CONIIAILIDAD DI

SISTIMAS DI
IOTINCIA
MSC. ING. ANGEL A. RECALDE

2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Probabilidad = posibilidad de ocurrencia
(cualitativa)
Probabilidad = medida de la ocurrencia
(cuantitativa)
Escalas de probabilidad:
- 0 (falla o no ocurrencia), 1 (xito u ocurrencia),
valor entre 0 y 1
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Probabilidad de xito:
- p = numero de xitos/todos los resultados
Probabilidad de fracaso:
- q = numero de fracasos/todos los resultados
p + q = 1
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Probabilidad de xito:
- p = numero de xitos/todos los resultados
Probabilidad de fracaso:
- q = numero de fracasos/todos los resultados
p + q = 1
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Probabilidad de sumar 9 en un lanzamiento de 2
dados:
- 3+6, 4+5, 5+4, 6+3 = 4 maneras distintas
- p = 4/(32+4) = 1/9
- q = 32/(32+4) = 8/9
La enumeracin de los estados es engorrosa y
sujeta a errores
Permutaciones y combinaciones sern ms
eficientes para la evaluacin de probabilidad
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Combinaciones: numero de formas en que n
componentes pueden ser seleccionados
(arreglados, combinados) de un total de r, sin
importar el orden de aparicin
Permutaciones: numero de formas distintas en que
n componentes pueden ser seleccionados
(arreglados, combinados) de un total de r,
tomando en cuenta su orden de aparicin
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Las combinaciones tienen ms importancia que las
permutaciones porque se refieren a los eventos,
combinados, que llevan a una falla del sistema, sin
importar el orden en que ocurrieron
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Ejemplo:
De un grupo de 6 alimentadores y 5 sub-
alimentadores, de cuntas maneras de pueden
agrupar 6 secciones que formen un grupo que al
menos tenga 3 sub-alimentadores.
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
La verdadera probabilidad se mide con un nmero
infinito de intentos
En aplicaciones de ingeniera, la deduccin de la
probabilidad del xito o fallo no se puede
determinar mediante pruebas.
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Tecnicas alternativas
- El sistema se divide en niveles jerrquicos donde
los datos de probabilidad del nivel ms bajo se
obtienen fcilmente y los datos de fracaso para el
sistema completo son deducidos utilizando
tecnicas de valoracin de confiabilidad
- Los datos requeridos se establecen de la
observacin de la experiencia operativa real. La
retroalimentacin del usuario al diseador es
esencial para tal ejercicio.
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Nomenclatura
Unin de A y B
Interseccin de A y B
Probabilidad incondicional de A
Probabilidad Condicional de A mientras B
Probabilidad de ocurrencia de A y B
Probabilidad de que al menos A o B ocurra
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Vocabulario
- Eventos mutuamente inclusivos: ocurrencia simultnea
-- Independientes: 2 o ms eventos cuyos resultados no
afectan al del otro
-- Dependientes: 2 o ms eventos cuyos resultados afectan a l
del otro. La probabilidad de ocurrencia de uno depende de
la ocurrencia del otro
- Eventos mutuamente exclusivos: no pueden ocurrir
simultneamente
-- Eventos complementarios: 2 o ms eventos cuyos resultados
impiden a los otros ocurrir
-- Eventos condicionales: 2 o ms eventos donde un eventos
no puede ocurrir sin los dems
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Diagramas de Venn
- En confiabilidad, las probabilidades asociadas a los eventos
individuales son combinadas para obtener el
comportamiento total del sistema
- La teora de probabilidad puede ser matemticamente
expresada a travs de diagramas de Venn para explicar la
teora a travs de dibujos
- Un diagrama de Venn es normalmente dibujado como un
rectngulo que representa la probabilidad total (espacio S)
que encierra el espacio entero considerado.
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Diagramas de Venn
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Diagramas de Venn
Regla 1a: Eventos mutuamente inclusivos
(independientes)
- La ocurrencia de un evento no afecta a los
dems
- Lanzamiento de dados, monedas. Los sistemas
prcticos no son independientes
- Asumir eventos independientes lleva a resultados
optimistas en confiabilidad
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Diagramas de Venn
Regla 1b: Eventos mutuamente exclusivos
(dependientes)
- La ocurrencia de un evento afecta a los dems
- Seleccin sucesiva de canicas de una bolsa, sin
reemplazarlas), lleva a eventos dependientes
- La dependencia de eventos es usualmente
subestimada, dando como resultado una
confiabilidad optimista
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Diagramas de Venn
Regla 2: Eventos mutuamente exclusivos
- Los eventos no ocurren al mismo tiempo
- En el lanzamiento de dados, los resultados del 1 al
6 son mutuamente exclusivos
- La falla o el xito de un evento son mutuamente
exclusivos
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Diagramas de Venn
Regla 3: Eventos complementarios
- Los eventos son mutuamente exclusivos + Un
resultado ocurre siempre y cuando los otros no
ocurran
- Estado de xito o falla en un componente
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Diagramas de Venn
Regla 4: Eventos condicionales
- Estos eventos ocurren condicionalmente en la
ocurrencia de otros eventos
- La probabilidad de ocurrencia de A dado que B
ha ocurrido
- Matemticamente: nmero de veces en que A y
B pueden ocurrir / nmero de veces en que B
puede ocurrir
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Diagramas de Venn
Regla 5: Ocurrencia simultnea de eventos
- Interseccin
- Los eventos A y B pueden ser independientes o
dependientes
- Los eventos son independientes si:
- Los eventos son dependientes si:
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
Diagramas de Venn
Regla 6: Ocurrencia de al menos uno de dos
eventos
- La ocurrencia de al menos uno de dos eventos A
y B es la ocurrencia de A o B o ambas
- Unin de dos eventos
- Tres casos diferentes:
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
- Eventos independientes pero no mutuamente
exclusivos

