Beruflich Dokumente
Kultur Dokumente
TALLER 2. ESTADÍSTICA
EDWIN DUGARTE
Decano Escuela de Ingeniería
A AC
0,07 0,93 1
a) ¿Son independientes A y B?
Primera Identidad
Pr ( A/ B)=Pr ( A)
Pr ( A ∩B ) 0,046
Pr ( A/ B)= = =0,05
Pr ( B ) 0,92
Pr ( A )=0,07
Pr ( A/ B)=Pr ( A)
0,05 ≠ 0,0 7
Segunda Identidad
Pr ( A ∩ B )=Pr ( A )∗Pr ( B )
0,046=0,07∗0,92
0,046 ≠ 0,0644
Con base en lo anterior se puede decir que la ocurrencia de que “La unidad producida es
defectuosa” y de que “El proceso de fabricación se encuentra bajo control” no son
independientes, es decir debe ocurrir el uno para que se produzca el otro.
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Pr ( A ∩B ) 0,046
Pr ( A/ B)= = =0,0 5
Pr ( B ) 0,92
Pr ( A ∪ B )=Pr ( A ) + Pr ( B )−Pr ( A ∩ B)
Pr ( A ∪ B )=0,07 +0,92−0,046
Pr ( A ∪ B )=0,94 4
2. Una gran institución financiera después de revisar sus archivos ha clasificado los
préstamos que ha adjudicado de acuerdo con el grado de riesgo en las modalidades
Poco riesgo (P), Riesgo moderado (M), alto riesgo (A). Además clasificó cada
préstamo según la entidad o persona a quién se le aprobó como personal (B),
mercantil (M). Los siguientes eventos y sus respectivas cuantificaciones se
presentaron: El 55% de los préstamos determinados de poco riesgo fueron de tipo
personal, el 45% de los préstamos determinados de riesgo moderado fueron de tipo
personal y el 80% de los préstamos determinados de alto riesgo fueron de tipo
mercantil. Si en total el 40% de los préstamos fue de poco riesgo, el 50% de riesgo
moderado y el 10% de alto riesgo.
P M A
Pr ( P ∩ B ) 0,22
Pr ( P/ B)= = =0,473
Pr ( B ) 0,465
Pr ( M ∪P )=Pr ( M ) + Pr ( P )
Pr ( M ∪ P )=0,50+0,40
Pr ( M ∪ P )=0,90
Pr ( A ∪m )=Pr ( A ) + Pr ( m )−Pr ( A ∩ m )
Pr ( A ∪m )=0,1+ 0,535−0,08
Pr ( A ∪ m )=0,55 5
Pr ( A ∩m ) 0,08
Pr ( A/m)= = =0,14 9
Pr ( m ) 0,535
3. Suponga que la vida de cierto tipo de tubos electrónicos tiene una distribución
exponencial con vida media de 500 horas. Si X representa la vida del tubo (tiempo q
dura el tubo).
Como es sabido, en el modelo exponencial la media es equivalente al valor esperado, el
cual a su vez al aplicar las fórmulas matemáticas para determinar la desviación estándar,
es igual al valor esperado, en este caso 500 horas. La desviación estándar es necesario
hallarla ya que es el parámetro utilizado para moldear la función en Minitab18.
a) Modele la situación que se le presenta. Construya su gráfica.
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Al encontrar los valores de los parámetros que hacen parte del modelo exponencial, se
puede determinar cómo queda planteada la función de distribución de probabilidad:
−1
1 500 (x)
f ( x )= e
500
Al modelar el modelo con ayuda de Minitab 18, teniendo en cuenta una escala de 500
horas, se tiene la siguiente gráfica de distribución de probabilidad:
0,0020
0,0015
Densidad
0,0010
0,0005
0,0000
0 1000 2000 3000 4000 5000 6000 7000 8000
X
0,0020
0,0015
Densidad
0,0010
0,0005
0,5499
0,0000
0 299
X
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Pr ( B ∩ A) Pr ( B)
Pr ( B/ A )= =
Pr ( A) Pr ( A)
La probabilidad de B, se determina mediante el uso de Minitab18:
0,0020
0,0015
Densidad
0,0010
0,0005
0,2466
0,0000
0 700
X
0,0020
0,0015
Densidad
0,0010
0,0005
0,5488
0,0000
0 300
X
Pr ( B ∩ A ) Pr ( B ) 0,2466
Pr ( B/ A )= = = =0,449
Pr ( A ) Pr ( A ) 0,5488
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
De esta manera, la probabilidad de que un tubo que ha durado 300 horas y dure más de
400 horas más, es del 44,9%
d) Si se están usando 10 de tales tubos calcular la probabilidad de que más de cinco
de ellas continúen trabajando después de 360 horas.
