Generación Y Uso de Variables Aleatorias Parte 5: Tema Selecto 1 "Simulación"

GENERACIÓN Y
USO DE VARIABLES
ALEATORIAS
Parte 5
TEMA SELECTO 1 “SIMULACIÓN”
PRODUCTO DE VARIABLES ALEATORIAS
LOGNORMALES
• Sea Y una función que involucra el producto o

el cociente de varias variables aleatorias Xi,
por ejemplo:
• Donde k es una constante.

• Considerando que las variables aleatorias Xi,
son estadísticamente independientes y con
comportamiento lognormal. Aplicando el
logaritmo natural a ambos lados de la
expresión anterior:
• Esta ecuación representa la suma de variables
aleatorias normalmente distribuidas, por lo
que, Y es una variable aleatoria
lognormalmente distribuida.
• De lo anterior, generalizando la ecuación
anterior para n variables aleatorias, es posible
mostrar que la distribución de los parámetros
para la variable lognormal Y es:
• Donde:
• Finalmente, si la función Y que involucra el producto
o el cociente de varias variables aleatorias Xi, éstas
no son lognormales, se puede mostrar que la media
y la varianza de Y se pueden obtener con las
ecuaciones anteriores, siempre y cuando las
variables aleatorias Xi, sean estadísticamente
independientes.
• Sin embargo, no se puede decir que la distribución
de probabilidad de Y es lognormal.
Ejemplo 3.3:
• Considere una viga de acero para la cual la sección
trasversal se clasifica como una sección compacta,
por lo que el momento plástico Mp está dado por:
• Donde, Z es el módulo de sección plástica y Fy es

el esfuerzo de fluencia del acero.
• Sea el efecto de la carga total (demanda)
denotado Q, dado por el momento máximo de
demanda sobre la viga debido a la aplicación
de la carga.
• Considere que Fy, Z y Q son variables
aleatorias estadísticamente independientes
con comportamiento lognormal, con medias y
coeficientes de variación definidos como
sigue:
Coeficiente de
Variable Media variación
Fy 40 ksi 0.10
Z 54 in3 0.05
Q 120 k-ft 0.12
• Considerando como función de desempeño el

factor de seguridad, calcular la probabilidad de
falla.
FUNCIONES NO LINEALES DE
VARIABLES ALEATORIAS
• Sea la función de desempeño Y, una función no lineal de
desempeño de variables aleatorias Xi, i = 1,2,…,n:
• Para calcular la media y la varianza de Y, podemos usar

una expansión de la series de Taylor de Y para linealizar
la función de desempeño y calcular la media y la varianza
de la versión linealizada de la función.
• La expansión de las series de Taylor es:
• Donde , los valores x *

i (valores deterministas) son
“valores puntuales de diseño” de las variables
aleatorias Xi, esto es, los valores acerca de los
cuales la función Y es linealizada.
• Los términos de orden mayor se desprecian
cuando se usa la versión linealizada de Y.
• La elección de los valores puntuales de diseño

del vector aleatorio [X], es muy importante en
los análisis de confiabilidad estructural.
• Aquí, consideraremos que los valores

puntuales de diseño son los valores medios de
las variables aleatorias.
Ejemplo 3.4:
• Considere una viga de
madera con una sección
transversal rectangular con
un ancho b y un peralte d.
Sea Y la función de
desempeño que relaciona el
esfuerzo flexionante
permisible Fb y el esfuerzo
aplicado en función del
momento actuante M y el
módulo de sección S.
• Considere Fb, M, b y d como variables aleatorias con los siguientes
parámetros:
Variable Media (m) Coef. Var. (V) Desv. Est. (s)

M (lb-in) 100 000 0.12 12 000
Fb (psi) 1 600 0.32 512
b (in) 5.6 0.04 0.224
d (in) 11.4 0.03 0.342
• Calcular la media y varianza de Y, así como, el índice

de confiabilidad y la probabilidad de falla de la viga.
Teorema del Límite Central
Inferencias sobre la población a
partir de información de la
muestra
• La distribución muestral de un estadístico
depende de la distribución de la población, del
tamaño de las muestras y del método de
selección de las muestras.
• Como un estadístico es una variable aleatoria

que depende sólo de la muestra observada,
debe tener una distribución de probabilidad.
DEFINICIÓN
• La distribución
de probabilidad
de un estadístico
se denomina
distribución
muestral.
Distribución Muestral de la Media
• La distribución muestral de con tamaño
muestral n, es la distribución que resulta
cuando un experimento se lleva a cabo una y
otra vez (siempre con una muestra de tamaño
n) y resultan los diversos valores de .
• Así, se concluye que:
• Tiene distribución normal con media:

• Y varianza:
• Esta distribución muestral describe la
variabilidad de los promedios muestrales
alrededor de la media de la población m.
• En el caso de conocer la distribución muestral de
le permite al analista encontrar la discrepancia
“típica” entre el valor observado y el verdadero
valor de m.
• La distribución muestral produce información
acerca de la variabilidad de los valores de
alrededor de en n experimentos que se repiten.
Ejemplo:
• Cierta empresa pre-mezcladora fabrica
concreto de varias resistencias a la compresión.
Si para una de las resistencias, el concreto
tienen una resistencia media de 250 kg/cm2 y
una desviación estándar de 25 kg/cm2, ¿cuál es
la probabilidad de que una muestra aleatoria
de 36 cilindros de prueba tenga una resistencia
media de menos de 200 kg/cm2?
Suma de variables aleatorias
Producto de variables aleatorias

Suma de Variables Aleatorias.
• Sea la función Y, la suma de variables aleatorias Xi, i = 1,2,…,n.
• Considere a Xi como estadísticamente independiente con una

distribución de probabilidad arbitraria.
• El Teorema de Límite Central considera que, cuando n tiende al

infinito, la suma de esas variables aleatorias independientes se
aproxima a una distribución de probabilidad normal si ninguna
de las variables aleatorias tiende a dominar la suma.
• Así, si se tiene una función definida como la suma
de un gran número de variables aleatorias,
entonces se puede esperar que la suma de las
variables sea distribuida de manera normal
aproximadamente.
• La suma de variables es frecuentemente utilizada

para modelar la carga total sobre una estructura.
De aquí que la carga total puede ser
aproximadamente como una variable normal.
Ejemplo:
• Sea Q la carga total que representa lo efectos
de la carga muerta D, carga viva L, y carga de
nieve S, es decir:
• Entonces se puede emplear el Teorema del

Límite Central para decir que Q es
aproximadamente normal, aún si D, L y S no lo
sean.
• De lo anterior, la media y la varianza de Q son:
• Y,
Producto de Variables Aleatorias.
• Si se tiene un producto de variables
independientes, entonces se puede hacer una
transformación que permite utilizar el
Teorema del Límite Central.
• Sea Y el producto de variables aleatorias

estadísticamente independientes de la forma:
• La ecuación puede contener cocientes de
variables aleatorias.
• Aplicando el logaritmo natural en ambos lados

de la ecuación:
• Esta suma puede ser interpretada como la
suma de una serie de variables aleatorias Ln Xi.
• Utilizando el Teorema del Límite Central, se

puede concluir que Ln Y se aproxima a una
distribución normal como el número de
variables aleatorias se aproxima al infinito.
• Si Ln Y es normal, entonces Y debe ser lognormal.
• Así, si tenemos el producto o cociente de muchas variables

aleatorias independientes, el producto o cociente se
aproxima a una distribución lognormal.
• El producto de variables es frecuentemente utilizado para

modelar la resistencia o capacidad de una estructura o
elemento estructural.
• De aquí que, la resistencia pueda aproximarse como una

variable lognormal.
REFERENCIAS BIBLIOGRÁFICAS
• http://uam.es/personal_pdi/ciencias/cifus/CCAA/Estadistica/
ModelosLinealesANOVA.pdf
• http://academic.uprm.edu/rmacchia/agro6998/
ConferenciaNoLineales.pdf
• http://www.um.es/fem/PersonalWiki/pmwiki.php/EsModelling/
IntroClasses
• https://www.google.com.mx/search?
biw=1242&bih=557&tbm=isch&sa=1&btnG=Buscar&q=n
%C3%BAmeros+aleatorios#imgrc=0cHXlkqCyG2FuM:
• http://www.monografias.com/trabajos102/simulacion-maquinas-
electricas/simulacion-maquinas-electricas.shtml
• ANG, A. H-S. & TANG, W. H., “Probability Concepts in
Engineering. Emphasis on Applications to Civil and
Environmental Engineering”. 2nd Edition, John Wiley
and Sons, Inc., 2007
• CANAVOS, C. G., Probabilidad y estadística,

