AVar (MLE) es la varianza asintótica y ACov (,) es la covarianza asintótica de las MLE de μ, σ, θ y β tomadas del elemento adecuado de la inversa de la matriz de información de Fisher. Para obtener más información, vea Meeker y Escobar1.
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
donde
Término
Description
N
tamaño de la muestra
tp,mle
Estimación de ML de tp
DT
distancia entre la estimación y el borde superior (o inferior) del intervalo de confianza (1 – α)100%
Φ-1
CDF inversa del modelo elegido
Φ-1 nor
CDF inversa de la distribución normal
Modelos de Weibull, lognormal y loglogístico
Para un intervalo de confianza bilateral
Para un intervalo de confianza unilateral
donde
Término
Description
N
tamaño de la muestra
tp,mle
Estimación de ML de tp
RT
precisión cuando el borde superior (o inferior) del intervalo de confianza de (1 – α)100% se ubica a X por ciento de la MLE. Para un borde superior, RT =1 + X/100. Para un borde inferior, RT = 1/(1-X/100).
Φ-1
CDF inversa para el modelo elegido
Φ-1 nor
CDF inversa de la distribución normal
Caso de fiabilidad
Para un intervalo de confianza bilateral
Para un intervalo de confianza unilateral
donde
para el borde inferior
para el borde superior
para distribuciones normal, logística y de valor extremo más pequeño
para distribuciones de Weibull, lognormal y loglogística
Término
Description
N
tamaño de la muestra
μmle
Estimación MLE de media (normal, logística), ubicación (valor extremo más pequeño) o ubicación logarítmica (lognormal, loglogística)
σmle
Estimación MLE del parámetro de escala
DT
precisión
Φ-1
CDF inversa del modelo elegido
Φ-1 nor
CDF inversa de la distribución normal
1 W.Q. Meeker y L.A. Escobar (1998). Statistical Methods for Reliability Data. John Wiley & Sons, Inc.
,
) es la covarianza asintótica de las MLE de μ, σ, θ y β tomadas del elemento adecuado de la inversa de la matriz de información de Fisher. Para obtener más información, vea Meeker y Escobar1. 
para el borde inferior 
para el borde superior 
para distribuciones normal, logística y de valor extremo más pequeño 
para distribuciones de Weibull, lognormal y loglogística 