Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap2 PDF
Cap2 PDF
Introducción
El análisis estructural consiste en determinar la forma en que se comporta una
estructura hecha de un material específico ante un sistema de cargas dado, el estudio
considera que el comportamiento de la estructura es satisfactorio si cumple con una serie de
requisitos estipulados por las normativas de cada país que garantizan la seguridad de la
estructura. Estas normativas buscan evitar la posibilidad de falla producto de la
combinación de factores que inciden en el diseño o construcción de la obra o en ambos.
• Causa natural: donde se incluyen las magnitudes de todos los tipos de carga y las
propiedades de los materiales de construcción.
• Causa humana: donde se incluyen los errores de cálculo, falta de conocimientos
sobre alguna falla no estudiada lo suficiente y errores constructivos.
1
Diseño denominado diseño por Estados Limites o diseño por factores de carga y resistencia (LRFD
según las siglas en ingles).
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Definiciones básicas de estadística y probabilidad
Todos los fenómenos de la naturaleza presentan dispersión en los resultados y la teoría
de las probabilidades es la rama de las matemáticas que contempla esta tendencia porque
trata la incertidumbre en los resultados considerando las variables como aleatorias, así los
modelos son probabilísticos porque consideran el error que existe al realizar la estimación
de un parámetro con un valor numérico de esta posibilidad o probabilidad.
Axiomas de probabilidad
La probabilidad de que un suceso ocurra debe satisfacer las siguientes tres
condiciones.
Axioma I
0 1 (1)
Axioma II
Ω 1 (2)
2
Por lo general se expresa como un rango.
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Axioma III
(3)
.
1 (4)
Variables aleatorias
Se llama variable aleatoria a una magnitud cuyo valor no puede predecirse con certeza
antes de que ocurra, por lo tanto su comportamiento se caracteriza mediante las leyes de
probabilidades; para describirla se emplea una función o distribución de probabilidades que
define los sucesos3. Se denota con una letra mayúscula, por ejemplo la variable aleatoria X
y la función X(E) indica la magnitud de ocurrir del suceso E de la variable X.
Las variables aleatorias se dividen en dos tipos: discretas y continuas, las cuales se
representan por una función discreta masa de probabilidades (FMP) que se denota por pX(x)
o por una función de densidad de probabilidades (FDP)4 que se denota como fX(x) y
función de distribución acumulada (FDA)5 que se denota como FX(x). (Benjamin y Cornell,
1981; Miller, Freund y Johnson, 1992; Kennedy y Neville, 1982).
Cuando los valores que puede tomar una variable aleatoria están restringidos a
números enteros, la variable se llama discreta y se presenta en la forma de una función
masa de probabilidades (FMP) y se define como pX(x)= probabilidad de que una variable
aleatoria discreta X sea igual a un valor especifico x entero.
3
Las distribuciones se emplean de forma similar a las funciones matemáticas como x2, log(x), etc.
4
FP se aplica a las variables aleatorias discretas y FDP para el caso de variables aleatorias continuas.
La FP proporciona la probabilidad de ser igual a un valor dado de la variable aleatoria mientras que FDP
proporciona la frecuencia estandarizada (f/n) para un valor dado de la variable aleatoria.
5
Función que proporciona la probabilidad por debajo o igual a un valor dado de la variable aleatoria o
probabilidad acumulada.
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
La FMP se representa por lo general con un diagrama de barras (véase Figura 1),
donde la altura es proporcional a la probabilidad de que la variable tome ese valor. Por
ejemplo en la Tabla 1 se indica el número de vehículos que transitan en un puente
simultáneamente, siendo pX(x) la probabilidad de encontrar la cantidad de número de
vehículos en el puente, la Figura 1 representa en diagrama de barras la FMP de las pX
señaladas en la Tabla 1.
x pX(x) FX(x)
1 0,17 0,17
2 0,25 0,42
3 0,17 0,59
4 0,17 0,76
5 0,12 0,88
6 0,12 1,00
0.3 1.2
0.25 1
0.2 0.8
0.15 0.6
0.1 0.4
0.05 0.2
0 0
1 2 3 4 5 6
FMP FDA
Cuando los valores que puede tomar una variable aleatoria no quedan restringidos a
números enteros, puede tomar cualquier valor del eje de los números reales, esta variable se
denomina continua y es representada en la forma de una función de densidad de
probabilidades (FDP). La FDP se distingue por una línea continua como se indica en la
Figura 2. Cabe destacar que esta distribución se adapta a la mayoría de los problemas
relacionados con la confiabilidad estructural.
