La presente tesis pretende desarrollar un conjunto de metodologías que permitan caracterizar señales de vibraciones mecánicas empleando la variabilidad estocástica para la identificación y tipificación de distintos tipos de fallos en rodamientos, cajas reductoras y ejes (desbalanceo, desalineación, soltura mecánica y lubricación). Los estados transitorios y regímenes variables de carga y velocidad como el arranque, parada y distintas velocidades constantes, son analizados a profundidad permitiendo asociar la calidad de las señales y la identificación de fallos a varios puntos de medición estudiados. Los resultados de clasificación muestran que las metodologías aplicadas son bastantes significativas, debido a que, en general, las tasas de rendimiento se encuentran por encima de un 90% de eficiencia. Finalmente, las diversas técnicas de caracterización y clasificación empleadas, así como el análisis de transitorios, permiten diferenciar de manera clara distintos tipos de fallos y mostrar que es necesario un análisis tiempo-frecuencia si se quieren obtener los mejores resultados / Abstract: This thesis aims to develop a set of methodologies to characterize mechanical vibration signals using stochastic variability in the identification and classification of different types of faults in bearings, gearboxes and axles (imbalance, misalignment, mechanical looseness and poor lubrication). Transient states and varying load and speed regimes as the starting, stopping and different constant speeds are analyzed in depth allowing to associate the signal quality and identification of failures at several measuring points studied. The classification results show that the methodologies used are quite significant, because, in general, the performance rates are higher than 90% efficiency. Finally, the various techniques of characterization and classification employed, as well transient analysis, allows to clearly distinguish different between the types of failures and show that we need a time-frequency analysis in order to obtain the best results.