Clculo de los Parmetros de la

Distribucin de Weibull
por Luis Hernando Palacio Palacio, Argos/ Planta Nare

El presente artculo presenta, paso a paso, el mtodo de los Mnimos Cuadrados para calcular
los parmetros de forma y escala de la distribucin de Weibull. Para el clculo del parmetro
de localizacin se emplea el complemento Solver de Excel.
Tambin se presentan dos ecuaciones para calcular el estimador Rango de mediana
(ecuaciones 5 y 6), siendo esta ltima una forma aproximada y la que generalmente se usa
en la literatura tcnica. Ya que la ecuacin (5) es ms exacta, sta es la que se emplea; para
ello, y debido a su complejidad, se presenta el cdigo fuente en el lenguaje VBA (Visual
Basic para Aplicaciones) para crear una funcin definida por el usuario en Excel.
Igualmente se usan las funciones PENDIENTE e INTERSECCIN.EJE, de Excel, para calcular
la pendiente y el intercepto de la lnea de regresin.
1. INTRODUCCIN
La distribucin de Weibull es una distribucin continua y triparamtrica, es decir, est
completamente definida por tres parmetros y es la ms empleada en el campo de la
confiabilidad.
A pesar de la popularidad de esta distribucin, en la revisin bibliogrfica efectuada, la
mayora de los artculos y literatura tcnica consultados se remiten a una distribucin
biparamtrica y, ms an, los ejemplos all desarrollados presentan como datos conocidos los
dos parmetros, generndose, as, las siguientes preguntas: Cmo se calculan los
parmetros? y por qu se omite el clculo del tercer parmetro? El tercer parmetro es el
parmetro de localizacin, es decir, el parmetro que localiza la abscisa a partir del cual se
inicia la distribucin.
El objetivo del presente artculo es responder a las dos preguntas anteriores, presentando
una de las cinco metodologas analticas existentes para el clculo de los parmetros y
algunos criterios para determinar si es necesario tener en cuenta el tercer parmetro.
El mtodo que se presenta es el mtodo de los Mnimos Cuadrados, por tres razones: la
primera, es un mtodo simple y expedito de aplicar; la segunda, la grfica de los datos
sirven como una prueba de bondad de ajuste de la distribucin y, la tercera, da un indicio
sobre si se debe calcular o no el parmetro de localizacin.
Para una metodologa grfica, la cual hace uso del papel especial llamado papel de
probabilidad de Weibull, vanse las referencias [5], [6]
2. EXPRESIN MATEMTICA DE LA DISTRIBUCIN
La funcin de densidad de la distribucin de Weibull para la variable aleatoria t est dada por
la siguiente expresin:

Donde

t: Variable aleatoria que, para el caso de la confiabilidad, representa el tiempo entre fallas.
: Parmetro de forma (0<<)
: Parmetro de escala (0<<)
: Parmetro de localizacin (-<)
El parmetro beta, como su nombre indica, determina la forma o perfil de la
distribucin, la cual es funcin del valor de ste.
El parmetro theta indica la escala de la distribucin, es decir, muestra que tan aguda o
plana es la funcin.
El parmetro delta indica, en el tiempo, el momento a partir del cual se genera la
distribucin.
Una distribucin biparamtrica est completamente definida por los parmetros de forma y
de escala.
La funcin confiabilidad R (t) de Weibull se determina por la siguiente expresin:

La funcin distribucin acumulativa F (t) es el complemento de la funcin confiabilidad y se

define de la siguiente manera:

De la expresin anterior, se concluye que la funcin distribucin acumulativa se puede

interpretar como la probabilidad de falla.La relacin entre la funcin confiabilidad y la funcin
probabilidad de falla se muestra en la figura 1.

Para ampliar la imagen haga clic sobre ella, regrese utilizando su navegador.
3. DETERMINACIN DE LOS PARMETROS POR EL MTODO DE LOS MNIMOS
CUADRADOS
Como se mencion en el numeral uno, existen cinco mtodos para calcular los parmetros de
la distribucin de Weibull. Ellos son:

Mnimos cuadrados.

