Los mtodos probabilsticos han resultado en la prctica, muy

adecuados y potentes para abordar los problemas relacionados con la

estimacin de la vida til y la fiabilidad de sistemas. Su cabal
comprensin requiere de conocimientos bsicos de teora de
probabilidades y estadstica.
Comenzaron a aplicarse a fines de la dcada del 50 para determinar la
vida til de equipos elctricos y componentes electrnicos y en estudios
de mortalidad humana por diferentes causas.
Gacula y Kubala introdujeron estas tcnicas, derivadas del anlisis de
supervivencia en la rama alimentaria.
En IIIA desde la dcada de los 80 hasta la actualidad, se ha
comprobado la efectividad de estos mtodos para la determinacin
de la vida til o durabilidad en un gran nmero de productos
alimenticios.
Se basan en suponer que el tiempo de vida de un producto es una
variable aleatoria continua y responde a una ley de distribucin
determinada, por lo que resulta imprescindible conocer el tiempo de
vida de las unidades experimentales que conforman la muestra
seleccionada representativa de dicho producto.

La vida til de los alimentos constituye un criterio convencional
que no puede medirse directamente, ya que en muchos casos
se encuentra asociada a consideraciones subjetivas y en ltima
instancia la determinan atributos de calidad nutricionales,
sensoriales, sanitarios y funcionales.
La multiplicidad de vas de deterioro de los alimentos dificulta la
identificacin del mecanismo ms representativo en la prdida
de calidad del producto, lo que puede conducir a la
determinacin errnea de los tiempos de vida de las unidades.
El criterio convencional del concepto de vida til, su
determinacin indirecta, la multiplicidad de vas de deterioro,
as como la marcada variabilidad en los atributos de calidad,
constituyen caractersticas peculiares que dificultan la
aplicacin de los mtodos probabilsticos en la rama alimentaria
y en definitiva introducen un mayor grado de error o dispersin
en la estimacin del tiempo de vida respecto a otros productos
no alimenticios.

La verosimilitud de los resultados que se obtengan de las
tcnicas de riesgo, resulta aceptable en la medida en que para
un lote de n unidades a ensayar, se obtenga el mximo nmero
de fallos r, y que los tiempos de fallo puedan detectarse con la
mayor precisin posible, esto es, reflejen el verdadero tiempo de
vida de las unidades.
Existen varios indicadores que deben considerarse que
constituyen criterio del fin de la vida til de las unidades:
La contaminacin microbiolgica es uno de los ms importantes debido
a la peligrosidad potencial que entraa, sobre todo en los productos
perecederos.
Las prdidas de vitaminas y nutrientes.
El incumplimiento de los valores permisibles en los atributos qumicos y
fsico-qumicos establecidos en normas y especificaciones de calidad
En el caso de productos elaborados especialmente para desempear
funciones especficas, deben medirse los atributos directamente
relacionados con su funcionalidad.

Sin embargo, debe tenerse en cuenta que en la mayora de las
circunstancias, el fin de la vida til de las unidades est
determinado por la alteracin de sus caractersticas sensoriales.
La evaluacin sensorial es una disciplina fundamental en la
realizacin de estudios de vida til, por cuanto la inmensa
mayora de los procesos de deterioro de los alimentos se
manifiestan a travs de la alteracin de sus propiedades
organolpticas.
Por ser la respuesta sensorial un elemento esencial, debe
aplicarse con todo rigor para garantizar la calidad necesaria en
los resultados.
El mtodo empleado en el IIIA con este propsito se describe a
continuacin.

1. Definicin del problema
La calidad sensorial inicial del producto debe coincidir con la
descrita en las normas y especificaciones de calidad de no
existir debe recurrirse al criterio de algn especialista (tecnlogo
de experiencia, inspector de calidad, etc.) sobre las
caractersticas definitorias de un grado de calidad satisfactorio.
Este grado debe definirse con claridad para todos los jueces, de
modo que tengan un criterio homogneo al respecto y se
exigir que toda muestra empleada en un estudio de vida til o
durabilidad cumpla las especificaciones establecidas. No se
realizarn estudios este tipo con muestras defectuosas.
Definir que alteraciones puede sufrir durante el
almacenamiento (vas de deterioro), para lo que adems de
una exhaustiva bsqueda bibliogrfica sobre el tema, debe
consultarse con especialistas conocedores del producto
(tecnlogos, analistas)
En caso de productos o frmulas novedosas, se realizarn
pruebas de observacin.
Determinar los ndices sensoriales a evaluar una vez definidas las posibles
vas de deterioro.
Definir la calidad lmite admisible definitoria de la vida til.
Los jueces debern tener un patrn lo ms homogneo posible del grado
de calidad lmite admisible, es decir, del grado de variacin tolerable en
las caractersticas organolpticas del producto.
En muchos casos, esto se evala por comparacin con el patrn mental
de "grado de calidad satisfactorio" cuyos lmites deben acordarse en
discusin con los jueces. La importancia de este punto es extraordinaria
ya que decide la validez de los resultados
Si es posible ofrecer a los jueces un patrn fresco para comparar con el
producto almacenado que se evala la prueba ser mucho ms
exigente. Esta es mejor forma de realizar la evaluacin.
En el caso de admitir mrgenes ms o menos amplios de variacin
respecto al producto fresco, la comparacin se har con el "grado de
calidad aceptable" y no con el producto fresco.
No obstante, debe tenerse en cuenta, que los patrones mentales, tienden
a derivar con el tiempo y puede requerirse, sobre todo en evaluaciones a
largo plazo, "actualizar" los patrones mentales de los jueces para
mantener la debida homogeneidad de criterios.

2. Definicin de la tcnica a aplicar
Si se opta por evaluar el producto sin compararlo con un
patrn fresco, puede escogerse alguna de las siguientes
pruebas
Tablas de caracteres organolpticos: Cuando se dispone de
procedimientos de evaluacin sensorial (PES) que se consideren
adecuados para la determinacin de la vida til. Una dificultad es
que frecuentemente estos procedimientos no toman en cuenta los
cambios que ocurren durante el almacenamiento, sino que estn
concebidos slo para el producto fresco.
Pruebas de aceptacin-rechazo: En estas pruebas slo es posible
uno de dos resultados para cada muestra: aceptable o rechazable.
Los criterios de aceptacin y rechazo debern quedar bien
establecidos por los jueces en las primeras sesiones de trabajo.
Escalas de puntuacin: En este tipo de pruebas deben utilizarse
escalas entre 5 y 7 puntos, que se estructurarn en dependencia de
los atributos que por su importancia requieran ser evaluados,
fijndose un valor crtico de aceptacin

Si se opta por un ensayo ms exigente de comparacin con muestras
frescas, se emplearn pruebas de comparacin pareada, tringulo, de
diferenciacin con escalas y otras.
En la determinacin de la vida til de los productos alimenticios
mediante mtodos probabilsticos, en ningn caso se utilizarn pruebas
de las llamadas "afectivas", como las escalas hednicas, en las que se
valoran gustos personales. Esto es contrario al inters de alcanzar una
definicin con un criterio nico: el momento en que el producto rebasa
el lmite de aceptacin permisible.
Slo deben emplearse jueces analticos (adiestrados, semiadiestrados o
experimentados). Debe trabajarse con un mnimo de 6 catadores. Si no
se cuenta con personal adiestrado o experimentado en la cata del
producto en estudio, los candidatos a participar debern seleccionarse
y adiestrarse siguiendo las metodologas elaboradas al respecto.
La persona encargada de dirigir el trabajo de los jueces, debe tener
conocimiento de la tcnica de evaluacin sensorial que se emplear.


3. Aspectos prcticos en la ejecucin de los ensayos
El coordinador de la prueba se asegurar que existan
las condiciones mnimas que se requieren para la
realizacin de las pruebas sensoriales.
En las primeras sesiones de trabajo se realizarn
discusiones abiertas con los jueces para dar las
informaciones necesarias y dejar bien establecidos los
puntos siguientes:
Objetivo del ensayo.
Periodicidad de las evaluaciones.
Mtodos y pruebas a realizar.
Vas de deterioro del producto.
Unificacin de criterios de aceptacin-rechazo.
Fijacin de los lmites de aceptacin en las escalas.
Evaluacin de la muestra en el tiempo cero.

En la evaluacin inicial de las muestras se emplearn las mismas
pruebas que se utilizarn posteriormente durante el estudio. Adems se
debe hacer una descripcin escrita de las caractersticas
organolpticas que ms influyen sobre la calidad sensorial global y
cuya afectacin pudiera provocar el rechazo. Tales descripciones son
tiles para ayudar a los jueces a recordar las caractersticas del
producto al tiempo cero, especialmente en aquellos de vida til muy
larga.
Con vistas a la utilizacin de la tcnica de riesgo o el anlisis de Weibull
para la evaluacin de los resultados, toda prueba sensorial empleada
debe conducir a un dictamen de aceptable o rechazable para la
muestra en cuestin.
Cuando se emplea una prueba de "aceptacin-rechazo" el criterio
sobre la muestra se obtiene a partir de la distribucin binomial con
p=0,1. Para el nmero total de juicios emitidos sobre una muestra
cualquiera, el nmero de rechazos se compara con el nmero mnimo
significativo de rechazos correspondiente a dicha distribucin para el
nivel de significacin prefijado
Nmero mnimo significativo de rechazos segn la
distribucin binomial para niveles de significacin
= 0.05, 0.01 0.001
No de Juicios = 0.05 = 0.01 = 0.001
6 2 3 3
7 2 3 3
8 2 3 3
9 2 3 3
10 3 4 4
11 3 4 4
12 3 4 4
13 3 4 4
14 3 4 4
15 3 5 5
16 4 5 5
17 4 5 5
18 4 5 5
19 4 5 5
20 4 5 5
4. Procesamiento de la informacin
Una vez obtenidos los tiempos de vida de las
unidades, slo resta ajustarlos a una ley de
distribucin que describa la regularidad de esta
magnitud aleatoria.
En los estudios de vida til y fiabilidad, el mtodo
de ajuste ms utilizado es el que se conoce como
tcnica de riesgo o Anlisis de Weibull que se
explicar ms adelante.

La esencia de los mtodos probabilsticos para la estimacin del
tiempo de vida til o durabilidad consiste en considerar la vida
til del producto como una magnitud aleatoria y describir su
comportamiento mediante un modelo probabilstico o
distribucin de probabilidad de tiempo de vida.
Las distribuciones de probabilidad son funciones que expresan,
cuantitativamente, la probabilidad de que una variable
aleatoria tome determinados valores mediante relaciones
matemticas entre sus parmetros, los cuales son especficos
para cada distribucin.
Los valores que adopten estos parmetros determinan las
medidas de tendencia central (valor esperado o media) y de
dispersin o variacin (varianza) de la distribucin asociada a la
magnitud aleatoria, por lo que las tcnicas de anlisis
probabilstico aplicables a estos parmetros permiten inferir
estadsticamente el tiempo de vida til o durabilidad
De modo que si T es una variable aleatoria continua
no negativa que representa los tiempos de vida de
las unidades de un producto alimenticio y f(t) su
funcin de densidad de probabilidad, entonces la
probabilidad de que el tiempo de vida de una
unidad de ese producto sea menor o igual a un
tiempo t se calcula mediante su correspondiente
funcin de distribucin acumulada F(t):
= =

0

Distribucin Funcin de densidad f(t) Parmetros Funcin de Densidad de probabilidad
Weibull
t>0

: de forma
: de escala
Normal
- < t <
1
2

1
2

2

: media
: desviacin
tpica
Log-nornal
t > 0
1
2

1
2
ln

2

: media
logartmica.
: desviacin
tpica
logartmica.
Valor
extremo
- < t <
1

b:
localizacin
a: escala
La distribucin de Weibull introducida por Walodi Weibull en 1951 es
muy conocida por la diversidad de formas que adopta que le
permiten explicar muchos fenmenos, entre ellos, los relacionados con
la estimacin de tiempos de vida. Esta distribucin slo est definida
para valores de t positivos.
El parmetro de escala determina la amplitud de la dispersin y se
conoce como "tiempo de vida caracterstico" , coincide con el
percentil 63.2 de la distribucin y es dimensionalmente equivalente a la
magnitud aleatoria t.
El parmetro de forma ; es adimensional y determina la forma de la
distribucin.
Ambos parmetros siempre toman valores positivos.
Si = 1 la distribucin de Weibull converge con la exponencial, si = 2,
coincide con el modelo de Rayleigh. Para valores grandes de este
parmetro ( > 10) se aproxima a la distribucin de valor extremo, para
valores de entre 3 y 4, coincide con la de la normal.
La distribucin normal o de Gauss es una de las ms utilizadas dentro de la
estadstica paramtrica. Su aplicacin como distribucin de tiempos de
vida es ms limitada, ya que slo es til para el estudio de algunos
fenmenos de deterioro cuya velocidad de fallos es creciente. Los
parmetros y se conocen como media y desviacin tpica, ambos son
dimensionalmente equivalentes a la variable aleatoria t.
La distribucin log-normal explica una serie de situaciones debido a la gran
variedad de formas que este modelo puede adoptar.
El parmetro media logartmica; puede tomar cualquier valor y se
corresponde con el valor medio del logaritmo del tiempo de vida. El
parmetro se corresponde con la desviacin tpica del logaritmo del
tiempo de vida y son adimensionales.
Para cualquier variable aleatoria t que se distribuya segn la ley log-normal
con parmetros y , la variable transformada log(t) se distribuye
normalmente con media y desviacin tpica . Para valores de (0.2), la
distribucin log-normal converge con la normal y el fenmeno puede
describirse por ambas leyes indistintamente.

La distribucin de valor extremo describe adecuadamente una serie de
situaciones atpicas y ciertos datos de tiempos de vida, como es el caso
de la mortalidad humana en los ancianos.
Resulta interesante debido a su estrecha relacin con la de Weibull que
se analiza de forma ms simple en trminos de la primera.
Para cualquier variable aleatoria t que se distribuya segn la ley de
Weibull, la variable transformada ln(t) se distribuye de acuerdo con el
modelo de valor extremo.
El parmetro b se conoce como de localizacin y puede tener
cualquier valor; a es el de escala y siempre es positivo. Ambos son
dimensionalmente equivalentes a la variable aleatoria t.

La esperanza matemtica o valor esperado y la varianza de una
poblacin, pueden estimarse a partir de los parmetros de la distribucin
que describe el comportamiento probabilstico de dicha poblacin.
La esperanza matemtica, o valor esperado, brinda una medida de la
tendencia central de la distribucin y puede interpretarse como el
tiempo de vida medio de las unidades ensayadas.
La varianza expresa la medida de dispersin de los diferentes valores de
la distribucin alrededor del valor esperado. La desviacin tpica es
dimensionalmente equivalente al valor esperado y puede interpretarse
como su error de estimacin.
La vida til de los productos alimenticios puede determinarse a partir de
la estimacin de los parmetros de la distribucin de tiempos de fallos.
Los percentiles 0.05 y 0.1 son los ms usados como tiempos de vida til.
La eleccin del percentil para determinar la vida til es especfico para
el producto y expresa el porcentaje de unidades deterioradas admisibles
en un lote del producto en cuestin.
Los modelos de probabilidad guardan relacin implcita con el
mecanismo de deterioro del producto, por lo que existen distribuciones
especficas para algunos mecanismos, aunque la de Weibull, por su gran
versatilidad es capaz de explicar distintos tipos de deterioro en los
productos alimenticios durante su almacenamiento.
Si T es una variable aleatoria continua no negativa que
representa los tiempos de vida de las unidades de un
producto alimenticio, f(t) su funcin de densidad de
probabilidad, y F(t), su correspondiente funcin de
distribucin acumulada entonces la probabilidad de que
el tiempo de vida de una unidad de ese producto sea
menor o igual a un tiempo t est dada por:
= =

0

La probabilidad de que una unidad sobreviva el tiempo t
est dada por la funcin de supervivencia o funcin de
fiabilidad S(t):
= =

t

Por tanto:
= 1
Otro concepto muy importante cuando se trabaja con
distribuciones de tiempo de vida es la funcin de riesgo
h(t) definida como:
= lim
0
< + >

=


=
()
1 ()

La funcin de riesgo expresa la velocidad instantnea de
muerte o fallo en el tiempo t, dado que los individuos
sobreviven hasta t. En particular, () es la probabilidad
aproximada de muerte o fallo en el instante de tiempo
, ), dado que sobrevive hasta t. Esta funcin tambin
es conocida como: velocidad de riesgo, velocidad de
fallo y fuerza de mortalidad.
La funcin de riesgo acumulada, se define como:
=

0

Esta funcin est relacionada con la funcin de
supervivencia y con la funcin de distribucin de
probabilidad acumulada de la siguiente forma:
=
()


= 1
()


Desde un punto de vista matemtico riguroso, las
expresiones de riesgo no son ms que otras formas
de expresar funcionalmente las distribuciones de
probabilidad.
El comportamiento tpico de esta funcin
durante el deterioro de muchos alimentos
La ms comn de las distribuciones utilizadas para
modelar el tiempo de vida de los productos
alimenticios y estimar su vida til es la distribucin de
Weibull
La funcin de densidad de probabilidad para esta
distribucin es:

> 0
Y su funcin de distribucin acumulada:
= 1

La funcin de riesgo para la distribucin de Weibull
sera entonces:
=

1



Puede demostrarse que la funcin de riesgo acumulada
es:
() =

Aplicando logaritmo natural a ambos lados se tiene que:
= ln ln
De aqu despejando ()puede verse fcilmente que:
= +
1

()
Los parmetros y pueden estimarse por el mtodo de
mnimos cuadrados, es decir, mediante anlisis de
regresin lineal simple.

Procedimiento de clculo:
1. Se ordenan los tiempos de fallo de las observaciones
realizadas, tanto las no censuradas como las
censuradas a la izquierda o en intervalos, ignorando las
observaciones censuradas a la derecha o suspendidas,
2. Se calculan los rangos inversos de esas observaciones.
A las observaciones ligadas se les asignan rangos
descendentes como si estuvieran ordenadas por su
significacin en lugar de arbitrariamente.
3. Se estima el riesgo () para cada observacin como el
recproco de su correspondiente rango inverso.
4. Se calcula el riesgo acumulado () sumando los
riesgos () estimados de las observaciones
precedentes.
5. Se calculan los logaritmos naturales para y ().
6. Se emplea un anlisis de regresin lineal simple para
obtener los estimadores de y 1/ (el intercepto y la
pendiente respectivamente).
7. La vida til del producto para el percentil deseado se
estima sustituyendo y 1/ en:

1
=

1
1

La relacin lineal que establece la funcin de riesgo
transformada constituye la base de las tcnicas de riesgo.
Si se transforman adecuadamente un conjunto de datos de
fallo, segn la ley de distribucin asumida, y se ubican en un
grfico los tiempos de fallo contra los riesgos acumulados, bajo
el supuesto cumplimiento de dicha distribucin por parte de los
datos, los puntos deben situarse alrededor de una lnea recta
cuyos parmetros se encuentran determinados por el modelo
matemtico resultante de la funcin de riesgo transformada.
Distribucin
Relacin que establece la
funcin de riesgo
transformada
Estimacin de los
parmetros
Weibull
ln = ln +
1

ln() =

0
=
1

1

Normal = +
1
1
()

=

=
1

Log normal log = +
1
1
()

=

=
1

Valor extremo = + ln() =
0
=
1

Donde:

0

y
1
: Intercepto y pendiente para el modelo lineal de primer orden
=
0
+
1

: Tiempo hasta el fallo de las diferentes unidades
(): Riesgo acumulado asociado al fallo de las diferentes unidades

1
: probabilidad o rea bajo la curva normal estndar para un valor de Z
dado por la expresin entre [ ]
Las suposiciones bsicas de las tcnicas de
riesgo, que garantizan su confiabilidad son:
a) Los tiempos de fallo de todas las unidades
responden a una misma distribucin
independientemente de que por su carcter de
datos incompletos, no puedan detectarse en su
totalidad.
b) El tiempo asociado a una unidad censada es
estadsticamente independiente del tiempo de fallo
si la unidad hubiera.
c) Las tcnicas de riesgo, aunque se desarrollaron
para datos incompletos de fallo, son aplicables
para datos completos.
Las pruebas paramtricas de inferencia estadstica slo son vlidas en
la medida en que la caracterstica poblacional estudiada responda a
la ley de distribucin asumida; por lo tanto
Resulta recomendable comprobar el ajuste de los datos de fallo a la
distribucin en cuestin antes de proseguir con las tcnicas de
inferencia, ya que slo as se garantiza la confiabilidad de las decisiones
que se adopten al respecto.
Las pruebas de 2 y de Kolmogorov-Smirnov resultan adecuadas para
comprobar la bondad del ajuste a las distribuciones de Weibull, normal,
log-normal, y valor extremo, para los datos de fallo completos o
incompletos.
Sin embargo la prueba de Kolmogorov-Smirnov presenta dos ventajas
fundamentales respecto a la de 2: Su precisin es menos sensible al
volumen de la muestra y su algoritmo de clculo es mucho ms sencillo
Cuando la diferencia mxima apreciada es menor que el percentil de
la distribucin de Kolmogorov para el nivel de significacin
seleccionado, puede aceptarse la hiptesis nula, de que los datos de
fallo para este producto pueden ser explicados mediante la distribucin
asumida.

Cuando se requiere hacer comparaciones o estudiar el efecto
de factores sobre el tiempo de vida til de un producto
Por ejemplo, comparar la efectividad de diferentes extensores
de la vida til, o estudiar el efecto de distintos tipos de envase o
condiciones de procesamiento y almacenamiento.
Es necesaria la aplicacin de tcnicas de inferencia estadstica.
Aun cuando no se requieren, la teora de la estimacin
estadstica permite aumentar el rigor de anlisis del tiempo de
vida til.
Los mtodos de inferencia estadstica permiten realizar las
estimaciones puntuales y calcular los intervalos de confianza
para los parmetros verdaderos del modelo asumido as como
para los percentiles.
Comparando los intervalos de confianza obtenidos puede
inferirse si las magnitudes correspondientes a los diferentes
tratamientos son significativamente diferentes teniendo en
cuenta el solapamiento de dichos intervalos
Las tcnicas de mxima verosimilitud (ML por sus siglas en
ingls Maximum Likelihood), tanto para datos completos
como para datos censurados o incompletos de fallo
estn bien establecidas y su uso para la estimacin del
tiempo de vida til ha sido sugerido como una alternativa
solo aplicable en el caso en que en que se detecten ms
de 10 fallos en las n unidades analizadas.
Mediante el mtodo de los mnimos cuadrados es posible
estimar los intervalos de confianza a los coeficientes
estimados de la ecuacin de regresin y con estos a los
estimadores de los parmetros de las distribuciones ya
que estn directamente
Este mtodo pudiera utilizarse cuando en los ensayos de
determinacin de vida til se producen menos de 10
fallos, aunque si el nmero de fallos superior a 10, es
preferible utilizar los intervalos de mxima verosimilitud ya
que resultan ms eficientes.
Cuando los mtodos de inferencia basados en la estimacin de
mxima verosimilitud no resultan suficientemente concluyentes
pudieran utilizarse las tcnicas de inferencia no paramtricas.
Cuando se desea comparar el tiempo de vida til
correspondiente a dos tratamientos, para determinar entre ellos
el ms efectivo, pueden utilizarse las tcnicas no paramtricas
para el caso de dos muestras independientes como son las
pruebas:
U de Mann-Whitney.
de dos muestras de Kolmogorov Smirnov.
de las rachas de Wald Wolfowitz.
Estas tcnicas tienen como principio demostrar que las muestras
correspondientes a cada tratamiento provienen de una misma
poblacin, o lo opuesto, a poblaciones diferentes.
Cuando es preciso comparar ms de dos tratamientos,
entonces debe aplicarse la prueba de anlisis de varianza de
clasificacin simple por rangos de Kruskal Wallis.

Las pruebas no paramtricas no requieren suposiciones sobre
la distribucin de las poblaciones estudiadas
Son ms exigentes que las paramtricas requirindose
tamaos de muestras relativamente superiores.
Cuando los datos de fallo no se ajustan a las distribuciones
probabilsticas consideradas, o a otra distribucin cualquiera,
pueden estimarse intervalos de confianza para el tiempo de
fallo poblacional,va travs de la desigualdad de Chevyshev.
1. El anlisis debe iniciarse siempre por la estimacin de los
parmetros de la distribucin asumida y se comenzar por la
distribucin de Weibull, la ms verstil para describir los
fenmenos de supervivencia. Si esta no resulta satisfactoria,
entonces deben probarse las restantes. Dado el caso de que
varias distribuciones resulten adecuadas, el criterio de mejor
ajuste lo brinda la prueba de Kolmogorov-Smirnov.
2. Slo en el caso en que ninguna distribucin resulte satisfactoria,
el intervalo de confianza para el tiempo medio de vida debe
estimarse mediante la desigualdad de Chevyshev.
3. Siempre que el nmero de fallos sea mayor que 10, es
preferible utilizar las tcnicas de estimacin por intervalos de
mxima verosimilitud.
4. Slo se justifica la aplicacin de los mtodos no paramtricos
cuando la inferencia a travs de los intervalos de confianza no
sea lo suficientemente concluyente, ya que estas tcnicas
requieren de grandes tamaos de muestras.
No cabe duda de que la calidad de un alimento est definida
por la percepcin que de ella tenga el consumidor, y que esta
percepcin est muy ligada a lo que al consumidor le gusta.
Entre los atributos de calidad de un alimento est la vida til
sensorial, por lo tanto el consumidor es un protagonista clave
cuando se quiere definir este parmetro.
La percepcin de calidad por parte del consumidor est
afectada tanto por factores intrnsecos como extrnsecos.
Los factores intrnsecos estn relacionados con las propiedades
microbiolgicas, fisicoqumicas, nutricionales y funcionales del
producto, las que a su vez determinan sus caractersticas
sensoriales, que son las variables que determinan la
aceptabilidad y la percepcin de calidad que tiene el
consumidor.
Aunque los factores intrnsecos son determinantes de la calidad,
muchos otros factores extrnsecos contribuyen a la misma,
asociados a las expectativas, influencias culturales y sociales a
los que contribuyen el precio, la conveniencia y la marca.
Los mtodos discutidos hasta ahora para la determinacin de la
vida til de los alimentos se centran en el producto y no en el
consumidor, de modo que el objetivo sea conocer el tiempo en
el cual el consumidor rechaza el producto.
Para estudios en los que el objetivo sea conocer el tiempo en el
cual el consumidor rechaza el producto se presentan a los
consumidores muestras con diferentes tiempos de
almacenamiento (horas, das, semanas, etc.).
Se supone que en el tiempo cero los consumidores aceptan el
producto, de lo contrario, o sea si un consumidor rechaza el
producto fresco lo ms probable es que no le guste el producto
en s, y por tanto no se deben tener en cuenta sus datos para el
estudio.
La variable aleatoria t puede definirse entonces como el tiempo
en el que el consumidor rechaza el producto y la funcin de
riesgo acumulada H(t) como la probabilidad de que un
consumidor rechace un producto almacenado antes del
tiempo t.
De modo que en la definicin de la funcin de rechazo, el
individuo no sera el propio producto, sino el consumidor y el
riesgo no estara enfocado sobre el deterioro del producto, sino
sobre el rechazo del consumidor hacia el producto.
La estimacin de los parmetros de la funcin de densidad
probabilidad y de riesgo, y del tiempo de vida til sensorial del
producto se realiza de la forma descrita anteriormente en el
anlisis de Weibull o anlisis de supervivencia.
EL STATGRAPHICS Centurion XV, es un sistema que
contiene una variedad amplia de procedimientos
estadsticos para satisfacer la mayora de las
necesidades de anlisis de datos.
Se presenta mediante dos tipos de mens:
El Men Estndar que organiza los procedimientos en las
reas temticas del STATGRAPHICS tradicional; con
encabezados tales como Grficos, Describir, Comparar,
Relacionar, Pronosticar.


El Men Seis Sigma que organiza los procedimientos de
acuerdo a el enfoque de DMAIC (Definir, Medir, Analizar,
Mejorar, Controlar y pronosticar), es decir organiza los
procedimientos en grupos basados en su uso dentro de
proyectos


Libro de Datos
El procedimiento Anlisis Weibull
Est diseado para ajustar la distribucin Weibull a un grupo de
n observaciones. Los datos pueden incluir censurados, es decir,
algunos tiempos de falla no son conocidos exactamente
debido a retiros de elementos de la prueba antes de que
fallaran. Se grafica la distribucin y se muestran los percentiles
estimados. Pueden especificarse datos para ms de un grupo o
tratamiento, en tales casos, se derivar un estimador de los
parmetros para cada grupo.
Para realizar el anlisis de Weibul solo es necesario definir
2 variables o columnas numricas, una conteniendo el
tiempo en que se midi cada muestra, es decir los n
tiempos observados (Datos) y otra (Censurado) de ceros y
unos. Un 0 indica que la observacin no es censurada y
por lo tanto representa un verdadero tiempo de fallo y un
1 indica que la observacin es censurada por la derecha,
sabiendo solo que el tiempo de fallo es mayor que el
indicado. Pude definirse una columna que seale el
grupo al que pertenecen los datos si se est trabajando
con ms de un grupo o tratamiento.

Para definir las columnas o variables, el tipo de
datos que contendr y sus nombres
Datos, ejemplo 2
Localizacin del Anlisis de Weibull
Men estndar






Men Seis Sigma
cuadro de dialogo Anlisis de Weibull
ventana de resultados, asumida o por defecto
Las opciones generales para el anlisis que se est
realizando pueden modificarse mediante las Opciones
Anlisis de Weibull a las cuales se accede por la opcin
La opcin Tablas





La opcin Grficas
Ventana de resultados si se seleccionan todas las opciones
posibles tanto para las tablas como para las grficas.
Opciones de Bondad-de-ajuste
Opciones de reas de
Cola



Opciones de Valores
Crticos para tiempo

Opciones de Grfico Weibull
Opciones de Histograma de
Frecuencias





Para los grficos de las
funciones de densidad, de
probabilidad acumulada, de
probabilidad de
supervivencia, de
probabilidad del logaritmo de
la supervivencia y de riesgo

Si como resultado del Anlisis de Weibull se tiene que
no es posible ajustar los datos a esta distribucin, es
decir, si la Prueba de Bondad de Ajuste da como
resultado que no se puede asumir que los datos se
ajusten a esta funcin de distribucin.
Pueden utilizarse los procedimientos: Tablas de Vida
(Intervalos) y Tablas de Vida (Tiempos), que brinda el
STATGRAPHICS Centurion XV, mediante los cuales
se obtienen y grafican estimadores no paramtricos
de las funciones de supervivencia y de riesgo y
pueden calcularse los percentiles.
La localizacin en los mens estndar y Seis Signa de
estos procedimientos es la misma del Anlisis de
Weibull.
El procedimiento Tablas de Vida (Intervalos) diseado para
analizar datos que contienen tiempos de vida o tiempos hasta
el fallo, donde se conoce que el valor de cada tiempo de vida
(supervivencia) cae dentro de un intervalo especifico.
Los datos pueden incluir censurado, en los cuales algunos
tiempos de falla no son conocidos exactamente debido al retiro
de elementos de la prueba antes de que fallen.
Se asume que los intervalos empiezan en 0 y son adyacentes y
no se traslapan.
Se obtienen y grafican estimados no paramtricos de las
funciones de supervivencia y de riesgo. Tambin se calculan los
percentiles.
Se pueden especificar los datos para ms de un grupo y se
derivar un estimado separado de la funcin de supervivencia
para cada grupo.
Este anlisis brinda los siguientes resultados:
Tablas:
Resumen de Anlisis muestra las funciones estimadas de supervivencia,
de riesgo y de densidad.
Percentiles muestra percentiles seleccionados para la distribucin de
tiempo de falla.
Comparaciones de Grupos resume los datos de falla por grupo.
Grficas:
Funcin de Supervivencia grafica la funcin de supervivencia
estimada.
Funcin de Supervivencia Log grafica el logaritmo de la funcin de
supervivencia estimada.
Funcin de Riesgo Acumulativa grafica la funcin de riesgo
acumulativa.
Funcin de Densidad de Muerte grafica la funcin de densidad del
tiempo de falla.
Funcin de Riesgo grafica la funcin de riesgo estimada.

El procedimiento Tablas de Vida (Tiempos) est diseado
para analizar datos que contienen tiempos de vida o
tiempos de fallo, en donde el valor de cada tiempo de
vida est medido en una escala continua.
Los datos pueden incluir censurado, en el cual, algunos
tiempos de fallo no son conocidos exactamente debido a
retiros de elementos de la prueba antes de que fallaran.
Se obtienen y grafican estimados no paramtricos de
funciones de riesgo y de supervivencia. Tambin se
calculan los percentiles.
Si se desea, se pueden especificar los datos para ms de
un grupo. En tales casos, se derivar un estimado
separado de la funcin de supervivencia para cada
grupo.
Este anlisis brinda los siguientes resultados:
Tablas:
Resumen de Anlisis muestra las funciones estimadas de
supervivencia, de riesgo y de densidad.
Percentiles muestra percentiles seleccionados para la
distribucin de tiempo de falla.
Comparaciones de Grupos resume los datos de falla por
grupo.
Grficas:
Funcin de Supervivencia grafica la funcin de supervivencia
estimada.
Funcin de Supervivencia Log grafica el logaritmo de la
funcin de supervivencia estimada.
Funcin de Riesgo Acumulativa grafica la funcin de riesgo
acumulativa.