Para este caso se usa una distribución Binomial, donde el número de ensayos es igual a
10, y la probabilidad de que los cinco tubos continúen operando después de 360 horas se
determina mediante la distribución exponencial:
0,0020
0,0015
Densidad
0,0010
0,0005
0,4868
0,0000
0 360
X
0,20
Probabilidad
0,15
0,5902
0,10
0,05
0,00
0 5
X
4. Sea X una variable aleatoria de Weibull de parámetro α > 1 que representa la duración
de un componente hasta que se averíe. Para montar un circuito, buscamos
componentes que nos duren al menos 500 unidades de tiempo. Para seleccionar esos
componentes nos dan a elegir entre 2 tipos. Los componentes del Tipo 1 están sin
estrenar, mientras que los componentes del Tipo 2 no son nuevos. ¿Qué tipo de
componentes es el más adecuado para nosotros? Explique.
Cuando α > 1, la distribución Weibull se asemeja a una distribución exponencial, donde la
tasa de fallos aumenta con el tiempo. Al tener dos tipos de componentes: Tipo 1 están sin
estrenar (α < 1) y Tipo 2 no son nuevos (α >1), se puede decir que el tipo 1 es el tipo de
componente adecuado para suplir la necesidad del planteamiento del problema. Esto
debido a que como la tasa de fallos aumenta con el tiempo necesito componentes que no
fallen en el tiempo en igual medida que el sistema.
5. El tiempo de funcionamiento hasta que se avería el transmisor de señal de un satélite
de telecomunicaciones sigue una distribución exponencial de media 10000 días. Para
que el lanzamiento del satélite y la inversión realizada sea rentable se exige que la
duración sea, al menos, de 15 años.
Al encontrar los valores de los parámetros que hacen parte del modelo exponencial, se
puede determinar cómo queda planteada la función de distribución de probabilidad:
−1
1 (x)
f ( x )= e 10000
10000
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Al modelar el modelo con ayuda de Minitab 18, teniendo en cuenta una escala de 10000
horas, se tiene la siguiente gráfica de distribución de probabilidad:
0,00010
0,00008
Densidad
0,00006
0,00004
0,00002
0,00000
0 20000 40000 60000 80000 100000 120000 140000 160000
X
Para que el transmisor resulte rentable debe seguir trabajando más de 15 años o más de
5475 horas. Se calcula la probabilidad para este valor modelando en Minitab18,
obteniendo un valor del 57,84% de ocurrencia.
0,00010
0,00008
Densidad
0,00006
0,00004
0,00002
0,5784
0,00000
05475
X
Para este caso se usa una distribución Binomial, donde el número de ensayos es igual a
10, y la probabilidad de que los ocho transmisores continúen operando después de 360
horas se determina mediante la distribución exponencial, que se ejecutó en el inciso
anterior.
0,25
0,20
Probabilidad
0,15
0,10
0,05
0,1349
0,00
1 8
X
PC1: 0.8984
Gráfica de distribución
Exponencial, Escala=28000, Valor umbral=0
0.00004
0.00003
Densidad
0.00002
0.00001
0.8984
0.00000
3000
0
X
PC1 PC2
PC2= 0.8071
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Gráfica de distribución
Exponencial, Escala=28000, Valor umbral=0
0.00004
0.00003
Densidad
0.00002
0.00001
0.8071
0.00000
6000
0
X
PC3=0.3932
Gráfica de distribución
Exponencial, Escala=3000, Valor umbral=200
0.00035
0.00030
0.00025
Densidad
0.00020
0.00015
0.00010
0.00005
0.3932
0.00000
200 3000
X
PC1=PC2=0.8984 ; PC3=0.3932
Según los tres componentes en serie tenemos la probabilidad que el sistema funcione:
PC1*(PC2/PC1)*PC3/(PC2/PC1) = 0.8984*(0.8984/0.8984)*0.3932/(0.8984/0.8984) =
0.3533
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Para este caso se usa la distribución de Poisson, siendo las 5 solicitudes por hora una
media, que a su vez en esta distribución es el valor esperado.
5 x e−1,5
Pr ( X=x )=
x!
Reparaciones de maquinaria
Poisson; Media=5
0,20
0,15
Probabilidad
0,10
0,05
0,00
0 2 4 6 8 10 12 14
X
5 solicitudes………..1 hora
λ………………..0,5 horas
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
λ=2,5
2,5 3 e−2,5
Pr 3 =
( )
3!
0,25
0,2138
0,20
Probabilidad
0,15
0,10
0,05
0,00
0 3 8
X
5 solicitudes………..1 hora
λ………………..0,25 horas
λ=1,25
x=2
e−1,25∗1,25 x e−1,25∗1,2 5x
P ( X=x )= ; P ( X <3 ) =∑
x! x=0 x!
0,3
Probabilidad
0,2
0,1
0,0
2 5
X
5 solicitudes………..1 hora
λ…………………2 horas
λ=10
e−10∗10x
P( X =x)= ; P ( X ≥3 )=1−P ( X <3 )
x!
x=2
e−10∗10 x
P ( X ≥3 )=1−∑
x=0
[ x! ]
= ¿1-0,00277=0,9972
0,12
0,10 0,9972
Probabilidad
0,08
0,06
0,04
0,02
0,00
2 3
X
0,1x e−0,1
Pr ( X=x )=
x!
0,9
0,8
0,7
0,6
Probabilidad
0,5
0,4
0,3
0,2
0,1
0,0
-0,5 0,0 0,5 1,0 1,5 2,0 2,5
X
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
0,1 imperfectos…….1cm2
λ……………..30 cm2
λ= 3
e−3 33
Pr ( X=3 ) = =0,224 0
3!
0,20
Probabilidad
0,15
0,10
0,05
0,00
0 3 9
X
0,20
Probabilidad
0,15
0,10
0,05
0,1847
0,00
0 5
X
c. A lo más 2 irregularidades
2
e−3 3i
P ( X ≥2 ) =∑
i=0 i!
0,20
Probabilidad
0,15
0,10
0,8009
0,05
0,00
0 2
X
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Para determinar esta probabilidad se debe usar la distribución binomial, siento el número
de ensayos igual a 5 y la probabilidad de que haya a lo sumo una irregularidad en 30 cm 2.
Esta probabilidad se halla usando Minitab18, siguiendo en primera instancia el modelo de
Poisson.
0,1 imperfectos…….1cm2
λ……………..30 cm2
λ= 3
1
e−3 31
P ( X ≤1 ) =∑
i=0 1!
La probabilidad de que en 30 cm2 haya a lo sumo una imperfección es equivalente al
95,02%.
0,20
Probabilidad
0,15
0,9502
0,10
0,05
0,00
0 1
X
0,7
0,6
Probabilidad
0,5
0,4
0,3
0,2
0,1
0,001115
0,0
2 5
X
0,08
0,07
0,06
Densidad
0,05
0,04
0,03
0,02
0,01
0,00
10 15 20 25 30 35 40
X
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Graficando y modelando con minitab se obtiene que la probabilidad de que las piezas
tengan un diámetro entre los valores definidos en el inciso es igual al 1,197%
0,07
0,06
Densidad
0,05
0,04
0,03
0,02
0,00
25
X
De igual manera, la probabilidad de que el diámetro de las piezas circulares sea de por lo
menos 24,905 cm, es igual al 50,76%
0,08
0,07
0,06
Densidad
0,05
0,04
0,03
0,5076
0,02
0,01
24,905
0,00
25
X
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
10. En una fábrica el tiempo para producir un artículo está distribuido normalmente con
un promedio de 40 minutos y una varianza de 16 min 2. Se debe producir un lote de
8000 artículos.
Para resolver este caso, es necesario modelar los datos con el modelo de distribución
normal, teniendo en cuenta que se debe determinar la desviación estándar por medio
de la varianza dada.
μ= 40 min
σ2= 16 min2
√ σ 2= √16
σ =4 min=desviación
2
−1 x−40
1 2( 4 )
f ( x )= e
4 √2 π
0,10
0,08
Densidad
0,06
0,04
0,02
0,00
30 35 40 45 50 55
X
Primero debo hallar la probabilidad para el tiempo estipulado y luego mediante una
regla de tres determinar el número de artículos con ese tiempo.
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
0,10
Densidad 0,08
0,06
0,04
0,02
0,1056
0,00
40 45
X
8000 artículos………..100%
X………………….10,56%
X=844,8 artículos.
En conclusión, 844,8 artículos requieren un tiempo mayor de 45 minutos para su
producción.
0,08
Densidad
0,06
0,04
0,02
0,00
35 40 45
X
8000 artículos………..100%
X………………….78,87%
X=6309,6 artículos
2
−1 x−37,2
1 2 (
14,4 )
f ( x )= e
14,4 √ 2 π
a. ¿Qué proporción del total de unidades producidas tendrá que ser reemplazada?
La proporción del total de unidades producidas que tendrá que ser reemplazada, si la
lavadora está garantizada por 1 año:
2
x=12 −1 x−37,2
1 2 (
∗
14,4 )
P ( X ≤12 )= ∑ ∗e =0,03 9
x=0 14,4∗√ 2 π
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
La proporción del total de unidades producidas que tendrá que ser reemplazada por
garantía es del 4%.
0,025
0,020
Densidad
0,015
0,010
0,005
0,04006
0,000
12 37,2
X
b. Si este año se han vendido 500, ¿Cuántas de ellas se espera que sean
reemplazadas?
500 unidades……..100%
X………………..4%
X= 20 unidades.
c. ¿cuáles son las probabilidades que una lavadora dure entre 70 y 80 meses?
2
x=80 −1 x−37,2
1 2 (
∗
14,4 )
P ( 70≤ X ≤ 80 )= ∑ ∗e
x=70 14,4∗√ 2 π
0,025
0,020
Densidad 0,015
0,010
0,005
0,009892
0,000
37,2 70 80
X
12. En el archivo Excel que se le adjunta, en la hoja1, datos que representan el tiempo
de funcionamiento de un proceso hasta la presencia de un evento, que por lo general
se puede interpretar como un fallo. Con esta información, se requiere que realice los
siguientes procesos y presente un informe:
0,0004
Falla 73
10
PDF
Censor 0
AD* 0,407
0,0002
1
0,0000
0,1
0 2000 4000 6000 1 10 100 1000 10000
tiempo hasta la presencia de un tiempo hasta la presencia de un
0,000700
Tasa
50
0,000675
0,000650
0
0 2000 4000 6000 0 2000 4000 6000
tiempo hasta la presencia de un tiempo hasta la presencia de un
0,0007
0,0006
0,0005
Densidad
0,0004
0,0003
0,0002
0,0001
0,0000
0 5000 10000 15000 20000
X
b) Calcular la probabilidad de que el tiempo hasta la presencia del evento esté entre
1000 y 5000.
babilidad de que el tiempo hasta la presencia del evento esté entre 1000 y 5
Exponencial; Escala=1447,73; Valor umbral=0
0,0007
0,0006
0,0005
Densidad
0,0004
0,0003
0,0002
0,0001 0,4696
0,0000
0 1000 5000
X
La probabilidad de que el tiempo hasta la presencia del evento este entre 1000 y 5000 es
de aproximadamente 46,96%.
c) Si se hace una revisión de 6 procesos, ¿cuál es la probabilidad de que menos de 3
presenten un tiempo hasta la presencia del evento mayor de 6000?
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
La probabilidad para que la presencia de un evento sea mayor de 6000 se calcula con el
modelo exponencial, obteniendo así un valor equivalente a 1,585%
0,0007
0,0006
0,0005
Densidad
0,0004
0,0003
0,0002
0,0001
0,01585
0,0000
0 6000
X
Ahora, se debe aplicar una distribución binomial para poder determinar la probabilidad de
que menos de 3 procesos de 6, se presenten un tiempo hasta la presencia del evento
mayor de 6000. Donde el número de ensayos es 6 y la probabilidad es la determinada
anteriormente.
