2J2 Ln funclóft gfneradou dt nwnoentO!
l 11
10.15. Demuestre que si X., i .. 1, 2, . . . . k representa el número de éxitos en n1 repe·
ticiones de un experimento, en donde P(éxito) = p, para todo i, entonces X, + · ·· +X*
tiene una distribución binomial. (Esto es la distribución binomial tiene la propiedad repro-
ductiva.)
10.16. (La distribución de Poisson y la multinomial.) Supóngase que X, i = 1, 2, . . . , n
son variables aleatorias independientes con una distribución de Poisson con parámetros
~1• i = 1, . . . , n. Sea X = I:7. 1X 1• Entonces la distribución de probabilidades condicional
conjunta de X 1 , ••• , X. dado X = x está dada por una distribución multinomial. Esto es,
P(X , = x,, . .. , X.= x.IX = x) = x!/(x¡! ... x.!)(~,/I:7 ~ ,01,)"' ... (C1../I:7~ ,C1.¡}"•.
1.0.17. Obtener la fgm de una variable aleatoria que tiene una distribución geométrica.
¿Posee esta distribución una propiedad reproductiva !;>ajo la adición?
10.18. Si la variable aleatoria X tiene una fgm dada por Mx(l) = 3/(3- 1), obtener la
desviación estándar de X.
10.19. Encontrar la fgm de una variable aleatoria que está distribuida uniformemente
en (- 1,2).
10.20. Cierto proceso industrial produce un gran número de cilindros de acero cuyas
longitudes están distribuidas normalmente con promedio 3,25 pulgadas y desviación están-
dar 0,05 pulgada. Si se eligen al azar dos de tales cilindros y se ponen extremo con extremo,
¿cuál es la probabilidad de que la longitud combinada sea menor de 6,60 pulgadas'/
Observación: al calcular Mx(t) , en 1 =O, puede aparecer una forma indeterminada. Es
decir, M.\{0) puede ser de la forma 0/0. En tal caso debemos tratar de aplicar la regla de
L'Hópital. Por ejemplo, si X está distribuida uniformemente en [O, 1] encontramos fáciJ-
mente que Mx(t) = (e' - L)/t y M.f(t) = (te1 - e' + l)/t 2 • Por tanto para t = O, MÁ{t) es
indetermlnada. Aplicando la regla de L'Hópital, encontrarnos que limt-c~ MX{t) = lim;-c~
te 1/2t = i. Esto concuerda. puesto que M.f{O) = E(X), que es igual a i para la variable
aleatoria descrita aquí.
Aplicaciones a la teoría de la confiabilidad
11 .1 Conceptos básicos
E n este capitulo lnvestigare¡n os un i1rea creciente y muy impo ri ante en la CU<11
se aplican algunos de los conceptos presentados en los capítulos a nte riores.
Supóngase que consideramos un componente (o un conju nto con'lpleto de
componentes armados en u n sistema) que se pone bajo un a especie de «tensión».
Podría ser un a barra de acero bajo una carga, un fusible puesto en un circuito,
un ala de aeroplano bajo la inn ucncia de fuerzas. o un instrumento electró nico
puesto en servicio. Supó11gase que p uede definirse un estado que designaremos
como «falla>> para cualqui er componente (o el sistema). Es decir, la barra de
acero puede agrietarse o romperse, el fusible puede quemarse. el a la puede do·
blarse, o el ins trumento electrónico puede deJar de funcionar.
Si tal componente se pone bajo condiciones de tensión a un tiempo determi-
nado, 1 = O. y observamos hasta que falla (es decir. deja de funcionar correcta-
mente bajo la tensión aplicada), el tiempo para fallar o la duración llamémoslo
T, puede considerarse como una variable aleatoria con tinua con una fdp f. Hay
mucha evidencia empírica para indicar que el valo r de T no puede ser predicho
por un modelo determinístico. Es decir, componentes <<idénticos>> sometidos ''
esfuerzos <<idénticos» fallarítn en tiempos diferentes e impredecibles. Algunos
fa llarán muy al co mienzo de s u servicio y otros en etapas posteriore~. Natura l-
men te, que «la manera de fallar» dependerá del tipo de articulo que se conside-
ra. Por ejemplo, un fusible fallará de improviso en el sentido de que en un mo-
mento dado funciona perfectamente y al momento siguiente no funciona. Por
o tra parte, una ba rrá de acero bajo una carga pesada se debilitará probable-
mente en el trascurso de un período largo de tiempo. En c ualquier caso. el uso
de un modelo probabilís tico, considerando T com o una va ria ble aleatoria. pa-
rece ser el único enfoque rea lista. Presentamos ahora el siguiente concepto im-
portante.
Definición. La conjiabilidad de una componente (o sistema) en el tiempo 1.
llamémosla R(t). estít definida como R(t) = P(T > e), en donde T es la
duración de la componente. R se llama .(lmción de c01¡!labilidad.
Observación: aunque el término <(cotl}iabi/it/(u/» tiene muchos significados técnicos di-
ferentes. la acepción anterior se está aceptando mlis comúnmente. La definición dada aquí
233
 11.1
11.1

cxpreo;a ~c:ncillumcntc que ht ~onfiubihdnd de una componente es igual a la probabilidad de

OC'mll.lt•·aculu . puesto que R(t) =1- F(L). tenemos R'(t) - F'(r) • ./ (r).
l.uc~o
que la componente no falle durante el intervalo (0. r) (o, equivalentemente, la confiabilidad ~
igual a la probabthdad de que la componente esté aún funcionando después de un ucmpo r) Z(l) =m
R(l)
= - !3.'tt> .
R(tl
Por e,emplo." para un articulo parttcular. Rl1 1) 0.90 esto significa que aproximadamente
el 90 por ctento de tale- articulo • u'lados en Ctertas condiciones. estarán todavía fuoctooando
de:.pu6 de un ttempo 11 lnh:granr.Jo ambo' mtcmbros de O a 1:
1\.ledJante la rdp de T. llam~lllO\Ia / . tenemo'