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Función de distribución acumulada (FDA)
∑
(5)
0.025 1.2
0.020 1.0
0.8
0.015
0.6
0.010
0.4
0.005 0.2
0.000 0.0
FDP FDA
(6)
Reducción de datos
Una manera útil de representar los datos es mediante histogramas de frecuencias, el
cual es un gráfico donde se representa la distribución de frecuencia de cada clase con una
barra. El gráfico da una visión de la amplitud de los datos, la mayor frecuencia, la
dispersión alrededor de los valores centrales. Otra representación gráfica de los datos es la
distribución de frecuencias acumuladas, la cual se obtiene al sumar las frecuencias hasta la
clase considerada, estos puntos se unen por lo general con una línea recta. (Benjamin y
Cornell, 1981; Kennedy y Neville, 1982).
1. Decidir cuantas clases se van a utilizar para agrupar los datos (por lo general debe
ser mayor de 5 y menor de 15), estos depende de la diferencia entre el máximo y
mínimo del grupo de valores el cual se denomina rango (d). Un valor práctico es el
sugerido en la Ecuación 1 por Sturges,
1 3,3log (7)
donde,
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
k ≡ número de intervalos,
n ≡ número de datos.
Media de X
∑
(8)
∞
(9)
∞
donde,
≡ media aritmética de la muestra,
μX ≡ media aritmética de la población,
xi ≡ valor del dato,
n ≡ número de datos.
Esperanza de X
El valor esperado se denota por E(X) y es igual a la media de la variable (μX), de tal
forma que los dos nombres se emplean para designar al mismo valor.
(10)
∑
Varianza de X
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
La varianza es la medida de dispersión más representativa y se define como el
promedio de las diferencia de los valores con respecto a la media elevados al cuadrado. Se
distingue por para la varianza poblacional mientras que s2 indica la varianza de la
muestra.
∑
(11)
(12)
donde,
s2 ≡ varianza del conjunto de datos,
≡ varianza de la población.
Desviación estándar de X
∑
(13)
(14)
donde,
s ≡ desviación estándar de la muestra,
σX ≡ desviación estándar de la población.
Factor de sesgo de X
El factor de sesgo es una medida que relaciona el valor nominal o valor del diseño
empleado en el análisis estructural con la media de dicha variable que se considera como
aleatoria. Este factor relaciona los valores del diseño con la incertidumbre que se considera
tiene el parámetro de cálculo.
(15)
donde,
λX ≡ Factor de sesgo de X,
x ≡ Valor nominal de la variable aleatoria X.
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Coeficiente de variación de X
(16)
donde,
V ≡ Coeficiente de variación.
Forma estándar
Para una variable aleatoria X. La forma estándar denotada por Z, está definida por
(17)
Esta forma tiene la propiedad que μZ=0 y =1. (Chou, 1972; Benjamin y Cornell,
1981; Nowak y Collins, 2000).
Ejemplo 1
6
El porcentaje es la forma más común de expresar el coeficiente de variación.
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
3.5 14
3 12
2.5 10
2 8
fa
f
1.5 6
1 4
0.5 2
0 0
275.40 286.20 297.00 307.80 318.60
Uniforme
Esta distribución se aplica para los casos donde todos los valores tienen la misma
probabilidad de ocurrir dentro de un intervalo [a, b]. Es una función con muchas
aplicaciones en los problemas de confiabilidad.
f(x)
F(x)
f(x)
F(x)
a b
Figura 6. FDP y FDA de distribución uniforme
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
(18)
0
0 (19)
0
; (20)
Normal
(21)
√
donde,
µx ≡ media de X,
σx ≡ desviación estándar de X,
fX(x)
FX(x)
La ecuación 19 no tiene integral definida por lo que para obtener la FDA, se emplean
tablas de forma estándar con μZ= 0 y = 1.
(22)
= = ; (23)
√
Φ = (24)
donde,
Ζ ≡ variable normal estándar,
φ ≡ función de densidad de probabilidad normal,
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Φ ≡ función acumulada de probabilidad normal. (Nowak y Collins, 2000)
Log Normal
Una variable aleatoria X, es log normal si la variable Y=ln(X) posee las características
de una distribución normal, esta distribución está definida solo para valores positivos
(x 0). Las expresiones de f(x), F(x), μX y σX son:
= ; =Φ (25)
(26)
Si Vx 0,20 ln 1 ; ln - (27.a)
Si Vx 0,20 ; ln (27.b)
F(x)
f(x
f(x)
1.20
1.00
0.80
k=1
f(x)
0.60 k=2
k=3
0.40
0.20
0.00
0 1 2 3 4 5 6
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Gamma
La distribución Gamma es útil para modelar la carga viva sostenida, las expresiones de
f(x), F(x), μX y σX son:
,
para x 0 ; (28)
!
