Академический Документы
Профессиональный Документы
Культура Документы
mecánico
Diseño Mecánico
Presentado por:
Presentado para:
Análisis estocástico.
En estadística, y específicamente en la teoría de la probabilidad, un proceso estocástico es
un concepto matemático que sirve para usar magnitudes aleatorias que varían con el
tiempo o para caracterizar una sucesión de variables aleatorias (estocásticas) que
evolucionan en función de otra variable, generalmente el tiempo. Cada una de las
variables aleatorias del proceso tiene su propia función de distribución de probabilidad y
pueden o no estar correlacionadas entre sí. Cada variable o conjunto de variables
sometidas a influencias o efectos aleatorios constituye un proceso estocástico. Un proceso
estocástico Xt puede entenderse como una familia uniparamétrica de variables aleatorias
indexadas mediante el tiempo t. Los procesos estocásticos permiten tratar procesos
dinámicos en los que hay cierta aleatoriedad.
µ𝑆
𝑛𝑝𝑟𝑜𝑚 =
µσ
𝑚=𝑆−𝜎
𝑚𝑝𝑟𝑜𝑚 = 𝜇𝜎 − 𝜇𝑠
Esta figura muestra la distribución de m, la cual depende obviamente de las distribuciones
del esfuerzo y la resistencia. La confiabilidad de que una parte se desempeñe sin falla, R es
el área de la distribución del margen de seguridad para m >0. La interferencia es el área
1 – R donde se espera que las partes fallen. En seguida se consideran algunos casos típicos
que involucran la interferencia esfuerzo-resistencia.
Es muy probable que se use la teoría de la interferencia para resolver problemas que
implican distribuciones diferentes a la resistencia y al esfuerzo. Por esta razón se emplea
el subíndice 1 para designar la distribución de la resistencia, y el subíndice 2 para designar
la distribución del esfuerzo. En la figura 5-32 se muestran estas dos distribuciones
alineadas de manera que se define una variable x para identificar puntos en ambas
distribuciones. Ahora se puede escribir:
La confiabilidad de todos los lugares geométricos posibles de la variable se obtiene
integrando x desde -∞ hasta ∞, lo cual corresponde a una integración de 1 a 0 en la
confiabilidad R1. Por lo tanto,
Para las distribuciones usuales que se encontraron, las gráficas de R1 contra R2 aparecen
como se muestra en la figura 5-33. Ambos casos se pueden someter a la integración
numérica y a la solución por computadora. Cuando la confiabilidad es alta, la mayor parte
del área de integración está bajo el pico de la derecha de la figura 5-33a).
Conclusión
Se puede concluir del presente trabajo que los modelos estadísticos no son comúnmente
usados en el diseño mecánico para fines estudiantiles bien sea porque es algo complejo o
por que se necesitan una cantidad grandes de datos prácticos que solo empresas con un
gran poder económico son capaces de tener pero esto no quiere decir que el estudiante
deba desconocer estos modelos estadísticos porque en la industria puede llegar a toparse
con ellos por eso es muy recomendable para los estudiantes de diseño mecánico el
profundizar estos modelos estadísticos con el fin de a su debido momento si se presentase
el caso de tener que aplicar alguno tener las facultades y el conocimiento para poder
realizar esta tarea con su debido nivel de competencia.