Beruflich Dokumente
Kultur Dokumente
dx dx
P(x d X d x ) fX ( x)dx (2.1)
2 2
A expressão
b
P(a d X d b) ³f a
X ( x)dx (2.2)
5
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
f
b) ³ f ( x)dx 10.
f
X (área unitária) e; (2.3)
b
c) ³ f ( x)dx P(a d X d b)
X
a
a
FX (a) ³
f
fX ( x)dx (2.4)
a) FX (f) 0.0 ;
b) 0 d Fx ( x) d 10
. e; (2.5)
c) FX ( f) 10 .
(a) (b)
dFX ( x)
fX ( x) (2.6)
dx
6
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
de ajuste em relação aos dados coletados (ou observados) do mesmo, como
será visto mais adiante.
E( X ) PX ³ xf (x)dx
f
x (2.7)
³ x f (x)dx
2 2
E( X ) x (2.8)
f
f f f f
Var( X ) ³
f
( x P X ) 2 fX ( x)dx ³
f
x 2 f X ( x)dx 2P x ³
f
³
xf X ( x)dx P 2x f X ( x)dx
f
(2.9)
2
Var( X ) E( X ) P 2X
VX Var( X) (2.10)
Vx
COV= G X (2.11)
Px
7
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
E X P x
3
T1 (2.12)
V 3x
onde
³ x P 3 fx ( x)dx
3
E( X P X ) X (2.13)
f
E X P x
4
T2 (2.15)
V 4x
onde
³ x P 4 fx ( x)dx
4
E( X P X ) X (2.16)
f
f f
³ xf ( x)dx ³ xf ( x)dx
x x f
x c.g. f
area
f
.
10 ³ xf ( x)dx
f
x (2.17)
³ x xc.g.
2
Iy fx ( x)dx (2.18)
f
9
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
probabilidades é máximo. A Figura (2.4) ilustra estas medidas. Notar que para
uma distribuição simétrica e unimodal (um só pico) a média, a mediana e a
moda são iguais.
1 ª 1 x Px 2 º
f X ( x) exp« ( ) » (2.19)
Vx 2S ¬ 2 Vx ¼
10
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
0.12 1.20
Y = N(70.00,5.00)
X = N(80.00,20.00)
0.08 0.80
pdf(x), pdf(y)
F(x), F(y)
0.04 0.40
Y = N(70.00,5.00)
X = N(80.00,20.00)
0.00 0.00
0.00 40.00 80.00 120.00 160.00 0.00 40.00 80.00 120.00 160.00
X, Y X, Y
(a) (b)
X PX
Y (2.20)
VX
1 ª 1 º
f Y ( y) I( y) exp« y 2 » (2.21)
2S ¬ 2 ¼
y
) y ³ f
fY ydy (2.22a)
NP x , V x , a
Se uma variável X segue uma distribuição normal, i.e. X
probabilidade da mesma assumir valores entre a e b conforme a Figura (2.7),
pode ser obtida usando as expressões (2.20) e (2.22a), i.e.,
1 2
1 ( b P x )/ V x s b Px a Px
2S ³
P(a d X d b) e 2 ds )( ) )( ) (2.22b)
( a P x )/ V x Vx Vx
11
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
onde )(.) é a função cumulativa normal padrão.
1 ª 1 ln x O 2 º
f X ( x) exp« ( ) » (2.23)
[x 2S ¬ 2 [ ¼
ª V º
[2 ln«1 ( x ) 2 »
¬ Px ¼
(2.24)
1
O ln P x [ 2
2
0.40 1.00
0.80
0.30
F(y) - normal padrão
Y - N(0.0,1.0)
f(y) - normal padrão
0.60
Y - N(0.0,1.0)
0.20
0.40
0.10
0.20
0.00 0.00
-8.00 -4.00 0.00 4.00 8.00 -8.00 -4.00 0.00 4.00 8.00
y y
(a) (b)
Figura 2.6 - Funções (a) densidade e (b) cumulativa da distribuição normal
padrão
ln b O X ln a O X
P(a d X d b) )( ) )( ) (2.25)
[X [X
12
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
Notar que a equação acima corresponde exatamente à equação (2.22b), onde
ln X O X
a variável reduzida é definida como Y .
[X
13
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
valores extremos máximos ou mínimos não constituem uma amostragem
significativa para proceder de tal forma.
14
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidade
15
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidade
2.2.4.1 - Distribuições Teóricas de Valores Extremos Máximos e Mínimos
Assim a função cumulativa do valor máximo extremo pode ser definida como
FYn ( y) P Yn d y
FYn ( y) P( X 1 d y, X 2 d y, X n d y) (2.28)
dFYn ( y)
n>FX ( y)@
n1
f Yn ( y) f X ( y) (2.29)
dy
16
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
onde fX (.) é função densidade de probabilidades da variável inicial X.
