Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata

CAPITULO 4: Inferencia sobre algunos modelos de tiempos de vida

4.1 Introduccin
En este captulo se presenta algunos modelos paramtricos y procedimientos para
realizar Inferencia de estos modelos, tales como: Exponencial y Weibull, con datos de
una sola muestra o de dos o ms muestras.
4.!" Algunos modelos de #upervivencia
4.2.1.- Distribucin Exponencial.
Un modelo exponencial con parmetro 0 > tiene como funcin de densidad, funcin
de super!i!encia y funcin riesgo:
( ) 0 si , >

t e t f
t
, ( )
t
e t S

, y
( ) t h ,
respecti!amente. En este caso, se puede obser!ar "ue este modelo tiene una funcin
riesgo o tasa de falla constante.
#tra reparametrizacin de ese modelo es $acer 1/ , con la cual se tiene:
( )
1
, si 0
t
f t e t

> ,
( )
t
S t e

y ( )
1
h t

%a media est dado por ( )

1
E T

, y !ariancia ( )
2
2
1
Var T

. &l parmetro o
es un parmetro de escala de la distribucin. El 'initab estima a partir de los
datos de una muestra aleatoria.
4.2.2.- Distribucin Weibull
34
(igura )o *: (uncion de densidad de la distribucion Exponencial
+ara !arios !alores de lamda
tiempo
d
e
n
s
i
d
a
d
, * - . / 0
,
.
,
,
.
0
*
.
,
*
.
0
lamda1,.0
lamda1*.,
lamda1*.0
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
El modelo Weibull con parmetros 0 > y 0 > es una de las generalizaciones de la
distribucin exponencial, sus funciones de densidad, super!i!encia y riesgo estn
dados por:
( ) ( )
( )
0 para
1
>

t e t t f
t


, ( )
( )

t
e t S

, y ( ) ( )
1

t t h ,
respecti!amente. #tra reparametrizacin del modelo es considerar 1/ :
( )
1
para 0
t
t
f t e t

,
_
>

,
,
( )
t
S t e

y
( )
1
t
h t

,
'initab estima los parmetros

y a partir de los datos de una muestra aleatoria

)tese "ue si 1 se tiene el caso particular de la distribucin exponencial con
parmetro
1

. %a media y !ariancia de una distribucin Weibull son:

( )
1
1 1
1 1 E T

_ _
+ +

, ,
y
( )
2 2
2 2
2 1 2 1
1 1 1 1 Var T

1 1 _ _ _ _
+ + + +
' ; ' ;
1 1
, , , , ] ]


.
2onde:

( )

0
1
du e u k
u k
3e puede obser!ar "ue la forma de la funcin de densidad depende del parmetro

y
"ue o
1

es el parmetro de escala. +or estas razones, la distribucin Weibull, es

muy utilizada en el anlisis de super!i!encia, debido a su flexibilidad en cuanto a su
forma "ue puede tomar la funcin de super!i!encia y su funcin riesgo.
35
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
36
(igura )o .: (uncion 4iesgo de la distribucion Weibull
+ara lamda1*, y !arios !alores de alfa
tiempo
r
i
e
s
g
o
,., ,.0 *., *.0 -., -.0 ..,
,
0
*
,
*
0
-
,
-
0
alfa1,.0
alfa1*.0
alfa1..,

(igura )o -: (uncion de densidad de la distribucion
Weibull
+ara lamda1*, y !arios !alores de
tiempo
2
e
n
s
I
d
a
d
,., ,.0 *., *.0 -., -.0 ..,
,
-
/
5
alfa1,.0
alfa1*.0
alfa1..,
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
4.2.3.- Distribucin Valor Extremo
Esta distribucin est directamente relacionada con la distribucin Weibull y usada
extensi!amente en muc$as reas. 6ambin, se le conoce con el nombre de distribucin
de 7umbel, ya "ue fue E. 8. 7umbel uno de los pioneros en usar esta distribucin. %a
distribucin !alor extremo no modela directamente la !ariable tiempo de !ida, pero es
importante por las relaciones interesantes "ue posee con la distribucin Weibull. %as
funciones de densidad, super!i!encia y riesgo, para una distribucin !alor extremo con
parmetros 0 > b y
< < u
, estn dadas por:
( ) < <
1
]
1

,
_

x
b
u x
b
u x
b x f para , exp exp
1
,
( ) < <
1
]
1

,
_

x - para , exp exp
b
u x
x S
,
( )
1
b x h ,
respecti!amente. Es fcil demostrar "ue esta distribucin est directamente
relacionada con la distribucin Weibull de la siguiente forma: 3i T tiene una distribucin
Weibull con parmetros 0 > y 0 > , entonces T X ln tiene una distribucin !alor
extremo con parmetros
1
b y ln ln u .
3i 0 u y 1 b , entonces se tiene la distribucin !alor extremo estndar. 6ambin, se
puede obser!ar "ue
u
es un parmetro de ubicacin y b un parmetro de escala.
4.2.4.- Distribucin Gamma

#tra generalizacin de la distribucin exponencial es la distribucin 7amma, cuyas
funciones de densidad, super!i!encia y riesgo para una distribucin con parmetros
0 > y 0 > k son:
( )
( )
( ) k
e t
t f
t k

1
,
( ) ( ) t k I t S , 1 , y
( )
( )
( ) t S
t f
t h
, respecti!amente.
2onde

( )
( )

x
u k
du e u
k
x k I
0
1
1
,
.
3e puede obser!ar "ue es un parmetro de escala y k un parmetro de forma.
4.2.5.- Distribucin Log-ormal
Una !ariable aleatoria T tiene una distribucin %og9)ormal con parmetro de escala
< <
y de forma 0 > , si T Y ln se distribuye normalmente con media

y
37
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
!ariancia
2
. %as funciones de densidad, super!i!encia y riesgo del modelo %og9
)ormal estn dados por:
( )
( )
0 para ,
ln
2
1
exp
2
1
2
2 / 1
>
1
1
]
1

,
_

t
t
t
t f

,
( )

,
_

t
t S
ln
1
, donde ( )
( )

x
u
du e x
2 /
2 / 1
2
2
1

,
( )
( )
( ) t S
t f
t h
Distribucin logstica y log-logstica
Se dice que una variable aleatoria X tiene una distribucin lo!stica con par"#etro de ubicacin

$ de escala

, si tiene la siuiente %uncin de densidad&

( )
( )
( )
2
2
1
sec' , para
4 2
1
x
x
e x
f x x
e

_
< <

,
1
+
1
1
]
(ropiedades
)a %uncin de supervivencia est" dado por
( )
( )
( )
1 1
sec'
2 2 2
1
x
x
e x
S x
e

