Tarea 1

Gustavo Pinzón Forero - 201127111

ICYA 4611- Confiabilidad & Análisis de Riesgos
14 de marzo de 2018

Punto 1. De acuerdo con su área de interés, seleccione dos variables cuya observación tenga
una relación “fı́sica”. Obtenga un número de observaciones superior a 30 para cada variable.
Evalúe cada observación de forma independiente. Calcule las estadı́sticas básicas, dibuje un
histograma (normal y acumulado) y calcule la correlación entre las variables. Concluya.

Se obtuvieron los datos de asentamientos en un suelo arcilloso y la resistencia inconfina-

da a una profundidad de 5m.

Asentamientos [mm] Asentamiento [mm] Asentamiento [mm] Asentamiento [mm]

6,0 0,9 13,2 11,0
4,8 3,4 2,7 3,0
3,3 0,7 12,0 0,1
0,1 3,0 6,8 2,6
1,2 3,3 1,0 3,3
1,8 11,4 12,0 2,2
4,0 9,3 3,0 2,9
3,6 2,6 1,4 3,3
3,6 1,4 0,9 2,8
4,2 0,3 5,0 4,0
0,5 7,0 1,3 5,0
5,0 1,4 1,4 2,5
8,0 0,1 6,0 0,4
4,0 0,3 10,0 12,0
5,2 2,9 3,5 2,1
Cuadro 1: Medidas de Asentamiento

1
 Cu [kPa] Cu [kPa] Cu [kPa] Cu [kPa]
48,0 15,4 31,1 40,6
37,8 15,5 41,8 46,7
21,1 18,8 16,8 22,8
49,4 43,0 29,2 32,3
32,7 22,1 47,2 29,3
35,5 46,9 21,2 25,1
20,7 13,8 11,8 36,0
15,3 25,2 24,9 45,0
21,0 25,9 45,9 31,7
28,3 16,4 26,5 35,5
18,4 36,0 35,0 53,8
20,4 29,2 47,2 23,7
25,4 49,1 46,5 44,1
20,2 42,4 53,7 39,4
40,3 19,2 51,8 11,7
Cuadro 2: Medidas Resistencia Inconfinada

Los histogramas de frecuencias de cada una de las variables se presentan a continuación:

Figura 1: Histograma de Frecuencias. Asentamiento

2
 Figura 2: Histograma de Frecuencias. Resistencia Inconfinada

Las estadı́sticas básicas para cada una de las variables son:

Asentamientos [mm] Resistencia Inconfinada [kPa]

Media 2,49 29,25
Desviación 3,45 12,15
Cuadro 3: Estadı́sticas Básicas

La covarianza entre las dos variables es: COV (x, y) = 1, 71, lo que indica una dependencia
positiva; esto implica que al aumentar una de las variables, la otra aumenta, sin embargo,
en el contexto fı́sico de estas variables, esto último no es consistente.

Punto 2. Dos autopistas A1 y A2 se unen en una sola autopista A3 . Las autopistas A1 ,A2
y A3 tienen la misma capacidad. Las probabilidades de congestión en las autopistas 1 y 2
son respectivamente: P (E1 ) = 0, 10 y P (E2 ) = 0, 20. Adicionalmente, la congestión entre las
dos autopistas está relacionada e tal forma que se detectaron las siguientes probabilidades
condicionales: P (E1 | E2 ) = 0, 40 y P (E2 | E1 ) = 0, 80. Además, suponga que si A1 y A2 no
están congestionadas, la probabilidad de que A3 si lo está es del 20 %. Cúal es la probabilidad
de congestión en la autopista A3 (i.e., P (E3 )).

