APLICACIONES DE ANALISIS ESTOCASTICO A PROBLEMAS HIDRAULICOS JOSE LUIS SANCHEZ BRIBIESCA * RAFAEL BERNARDO CARMONA PAREDES * RAMON DOMINGUEZ MORA * OSCAR ARTURO FUENTES MARILES * * Investigador, Instituto de Ingenieria, UNAMNNN wh INTRODUCCION DIMENSIONAMIENTO DE TANQUES DE REGULACION EN SISTEMAS DE BOMBEO Antecedentes Metodologia Ejemplo numérico DETERMINACION DEL GASTO EN CANALES DE RIEGO DIMENSIONAMIENTO DE LA SECCION TRASVERSAL DE UN ENCAUZAMIENTO SELECCION DEL TAMANO DE LOS TETRAPODOS PARA UN ROMPEOLAS CONCLUSIONES BIBLIOGRAFIA ANEXO I EL METODO DEL SEGUNDO MOMENTO ANEXO II.- LAS FUNCIONES DE DENSIDAD DE PROBABILIDAD GAMMA Y BETA ANEXO III.- PROGRAMAS NUMERICOS 19 41 47 57 59 63 73 991. INTRODUCCION En la Gltima década se ha venido popularizando el empleo de un enfoque probabilistico para resolver problemas de hidréulica. Este enfoque ha sido empleado con anterioridad en otras ramas de la ingenierfa. Aun cuando sus aplicaciones a la hidréulica han sido un tanto limitadas hasta hoy, la metodologia resulta muy Gtil en la toma de decisiones, tanto por la cantidad de factores que permite considerar, como porque muchos problemas dificilmente podrian abordarse en otra forma. El objetivo de este informe es difundir esta metodologia y mostrar su utilidad mediante cuatro ejemplos de aplicacién, que se espera confirmen lo que se asienta. La idea central de este tipo de enfoque consiste en considerar que en un problema de demanda y y suministro x proporcionado por un sistema, este fallaria si el segundo es inferior a la primera, pero teniendo en cuenta que en muchos casos es necesario definir a ambos de modo probabilistico, por ejemplo mediante sus funciones de densidad de probabilidad como las que se muestran en las figs la y 1b. Supéngase por un momento que se tuviera la certeza de que el suministro fuera x,. En tal caso, la probabilidad de falla2 seria igual a la probabilidad de que la demanda fuera mayor que o igual al suministro, es decir o Pe (Xi) p(y) dy (2.1) 4 Pero si se considera que x, puede variar entre cero e infinito, de acuerdo con la gréfica de la fig 1.b, resultaré que la probabilidad de falla del sistema estar4 dada por 0.0 Pe = [| ply) ay p(x) -ax (1.2) Osx ply) ' | | y 1 Fig l.a ' \ p(x) { | | I xT * Fig 1.b En varios casos en hidréulica resulta m4s importante que conocer 1a probabilidad de falla de un sistema, la necesidad de escoger al sistema m4s adecuado para resolver un determinado problema. Los dos primeros ejemplos que aqui se presentan corresponden a esta primera categoria y en ambos la Gefinicién de ‘las densidades de probabilidad p(x) y ply) es relativamente simple. Uno: consiste en la seleccién de la capacidad de un tanque de regulacién para servir a una planta3 de bombeo de un acueducto (cap 2) y, el otro, en la seleccién de la capacidad de un canal de riego para irrigar una determinada superficie (cap 3). En otro tipo de problemas lo interesante es conocer la probabilidad de falla como base para hacer una seleccién adecuada. En estos casos, la definicién de las funciones p(x) y p(y) no es tan sencilla y para ello se emplea un procedimiento especial llamado método del segundo momento, cuyo fundamento se expone en el anexo I. Un ejemplo de esta segunda categoria de problemas es el dimensionamiento de la seccién trasversal de un encauzamiento para producir un determinado gasto producido por una creciente (cap 4). En una tercera categoria interesa conocer la probabilidad de falla, pero la determinacién de una o de las dos funciones p(x) y p(y) no es sencilla, por lo cual se emplea primero el método arriba mencionado para después encontrar la probabilidad de falla del sistema, misma que permite hacer la seleccién m4s conveniente. A esta Gltima categoria corresponde el problema planteado por la eleccién del tamafio de los tetrapodos para construir la coraza de un rompeolas. Finalmente, en el Anexo II se presenta una metodologia para el ajuste de funciones de densidad gama y beta a un conjunto de muestras de una poblacién.2. DIMENSIONAMIENTO DE TANQUES DE REGULACION EN SISTEMAS DE BOMBEO 2.1 Antecedentes Para dar agua a las ciudades de nuestro pais ha sido necesario construir acueductos de hasta poco mds de 100 kilémetros de longitud y con cargas de bombeo que llegan a alcanzar m4s de 1 000 metros. En este tipo de acueductos conviene dividir la carga de bombeo en varias estaciones por razones como las siguientes: seleccién de equipo de bombeo convencional, no de disefio especial, e instalacién de tuberfa con resistencia a la presién disponible en el mercado. Asi, un acueducto de este tipo puede representarse como en el esquema de la fig 2.1. El agua bombeada por la primera estacién llega a la segunda, donde vuelve a bombearse para seguir su camino hasta la tercera estacién y asi sucesivamente hasta llegar al sitio de entrega. En principio, la tuberia que conduce el agua bombeada en la planta PB, podria llegar directamente a la succién de las bombas de la planta PByy, sin necesidad de tener un tanque de almacenamiento. Sin embargo, ademas de los problemas que eso originaria para el control de transitorios hidréulicos por arranque o paro de equipos de bombeo, para la operacién en flujo establecido del acueducto6 se requerirfa de un sistema de control muy complejo que pudiera sincronizar maniobras de arranque o paro de bombas, ya sea por necesidades propias de la operacién o por maniobras especiales que pueden presentarse por fallas en los equipos o por cortes en el suministro de energia eléctrica. Tt PB} Pig 2.1 Para evitar tal complejidad, entre cada dos plantas de bombeo se construye un tanque que recibe el agua bombeada por PB, y da el agua que debe bombear PB,,;. Cuanto mayor sea la capacidad de regulacién del tanque menor seré la dependencia entre la operacién de las dos estaciones de bombeo consecutivas; es decir, la precisién en la sincronizacién de maniobras de arranque o paro de equipos disminuye, independientemente de que las maniobras sean programadas o por falla. Por otro lado, cuanto menor sea la capacidad de regulacién del tanque mayor seré la probabilidad de derramar agua bombeada, de alto costo, al parar PB,,, sin que PB, detenga su operacién. Sin embargo, cuanto mayor es la capacidad del tanque, mayor es su costo pudiendo alcanzar precios que no pueden pagarse. Asi, es necesario calcular la capacidad del tanque que permita tener un compromiso aceptable entre beneficio y costo. El beneficio deberaé medirse en términos del ahorro esperado por no derramar agua bombeada, volumen que podré calcularse tomando en cuenta el comportamiento estoc4stico de variables7 como el tiempo de respuesta de los operadores de las plantas de bombeo, la frecuencia de falla de equipos de bombeo y el volumen esperado de regulacién en el tanque. En el c&lculo del beneficio que brinda la construccién del tanque T, no se contabilizarén las maniobras de arranque y paro programadas por los operadores del acueducto y solo se tomarén en cuenta situaciones de falla de bombeo en PB, producidas por fallas de suministro de energia eléctrica. Asi, si N es el nimero de veces en el afio en que ocurre tal falla, V el volumen de regulacién del tanque T, y p, el costo unitario del agua bombeada, podria decirse en forma simplificada que el beneficio anual obtenido con el tanque es B= pyiN-V (2-1-1) Sin embargo, como se veré en el inciso siguiente, tanto N como el volumen de agua no derramada dependen de variables estocésticas por lo que su comportamiento debe ser descrito por funciones de densidad de probabilidad. f h be ONS Fig 2.2 Por otro lado, para calcular el costo del tanque debe considerarse que desde el disefio del acueducto se establece un nivel de operacién de dicho tanque, correspondiente tanto a los requisites de carga de succién de las bombas como a la linea de cargas piezométricas. Asi, como se ilustra en la sigura 2.2, la capacidad de regulacién del tanque estard dadapor una altura h medida desde el nivel de operacién hasta la cresta vertedora de una obra de excedencias. Sobre la cresta deber& considerarse una altura h, que permita establecer el tirante adecuado para evacuar el gasto bombeado por PB,., més un pequefio bordo libre. h, puede calcularse entonces como ha = (Qp/e-1)2/3 + bordo libre donde Q, es 1a capacidad de bombeo de PB,,, c es el coeficiente de descarga del vertedor y 1 la longitud de la cresta. Ademés, una vez seleccionado el sitio para construccién del tanque, su costo seré la suma del costo del piso (C,), comin para cualquier capacidad de regulacién, m&s el costo de las paredes y del cimacio. As{ podré escribirse que Cc = Cg + Vo-Po (2.1.2) donde p, es el precio unitario anualizado de las paredes y el cimacio y v, el volumen de su construccién. Como se indica en la ref 11, el volumen de construccién de un tanque de seccién rectangular puede estimarse con la expresién Vo = (2:b + L)+(h + hg + ha)-0.1(h + hg + ha) + + (h + hp)?-L72 (2.1.3) donde h,, h y h, son como se ilustra en la fig 2.2, b(m) la longitud del tanque y L (m) su ancho. Asi, si se acepta que el volumen del tanque puede escribirse como una funcién de la altura h, el problema de dimensionamiento de los tanques parece reducirse a optimizar la funcién B- C = py-N-V(h) ~ [Cp + Po‘Vo(h)] (2.1.4)9 Sin embargo, debe recordarse que N debe determinarse en términos de probabilidades y, m&s atin, V, solo puede ser definido de esa manera. En efecto, el volumen de agua sobre h, dependeré de la rapidez con la que los operadores actten y corten el funcionamiento de las bombas y, ademés, de la disponibilidad de volumen para regulacién, el cual puede disminuir por lluvia o azolves, o incrementarse por evaporacién o por fugas. En el capitulo siguiente se indica la forma en que pueden ser considerados varios factores para seleccionar la capacidad de regulacién del tanque. 