_


,
+
)a #edia, la #ediana $ la #oda de la variable aleatoria X iual a

* +de#"s, la variancia es
iual a
2
2
3

Si una variable ln Y T tiene una distribucin lo!stica con par"#etro ubicacin

$ de escala

entonces T tiene una distribucin lo-lo!stica con par"#etro de ubicacin

$ de escala

*
#tras distribuciones usadas en el anlisis de super!i!encia son:
- 2istribucin %og97amma.
- 2istribucin 7amma 7eneralizada.
- 2istribucin 4ayleig$.
3,
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
- 2istribucin +areto.
- 2istribucin 7aussiana In!ersa.
- 2istribucin exponencial de dos parmetros.
- 2istribucin Weibull de tres parmetros.
- 2istribucin lognormal de tres parmetros.
9 2istribucin loglogistica de tres parmetros.
4.$ Inferencia Para el %odelo &'ponencial:
a: Datos completos: 3ea
n
t t t , , ,
2 1

una muestra aleatoria de tama;o n de una
distribucin exponencial con parmetro
1
, entonces el estimador mximo
!erosmil de est dado por:
n
T
n
t
n
j
j

1
-

,
&dems, se puede demostrar "ue
( )
2
2
2
.
n
T

Entonces, un inter!alo de ( ) / 100 1 de confianza para <la media: est dado por:
2
2 ,
2
2
2 ,
2
1
2 2

,
_

,
_

n n
T T

+ara probar las $iptesis

0 1
0 0
&
&

H
H

0 1
0 0
&
&


>

H
H

0 1
0 0
&
&


<

H
H
se usa la estadstica de prueba
( )
verdadera es / .
2
0
2
2
0
1 2
H
t
n
n
i
i
c

b: !ensura tipo "": 3uponga "ue las primeras

r
obser!aciones
( ) ( ) ( ) r
t t t < < <
2 1
estn
disponible o son conocidas de la muestra total de tama;o
n
, entonces la funcin de
mxima !erosimilitud para datos con censura tipo II, se obtiene de la siguiente
forma:
30
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
(ormalmente los datos consisten de tiempos de fallas:
( ) ( ) ( ) r
T T T
2 1
#btenido en la muestra aleatoria
n
T T T , , ,
2 1

de cual"uier distribucin de tiempo de falla. 3i
n
T T T , , ,
2 1

son i.i.d. y tiene una
distribucin continua con funcin de densidad
( ) t f
y funcin de super!i!encia
( ) t S
, entonces por propiedad de estadstica de orden, se tiene "ue la funcin de
densidad con=unta de ( ) ( ) ( ) r
T T T , , ,
2 1

es
( )
( )
( )
( )
( ) ( ) [ ]
r n
r r
t S t f t f
r n
n

1
1
1
%uego, la funcin de !erosimilitud, para el caso de una distribucin continua, en
donde se desea estimar el !ector de parmetro est dado por:
( )
( )
( )
( )
( )
( )
( )
1
1
2 2 2
1
n r
r r
n
L f t f t S t
n r


1
]

En el caso del modelo exponencial se tiene:
( )
( )
( ) ( ) ( ) 1
1 1 1 1 1 1
exp * * exp exp
1
n r
r r
n
L t t t
n r

1
1 1 1

1
1 1 1

] ] ] ]

( )
( )
( )
( )
( )
1
1 1 1 1
exp
1
r
i r r
i
n
L t n r t
n r

1

1

%uego, un estimador mximo !erosmil de est dado por:

( )
1 1
1
r n
i i
i i r
t C
r

+
1
+
1
]

)
+ara el caso de censura tipo II simple la frmula anterior se reduce a:
( )
( )
( )
1
1
r
i r
i
t n r t
r

1
+
1
]

)
40
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
Teorema: 3ea
( ) ( ) ( ) 1 2
, , ,
r
t t t
, las primeras obser!aciones ordenada de una muestra
aleatoria de tama;o
n
de una distribucin exponencial. Entonces las cantidades
( )
1 1
W nt
y
i
W
,
2, , i r
son independiente e idnticamente distribuida como una
exponencial con parmetro .
Corolario: >a=o estas condiciones del teorema anterior se tiene "ue:
( )
( )
1 1 2
2
2
.
r n
i i
i i r
r
t C

+
1
+
1
]

Un inter!alo de
( ) 100 1
de confianza est dado por
( ) ( )
1 1 1 1
2 2
1 ,2 ,2
2 2
2 2
,
r n r n
i i i i
i i r i i r
r r
t C t C


+ +
_ _

, ,
1 1 1
+ +
1
1 1
] ]
1
1
1
]

+ara probar las $iptesis
0 1
0 0
&
&

H
H

0 1
0 0
&
&


>

H
H

0 1
0 0
&
&


<

H
H
se usa la estadstica de prueba
( )
( )
1 1 2 2
0 2
0
2
. / es verdadera
r n
i i
i i r
c r
t C
H

+
1
+
1
]

E=emplo *: ?onsidere "ue el tiempo en $oras de cierto producto perecible, desde "ue
llega un supermercado $asta "ue no sea apto para el consumo $umano, tiene una
distribucin exponencial. 3e realiz un experimento con *- unidades "ue lleg en el
mismo lote y fueron colocados al mismo tiempo en el estante refrigerado. 3e
obser!aron $asta obtener @ unidades no aptas para su consumo. %os tiempos
obser!ados fueron:
.*, 0@, *0A, *@0, .,,, /A,, /BA, 5A.
En este caso 12 n , , r y

41
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
( )
( )
( )
( )
,
,
1
12 , 31 673 4 673 5063
i
i
t t

+ + + +

%uego,
5063
-
632*0
,

Un inter!alo del B0C de confianza para , est dado por:
( )
2
0*025,16
6*00,
,
( )
2
0*075,16
2,*,45
,
Entonces
( ) ( ) 2 5063 2 5063
2,*,45 6*00,

1

1
]
[ ]
351*04,7 1465*,37
+ara el e=emplo del artculo perecible
0
& 1000 H
1
& 1000 H <
se tiene "ue
( )
( )
( )
2 2
16 16
2 5063
p-value3( 10*126 0*1400341
1000
P
1
1
< <
1
]
]
3e acepta
0
H
a un ni!el de significacin 0*10 , es decir no se $a encontrado
suficiente e!idencia estadstica para afirmar "ue la media del tiempo en $oras de cierto
producto perecible, desde "ue llega un supermercado $asta "ue no sea apto para el
consumo $umano sea menor a *,,, $oras. +or lo tanto, se puede aceptar "ue
1000 $oras.
?omo la funcin de 3uper!i!encia de una funcin exponencial en un punto
0
t
es
( ) ( )
0 0
exp / S t t
%uego, un estimado para ( ) 500 S
, para el producto perecible est dado por
( ) ( )
-
500 exp 500/ 632*0 0*453,3,3 S
6ambin, si
42
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
( ) ( )
- -
LI LS
1