Grfico de la funcin tasa de falla.

Mxima similitud.

Estimacin de momentos.

Estimadores lineales.

Para ilustrar el mtodo de los mnimos cuadrados, se desarrollar paso a paso un ejemplo.
El mtodo de los mnimos cuadrados permite calcular los parmetros de forma y escala,
mediante la transformacin doble logartmica de la funcin de distribucin acumulativa
(ecuacin 3). El clculo del parmetro de localizacin es ms complejo, emplendose para
ello rutinas de clculo, como el programa Solver de Excel.
La transformacin doble logartmica permite transformar la funcin de distribucin
acumulativa en una ecuacin lineal de regresin.

3.1 Deduccin de la ecuacin lineal de regresin

Funcin acumulativa de Weibull.

Aplicando logaritmos naturales.

Propiedad exponencial de los logaritmos.

Aplicando logaritmos naturales.

La expresin (*) representa una ecuacin lineal de la forma

La cual es una recta de regresin, con:

De la expresin (**) se concluye que el parmetro de forma, , es la pendiente de la recta

de regresin.
De la expresin (***) se observa que el parmetro de escala, , est en funcin del
intercepto b de la recta de regresin y del parmetro de escala; por lo tanto:

(4) Definicin de logaritmo.

3.2 Rango de mediana
Para poder trazar la recta de regresin, se debe calcular un estimador para la funcin de
distribucin acumulativa F(x). Este estimador, llamado Rango de mediana, es un estimador
no paramtrico basado en el orden de las fallas. Este aspecto implica que la muestra de
datos se debe organizar de menor a mayor (en forma ascendente).
La expresin matemtica para este estimador es:

Donde:
W (i): Rango de mediana para un nivel de confianza (1-), donde es el nivel de
significancia y toma el valor de 0.5 para este estimador.
i: Orden de la falla.
n: Nmero total de datos de la muestra.
F, v1, v2: Valor crtico de la distribucin F, evaluada en el nivel de significancia y con
grados de libertad v1 y v2.
Dada la complejidad de la ecuacin (5), generalmente el rango de mediana se aproxima
mediante la siguiente expresin, exacta dentro de 0.005 [1]:

Donde:
RM(xi): Rango de mediana.
i: Orden de falla.
n: Nmero total de datos de la muestra.
Dado que la ecuacin (5) es ms exacta, en los clculos se empelar sta. Para facilitar su
empleo, a continuacin se presenta el cdigo fuente para crear una funcin definida por el
usuario en Excel.
Para crear la funcin, sganse los siguientes pasos:

Abra Excel.

Hgase la combinacin de teclas Alt +F11. Esta accin abrir el editor de Visual
Basic.

En el men insertar de VB, seleccinese la opcin Mdulo.

En el panel derecho, cpiese el siguiente cdigo fuente:

Public Function RangoMediana(alfa As Single, n As Long, i As Long) As Double

*************************************************************************
****
*Esta funcin calcula el rango de mediana en funcin de la distribucin F. *
*alfa representa el nivel de significancia con el que se calcula la dist. F.*
*n es el nmero de puntos de la muestra.
*i es el orden de falla.

*
*

*************************************************************************
****
Dim a As Double, f As Double

On Error GoTo ManejarError

a = i / (n - i + 1)
f = Application.WorksheetFunction.FInv(alfa, 2 * (n - i + 1), 2 * i)
RangoMediana = a / (f + a)
Salir:
Exit Function
ManejarError:
Select Case Err.Number
Case 1004
MsgBox Los argumentos (n) o (i) no pueden ser cero., vbCritical + vbOKOnly
Case Else
MsgBox Se ha generado el error & Err.Number & _
Err.Description, vbCritical + vbOKOnly
End Select

Resume Salir
End Function

Hgase clic en guardar del men Archivo del editor de VB para guardar la funcin.
Hgase clic en Cerrar y volver a Excel del editor de VB. Esta accin cierra el editor de
VB.