- Eventos independientes pero mutuamente
exclusivos
- Eventos dependientes pero no mutuamente
exclusivos
2.- TIORIA DI IROAILIDAD
1. TEORIA BASICA
- Regla 7: Aplicacin de probabilidad condicional
-- La regla 4 de probabilidad condicional puede
extenderse para considerar la ocurrencia de un
evento A que es dependiente sobre un nmero de
eventos mutuamente exclusivos B
i
,
Esta ecuacin tiene muchos usos en confiabilidad
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Conceptos
- Propiedades
- Aplicaciones en teora de confiabilidad
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Variables aleatorias
-- La funcin de distribucin discreta puede
obtenerse con una sumatoria
-- La funcin de distribucin continua puede
obtenerse integrando numricamente la funcin
de densidad de masa
- Los nmeros aleatorios siguen una de las
distribuciones siguientes:
-- Normal (Gaussiana), Lognormal, Exponencial,
Weibull, Gamma, Raleigh, etc.
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- El comportamiento aleatorio de un sistema o
grupo de datos es representado por uno o ms
parmetros aparte de su distribucin
- Estos parmetros son los momentos de la
distribucin:
-- Media y valor esperado 1er momento
-- Varianza y desviacin estndar 2do momento
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Distribucin binomial = Variable discreta aleatoria
- Con la aplicacin de la distribucin binomial, la
solucin de problemas complicados de
confiabilidad se torna ms fcil.
- Definiendo H como suceso p y T como falla q, los
conceptos de la teora binomial pueden ser
asociados a conceptos de confiabilidad
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Lanzamiento de una moneda, donde la
combinacin de los resultados son de inters, sin
importar el orden
- Todos los posibles resultados de las probabilidades
sern:
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Distribucin binomial
- Condiciones:
-- n debe ser un valor conocido (# intentos)
-- p + q = 1(slo dos posibles resultados)
-- p y q deben permanecer constantes
(probabilidades idnticas)
-- Los intentos deben ser independientes (resultado
de i es independiente de 1, 2, i-1)
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Para evaluar los resultados y la probabilidad de
ocurrencia para un experimento dado,
debe expandirse:
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Tringulo de Pascal
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Ejemplo:
-- Una moneda es lanzada 5 veces. Evale la
probabilidad de cada resultado y dibuje la funcin
de densidad de probabilidad de masa y la funcin
de distribucin de probabilidad
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Ejemplo:
-- Una moneda es lanzada 5 veces. Evale la
probabilidad de cada resultado y dibuje la funcin
de densidad de probabilidad de masa y la funcin
de distribucin de probabilidad
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Ejemplo:
-- Considere el caso en el que la probabilidad de
xito en un intento es ! y se deben realizar 4
intentos. Evale las probabilidades individuales y
acumuladas de xito.
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Ejemplo:
-- Un dado es lanzado 6 veces. Evaluar la
probabilidad de tener un 2 en la cara superior 0, 1,
2, 6 veces. Dibuje la funcin de densidad de
probabilidad y la funcin de distribucin de
probabilidad
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Ejemplo:
-- Una pequea planta de generacin se designa
para satisfacer una carga constante de 10MW.
Cuatro alternativas se consideran. (FOR = 0.02)
--- 1 x 10 MW
--- 2 x 10 MW
--- 3 x 5 MW
--- 4 x 3 1/3 MW
2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Ejemplo:

2.- TIORIA DI IROAILIDAD
1. APLICACIONES DE LA DISTRIBUCION BINOMIAL
- Ejemplo: