1

Análisis de Incertidumbre en la I. C.
Taller No.3
Juan Sebastián Valderrama Giraldo
Estudiante, I.C.
Universidad Nacional de Colombia- Bogotá

Index Terms—Kottegoda, Probabilidades, Conjuntas, Acumu- Marginal de Y

ladas, Marginales, Estimaciones, LATEX.
Z 100000
4 y
10−10 ∗ x ∗ y dx = (5)
I. I NTRODUCCI ÓN 10000 297 150
Se presenta a continuación una serie de ejercicios
ilustrativos de algunos conceptos de probabilidad, pruebas Para 10 < y < 20
de hipótesis y confiabilidad; se desarrollan brevemente, sin
entrar al detalle matemático, dejando apenas expresadas las
operaciones, y mostrando únicamente los resultados finales.
III. P ROBLEMA 3.17
Estos ejercicios sobresalen por su aplicación a diversos Welding legs. The joint pdf of the lengths of horizontal and
casos de la Ingenierı́a Civil, lejos de algunos textos clásicos vertical legs, X and Y , of welding joints (similar to the ones
con ejemplos descontextualizados y desactualizados. Fueron referred to in Example 1.4) is given by
extraı́dos de:APPLIED STATISTICS FOR CIVIL AND
ENVIRONMENTAL ENGINEERS de Kottegoda y Rosso. 1
fX,Y (x, y) = xy (6)
16
II. P ROBLEMA 3.16 f or 4 < x, y < 8 and fX,Y (x, y) = 0, elsewhere
Contract analysis. A contractors financial outlay X and Determine the probability P r[5,5 < X < 6,5; 5,5 < Y <
labor force Y are random variables with bivariate pdf given
by: 6,5]
fX,Y (x, y) = kxy (1)
f or 10, 000 < x < 100, 000 10 < y < 20, and III-A. Solución
fX,Y (x, y) = 0, elsewhere
Se interpreta que se está pidiendo al probabilidad de
ocurrencia conjunta de los dos eventos, pero, inicialmente
se calcula el volumen bajo la superficie que representa un
II-A. Solución evento con una probabilidad de ocurrencia de 100 %.
(a) Evaluate constant k. Z 8 Z 8
xy
Z 20 Z 100000
1 dy dx = 36 (7)
x ∗ y dx dy = (2) 4 4 16
10 10000 k
4 Como se sabe, la probabilidad de ocurrencia de todos los
k = 1,3468 ∗ 12−10 =
∗ 10−10 (3) eventos es por definición 1, entonces hace falta normalizar la
297
función antes de desarrollar la probabilidad demandada.
(b) Determine the marginal pdf of X and Y.
Marginal de X 1 1
fX,Y (x, y) = xy (8)
Z 20
4 2x 16 36
10−10 ∗ x ∗ y dy = ∗ 10−8 (4)
10 297 99
Con la función normalizada, se procede a calcular la
Para 10, 000 < x < 100, 000 probabilidad conjunta:
Z 6,5 Z 6,5
xy 1
Enviado vı́a e-mail el 14 de Octubre de 2015. Entregado el 15 de Octubre dy dx = (9)
de 2015. 5,5 5,5 16 ∗ 36 16
 2

IV. P ROBLEMA 3.22 V. P ROBLEMA 5.2

Water treatment plant. A water treatment plant has two
units which are designed to perform with identical characte-
ristics. The consequenses of both units failing simultaneously
are severe on the community. The times to failure in days are
denoted by X1 and X2 and their bivariate pdf is given by:
fX1 ,X2 (x1 , x2 ) = a ∗ e−b(x1 +x2 )
Confidence limits for concrete densities. Suppose that
only the top 20 of the concrete densities listed in Table E.1.2
are available.
(a) Assuming a normal population, provide .95 confindence
limits for the mean density of concrete.
(b) Revise the confidence limits for the mean density if the
(10) kg
population standard deviation is 16 m 3.