]
es un inter!alo del ( ) 1 100
C de confianza para , entonces un inter!alo del
( ) 1 100
C de confianza para ( )
0
S t
, est dado por
( )
( )
( )
0 0
0
exp exp
- -
t t
S t
LI LS
1
_ _
1

1
1
, , ]
para del caso del producto perecible el inter!alo del B0C de confianza para ( ) 500 S
,
est dado por:
( )
500 500
exp 500 exp
351*04,7 1465*,37
S
1
_ _

1
, , ]
( ) 0*2406760 500 0*7100,64 S 1
]
El
p
9simo percentil de la distribucin est dado por
( ) ln 1
p
t p 1
]
%uego, un inter!alo de inter!alo del ( ) 1 100
C de confianza para
p
t
est dado por
( )
( )
( )
( )
- -
ln 1 ln 1
p
p LI t p LS
1

]
Entonces para el caso del producto perecible, un estimado del percentil *,, est dado
por:
( ) ( ) ( )
0*10
-
-
ln 1 0*10 632*0 ln 0*00 66*6,267 t 1
]
Un inter!alo del B0C de confianza para el percentil *, est dado por
( ) ( ) ( ) ( )
0*10
ln 1 0*10 351*04,7 ln 1 0*10 1465*,37 t 1
]
[ ]
0*10
36*0,667 154*4413 t
(esults for: P&(&CI)L&.%T*

+istribution Anal,sis: tiempo
Variable: tiempo
43
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
Censoring Information Count
Uncensored value 8
Right censored value 4
Censoring value: censura = 0
Estimation ethod: a!imum "i#elihood
$istribution: E!ponential
%arameter Estimates
&tandard '()0* +ormal CI
%arameter Estimate Error "o,er Upper
ean -./)80( //.)0(( .1-)4'' 1/-()(0
"og2"i#elihood = 2(')-0/
3oodness2of24it
5nderson2$arling 6ad7usted8 = /')1-4
Characteristics of $istribution
&tandard '()0* +ormal CI
Estimate Error "o,er Upper
ean69948 -./)80( //.)0(( .1-)4'' 1/-()(0
&tandard $eviation -./)80( //.)0(( .1-)4'' 1/-()(0
edian 4.8)-0- 1(()0'( /1').81 800)180
4irst :uartile6:18 18/)0-0 -4).00. '1)0(1/ .-4)0-/
9hird :uartile6:.8 800).(1 .10)1'0 4.8)0-1 10(4).-
Inter;uartile Range6I:R8 -'()/84 /4()8/0 .40)010 1.'0).0
9able of %ercentiles
&tandard '()0* +ormal CI
%ercent %ercentile Error "o,er Upper
1 -).-0-1 /)/4881 .)180'/ 1/)0180
/ 1/)08(8 4)(/04- -).'414 /()(---
. 1')/0-' -)81(40 ')-40./ .8)(4-/
4 /()8.(/ ')1.41. 1/)'/01 (1)--04
( ./)4-// 11)4001 1-)/.4. -4)'118
- .')1('4 1.)844' 1')(8.( 08).0.(
0 4()'/8/ 1-)/.81 //)'-8- '1)8.84
8 (/)0001 18)-(01 /-).'0/ 10()(/0
' (')-8-' /1)10/( /')84'. 11').(0
10 --)-800 /.)(0(0 ..).4-( 1..)..4
/0 141)/// 4')'/'( 00)-/48 /8/).8'
.0 //()0.1 0')8008 11/)880 4(1).0.
40 ./.)/8' 114).00 1-1)-0- -4-)4(1
(0 4.8)-0- 1(()0'( /1').81 800)180
-0 (0')8'0 /0()0/( /'0)00( 11(')(0
00 0-1)'-4 /-').'( .81)0(0 1(/.)-.
80 1018)(0 .-0)1/0 (0').8- /0.-)0(
'0 14(0)/( (1()/1( 0/8)0-0 /'1.)'.
'1 1(/.)'. (.8)0'0 0-/)11. .040)/-
'/ 1('8)40 (-()14( 0'').'1 .1'-)./
'. 1-8/)'8 ('()0/. 841)-(4 ..-().0
'4 1080)(4 -/')(1( 8'0)44. .(-0).8
'( 18'()'/ -00).10 '48)140 .0'1)11
44
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
'- /0.0)1( 0/0)/40 1018)00 400.)(0
'0 //1')/1 084)-10 110')8/ 44.0)(-
'8 /40()8/ 80()..( 1/.8)1( 4'(0)-8
'' /'14)(0 10.0)4. 14(0)(. (8/0)8-
t iempo
P
e
r
c
e
n
t
*,,,, *,,, *,, *, *
BB
B,
@,
A,
5,
0,
/,
.,
-,
*,
0
.
-
*
6able of 3tatistics
(ailure @
?ensor /
&2D -B.*5/
'ean 5.-.@A0
3t2e! 5.-.@A0
'edian /.@.5A5
I E4 5B0.-@/
Probabilit, Plot for tiempo
?ensoring ?olumn in censura 9 '% Estimates
Exponential 9 B0C ?I
Observacin:
+ara estimadores cuyo rango son los reales positi!o el 'initab utiliza la siguiente
frmula de aproximacin a la normal para obtener los inter!alos de confianza:
-
-
, w
w

1
]
3iendo
( )
( )
2
-
1
-
exp w Z S

En cambio cuando el rango del estimador son todos los reales utiliza la frmula de
aproximacin a la normal:
( ) ( )
2 2
- -
1 1
- -
, Z S Z S




1
+
1
]
Censura tipo I: ?onsidere "ue
n
T T T , , ,
2 1

son los tiempos de !ida de los n indi!iduos
de la muestra asociado a ellos estn los tiempos de censura
n
C C C , , ,
2 1

,
respecti!amente, se obser!a
i
T
solamente si
i i
C T
. 6ambin, sea D el con=unto de
45
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
indi!iduo "ue mueren y C el con=unto de indi!iduo "ue no mueren durante el estudio.
%uego, para el caso de datos con censura tipo I, las obser!aciones de la !ariable
repuesta se puede representar por ( ) ,
i i
t
( ) #in ,
i i i
t T C
y
1, si
0, si
i i
i
i i
T C
T C

