Tema: Mtodos de aproximacin a la distribucin normal

Distribucin de Weibull.
La distribucin de Weibull es una de las ms utilizadas para modelar datos
normales. La distribucin de Weibull se describe segn los parmetros de forma,
escala y valor umbral. Dependiendo de los valores de los parmetros, la distribucin
de Weibull puede adoptar varias formas.
Efecto del parmetro de forma.
La forma describe cmo estn distribuidos
los datos. Una forma de 3 se aproxima a una
curva normal. Una forma entre 2 y 4 an es
aproximadamente normal. Un valor de forma
menor, por ejemplo 1.25, produce una curva
con asimetra hacia la derecha. Un valor de
forma alto, por ejemplo 10, produce una
curva con asimetra hacia la izquierda.
Efecto del parmetro de escala.
La escala, o vida caracterstica, es el
percentil 63.2 de los datos. La escala define
la posicin de la curva de Weibull respecto
del valor de umbral, lo cual es anlogo a la
forma en que la media define la posicin de
una curva normal. Una escala de 20, por
ejemplo, indica que 63.2% de los equipos
fallarn en las primeras 20 horas despus
del valor umbral de tiempo.
Efecto del parmetro de valor umbral.

El valor umbral es un desplazamiento de la

distribucin que se aleja de 0. Un valor
umbral negativo desplaza la distribucin
hacia la izquierda del 0, mientras que un
valor
umbral
positivo
desplaza
la
distribucin hacia la derecha del 0. Todos los
datos deben ser mayores que el valor
umbral. La distribucin de Weibull de 2
parmetros es igual que la distribucin de
Weibull de 3 parmetros, pero con un valor
umbral de 0. Por ejemplo, una distribucin de Weibull de 2 parmetros (3,100) es
exactamente igual a una distribucin de Weibull de 3 parmetros (3,100,50),
excepto por el hecho de que la distribucin de Weibull de 3 parmetros est
desplazada 50 unidades hacia la derecha del 0.
Una de las ventajas principales de la distribucin de Weibull es que puede ser
similar a las caractersticas de otros tipos de distribuciones, lo que le permite ser
muy flexible para ajustarse a diferentes tipos de datos. Ejemplos de usos de la
distribucin Weibull en lugar de otras distribuciones:

La distribucin exponencial es un caso especial de distribucin de Weibull que

se utiliza frecuentemente para estudiar la dispersin de la radiacin o la
velocidad del viento.
La distribucin de Weibull es una alternativa a la distribucin normal en el
caso de datos asimtricos.

La funcin de densidad de una variable aleatoria con la distribucin de Weibull

es:

Donde
es el parmetro de forma y
distribucin.

es el parmetro de escala de la

La distribucin modela la distribucin de fallos (en sistemas) cuando la tasa de

fallos es proporcional a una potencia del tiempo:

Un valor k < 1 indica que la tasa de fallos decrece con el tiempo.

Cuando k = 1, la tasa de fallos es constante en el tiempo.

Un valor k > 1 indica que la tasa de fallos crece con el tiempo.

 Mtodo de percentiles de Clements

Un mtodo alternativo que toma en cuenta la distribucin de los datos y que se
basa en los percentiles, es el mtodo de Clements (1989), quien define los cuatro
ndices de capacidad bsicos en trminos de los percentiles de la distribucin de los
datos de la siguiente manera:
Cabe sealar que si los datos
siguen
normal,

una

distribucin

entonces

las

frmulas anteriores coinciden con las tradicionales.

Transformacin de Box Cox
La familia de transformaciones de Box-Cox arregla problemas de normalidad y
heterocedasticidad (no homogeneidad de varianzas). Suponga que tenemos los

datos n

para una variable respuesta

grande observado de

X . Si el cociente entre el valor ms

y la ms pequea es considerablemente grande, por

decir, 10 o ms, se debe considerar la posibilidad de transformar la variable

respuesta

X . Existen muchos tipos de transformaciones:

El mtodo para calcular los ndices cuando no se cumple normalidad consiste en

que primero se transforman los datos a normalidad usando el mtodo de Box-Cox.
Esto se hace mediante la transformacin de potencia definida como:

El valor de para un conjunto de datos

x 1 , x 2 , , x n , se selecciona encontrando el

valor de que

maximiza

funcin

verosimilitud

dada por:

log

la

Donde

X i

() es la media de los datos transformados. Tpicamente basta evaluar

esta funcin para valores de entre [2,2], y ubicar aqul donde la funcin alcanza
su mximo. Para ilustrar evaluamos siete valores de alrededor de su valor ptimo:

El mximo se alcanza en = 1.1, pero redondeamos a = 1.0 para obtener el

anlisis de capacidad de la figura 5.6 con la transformacin inversa. Note que los
datos

transformados

son

ms

normales.

Es

necesario

transformar

las

especificaciones para obtener estos resultados usando las frmulas usuales dadas
en las secciones previas. Se observa una capacidad parecida a la del mtodo de
Clements y bastante diferente de la capacidad que supone normalidad. Los
resultados se resumen en la siguiente tabla: