de ese
espacio. Se define la probabilidad P del evento A, como:

donde
NCF - nmero de casos favorables
NCT - nmero de casos totales
 Probabilidad
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga escudo.
Calcular la probabilidad de A:
S = { A, S}, N() = 2
A = { A }, N(A) = 1

Definicin axiomtica de Probabilidad

Sea U: espacio muestral y P(U) conjunto de las partes de U

Se define probabilidad, o funcin de probabilidad, a

cualquier funcin p: P(U) K ; que cumpla los axiomas
siguientes:

i) p(A) 0 A P(U)
ii) p(A1A2 A3...) = p(A1) + p(A2) + p(A3) + ...
si AiAj = i j (sucesos mutuamente excluyentes)
iii) p(U) = 1
 Propiedades de la Probabilidad

1) p(Ac) = 1 -p(A)
Ac representa el suceso complementario de A, es decir
el formado por todos los resultados que no estn en A.
2) A1 A2 p(A1) p(A2)

3) p( = )0
4) p(A) 1
5) p(A B) = p(A) + p(B) - p(A B) (Regla general de la
adiccin)

Probabilidad Condicionada

La probabilidad de que ocurra el suceso A si ha ocurrido el

suceso B se denomina probabilidad condicionada.

 Probabilidad Compuesta

La probabilidad de que se den simultneamente dos

sucesos (suceso interseccin de A y B) es igual a la
probabilidad a priori del suceso A multiplicada por la
probabilidad del suceso B condicionada al cumplimiento del
suceso A.

Probabilidad Total

Permite calcular la probabilidad de un suceso a partir de

probabilidades condicionada

La probabilidad de que ocurra el suceso B, es igual a la suma de

multiplicar cada una de las probabilidades condicionadas por la
probabilidad de cada suceso A.
 Teorema de Bayes
A partir de que ha ocurrido el suceso B deducimos las
probabilidades del suceso

Explicar esta frmula con palabras es confuso, as que vamos a

intentar explicarla con un ejemplo

Teorema de Bayes - Ejemplo

El parte meteorolgico ha anunciado tres posibilidades para el

fin de semana:
a) Que llueva: probabilidad del 50%.
b) Que caiga granizo: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.

Abraham Levi
Meteorologo
 Teorema de Bayes - Ejemplo

Segn estos posibles estados meteorolgicos, la posibilidad de

que ocurra un accidente es la siguiente:

a) Si llueve: probabilidad de accidente del 20%.

b) Si cae granizo: probabilidad de accidente del 10%.
c) Si hay niebla: probabilidad de accidente del 5%.

Teorema de Bayes - Ejemplo

Resulta que efectivamente ocurre un accidente y como no
estbamos en la ciudad no sabemos que tiempo hizo (cayo granizo,
llovi o hubo niebla).
El teorema de Bayes nos permite calcular estas probabilidades:
Las probabilidades que tenemos antes de conocer que ha ocurrido
un accidente se denominan "probabilidades a priori"(lluvia con el
50%, granizo con el 30% y niebla con el 20%).

Una vez que incorporamos la informacin de que ha ocurrido un

accidente, las probabilidades del suceso A cambian: son
probabilidades condicionadas P (A/B), que se denominan
"probabilidades a posteriori".
 Teorema de Bayes - Ejemplo

a) Probabilidad de que estuviera lloviendo:

Teorema de Bayes - Ejemplo

b) Probabilidad de que estuviera cayendo granizo:

 Teorema de Bayes - Ejemplo

c) Probabilidad de que niebla:

Teoremas
TEOREMA 1.
Si es un evento nulo o vaco, entonces la probabilidad de que ocurra
debe ser cero.

p()=0
 Teoremas
TEOREMA 2.
La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 p(A)

Teoremas
TEOREMA 3.
Si un evento A B, entonces la p(A) p(B).
 Teoremas
TEOREMA 4.
La p( A \B ) = p(A) p(AB)

Teoremas
TEOREMA 5. Para dos eventos A y B
p(AB)=p(A) + p(B) p(AB).

COROLARIO
Para tres eventos A, B y C:
p(ABC) = p(A) + p(B) + p(C) p(AB) p(AC) (BC) + p(ABC).