'
>

2e esta manera
i

es el indicador de censura <* si es falla y , si es censura:

%uego, la funcin de densidad con=unta de
i
t
y
i

es
( ) ( )
1
i i
i i
f t S C

.
+uede obser!arse "ue
i
t
es una !ariable aleatoria mixta con un componente discreto y
otro continuo. +ara la parte discreta se tiene:
[ ] [ ] [ ] ( ) 0
i i i i i i
P t C P P T C S C >
+ara !alores
i i
t C <
la funcin de densidad de la parte continua es
[ ] [ ]
( )
( )
4 1 4
1
i
i i i i i
i
f t
P t P t t C
S C
<

%uego, la distribucin de ( ) ,
i i
t
, tiene los siguientes componentes
[ ] [ ] ( ) , 0 0
i i i i i
P t C P S C
[ ] [ ] [ ] ( ) , 1 4 1 1 ,
i i i i i i i i
P t P t P f t t C <
Estas expresiones pueden ser generalizadas en una sola expresin:
[ ] ( ) ( )
1
,
i i
i i i i
P t f t S C

%uego, la funcin de !erosimilitud est dada por:

( ) ( ) ( )
1
1
2 2
i i
n
i i
i
L f t S C

+ara el caso del modelo exponencial, considere "ue y ! denota los con=untos de
indi!iduos para "uienes se obser!a tiempo de falla y censura, respecti!amente
Entonces
46
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
( ) ( ) ( )
1
1
, ,
i i
n
i i
i
L f t S C

1
]

( )
1
1
1
i i
i i
t C
n
i
L e e

1 1

1 1
] ]

( )
( ) 1
1
1
i i i i
C t
n
i
L e e

1
1

1
1
1 ]
]

( )
1 1
exp
i i r
i i !
L t C


1
_
+
1
, ]

6omando logaritmo
( ) [ ]
1
ln ln
i i
i i !
L r t C

1
+ 1
] 1
]

deri!ando se tiene
( ) ( )
2
-
ln
1
0
- -
i i
i i !
L
r
t C

1
+ +
1

]

2espe=ando se tiene:
1
i i
i i !
t C
r

1
+
1
]

)
c:
r
T
r
C T
C i
i
D i
i

<

-
, donde
r
1 nFmero de muertes o fallas.
3e puede obser!ar "ue el estimador mximo !erosmil es idntico al "ue se obtiene
con censura tipo II. En el caso de censura tipo II,
r
es fi=oG en cambio en censura tipo I,
r
es aleatorio. +or esta razn cumplen propiedades diferentes.
3e puede demostrar "ue
2 / 1
0
-

I
Z

, donde:
2
0
-

r
I
se aproxima cada !ez ms a una distribucin normal estndar conforme el tama;o de
muestra aumenta.
47
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
+ara tama;os de muestras pe"ue;os o moderados puede utilizarse las siguientes
estadsticas
*.9 3e puede demostrar "ue
1/ 3
- -

tiene una distribucin aproximadamente normal

con media
1/ 3

y !ariancia
( )
2
2
-
var
0
a"
#

,
, donde
( )
2
-
var a"
#

. %uego, se
puede usar procedimiento basado en normalidad asinttica para realizar inferencia
sobre :
( )
( )
1/ 2
2
-
. 0,1
- -
/ 0
a
$
#

3iendo
( )
-
/
-
1
i
C
# e

. Una aproximacin anloga puede ser

( )
( )
1/ 2
2
-
. 0,1
-
/ 0
a
$
r

-.9 +ara probar

0 0
& H
se puede usar la estadstica de la razn de !erosimilitud:
( )
( )
0
2ln
-
L
L

_



,
%a cual tiene aproximadamente una distribucin
( )
2
1

. 6ambin, de esta estadstica se

puede deri!ar los inter!alos de confianza.
..9 Una sugerencia fue dada por ?ox <*B0.: la cual usa la siguiente cantidad:
( )
2
2 1
-
2
.
a
r
r

+
Esta aproximacin da pruebas e inter!alos de confianza satisfactorios.
&dems, los inter!alos de confianza para ( ) S t
y
p
t
pueden ser deri!ados de estas
estadsticas, en forma similar "ue para el caso de censura tipo II
E=emplo -: 3uponga "ue se tiene la siguiente informacin sobre los tiempos de !ida de
una pieza de un e"uipo:
4,
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
* - . / 0 5 A @ B *,
i
T - 9 0* 9 .. -A */ -/ / 9
i
C @* A- A, 5, /* .* .* ., -B -*
52 51 33 27 14 24 46 572 60 216 155 153 30,
i i
i i !
t C

+ + + + + + + + + + +

( )
1 1
30, 44
7
i i
i i !
t C
r

1
+
1
]

)
?omo el tama;o de muestra es pe"ue;o se usa cual"uiera de los tres Fltimos
procedimientos
( )
1/ 3
1/ 3
- -
44 0*2,325,2

( ) ( ) ( )
-
/ ,1/ 44 72/ 44 21/ 44
-
1 51 6 1 1 6*161176
i
C
# e e e e

+ + +

( )
( )
2
2
-
0*2,325,2
0*00144606,
-
0 6*161176 0#

%uego, un inter!alo del B0C de confianza para

y , estn dados por:

0*5 0*5
0*2,325,2 51*06650*00144606,6 , 0*2,325,2 51*06650*00144606,6 1
]
[ ]
0*20,7017 0*357,147
( ) ( )
3 3
0*357,147 0*20,7017

1

]
[ ]
21*,2,5, 110*0074
-.9 Usando la razn de !erosimilitud
( )
1 1
exp
i i r
i i !
L t C


1
_
+
1
, ]

, entonces
( )
( )
-
1 1 1
exp exp
2ln 2ln 2ln
- -
1 1 1
exp exp
- - - -
r i i r
i i !
i i
r r
i i !
r
t C
L
r L
t C

1 1 1
1 _
+ 1 1 1
1 _
, 1 ] ]
1


1
1

1 1 _
1 + , 1
1 1
1 1 ,
] ] ]
]


40
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
( )
( )
[ ]
-
1
exp
- -
2ln 2ln 2 ln 2 1
1 -
exp
-
r
r
r
L
r r
L
r

1 1

1 1
_
_ _
1 ]