R(t J • J: f(s)th. [
•o
Zts) ds = - 'lR '(s)
-
o R(s)
ds = - 1nR(.\ ),0
Medtante l.t fda de T. IL1mémo.la f . tenem~
= -lnR(I} - lnRIOI - - lnR(t).
RUI • 1 - P!T S. 11 =1- F(l~
dado 4uc hay 1nRCOI - O lo que es \á lado st ) sólo 1 R{O) (l 'la ti luma con·
Ademá' de la functón conftabtlidad R. otra función desempeña un papel im· dictón '.: '<lltsfac.:c ,t F(O) = O. Simplemente eApresa que la probahthdad de una
portante para dc,cnbir la' parte~ que fallan de un artículo. falla tntna/ e' tgual a cero; haremos esta supo,.ción duranle el resto de la c~p<>st·
..:mn ) Pur tanto
Dermitión. La trHa de falla (instantánea) Z (algunas veces llamadas funciÓn R(l) = e J!Z<-""
dtt rie.\ya) asocaada con la vanable aleatoria T está dada por

Z(r) (11.1)
1 (1) = F '(l) = ~ [1- R(r)) - 7(1)1' 14'-1'"''

definida pura F(r) < l. A~i hemos demostrado que la tasa de fallu' .Z determina univoc:uncnH: la fdp f.
Fxislc Lllllt rcl<tción interesante entre la función de conriubilidud /~y el tiempo
Observación: u nn de lnterprclnr Z(t) consideremos la probabilidad condicional prum..:dio de fa lla. E('f).
P(t < T s, t t ótiT> 1~
T cort•mo 11.2. Sa E(T) es finito. entonces
es decir. la probabthdad de que el articulo falle durante las próximas ó t unidades de tiempo.
dado que el articulo t;tá functonando correctamente en el instante r. Aplicando la definicK>n E( T) = fó R(r) t/r. ( 11.3)
de probabilidad cundtctonal. podemos escnbar lo anterior como f)t•mrl\trm ui11 con~iderando

P(t < T S. t+Al)

P!t S T S 1 .- óziT • tl • - 01
T- - - '
'' > 1)
• f: •"'j(ocldx P(T > ti= Al/C~l/R(r). lnt.:gr.tndo por parte,, hacemos It {(.,) d,, = u y J1 .. tlt. Luego 1 • 1 y du a
- JCtJdt. /\si
en donde 1 S ~ S t • Al
La úluma exprt--aon (para un M pequei\o >~u poniendo que fes continua r•¡ es aproxuna· Jó R(tl dr = l /(s) ds 1ó + Jót/(1) dt.
Jt
da mente agual a Alllll A\l. en un lenguaje informal AIZ(r) representa la propomón de aruallos
que estara entre 1 yt + bJ. entre aquellos anicul~ que aún funcionan en el mstante t. l.;~ 'egunda mt.:gral del segundo miembro repre.enta E(T). Por l.tnttl la de-
Dt lo antenor ob.c:rvamo que/. la fdp de T, determma univocamente la tasa de Callas Z mo,tractón c,t¡í completa s• podemos demostrar que 1J,~ /(~) d;, 'e anula en 1 O
lndi<:aremos ahora que lo reciproco tambttn es \'álido· la tasa de fallas Z detemuna univoca· ) cuando 1 • f' La anulación en 1 = O e~ inmedtala. Sab1cndo que E(7 1 e' ti·
mente la fdp f. ntta. el lector puede completar la demostración
l.o~ conceptol> de confiabilidad y tasa de fallas c~t:in entre las herramtentas
Teorema 11. 1. St T. el uempo para fallar. es una variable aleatoria contt· necesarias m:,, importantes para un estudio de los «modelos de falla11 Breve·
nua con fdp f y SI f(O) O en donde F es la fda de T. entonces f puede mente vumos a ocupamos de las siguientes pregunt:t~ :
expresarse medtanle lo tasa de falla Z como sigue (a) 1,C'uitlcs ~on las «leyes de falla» fundamentalc~ que ra1onablcmentc se
( 11.2) pueden ~uponcr'? (Es decir. ;,qué forma tendría la fdp de T'l)
2.111 A¡ilieaclonc:; • 1• teorla de la conOubllidad 11.2 lt .3

(b) Supóngase que tenemos dos componentes, C 1 y C 2 , eón leyes de falla La funcíón de confiabilidad de la ley normal de fallas puede expresarse me-
tconocidas. Suponiendo que dichas componentes se combinan en serie . diante la función de distribución ñormal acumu lativa tabulada <1>, como sigue:

R(c) = P(T > t) = 1 - P(T ~ t)

o en paralelo
= 1 - -1- f' ( [x J.l]z)
Jf.íia - 00
exp - -1 - --
2 <1
dx

= 1 - <!> t - Jl)
- (1 - .
(

para formar un sistema, ¿cuál es la ley de fall¡¡s (o confiabilidad), del sistema'!
La pregunta cuál es una ley de fallas <<razonable» nos devuelve a un problema
que hemos presentado antes: ¿cuál es un modelo matemático razonable para la
descripción de algunos fenómenos observables? Desde un punto de vista estric-
tamente matemático, prácticamente podemos supone;r cualquier fdp para T y
luego estudiar sencillamente las consecuencias de esta suposición. Sin embargo,
si estamos interesados en tener un modelo que represente (tan exactamente como
sea posible) los datos de fallas realmente disponibles, nuestra elección del mo-
delo debe tener esto en cuenta.
11.2 La ley normal de fallas
Hay muchos tipos de componentes cuya conducta de falla puede represen-
tarse por la distribución normal. Es decir, T es la duración de un artículo, su fdp
La figura 11.2 muestra una curva general de confiabilidad para una ley normal
de fallas. Nótese que a fin de obtene( una confiabilidad alta (0,90, o mayor) el
tiempo de operación debe ser considerablemente menor que p. la duración es-
perada.
EJEMPLO 11. 1. Suponiendo que la duración de una componente está distri-
buida normalmente con una desviación estándar igual a lO (horas). Si la com-
ponente tiene una confiabilidad de 0.99 para un período de operac1ón de 100
horas, ¿cuál debería ser su duración esperada?
La ecuación anterior se transforma en
0,99 = 1 - <~>(' 001~ ~'}

[1 - 2)
está dada por
1 a exp ( - 2
f(t) = fin l - a-J.IJ ·
LNuevamente observamos que el tiempo para fallar T , debe ser mayor que (o
igual) a cero. Por tanto, a fin de que el modelo anterior sea aplicable debemos
insistir en que P(T <O) sea forzosamente cero.] Como la forma de la fdp normal
lo indica, una ley normal de fallas implica que la mayor parte de los artículos
fallan alrededor del tiempo promedio de falla, E(T) = Jl y el número de fallas
disminuye (simétricamente) cuando IT - J.II aumenta. Una ley normal de fallas
significa que alrededor del 95,72 por ciento de las fallas tiene lugar para los valores
de e que satisfacen {t lit - 11l < 2a}. (Ver figura 11.1.)
R(t)
De las tablas de la distribución normal (100 - J.I)/ JO = -2,33. Luego JI= 123,3
horas.
La ley normal de fallas representa un modelo apropiado para los componen-
tes en los cuales la falla se debe a algunos efectos de «uso>>. Sin embargo, no está
entre las más importantes leyes de fallas que existen.
11.3 i..a ley exponencial de fallas
Una de las leyes de fallas más importantes es aquella cuyo tiempo para fallar
se describe mediante una distribución exponencial. Podemos describirla de varias
maneras, pero probablemente la manera más sencilla es suponer que la tasa de
fallas es constante. Es decir, Z(t) =a. Una consecuencia inmediata de esta supo-
sición es. según la ecuación (11.2). que la fdp asociada con el tiempo para fallar
T , está dada por
fVl = cxe- ". t > O.

0
~.,
El recíproco es también inmediato: si
= e_,., y por tanto
importante.
Z(L) = f(c)/R(t) =
f tiene la forma anterior, R(t)
11.
= 1 - F(t)
Luego tenemos el siguiente resu ltado

Teorema 11.3. Sea T , el tiempo para fallar, una variable aleatoria conti-
nua que toma todos los valores no negativos. Luego T tiene una distri-
FlOURA 11.1 FIOURA IL2 bución exponencial si y sólo si tiene una tasa constante de fallas.
l311 i\¡tlltudon~:~; • 1~ ltorl• de lo cunOobilldll.d II .J ll.J

Observació11: la suposición de que una tasa constante de fallas puede ser interpretuda como pieza de acero está expuesta a una tensión continua. evidentemente sufrirá un
una indicación de que después de que el articu lo ha sido usado, su probabilidad de fallar no deterioro, y por tanto se debe considerar un modelo distinto al exponencial.
ha cambiado. Dicho de una manera más informal, no hay efecto de «USO» cuando se estipula Aunque previamente discutimos las distintas propiedades de la distribución
el modelo exponencial. Existe otra manera de expresar esto que hace esta parle aún más exponencial, resumámosla nuevamente a fin de tenerlas disponibles para el objetivo
evidente.
siguiente. (Ver la figura 11.3.) Si T_ el tiempo para fallar, está distribuido exponen-
Considerese para !J.t >O, P(t ~ T ~ 1 + .ótiT > !). Esta representa la probabilidad de que
el articulo falle durante las próximas !J.1 unidades. dado que no ha fallado en el instante 1. cialmente (con parámetro 0(), tenemos
Aplicando la definición de probabilidad condicional, encontramos que
E(T) = l fr~.; V(T) = lfa 2 ;
F(t) = P(T ::;; 1) = 1 -e-••; R(t) = e-••.

Por tanto esta probabilidad condicional es independiente de 1 y sólo depende de !J.t. Es en este EJEMPLO ·11.2. Si se da el parámetro r~. y se .especifica R(t), podemos encontrar
sentido que podemos decir que una ley exponencial de fallas implica que la, probabilidad de r, el número de horas, de operación. Así, si o: = 0, 01 y R(t) es igual a 0,90. tenemos
fallar es independiente del pasado. Es decir, mientras el artículo funcione es «tan bueno como
ouevo». 0,90 = e- 0 •01 '
Si desarrollamos el segundo miembro de la expresión anterior en una serie de Maclaurin
obtenemos

+ - - - - - + ···l
Luego 1 = - lOO ln (0,90) = 10,54 horas. Por tanto. si las 100 componentes fun-
2 3
(aA1) (aLl1) cionan durante 10.54 horas. aproximadamente 90 no fallarán durante ese período.
P(t -< T<
-
1 + tJ.riT> t) = 1 - [ 1 - a!J.t 2! 3!
= a!J.I + 11(61). Observaciones: (a) Es muy importante darse cuenta de que en el caso excepcional podemos
identificar el tiempo de operación (de algun valor inicial arbitrario ftio) con la edad para fun·
en donde Tt(.ót) llega a ser despreciable para !J.1 pequeño. Luego para !J.l suficientemente pequeño ciooar. Porque eo el taso exponencial un artículo que no ha fallado es tan bueno como nuPvo
la prQbabilidad anterior esdireclamente proporcional a !J.!. y, por tánto, su conducta durante cualquier período de servicio depende sólo de la longitud
de ese período y no de su historia anterior. Sin embargo, cuando se supone una ley de falla no
Para muchos tipos de componentes la hipótesis que conduce a la ley expo- exponencial (tal como la ley normal o una de las distribuciones que consideraremos en breve),
nencial de fallas no es sólo intuitivamente atractiva s.i no que en realidad está la historia pasada no tiene efecto sobre el cQmponamiento del articulo. Por tanto, mientras
sostenida por evidencia empírica. Por ejemplo, es muy razonable suponer que podamos definir Tcomo el tiempo en servicio (hasta la falla) para el caro exponencial. debemos
un fusib le o un cojinete de rubíes es <<tan bueno como nuevo>> mientras esté funcio- definir Tcomo la duración total hasta la falla para los casos no exponenciales.
nando. Es decir, si el fusible no se ha fundido, prácticamente está como nuevo. (b) La distribución exponencial que hemos presentado en relación con la duración de los
Tampoco el cojinete cambiará mucho debido al uso. En estos casos. la ley ex- componentes, tiene muchas otras aplicaciones importantes. En realidad. cada vez que una
ponencial de fallas representa un modelo apropiado para estudiar las carac- variable aleatoria continua T que toma valores no negativos satisface la hipótesis P(T > s +
terísticas que fallan en un artículo. tiT > s) = P(T > t) para todos y 1, entonces Ttendrá una distribución e~ponencial. A.si, si T
Sin embargo, debemos dar aquí una palabra de precaución. Hay muchas representa el tiempo que demora un átomo radiactivo en desintegrarse, podemos suponer que
T está distribuida exponencialmente, puesto que la suposición anterior parece satisfacerse.
situaciones que implican estudios de fallas para los cuales las hipótesis básicas
que conducen a una ley exponencial no senin satisfechas. Por ejemplo. si una
EJEMPLO 11.3. No es irrazonable suponer que cuesta más producir un articulo
ft.t) F(r) R(r) con una gran duración esperada que uno con una esperanza pequeña de duración.
Específicamente suponemos que el costo C para producir un artículo es la siguiente
función de J.l, el tiempo promedio para fallar,

Supóngase que se obtiene una utilidad de D pesos por cada hora que el articulo
funcione. Luego la utilidad por artículo está dada por

FtGURA 11.3
2<l0 \pllruclum•~ 11 tu tvurlu dt• 111 cunfl•hllldnd I IA 11.4 l,.lllcy e>:pMent lal d•• fallas y la dl.!~rlbuciótl ti~ l'ol.son 241

en donde Tes el número de horas que el artículo funciona correctamente. Luego la con parámetro rxt. Supóngase que la fal la en [O, t] se produce sí y sólo si al menos
util idad t!sperada está dada po r uno de tales accidentes ocurre. Sea Tel tiempo para fa llar, que supondremos que es
una variable aleatoria continua. Luego,
F(l) = P(TS t) = 1 - (P(T> t).
Para encontrar para qué valor de J1 esta cantidad es máxima. sencillamente
hacemos dE(P)fdll igual a cero y resolvemos para J.!. El resu ltado es J.1 = V/6 y por Ahora T > r si y sólo si ningún accidente ocurre en [0, L]. Esto acontece si y sólo
tanto la utilidad esperada máxima por artícu lo es igual E(P)m•• = D 2 / 12. si X, = O. Luego
F(t) = 1 - P(Xt = O) = 1 - e - at.
EJEMPLO 1J.4. Recons ideremos el ejemplo 11.3, haciendo las suposiciones Esto representa la fda de una ley exponencial de fallas. Encontramos así que la
adicionales siguientes. Supóngase que T, el tiempo para fallar. está di~tribuido «causa» anterior de las fallas implica una ley exponencial de fallas.
exponencialmente con parámetro e~. Luego ¡.¡. el tiempo esperado para fa llar. Las ideas anteriores se pueden generalizar de dos maneras.
está dado por tt = 1/'.1.. Supóngase, además, que si el artículo no funciona correcta- (a) Nuevamen te suponemos que los accidentes aparecen de acuerdo con un
mente al menos un número específico de horas, digamos Cc¡, se fija un castigo de proceso de Poisson. Suponemos, además, que cada vez que aparece tal accidente
K(c 0 - T) pesos. en donde T(T < 10 ) es el tiempo en el cual tiene lugar la falla. hay una probabilidad constante p de que no producirá fallas. Por tanto, si Tes el
Por tantO. la utilidad por artícu lo estit dada por tiempo para fa llar, tenemos, como antes,
si T > ro, F(l) = P(T~ 1) = 1 - P(T > 1).
s1 T < lo. Esta vez, T > 1 si y sólo si (durante (0. t)) no ocurre ningún accidente. u ocurre un
accidente y ninguna falla aparece, o dos accidentes ocurren y no aparece ninguna
Luego la uti lidad esperada (por articulo) puede expresarse como falla. o ... Por tanto.
E(P) = DJ':¡, w:e- ""dt - 3p 2 e· "• F(c) = J - [e-•• + (at)e- 4
'p + ('.1.t)1 e;;• P2 + · · ·]
+ (D + K)Jól' l~e -"dl - (3¡t2 + K1 0)( 1 - e - ~•q).
= l - e-a' ~ (ettpt = 1 - e-~•e•'P = 1 - e - •(1 - p)r
Después de unas integraciones inmediatas lo anterior puede escribirse como ~- o k!

E(P) = Dtl - 3¡t 2 + K[¡.¡ - W! - ' 01" - toJ.
Nótese que si K = O, esto se reduce al resultado obtenido en el ejemplo 11.3.
Podríamos formularnos una pregunta análoga a la que apareció en el eJemplo
previo: ¿para qué va lor de J.l toma E(P) su valor máximo'! No proseguiremos con
los detalles de este problema puesto que implica la solución de una ecuación
trascendental que debe resolverse numéricamente.
11.4 La le.y exponencial de fallas y la distribución de Poisson '
Hay una conexión muy próxima entre la ley exponencial de fallas descrita en la
sección prevía y un proceso de Poisson. Supóngase que la falla ocurre debido a la
aparición de ciertos accidentes «aleatorios». Estos pueden qeberse a fuerzas
externas tales como una repentina ráfaga de viento o un aumento de voltaje o por
causas internas tales como una desintegración química o un mal funcionamien to
mecánico. Sea X, el número de accidentes que ocurren en un intervalo de tiempo
de longitud t y supongamos que X ., 1 ;<! O, determina un proceso de Poisson. Es
decir. para cualquier r fijo. la variable aleatoria X, tiene una distribución de Poisson
Luego Ttíene una ley exponencial de fallas con parámetro a(l - p). (Nótese que
si p = O, tenemos el caso expuesto previamente.)
(b) Supóngase nuevamente que los accidentes aparecen de acuerdo con un
proceso de Po isson. Esta vez su pondremos que las fallas ocurren cada vez que ro
más accidentes (o.~ 1) ocu rren durante un intervalo de longitud t. Por tanto. si
Tes el tiempo para fallar, tenemos. como antes,
F(t) = 1- P(T > t).
En este caso. T > t si y sólo si (r - 1) o menos accidentes ocurren. Por tanto
r 1 (cxt)~e -a'
F(t) = l - 1~o k1
De acuerdo con la ecuación (9.17) lo anterior es igual a .fHet/(r - 1l!](rxsr 'e -"'ds
y por tanto representa la fda de una distribución Gama. Así, encontramos que la
«causa» anterior de fallas sigue una ley Gama de fallas. (Sir= 1, naturalmente, esta
se transforma en una distribución exponencial.)
 tt ..'l 11.11

11 .5 La ley de fallas de WeisbuU Trorema 11.4. Si la variable aleatoria T tiene una distribución de Weisbull
con fdp dada por la ecuación (1 1.5). tenemos
Modifiquemos la noción de tasa constante de fallas que conduJO a la ley expo-
nencial de fallas. Supóngase que La tasa de fallas Z. asociada con T. la duración
de un articulo. ttene la forma sigu1ente: E(T) =u.-'''rG + 1). ( 11.6)