; = (29)
Extrema tipo I
= (30)
= ; (31)
,
; (32)
√
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
‐4.00 ‐2.00 0.00 2.00 4.00 6.00 8.00 10.00
Extrema tipo II
La distribución Extrema Tipo II es útil para modelar la máxima carga sísmica, las
expresiones de f(x), F(x), μX y σX son:
⁄ ⁄
; = (33)
Γ 1 k>1; (34)
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Γ 1 Γ 1 k>2
Γ 1 2 (35)
1
Γ 1 1
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6
1.2
0.8
β=1
0.6 β=0,5
β=2
0.4
0.2
0
0 1 2 3 4 5 6
Esta distribución está definida por tres parámetros, y está definida por dos funciones
diferentes según los valores.
Γ 1 Γ 1
Poisson
Ejemplo 2
2.1 Distribución Normal
Carga que debe ser resistida por una fundación
mX 140
sX 14,1
Carga de diseño con 95% de confianza x 0,95
FX 163,19
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
0.40 1.14
0.35 1.00
0.30 0.86
0.25 0.71
0.20 0.57
FY
fY
0.15 0.43
0.10 0.29
0.05 0.14
0.00 0.00
0 500000 1000000 1500000
Y
4.5E‐2 1.00
4.0E‐2 0.89
3.5E‐2 0.78
3.0E‐2 0.67
2.5E‐2 0.56
FX
fX
2.0E‐2 0.44
1.5E‐2 0.33
1.0E‐2 0.22
5.0E‐3 0.11
0.0E+0 0.00
30.00 40.00 50.00 60.00 70.00 80.00
V
1. Arreglar los datos xi de forma creciente. El menor valor será x1, el siguiente será x2
y así sucesivamente hasta llegar al xn,
2. asociar cada valor de xi con el correspondiente pi acumulado según,
(42)
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
p=0,5 es igual a 7. En caso que los datos no sigan una línea recta indica que la
distribución Normal no es apropiada para el conjunto de datos.
Φ p (43)
donde,
Φ-1 ≡ Inversa de la Función Normal acumulada.
Ejemplo 3
Dibujar en papel normal los siguientes 9 valores
6,5 5,3 5,5 5,9 6,5 6,8 7,2 5,9
6,4
Línea de mejor ajuste Línea de mejor ajuste
gráfico lineal papel probabilidad
i xi pi zi xi zi xi pi
1 5,3 0,1 -1,282 5,3 -1,49 5,3 0,07
2 5,5 0,2 -0,842
3 5,9 0,3 -0,524
4 5,9 0,4 -0,253 5,9 -0,52 6,22 0,50
5 6,4 0,5 0,000 6,4 0,29
6 6,5 0,6 0,253
7 6,5 0,7 0,524
8 6,8 0,8 0,842
9 7,2 0,9 1,282 7,2 1,58 7,2 0,94
⁻x 6,22 s 0,62
Probabilidad Condicional
Un valor importante es describir como dos suceso aleatorios están relacionados, esta
define la probabilidad condicional de que un suceso ocurra dado el hecho que otro ha o no
ocurrido. Dos sucesos E1 y E2, la probabilidad condicional de E1 ocurriendo si E2 ha pasado
se define como
(44)
donde,
≡ Probabilidad de ocurrir el suceso E1 dado que E2 ha ocurrido,
≡ Probabilidad de la intersección del evento E1 y E2,
≡ Probabilidad del suceso E2.
7
Como método alternativo para dibujar la línea de mejor ajuste es emplear el valor de y s para
determinar la pendiente de la recta.
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
2.0
1.5
1.0
0.5
0.0
0 2 4 6 8
‐0.5
‐1.0
‐1.5
Ejemplo 4
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Espacio muestral E5A1 E5A2 E10A1 E10A2
Agua
E5A2 E10A2
2
1
E5A1 E10A1
Energia Electrica
5 10
Vectores aleatorios
Un vector aleatorio es un conjunto de variables aleatorias {X1, X2, …,Xn}. Para estos
casos las expresiones de f(x), F(x), μX y σX son:
Esta ecuación se lee como la probabilidad de la intersección de los eventos X1≤x1 con
X2≤x2 con ….. con Xn≤xn
Correlaciones
Si tenemos dos vectores aleatorios X y Y, con medias y desviación estándar, se tiene
que la covarianza es
, (46)
donde,
E[] ≡ Valor esperado.