+

1

, ,

1 ,
1
]
( )
( )
44 44 616
2ln 14ln 14 1 14ln5 6-66*07,657
-
L
L

_
_ _

+


, ,
,
+ero
( )
2
1
3*,41 0*05 P
1

]
, entonces 3*,41 G esto es
616
14ln5 67 -66*07,65 3*,41

616
14ln5 67 70*,1065

,
resol!iendo mediante procedimiento computacionales con el deri!e la ecuacin
616
14ln5 67 70*,1065

se tiene aproximadamente el siguiente inter!alo de confianza

< fun=2function6!814>log6!8200)81'-(?-1-@!
< curve6fun6!8A10A1/08
< abline6h = 0A ltB = .8
50
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
-, /, 5, @, *,, *-,
,
0
*
,
*
0
-
,
x
f
u
n
<
x
:
< uni =2 uniroot6funA c6/0A /(88Croot
< uni
D1E //)0(/0-
< uni1 =2 uniroot6funA c6100A 10(88Croot
< uni1
D1E 10/).'(
[ ]
22*7520620, 102*3050111
..9 'ediante el procedimiento propuesto por ?ox
( )
2
2 1
-
2
.
a
r
r

+
, 7 r y
-
44
,
( )
2
0*025,15
6*262
y
( )
2
0*075,15
27*4,,
, entonces un inter!alo del B0C de confianza para
est dado por:
( ) ( ) 2 7 44
6*262 27*4,,

1

1
]
( ) ( ) ( ) ( ) 2 7 44 2 7 44
27*4,, 6*262

1

1
]
[ ]
22*4007, 0,*37113
51
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
+istribution Anal,sis: tiempo
Variable: tiempo
Censoring Information Count
Uncensored value 0
Right censored value .
Censoring value: censura = 0
Estimation ethod: a!imum "i#elihood
$istribution: E!ponential
%arameter Estimates
&tandard '()0* +ormal CI
%arameter Estimate Error "o,er Upper
ean 44)0000 1-)-.04 /0)'0-. '/)/'40
"og2"i#elihood = 2..)48'
3oodness2of24it
5nderson2$arling 6ad7usted8 = 1()'(-
Characteristics of $istribution
&tandard '()0* +ormal CI
Estimate Error "o,er Upper
ean69948 44)0000 1-)-.04 /0)'0-. '/)/'40
&tandard $eviation 44)0000 1-)-.04 /0)'0-. '/)/'40
edian .0)4'8( 11)(/0. 14)(.'0 -.)'0.8
4irst :uartile6:18 1/)-(80 4)084/8 -)0.4(0 /-)((1(
9hird :uartile6:.8 -0)''00 /.)0(40 /')00'. 1/0)'48
Inter;uartile Range6I:R8 48)..8' 18)/004 /.)0448 101).'-
9able of %ercentiles
&tandard '()0* +ormal CI
%ercent %ercentile Error "o,er Upper
1 0)44//1( 0)1-0141 0)/1081' 0)'/0('/
/ 0)888'1' 0)..('80 0)4/.008 1)8-4-0
. 1).40/1 0)(0-((0 0)-.8'/1 /)811//
4 1)0'-10 0)-08888 0)8(-/'4 .)0-0-(
( /)/(-'0 0)8(.0.0 1)00('4 4)0.410
- /)0//(/ 1)0/'01 1)/'0'/ ()01000
0 .)1'.11 1)/0-88 1)(///- -)-'08'
8 .)--80' 1).8--0 1)04'04 0)-'(-8
' 4)14'-0 1)(-84. 1)'08/' 8)004.0
10 4)-.(8- 1)0(/1' /)/1000 ')0/4/1
/0 ')818./ .)010'0 4)-800/ /0)('(0
.0 1()-'.0 ()'.1-- 0)4810/ ./)'1'/
40 //)40-. 8)4'(/( 10)01(/ 40)14-(
(0 .0)4'8( 11)(/0. 14)(.'0 -.)'0.8
-0 40).1-8 1()/.8. 1')//04 84)(-88
00 (/)'048 /0)0//- /()/(4' 111)1/0
80 00)81(. /-)0-(0 ..)0-00 148)(4.
'0 101).14 .8)/'.0 48)/''0 /1/)(1-
'1 10()'(0 40)04(/ (0)(0'8 ///)/41
'/ 111)1./ 4/)0040 (/)'804 /..)111
'. 110)000 44)//40 (()0814 /4()4.-
52
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
'4 1/.)0'0 4-)088/ (')014' /(')--.
'( 1.1)81/ 4')8/0. -/)8.'4 /0-)4'0
'- 141)-.1 (.)(.1. -0)(/01 /'0)08(
'0 1(4)/8' (8).1(- 0.)((4- ./.)-.0
'8 10/)1/' -()0(80 8/)0('0 .-1)0('
'' /0/)-/0 0-)(8-0 '-)(''4 4/()0..


t iempo
P
e
r
c
e
n
t
*,,,., *,,., *,., *., ,.*
BB
B,
@,
A,
5,
0,
/,
.,
-,
*,
0
.
-
*
6able of 3tatistics
(ailure A
?ensor .
&2D *0.B05
'ean //.,,,,
3t2e! //.,,,,
'edian .,./B@0
I E4 /@...@B
Probabilit, Plot for tiempo
?ensoring ?olumn in censura 9 '% Estimates
Exponential 9 B0C ?I
4.4." Para el modelo valor e'tremo
+ara datos de tiempo de !ida de un modelo !alor extremo se considera una distribucin
!alor extremo con parmetro de ubicacin

y escala b , la cual tiene la siguiente

funcin de densidad:
( ) < <
1
]
1

,
_

x
b
u x
b
u x
b x f para , exp exp
1
a: #ara $atos completos % censura tipo "": 3ea
( ) ( ) ( ) 1 2
, , ,
r
x x x
obser!aciones de
una distribucin !alor extremos con
r
censura simple tipo II <
( ) r
x
, entonces el
logarHtmo de la funcin de !erosimilitud est dado por:

53
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
( )
( )
( ) ( )
( )
( )
1 1
1
ln , ln ln exp
1
exp
r r
i i
i i
r
x x
n
L b r r b
n r b b
x
n r
b

_ _ 1
+
1

] , ,

_



,

%os estimados mximos !erosmil se obtiene resol!iendo el siguiente sistema de
ecuaciones:
-
- 8
1
1
exp
-
b
r
j u
j
x
e
r
b
1 _

1
, ]

8
1
1 8
1
exp
-
1
-
0
exp
-
r
j
j
r
j
i
r
i j
j
x
x
b
b x
x r
b

_

,

_

,

donde:
( )
r
r
i
i
r
i
i
w r n w w +

1 1
8
+ara el caso de "ue se trate de obser!aciones completa $acer
n r
%a estimacin por inter!alos de los parmetros
u
y b son discutidos detalladamente en
el libro de %aIless
b: !ensura tipo ". ?onsidere "ue
n
x x x , , ,
2 1

son n obser!aciones de una distribucin
!alor extremos los cuales estn asociado las siguientes cantidades de censura
n
c c c , , ,
2 1