Observe que se Y1, o mínimo entre X 1, X 2 ,, X n , é maior que y, então todas
as variáveis X1, X 2 ,, X n devem ser maiores que y. Assumindo-se as
mesmas hipóteses definidas acima, tem-se que
1 FY1 ( y) P Yn ! y
1 FY1 ( y) P( X 1 ! y, X 2 ! y, X n ! y) (2.31)
dFY1 ( y)
n>1 Fx( y)@
n1
f Y1 ( y) f X ( y) (2.33)
dy
17
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
0.25
0.2
0.15
PDF
0.1
0.05
0
0 20 40 60 80
X
parente
extremos N=10
extremos N=100
extremos N=1000
Figura 2.7 - PDF dos valores extremos máximos para uma parente N(25,5).
1
§ § x· k · § 1·
Tipo III (min.) 1 exp¨¨ ¨ ¸ ¸¸ v* ¨ 1 ¸ § § 2· § 1· · 2
© k¹ v¨ * ¨ 1 ¸ * 2 ¨ 1 ¸ ¸
(Weibull) © © v¹ ¹ © © k¹ © k¹¹
18
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
0.8
0.6
CDF
0.4
0.2
0
0 20 40 60 80
X
parente
extremos N=10
extremos N=100
extremos N=1000
Figura 2.8 - CDF dos valores extremos máximos para uma parente N(25,5).
0.25
0.2
0.15
PDF
0.1
0.05
0
0 10 20 30 40 50
X
parente
extremos N=10
extremos N=100
extremos N=1000
Figura 2.9 - CDF dos valores extremos mínimos para uma parente N(25,5).
Embora as distribuições apresentadas na Tabela (2.2) tenham sido
obtidas na análise de extremos, elas podem ser usadas igualmente como
19
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
distribuições de probabilidades para representar variáveis aleatórias que não
representem valores extremos.
§ 1 x2 ·
FX x 1 exp¨ ¸ (2.34)
© 2 V R2 ¹
§ VR ·
P Xn V R 2 lnn 0.5772¨ ¸
¨ 2 ln n ¸
© ¹ (2.35)
S
V Xn VR
2 3 ln(n )
0.8
0.6
CDF
0.4
0.2
0
0 10 20 30 40 50
X
parente
extremos N=10
extremos N=100
extremos N=1000
Figura 2.10 - CDF dos valores extremos mínimos para uma parente N(25,5).
20
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
Se Y for uma variável aleatória normal com média P e desvio padrão V, a
distribuição dos valores máximos extremos assintoticamente se aproxima de
uma Tipo I (máximos) com os parâmetros u e D dados por
2 ln(n)
D
V
(2.36)
§ ln(ln(n)) ln( 4 S ) ·
u V¨¨ 2 ln(n) ¸¸ P
© 2 2 ln(n) ¹
0.3
0.25
0.2
PDF
0.15
0.1
0.05
0
0 20 40 60 80
X
parente
extremos N=10 (exata)
extremos N=10 (assint.)
extremos N=100 (exata)
Figura 2.11 - Comparações entre as distribuições exata e assintótica.
2 ln(n)
k
[Z
(2.37)
§ § ln(ln(n)) ln(4 S) · ·
v exp¨¨ [ Z ¨¨ 2 ln(n) ¸¸ O Z ¸
¸
© © 2 2 ln(n) ¹ ¹
21
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
Para evitar grandes erros (devido ao expoente n), devemos usar como
distribuição parente da variável em análise, aquela distribuição que melhor se
ajusta aos valores observados na extremidade de interesse (máximos ou
mínimos).
Exercício 2.1
Escolha parâmetros quaisquer para três distribuições, uma normal, uma lognormal e
uma Rayleigh. Para cada uma delas compare as distribuições teóricas de valores
máximos com as distribuições de valores extremos assintóticas de acordo com descrito
anteriormente. Considere os seguintes valores n=10, 100 e 1000. (Use o Mathcad)
Exercício 2.2
Assumindo-se que as elevações da superfície do mar, num estado de mar definido por
um Hs e um Tz, constituem um processo aleatório gaussiano, é possível demonstrar que
as alturas individuais das ondas seguem uma distribuição de Rayleigh do tipo
§ § h · 2
·
FH h 1 exp¨¨ 2¨ ¸ ¸¸
© © Hs ¹ ¹
Assumindo que os estados de mar são de três horas, calcule em função de Hs, qual é o
valor máximo esperado e qual o valor mais provável da altura da onda máxima extrema
em três estados cujos Tz’s são 8s, 10.8s e 12s. Observe que o número de ondas em
estado de mar é dado aproximadamente por (duração do estado de mar)/Tz.