Para usar la funcin creada, seleccinese Funcin del men Insertar de Excel. Se
abre la ventana Insertar funcin.

En la ventana Insertar funcin, en la lista desplegable O seleccionar una categora,

seleccinese la categora Definidas por el usuario.

En el cuadro de lista Seleccionar una funcin, hgase clic en RangoMediana.

Hgase clic en el botn Aceptar.

En la ventana Argumentos de funcin, digtese los valores de los argumentos.

Tngase en cuenta que el valor del argumento alfa siempre es 0.5.

3.3 Pasos
1.- A continuacin se presenta la secuencia que se debe seguir en la aplicacin del mtodo
de los Mnimos Cuadrados.1. Asuma (parmetro de localizacin) igual cero y ordene los
datos de menor a mayor. El criterio de ordenacin debe ser el tiempo entre fallas. Vase la
tabla 1.

2. Calcule el rango de mediana para cada observacin usando la ecuacin (5) (6).
En nuestro caso se usar la ecuacin (5), empleando la funcin definida por el usuario
RangoMediana. Vase la figura 2.

Los argumentos de la funcin RangoMediana toman los siguientes valores:

Alfa=0.5; n=140 (total de puntos de la muestra); i= toma el valor indicado en la columna A.
Los valores calculados se muestran en la tabla 2.

3. Calcule el logaritmo natural del tiempo entre fallas para cada observacin.
Vase la figura 3.

Obsrvese que en la funcin LN(nmero) de la columna D, el parmetro de localizacin, el

cual se obtiene de la celda L8, vale cero. Esto es importante, ya que la celda que contiene el
parmetro de localizacin ser la celda cambiante de Solver, en el caso que sea necesario
calcular este parmetro. Los valores de la abscisa x se muestran en la tabla 3.

4. Calcule el valor de la ordenada y, es decir, el logaritmo del logaritmo del inverso de uno
menos el rango de mediana para cada uno de las observaciones de la muestra. Vase la
figura 4.

Obsrvese la anidacin de la funcin logaritmo. El valor del rango de mediana se obtiene de

los datos calculados en la columna C. Los valores de la ordenada y se muestran en la tabla 4.

5. Genere un grfico con los datos de las columna D y E.

Al trazar estos puntos, se genera la recta de regresin. Para ello seleccinese Grfico del
men Insertar de Excel; aparece la ventana Asistente para grficos. En sta, escjase la
opcin XY (Dispersin) en la lista Tipo de grfico y sganse las instrucciones en pantalla.
Vase la figura 5

Para hallar la ecuacin de la recta de regresin, emplense las funciones: PENDIENTE

(conocido_y; conocido_x) donde: conocido_y son los valores dependientes (valores de la
columna E) y conocido_x son los valores independientes (valores de la columna D) para
estimar la pendiente de la recta; INTERSECCIN.EJE (conocido_y; conocido_x) para estimar
el intercepto de la recta. Para determinar el grado de correlacin lineal de los puntos,
emplense las funciones: PEARSON (matriz1; matriz2) donde matriz1 son los valores
dependientes (columna E) y matriz2 son los valores independientes (columna D). Esta
funcin devuelve el coeficiente de correlacin r. COEFICIENTE.R2 (conocido_y; conocido_x)
devuelve el cuadrado del coeficiente de correlacin. Estos valores, en s, representan una
especie de prueba de bondad de ajuste de la recta de regresin. El coeficiente de correlacin
est indicando que tan fuerte o dbil es la relacin lineal entre los datos; si este valor es ms
cercano a uno, hay una fuerte dependencia lineal. Por otro lado, el coeficiente de

determinacin, r2, est indicando el porcentaje de los puntos que estn relacionados
linealmente.
Aplicando las anteriores funciones de Excel, se obtiene la siguiente recta de regresin:
y=0.6995x-1.9514

(7)

De donde:

El coeficiente de correlacin, r, indica que hay una excelente relacin (dependencia) lineal de
los datos, ya que su valor est muy prximo a uno. El coeficiente de determinacin, r2,
indica que el 94.64% de los datos estn relacionados linealmente. En conclusin, estos
valores indican que la muestra se comporta conforme a la funcin de densidad de Weibull.
6. Estime el valor del parmetro de forma y de escala.
Dado que el parmetro de forma es la pendiente de la recta de regresin, de la ecuacin (7)
se obtiene:

De la ecuacin (4), numeral 3.1, se obtiene el valor del parmetro de escala:

3.4 Consideraciones sobre el parmetro de localizacin

Las siguientes consideraciones se deben tener en cuanta al momento de analizar un
parmetro de localizacin diferente de cero. Vanse las referencias bibliogrficas [1], [6]
a) Si al graficar los puntos de la muestra aparece una cola de puntos hacia arriba o hacia
abajo, es un indicativo de que el parmetro de localizacin debe ser calculado.
b) Una cola hacia abajo o una reduccin sbita de la pendiente son indicativos de que un
parmetro de localizacin positivo est presente. Vase la figura 5.
c) Una cola hacia arriba o un incremento sbito de la pendiente son indicativos de que un
parmetro de localizacin negativo est presente. Este punto est de acuerdo con el
intervalo de validez de . Vase el numeral 2.
Un parmetro de localizacin negativo se presenta cuando hay unidades con fallas en
servicio, o unidades en servicio con defectos que causarn fallas. Ejemplos:

Defectos originados durante el ensamble.

Defectos originados durante el transporte.

Defectos originados durante la instalacin o montaje.

Defectos originados durante el almacenamiento.

d) Valores grandes del parmetro de forma (>10) son otro indicativo de que el parmetro
de localizacin debe ser calculado.
Teniendo en cuanta las consideraciones anteriores, y analizando la figura 5, se proceder a
calcular el parmetro de localizacin.
3.5 Clculo del parmetro de localizacin
Para el clculo del parmetro
se usar el complemento Solver de Excel, ya que debe ser
determinado por ensayo y error.
Para empezar, se debe definir la celda cambiante que, como se mencion en el paso 3 del
numeral 3.3, debe ser la celda donde se asign el valor cero. Esta celda debe estar
involucrada en una funcin. Vase la figura 3.
El mejor estimador de
es el valor de
que proporcione el mejor ajuste de la lnea de
regresin de los datos mustrales. El coeficiente de determinacin, r2, proporciona esta
medida [1], ya que ste mide la cantidad de puntos que estn relacionados linealmente y,
por lo tanto, la celda que contenga este valor ser la celda objetivo a maximizar pues el
objetivo es mejorar el ajuste de la recta de regresin. Para iniciar el clculo se debe indicar
al programa un punto de inicio, o punto semilla, en la celda cambiante. El mejor valor de
inicio de
es un valor ligeramente inferior al valor ms bajo del tiempo entre fallas de la
muestra. Para el ejemplo, el punto semilla sera 0.166 (es ligeramente inferior al valor ms
bajo del tiempo entre fallas de la muestra, el cual corresponde al dato de orden uno 0.167
. Vase la tabla 1). Este constituye la restriccin en Solver. Vase la figura 6.

Es importante tener en cuenta que la celda objetivo debe contener una formula que relacione
directa o indirectamente el valor de la celda cambiante. Para el ejemplo la formula sera
COEFICIENTE.R2 (E3:E142, D3:D142). Obsrvese que el rango del segundo argumento
involucra la celda cambiante L8. Vase la figura 3.

Al hacer clic en el botn Resolver de la ventana Parmetros de Solver, el programa genera la

solucin 0.161, siendo este el valor del parmetro de localizacin, y el coeficiente de
correlacin se maximiza a 0.9886; es decir, al tener en cuenta el parmetro de localizacin
se mejora el ajuste de la recta de regresin. De igual manera, los parmetros de forma y
escala, y los valores de las abscisas (Xi) y ordenadas (Yi) se actualizan. Vase la figura 7.

