Métodos y fórmulas para parámetros que se estimarán en Plan de pruebas aceleradas de vida útil

Matriz de varianzas y covarianzas

Var (MLE) y Cov (μ,σ) son las varianzas y covarianzas de las MLE de μ, σ, α y β tomadas del elemento adecuado de la inversa de la matriz de información de Fisher.

Caso de percentil

El tamaño de muestra necesario para estimar el percentil, tp, se calcula de la siguiente manera:

Distribuciones normal, logística y de valor extremo más pequeño

  • Para un intervalo de confianza bilateral:
  • Para un intervalo de confianza unilateral:

Notación

TérminoDescription
tppercentil
MLE*estimación de máxima verosimilitud (MLE) de tp
Avar(MLE*) varianza asintótica de la MLE a nivel de tensión de diseño (o uso)
Φ-1norCDF inversa de la distribución normal estándar
DTdistancia entre el borde estimado y el superior o inferior del intervalo de confianza (1 – α)100%, con base en el borde que usted especificó para el análisis

Modelos de Weibull, exponencial, lognormal y loglogístico

  • Para un intervalo de confianza bilateral:
  • Para un intervalo de confianza unilateral:
    donde

Notación

TérminoDescription
tppercentil
MLE*estimación de máxima verosimilitud (MLE) de ln (tp)
Avar(MLE*) varianza asintótica de la MLE a nivel de tensión de diseño (o uso)
Φ-1norCDF inversa de la distribución normal estándar
DTdistancia entre el borde estimado y el superior o inferior del intervalo de confianza (1 – α)100%, con base en el borde que usted especificó para el análisis

Caso de fiabilidad

La MLE del tiempo estandarizado cuando usted estima fiabilidad se calcula de la siguiente manera:
  • Para un intervalo de confianza bilateral:
  • Para un intervalo de confianza unilateral:
donde

Notación

TérminoDescription
MLE*tiempo estandarizado
Avar(MLE*) varianza asintótica de la MLE
Φ-1norCDF inversa de la distribución normal estándar
DTdistancia entre el borde estimado y el superior (o inferior) del intervalo de confianza (1 – α)100%
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política