( 11.4)
en donde :x y /1 son constantes posttivas. De la ecuación ( 11.2) obtenemos la expresión
siguiente para la fdp de 1'
1 >O. :x./1 >O
Se dice que la variable aleutona que tiene la fdp dada por la ecuación ( 11.5) tiene
una Jistribucíólltle Weishu/1. La figura 11.4 muestra la fdp para a = 1 y {J = l. 2. J.
La función de confiab1hdad R está dada por R(t) = e-••' que es una functón decrc·
ciente de t.
j(l)
(11.7)
Demostración. ver el problema 11.8.
Obscn'llci&n. la dostribución de Weisbull representa un modelo apropiado para una ley
( 11.5) de falla siempre qu.e el sistema esté compuesto por cierto número de componentes y In ralla se
debe prmcipalmcnte al de recto {tmás grave» en un gran número de defectos del bistema. También
utilizando la distnbución de Weisbull, podemos obtener una lasa de rallas crecoente y decre-
ciente al hacer sencillamente una elección apropiada del parámetro fJ.
En ningün caso hemos agotado el nümero de leyes de rallu razonable:.. Sín embargo. las
que hemos mencionado son por cierto extremadamente importantes para representar modelos
significativos para el estudio de las características que rallan en componentes o en sostemos de
componentes.

11.6 Conna bilida d de los .sistemas

Ahora que hemos considerado un número importante de distribuciones de
rallas podemos volver a la segunda pregunta propuesta en la sección 11.1 : ¡,cómo
podemos evaluar la conliabilidad de un sistema si conocemos la conliabilidad de
s us componentes? Este puede ser un problema muy dilicil y só lo discutiremos un
caso más sencillo (pero relativamente importante).
FIOURA 11.4
Supóngase que las dos componentes estén acopladas en serie.

Observac/611 . la distribucoón cxponcncoal e' un caso especial de distribución de Wcisbull

puesto que obtenemos In distribución cxponencoal st hacemos f1 = 1 en 1¡¡ ecuación ( 11.4).
La suposición (ecuación 11.4) e~tablece que .1.11) no e~ una constante. sino que es proporcoonal
:o la> potencinsde 1. Por eJemplo. st fl 2. Z c.-. una tunc1ón lineal de 1: si fl = 3. Z es una función Esto stgnifica que. para que el sistema anterior funcione, ambas componentes deben
cuadrátocn de t; etc. Luego Z e• unn función crectente. decreciente o constante de t.S<.'gún cl funcionar. Si, además, suponemos que las componente¡, funcionen independiente·
valor de /1. como se tndlcó en la li{lurn 11.5. meme. debemos conocer la contiabilidad del sistema. !lamérnoslo R(t). mediante la
conliabilidad de las componentes, llamemoslo R 1(1) y R 2 (t). como sigue:
Z(t) Z(t) Z(t)
R(t)- P(T > t) (en donde T es el tiempo para fallar del sistema)
= P(T¡ > t y T2 > t) (en donde T, y T2 son los tiempos para fallar de
los coml)Onentcs e1 y e2• respectivamente)
= P(T, > t)P(Tz > L) = R,(I}Rl(/).
Encontramos asl que R(t) ~ min (R1 (tl. R 1(t)]. Es decir, para un sistema formado
por dos componentes independientes en serie, la conliabilidad del sistema es menor
¡1-1 11>1 0<11< 1 que la confiabilidad de cualquiera de sus partes.
L es cnn:t.t:utlc i!. e~ urecu:nlc Z es- decreciente
La presentación anterior puede generalizarse naturalmente a n com ponentes
Fl<iURA 11.5 y obtenemos el teorema siguiente.
 116 11.11 t ~onlluhllld•tl d< l~o• "''" ·m•• u~

T eorema 11.5. S1 11 cmnponcntc~. que functonan independientemente, ~11111
conc.:tm.lal> en -.ene. y \1 la 1 é~1ma componente tiene confiab1lidad R,{t).
la conf1ab1hdad d~:l ~lstcma comrlcto. R(t). esta dada por
(11.111
En particular. '' T 1 y T : llenen lc:)es de falla nponenciales con parrunetr(h
:r 1 }:r1 , la c:cua~:tón ( 11 I!J~>C tran,rorma en
Otro mtcm<l 1mportante es un ststema en paruldo t:n el cu1ll "" ~:ompuncntc'
~,tftnconectadas de tal manera que el sistema deJa de func1onnr ~lo \1 todO\ In'
,·ttmponc:ntc' de1an de funcionar. Si sólo dlh componente' C\tan Implicada,. t'l
'"u:m.t ruede dtbu¡ar<;e como en la figura 11 ó Nue,amente \Up<IDtcndo 4Ue l.t•
~:mnponcntc~ funCionan mdependiememtnh una~ de otra,, la C<lnlíabtltdad dd
~"tema , ll.tmemo,la Rlt). puede expresarse mediante la confiabthdad de 14\ com·
roncnte", Rtltl ~ R 2(rl. como sigue:

Rltl • r •••,. "" .. .. - ... ··••. Rlll • PIT > 11 = 1 - P!T:S ti

Luego la fdp dd hempo p:~ra fall:h del 'tstema. llamémoslo T. es dado por = 1 - P[T, ~ ll T: S 1]
= 1 - P(T1 5 t)Pt1i ::s; 1)
/11) • - R {1) • (:z 1 + :r1 Je
= 1 - t(I - P(J; > tl](l - P11i > ti]}
- 1 - (1 - R 11tl][l - R ·111]
Teorema 11.6. S1 do' compom:ntel> que funcionan independientemente ) = R1 (t) - R~{l) - R 1!tlR21tl
llenen lc)C" de f.stla exponenc•al con parámetros :z 1 y :!% 2 están conectuda~
en wrrt. I.J ley de futla del ~tStcma resultante es nuevamente exponencutl 1 a últnn,t rórmulu and1ca que Rlt) ;a: má>.imo [R,(t), RJ(rll h dcdt un s1, tcm,1
con parámetro 1¡¡ual o cr 1 t a1 c<lm nucsto pur dos componentes que funcionan independientemente en paralelo
(Este tcurcma evidentemente ruede gcncraliu¡rse a n componentes en serie.) ,er~ mils confiable que cualquiera de la~ componentes.

EJilMPLO 11.5. (Tomud o de l. Buzov~ k y, Reliabílity Theory rmtl fl¡'fl<·llr<•,

Prcnt icc- Hall. lnc., Hnglcwoud C:liiTs, N. J.. 1961.) Se considera UIJ circuito elcctró·
nico que con~tn de 4 tnmsislorch de siliconu, 10 diodos de silicona. 20 resistencia~
com puestus. y 1Ocondensadores de ccrám1ca en una operación continua en serie
Suponiendo que bUJO Cltrtus cond1c1ones de esfuerzo (es decir, volta;e prenjudo. 1 I(•IIRI\ 11 (>

corriente y temperatura), cadu uno de esos nrticulos tiene la siguiente tasa mns·
Lanle de fall:l!>. Todu.; ltt' tdeas presentadas anteriormente p.Jra do~ comp<lncnte~ pued~:n gene·
ral11.ar'e en el teorema .stguienre.
0.00000:2
tran~1~torc' de ~thcona : 0.00001 1 wrtma 11.7. Sí n componentes que func1onan mdepend1entemcnte llttuan
en paralelo y 1 la i-ésuna componente ttene conlíabthdad R~r ). enton~,
rl!l>l ten(:Ja~ compue ta~: 0.000001
la conlíab1hdad del 3istema. llamada R(l). e.ta dada ror
~ondenqdon:~ de cerámica . 0,000002
Rtrl = 1- (1- R.t rfi[l - R:(ll]··· [1 - R~ tl] ( 11 9)
Debtdo a la l:l'il c-()n\lantt de fall4 \Upuesta.la dJslnbución exponen.:tal repr~t;a
la ley de f>~lla para cada una de IJ' componen!~ anteriores. Deb1do a la cooextón ,\ menudo ,uc:We que todas las componente uenen t!lual conliabthdad. dttamo'
en ..ene, el uempo para f.1ll.u del c1rcu1to completo está de n~o dt>tribuido que RAtl • t1tl rara todo i. En este ca~o la expr~u)n antenor se tran,forma en
exponenCialmente con p.u.imetro (la~ de falla) tgual a :
Rlr) = 1 - (1 - rltl]•. 111.10)
1010.000002) t 4(0.00X>I) 20(0.000001) + 10(0.000002) = 0.0001.
Por tanto la confiab•hdnd del c1rcutto c~Ht dada por R(t) = e- 0 •0001 '. Luego parct on"deremo,, en parucular. dos componente.s en paralelo c.tda uno de ello' con
un periodo de 10 hora\ del func1onamtento. la probabilidad de que el circuito no tlcmptl de fallu d1strtbuJdo exponencialmente. Luego,
falle esta dada por t 0 · 000 11101 0,999. El tiempo esperado para que el circuito
falle es tgualu 1/0.0001 10.()()() horas. ••• "•.alt
RW
 ll.h

As1 la fdp del tiempo de falla del Sistema en paralelo. llamémoslo 7. o:~ta d,1d.1 por

f(t) - R'(tl ~,e-••• + ~ 2 e '' - (:x 1 + x2 )e-••••••".

Por tanto Tno está d1~tnbu1do e"ponencialmcntc:. El valor esperado de fes igual a:

Por cuanto a menudo una sene de operac1ones es obligatoria (es decir. un número
de componentes dtbt- func1onar para que el sistema funcione). frecuentemente
usamos una operac1ón en paralelo a fin de aumentar la conliabilidad del sistema.
El eJemplo siguiente 1lustra esta parte.
EJEMPLO 11.6. Supongamos que tres umdades están trabaJando en paralelo.
Supóngase que cada una tiene la misma tasa constante de fallas a: = 0.0 l. (Es decir,
el tiempo pa ra fallar de cada una de las unidades está distribuido exponcncit1lmcnte
con parámetro oc = 0.01.) Por tanto. la con fiabilidad para cada una de las unu.lades
es R(t) = e-o.o••. y así la conliab1lidad en un período de operac1ón de 10 horas
es igual a e- 0 •1 0,905 o alrededor del 90 por Ciento. ¿Cuánta ventap puede
obtenerse (mediante el aumento de la confiab11idad) al funcionar tres de tales uni-
dades en paralelo?
R(1)
o. m
0,9
FIGlliiA 11.8
..enc1llamente nombraremos solo alguna,. (Ver la figura 1 J.l!.J Algunas de la)
preguntas que aparecen en relación con esa' comb•nacione~ ~e cun~1derar.in en lo~
problemas al liJ1al del capitulo.
(a) Series en paralelo. (Consideramos aqu1 grupos de componentes en paralelo
como en un circuito que tiene. por .:templo. m componente' en 'ene cada
uno.)
(bl Paralelas en scne.
te) S1stema \Ostcmdo. Consideramo' :1qu1 dos componentes de la' cuale:. la
scg.unda componente se «manuene•• y func1ona " y -.ólt• '' k1 pnmera
componente falla. r n ~te c;hO. la wgunda componente e' r.:quenda (m:.-
tanttincamente) y funciona en el lugar de la primern componcnt.:.
Expongamos brcvcmc~1te el concepto dc./(~ctor de se¡¡uridatl. Supóngase que la
fuer la S aplicada a una es tructura se conMd,;1 o.: como una variab le nlcawria (con-
tinua). Análogamente. la resistencia de la e~tructum, llamémosla H, se puede con-
'idcrar también como una variable ale<•tonn continua. Dcrinunws el factor de
,eguridad de ~ estructura como la raLi>n c.h: R a S.
T= R.\
Si R y S son variables ale-.norías mdcpcndtentes con fdp 1/) ¡, respl."CII~amente.
entonces la fdp de 7 está dada por

10 50 lOO 200 300 400

f"IOURA 11.7 ¡¡,, =Jo t¡li'J'•(.\l~ t1\.
(Ver el teorema 6.5.) La estructura fallara" 'i > R. es dec1r. s1 1 < l. Por tanto la
La conliabilidad de tres unidades que funcionan en paralelo durante 10 horas probabJhdad de fallar P, = JA /(r)dr.
sería
R(IO) 1 - (1 - 0.905]3 1 - 0.00086
PROBLEM AS
0.99914. o alrededor del99,9 por c•ento.
t 1.1 Supónga'IC que T eluempo para fallar. d~ un articulo t-,lilc.h,lflhutdu nc.lrmo~lmente
En la figura 11.7 vemos la~ curvas de confiabihdad de la unidad u mea vcrsu;, las con F.(T) 90 horu~ y d~':l\lación estándar 5 hor••' A fin de oblencr un,o ~unliab1hdad de
tres unidades en paralelo. Para la unidad sola. R(t) =e-"'. mientras que para las 0,90. 0.95. 0.99. ;,cu:m1n~ horas de operación dch<:n 'ons1derurse?
tres unidades en paralelo. R(t) 1 - (1 e ")s. con :x = 0.01. 11.2 Supomcndo que la duración de un mstrumcniO electrón ice.• ~ c.h,lrlhcud•l ~~poncn­
Hemos considerado. hasta ahora. sólo las maneras más scnc•llas par-J combinar cmlmcnle. Se sabe que la conroabihdad del in~lrumento (para un penodo de u~rac10n de 100
un1dades mdividuales en un sistema. llamadas operaciones en sene y c::n paralelo horas) es 0.90. ~Cuanl3\ horas de operación deben cc>n~•derurse para oblener una cunliabtlidad
de las componentes. Huy muchas otras maneras de combinar componentes. y de 0.95?
Llll A¡Jiicadun~' :o lu ll'(lrurdt• lu t•onllubilidad

11.3. Suponiendo que In duración de un insl t'UOlcoto tiene una lltSa constante de falla Si Tes el tiempo para fallar del sistema completo (en horas). ¡,cuál es la fdp de TI ¡,Cu!Í I es la
C0 para O < r < 10 y una tasa constanle distinta C 1 para 1 ~ r0 . Determinar la fdp de T, el conliabilidad del sistema?~ ¿cómo se compara con e-o.il3 ''1
tiempo para fall:~r. y dibujarla.
11.11. Supóngase que 11 componentes que están funcionando independientemente son
11.4. Supóngase q ue la tasa de fallas Z cstit duda por conectadas en una agrupación en serie. Suponiendo que el tiempo para fallar de cada una de
las componentes c.~tá distribuido normalmente con esperanza 50 horas y desviación estándar
Z(r) =O. () < t <A. 5 horas.
=C. 1 ~ A.
(a) Si n = 4. ¡,cuál es la probabilidad de que el sistema funcione después de 52 horas de
(Esto implica que ningun:t falla ocurre antes de T = A.) operación'?
(b) Si,, componentes se conectan en pllralela. ¡,cuitl debería ser el valor de 11 a fin que la pro-
(a) Encontrar la fdp asociada con ·r. el tiempo para fallar. babilidad de fallar durante las primeras 55 hor:ts sea aproximadamente ig.ual a 0.01'?
(b) Ca lcula r E(T).
11.12. (Sacado de Derman and Klein . Prolwbility a11d Swlisticalfn(erence. Oxford Uni·
11.5. Supon iendo que la ley de fallas de una componen te 1enga la siguien te fdp:
versity Press, New York, 1959.) La duración (Ll en meses de cierto tubo al vacío usado en un
.f'(rl =(r + I)A"' /(A + l)'n. 1 > o. equipo de radar está distribuida exponencialmente con parámetro (1 = 2. Al establecer su
programa preventivo de mantención, una compañía desea decidir cuántos meses (m) después
(a) ;.Para qué valores de A y res. la anterior una fd p? de la instalación debería r emplazarse el tubo para minimizar el coste esperado por tubo.
(b) Obtener una expresión para la función de confinbi lidad y la fu nción de riesgo. El costo por tubo en dólares está denotado por C. El tiempo útil más corto empleado entre la
le) Demostrar que la función de riesgo es decreciente en c. instalación y la sustitución es 0.01 mes. Obedeciendo a esta restricción. ¿qué valor de m minimizó
E(C), el co$(0 esperado en cada una de las situaciones siguientes. en donde el costo Ce.~ la
ll.l). Supó11gasc que la ley de fallas de una componen te es una combinación linC:~l de k
leyes exponenciales de fallas. Es decit.la fdp del tiempo para fallar estlt dada por función dada de L y m?
(a) C(L,m)=o3IL- ml. (b) C(L.m)= 3 si L<m.
.±
f (r) = 1 10.- 1 c¡/l·e-Pi•
) •
r > (),
(e) C(L,m) "" 2 si L < m,
= 5(L- m) si L~ m.

(a) ¡,Para qué valores de Cj es la an terior una f<.lp'! = 5(L - m) si L~ m.

