Estadística para Ingeniería de Confiabilidad

El nivel de conocimiento acerca de un proceso específico puede variar desde el

extremo de no saber absolutamente nada acerca del mismo (ignorancia total),
hasta el extremo de llegar a entender y modelar completamente su
comportamiento (certidumbre total). El escenario más común es el de la
incertidumbre; es decir, disponer de un nivel de conocimiento que es mayor que la
ignorancia total; pero que no alcanza el estado de certidumbre total.

La Incertidumbre es una medida de la inseguridad o grado de desconocimiento

acerca de una variable, proceso o fenómeno bajo estudio.

El riesgo es un término de naturaleza probabilística, que se define como “egresos

o pérdidas probables consecuencia de la ocurrencia de un evento no deseado o
falla.

R ( t ) =P ( t ) ×C (t)

R (t): Riesgo del evento en el tiempo “t”

P (t): Probabilidad de que ocurra el evento no deseado en el tiempo “t”
C (t): Consecuencias de la probable ocurrencia del evento no deseado en el
tiempo “t”

Estadística

La Probabilidad y la Estadística constituyen los pilares matemáticos

fundamentales para tomar decisiones administrando el riesgo y la incertidumbre.
Probabilidad

Es una medida de la posibilidad de ocurrencia de un evento. La frecuencia de

ocurrencia de un evento es un indicador de probabilidad:
Si el evento “A” es muy frecuente ---> probabilidad de ocurrencia de “A” [P(A)] es
alta (tiende a 1).
Si el evento “A” es poco frecuente ---> probabilidad de ocurrencia de “A” [P(A)] es
baja (tiende a 0).

Población

No es más que aquel conjunto de individuos o elementos que le podemos

observar, medir una característica o atributo. Son características medibles u
observables de cada elemento, por ejemplo, su estatura, su peso, edad, sexo, etc.
Las poblaciones pueden ser finitas e infinitas.

Muestra Representativa

Para considerar que una muestra es “representativa”, la misma debe ser:

 Robusta: La muestra contiene la cantidad suficiente de datos para que se

puedan hacer inferencias válidas y minimizar el margen de error.
 Fidedigna: Los elementos de la muestra reproducen la realidad de los
procesos y variables bajo análisis; es decir, los atributos del dato son
coherentes y corresponden a las condiciones y características del proceso.
 Justa (sin sesgo): La muestra debe tener elementos de todas las áreas del
proceso, para representar adecuadamente su heterogeneidad.
 Estandarizada: Los datos de la muestra deben tener atributos y formato
predefinido para reducir inconsistencias.
Estadística descriptiva

La estadística descriptiva es la ciencia que se ocupa del estudio de la variación,

dispersión o incertidumbre de un tipo especial de variables conocidas como
variables Random, variables aleatorias, variables dispersas o variables
distribuidas.
La estadística descriptiva se apoya en herramientas matemáticas conocidas como
“distribuciones de probabilidad” y en indicadores de comportamiento de los datos
conocidos como “estadística de la variable aleatoria” que en conjunto permiten
organizar, describir, representar matemáticamente y gráficamente la información
sobre este tipo de variables y cuantificar su incertidumbre.

Variable aleatoria

Se denomina variable aleatoria, random o distribuida, a una variable “X” que por
sus características puede tomar un conjunto de valores (X 1, X2, X3 ... Xn-1) cada uno
de los cuales tiene una probabilidad de ocurrencia (P 1, P2, P3 ... Pn-1), sin que se
pueda asegurar específicamente cuál de todos estos probables valores tomará la
variable.

Variables discretas

Es una variable random que sólo puede tomar valores enteros, es decir, un
numero finito de valores contables.

Variables continuas

Es una variable random que teóricamente puede tomar todos los valores de un
intervalo dado (entero, decimales), es decir, un número infinito de valores.

Las variables aleatorias discretas se identifican de las continuas, porque para

cuantificar su frecuencia hay que “contar”, mientras que para las variables
aleatorias continuas hay que “medir”.
Distribuciones de probabilidad de la muestra Histogramas de frecuencia formatos
de histogramas

Histogramas
de frecuencia

Frecuencias Frecuencias
acumuladas relativas

Directas Indirectas

Para construir un histograma de frecuencias relativas deben seguirse los

siguientes pasos:
1. Determinar el recorrido o amplitud de la población o muestra, restando el valor
máximo menos el mínimo.
2. Dividir el recorrido en un número de rangos o clases, seleccionados
convenientemente de forma de no desvirtuar el dominio de la variable aleatoria.
3. Contar el número de observaciones que corresponden a cada rango o clase
4. Calcular la frecuencia relativa para cada rango o clase con la siguiente fórmula:

N ° observaciones en rango o clase

Frecuencia=
N ° total observaciones
Ejemplo Histograma

Distribuciones de probabilidad de la muestra: Histogramas de frecuencia

estadística

Promedio o Media Muestral

Media: La media o valor esperado, expresa básicamente la tendencia central o

posición de la distribución. La media no es necesariamente el valor de mayor
probabilidad de ocurrencia (como suele interpretarse de manera errónea) la media
es “el centro de gravedad” de una distribución.

n
1
X = ∑ Xi
n i=1

Desviación estándar: Es una medida de centralización o dispersión para variables

de razón y de intervalo, de gran utilidad en la estadística descriptiva. Es una
medida de dispersión de una distribución de probabilidad y puede considerarse
una de la característica más importante de la misma, ya que en ella está retratada
la información sobre la incertidumbre relacionada con la variable; por ello, al
cuantificar la dispersión se está cuantificando el nivel de incertidumbre de la
variable en análisis.
Percentil: se conoce como percentil “α” de una distribución de probabilidades, al
valor de la variable aleatoria denotado como “P” para el cual la probabilidad
acumulada es “α”; es decir, existe “α” de probabilidades de que los valores de la
variable aleatoria X sean menores o iguales a X α .

Distribuciones de probabilidad paramétricas

Una distribución de probabilidad paramétrica también conocida como curva de

probabilidades, es una función matemática teórica, que describe la forma en que
se espera que varíen los probables valores de una variable random, es decir, una
función matemática que relaciona los diversos probables valores que pueda tomar
una variable random con la probabilidad de ocurrencia de cada uno de ellos.
Media, Esperanza Matemática o Valor Esperado: La media o valor esperado es
una idea fundamental en el estudio de las distribuciones de probabilidad que
expresa básicamente la tendencia central o posición de la distribución. La media
no es necesariamente el valor de mayor probabilidad de ocurrencia (como suele
interpretarse de manera errónea); la media es “el centro de gravedad” de una
distribución.
Moda: La Moda, es también una medida que indica la tendencia central de una
distribución. Formalmente se define como el valor xm de la variable aleatoria X,
que tiene la mayor probabilidad de ocurrencia.
Mediana: La Mediana, es otra de las medidas o valores indicativos de la tendencia
central de una distribución. Formalmente se define a la “Mediana” como el valor
“x50%” que tiene una probabilidad acumulada de 50%. En otras palabras, la
mediana es un valor de la variable aleatoria, de manera tal, que el 50% de los
probables valores de “X” serán menores o iguales de dicho valor y el otro 50%
serán mayores.
Distribuciones de probabilidad “paramétricas” modelo

Distribuciones de probabilidad “paramétricas” calculo