La probabilidad de congestión de la autopista A3 está determinada por la siguiente ecua-

ción:

P (E3 ) = P (E3 | E1 E2 )P (E1 E2 ) + P (E3 | Ē1 Ē2 )P (Ē1 Ē2 )

(1)
+P (E3 | E1 Ē2 )P (E1 Ē2 ) + P (E3 | Ē1 E2 )P (Ē1 E2 )

3
 Del enunciado podemos calcular las probabilidad P (E1 E2 ), de la siguiente manera:

P (E1 E2 ) = P (E2 )P (E1 | E2 ) = (0, 20)(0, 40) = 0, 08. (2)

Dado que las autopistas cuentan con la misma capacidad, las probabilidades condicio-
nales de que A3 se encuentre congestionada dado que alguna de las otras dos se encuentra
congestionada es siempre 1. Esto significa que:

P (E3 | E1 E2 ) = P (E3 | E1 Ē2 ) = P (E3 | Ē1 E2 ) = 1 (3)

Se puede organizar la ecuación introduciendo las simplificaciones expuestas anteriormen-

te de la siguiente manera:

P (E3 ) = (1)P (E1 E2 ) + (0, 2)(1 − P (E1 ) − P (E2 ) + P (E1 E2 ))

(4)
+(1)(P (E2 ) − P (E1 E2 )) + (1)(P (E1 ) − P (E1 E2 ))

Conociendo los valores dados en el enunciado de P (E1 ) = 0, 0, 1, P (E2 ) = 0, 0, 2 y el

valor de P (E1 E2 ) = 0, 08 se sustituyen los valores en la ecuación, resultando en:

P (E3 ) = (1)(0, 08) + (0, 2)(1 − 0, 1 − 0, 2 + 0, 08) + (1)(0, 2 − 0, 08) + (1)(0, 1 − 0, 08)
(5)
P (E3 ) = 37, 6 %

Punto 3. Una variable aleatoria X se puede modelar con la siguiente función de densidad
de probabilidad:  2 
c[x − x6 ] 0≤x≤6
fX (x) = (6)
0 de lo contrario

a) Determine el valor de c.
Para conocer el valor de c se integra la función de densidad de probabilidad entre los
lı́mites determinados por la función, igualandola a 1.

6
6
x2 x 2 x3 
Z
c(x − )dx = 1 →
− c( − ) =1
0 6 2 18 0 (7)
1
c(6) = 1 →
− c=
6

b) Calcule el valor esperado de X, E[X] y la desviación estándar.

El valor esperado se calcula de la siguiente manera:
Z 6 Z 6
x x2
E[X] = xfX (x)dx = (x − )dx
0 0 6 6
3 4 6
 (8)
x x 
− =3
18 144 0

4
 La desviación estándar se determina calculando primero la varianza:

6
x2
Z
1
V [X] = (x − 3)2 (x − ) = 1,8 (9)
0 6 6
La desviación estándar es entonces:
p
σ= V [X] = 1,34 (10)

c) Cuál es el valor de X con una probabilidad de excedencia del 20 %, 10 % y 5 %.

La probabilidad es calculada según:

1 x2 x3

Z
P (X ≤ x) = FX (x) = −
f (x)dx = (11)
6 2 18
Para una probabilidad de excedencia del 20 % se obtiene que:
1 x2 x 3

P (X ≤ x) = 0,8 →
− − = 0,8 →
− x = 4,277 (12)
6 2 18
Para una probabilidad de excedencia del 10 % se obtiene que:
1 x2 x 3

P (X ≤ x) = 0,9 →
− − = 0,9 →
− x = 4,825 (13)
6 2 18
Para una probabilidad de excedencia del 5 % se obtiene que:
1 x2 x3

P (X ≤ x) = 0,95 →
− − = 0,95 →
− x = 5, 187 (14)
6 2 18
Punto 4. Una ciudad en el Caribe está expuesta a vientos huracanados con un periodo de
retorno de 50 años y una velocidad esperada de 50km/h

a) Cuál es la probabilidad de tener la velocidad del viento esperada en un año?