f or x1 , x2 ≥ 0
V-A. Solución

Cuadro I: Datos de densidad y resistencia a la compresión de

IV-A. Solución probetas de concreto a los 28 dı́as
(a) What is the relationship between the constants a and Date Density Compresive Strength
b? (kg/m3 ) (N/mm2 )
21 September 1992 2437 60.5
Z ∞Z ∞ 29 June 1992 2437 60.9
b2
a ∗ e−b(x1 +x2 ) dxdy = 1 = (11) 26 June 1992 2425 59.8
0 0 a 14 April 1992 2427 53.4
31 March 1992 2428 56.9
19 March 1992 2448 67.3
b2 = a (12) 9 March 1992 2456 68.9
7 February 1992 2436 49.9
(b) How may they be estimated in practice? 28 January 1992 2435 57.8
Se puede plantear la implementación de simulaciones 18 December 1991 2446 60.9
6 December 1991 2441 61.9
de Monte Carlo en las que se evalúen los posibles 6 December 1991 2456 67.2
escenarios de funcionamiento y falla, apuntando, por 6 December 1991 2444 64.9
supuesto, al caso crı́tico de la falla simultánea, usando 5 December 1991 2447 63.4
4 December 1991 2433 60.5
el método, e implementando una regresión que se ajuste
3 December 1991 2429 68.1
a la distribución planteada en (10) constantes a y b; 2 December 1991 2435 68.3
teniendo en cuenta que ya también se conoce la relación 22 October 1991 2471 65.7
entre ellas la metodologı́a planteada podrı́a llegar a ser 18 October 1991 2472 61.5
14 October 1991 2445 60.0
exitosa.
Matemáticamente, conociendo la relación entre las
constantes, y reemplazando en la pdf original se tendrı́a: (a) Assuming a normal population, provide 95 %
confindence limits for the mean density of concrete.
Z ∞ Z ∞
1
b2 ∗ e−b(x1 +x2 ) dxdy = 1 = (13) Como se asume la distribución normal y se supone que
0 0 b la desviación estándar de la muestra es igual a la de la
b=1 (14) población, y es conocido el nivel de significancia, se
necesitan los estadı́sticos muestrales para usarlos en el
estadı́stico de prueba Z:
x − µo
(c) What is the chance that both units will fail within a σ (16)
√
year? n

Se sabe que este es un caso de prueba de hipótesis de

Partiendo de que una eventual falla en una de las dos colas, entonces se debe conocer los valores de Z
unidades sea independiente del comportamiento de su entre los cuales el área bajo la curva es igual al 95 %.
compañera, haciendo uso del concepto de la probabilidad
conjunta. α = 5%
Z0,025 = 1,96
P [(X1 ≥ 1) ∩ (X2 ≥ 1)] Z0,975 = −1,96
Z ∞Z ∞
σ∗Z
b2 ∗ e−b(x1 +x2 ) = e−2b (15) µo = x − √ (17)
1 1 n
La media y desviación estándar muestrales de las
Suponiendo que el desarrollo matemático del numeral densidades son:
anterior sea correcto, la probablidad de que las dos
unidades fallen en un lapso de un año es: e−2 = 0,135335 x = 2442,4
 3

σ = 13,308 VII. P ROBLEMA 5.7

Entonces, la media de la densidad con un nivel de

confiabilidad de 95 % se define ası́:
Significance of change in temperature. A water supply
σ ∗ Z0,025 σ ∗ Z0,975 engineer is concerned that possible climatic change with
µ = [x − √ ≤µ≤x− √ ] (18)
n n respect to temperature may have an effect on forecasts for
future demands for water to a city. The long-period mean and
13,308 ∗ 1,96 standard deviation of the annual average temperature measured
µ = [2442,4 − √ ≤ µ ≤ 2442,4 − ...] (19)
20 at midday are 33 and 0.75 C. The alarm is caused by the
µ = [2436,37 ≤ µ ≤ 2448,23] (20) mean temperature of 34,3o C observed for the previous year.
Does this suggest that there is an increase in the mean annual
(b) Revise the confidence limits for the mean density if temperature at a 5 % level of significance.
kg
the population standard deviation is 16 m 3.

Como ya se conoce el valor de la desviación estándar

de la población, diferente al valor muestral encontrado,
se procede a reemplazar los valores en la fórmula del
estadı́stico Z para llegar a lo siguiente:
VII-A. Solución
16 ∗ 1,96
µ = [2442,4 − √ ≤ µ ≤ 2442,4 − ...] (21)
20
La interpreta el problema ası́: se tiene una serie de datos
µ = [2435,36 ≤ µ ≤ 2449,41] (22) bastante larga y de ella se han calculado la media y la
desviación estándar (poblacionales) de la temperatura, hay
VI. P ROBLEMA 5.3 un experto preocupado por la temperatura media del año
inmediatamente anterior y se desea descartar con un nivel de
Minimum sample size for estimating mean dissolved 5 % de significancia que el incremento anual represente una
oxygen (DO) concentration. Monitoring of pollution levels of tendencia de çalentamiento”.
similar streams in a region indicates that the standard deviation
of DO is 1.95 mg/L over a long period of time. Se plantea entonces una prueba de hipótesis de una
cola, ası́: Ho = µ ≥ µo .
VI-A. Solución
(a) What is the minimum number of observations requi-
red to estimate the mean DO within ±0,5 mg
L . with 34,3 − 33
95 % confidence? Zcalc = 0,75 (27)
De Herrera (2012) se tiene que: n