22
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
2.3 - Ajuste de Distribuições de Probabilidades a Dados Observados
23
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
N
1
X
N ¦x
i 1
i (2.38)
N N
1 1
s 2X
N ¦ (x X)
i 1
i
2
(
N i ¦x
1
2
i NX 2 ) (2.39)
sX Variância s 2x (2.40)
sX
GX (2.41)
X
N
1 ( xi X ) 3
T1
N ¦i 1 V 3x
(2.42)
N
1 ( xi X ) 4
T2
N ¦
i 1 V 4x
(2.43)
k
X ¦q x
i 1
i k (2.44)
a variância por
24
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
k
s 2X ¦ q ( x X)
i 1
i i
2
(2.45)
k
qi ( xi X ) 3
T1 ¦
i 1 V 3x
(2.46)
e
k
qi ( xi X ) 4
T2 ¦
i 1 V 4x
(2.47)
E( X ) PX | X
(2.48)
Var( X ) V 2X | s 2
25
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
Ou em outras palavras, qual é o valor de T que maximiza a possibilidade de
obter a sequência x1, x 2 ,, xn ? A possibilidade de se obter tal sequência pode
ser assumida como sendo proporcional ao valor da função densidade de
probabilidades (PDF) calculada em cada xi. Assim, uma função de
“probabilidades” pode ser definida como
wP x1, x 2 ,...., xn , T
0 (2.50)
wT
Exercício 2.3
26
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
distribuição (normal, lognormal, exponencial, etc.) que melhor representa o
fenômeno em observação. Em outras palavras, usando o método dos
momentos, por exemplo, podem ser calculados os parâmetros da distribuições
teóricas (ver Tabela 2.1) que reproduzem estes mesmos momentos, porém,
isto não significa que a forma da distribuição reproduza a forma do histograma
da amostra.
Q( xi )
f x ( xi ) (2.53)
dx
27
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
2.4- Várias Variáveis Aleatórias
dx dx dy dy
P( x d X d x ,y d Yd y ) f X,Y ( x, y)dxdy (2.54)
2 2 2 2
a b
FX,Y ( x, y) P( X d a, Y d b) ³ ³
f f
f X,Y ( x, y)dydx (2.55)
28
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
f
fX ( x) ³
f
fX,Y ( x, y)dy
(2.58)
f
f Y ( y) ³
f
f X,Y ( x, y)dx
sendo que o valor esperado do produto XY, i.e. E(XY), é dado por
f f
E( XY ) ³ ³ xyf
f f
X,Y ( x, y)dxdy (2.60)
E( XY ) E( X )E( Y ) P XP y (2.61)
29
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
Cov( X, Y )
U X,Y (2.62)
V xV y
U 10
. U 0.0 U 10
.
0 U 10
. U 0.0 U 0.0
30
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
ªU X1,X1 U X1,X 2 ... U X1,Xn º
« U X 2 ,X 2 ... U X 2 ,Xn »»
U « (2.64)
« Sim. ... ... »
« »
«¬ U Xn ,Xn »¼
PZ PX PY
(2.65)
VZ V 2X V 2Y
n
Z a0 ¦a X
i n
i i (2.66)
n
PZ a0 ¦a P
i n
i xi
(2.67)
n
V 2Z ¦
i 1
a i2 V 2xi
31
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
n
PZ a0 ¦a P
i n
i xi
n n
(2.68)
V 2Z ¦¦a a U V
i 1 j 1
i j ij xi V x j
X PX
Y (2.69)
VX
Y pode ser visto como uma função linear da variável X, portanto a sua média é,
n
PX 1
PY a0 ¦a P
i n
i xi
VX VX
PX 0.0
n 2
§ 1·
V 2Y ¦i 1
ai2 V 2xi ¨ ¸ Vx
© Vx ¹
2
10
.
Assim fica demonstrado que Y é uma variável normal com média 0.0 e desvio
padrão 1.0.
Z WV X P X UV Y P Y
PZ P W PU P X P Y 0.0 0.0 P X P Y PX PY
e o desvio padrão
VZ V 2X V 2W V 2Y V 2T V 2X 12 V 2Y 12 V 2X V 2Y
32
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
Pode-se observar que os resultados acima são idênticos aos valores fornecido
na Equação (2.65). Portanto, no caso da combinação linear de variáveis
aleatórias normais, pode-se também operar com as variáveis reduzidas
definidas usando a expressão (2.69).
n
Z X
i 1
i (2.70)
n
ln Z ¦ ln X
i 1
i (2.71)
E(ln Z ) OZ ¦O Xi (2.72)
n
[Z ¦[i 1
2
Xi (2.73)
33
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
Exercício 2.5
Uma determinada variável de interesse S é definida como
PBI
S
M
Z g X 1, X 2 ,, X n (2.74)
onde g(.) é uma função qualquer das variáveis aleatórias Xi (normais ou não).
