Escolar Documentos
Profissional Documentos
Cultura Documentos
Abstract:
El presente articulo presenta algunos mtodos para estimar los parmetros de Weibull, a
saber, el parmetro de forma () y el parmetro de escala (). La distribucin Weibull es
una distribucin importante especialmente para el anlisis de fiabilidad y mantenibilidad.
Los mtodos presentados estan clasificados en dos categoras: Mtodos grficos y
analticos. Los experimentos computacionales sobre los mtodos presentados quedan
referidos.
1. Los mtodos grficos Usualmente, los mtodos grficos son usados por su
simplicidad y su celeridad. Sin embargo, implican una probabilidad grande de error. A
continuacin discutimos dos mtodos grficos principales.
1.1 Weibull Probability Plotting La funcin de densidad de distribucin Weibull (Mann
Et Al. (1974)) es dado por:
La ltima ecuacin es una ecuacin de una lnea recta. Para representar grficamente
F(x) vs. x, aplicamos el siguiente procedimiento:
La funcin acumulativa de riesgo (Hazard Funcion) esta dada por la siguiente expresin:
(3)
(4)
Donde las soluciones que no son funciones de los valores de la prueba x1, x2, ..., xn y no
son admisibles, ni son las soluciones que estn en el espacio del parmetro. Ahora, vamos
a aplicar el MLE para estimar los parmetros Weibull, a saber los parmetros de forma y
de escala. Consideremos el PDF de Weibull apuntado en (1), luego la funcin Likelihood
ser:
comnmente usada en el campo de estimacin de parmetro. Si los nmeros x1, x2, ...,
xn representan un set de datos, entonces un estimador no sesgado para el momento de
origen del kth es:
Donde; mk simboliza la estimacin de mk.. En la distribucin Weibull, el momento del kth
fcilmente sigue la (1) :
Cuando dividimos m2 por el cuadrado de m1, obtenemos una expresin que es una
funcin de slo:
Ahora, podemos formar una tabla para CV diversos usando (16) para valores diferentes
de la . Para estimar y , necesitamos calcular el coeficiente de variacin (CV)d de los
datos a mano. Habiendo hecho esto, comparamos a (CV)d con CV usando la tabla. La
correspondiente es la estimada ( ). El parmetro de escala () luego puede ser estimado
usando lo siguiente:
hemos codificado los tres mtodos analticos MLE, MOM y LSM en el lenguaje BASIC y usando una
PC Pentium con 133MHz. Para comparar los tres mtodos, usamos la prueba MSE (Error Cuadrado
Trmino Medio). MSE puede calcularse como se describe a continuacin:
El ejemplo 1:
Considere el siguiente ejemplo donde Xi representa el tiempo de fracaso del ith.
La tabla 3 abajo muestra los resultados completos de las estimaciones de los parmetros
de forma y de escala y el trmino de error cuadrado medio (MSE) para cada mtodo.
La orden de los mtodos basados en su exactitud es 1. Ejercer los tres mtodos analticos
(MLE, MOM y LSM) y seleccionar a la mejor que da el trmino medio mnimo cuadr
error.
2. El Mtodo De Momentos.
3. El Estimador Mximo De Probabilidad.