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
,
(47)
Ejemplo 5
Matriz de covarianza
Rn b d
Rn 0,021 0,000 0,000
b 0,000 0,653 0,400
d 0,000 0,400 0,980
Teorema de Bayes
El Teorema de Bayes está referido a resolver la pregunta de donde provienen los
resultados obtenidos, constituye una regla útil para la resolución del planteamiento al
combinar la estadística y la información derivada de los resultados con la actualización en
función de los recientes resultados obtenidos. El enunciado indica que si tenemos eventos
mutuamente excluyentes H1, H2, …,Hn cuya unión es el espacio muestral Ω y si un suceso
E está definido en Ω de modo que P(E)>0, entonces la probabilidad de Hi dado E es
|
| ∑
(48)
|
| |
| o (49)
∑ | ∑ |
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
La probabilidad condicional | representa la probabilidad de que el
resultado del ensayo indique aj’ dado que el verdadero valor es ai. (Chou, 1972; Nowak y
Collins, 2000).
Ejemplo 6
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Referencias
– Benjamin, J. y Cornell, C. (1981). Probabilidad y Estadística en Ingeniería Civil.
Bogotá, Colombia: McGraw-Hill Latinoamericana, S.A.
– Chou. Y. (1972). Análisis Estadístico. México: Nueva Editorial Interamericana,
S.A. de C.V.
– Kennedy, J. y Neville, A. (1982). Estadística para Ciencias e Ingeniería. México
D.F., México: Harla, S.A. de C.V.
– Miller, I., Freund, J. y Johnson, R. (1992). Probabilidad y Estadísticas para
Ingenieros. Naucalpan de Juárez, México: Prentice-Hall Hispanoamericana, S.A.
– Nowak, A. y Collins, K. (2000). Reliability of Structures. EE.UU.: McGraw-Hill
Companies, Inc.
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.
Apéndice
Tabla A1. Valores de p de una distribución normal estándar
p z p z p z p z
0,00058 -3,25 0,05480 -1,60 0,51994 0,05 0,95543 1,70
0,00069 -3,20 0,06057 -1,55 0,53983 0,10 0,95994 1,75
0,00082 -3,15 0,06681 -1,50 0,55962 0,15 0,96407 1,80
0,00097 -3,10 0,07353 -1,45 0,57926 0,20 0,96784 1,85
0,00114 -3,05 0,08076 -1,40 0,59871 0,25 0,97128 1,90
0,00135 -3,00 0,08851 -1,35 0,61791 0,30 0,97441 1,95
0,00159 -2,95 0,09680 -1,30 0,63683 0,35 0,97725 2,00
0,00187 -2,90 0,10565 -1,25 0,65542 0,40 0,97982 2,05
0,00219 -2,85 0,11507 -1,20 0,67364 0,45 0,98214 2,10
0,00256 -2,80 0,12507 -1,15 0,69146 0,50 0,98422 2,15
0,00298 -2,75 0,13567 -1,10 0,70884 0,55 0,98610 2,20
0,00347 -2,70 0,14686 -1,05 0,72575 0,60 0,98778 2,25
0,00402 -2,65 0,15866 -1,00 0,74215 0,65 0,98928 2,30
0,00466 -2,60 0,17106 -0,95 0,75804 0,70 0,99061 2,35
0,00539 -2,55 0,18406 -0,90 0,77337 0,75 0,99180 2,40
0,00621 -2,50 0,19766 -0,85 0,78814 0,80 0,99286 2,45
0,00714 -2,45 0,21186 -0,80 0,80234 0,85 0,99379 2,50
0,00820 -2,40 0,22663 -0,75 0,81594 0,90 0,99461 2,55
0,00939 -2,35 0,24196 -0,70 0,82894 0,95 0,99534 2,60
0,01072 -2,30 0,25785 -0,65 0,84134 1,00 0,99598 2,65
0,01222 -2,25 0,27425 -0,60 0,85314 1,05 0,99653 2,70
0,01390 -2,20 0,29116 -0,55 0,86433 1,10 0,99702 2,75
0,01578 -2,15 0,30854 -0,50 0,87493 1,15 0,99744 2,80
0,01786 -2,10 0,32636 -0,45 0,88493 1,20 0,99781 2,85
0,02018 -2,05 0,34458 -0,40 0,89435 1,25 0,99813 2,90
0,02275 -2,00 0,36317 -0,35 0,90320 1,30 0,99841 2,95
0,02559 -1,95 0,38209 -0,30 0,91149 1,35 0,99865 3,00
0,02872 -1,90 0,40129 -0,25 0,91924 1,40 0,99886 3,05
0,03216 -1,85 0,42074 -0,20 0,92647 1,45 0,99903 3,10
0,03593 -1,80 0,44038 -0,15 0,93319 1,50 0,99918 3,15
0,04006 -1,75 0,46017 -0,10 0,93943 1,55 0,99931 3,20
0,04457 -1,70 0,48006 -0,05 0,94520 1,60 0,99942 3,25
0,04947 -1,65 0,50000 0,00 0,95053 1,65
Facultad de Ingeniería
Universidad de Los Andes, Venezuela
Confiabilidad Estructural Prof. Jorge O. Medina M.