, respecti!amente. 3e obser!a
i
x
solamente si
i i
c x
, 3ea D el con=unto
de indi!iduo "ue mueren y C el con=unto de indi!iduo "ue no mueren durante el
estudio, entonces la funcin de !erosimilitud est dado por:
( )
1
ln , ln exp
n
i i
i D i
x x
L b r b
b b

_ _
+

, ,

%os estimados mximos !erosmiles de los parmetros
u
y b estn dados por las
soluciones del siguiente sistema de ecuaciones:
54
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
exp exp
- -
1
-
0
exp exp
- -
j j
j j
j D j C
i
i D j j
j D j C
x c
x c
b b
b x
x c r
b b

_ _
+

, ,

_ _
+

, ,

-
-
1
exp exp
- -
b
j j u
j D j C
x c
e
r
b b
1 _ _ _
+
1
1 , , ,
]

donde:
r
1)Fmero de muertes o fallas.
+ara realizar procedimiento de inferencia se puede realizar la siguiente aproximacin
para muestras grandes
1
]
1

b
u
-
-
se distribuye aproximadamente como una distribucin normal bi!ariada con !ector
de media
1
]
1

b
u
y matriz de co!ariancia
1
0

I , donde
1
1
1
1
]
1

n
i
i i
n
i
i i
n
i
i i
% % r % %
% % r
b
I
1
2
1
1
2
0
-
exp
- -
exp
-
-
exp
-
-
1
donde:
D i
b
u x
%
i
i

si ,
-
-
-
C i
b
u c
%
i
i

si ,
-
-
-
4.-." Para el modelo *eibull
+ara realizar inferencia con censura de datos de una distribucin Weibull se considera
una distribucin con parametro de forma

y de escala "ue tiene la siguiente funciJn

de densidad:
( ) 0 , exp
1
>
1
1
]
1

,
_

,
_

t
t t
t f

3upongamos "ue tenemos una muestra de esta distribucin de tama;o n de donde r

son falla y n-r censurados. 3uponga "ue D es el con=unto de falla y ! el con=unto de
censurado, entonces para realizar inferencia con censura a la derec$a se puede
considerar la siguiente funcin de de !erosimilitud:
55
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
( )
1
1
, exp
r n
i i
r
i D i
t t
L

1 1
_ _

1 1

, ,
1 1
] ]

%uego el logaritmo de la funcin de !erosimilitud est dado por:
( ) ( )
1
ln , ln ln 1 ln
n
i
i
i D i
t
L r r t

_
+ 1
]
,

2eri!ando e igualando a cero se tiene el siguiente sistema de ecuaciones no lineales:
1
ln ln ln 0
n
i i
i
i D i
t t r
r t

_ _
+

, ,

1
0
n
i
i
r
t

Inferencia sobre los parametros de la distribucin *eibull:

+ara tama;o de muestra grande se puede usar la aproximacin asinttica de los
estimadores mximos !erosmiles a la distribucin normal. Una prueba asinttica,
basada en esta aproximacin, es usar la estadstica de la razn de !erosimilitud o la
estadstica de WilK <"ue segFn con %aIless es !lido para tama;o de muestra
pe"ue;a:.
c.* +rueba de $iptesis e inter!alo de confianza para

.
3uponga "ue se desea probar
0 0
& H
contra
0 1
& H
, entonces el estimador
mximo !erosmil de ba=o la $iptesis planteada
0 0
& H
est dado por:
0
0
/ 1
1
.

,
_

n
i
i
r
t
%uego la estadstica de la razn de !erosimilitud para probar
0
H
contra
1
H es :
( ) ( )
-
, - ln 2
.
, ln 2
0
L L +
donde: - y
-
son los estimadores mximos !erosmil desde el modelo irrestricto.
se distribuye aproximadamente como
( )
2
1

. Un inter!alo de confianza con un coeficiente

de ( ) 100 1 est dado por el con=unto de !alores
0

"ue satisface la desigualdad

( )
2
1 , 1

.
56
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
c.-: +rueba de $iptesis e inter!alo de confianza para :
3uponga "ue se desea probar
0 0
& H
contra
0 1
& H
, entonces el estimador
mximo !erosmil de

ba=o la $iptesis planteada

0 0
& H
est dado por la solucin
de la siguiente ecuacin:
0 ln ln ln
.
1
0
.
0
0

,
_

,
_

+

D t
n
i
i i
i
t t
t r
r

el cual puede ser resuelto por mtodos iterati!os. %uego, la estadstica de razn de
!erosimilitud para probar
0
H
contra
1
H es:
( ) ( )
-
, - ln 2 , ln 2
0
L L +
2onde: - y
-
son los estimadores mximos !erosmil desde el modelo irrestricto.
se distribuye aproximadamente como
( )
2
1

. Un inter!alo de confianza con un coeficiente

de
( ) 100 1 est dado por el con=unto de !alores de
0

"ue satisface la desigualdad

( )
2
1 , 1

.
E=emplo .: & continuacin se presenta datos de tiempo de remisin, en semanas de
pacientes con leucemia tratado con la droga 59'+:
5 5 5 5
D
A B
D
*, *,
D
**
D
*. *5 *A
D
*B
D
-,
D
-- -. -0
D
.-
D
.-
D
./ .0
En este caso 21 n y 11 r . El !alor de en este caso puede tratarse de censura tipo I
3i consideramos un modelo Weibull
%os estimados mximos !erosmil del modelo irrestricto estn dados:
(esults for: L&UC&%IA.%T*