2.2 Metodologia Con el fin de homogeneizar el c&lculo es conveniente considerar un volumen unitario v, al cual puedan referirse todos los volimenes aportados o disponibles. Este volumen unitario puede definirse como el volumen promedio aportado por la planta PB,., después del corte de bombeo en PBy. Si At (min) es el tiempo promedio que tardan los operadores en llevar a cabo las maniobras de aviso de falla y paro de la bomba, entonces v, esté definido por Vy = 60-Qp-At (2.2.1) Asi, de acuerdo con la experiencia obtenida en otros sistemas en operacién, pueden fijarse las probabilidades de que los operadores efecttien su trabajo en un lapso At, < At 6 At, >At, lo cual permitira asociar las probabilidades P, y P, a los volimenes Y1 = 60-Qg:Ati/Vy oY — Y2 = 60-Op-At2/Vu aportados por PB, los cuales pueden escribirse como10 0 aty/ at (2.2.2a) Atos dt (2.2.2b) Yu y2 En esta forma, podraé escogerse una funcién de densidad de probabilidad que cumpla con los requisitos anteriores y que, ademés, sea tal que Ply < 0) = 0, toda vez que no podra considerarse que PB,., aporte un volumen menor que cero. Esta funci6n permitira conocer la probabilidad de cada volumen y aportado por PB,, Por otra parte, de acuerdo con el sitio en donde se piense construir el tanque de regulacién, podré considerarse la probabilidad de que cierto volumen de regulacién x se incrementara en 4x,, por efectos de evaporacién y fugas, o se disminuyera en Ax, por una lluvia torrencial o azolvamiento. Con esta informacién, y considerando que P(x <)0 = 0, dado que el volumen disponible para almacenamiento no puede ser menor que cero, para cualquier volumen de regulacién x preseleccionado podr4 encontrarse una funci6én de distribucién de probabilidad que describa su comportamiento estadistico. Asi, si x se escribe como porcentaje del volumen unitario, entonces, con el comportamiento estadistico de x y de y podré determinarse el valor esperado del -volumen almacenado inmediatamente después de cada falla de bombeo en PB,. Tanto en el caso de los volimenes y aportados por PB,,, como de los disponibles para el almacenamiento x, las funciones de densidad de probabilidad deberén de tender asintéticamente a cero cuando y y x crezcan indefinidamente, teniendo cuidado en el segundo caso de que las probabilidades de sobrepasar voltimenes mayores que el nominal m4s el que corresponde a la capacidad dada por h, sean practicamente nulas. Las funciones de densidad de probabilidad que satisfacen estos requisitos son de tipo gamma, asi que podré escribirse (2.2.3a) p(y) = 2B yy) vya. (2.2.3b) Por supuesto que para cada caso deberén determinarse los valores de d, ky d. Asi, si se supone que seleccionado un volumen nominal x, se tiene un volumen disponible de almacenamiento x,, la esperanza del volumen almacenado seré ¥ (Xj Xi xi = fy pan -ay / fea) -ay (2.2.4) 0 oO De esta manera, la esperanza del volumen almacenado para la capacidad nominal x, podré calcularse como Vn = fFeo-Peo ax (2.2.5) oO El cAlculo de la integral anterior deberé hacerse numéricamente. En la ref 11 se presenta dicho cAlculo utilizando diferencias finitas. Asi, si se repite este procedimiento para distintos valores de x,, en torno a x, = 1 (igual al volumen unitario), podra encontrarse una relacién entre el volumen nominal del tanque y la esperanza del volumen almacenado v,, de tal forma que mediante el ajuste de una funcién podré escribirse: ¥, Vn(%p) Multiplicando x, por el volumen unitario v, y recordando que el volumen del tanque es funcién de la altura de regulacién, la ecuacién anterior podra escribirse en la form V(h) = vy Vp (h) (2.2.6) En adicién, y segin la zona donde se encuentre el acueducto, podré seleccionarse la probabilidad P, de que ocurra la falla12 de bombeo en un dia, de modo que si p,($/m’) es el costo unitario del agua bombeada, el beneficio anual que se obtiene con un tanque de altura h es B = 365-Pp-py:V(h) (2.2.7) eee Asi resulta que se puede definir una funcién objetivo de la forma B- C= my-V(h) - [povo(h) + Co] (2.2.8) Con el criterio de la primera derivada se puede calcular el valor de h que hace maxima la funcién objetivo. Desde el punto de vista puramente econémico, el valor as{ calculado seria la solucién al problema planteado. Naturalmente, el anélisis deberé hacerse para cada una de las plantas de bombeo del acueducto. Sin embargo, como no se trata de un negocio, sino de un servicio, puede verse también que la ec 2.2.8 permite definir el intervalo de valores de h dentro del cual B-C>0, es decir, determinar aquellos valores de la altura de regulaci6n para los cuales la solucién es econémicamente factible. 2.3 Ejemplo numérico 2.3.1 Enunciado En la proximidad de una planta de bombeo de un acueducto hay una pequefia cafiada en donde se puede instalar un tanque de regulacién. Con afines relativamente pequefios se considera que la cafiada puede tener 80 mde largo, 15 mde ancho y 15 m de profundidad. Se supone que dejando 2 m de cada lado de la cresta vertedora se tendré un buen funcionamiento de la obra13 de excedencias, de manera que puede considerarse una longitud de cresta 1 = 8.5 m. Se considera que el costo del piso del tanque, incluyendo la nivelacién del fondo, el revestimiento y la impermeabilizacién es de 85 000 $/m. El costo unitario de la obra por encima del piso del tanque, incluyendo el revestimiento, los drenes, el afinamiento y la impermeabilizacién es de 130 000 $/m. Por ltimo, se supone que un factor de anualizacién adecuado es de 0.1777, correspondiente a una tasa anual de 0.17 en 20 afios. Dadas las caracteristicas de la zona puede suponerse que una lluvia intensa y posibles azolves tendrian una probabilidad P, = 0.20 de reducir la altura de regulacién en menos de 1 m; y que por evaporacién y fugas, la altura tendrfa una probabilidad P, = 0.10 de aumentar en mas de 0.5 m. Por otro lado, el acueducto ha sido disefiado para bombear un gasto Q, = 5 m/s y se supone que con un promedio de 20 minutos los operadores avisan del paro de la planta servida por el tanque y los operadores de la planta anterior cortan el bombeo. Adem4s, se considera que la probabilidad de que estas maniobras se hagan en menos de 10 minutos es de solo P, = 0.10, en tanto que la probabilidad de que lo hagan en més de 30 minutos es P; = 0.20. El costo unitario del agua bombeada es p, = 240 $/m y se supone que la probabilidad de una falla diaria en la planta de bombeo servida por el tanque es pe = 0.20. Finalmente, por el funcionamiento a gasto establecido del acueducto y respetando la carga positiva en la succién de las bombas debe tenerse una altura h, = 3 m sobre el piso del tanque. PROBLEMA: Dimensionar el tanque de regulacién que se alojaré en la cafiada. 2.3.2 Solucién14 De acuerdo con los datos y con la ec 2.2.1, el volumen unitario de referencia seré Vu = 60 * 5 * 20 = 6000 m3 As{ resulta que con probabilidad P, = 0.10 el volumen aportado por la planta anterior ser4 menor que o igual a 3 000 my con probabilidad P, = 0.20 seré mayor que 9 000 m’. Esto significa que para definir a la funcién gamma que represente a la densidad de probabilidad de volumen aportado, referido al volumen unitario, deberé considerarse que Y. Ya 3000/6000 = 0.5 y P(ys0.5) = 0.10 0 9000/6000 = 1.5 y P(ysi.5) = 0.80 Para estas condiciones los valores de los pardmetros Ay, ky y Ay son los que se presentan en la tabla 3.1. Por otra parte, como el 4rea del tanque es de 80*12.5 = 1000 m, para el volumen unitario v,, la altura de regulaci6én es h, = 6 m y el volumen nominal es x, = 1. Segan los datos proporcionados, la altura podria incrementarse en m&s de 0.5 m con probabilidad P, = 0.10, por lo que, Xq = 6.5/6 = 1.083 y —P(x>xXQ) = 0.10 ¥ con probabilidad P, = 0.20 la capacidad del tanque podria reducirse més de 1 m, por lo cual X, = 5/6 = 0.833 y P(xsx,) = 0.20 Siguiendo el procedimiento presentado en el Anexo II de este informe, los valores de los pardmetros y,, k, y 4, de la funcién de densidad de probabilidad que cumple estos requisitos aparecen en la tabla 2.3.1.15 Con el mismo procedimiento pueden determinarse los pardémetros Yx: %& Y d, de las funciones de densidad de probabilidad gamma correspondientes a las capacidades nominales x, = 0.75 y x, = 1.25. Tales valores aparecen también en la tabla 2.3.1. A partir de los datos de la tabla 2.3.1 y de las férmulas 2.2.3 y 2.2.5 se calcularon las esperanzas de volimenes almacenados para cada una de las capacidades nominales seleccionadas. Esos valores también estén reportados en la misma tabla. TABLA 2.3.1 ya Yo ky dy y 0.500 1.500 4.327 3.940 0.024 Xn x1 x2 ky ax ” Yn 0.75 0.583 0.833 34.904 51.189 4.628x10-22 0.504 1.00 0.833 1.083 64.644 69.358 2.779x1073} 0.651 1.25 1.083 1.333 103.419 87.487 9.821x10~39 0.77 Por lo antes asentado y de acuerdo con la ec 2.2.6, la relacién entre la altura de regulacién h del tanque con capacidad nominal x, y la esperanza de volumen almacenable V(h) podré definirse a partir de para h = 4.5 m, V(h) = 0.5043 * 6000 = 3025.8 mW para h = 6.0m, V(h) = 0.6507 * 6000 = 3904.2 m para h=7.5 m, V(h) = 0.7739 * 6000 = 4643.4 m Estos datos pueden representarse por la expresién lineal V(h) = 647.407-h (2.3.1) Por otra parte, el costo dei tanque puede calcularse con las siguientes consideraciones. Como la carga necesaria para evacuar 5 m/s es16 hy = [5/(2*8.5)]2/3 = 0.442 m entonces, si se considera suficiente un bordo libre de 0.15 m podra suponerse que la altura adicional para el vertido ser4 hg = 0.60 m Por otra parte, puesto que se ha establecido que h, = 3 m, el volumen de obra en adicién al piso del tanque, segin la ec 2.1.3 sera Vo = (2*80+12.5)*(h + 3.6)*0.1*(h + 3.6) + (h + 3)2412.5/2 de donde Vo(h) = 23.5 h? + 167.7 h + 279.81 En adicién, los costos unitarios por afio para el piso y la obra restante seran, respectivamente Cp = 85000 * 0.1777 = 15105 $/m2/afio Po = 130000 * 0.1777 = 23101 $/m3/ario donde 0.1777 es el factor de actualizacién. Por tanto, el costo del tanque para una altura de regulacién A valdra C = (23.5h? + 161.7h + 279.81) * 23101 + 80 * 12.5 * 15105 de donde C= (0.543 h? + 3.735 h + 21.569) * 106 $/afio (2.3.2) Adem4s, puesto que el precio unitario del agua bombeada es7 p, = 240 $/m y la planta de bombeo tiene una probabilidad diaria de falla P, = 0.20, de acuerdo con las ecs 2.2.7 y 2.3.1 el beneficio anual obtenido con un tanque con altura de regulacién h estaré dado por B = 647.407 h * 0.2 * 240 * 365 es decir, B= 11.343 * h * 10 © $/afo (2.3.3) Finalmente, de las ecs 2.3.2 y 2.3.3 se concluye que la funcién a optimizar es B- C= (7.608 h ~ 0.543 h? - 21.569) * 10° (2.3.4) Igualando a cero la primera derivada de 2.3.4 se obtiene que la altura 6ptima del tanque es h = 7.608/1.086 = 7.00 m Pero, por otro lado, las raices de la ec B-C = 0 son H, = 3.947 my h, = 10.064 m, lo que significa que un tanque con altura de regulacién entre 3.95 m y 10.06 m es econémicamente factible. Ahora bien, con los valores consignados en la tabla 3.1, de la ec 2.2.6 se concluye que = 4,33/3.94 = 1,099 (2.3.5) Multiplicando por el volumen unitario e igualando a la ec 3.1, resulta que h = (6000*1.099)/647.407 = 10.19 > 10.06 m18 Asi, recordando que el acueducto debe brindar un servicio y no representar un negocio, es conveniente dar al tanque de u regulacién una altura h = 10 m para tener una solucién econémicamente factible, sin dejar de servir, en promedio, a ninguno de los habitantes de la poblacién abastecida. En efecto, de la ec 2.3.4, para h = 10 m (B-C)p=10 = (76.08 - 54.3 - 21.569) * 10 = 2.11 * 105 $/afio3. DETERMINACIGN DEL GASTO EN CANALES DE RIEGO De acuerdo con las etapas del ciclo vegetativo de un cultivo, se pueden fijar N etapas de riego, en cada una de las cuales debera darse una dosis D (l4mina de agua) para cubrir el area por irrigar A,, de modo que el volumen por entregar en cada etapa sera V, = D*A, y el volumen total sera V, = NV,. Cada una de las etapas de riego se puede subdividir en subetapas