Resumen
En el área de la industria, en particular en la ingeniería, la confiabilidad de productos o sistemas es fundamental para la buena eficiencia de los mismos. En este artículo, se estima la función de confiabilidad utilizando estadística bayesiana, involucrando a priori no informativa. Además, se tiene la estimación paramétrica vía máxima verosimilitud para el caso exponencial. Para ello, se generan muestras artificiales mediante simulación de Monte Carlo, considerando diferentes tamaños de muestra y porcentajes de censura. La estimación se implementa con diferentes métodos y se toma como referencia la estimación bayesiana dado un modelo de confiabilidad teórico, utilizando como medida de calidad de la estimación el error medio cuadrático. Los resultados obtenidos señalan que el estimador no paramétrico de Nelson-Aalen fue la estrategia más eficiente, independientemente del tamaño de muestra y porcentaje de censura tomados en el estudio, mientras que la estimación bayesiana utilizando a priori no informativa para los tiempos observados y censurados distribuidos de manera exponencial no presentó los mejores resultados, siendo la censura un fenómeno altamente determinante en la estimación de la función de confiabilidad y el tamaño adecuado de la muestra.