Assumindo-se que as variáveis Xi são estatisticamente independentes, a média
e a variância exatas de Z são dadas por
f f
E Z ³ ³ gX , X , X
f f
1 2 n fx1 x1 fxn xn dx1dxn (2.75)
Var Z E Z 2 E Z
2
(2.76)
onde
f f
EZ ³ ³ gX , X , X
2
1 2 n 2 fx1 x1 fxn xn dx1dxn (2.77)
f f
34
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
e da variância de Z podem ser obtidas através da linearização g X 1, X 2 ,, X n
em torno da média das variáveis aleatórias, através da série de Taylor, i.e.,
¦ X P wgX , Xwx , X
n
1 2 n
Z | g P X1 , P X ,, P Xn i Xi (2.78)
2
i 1 i
E Z | g P X1 , P X ,, P Xn
2 (2.79)
2
§ wg X 1, X 2 , X n · 2
Var Z ¦ ¨
© wx i
¸ VXi
¹
(2.80)
Notar mais uma vez que além das expressões (2.79) e (2.80) serem valores
aproximados, a distribuição de probabilidades de Z não pode ser definida.
n
Y a0 ¦a X
i n
i i (2.81)
n
Z b0 ¦b X
i n
i i (2.82)
Cov( Y, Z)
U Y ,Z (2.83)
VYVZ
onde
35
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
1
§ n ·2
VY ¨
¨
©
¦
i 1
ai2 V 2Xi ¸¸
¹
(2.85)
1
§ n · 2
VZ ¨
¨
©
¦b V
i 1
2
i
2
¸
Xi ¸
¹
Exercício 2.6:
Y = S + 2T + 4W - 2.5R
Z = 1.5S + 2W - R
36
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
2.9 - Distribuições Normais Equivalentes
x
P NX
)( ) FX ( x
)
V NX
(2.86)
1 x P NX
N
I( ) f X ( x
)
VX V NX
V NX
^ >
I ) 1 FX ( x
) @`
fX ( x ) (2.87)
P NX >
x
V NX ) 1 FX ( x
) @
sendo que ) 1(.) corresponde a inversa da distribuição cumulativa normal
padrão. Em outras palavras, ) 1(p) corresponde ao valor da variável reduzida
cuja probabilidade de ocorrerem valores menores ou iguais a ela seja igual a p.
37
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
Exemplo 2.2:
Uma variável aleatória Y tem média ( P Y ) 10.00 e desvio padrão ( V Y ) 2.00 e sua
distribuição de probabilidades é uma Tipo I para valores máximos. Calcule a média e o
desvio padrão da normal equivalente no ponto y
14.00 .
Solução
onde
S 1 S 1
D 0.64128
6 VY 6 2.00
0.5772 0.5772
u PY 10.00 9.10
D 0.64128
Desta forma
fY ( y * ) f Y (14.0) 0.026522
*
FY ( y ) FY (14.0) 0.95774
> @
Para encontrarmos a normal equivalente temos que resolver ) 1 FY ( y
) . Usando uma
tabela de distribuição normal padrão tem-se
>
) 1 FY ( y
) @ ) 1>FY (14.00)@ ) 1> 0.95774@ 17258
.
Lembrando que
1 1 2
I( x) exp( x )
2S 2
tem-se que
^ >
I ) 1 FY ( y
) @` I(17258
. ) 0.089978
e assim
38
Confiabilidade Estrutural PEC/COPPE/UFRJ
Variáveis Aleatórias e Distribuições de Probabilidades
V NY
^ >
I ) 1 FY ( y
) @` 0.089978
3.3927
fY ( y ) 0.026522
P NY >
y
V NY ) 1 FY ( Y
) @ 14.00 3.3927 x17258
. 8.144976
Exercício 2.7:
P NX x
(1 ln x
O )
V NX x
[
Exercício 2.8 :
X 0.00 - 0.50 - 1.00 - 1.50 - 2.00 - 2.50 - 3.00 - 3.50 - 4.00 - 4.50 -
0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50 5.00
No. de 113318 192959 154047 85294 41072 16850 7269 2914 1312 585
ocorr.
X 5.00 - 5.50 - 6.00 - 6.50 - 7.00 - 7.50 - 8.00 - 8.50 - 9.00 - 9.50 -
5.50 6.00 6.50 7.00 7.50 8.00 8.50 9.00 9.50 10.00
No. de 266 116 51 20 18 3 5 1 2 2
ocorr.
39