(b) Obtener una expresión para la función de confiabilidad y la función de riesgo.
(e) Obtener una expresión del promedio del tiempo para fallar. (En cada uno de los c¡¡sos, dibuje un gráfico de E(C) como función de m.)
(d) Responder (b) y (e) si (11 = (1 para lodoj. Observación: evidentemente C es una variable aleatoria puesto que es una función de L
11.7. Cada uno de los seis tubos de un eq uipo de radio tiene una duración (en años) que que es una variable aleatoria. E(C) es una función de 111. y el problema simplemente pide encon·
puede considerarse una variable a leatoria. Supóngase que esos tubos fu ncíonan independiente· trar el valor de m que minimiza E(C). sujeta a la restricción que m ~ 0.01.
mente uno de olro. ¡.Cuá l es la probabilidad de que ningifn tubo tenga que ser reemplazado 11.13. Suponiendo qu e la tasa de fallas asociada con la duración T de un articu lo está
durante los primeros dos me~s de servicio si: dada por la función siguiente:
(a) La fdp del tiem pó para fallar esf(t) = SOte 1 '''. 1 > 0'1 Z(l) = Co,
(b) La fdp del tiempo para fallar esf(t) = 25/e Ho. t > 0'1
= C0 + C ,(l - lo).
11 .8. Demostrar el teorema 11.4.
11.9. La duración de un saté lite es un:t variable a leatoria distribuida exponenci¡tlmente Observación: ésta representa otra generali?.ación de la distribución exponencial. Lo anterio1
con un tiempo de duración esperado de 1.5 años. Si tres satélites ~e lanzan simu ltáneamente, reduce a una tasa constante de fallas (y por tantn 11 la distribución exponencia l) si C, = ()
¿cuál es la probabilidad que a lo menos dos estarim aún en órbita después de 2 años? (a) Obtener la fdp de T. el tiempo para fallar.
(b) Obtener una e¡¡presión para la confiabilidad R(t) y dibujar su gráfico.
¡ L 14. Supóngase que cada uno de tres instrumentos elecLrónicos tiene una ley de falla
dada por una distribución exponencial con pariunctros fl,. flz, y fl,. Supóngase que los tres
FtGURA 11.9
instrumentos funcionan independientemente y estún conectados en paralelo para formar un
11.10. Tres componen tes que funcionan indcpcndtenlemcnte estit n conectadas en un solo sistema.
sistema aislado como se índica en la figura 11 .9. Suponiendo que la conltabilidad de cada com·
ponente para un periodo de 1 horas de opem.:ti>n cstú dada por (a) Obtener una expresión para R(t), la confiabilidad del sistema.
(b) Obtener una expresión para la fdp de T, el tiempo para fallar el sistema. Dibujar la fdp.
R(t) =" 0.031 (e) Encontrar el promedio de tiempo para fallar del sistema.
 FtOIJRA 11.1
11.15. (a) Supóngase que n componentes estáll conect.ados en una agrupaCión en serie.
Luego k de tales conexiones en serie se conectan en paralelo para formar un sistema completo.
(Ver la figura 11.10.) Si cada una de las componentes tiene la misma confiabilidad, R, para un
periodo determinado de operación, encuentre una expresión para la conl'iabilí<lud del sistema
completo (para ese mismo periodo de operaciones).
(b) Supóngase que cada una de las componentes anteriores sigue una ley exponencial de
fallas con tasa de falla 0,05. Supóng¡¡se además que el tiempo de operación es 10 horas y que
n = 5. Determinar el valor de k a fm de que la conliabJitdad del sistema completo sea igual a
0,99.
11.16. Supóngase que k componentes están conectados en paralelo. Luego , de tales
conexiones en paralelo son unidas en serie en un solo sistema. (Ver la figuru 11.11.) Responder
(a) y lb) del problema 11.15 para esta situación.
FIGURA 1J.1 1
11.17. Supóngase que n componentes, que tienen cada una la misma tasn constante de
fallas;_ est:in conectada~ en paralelo. Encontrar una exprcstón para el tiempo promedio para
fallar del sistema resultante.
11.18. (a) Un sistema de propulsión aéreo consta de tres motores. Supóngase que la tasa
constante de fallas parn cada uno de los motores es ..t • 0,0005 y que los motores fallan inde-
pendientemente uno de otro. Los motores están conectados en paralelo,¿cuáles la confiabilidad
de este s.istema de propulsión para una misión que necesita 10 horas si al menos dos motores
deben resistir?
(b) Responder ta pregunta anterior para una mtsión que necesita 100 horus: 1000 horas.
(Este problema sugendo por una exposición en l. Baz.ovsky, Reliability 11wory ond Practic.r.
Prcntice-Hall. l nc.. Englewood CliiTs. N. J~ 1961.)
e
11.19. Consideremos las componentc:s tl. A'. B. B' y conectadas como se indica en las
figuras 11.12 (a) y (b). (La componente C puede pensarse que representa un «seguro» si ambas
A YB dejaran de funcionar.) Representando por R,.. R,.:, R 1 , R1•• y Re: las eonliabilidades de las
componentes individuales (y suponiendo que las componentes funcionan independientemente
una de otra), obtener una expresión para la confiabilidad del sistema completo en cada uno de
o
(b) FIOURII 11.1:!
lo~ casos. [Indicación : en el segundo ea:.O (figura 11.12 (b)), use consideraciones de proba-
btlidad condtcional:)
11.20. Si todas las componentes considerada~ ~:n el problema 11.19 tienen la mism:~ tasa
constante de fallas ..t, obtenga una exprestón pará la confiabihdud R(t) dei sistema lndu:;tdo
en la figuru 11.12 (b). También encontrar el ttcmpo medio para que falle este sistema.
11.21. La componente A tiene una confiabilidad 0,9 cuando se utiliza con un propósito
particuhtr. La componente 8 que puede usarse en lugar de la componente A. tiene una conliabi-
lidud de sólo 0,75, ¿cual es el número mlmmo de componentes del tipo B que tendrían que
concretarse en paralelo á fin de obtener la conriabilidad que la componcnu: A tiene por sí
misma?
11 .22. Supóngase que dos componentes que funcionan independientemente. cadu una
con la misma tasa constante de falla están conectadas en paralelo. Si 7'cl tiempo para fa llar del
sistema resultante. obtengo lá fgm de T. También determinar E(T) y V(T~ usando la fgm.
ll.23. Cada vez que hemos considerado un sistema formado por diversas componentes.
,iempre hemos supuesto que las componcntcs funcionan indepcndient.emente una de otrd.
Esta suposición ha simplificado considerablemente nuestros cllculos. Sin embar_go. esto puede
no ser stcmpre una suposición realista. En muchos casos es sabido que el comportamtcnto de
una componente puede ufect;ar el comportmniento de las otras. Esto es, en general, un problema
mu.y dificil para enfrentar. y sólo considerurcmos un caso especial aqui. Supongamos específi-
camente que dos componentes. C 1 y C1 siempre fallan juntas Es decir, falla e, si y sólo si
falla C ). Demostrar qu<' en este caso. P(C, falla y C2 falla) =- P(C 1 falle)= P(C 1 falle\.
FtOURA 11 . 13
11.24. Considérense cuatro componentes C,. C2 , e3 y e,. conectadas corno se indicó en
la figuro 11.13. Suponiendo que las componentes funcionan independientemente una de otra
con la excepción de C 1 y C 2 que siempre fallan JUntas como se descn'bió en el problema 11.23.
Si 7j, el hcmpo para fallar de la componente C1, es distribuido exponencialmente con pani-
metro fl 1, obtener la confiabilidad R(t) del sistema completo. Obtener también la fdp de T. el
tiempo para fallar del sistema.
11.25. Con~idérese el mismo sisierna tal como se describió en el problema 11.24. excep-
tuando esta ve:z que las componentes C 1 y C1 rallan juntas. Responder a las preguntas del
problema 11.24.