La probabilidad de ocurrencia en un año es p = 1/50 = 0,02.
b) Cuál es la probabilidad de tener la velocidad del viento esperada por primera vez en el
cuarto año?
La probabilidad se calcula de la siguiente manera:

P = (1 − 0,02)4−1 (0,02) = 1, 88 % (15)

c) Cuál es la probabilidad de tener la velocidad del viento esperada en cualquier año du-
rante los primeros cuatro años?
La probabilidad se calcula de la siguiente manera:

4
X
P = (1 − 0,02)p−1 (0, 02) = 7,76 % (16)
n=1

5
Punto 5. La ocurrencia de accidentes de tráfico en una intersección se puede modelar como
un proceso de Poisson. La información estadı́stica muestra una tasa de ocurrencia de 1 cada
3 años

a) Cuál es la probabilidad de que no se presenten accidentes en la intersección en un

periodo de 5 años?
La probabilidad se calcula de la siguiente manera:

(λt)n e−λt ((0,33)(5))0 e−(0,33)(5)

P = (N (5) = 0) = = = 19,2 % (17)
n! 0!
b) Suponga que en cada accidente hay una probabilidad del 5 % de que se presente una
muerte; Cuál es la probabilidad de al menos una muerte en un periodo de 3 años?
La probabilidad se calcula de la siguiente manera:

P (N (3) > 1)(0, 05) = (1 − P (N (3) = 0))(0, 05) = (1 − e3λ )(0, 05) = 3, 14 %. (18)

Punto 6. Los registros del drenaje de aguas lluvias de una comunidad pueden modelarse
como una variable aleatoria con media 1.2 millones de galones por dı́a (mgd) y con una
desviación estándar de 0.4 mgd. Si la capacidad máxima de drenaje del sistema es 1.5 mgd,
(a)Cúal es la probabilidad de que se presente una inundación? (b). Cuál es el caudal de dre-
naje con una probabilidad de excedencia del 15 %?

Nota: Estudie y compare dos casos: el caudal se modela como una distribución normal y
como una lognormal (Concluya).

a) Cúal es la probabilidad de que se presente una inundación?

a) Distribución Normal
La probabilidad de que ocurra una inundación puede encontrarse de la siguiente
manera:

1,5 − 1,2

P (X > 1,5) = 1 − P (X < 1,5) = 1 − Φ = 22, 66 %. (19)
0,4
b) Distribución Log-Normal
Para aplicar la distribución Log-Normal, primero se calculan sus parámetros de
la siguiente manera:

σ
2
0,4
2

ξ 2 = ln 1 + = ln 1 + = 0,10536 →
− ξ = 0,32459 (20)
µ 1,2

1
λ = ln(µ) − ξ 2 = 0,12964 (21)
2

6
 Para encontrar la probabilidad de inundación, se utiliza la misma formulación que
en el numeral anterior.

ln(1,5) − λ

P (X > 1,5) = 1 − P (X < 1,5) = 1 − Φ = 19, 77 %. (22)
ξ

b) Cuál es el caudal de drenaje con una probabilidad de excedencia del 15 %?

El estadı́stico Z que cuenta con una probabilidad de excedencia del 15 % en una dis-
tribución normal es z = 1,036433.

a) Distribución Normal
El caudal se determina de la siguiente manera:

x−µ
z= →
− x = zσ + µ = (1,036)(0,4) + 1,2 = 1,6145 mgd (23)
σ
b) Distribución Log-Normal El caudal se determina de la siguiente manera:

ln(x) − λ
z= →
− x = exp(zξ + λ) = 1,5937 mgd (24)
ξ
Se puede observar que al modelar el caudal con una distribución normal, se sobreestima la
probabilidad de ocurrencia de una inundación. Utilizar una distribución log-normal permite
obtener valores más cercanos al comportamiento esperado; esto se debe a que la distribución
normal acepta valores negativos mientras que la log-normal solo acepta valores positivos.
Punto 7. Considere una viga en voladizo de longitud L con una carga F aplicada en el
extremo. La carga F es una carga que resulta de la suma de bloques colocados uno encima
de otro; cada bloque tiene un peso de una unidad y todos tienen el mismo peso. El número
de bloques colocados en el extremo de la viga i.e., x, varia entre 0 y n con una distribución
binomial en la cual la probabilidad de que se coloque un bloques es p:
 
n x
Pbloque (x) = p (1 − p)n−x ; x = 0, 1, 2....n (25)
x

a) Calcule la función de masa de probabilidad del momento resistente en la base del vola-
dizo.
El momento está dado por la siguiente ecuación:

− g −1 (m) = x = m/L
m = Lx → (26)

Para funciones discretas se tiene:

PY (y) = PX (g −1 (y)) (27)

Por lo tanto:  
−1 n
PM (m) = PX (g (m)) = py/L (1 − p)n−y/L (28)
y/L

7
 b) Si L = 5m, p = 0,1 y n = 25, cuál es el número de bloques que se deben colocar tal que
la probabilidad de excedencia sea del 15 %?
Se calcula la probabilidad de cada uno de los bloques y la función de distribución
acumulada.
Px Px Px
x P(x) i=0 (P (i)) x P(x) i=0 (P (i)) x P(x) i=0 (P (i))

0 7,2 % 7,18 % 11 0,0 % 100,00 % 22 0,0 % 100,00 %

1 19,9 % 27,12 % 12 0,0 % 100,00 % 23 0,0 % 100,00 %
2 26,6 % 53,71 % 13 0,0 % 100,00 % 24 0,0 % 100,00 %
3 22,6 % 76,36 % 14 0,0 % 100,00 % 25 0,0 % 100,00 %
4 13,8 % 90,20 % 15 0,0 % 100,00 %
5 6,5 % 96,66 % 16 0,0 % 100,00 %
6 2,4 % 99,05 % 17 0,0 % 100,00 %
7 0,7 % 99,77 % 18 0,0 % 100,00 %
8 0,2 % 99,95 % 19 0,0 % 100,00 %
9 0,0 % 99,99 % 20 0,0 % 100,00 %
10 0,0 % 100,00 % 21 0,0 % 100,00 %

Se puede observar que 3 bloques tienen una probabilidad de excedencia de 24 % mien-

tras que 4 bloques tienen una probabilidad de excedencia de 10 %.

Punto 8. Entre los años 1925 y 2000 una zona de Colombia se presentaron sismos con
magnitud M ≥ 5 en los años (1932,1941,1954,1963,1972,1985,1998).

a) Cuál es el periodo de eventos sı́smicos con magnitud mayor o igual a 5?

El periodo de retorno se calcula de la siguiente manera:

2000 − 1925
T = = 9,3años (29)
8
b) Desde el 2000 a la fecha no se ha presentado ningún sismo; que implicaciones tiene
esto sobre el periodo de retorno?

No, dado que el periodo de retorno se calcula con las observaciones dadas, y el tiempo
posterior no incide en el valor del periodo de retorno.

c) Demuestre que para eventos poco frecuentes (T > 20 unidades de tiempo) la probabili-
dad de que ocurra al menos un evento durante su periodo de retorno es 0.6321

La probabilidad de que ocurra al menos un evento dentro del periodo de retorno se

calcula de la siguiente manera:

P (X > 1) = 1 − P (X = 0) = 1 − (1 − p)T (30)

8
Sin embargo, se debe recordar que el periodo de retorno T y la probabilidad de ocu-
rrencia p están relacionados de la siguiente manera: pT = 1. Manipulando los términos
de la ecuación anterior se obtiene:

1
T −1
T −pT
T
1− 1− =1− 1+ =1− 1+ (31)
T T T
Es ahora importante recordar la definición matemática de e:
 n
x x
e = limn→
−∞ 1+ (32)
n
Por lo tanto:

−pT
T
1− 1+ = 1 − e−pt = 1 − e−1 = 0, 6321 (33)
T
Punto 9. Suponga que la ocurrencia de un evento Y sigue la función exponencial:

Y = ex (34)
Con X distribuida normal como N (µ = 2; σ = 0,4). Derive la pdf de Y y demuestre
que sigue una distribución log-normal.