Gráfica de distribución
Binomial; n=6; p=0,01585
0,9
0,8
0,7
0,6
Probabilidad
0,5
0,4
0,3
0,2
0,1 0,9999
0,0
2
X
13. En el archivo Excel que se le adjunta, en la hoja2, datos que representan el tiempo
de funcionamiento de un proceso hasta la presencia de un evento, que por lo general
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
se puede interpretar como un fallo. Con esta información, se requiere que realice los
siguientes procesos y presente un informe: (Valor 1,6 puntos)
Tasa
50 0,001
0 0,000
10000 12500 15000 17500 10000 12500 15000 17500
tiempo hasta la presencia de _1 tiempo hasta la presencia de _1
f ( x )=
6,26876
( x )6,26876−1∗exp
( 11317,3 )
6,26876
11317,3
La gráfica del modelo es la siguiente
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Gráfica de distribución
Weibull; Forma=6,26876; Escala=11317,3; Valor umbral=3547,28
0,00020
0,00015
Densidad
0,00010
0,00005
0,00000
6000 8000 10000 12000 14000 16000 18000 20000
X
b) Calcular la probabilidad de que el tiempo hasta la presencia del evento sea mayor
que 10000.
Gráfica de distribución
Weibull; Forma=6,26876; Escala=11317,3; Valor umbral=3547,28
0,9709
0,00020
0,00015
Densidad
0,00010
0,00005
0,00000
10000
X
La probabilidad de que el tiempo hasta la presencia del evento sea mayor que 10000 es
igual al 97,09%.
La probabilidad de que la presencia del evento sea menor de 12000 es igual al 14,83%.
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Gráfica de distribución
Weibull; Forma=6,26876; Escala=11317,3; Valor umbral=3547,28
0,00020
0,00015
Densidad
0,00010
0,00005
0,1483
0,00000
12000
X
Aplicando ahora una distribución binomial, se determina que la probabilidad de que más
de 3 presenten un tiempo hasta la presencia del evento menor de 12000 es del 7,16%
Gráfica de distribución
Binomial; n=7; p=0,1483
0,4
0,3
Probabilidad
0,2
0,1
0,07168
0,0
0 3
X
14. En el archivo Excel que se le adjunta, en la hoja3, datos que representan el tiempo
de funcionamiento de un proceso hasta la presencia de un evento, que por lo general
se puede interpretar como un fallo. Con esta información, se requiere que realice los
siguientes procesos y presente un informe:
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Porcentaje
Desv.Est. 1536,06
PDF
50 Mediana 8336,97
0,0001 IQR 2072,11
10 Falla 73
1 Censor 0
0,0000 AD* 1,468
0,1
5000 7500 10000 12500 1863000 1866000 1869000 1872000
tiempo hasta la presencia de _2 tiempo hasta la presencia de _2 - Valor umbral
0,0010
Tasa
50
0,0005
0 0,0000
5000 7500 10000 12500 5000 7500 10000 12500
tiempo hasta la presencia de _2 tiempo hasta la presencia de _2
μ=8337,61
σ=1536,06
Ɵ=-1859188
Con base en los parámetros encontrados con la gráfica general de distribución, el modelo
log normal se puede escribir matemáticamente de la siguiente manera:
−1 ln ( x ) −μ
f ( x )=
1
∗exp 2 ( σ )
xσ √ 2 π
−1 ln ( x ) −8337,61
f ( x )=
1
∗exp 2
( 1536,06 )
x∗1536,06 √ 2 π
b) Calcular la probabilidad de que el tiempo hasta la presencia del evento sea menor
de 5000.
Si se hace una revisión de 8 procesos, ¿cuál es la probabilidad de que menos de 3 a 5
presenten un tiempo hasta la presencia del evento mayor de 6000?
ESPECIALIZACIÓN EN GERENCIA DEL MANTENIMIENTO Y CONFIABILIDAD
ESTADÍSTICA Y CONFIABILIDAD. NRC: 53568
Gráfica de distribución
Lognormal, Ubic.=9.02846, Escala=7.34343, Valor umbral=0
0.025
0.020
Densidad
0.015
0.010
0.005
0.5278
0.000
0 5000
X
La probabilidad de que el tiempo hasta la presencia del evento sea menor de 5000 es
0.5278
Al aplicar una probabilidad a 6000 es de: 0.5179
Gráfica de distribución
Lognormal, Ubic.=9.02846, Escala=7.34343, Valor umbral=0
0.025
0.020
Densidad
0.015
0.010
0.005
0.5179
0.000
0 6000
X