aplicaciones y métodos, Mc Graw Hill, México, 1986.
• DEVORE, J. L., Probabilidad y Estadística para ingeniería

y ciencias, Sexta ed. Thomson, México, 2005.
• MILLER Y FREUD. Probabilidad y Estadística para Ingenieros. 8ª
edición, Pearson, 2012.
• MONTGOMERY, C. D. Y G. C. RUNGER, Probabilidad y estadística

aplicadas a la ingeniería, McGraw Hill, México, 1998.
• NIEVES, A. Y DOMÍNGUEZ, F. D., Probabilidad y Estadística para

Ingeniería. Un enfoque moderno, McGraw-Hill, México, 2012.
• NAVIDI, W. Estadística para ingenieros y científicos, McGraw-Hill,

México, 2006.
• SCHEAFER, R. L. Y J. T. MCCLAVE, Probabilidad y estadística para

ingenieros, Iberoamérica, México, 1993.
• SPIEGEL, MURRAY R. Estadística. 2da. edición. McGraw-Hill,
1991.
• VISAUTA, B., Análisis Estadístico con SPSS para Windows.

Volumen 1 Estadística Básica. 2a. edición, McGraw-Hill, 2002.
• WALPOLE, R. R. H. MYERS Y S. MYERS, Probabilidad y

estadística para ingeniería y ciencia, Octava ed. Prentice Hall
Pearson, México, 2007.
• WEIMER, R. C., Estadística, CECSA, México, 1996.

GRACIAS

Generación Y Uso de Variables Aleatorias Parte 5: Tema Selecto 1 "Simulación"

Cargado por

Copyright:

Formatos disponibles

Generación Y Uso de Variables Aleatorias Parte 5: Tema Selecto 1 "Simulación"

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Generación Y Uso de Variables Aleatorias Parte 5: Tema Selecto 1 "Simulación"

Cargado por

Copyright:

Formatos disponibles

GENERACIÓN Y

• Sea Y una función que involucra el producto o

• Donde k es una constante.

• Donde, Z es el módulo de sección plástica y Fy es

• Considerando como función de desempeño el

• Para calcular la media y la varianza de Y, podemos usar

• Donde , los valores x *

• La elección de los valores puntuales de diseño

• Aquí, consideraremos que los valores

Variable Media (m) Coef. Var. (V) Desv. Est. (s)

• Calcular la media y varianza de Y, así como, el índice

• Como un estadístico es una variable aleatoria

• Tiene distribución normal con media:

Suma de variables aleatorias

Producto de variables aleatorias

• Considere a Xi como estadísticamente independiente con una

• El Teorema de Límite Central considera que, cuando n tiende al

• La suma de variables es frecuentemente utilizada

• Entonces se puede emplear el Teorema del

• Sea Y el producto de variables aleatorias

• Aplicando el logaritmo natural en ambos lados

• Utilizando el Teorema del Límite Central, se

• Así, si tenemos el producto o cociente de muchas variables

• El producto de variables es frecuentemente utilizado para

• De aquí que, la resistencia pueda aproximarse como una

• CANAVOS, C. G., Probabilidad y estadística,

• DEVORE, J. L., Probabilidad y Estadística para ingeniería

• MONTGOMERY, C. D. Y G. C. RUNGER, Probabilidad y estadística

• NIEVES, A. Y DOMÍNGUEZ, F. D., Probabilidad y Estadística para

• NAVIDI, W. Estadística para ingenieros y científicos, McGraw-Hill,

• SCHEAFER, R. L. Y J. T. MCCLAVE, Probabilidad y estadística para

• VISAUTA, B., Análisis Estadístico con SPSS para Windows.

• WALPOLE, R. R. H. MYERS Y S. MYERS, Probabilidad y

• WEIMER, R. C., Estadística, CECSA, México, 1996.

También podría gustarte