σ
ξ = Zα/2 ∗ √ (23)
n No se conoce cuál es la longitud de la serie de datos, pero
se sabe que es larga, y si por ejemplo se supone n=40 se
Donde ξ es el error máximo permitido en el estudio, tiene Zcalc = 9,49. Como (Z0,95 = 1,65) < Zcalc no hay
que en este caso es conocido y es ±0,5 mg L .. Como suficiente evidencia estadı́stica para aceptar la hipótesis nula.
también se conoce el nivel de significancia exigido, es
fácil reemplazar y obtener el valor de la muestra mı́nima:

mg 1,95 mg
0,5 = 1,96 ∗ √ L (24)
L n
VIII. P ROBLEMA 5.10

1,95 ∗ 1,96 2
n=( ) = 58,43 ≈ 59 (25)
0,5
Change in the mean and variance of flood flows. Annual
(b) If only 30 observations are taken, what should be maximum flows of the Tevere (Tiber) River recorded at Ripetta
the percentage level in the confidence limits for the in Rome are given in Table E.5.8 for the period 1921–1974.
same difference in means? The observation of numerous lowmaximum flows during the
Se debe usar de nuevo la definición de error máximo last 20 years led to a suspicion that the flow regime or climatic
permitido para despejar el estadı́stico Z ası́: conditions had changed. Divide the record into two halves.
√ Determine if the mean annual maximum flow in the second
0,5 mg
L ∗ 30
Zα/2 = = 1,4044 (26) half is lower than those in the first half at a level of significance
1,95 mg
L α = 0,01 under the following conditions:
 4

Cuadro II: Serie histórica de caudales máximos del rı́o Tiber como se busca probar una variación de los máximos, se
observados en Ripetta (Roma, Italia), de 1921 a 1974. Dividida usa una prueba de una sola cola
en dos partes, para desarrollar la hipótesis del cambio de
regimen (X2 − µ)
Zcalc = (28)
√σ
Year X Year X n
m3 /s m3 /s
1921 1092 1948 1600 En donde X2 es la media de la serie reciente, y µ es la
1922 1099 1949 714 media antingua, que se supone es la media poblacional,
3
1923 1440 1950 794 se parte de un σ conocido 450 ms y el tamaño de la mues
1924 1083 1951 1460
1925 1621 1952 1240
tra, serı́an los 27 datos más recientes.
1926 1132 1953 1230 (904,1852 − 1364,63)
1927 935 1954 1270 Zcalc = 450 = 5,3167 (29)
√
1928 1540 1955 861 27
1929 1966 1956 1355
1930 775 1957 612 La regla de decisión se establece como: Se rechaza Ho
1931 1166 1958 822
1932 843 1959 1370
si Zcalc > 2,326, de otra manera NO se rechaza Ho .
1933 1508 1960 1380 Como ZCalc > 2,326 se rechaza la Hipótesis nula.
1934 1876 1961 510
1935 1696 1962 810 (b) If the standard deviation is estimated from the data
1936 1690 1963 735
1937 2730 1964 259 but is assumed to be constant.
1938 1440 1965 1290 (c) If the standard deviations are estimated separately
1939 985 1966 1325 for the two halves and are assumed to be different.
1940 1346 1967 528
(d) Using the estimated variances in part c, above,
1941 1553 1968 622
1942 1370 1969 355 determine whether the change in the variance is
1943 743 1970 468 significant for α = 0,01
1944 1340 1971 472
1945 896 1972 664
1946 1600 1973 717 IX. D ISCUSI ÓN
1947 2190 1974 950 R EFERENCIAS
[1] Herrera S. I. (2012). Apuntes de clase. Probabilidad y Estadı́stica Fun-
damental. Universidad Nacional de Colombia.
VIII-A. Solución [2] Zuur, A., Ieno, E. N., & Meesters, E.A Beginner’s Guide to R
Springer Science and Business Media.,2009
[3] Kottegoda, N. T., & Rosso, R. (2008). Probability, statistics, and relia-
Cuadro III: Estadı́sticos descritivos de las series de datos bility for civil and environmental engineers. Second Edition. Blackwell
Media Desviación estándar Publishing, UK.
m3 /s m3 /s
Serie 1 1394.63 457.9437
Serie 2 904.1852 385.5291
Serie Completa 1149.407 486.8886

3
(a) If the standard deviation is 450 ms

Antes de iniciar el análisis se escoge, casi que

arbitrariamente la distribución normal, si bien, el
autor no está seguro de que esta suposición sea
conceptualmente correcta, se procederá a desarrollar el
ejercicio, pues se esperarı́a en series de eventos extremos
el uso de una distribución diferente a la normal.

Se debe llevar a cabo una prueba de hipótesis

y se seguirá el procedimiento planteado por
Kottegoda (2008) (con un nivel de significancia
α = 0,01), endondelahipótesisnulaes Ho : µSerie2 =
µSerie1 es decir, que la media de los caudales máximos
en el periodo más reciente, es la misma que en la
primera serie de mediciones.

La hipótesis alternativa esHo : µSerie2 < µSerie1,

o sea, que la media de la Serie 1, que llamaremos
antigua, es mayoe a la de la Serie 2 (más reciente);