dg −1 (y) 1
− g −1 (y) = x = ln(Y ) →
g(x) = Y = ex → − = (35)
dy y

dg −1 (y) 1
fy (y) = fx (g −1 (y)) = fx (ln(y)) (36)
dy y
Dado que fx se distribuye normal, fy es entonces:
  2 
1 1 −1 ln(y) − µx
fy (y) = √ exp (37)
y σx 2π 2 σx
Como se puede observar de la anterior ecuación, la función de densidad de probabilidad
de Y sigue una distribución log-normal dado que su logaritmo se distribuye de manera
normal:
ln(y) = x →
− x ∼ N (µx , σx ) (38)

Punto 10. Considere que el factor de seguridad de una viga simplemente apoyada
con una carga en la mitad de la luz se mide como F S = MR /MS donde MR yMS
corresponden al momento resistente y al momento actuante, respectivamente. El mo-
mento resistente se puede calcular como MR = bh2 F/6 y el momento actuante como
MS = P L/4. En estas ecuaciones b y h son la base y la altura de la sección y L es la
longitud de la luz.

9
a) Si b = 0, 25m; h = 0, 45m; L = 5, 5m; F = 28M P a y P = 100kN ; calcule el factor
de seguridad deterministico

bh2 F/6 (0,25)(0,45)2 (28000)/6

FS = = = 1,718 (39)
P L/4 (100)(5,5)/4
b) Suponga que la fuerza P y el esfuerzo F están distribuido log-normalmente con
media F = 28M P a y P = 100kN y coeficientes de variación COVF = 0, 35
y COVP = 0, 25. Cuál es la función de densidad de probabilidad del factor de
seguridad?
Si se aplica logaritmo natural en ambos lados de la ecuación anterior se obtiene:

Ln(F S) = Ln(K) + Ln(F ) − LN (P ) (40)

Donde K es una constante que agrupa las demás constantes del problema. Dado
que las variables se distribuyen de manera log-normal, el factor de seguridad
también se distribuye de manera log-normal. Se calculan sus parámetros λ y ξ 2
de la siguiente manera:

λ = ln(k) + λF − λP = 0,541267 (41)

ξ 2 = 02 + ξF2 − ξP2 = 0,178 →

− ξ = 0,422 (42)
La función de densidad de probabilidad es entonces:
" !#
1 −1 ln(F S) − λ
fF S (F S) = √ exp (43)
F Sξ 2π 2 ξ

c) Calcule la probabilidad de que el factor de seguridad sea menor al valor obtenido

determinı́sticamente. Concluya.
La probabilidad se calcula de la siguiente manera:
!
ln(1,718) − λ
P (F S < 1,718) = Φ = 0,5 (44)
ξ

d) Dibuje una curva de factor de seguridad para varios valores de COV de P entre
5 % y 50 %. Concluya

10
 Figura 3: Histograma de Frecuencias. Asentamiento

Se puede observar que, dado las caracterı́sticas de las constantes del problema, el
factor de seguridad es invariante.
Punto 11. Demuestre que la función de densidad de probabilidad de la distancia
del epicentro de un sismo a un sitio de interés particular es:
2r
fR (r) = (r2 − d2 )−1/2 ; d > r > r0 (45)
l
La variable de interés r está relacionada con x (siendo esta última la distancia
entre el epicentro y la mı́nima distancia d) de la siguiente manera:
√
r 2 = x2 + d 2 →
− r= x2 + d 2 (46)
Por lo tanto:
√ df −1 (r)
f −1 (r) = r 2 − d2 →
− = 2r(r2 − d2 )−1/2 (47)
dr
La probabilidad de que el epicentro del sismo se encuentre en un punto x sobre
la falla se distribuye de manera uniforme de la siguiente manera:
1
fx (x) = (48)
L
La función de densidad de probabilidad de la distancia del epicentro al sitio de
interés es entonces:
df −1 (r) 2r
fR (r) = fX (f −1 (r)) = (r2 − d2 )−1/2 (49)
dr l

11