+istribution Anal,sis: tiempo
Variable: tiempo
Censoring Information Count
Uncensored value 11
Right censored value 10
Censoring value: censura = 0
Estimation ethod: a!imum "i#elihood
$istribution: Feibull
57
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
%arameter Estimates
&tandard '()0* +ormal CI
%arameter Estimate Error "o,er Upper
&hape 1)-8.(/ 0)400.4( 1)0400- /)00(0(
&cale /0)0-04 ()0800( 1').8'0 .')0-48
"og2"i#elihood = 240)(01
3oodness2of24it
5nderson2$arling 6ad7usted8 = -)(0.
Characteristics of $istribution
&tandard '()0* +ormal CI
Estimate Error "o,er Upper
ean69948 /4)0'// 4)-(/-( 10)1-// .()814.
&tandard $eviation 1()1448 4)'80/( 0)'4/(- /8)8081
edian //)..(0 4)01//8 1()00-4 .1)0-1/
4irst :uartile6:18 1.)/40( .)01448 8)48088 /0)-'.1
9hird :uartile6:.8 ..)01/' -)-'/(0 //)84-4 4')0408
Inter;uartile Range6I:R8 /0)4-(4 ()''00- 11)(/.0 .-).4(-
9able of %ercentiles
&tandard '()0* +ormal CI
%ercent %ercentile Error "o,er Upper
1 1)80-(. 1)10010 0)(00('. -)4/'4.
/ /)0.(0/ 1)(0'-4 0)'/00'( 8)0-8(-
. .)4'0.' 1)0..0( 1).18'0 ')/.--4
4 4)1(.(/ 1)'00./ 1)-'4/4 10)18/-
( 4)0(-8- /)0..-/ /)0(088 10)''(-
- ().1040 /)14.'8 /)41/01 11)01'4
0 ()84(-8 /)/.00. /)0-0(( 1/).080
8 -).48.1 /).18'1 .)10/-4 1/)'8'.
' -)8.010 /).'0/8 .)4.'8' 1.)(-18
10 0)/'40' /)4(.81 .)00.00 14)10.'
/0 11).'/0 /)8-0(' -)'(((' 18)-(0'
.0 1()0(18 .)1('4( ')'0(08 //)01//
40 18)-.1- .)(0--1 1/)88.' /-)'4.(
(0 //)..(0 4)01//8 1()00-4 .1)0-1/
-0 /-).-/. 4)001.( 18)48'4 .0)(80(
00 .1)004/ ()'110( /1)..0/ 4()0(11
80 .-)8.8/ 0)-8000 /4)40/( (()4(/1
'0 4()(010 10)'00- /8)(1(( 0/)8/00
'1 4-)0'84 11).'(' /')0.0/ 0()4/.-
'/ 48)144' 11)'(01 /')('8- 08).1/1
'. 4')-410 1/)(088 .0)/0'' 81)(000
'4 (1)..0- 1.).04. .0)88(- 8().0'(
'( (.)/81. 14)1-1. .1)-404 8')00.8
'- (()-04/ 1()/00' ./)(.14 '()041(
'0 (8)(040 1-)((1' ..)-0/- 101)8-1
'8 -/)4..( 18)4..' .()00/1 111).-.
'' -8)08(8 /1)-1.0 .0)1(-- 1/0)..'

6ambin el 'initab da un grfico en papel de probabilidad con los estimados de los
parmetros de la distribucin con la "ue se est a=ustando los datos, incluyendo los
limites inferior y superior de los cuantiles estimados con un coeficientes de confianza
del B0C, "ue permite tener cierta e!idencia grfica de "ue si un con=unto de datos se
5,
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
a=usta o no a una distribucin "ue se est a=ustando. 3i los puntos graficado se
encuentra dentro de la banda se puede aceptar "ue un con=unto de datos se a=usta a a
est distribucin.
t iempo
P
e
r
c
e
n
t
*,, *, *
BB
B,
@,
A,
5,
0,
/,
.,
-,
*,
0
.
-
*
6able of 3tatistics
'edian --...0,
I E4 -,./50/
(ailure **
?ensor *,
&2D 5.0A.
3$ape *.5@.0-
3cale -A.A5A/
'ean -/.AB--
3t2e! *0.*//@
Probabilit, Plot for tiempo
?ensoring ?olumn in censura 9 '% Estimates
Weibull 9 B0C ?I
En este caso, las obser!aciones se encuentran dentro de la banda, se puede aceptar
"ue los datos se a=ustan a una distribucin Weibull.

3i estos datos se a=ustan a una distribucin exponencial se tiene los siguientes
estimados
+istribution Anal,sis: tiempo
Variable: tiempo
Censoring Information Count
Uncensored value 11
Right censored value 10
Censoring value: censura = 0
Estimation ethod: a!imum "i#elihood
$istribution: E!ponential
%arameter Estimates
&tandard '()0* +ormal CI
%arameter Estimate Error "o,er Upper
50
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
ean ./)-.-4 ')840/. 18)0040 (8)'.10
"og2"i#elihood = 24').40
3oodness2of24it
5nderson2$arling 6ad7usted8 = -)-/0
Characteristics of $istribution
&tandard '()0* +ormal CI
Estimate Error "o,er Upper
ean69948 ./)-.-4 ')840/. 18)0040 (8)'.10
&tandard $eviation ./)-.-4 ')840/. 18)0040 (8)'.10
edian //)-/18 -)8/00. 1/)(/80 40)848.
4irst :uartile6:18 ').88'0 /)8.08- ()1''(0 1-)'(.-
9hird :uartile6:.8 4()/4.- 1.)-41( /()0((' 81)-'--
Inter;uartile Range6I:R8 .()8(40 10)810- 1')8(-. -4)04.0
t iempo
P
e
r
c
e
n
t
*,,,., *,,., *,., *., ,.*
BB
B,
@,
A,
5,
0,
/,
.,
-,
*,
0
.
-
*
6able of 3tatistics
(ailure **
?ensor *,
&2D 5.5-A
'ean .-.5.5/
3t2e! .-.5.5/
'edian --.5-*@
I E4 .0.@0/A
Probabilit, Plot for tiempo
?ensoring ?olumn in censura 9 '% Estimates
Exponential 9 B0C ?I
%a obser!acin fuera de la banda puede causar duda de "ue los datos se a=uste a una
distribucin exponencial, mediante el a=uste de los datos a la distribucin Weibull se
puede realizar la siguiente prueba:
0
& 1 H
!ersus
1
& 1 H
( ) ( )
( ) ( )
0
-
- 2ln 1, 2ln , 2 -40*340 2 -47*501 3*67, L L + +
%