Para que los valores se actualicen automticamente, stos deben estar relacionados por
frmulas, tal y como se muestra en la figura 8.

Ntese que el valor del parmetro de localizacin es positivo, corroborando lo dicho en la

parte b) del numeral 3.4. La figura 9 muestra el trazo de la nueva recta de regresin, siendo
notable la agrupacin de los puntos en forma de lnea. Comparece esta figura con la figura 5.
En la figura 10 se muestra el grfico de la funcin de densidad de Weibull para los
parmetros calculados. Reemplazndolos en la ecuacin (1) se obtiene la siguiente ecuacin:

CONCLUSIONES
1. El mtodo de los mnimos cuadrados facilita el clculo de los parmetros de la distribucin
de Weibull cuando se emplean programas informticos como Excel.

2. El anlisis del grfico de la recta de regresin sirve de criterio para determinar si es

necesario calcular el parmetro de localizacin.
3. El parmetro de localizacin tiene un gran efecto en la recta de regresin; sin embargo, se
debe analizar concienzudamente si un

diferente de cero es necesario.

4. El coeficiente de correlacin, r, y el coeficiente de determinacin, r2, se constituyen en

una prueba de bondad de ajuste para la recta de regresin.
REFERENCIAS BIBLIOGRFICAS
1.

Dodson, Bryan. The Weibull Analysis Handbook. 2da ed. Milwaukee, Wisconsin: ASQ
Quality Press, 2006.

2.

Abernethy, Robert B. The New Weibull Handbook. 5ta ed. North Palm Beach, Florida.
2006

3.

Walpole, Ronald E y Raymond Meyers. Probabilidad y estadstica para ingenieros. 3ra

ed. Mxico: Interamericana, 1990

4.

Cspedes Zapata, Lucas y Santiago Meja Isaza. Implementacin de un Sistema de

Indicadores para la gestin de Mantenimiento de una empresa textilera. Medelln,
2005,194p. Trabajo de grado Ingeniera Mecnica. Universidad EAFIT. Departamento de
Ingeniera Mecnica. rea de mantenimiento.

5.

Tamborero del Pino, Jos Mara. NPT 331: Fiabilidad: La distribucin de Weibull [En
lnea] Disponible en:
http://www.insht.es/InshtWeb/Contenidos/Documentacion/FichasTecnicas/NTP/Ficheros
/301a400/ntp_331.pdf [Consulta: 22 de julio de 2010]

6.

Estimation of the Weibull parameters [En lnea] Disponible en:

http://www.weibull.com/LifeDataWeb/lifedataweb.htm [Consulta. 26 de julio de 2010]

7.

Yez, Medardo; Perdomo, Jos L y Gmez de la Vega, Hernando. Ingeniera de

Confiabilidad: Pilar fundamental del mantenimiento [En lnea] Disponible en:
http://confiabilidad.net/articulos/ingenieria-de-confiabilidad-pilar-fundamental-delmantenimiento/#comment-list [Consulta: 28 de julio de 2010]

8.

Duarte Holgun, Juan Carlos. Mantenimiento centrado en confiabilidad usando

mtodos de simulacin del ciclo de vida [En lnea] Disponible en:
http://www.noria.com/sp/rwla/conferencias/mem/Duarte-paper.pdf [Consulta: 28 de
julio de 2010]

9.

Garca Palencia, Oliverio. Optimizacin estadstica del mantenimiento industrial [En

lnea] Disponible en:
http://www.aciem.org/bancoconocimiento/O/Optimizacionestadisticadelmantenimientoi
ndustr/Optimizacionestadisticadelmantenimientoindustr.asp [Consulta: 28 de julio de
2010]

10.

Luna, Ana Eugenia. Teora de la confiabilidad [En lnea] Disponible en:

http://focuslab.lfp.uba.ar/public/CursoTErrores2k4/Monografias2005/Ana_E_Luna.pdf
[Consulta: 22 de julio de 2010]