2
50*05,16
3*,41
60
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
& un ni!el de significacin de ,.,0 se acepta
0
& 1 H
, )o existe suficiente e!idencia
estadstica para afirmar "ue los tiempos de remisin de pacientes tratado con la droga
59'+ no se a=ustan a una distribucin exponencial. 3e puede aceptar "ue los tiempos
de remisin de pacientes con leucemia tratados con la droga 59'p se a=ustan a una
distribucin exponencial.
+or otro lado al calcular el +9!alue con el 4, se tiene
< pvalue=212pchis;6.)-08A18
< pvalue
D1E 0)0((1.4'(
3e puede obser!ar "ue +!alue es bastante cercano a ,.,0, entonces para un ni!el de
significacin mayor a ,.,00*./B0 existe suficiente e!idencia estadstica para afirmar
"ue los tiempos de remisin de Lpacientes con leucemia tratados con la droga 59'+ no
se a=usta a una distribucin exponencial, sino a una distribucin Weibull, el cual es mas
co$erente con el grfico de estos tiempos en papel de probabilidad exponencial.
#tra forma es obser!ar el !alor de la estadstica de &nderson92arling, para el caso de
la distribucin exponencial esta da &2
D
1 5.5-A y para Weibull da &2
D
15.0A.. Es decir,
se considera "ue la distribucin "ue me=or a=usta es a"uella "ue tiene menor !alor de la
estadstica de &nderson92arling, en este caso la distribucin Weibull es el "ue me=or
a=usta a los datos de tiempo de remisin comparado con la distribucin Exponencial.
+ero en el caso de "ue los datos se a=usten a una exponencial, como es un caso
particular de la distribucin Weibull el !alor de la estadstica de &nderson 2arling !an a
ser muy aproximada para ambas distribuciones, siendo siempre la menor para la
distribucin Weibull. Esto puede ser obser!ado con los datos del producto perecible.
Observacin:
*.9 El 'initab *0 encuentra los estimados de los parmetros de las distribuciones:
%ognormal, %ognormal con . parmetros, Malor Extremo <3mallest extreme !alue:,
)ormal, %ogstica, %oglogstica con dos y tres parmetos, Ieibull con dos y tres
parmetros, exponencial con uno y dos parmetros,
-.9 6ambin se puede usar la prueba de la 4azn de Merosimilitud para comparar dos o
ms distribuciones.
E=emplo /: ?on los datos de tiempos de remisin de pacientes con %eucemia
7rfico en papel de probabilidad Weibull de tiempo de 4emisin con 5 'p y +lacebo
+istribution Anal,sis: tiempo b, trat
Variable: tiempo
trat = 1
61
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
Censoring Information Count
Uncensored value 11
Right censored value 10
Censoring value: censura = 0
Estimation ethod: a!imum "i#elihood
$istribution: Feibull
%arameter Estimates
&tandard '()0* +ormal CI
%arameter Estimate Error "o,er Upper
&hape 1)-8.(/ 0)400.4( 1)0400- /)00(0(
&cale /0)0-04 ()0800( 1').8'0 .')0-48
"og2"i#elihood = 240)(01
3oodness2of24it
5nderson2$arling 6ad7usted8 = -)(0.
Variable: tiempo
trat = /
Censoring Information Count
Uncensored value /0
Censoring value: censura = 0
Estimation ethod: a!imum "i#elihood
$istribution: Feibull
%arameter Estimates
&tandard '()0* +ormal CI
%arameter Estimate Error "o,er Upper
&hape 1).'048 0)/(0.-0 0)'8.--1 1)'8(.8
&cale ')810'( 1)-(/4. 0)0(/(. 1.)-48/
"og2"i#elihood = 2-/)../
3oodness2of24it
5nderson2$arling 6ad7usted8 = 0)808
62
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
Grfico en papel de probabilidad Weibull
t iempo
P
e
r
c
e
n
t
*,,., *,., *., ,.*
BB
B,
@,
A,
5,
0,
/,
.,
-,
*,
0
.
-
*
6able of 3tatistics
** *,
*..BA/@ B.@*,B ,.@A@ -, ,
3$ape 3cale &2D ( ?
*.5@.0- -A.A5A/ 5.0A.
trat
*
-
Probabilit, Plot for tiempo
?ensoring ?olumn in censura 9 '% Estimates
Weibull 9 B0C ?I
+istribution Anal,sis: tiempo
Variable: tiempo
Censoring Information Count
Uncensored value .1
Right censored value 10
Censoring value: censura = 0
Estimation ethod: a!imum "i#elihood
$istribution: Feibull
%arameter Estimates
&tandard '()0* +ormal CI
%arameter Estimate Error "o,er Upper
&hape 1)/(0-8 0)18.1(/ 0)'4(.'4 1)-0.1/
&cale 10).88/ /)48--0 1.)1.0' /.)01.-
"og2"i#elihood = 2118).(0
3oodness2of24it
5nderson2$arling 6ad7usted8 = .)(80
Entonces, para probar la $iptesis
0 1 2 1 2
& , H
1
& H
&l menos una de las igualdades en
0
H
es diferente.
63
Anlisis de Supervivencia y Confiabilidad Vctor Maehara Oyata
( )
( ) ( ) 1 1 2 2
,
2ln
- -
- - , 8 ,
L
L L


1
1

1
]
%
%
Entonces ( ) ( ) ( ) 2 -47*501 2 -62*332 2 -11,*357 17*04, +
,
< pvalue=212pchis;610)048A/8
< pvalue
D1E 0)0001'8-4..
&e rechaGa
0
H )
&.ercicios
*.9 %os siguientes resultados sobre los tiempos de !ida en $oras de aislante de clase N
para motores elctricos a diferentes temperaturas se en el arc$i!o de nombre aislante:
a: +ara cada con=unto de datos estime los parmetros correspondientes con la
distribucin "ue me=or a=uste a cada con=unto de datos.
b: ?on los resultados obtenidos a una temperatura de @, grados centgrados,
asumiendo una distribucin %ognormal, pruebe la $iptesis de "ue el parmetro
de locacin es a lo ms / logaritmo natural de <$oras:.
c: &sumiendo una distribucin %ognormal, pruebe la $iptesis de los dos con=untos
de datos pro!iene de una misma distribucin ba=o la distribucin considerada.
-. %os siguientes datos representan el tiempo de remisin, en semanas de pacientes
con leucemia. 3e desea e!aluar la eficiencia del mantenimiento con "uimioterapia, con
tal moti!o se realiz un estudio con -. pacientes, "uienes fueron di!idido
aleatoriamente en dos grupos. Un grupo fue tratado con "uimioterapia y el otro no. %os
tiempos obser!ados se muestra a continuacin:
/rupo tratado con 0uimioterapia: B, *., *.O, *@, -., -@O, .*, ./, /0O, /@, *5*O.
/rupo tratado sin 0uimioterapia: 0, 0, @, @, *-, *5O, -., -A, .,, .., /., /0.
a: +ara cada con=unto de datos estime los parmetros correspondientes con la
distribucin "ue me=or a=uste a cada con=unto de datos.
b: &sumiendo "ue los con=untos de datos se a=usta a una distribucin Weibull, para
el grupo tratado sin "uimioterapia, pruebe a un ni!el de significacin del 0C, si el
parmetro de forma es igual a uno.
c: &sumiendo "ue los dos con=untos de datos se a=usta a una distribucin Weibull,
pruebe a un ni!el de significacin del 0C, si los con=untos de datos se a=usta a
una misma distribucin.
)ibliograf1a
'eeKer, W y Escobar, %.. <*BB@:. 3atistical 'et$ods for 4eliability 2ata, 8o$n Wiley P
3ons, Inc.
64