de cierto ntimero de dias N, en los cuales se suministra el agua solo durante determinado nimero de horas T,. Por otra parte, si el agua se suministra, dentro de un cierto nimero N, de subetapas el cultivo dar& practicamente el mismo rendimiento; pero de la etapa N,,, en adelante el rendimiento disminuira por no disponer oportunamente del agua. De esta manera, si X es el porcentaje del volumen V, que se entregue en cada subetapa, se tendré que considerar que e: riego se daré en (N, +N,) = 1/X subetapas, en donde N, es el niimero de subetapas adicionales a aquellas en las que no se castiga el cultivo. Por lo que se ha dicho puede comprenderse que el gasto que debera trasportar el canal principal para una X dada, sera 1920 Vp X x 7 NF 3600FT (3.2) Q, Ahora bien, como el drea de la seccién trasversal del canal principal aumentara con el gasto a trasportar, el volumen de construccién de este canal crecer& con la x seleccionada, de modo que su costo sera m&s grande cuanto mayor sea este porcentaje o equivalentemente, el costo ser& mayor cuanto menor sea el ntimero de subetapas de riego. Pero, por otro lado, cuanto mayor sea el valor de x, menor ser& el riesgo de dafiar a los cultivos puesto que el agua podr4 entregarse oportunamente. Asi, se necesita disponer de un criterio para escoger x de tal modo que las obras no resulten muy caras, sin que por ello se dafie a los cultivos por irrigar. En adicién, es necesario pensar en la recuperacién del dinero invertido en las obras de irrigacién, por lo cual se requiere cobrar el agua que se entregue a los usuarios. Por este motivo es posible establecer un convenio como el siguiente: 1. Todos los usuarios deben solicitar el agua dentro de las N, subetapas en las cuales el rendimiento no se afecta. 2. Si el agua se suministra en ese lapso, el costo unitario del agua sera de mw (pesos/m’) . 3. Pero si el suministro se hace en la subetapa (N,,,) el costo se disminuye a 0.75mw, en la subetapa (N,,) se reduce a 0.5nw, en la (N,,,) a 0.25mw y de la subetapa (N,,,) en adelante ya no se cobra. Este convenio parece justo porque al agricultor, el agua le costar& cada vez menos, pero obtendré menos rendimiento, en tanto que para quien suministre el agua, una obra de riego Pequefia tendré una inversién inicial reducida, pero le reportaré ganancias.21 De aceptarse este convenio, habria que pensar en subdividir en N, subéreas, cada una de las cuales tendria una cierta probabilidad de solicitar el agua en la primera, segunda, etc de las N, subetapas en las que debe hacer su solicitud. Esta puede obtenerse de otras zonas agricolas con caracteristicas similares a los de aquella en donde se vaya a hacer el estudio para sintetizar la informacién en una gréfica como la mostrada en la fig 3.1. Subetopas Fig 3.1 Si y es el porcentaje demandado del volumen a suministrar V,, cuando las N, subareas solicitaran el agua en la misma subetapa se tendria que y = 1 y asi, la probabilidad de que esto ocurrirfia en la primera subetapa seria 7, N., en la segunda m™ Ny, y asi sucesivamente, de manera que la probabilidad de que la demanda fuera y = 1 estaria dada por (3.2) Ademés, el ntmero total de subetapas si el suministro es X V, por subetapa estar4 dado por (N,+N,) = 1/X, de tal manera que segin se indica en la fig 3.2, se pueden determinar los voliimenes no cobrados cuando las cuatro subzonas pidieran el agua, simulténeamente, en alguna de las subetapas.22 T % ™ di21344 Subetapas t T 1 Ne ' Na! e! ' 1 Las 4 en ta 12 | 1 { subetapa 125.5 W,=0.75X Ve ! 1 Las 4 en 1a 2°! ' bo We=1.50X V; subetopa 1 2b, 8 1S 2 e 1 ' Fig 3.2 Obsérvese que cuando las cuatro subzonas solicitan el agua en la primera subetapa solo hay N, subetapas adicionales en las que el volumen no cobrado es (0.25 + 0.5 + ...) X Vg; en tanto que si las cuatro piden el agua en la segunda subetapa cl volumen no cobrado se incrementa y asi sucesivamente. En esta forma, si y = 1 porque todas las subéreas solicitan el agua en la misma subetapa, para determinada X la esperanza de volumen no cobrado sera (3.3) De la misma manera se pueden calcular, para distintos valores de X y y las esperanzas de voltimenes no cobradas w (X, y). Un andlisis detallado se hace para el ejemplo numérico que se desarrolla después. También de modo semejante se pucden calcular las probabilidades de P(y) para distintos valores de la demanda y. Para facilitar los cAlculos subsecuentes es conveniente recurrir a la densidad de probabilidad de y, que se ajusta bien a una distribucién 8 de la forma23 mr -2 Xx, t, p(y = y ¥ qey) ¥ (3.4) y La determinacién de los parémetros B,, r, y t,, a partir de los valores de P(y) puede hacerse por medio del programa PRG @ CAR(1) que esté consignado en el anexo III. También con el fin de simplificar los c4lculos, es conveniente expresar a ® (X, y) por medio de una funcién continua. Segtin se ha podido ver esta funci6n es de la forma % Gey) = 6 (1exy™ ylaxtn* (3.5) Finalmente, es necesario considerar que un volumen nominal X,V, que se piense entregar por subetapa no puede asegurarse, debido al manejo de los canales de riego y a las inevitables pérdidas. Por tal motivo también debe recurrirse a una distribucién beta para tener en cuenta la probabilidad de suministrar un cierto porcentaje xX. Esta funci6én es de la forma t meycd (x, 7 x) (3.6) - x pe) = gt x se Como en el caso de la f6rmula 3.4 los pardmetros B,, r, y t, se pueden determinar las probabilidades de proporcionar determinados voltmenes y utilizando el programa arriba mencionado. Con ayuda de las ecs 3.4 y 3.6 es posible conocer la probabilidad del volumen no cobrado cuando se decide escoger un canal capaz de suministrar, por subetapa, un volumen X, V,- Para ello se emplea la f6rmla24 Xn 1 . Wa) =v, t EW (xy) ply,) p(Xy) sas (3.7) Xis0 vy J A partir de los valores W (X,) para distintos voldmenes nominales es posible encontrar una expresién simple, de la forma W (xn) = (- x,)? (3.8) VED Teniendo en cuenta que habré N etapas de riego y que el costo unitario del agua es mw, se deduce que el beneficio anual obtenido por cobrar el agua se encontraré descontando del total el costo del volumen no cobrado dado por la expresién 3.8, es decir =fi - -x)? B =: Ky (L-x,) js VeTy (3.9) Por otra parte, a partir de la f6rmula 3.1, puede verse que si se quisiera disefiar un canal que solo condujera un porcentaje k s 1 del gasto Q,, para un cierto tirante @ que definiera el Area hidréulica a, = (b, + @d)d y un cierto perimetro mojado Pd = b, + (2¥1 + 6)d (para seccién trapecial) deberfa establecerse que como rq = a,/Pa Vg (kx) 2/3 si/2 (3.10) a ea My Tp* 3600 De tal modo que 2/3 (3.12) (agra) Asi, para diferentes valores de @ se pueden encontrar los valores del Area hidr&ulica a, y del producto (kx) para25 definir, mediante una correlacién sencilla una expresién que ligue a ambos. a =u (Rx) (3.12) 0 Ry En la fig 3.3 se muestra una red de distribucién de canales para riego compacta. Consta de M * M parcelas de 1 * 1 de 4rea de cada una. La red est& alimentada por un canal principal de gasto Q,, con laterales de capacidad k, Q, para llevar el agua a las parcelas. El gasto para regar cada una de las M * M parcelas ser& Q,/M?, y como la més préxima al canal principal se riega a partir del origen del lateral, la capacidad de este ser4 30,/M. Ademés el canal principal se iré reduciendo hacia aguas abajo, porque iré sirviendo a un nfimero menor de parcelas. Fig 3.3 De acuerdo con lo asentado, los factores k, mostrados en la figura 3.3 tendrén los siguientes valores kaa Ky = 1 - (kitks) = M(M-2) /m? Kk, = 1/M? ke = Ky ~ (kitks) = M (M-2)/M? ky = 2/M* Kyoa= (M-1) JM? = K_y7Ceitks) = M (M-(M-1)) /M?26 Como cada tramo tiene una longitud 1, se tendra que el volumen de excavacién de toda la red de acuerdo con la ec 3.12 estaré dado por ¥_ =U X* ger fratsate..+ (ey 9) me (mM (M2) ) 2 (M (M2) ) BF que aey 9 | (3.23) En atencién a que el 4rea del canal principal es (U.X*), resulta que la red tiene una longitud equivalente a te = gh [« (a2 bee (Me2)) + (mien)? + QM (t-2) 9+... +(M(M-(M-1) | oe Suponiendo que C, sea el costo anualizado de la obra de toma y ™, el costo anualizado unitario de los canales, el costo anual de la obra de riego sera a CaCl + (Le + LQ) TH Uy XH (3.15) En esta f6rmula 1, es la longitud del canal principal. De las ecs 3.9 y 3.15 se concluye que la funcién objetivo sera B-C = [+s (u- 2” | Nvgrw - [eo + (Lote) TU, | (3.16) Asi que con el criterio de 1a primera derivada se encuentra que a-u u (£.+£,) MY, P-1l ott! “clo an (L-x,) = Se (3.17) PK, WW, hy27 La solucién de la ec 3.17 obtenida por aproximaciones permite obtener el valor de X, que optimiza a la ec 3.16. sSustituyendo este valor en la 3.1 se puede conocer la capacidad adecuada que debe tener el canal principal y de alli deducir las capacidades de los canales que forman la red de riego. Con el fin de aclarar el material expuesto, a continuacién se desarrolla un ejemplo numérico. Se pretende irrigar una superficie de 1 000 H, mediante un canal de 3 km de longitud. La superficie se supone cuadrada, de 3162.28 m de lado y se sugiere dividirla en parcelas también cuadradas de unos 500 m de lado. Se piensa dar 6 xiegos anuales con una dosis de 0.125 m. El riego ideal debe hacerse en 4 subetapas de 2 dias c/u, considerando un tiempo de riego de 14 horas/dia. Por analogia con otras zonas agricolas similares se supone que las probabilidades de que una parcela solicite el agua de la primera a la cuarta subetapas son, respectivamente, 0.1, 0.2, 0.4 y 0.3. Se supone que los canales principales y laterales se excavarian en el mismo tipo de suelo, de modo que la pendiente y el coeficiente de rugosidad para todos seraén respectivamente 0.0002 y 0.025. Por el equipo de construccién es aconsejable dar una plantilla de ancho b = 1.2 my en atencién al terreno, usar taludes 1. Bl precio unitario del agua se estima en 1, = 50 $/m. La obra de toma tendraé un costo estimado de 300*10° $ y el costo unitario de la excavacién se supone ser 7. = 25 000 $/m’. Para anualizar los Gltimos dos costos se supone un factor de 0.1777 que corresponde a una tasa anual del 17 por ciento en 20 afios. Para cuantificar el mantenimiento se considera necesario afiadir un 10 por ciento a este Gltimo precio.28 Se desea determinar 1a capacidad del canal principal. Solucié6n Dado que el nimero de subetapas en que se debe solicitar el agua es N, = 4, se supondré que la zona por irrigar se subdivide en cuatro subzonas, cada una de las cuales tiene una probabilidad de solicitar el riego igual a la de las parcelas individuales. I. De esta manera para una demanda y = 1 las cuatro subzonas solicitarén el agua en la misma subetapa. Si el suministro fuera X = 0.125 el agua se tendria que dar en 8 subetapas, se habla de 8 subetapas porque cada subetapa dura 2 dias, de modo que si las 4 subzonas solicitaran el riego en la 1* subetapa, en las primeras 4 el volumen se cobrard integro, en la 5* no se cobrarfa (0.25 * 0.125), en la 6*, 7* y 8* se cobraria a razén de (0.5 * 0.125), (0.75 * 0.125) y, (0.125), respectivamente, para dar un total de (2.5 * 0.125). Pero si las cuatro pidieran el agua en la 2* subetapa, como en la 1* no se habria regado, el suministro tardaria una subetapa ms, en la que no se cobrarfia el volumen, de suerte que el volumen no cobrado crecerfa a (3.5 * 0.125). Con el mismo razonamiento puede entenderse que si las cuatro subzonas demandaran el agua en la 3* subetapa, el volumen no cobrado seria (4.5 * 0.125) y si en la 4* subetapa, (5.5 * 0.125). Si en cambio, el suministro fuera X = 0.25, el riego se haria en 4 subetapas, asi que en el caso de que las cuatro subzonas pidieran el agua en la 1a subetapa el volumen no cobrado seria (0); si la demandaran en la 2* subetapa el volumen no cobrado seria (0.25 * 0.25); si lo hicieran en la 3* subetapa seria (0.75 * 0.25); y, si en la 4*, serfa (0.5 * 0.25).29 De la misma manera, para un suministro X = 0.375, el agua se entregarfa en 3 subetapas, suministrando (0.375) en las dos primeras y (0.25) en la Gltima. Por este motivo si las cuatro subzonas pidieran el riego en la 1* o 2* subetapas no dejaria de cobrarse nada; si en la 3* subetapa dejaria de cobrarse (0.25 * 0.25) y si en la 4*, el volumen no cobrado seria (0.25 * 0.375 + 0.5 * 0.25). Para simplificar las cosas se usar la notaci6n P(J, i) para indicar la probabilidad de que J subzonas soliciten el agua en la i-ésima subetapa. Asi puede formarse la siguiente tabla para distintos valores de P(J, i) y los valores de los voliimenes no cobrados para distintos suministros x. TABLA 3.1 P(J,i) xX = £125 X= .25 xX = .375 P(4,1)=.1%=.0001 2.5*.125 = .3125 0 0 P(4,2)=.2"=.0016 3.5*.125 = .4375 .25*.2 0625 0 P(4,3)=.4"=.0256 4.5*.125 +5625 .75*.25=.1875 .25*.25 0625 0 P(4,,)=.3"=.0081 5.5*.125 = .6875 1.5*.2! +375 .25*.375=.21875 De acuerdo con la ecuacién 3.2 la suma de los valores de la primera columna ser4 igual a la probabilidad de que la demanda sea y = 1, es decir P(y=1) = .0001+.0016+.0256+.0081 = .0354 La f6rmula 3.3 permitira conocer las esperanzas de volimenes no cobrados para distintos valores del suministro X, cuando la demanda sea y = 1 10001*. 3125+. 0016*.4375+.0256*.5625+.0081*.6875_ sa47 +0354 W(x=.125, y=1. Y (x=.25, yer)= ~0016*.0625* 0256*.1875+. 00814 .375 =,2242 +0354 -0256*. 0625+. 0081*. 21875 W (x=.375, yel)= ae =.0952530 II. Para que la demanda fuera y = 0.75 se necesitarfa que 3 subzonas solicitaran el agua en la misma subetapa. Para facilitar el an&lisis de las subzonas se designar4n por A, B, Cy D. Si la subzona que no demandara el agua en la misma subetapa se indica entre paréntesis, deberdén considerarse cuatro posibilidades (A) BCD, A(B) CD, AB (C)D y ABC(D). Ahora, cuando tres de las subzonas demandaran el riego en la misma subetapa, habria la posibilidad de que la restante 1a solicitara en cualquiera de las otras tres subetapas. Por otra parte, si el suministro fuera X = 0.125 y las tres subzonas que solicitaran el agua simulténeamente ‘lo hicieran en la 1* subetapa, como de todas maneras el suministro se harfa en 8 subetapas, independientemente de cuando solicitara el riego la restante subzona, el volumen no cobrado serfa (0.25 + 0.5 + 0.75 + 1) * 0.125. En cambio si las tres subzonas demandaran el agua en la 2° subetapa y la 4* subzona la solicitara en la 1* subetapa, el volumen no cobrado volveria a ser (2.5 * 0.125), pero si lo hiciera hasta la 3* o 4* subetapas aumentaria a (3.5 * 0.125). r TABLA 3.2 105 K=.25 P(3,a7Le2)=4*.1°#.2=,0008 2.54.125=.3125 ° P(3y171y3)=4*.1°*.4=.0016 — 2.5%.125=.3125 0 P(3,171,4)=4*.1°*.3=.0012 2.5*.125=.3125 0 P(3,272,1)=4*.2°*.1=,0032 2.5*.125=.3125 0 P (3,271, 2)=4*.2°#.4=.0128 3.5*.125.4375 .25*.25=.0625 P(3,271,4)=4*.2°*.3=,0096 3.54.125".4375 .25*.25=.0625 P(3,971,1)=4*.42*.1=.0256 2.5*.125=.3125 .25*.25=.0625 P(3,371,2)=4*.4°*,2=,0512 3.54.125".4375 —.25*.25=.0625 P(3, 37,4) =4*.4°*,3=,0768 4.5%.125=.5625 .75*.25=.1875 .25*.25=.0625 P(3;yglp1)=4*.3%%,2=,0108 3+5*+125".4375 .75*,25=.1875 .25*.375=.09375 P(3,432,2)94*.3°*.4=.0216 3.54.125=.4375 .75*.25=.1875 25%. 375=.09375 P(3,yiL, 4)=4*.3°*.4=.0432 4,5%.125=.5625 1. 75*.25=.1875 .25*.375=.0937531 Con razonamientos similares se ha hecho el anAlisis para los casos restantes cuando la demanda es y = 0.75 y se consideran distintos valores del suministro x. De nueva cuenta por las ecs 3.2 y 3.3 se obtiene P(y=.75) = .0008+.0016+...+.0216+.0324 = .2584 B(xe.125, yo. 75ye0008# 3125+. 0016*, 3125+. . +, 02164 .4375+.04324 5625. 4799 +2584 Uxa. 25, y=. 75) OtOLOrO. 128% 06254... .+.0216% 1875+ 043281875. 1346 +2584 B xe.375,yo.75) = +0768". 0625+ (.108+.0216+.0432) *.09375 . g469 +2584 III. Para que la demanda fuera y = 0.5 existen dos tipos de posibilidades; o bien una pareja de subzonas pide el xiego en una determinada subetapa y otra pareja en otra subetapa diferente, o bien una pareja la solicita en cierta subetapa y las dos restantes en alguna distinta de las tres subetapas restantes. En el caso de la primera posibilidad las combinaciones serian AB y CD, 0 AC y BD o AD y BC, si bien estas combinaciones podrian invertirse para dar un total de 6 posibilidades. Si solo una pareja pidiera el riego en la misma subetapa las combinaciones serfan (AB), C, D, 0 (AC), B, D, © (AD), B, C, © (CD), A, C, © (BD, A, C, © (BC), A, D; pero en cada una de ellas la subetapa en las que no agrupadas pidieran el agua podria invertirse, de modo que habria 12 posibilidades. Ahora bien, si X = 0.125, y una pareja solicitara el agua en la 1*. subetapa y otra pareja en la 2* subetapa, como el agua se suministraria en 8 subetapas, el volumen no cobrado seria (0.25 + 0.5 + 0.75 + 1) * 0.125. Otro tanto sucederfa si una pareja solicitara el riego en la32 1*. subetapa y de las dos subzonas restantes, una la pidiera en la 2" subetapa y otra en la 3*, o una en la 3* y la otra en la 4°. Con razonamientos similares se elabor6é la siguiente tabla. P P (2, 452,2)=6(.1?*.2?)=.0024 P(2y142, 3)=6(.1°*.4*)=.0096 (2,152, 4)=6(.1°*.3?) =. 0054 P(2ya¢hy2 5h, 2)=12(.17*.2*. 4) =.0096 P(2ya5Ly2 22s 4)=12(.12*.2*.3)=,0072 P(2y15 Ly seen) =h2(.1?*.4*.3) = 0144 P(2/252y3)=6(.27*.4?) = 0384 P(2y242y4)=6(.27*.3*)=.0216 P(2y2 52,1 /L,a)A12 (.2?*.1%.4)=.0192 P(2yq7L pa /Ley) 12 (.2?* 24.3) =,0144 (2,25), as4)=12(.2?*.4*.3)=.0576 P(2,3324)=6(.47*.3")=.0864 P(2ya¢Leipds2)=12(.4?*.1*.2)=.0384 P(2y 351425144) P(2 ylides) P(2, P(2, TABLA 3.3 125 X=.25 X=.375 2.5*.125=.3125 ° o 2.5% .125=.3125 0 0 2.5*,125=.3125 .25*.25=.0625 .25*.125=.03125 2.5% .125=.3125 0 0 2.5%,125=.3125 0 0 2.5% .125=.3125 0 0 3.5*,125=.4375 -25*.25=.0625 0 3.5%.125=.4375 .25%,.25=.0625 .25*.125=.03125 2.5%.125=.3125 0 0 2.5% .125=.3125 0 ° 3,5%.125=.4375 .25*.25=.0625 ° 4.5% .125=,5625 .75*.25=.1875 -25*.125=.03125 2.5% .125=.3125 ° 0 2.5*,125=.3125 | .25*.25=.0625 0 3.5%.125=.4375 .25*.25=.0625 0 2.5*.125=.3125 .25*,25=.0625 .25*.125=.03125 2.5%.125=.3125 | .25*.25.0625 .25*.125=.03125 3.5*.125=.4375 .25*,25=.0625 .25*.125=.03125 Una vez m4s las férmulas 3.2 y 3.3 permiten calcular P (y = 5) = .0024+.0096+...+.0432+.0864=.6486 fy (e.125,76-5) = =0024*.3125+. 00964. 3125+. . +.0432*.3125+.0864*.4375 _ _4g7 +6486 (xe.25, yous) = 200544. 06254...+-0432%.0625 + 0864 * .0625 ae -6486 % (ue.375,yo.5) = 00544-03125 +... +.0432 *.03125 + 0864 *.03125 91275 +648633 Iv. Para una demanda y = 0.25 se necesitarfia que c/u de las 4 subzonas pidiera el riego en una subetapa diferente, lo que significa 24 posibilidades de hacer los arreglos ABCD. Asi para este caso se tendria que P(y=.25) = 24*.1*.2*.4*.3 = 0.576 Si el suministro fuera X = 0.125, como el agua se entregaria en 8 subetapas, el volumen no cobrado seria (0.25 + 0.5 + 0.75 + 1) * 0.125 = 0.3125, de modo que “W (x=.125, y=.25) = 23125 En cambio para X = 0.25 o 0.375 el agua podria suministrarse dentro de las 4 primeras subetapas, de modo que W (xX=.25, y =.25) = 0. y W (X=.375, y=.25) = 0 V. Los resultados anteriores pueden resumirse en la siguiente tabla. TABLA 3.4 W(X,y) x +125 =25 +375 Ply) y 1 585 +224 095 +0354 275 +480 +135 .046 +2584 5 407 +068 = 013 6486 +25 +313 0 0 +0576 Como puede verse, 1a suma de los valores de la Gltima columna es 1 porque las demandas consideradas han sido y = 1, 0.75, 0.5 y 0.25, Por lo dem4s, a pesar de las aparentes complicaciones el andlisis puede hacerse sobre las mismas bases si se dispone de34 mayor informacién, es decir si se consideraran m&s subetapas Y se sugiera la probabilidad de que las correspondientes subzonas solicitaran el agua en c/u de ellas. Ahora bien, a partir de los datos consignados en la tabla 3.4 resulta que una expresién analitica de w (X, y) est& dada por la £6rmula 6.227 , (4.704 X+.136)* W (X,y)= 1.344 (1-x) (3.18) En la figura 3.4 se muestran con trazo lleno los valores obtenidos con la expresién anterior y los de la tabla 3.4, con pequefios circulos. Como puede verse 1a concordancia es satisfactoria. Adem4s para X = 0 los valores de W (x, y) son de solo un poco més del 30 por ciento mayores que 1, desviacién de poca significacién dado que, como se vera después, la probabilidad de que X sea nula es muy reducida. Finalmente, con la £6rmula 3.18 también puede verse que para X = 0.5 los valores de # (xX, y) son prdcticamente nulos. W(xy) 0.6 | 04 0.2 0.0 0 025 050 0.75 doy Fig 3.435 Para determinar la funcién de densidad de probabilidad de la demanda se ha dibujado la gréfica mostrada en la fig 3.5, en 1a que se anotan los valores de la altima columna de la tabla 3.4 y las mitades correspondientes. Fig 3.5 025 050 075 1.0 De esta figura se puede obtener que P(y<.5)=.0576+.3243=" .3819 y P(y<.75)=.3819+,3243+.1292=.8555 Con estos valores y teniendo en cuenta que y puede ser menor o igual a 1, se puede definir “1 tyern1 7 y py) =b y (b-y) ¥ ¥ (3.19) Mediante el programa "PRG@CAR X" el mejor ajuste se obtiene para los valores b= 1 By = 02425 3.6 ty, = 6.47 Y y Por otra parte, para definir a la funci6én de densidad de Probabilidad del suministro, dada una X, mominal, por experiencia con otras zonas agricolas se supone que36 P(X 2 0.8 X,) = 0.2 y P(X s 0.6 X,) = 0.2. Con estos valores es posible para cualquier X, definir la funcién x xt og x) (3.20) x n ble p(X) = Utilizando de nueva cuenta el programa "PRG@CAR X" se obtuvieron los valores consignados en la siguiente tabla TABLA 3.5 x vy ty By 35 15 10.46 8.9107" +375] 15 10.46 | 2.586107" 25 15 10.47 5.482*10° 7% +125 | 16.3 11.4 9.887810" De esta manera, al sustituir las férmulas 3.18, 3,19 y 3.20 utilizando los valores para p(y) antes consignados y para p(X) segin la capacidad nominal seleccionada, por medio del programa "PRGOCAR ¥", se calcularon las esperanzas de volimenes no cobrados para cada valor de X,. Estos resultados se muestran en la tabla TABLA 3.6 x, wx) 25 +029 2375 -088 £25 +250 +125 +633 Ajustando estos valores se encontr6é que en correspondencia a la ec 3.8 se puede establecer que37 - 8.4317 (3.22) =v* = W (x,) =v, * -1379 (1.323 - x) Teniendo en cuenta que N = 6, Vy= 0.125 * 1000 * 10* y mw = 50, se concluye que el beneficio, de acuerdo con la ec 3.9 estar dado por 8.4317 B = (1-.1379(1.3231-x,) ) *375*10° $ /afio (3.22 Por otra parte, en atencién a la 3.11 y con los valores consignados en el enunciado se concluye que 1/2 Ny 759*3600*T 1/2 D/s _ +0002 2*3600*/4 Ta = roms * “TrasRrgs = 045617 De manera que puede establecerse que (kX) = 0.045617 (a r*”) puesto que ahora el ancho de plantilla es b, = 1.2 my el talud es @ = 1.5 podrén valuarse para distintos tirantes d las areas a= (b, + 1.5d)d, los perfmetros mojados p = 1.2 + 3.606d y los xadios hidréulicos r = a/p, lo que permitiraé calcular los valores de (ar’*)d y con ello obtener el monto de (kX). Procediendo de esta manera se elaboré la tabla TABLA 3.7 a a (kx! of a) -003969 4 +72 +013804 6 1.26 -029870 8 1.92 +052948 1 2.70 -083858 1.2 3.60 +123394 1.4 4.62 +172327 1.6 5.76 +231396 1.8 7.02 +301327 2 8.4 +38281738 Por medio de una correlacién simple pudo establecerse que la xelaci6én entre los valores de a y los de (kX) es v4lida la f6rmula, equivalente a la 3.12 de la forma ‘a = 17.1811 (kx) *7444 (3.23) Ahora bien, puesto que la zona por regar tiene por lado 3162.28 m si se subdivide en 36 parcelas, cada una tendria por lado una longitud 1 = 3162.28/6 = 527 m. Con este valor y en atencién a que M = 6, de la f6rmula 3.14 se concluye que la longitud equivalente de la red sera 527 (142 7444, 5° 7444) 430° 744g 2g 844g 74444 36,7444 a2 74gg 7444] es decir (‘s De acuerdo con los datos del enunciado el costo anualizado de la toma serA C, = 0.1777 * 300 * 10° = 58.64 * 10° $/afio 3964] Bn tanto que el precio unitario anualizado de la excavacién sera ry = +1777*25000*1.1= 4886.75 8 /m? /afio Asi que segin la 3.15, puesto que el canal principal tiene una longitud de 3000 m, el costo anual de la obra de riego tendré por valor 58.64*10 (6964) *4006.75¥17.1811x, "7444 (3.24)39 De modo que por la 3.16 la funci6n objetivo ser4 B-c= (316.36- (52.713 (1.3231-x,) °° 4327_seq.7x +7444) #10 § g/aiio En estas condiciones la expresién 3.17 toma la forma +2556 n (1.3231-x,) 7°43272 .9747 (3.25) La solucién de esta ecuacién es X, = 0.2784. Para este valor la funci6én B-C resulta ser (B-C)yx = 15.88 $/afio > 0 Esto demuestra que la solucién es econémicamente adecuada Por otro lado, de acuerdo con la 3.1 la capacidad del canal principal seré 1250000*.2784 _ % 5 Q, = F-35600 Sota = 3-452 ¥ 3.45 m/s y dado que S$ = 0.0002, n = 0.025, @ = 1.5 y b, = 1.2 m, el canal principal deberé tener un Area hidréulica con tirante de d= 1.74 m.4. DIMENSIONAMIENTO DE LA SECCION TRASVERSAL DE UN ENCAUZAMIENTO Para una seccién trapecial con ancho de plantilla b y designaci6én de taludes k, el Area, el perimetro mojado y el xadio hidréulico estén dados respectivamente por a= (b+ ky) y (4.1) p=b+ (2 /1i+k*?) y (4.2) x = a/p (4.3) De esta manera, si s es la pendiente y £ el coeficiente de rugosidad segiin Manning, el gasto que puede trasportar un cauce con las caracterfsticas arriba indicadas ser a r2/? 51/2 a ZT (4.4) Por otra parte, si la superficie drenada por el cauce es A,, el coeficiente de escurrimiento es c, la altura de lluvia es h y el tiempo base del escurrimiento es t, y se supone un hidrograma triangular, se puede concluir que el gasto de pico es 4142 2a,ch Qp = (4.5) Como ordinariamente en tramos cortos no hay practicamente almacenaje en el cauce, podré establecerse que si Q: > Qr, el cauce seria insuficiente para trasportar el gasto escurrido. Ahora bien, es necesario tomar en cuenta que la férmula de Manning no tiene una aceptaci6n universal, que el factor ar*/* podria cambiar si el encauzamiento estuviera alojado en material granular y que no es posible precisar exactamente los valores de la pendiente s y del coeficiente de rugosidad £. En estas condiciones puede suponerse que M sea una variable aleatoria que tome en cuenta la confiabilidad de la formula de Manning, G otra variable aleatoria que considere la variabilidad de ar’? y tanto S como F sean dos variables de este tipo que reflejen el grado de confianza que se tienen en syf. En adicién, se puede suponer que N sea otra variable aleatoria que tenga en cuenta la confiabilidad de que un hidrograma triangular represente correctamente al escurrimiento y que C, H y T, sean otras tantas variables aleatorias que permitan considerar la variabilidad de c, h y ts. Con excepcién.de H, las restantes variables aleatorias pueden suponerse con distribucién normal, de manera que sus valores dependan de las medias y las desviaciones esténdar que se escojan para cada caso. Lo mas comin es considerar que H tiene variacién exponencial y, dentro del rango de valores que se desee estudiar, seleccionar para ella una distribucién normal equivalente.43 Con estas ideas es posible establecer una funcién de operacién tal que 2/2) gi/2 NALCH cix,) = Metaxt/) silt | Te wel B Por supuesto que en esta férmula X, representa a las variables Cc, F, G, etc. Adem4s, la funcién de dperacién es tal que si G(X) < 0 el encauzamiento caracterizado por (ar”?) sera insuficiente. El caso limite ocurrira para G(X,) = 0. Para determinar en qué condiciones se presenta este caso se puede recurrir al método del segundo momento, que permita determinar la probabilidad de falla de la ‘seccién estudiada. Asi, al utilizar la metodologia expuesta en el anexo I podré establecerse primero que aG(X, ay2 ays) GSt/ Ty (ar?/3) Sg act ase 2/3) MS i, (ar?/?) =o, (4.6b) act NH = = (2R,) 5 ou (4.69) (2a,) BSB og (4.6n) 2 7 B De esta manera podrén calcularse los cosenos directores asociados a cada una de las variables por medio de la expresién Ar) i ae G (4.7)44 ¥ asi, para el caso limite, la ec 4.6 permitirdé definir a la variable estandarizada @ que har&é posible definir la confiabilidad de la seccién caracterizada por el parémetro ar? y se escribe 2A, = = — — a= (4.8) (R - ayoy8) (C - 0,8) (H - ay0,8) (F - a,0,8) (ar?/?) (H ~ ayoys) (G - agoge) (T, - “n°, (B-a,o,6)/* La determinacién de los parametros estadisticos %, y 0, puede verse en la referencia A. Por lo demés el cAlculo de B a partir de la 4.8 se hace por aproximaciones sucesivas empleando, por ejemplo, la regla de oro. El cAlculo de los cosenos directores segin la 4.7 puede simplificarse si se emplea el programa "PRG @1" y el de la B si se utiliza el "PRG 2". ambos aparecen en el anexo I. Esta forma de proceder por etapas és aconsejable para el principiante, si bien puede emplearse un programa similar al "PRG 3" para ahorrar tiempo. Este otro programa, que también estA consignado allf, se utilizaré en el subcapftulo siguiente. Por otra parte, la determinacién del pardmetro (ar*/?) puede hacerse mediante el pequefio programa "PRG 5", ‘también consignado en el anexo I. Con el fin de ejemplificar 1a metodologia expuesta, supéngase que de acuerdo con la referencia A se dispone de la siguiente informacién I = 1.0 i 0.061 Nelo); Oy = 0.2 G=1.258 ; oo, = 0.111 C= 0.234 ; = 0.051 B= 0.0009 ; o, = 0.00008 H= 0.03 ; oy = 0-023 F = 0.03 ; = 0.003 T, = 3-6 ; = 0.516 or B 2A, = 56666.6745 ¥ considérese que para un encauzamiento de seccién trapecial, con ancho de plantilla b = 20 my taludes k = 1.5, se desea determinar el tirante y para que el encauzamiento tenga una probabilidad de falla P, = 0.01. Para empezar, con ayuda del Programa "PRG @5" puede encontrarse que si yeo4.5m, (ax?) = 268.18 y=5.0m, (ar?) 324.08 y=s5.5m, (ar?) = 385.22 En esta forma, para (ar”? y con ayuda del programa "PRG 01" y haciendo .,X, = X, se calculan los valores ,,,a, de la primera iteracién que se muestran en la tabla 4.1. Con estos datos, mediante el programa "PRG @2" se determina un primer valor 6,) y a partir de 61 se calculan nuevos valores (Xi = Kies 01 B para cada una de las variables. A su vez, ellos permiten definir nuevos valores ,,a, con los cuales vuelve a determinar una nueva 26; y asi sucesivamente, hasta que (q)Bi~i-1)6i TABLA 4.1 1* iteraci6n 2* iteracién 3* iteracién aX ay % aX cay oX (3% M 1.0 0.1946 0.9997 0.1241 0.9998 0.1192 G 1.256 0.2817 1.1976 0.1886 0.2201 0.1777 S 0.0009 0.1417 0.00088 0.0927 0.00089 0.0881 F 0.03 -0.3188 0.0318 -0.1919 0.0310 -0,.1891 N 1.0 -0.2092 0.0808 -0.3758 1.1359 -0.3433 C 0.234 -0.2279 0.2565 -0.4038 0.2712 -0.3667 H 0.03 -0.8018 0.0656 -0.8018 0.596 -0.7525 3.6 0.1499, 3.4506 0.3037 3.3167 0.3034 wh = 1.9319 iB = 1.8082 (8 = 1.804346 Asi, como 1.8082/1.8043 = 1.00, se considera que la # asociada al valor (ar?) = 268.18 es @ = 1.8043. Procediendo de la misma manera para los otros valores de ar*/? se encuentra que (ax?) 8 324.08 2.1938 385.22 2.5672 En esta forma con las tres parejas de valores puede establecerse que (ar?/*) = 268.18 + 157.63 (8 - 1.804)2+19? Ahora bien, como para P = 0.01 en la tabla de distribucién normal se encuentra que fy.5, = 2.327, de la expresién anterior resulta que (ar?/?) = 345.4 o.oa Finalmente, con ayuda del programa "PRG @5" se determina que este valor corresponde a un tirante y = 5.18 m. As{ la solucién del problema es emplear una seccién trapecial con el ancho de plantilla y taludes especificados y con un tirante de 5.18 m.5. SELECCION DEL TAMANO DE LOS TETRAPODOS PARA UN ROMPEOLAS Supéngase que V es el volumen de un tetr&podo; @, la inclinacién de talud de la coraza; K, el coeficiente de estabilidad que depende, para el tetrapodo, de la forma de trabajo (olas rompientes o no) y 7, y Wy las densidades del material de que esta hecho el tetraépodo y del agua de mar, respectivamente. A partir de estos valores pueden definirse el didmetro nominal d = v*? y las constantes C, = cot@ y S = (¥:/Y.) - 1. En términos de estos valores puede establecerse la f6rmula que encontré Hudson para relacionar el volumen de un tetraépodo con H, la altura de la ola que puede soportar una coraza hecha con elementos de ese volumen, la cual consiste en H a (5.1) s Ahora bien, como los valores de d, Cz, Ky y S varian dentro de, cierto rango y no se les puede precisar con exactitud, se les considera como variables aleatorias con distribucién normal, de tal manera que su variabilidad se expresar4 en términos de sus valores medios y sus desviaciones estdndar, mismos que deberén seleccionarse de acuerdo con la experiencia del disefiador. 4748 Por otra parte, diversos autores han encontrado que en la ec 5.1 también debe intervenir la esbeltez de la ola (que es una forma indirecta de considerar su periodo) y por ese motivo se ha afiadido una variable Q, también aleatoria y con distribucién normal, que toma en cuenta este hecho. Asi, de la ec 5.1 puede concluirse que la altura de la ola que puede soportar la coraza estar4 dada por ra uy, = 28 atl" (s.2) Q Para encontrar la probabilidad de que resista una coraza hecha con tetrépodos de cierto tamafio, se puede emplear el método del segundo momento que se describe en el anexo I. De acuerdo con 61 debe empezarse por definir la funcién ys as (C,K,)?/ G(x) = Hy —§ ——S (5.3) Segin el procedimiento mencionado deberén calcularse aG(X;) S(CAK,) —i..-— to og (5. 4a) ax, Q aGix,) a(C,K,) i .-— FD, (5.4b) axe Q s ae (5.4c) =-— (5.4a) 30 cy /F as (C.K) s—— TD (5.4e)49 Con estos valores podrén definirse los cosenos directores mediante (5.5) Después, de la ec 5.3 podra obtenerse (@ - aoe) (3 - a,0,8) [(E - a,o98) (R - 20,8] (5.6) @ - a,oge Siguiendo la metodologia expuesta en el anexo I, a partir de la ec 5.6 sera posible calcular la @ asociada a cada altura de ola H, que podria soportar la coraza. Al emplear esta ecuacién debe tenerse que para valores pequefios de H, la B sera negativa, lo cual significa que la probabilidad de no soportar olas de pequefia altura seré muy reducida (4rea sombreada en la fig 5.1). #(Hx) Fig 5.1 Funcién de densidad de probabilidad de altura de ola que Puede soportar 1a coraza del rompeolas50 Por el contrario, para 6 > 0 la probabilidad de soportar alturas de ola mayores se ir& reduciendo al aumentar H,. El cAlculo de 8 se simplifica si se emplea el programa "PGRO3" Ahora bien, si se supone que la probabilidad £(H,) tiene distribucién normal, podrén seleccionarse dos valores fy para una Hy < fi, y fy para una Hy > —, con el fin de establecer que Hy = Hy + By oy (5.7a) H, (5.7b) v Hy + By Oy La solucién de este sistema permitird definir la media fi, y la desviacién esténdar o, de la altura de ola que puede soportar una coraza hecha con tetrépodos de cierto tamafio. La funcién de densidad de probabilidad de H, estarfa dada por (5.7) £ (HL) = Con el objeto de facilitar los cAlculos posteriores es conveniente seleccionar ademés los valores H, y H, tales que P(H, < H,) < 0.005 y P(H, > H,) < 0.005. Por otra parte, para el sitio de interés para distintos periodos de retorno se puede calcular la altura significante del oleaje fi,,, en términos del cual se puede definir el pardmetro (ya)? (5.8) 16 De esta manera, al suponer que la altura de las olas Producidas por una condicién meteorolégica de periodo de retorno T, tiene una distribucién Rayleigh, se puede conocer51 la probabildiad de que las olas sobrepasen una altura H, determinada, mediante 1a expresién = (2 e7 (HY /8m,) P(H> HY) (5.9) Ahora bien, por una parte se ha encontrado en Shore Protection Manual (1984) que si la relacién altura de ola producida por el meteoro entre altura de ola soportable por la coraza es mayor que 1.10 la estructura puede fallar. Sin embargo, tal cosa se bas6 en ensayos con oleaje monocromético (que corresponde a las olas con igual altura y periodo), lo cual no acontece en la naturaleza. Por otra parte, también se ha encontrado (Van der Meer, 1984) que se requieren muchas olas con esas caracteristicas para llegar al fracaso. Adem4s, como las olas suelen viajar por grupos y que aquellos que producen los mayores dafios son los formados por el mayor nimero de olas (Per Bruun, 1973). De acuerdo con esta informacién se supone que la probabilidad de que los grupos de n olas de altura mayores que 1.10 H, (la altura soportable por la coraza) podria representarse haciendo G(n) = 1- 1/n (5.10) Asi resultaria que G(3) = 2/3 y G(1000) = 0.999, lo cual concuerda toscamente con los datos consignados en la literatura (Van der Meer, 1988) . Por otro lado puede pensarse en que es ms probable que existan trenes con pocas olas que trenes con muchas, de tal manera que la probabilidad de que ocurra un tren de n olas podria estar dada por52 G(n) = 1/2" (5.11) De esta manera, la probabilidad media de que las olas de altura superior a 1.1 H, hicieran fracasar a la coraza estarfa dada por (1-1/n) /2” (5.12) Facilmente puede verse que G tiende al valor 0.30685, de modo que considerando que no todas las olas dentro de un tren tendrén la misma altura y pensando en simplificar las cosas, puede aceptarse que G = 0.3. Estas hipétesis, que deber4n ser comprobadas, permiten tomar en cuenta tamafios de tetr4podos que,no resulten tan pequefios que parezcan inseguros, ni tan grandes que resulten antieconémicos. De lo anteriormente expuesto se concluye que la probabilidad de falla de un rompeolas hecho con tetr&podos de cierto tamafio cuando actuaran olas de periodo de retorno T, estard dada por H, B p(t.) = 0.3 fo £00 en (1-14) 7/8m, ay (5.13) Hy El cAlculo de P,(T,) puede agilizarse si se usa el programa "PGROA". Ahora bien, con el fin de proponer un criterio uniforme para la seleccién del tamafio adecuado de los tetrépodos, sin comprometerse a un cierto periodo de retorno, es conveniente dibujar la gr&fica P,(T,) vs P = 1/T,. Teniendo en cuenta que aP, = P, dP, al encontrar el Area bajo esa curva, se obtiene el53 valor esperado de la probabilidad de falla, B,. Se propone aceptar tamafios de tetrapodos tales que B, < 0.01. Con el propésito de ejemplificar las ideas expuestas supéngase que, de acuerdo con SA4nchez y Fuentes (1984) en un determinado sitio se dispone de la siguiente informacién para ciclones con distintos periodos de retorno. TABLA 5.1 VALORES DEL AREA (m*) BAJO EL ESPECTRO DEL OLEAJE PARA VARIOS PERIODOS DE RETORNO (ANOS) T, m, 5 1.891 10 4.000 20 5.180 25 5.350 50 6.010 100 6.630 Ademés, se desea saber si puede construirse una coraza con tetr&podos de volumen V = 16.17 m? (d = 2.53 m) cuando sobre ella pueden romper las olas y su talud es 3:1. También existe la informaci6én de la tabla 5.2. TABLA 5.2 MEDIA Y DESVIACION ESTANDAR DE LAS VARIABLES ALEATORIAS QUE INTERVIENEN EN EL DISENO DEL ROMPEOLAS % x % a 2.53 0.780 s 1.33 0.390 K 7.00 0.546 c 3.00 0.150 Q 1.32 0.13954 Con los valores de la tabla 5.2 mediante el programa "PGRO3", para distintos valores de H, y sus B correspondientes, se ha formado la tabla 5.3 TABLA 5.3 ALTURAS DE OLA QUE PUEDE RESISTIR EL ROMPEOLAS Y PARAMETROS 8 Hy 8 H, ——+ 5.0 - 3.156 P(H, < 5) = 0.0008 ~ 2.219 6.0 ~ 1.406 HO ——+ 6.5 = 0.6719 = 0.0313 5 0.5469 H, ——+ 8.0 1,063 8.5 1.531 9.0 1.938 9.5 2.382 P(H, > 9.5)0.0095 Hp ——> 10.0 De la tabla 5.3 se han seleccionado los valores Hy, Hy, Hy Y Hs, de manera que las ecs 5.7 toman la forma - 0.6719 o 8.0 = Hy + 1.0630 o, Como la solucién de este sistema es A, = 7.0809, 0, = 0.8646; la funcién de densidad de probabilidad de H, estar4 dada por 1 a [708aa-x 7 £(x) = ————~=—— e 2 10.8646 0.9646 V2 755 Por tanto, con tetrApodos del tamafio escogido, la probabilidad de falla para cada periodo de retorno valdr4 re . 2 Pp (TY = 0.3 fo step © ~(4H)"/8m, ay 5 Por medio del programa *PGR@4", para los periodos de retorno antes consignados se ha formado la tabla 5.4 TABLA S.4 PERIODOS DE RETORNO Y PROBABILIDAD DE FALLA ASOCIADA (TETRAPODOS DE VOLUMEN 16.17 m?) qT, Pp (T,) 5 0.0074 10 0.0472 20 0.0705 25 0.0737 50 0.0854 100 0.0956 Adem4s, para T, = 4 se considera que P,(4) = 0. Con estos valores se ha dibujado la curva P,(T,) vs P = 1/T, que se muestra en la fig 5.2. El Area bajo la curva de la fig 5.2 corresponde a B, = 0.0099, la probabilidad esperada de falla para una coraza hecha con tetrépodos de volumen V = 16.17 m. Como el valor de 5, obtenido es menor que 0.01, el tamafio seleccionado puede considerarse adecuado. De otra manera hubiese sido necesario suponer otro volumen de tetrépodos y repetir el proceso.56 al2 Pe(T;) O10 7. =0.0099 © 0.04 008 O12 0.16 0.20 0.24 P=I/Tr Fig 5.2 Probabilidad de falla asociada al periodo de retorno (tetrépodos de volumen 16,17 m6. CONCLUSIONES La metodologia que se presenta en este informe permite incluir ordenada y racionalmente, en el disefio de nuevos sistemas tanto la experiencia de disefios anteriores como el comportamiento estadistico de par4metros cuya informacién no puede tomarse en cuenta en disefios tradicionales. De esta forma, se alcanza mayor confiabilidad en las soluciones y se pueden realizar an4lisis de sensibilidad sobre bases mas firmes, todo ello con simplicidad mediante el uso de programas sencillos. As{, puede decirse que aunque la informacién que se ha utilizado y las hip6tesis sobre la operacién de los sistemas que se han propuesto pueden mejorarse sustancialmente, en tanto se disponga de ms informacién, la metodologia propuesta no cambia y solo aumentaria la precisién de sus resultados y predicciones. 57BIBLIOGRAFIA 1. Ang, A H S y Tang, W H, “Probability Concepts in Engineering Planning and Design", vols 1 y 2, Wiley, Nueva York (1975, 1984) Bruun, "Port Engineering", Gulf Publishing Company, Houston, Texas (1973) Donso, M C I, Le Mehaute, B y Long, R B, "Data base of maximun sea states during hurricanes", J Wtrwy, Port, Coast, y Oc Engrg, ASCE, 113(4) (1987), 311-326 Hansen, V E, Israelsen, 0 Wy Stringham, GE, "Irrigation Principles and Practices" 4 ed, Wiley, Nueva York (1980) Le Mehaute, B y Wang, S, “Wave Statistical Uncertainties and Design of Breakwater", J Wtrwy, Port, Coast, y Oc Engrg., ASCE, 111 (5) (1985), 921-938 Levediov, v v, "Guidrologuia i Gidravlika". Guidrometeroguichescoie, Izdatielsvo, Leningrado (1959) Mol, A, Ligteringen, H Paape, A, "Risk Analysis in Breakwater Design", Delft Hydraulics Laboratory, Pub 301 (1983) 5960 10. 1. 12. 13. 14. 15. 16. Pierson Neumann James, "Practical Methods for Observing and Forecasting Ocean Waves", Pub N° 603, Oficina Naval Oceanogréfica de los Estados Unidos (1967) Poirée, M y Ollier, C, "Irrigation", 3 ed, Eyrolles, Paris (1966) Riggs, R P, "Fatigue considerations for semi-submersible structures", Marine Technology, SNAME, vol 16, N° 1, (ene 1979) Sanchez B, J L y Carmona P, RB, “Un criterio para el dimensionamiento de tanques de regulacién en sistemas de bombeo", Instituto de Ingenieria, UNAM (1989) Sanchez B, J L y Carmona P, R B, "Analysis of the discharge capacity for small irrigations channels", Instituto de Ingenieria, UNAM (1989) Sanchez B, J L y Dominguez, MR, "Método probabilistico para determinar las secciones de pequefios rios encauzados", Instituto de Ingenieria, UNAM (1989) Sanchez B, J L y Fuentes M, O A, “Probabilistic Design of Breakwaters Armor Units", Instituto de Ingenierfa, UNAM (1989) Snchez B, J L y Fuentes M, 0 A, "Seleccién de la altura significante de disefio para escolleras", XI Congreso Latinoamericano de Hidréulica, Argentina (1964) van der Meer, J W, "Deterministic and Probabilistic Design of Breakwater Armor Layers, 2 J Wtrwy, Port, Coastal, y Oc Engrg, ASCE 114(1) (1988), 68-8817. 18. 19. 20. 61 Viessam, W, "Introduction to Hydrology", 2 ed, Harper and Row, Nueva York (1977) Whillock, A F y Price, W A, "Dolososse blocks as breakwater armoring", Hydraulics Research Station, Wallingford (1977) Yen, B C (editor), "Stochastic and Risk Analysis in Hydraulic Engineering", Water Resource Publications, Littleton, Cal (1986) "Shore protection manual", Cuerpo Militar de Ingenieria de los Estados Unidos, Coastal Engineering Research Center, Vicksburg, Miss (1984)ANEXO I. EL METODO DEL SEGUNDO MOMENTO Se exponen los fundamentos del métddo del segundo momento para el caso més simple de variables no correlacionadas. Sup6ngase que G(X,) es una funcién de las variables aleatorias X,, que representa a la diferencia entre el suministro y la demanda, es decir, tal que para G(X,) > 0 el sistema sea satisfactorio y para G(X,) < 0 ya no lo sea. La condicién de falla ocurrira para G(X,) = 0. Considérese ademés que, en lugar de las variables Xj, se consideran las variables estandarizadas £,, de modo que si X, y Ox, son la media y la variancia de cada una de ellas podra establecerse que =X, + x, = Ky + by ox A (tl) En la figura I.1 se muestra una superficie de falla en la cual se satisface el requisito Cy) =0 (1.2) 6364 Obsérvese que en esta figura los ejes de referencia son para las variables &. Sin entrar en una demostracién rigurosa se intuye que para definir la condici6n de falla m&és desfavorable es necesario determinar el punto P, sobre la superficie de falla tal que su distancia al origen sea minima. Por otra parte si n es el némero de variables aleatorias, la distancia B estar4 dada por (1.3) El problema se reduce asi a encontrar la minima B, sujeta a la condicién impuesta por la expresién I.2. Para resolverlo se pueden utilizar los multiplicadores de Lagrange, empezando por establecer la funcién L B + 2d G(X,) (1.4) Para después imponer las condiciones le | a ie (1.5a) =0 (1.5b) De las formulas I.3 y I.5a se concluye que65 0 (1.6) Por otra parte se tendré que 9(X,) ag (X,) ax, Sep ER ae ie De tal modo que por la ec I.1 se concluye que también puede escribirse ag(X,) ag (X) 3, OR, (3) Si se sustituye la 1.8 en la I.6 y se despeja a E, se encuentra que (1.9) En esta forma al sumar los cuadrados de & y tener en cuenta a la ec I.3 puede obtenerse el valor de 4 en la forma (1.10)66 Adem4s, se puede establecer que ag(X,) i ox, OE = (1.11) no (9g (Xy) 121 ( ax, 4) De tal manera que al sustituir las ecs I:10 y I-11 en la 1.9 se obtiene => Ba, (1.12) Asi resulta que los valores a, son los cosenos directores de los valores &, y por lo mismo, para ixj satisfardn la condicién a, a,50 (1.13) Por lo dem4s si se multiplican ambos miembros de I.12 por a, Y se determina la suma desde i = 1 hasta n se obtiene R a BT a2 ala a S477 8 Fy oy (1.14) De donde se concluye que en cualquier punto y en particular sobre la superficie de falla, por la ec I.11 h (age rE = Ox, ter pi (ORD), Mt pe- Res) = 38 a1 [CJ Mt67 Ademés, de acuerdo con la ec 1.4, la condicién impuesta por la I.5b implica que en la superficie de falla es congruente con la ec 1.2. Asi, con ayuda de las ecs I.1 y 1.12 podra establecerse que alli G(X, - B a, ox,) = 0 (1-16) De esta manera podré determinarse el valor de la f minima. Para ello se sustituiraén los valores originales xX, por los valores %, - B a ox, en la ec G(x,), lo que conduciré a una ec con la Unica incégnita B. Ahora bien, como los valorés de aq dependen de los valores de las derivadas ae y estos, a su vez, de los de X,, la solucién se obtendraé por iteraciones, empezando por hacer X, = %, para calcular las derivadas y con ellas los cosenos directores a, para después definir un primer valor Bj, que seré la incégnita a conocer en la ec I.16. Este valor permitiré definir nuevos valores X, = XK, - B a, ox, que permitan obtener nuevos valores para las derivadas y los cosenos directores y volver a resolver la ec I.16 para obtener una nueva f,,,. El cAlculo deber4 repetirse hasta que en dos etapas sucesivas se encuentre que Bin) ~ Bia Ahora bien, una cosa es que se disponga de un método para determinar la peor condicién de falla del sistema y otra es que mediante ella se pueda definir la probabilidad asociada a esta condicién. Para determinar esta probabilidad de falla se empezara por decir que si ;X, es un punto sobre la superficie de falla y x otro préximo a 61 podré establecerse, mediante una serie de Taylor truncada que G{x,) = G(X,) + Le - x) 250) (1.17) r .68 Mas debe recordarse que G(,X,) = 0 y adem&s que por la ec I.1 RoR + ey ox, (1.18a) y X, = pt (1.18b) De tal manera que Ky - Xz = (Ey - Ey) ox, (1.19) 27 pt a7 fal a (1.20) 2G (X) a J. Por otra parte debe tenerse en cuenta que habr4 m puntos para cada una de las n variables consideradas, de modo que para cada uno se podra establecer que n 9G (X,) Gx) = (ey ~ &) | ae 4 =1 ‘5i | 3Ey } (1.21)69 Asi resultar4 que la media de todos estos valores estard dada por a 1a 2, 6%) = ip 52 A E j ae (es > Ey) 1 jie 2G (X,) Lt acecale (1.22) 86(x,) , Y dado que .& y [: | son valores fijos, puesto que se F suponen determinados en el punto de falla, la ec I.22 podrd escribirse en la forma fT 2G(X,) 26(x,) 2 -- hal dey ), ( 3Ey z. 5a re = i? X. x, + —t Zi Ey (1.24) (1.25) Por lo cual la ec 1.23 resultaré ser G(x,) i ( petra! (1.26) a(X,) == Fg, [ eet } : 3 isa pt Tey F70 Por otro lado debe recordarse que la variancia de una variable aleatoria 2, con media Z, puede calcularse mediante la f6rmula 2 s* (25) =i (1.27) Asi resulta que la variancia de G(,X,) definida por la ec 1.21 podré determinarse haciendo 2 2 eo) 228 (5-go( SE | Hb Se |e 2m 0 bien Foo) 5h ( 9G (x,) Oey De donde se concluye que =i (1.30) BiecBY Asi que, por las ecs 1.25 y I.30, 1.29 se reduce a 04) 7 G(X) + AG (%4)) "7 * eof (EL) BGG) AR seed) o> Gs (ap) sey 3 Ie * Ale JJ GeL fl 7K, (1.31) Pero, por otra parte, se tendré que (2 : eS } B ( AS) Je2 ne 2] eS =I Ee. = 152 | Ze] IE | ee ol et UE FOP Er Jp U 3E2 aG(X,) aG(X,_4) -1 +255. [= } (=e | (1.32) ph pact ey Maa Jp De manera que por las ecs I.12 y I.13 se obtiene que (1.33) De aqui que, finalmente la ec I.31 resulta ser aG (x,) 2 * (eet, Y= (la ell } (1.34) t21 F Si ahora se considera que el conjunto de valores G(,X,) corresponden a su vez a los de una cierta variable aleatoria, podré escribirse72 ay) 2 60K) = ay - 8o Ky) 7S (604) (1.35) Mas, como para valores sobre la superficie de falla G(,X,) = 0, de la ec 1.35 resultaré que G(X) a, = ——tL (1.36) F Y s2(6(x,)) j La sustitucién de las ecs 1.26 y I.34 en la 1.36 permite escribir, al tener en cuenta a la ec 1.8 aG (X,) (1.37) Pero sucede que esta férmula es exactamente igual a la 1.15, de tal suerte que el valor de # para el que se produce la peor condicién de falla es, al mismo tiempo un valor de la variable estandarizada del conjunto de valores G(X,,). Asi, dado que intervienen varios factores x, para configurar este valor, resulta razonable suponer que ese conjunto tiene una distribucién normal, por lo cual en un tabla con este tipo de distribucién se puede encontrar P(B;), la probabilidad asociada a la B® definida por la ec 1.15, cuya determinacién podré hacerse siguiendo el procedimiento descrito en la pagina I.3.ANEXO II. LAS FUNCIONES DE DENSIDAD DE PROBABILIDAD GAMMA Y¥ BETA En este anexo se presentan las funciones de densidad de probabilidad gamma y beta, algunas de sus caracter{isticas importantes y procedimientos de cAlculo de los parémetros que las definen, a partir de valores conocidos de sus funciones de distribucién de probabilidad o por ajuste contra la estadistica de una muestra poblacional. II.1 Generalizaci6n de 1a funcién factorial Como se presenta a continuacién, la funcién factorial no esté restringida a nimeros enteros, a través de la funcién gamma se generaliza para ntmeros reales y complejos. II.1.1 La funcién factorial de nimeros reales y complejos La funcién gamma est& definida por la expresi6n integral nter (net) = J et e™ at °14 Demostraci6: Por un lado, 1! = 1 y por otro lado, fe y por tanto, + fet at = [-tem 3 Sea n + Por otro lado, por lo que: at= fet et at ° Ahora, suponiendo que (n-1)! =f t™ + e”* at se demostraré que 3 ar= ft et at ° ni! = n-(n-1)! end etl y et em. fm ert ae ° ° 0 Evaluando conforme marcan los limites, queda demostrado que ated et ae ar inst) ° Asi, la funcién factorial puede generalizarse para ntmeros reales o complejos, mediante la expresién:75 zie} et e% ae =r (2) (12.1) ° Propiedades importante! De la definicién de la funcién factorial pueden verificarse faécilmente las siguientes propiedades: 1) 08 2) a! 1 Z* (2-1)! II.1.2 La aproximacién de Stirling para el factorial de nimeros reales Para valores reales de Z, la definicién de la ec II.1 puede aproximarse, con muy buena precisién, por la serie de Stirling definida como 1 1 1 in(z) = 5 in art (ath) in 2-2 + gh - ghee + ogleees la cual puede truncarse para obtener: 1 zis Vm +2 (249) ¢ (gs (11.2) 1.001 1.000 |- paced bh booaboo : af 4 0.999 ba o.g9g 4-1 a a ° 4 8 wz 16 , 2076 En la grafica de la fig II.1 se presenta el cociente 1 Yam nD eo (14g para n = 0, 1, 2, ..., 20. Para n > 10, el error de la aproximacién es menor que el 0.0032 por ciento. II.2 Densidad de probabilidad gamma La funcién de densidad de probabilidad gamma puede tomar valores distintos de cero, solo para valores positivos de la variable aleatoria x; para X < 0 la densidad de probabilidad gamma es idénticamente cero; por otro lado, dicha funcién tiende asint6ticamente a cero cuando el valor de la variable x tiende a infinito. Asi, dicha funcién puede describir el comportamiento estadistico de una variable aleatoria X cuya probabilidad de ser menor que o igual a cero es cero y cuya probabilidad de ser mayor que un ntimero M tiende a cero cuando M tiende a infinito. II.2.1 La funcién de densidad de probabilidad gamma La funcién de densidad de probabilidad gamma est4 definida por: a1,b o-e.x £p(x) = RxD (11.3) para x = 0, los parémetros b y c son nimeros reales mayores que cero y A es el parémetro de normalizacién definido como: b A= fx eo ax °7 Con el cambio de variable t = c.x y recordando la definicién de la funci6n factorial (ec II.1), resulta que: (11.4) Entonces, la densidad de probabilidad gamma puede escribirse como bt b .-c. fp) = Sp we * (11.5) Propiedades importantes: i) Valor de x que maximiza a f,(x) : (Moda = Xy). El valor de x que maximiza a f,(x) puede calcularse igualando fr’ (x) a cero: (11.6) ii) Momento de orden r de f-(x). E1 momento de orden r de f,(x) est4 definido por re 7 xr mem BGs J x". Ep (x) dx +r oc bar eX ax78 Con el cambio de variable t = c.x y de la definicién de la funcién factorial (ec II.1) resulta que: bt ry le (b+r) 1 B(x }= S57 bere como r es un niimero entero, la expresién anterior puede reducirse a EB (xk ) = bee) (bt (bt) FE ec Asi, el valor esperado de x resulta ser (r = 1): E{x } = bth (41.8) c El segundo momento de la funcién f,(x) es (x = 2): op (x2 } = dbt2) (bt) (1.9) may La variancia de f,(x) puede calcularse con la expresi6n: E{ x? }- 8? {x} de donde o? = BAL (12-10) oe II.2.2 Ajuste de la funcién de densidad gamma a una muestra El comportamiento estadistico de una variable aleatoria x podrd representarse por alguna funcién de densidad de probabilidad dependiendo del comportamiento de x. Si P(x s 0)79 (1éase la probabilidad de que x sea menor que o igual a cero es igual a cero) y si P (x > M) tiende a cero cuando M tiende a infinito, entonces el comportamiento de x, podré representarse por funciones densidad de probabilidad de tipo Rayleigh, Maxwell o gamma, entre otras. El ajuste de la funcién de densidad de probabilidad gamma, que represente el comportamiento estocéstico de la poblacién, puede obtenerse igualando los momentos de primero y segundo orden f,(x) con los momentos respectivos de la muestra. El momento de orden r de una muestra se calcula como (1.11) donde p, es la probabilidad de que en un evento x sea igual a xi y x, son los valores que toma la variable aleatoria en la muestra seleccionada. En la expresién anterior se ha considerado que: Ep,=2 aa Asi, utilizando las ecs II.8, II.9 y II.11 se obtiene: Ex, pi (11.12) it Abt) (bt2) gy? (11.13) °? iad de donde pueden obtenerse los valores de los pardmetros b y-c.80 Ejemplo: Ajustar una funcién de densidad gamma a la muestra. x Ps 0.25 0.0576 m= Exp, = 0.5679 0.50 0.6486 0.75 0.2584 m? = 5 x,*p, = 0.3465 1.00 0.0354 Utilizando las ecs II.12 y II.13 se obtiene b+1 = 0.5679 c (b +1) (b+ 2) = 0.3465 c? de donde se obtiene b = 12.4438 y c = 23.6728 Utilizando la expresién II.4 resulta que a = 22.4438! 23.672813- 4438 Y con ayuda de la aproximacién de Stirling (ec II.2) a = 4481043686 = 4 959418 x 107 2.986326x1018 10 Por tanto, la funcién f,(X) que se ajusta a la muestra es: x 12.4438 23.6728 . x £p(x) = 2 016 365 662 En la fig II.2 se muestra gréficamente esta funcién.81 3.0 25h 2.0 15 1.0 05 - 0.0. 0.0 0.4 0.8 fp(x) = 2 016 365 662 412-4438 .- 23.6728 x Fig II.2 II.2.3 La funcién distribucién de probabilidad gamma La funcién de distribucién de probabilidad define a la probabilidad de que la variable aleatoria x sea menor que el valor X, para todo valor x. Es decir: F (x) =P {x< x} La funcién distribucién de probabilidad gamma se define por: x Fy (x) = J £, (t) at (11.14) ° donde f,(t) es la densidad de probabilidad gamma. F (x) cumple las siguientes propiedades: i) F (x) ii) F (x) 0 para toda x < 0 182 iii) F (x) < F(x,) para x, < x, iv) F (x) - F(x) = P {x, < x < x} Para valores enteros de b, la distribucién de probabilidad gamma puede calcularse analiticamente. Utilizando las ecs II.5 y II.14, puede escribirse: bt1 BI Fp (x) = x F p Pet ae ° Para b = 1 se obtiene: 8 F)(b=1, c7 x) Integrando por partes resulta que: Fy (b=1, ¢7 x) = 2 - em, [ex | Para b “ 2 se tiene: x 3 - - FP (b=2, cx) = Sf t? oC at = 1 - oo T 2% Para b = 3 se obtiene: * 2 2 F, (b=3, 730) ference acne] len)? pee text) ° Asi, por induccién matem&tica puede demostrarse facilmente que: 7 b 3 R(b,c7x) = 1-e of +7 ion para be N. (11.15) jar 2!83 Reescribiendo esta expresién para la variable Z = c.x, en el siguiente inciso se presenta una metodologia para el célculo de los parémetros b y c, cuando se conocen dos puntos de la funcién distribucién F(x). II.2.4 Célculo de los parémetros b y c de la funci6én f,(x), para dos puntos conocidos de F,(x) La expresi6n II.15 puede rescribirse en la forma Z b 3 FH (bs2) =1-e° * f +n e (1T.16) jaa J! donde Z = c.x. Como la expresién anterior no puede resolverse analiticamente para Z, el cAlculo de b y c deberé hacerse numéricamente. Con ayuda de un programa de computadora se ha resuelto la expresién II.16 para 2, considerando distintos valores de b y de Fr. Asi, se ha construido la tabla II.1 en donde se presentan los valores de % que satisfacen la ecuacién II.16 para distintos valores de b y F. Sia, = F(x =x) ya (x =x,) son los dos puntos conocidos de F,(x), entonces los parametros b y ¢ de f,(x), pueden calcularse de la siguiente manera: i) En la tabla II.1 seleccionar las 2 columnas tales que Fy(x = x1) = ary Fr(x = x2) = a ii) Con ayuda de una calculadora obtener en ambas columnas y para los distintos valores de b, los valores del pardmetro c = 2/x.84 iii) Determinar dos valores consecutivos de b entre los cuales esté la solucién e interpolar linealmente. Ejemplo: Sean x, = 0.6 y x, = 0.8 tales que F(q) = 0.2 y F(x) = 0.8. Caleular los parémetros b yc. En la tabla II.1 las columnas correspondientes son Fy = 0.2 y Fr = 0.8. En la columna de Fy = 0.2, los valores de % deben dividirse entre 0.6 para obtener los valores de c. En la columna F, = 0.8, los valores de Z deben dividirse entre x = 0.8 para obtener los valores de c. Asi, resulta la siguiente tabla de valores de c y las grdficas correspondientes que se muestran en la fig IT.3 b Fr = 0.2 F, = 0.8 32 46.8233 47.1403 | 33 48.3682 48.4816 | c 34 49.9148 49.8216 35 51.4632 51.1604_| 52.0 c 51.0 50.0 }- 49.0 + 48.0} 47.0 }- 46.0 L : t 1 31 -320«33 34 35 py 362 8 % 5 6 7 18 1” 20 2 22 Py 25 7 28 29 30 a 32 3 x 35 36 7 38 39 40 0.5318 1.1021 1.7448 2.4326 3.1519 3.8968 4.6561 5.4325 6.2213 7.0207 7.8293 8.6459 9.4696 10,2996 11.1353 11.9761 12,8217 13.6715, 14.5253 15,3827 16.2636 17.1076 17.9746 18.0443 19.7167 20.5915 21.4687 22.3480 23.2295 26.1129 24.9982 25.0853 26.7740 27.6645 28.5565 29.4500 30.3449 31.2612 32.1389 33.0379 F=0.2 0.8246 1.5350 2.2968 3.0895 3.9037 4.7337 5.5761 6.4285 7.2892 8.1570 9.0309 9.9101 10.7940 11.6821 12.5739 15.4691 14.3675 15.2687 16.1725 17.0787 17.9872 18.8977 19.8102 20.7246 21.6407 22.5584 23.4776 26,3983 25.3203 26.2437 27.1682 28.0940 29.0209 29.9489 30.8779 31.8079 32.7389 33.6707 34.6035 35.5370 F20.3 1.0976 1.9138, 2.7637 3.6336 4.5171 5.4107 6.3122 7.2199 2.1329 9.0504 9.9716 10.2962 11.8237 12.7539 13.6864 14.6210 15.5576 16.4960 17.4360 18.3775 19.3204 20.2646 21.2101 22.1565, 23.1043 26.0530 25.0025 25.9532 26.9046 27.0568, 28.8098 29.7635 30.7179 31.6730 32.6288, 33.5851 36.5421 35.4996 36.4577 37.4163, TABLA II.1 F0.4 1.3764 2.2851 3.2113 4.1477 5.0910 6.0392 6.9914 7.9466 8.9044 9.8644 10.8262 11.7897 12.7546 13.7208 14.6881 15.6565 16.6258 17.5960 18.5670 19.5387 20.5111 21.4841 22.4577 23.4319 26.4066, 25.3818 26.357% 27.3335 28.3100 29.2869 30.2642 31.2418 32.2198 33.1981 36.1767 35.1556 36.1348, 37.1142 38.0940, 39.0739 z F205 1.6783 2.6761 3.6721 4.6709 5.6702 6.6696, 7.6693 8.6689 9.687 10.6685, 11.6684 12.6682 13.6681 14.6680 15.6679 16.6679 17.6678 18.6677 19.6677 20.6676 21.6676 22.6675 23.6675 26.6675 25.667% 26.667% 27.66% 28.667% 29.6673 30.6673 31.6673 32.6673 33.6673 34.6672 35.6672 36.6672 37.6672 38.6672 39.6672 40.6671 b ethan zt a 2.0223 3.1054 4.1753 5.2366 6.2919 7.3427 8.3898 9.4340 10.4757 11.5153 12.5532 13.5896 14.6243 15.6579 16.6906 17.7219 18.7525 19.7822 20.8111 21.8393 22.8668 23.9937 26.9200 25.9658 26.9710 27.9958 29.0201 30.0640 31.067% 32.0905 33.1132 34.1355 35.1575, 36.1792 37.2005 38.2216 39.2624 40.2629 41,2851 42.3031 7 2.4392 3.6156 4.7622 5.890. 7.0055 aun 9.2090 10.3007 11.3873 12.4695 13.5480 14.6232 15.6954 16.7651 17.8325 18.8977 19.9610 21.0225, 22.0824 23.1408 26.1978 25.2535 26.3080 27.3614 28.4137 29.4650 30.5153, 31.5647 32.6133, 33.6610 34.7080 35.7542 36,7998 37. BhG6 38.8889 39.9325 40.9755 42.0179 43.0598 46.1012 F=0.8 2.9963 4.2790 5.5150 6.7210 7.9060 9.0754 10.2825 11.3798 12.5188 13.6507 14.767 15.0973 17.0133 18.1251 19.2332 20.3378 21.43% 22.5381 23.6343, 24.7280 25.8195, 26.9088, 27.9963 29.0819 30.1658, 31.2480 32.3288 33.4081 34,4961 35.5627 36.6380 37.7122 38.7853, 39.8873, 40.9283, 41.9983, 43.0673, 44.1356 45.2027 46.2691 F20.9 3.8897 5.3223 6.6808 7.9936 9.2747 10.5321 11.7709 12.9947 14.2060 15.4066 16.5981 17.7816 18.9580 20.1280 21.2926 22.4516 23.6061 26.7563 25.9025 27.0651 28.1843 29.3203, 30.4533 31,5836 32.712 33.8364 34.9593 36.0799 37.1985, 38.3151 39.4298 40.5428, 41.6540 42.7635 43.8715, 44.9780 46,0831 47.1868 48.2891 49.3902 8586 a 42 as 44 45 46 ar 43 49 50 31 52 53 54 55 56 37 58 59 SSRaBRS “or oo m1 n % gyaxaa 33.9380 34.8394 35.7419 36.6456 37.5502 38.4560 39.3627 40.2704 41.1791 42.0886 42.9991 43.9106 44,8226 45.7355 46.6493 47.5638 48.4791 49.3951 50.3118 51.2292 52.1473 53.0661 53.9855 54.9055 55.8262 56.7476 57.6693 58.5916 59.5146 60.4382 61.3622 62.2868 63.2119 66.1375 65.0637 65.9902 66.9173 67.9448 68.7728 69.7013 TABLA Feb,2) 36.4714 37.4066 38.3425 39.2792 40.2166 41.1546 42.0934 43.0327 43.9727 46.9132 45.0544 46.7961 47.7306 40.0812 49.6265 50.5684 51.5127 52.4575 53.4028 54.3485, 55.2947 56.2613, 57.1884 58.1359 59.0837 60.0320 60.9806 61.9296 62.8790 63.0288, 64.789 65.7296 66.6801 67.6313 68.5827 69.5345, 70.4866 71.4390 72.3917 78.3467 38.3754 39.3350 40.2950 41.2556 42.2165 43.179 46.1397 45.1019 46.0845, 47.0274 47.9908 48.9544 49.9185 50.8828 51.8475 52.8125 53.7778 56,7636 55.7093 56.6755 57.6419 58.6085 59.5757 60.5429 61.5106 62.4781 63.4462 64.4164 65.3020, 66.3515 67.3204 68.2896 69.2589 70.2205 71.1982 72.1682 73.1383 74.1086 75.0791 76.0498 ID.. F204 40.0542 41.0347 42.0154 42.9963 43.97% 46.9587 45.9403, 46.9220 47.9039 48.060 49.0653 50.8507 51.8333, 52.8161 53.7990 56.7821 55.7654 36.7687 57.7323 58.7159 59.6997 60.6827 61.6677 62.6519 63,6362 64,6206 65.6051 66.5090, 67.5765 68.559% 69.5406 70,529% 71.5146 72.4999 73.4853 74.4708 73.4563, 76.6420 77.4278 78.4136 (cont inuacién) teehee 2 F=0.5 41.6671 42.6671 43.6671 44.6671 45.6671 46.6671 47.6671 48.6671 49.6671 50.6671 51.6671 52.6671 53.6670 56.6670 55.6670 56.6670 57.6670 58.6670 59.6670 60.6670 61.6670 62.6670 63.6670 64,6670 65.6670 66.6670 67.6670 68.6670 69.6669 70.6669 71.6669 72.6669 73.6669 7.6669 75.6669 76.6669 77.6669 72.6669 79.6669 80.6669 bo J itt F=0.6 F=0.7 43.3228, 46.3426 45.3616 46.3807 47.3996 48.4182 49.4366 50.4549 51.4730 52.4908 53.5086 54.5261 55.5435 56.5607 57.5778 58.5947 59.6116 60.6280 61.6445, 62.6608 63.670 64.6931 65.7090 66.7249 67.7605 68.7561 69.7716 70.7869 71.2022 72.8173 73.8323 74.8472 75.8620 76.8767 77.8916 78.9059 79.9203 80.9346 81.9689 82.9630 45.1621 46.1825 47.2224 48.2619 49.3009 50.3395 51.377 52.4155 53.4529, 34.4899 55.5266 56.5629 57.5903, 58.6345 59.6698 60.7048 61.7395 62.7738 63.8080 64,0610 65.0753 66.9085 67.9416 68.9743 70.0068 71.0390 72.0710 73.1028 76.1343 75.1656 76.1967 77.2276 78.2582 79.2687 80.3189 81.3490, 82,3708 83.4085 34.4380 85.4673 F0.8 47.3347 48.3995, 49.4635 50.5269 51.5095 52.0514 53.7127 54.733 55.0324 56.8928 97.9516 59.0079 60.0875 61.128, 62.1815 63.2570 64 65.3464 66.4032 67.45% 68.5112 69.5646 70.6175 71.6700, 72.7222 7.7760 74.0253 75.0763 76.926, 7.97 79,0270 80.0765 1.1257 82.1766 3.2251 84.2713 25.3192 86.3669 ar. 88.4612 0.9 50.4960) 51.5806 52.0861 58.7025 54.6778 55.9721 57.0654 50.1577 39.2490 60.3394 61.4290 62.517 63.6056 64.0925 65.708 66.8043 67.9490 69.0330 70.1163 71.1909 72.2807 73.3620 14.4426 75.5226 76.6020 77.6007 75.7589 19.0565 10,9135, 1.9700 23.0659 BMA 5.2162 2.2906 8y.305 01.4579 27.5108 90.5953 91.6053 92 1209” 92 93 9% 95 9% 7 98 100 F001 70.6302 71.5595 72.4893 73.419% 74.3500 75.2810 76.2126 77.1662 78.0763 79.0089 79.9418 80.8750 81.8087 82.7426 83.6769 84.6116 85.5466 86.4819 87.4176 88.3536 F20.2 74,2980 75.2515 76.2054 77.1595 73.1139 79.0885 80.0235 80.9785 81.9361 82.8898 83.0457 84.8019 85.7582 86.7149 87.6718 88.6288, 89.5861 90.5436 91.5016 92.459% TABLA II.1 Fobyz) = 1 = F20.3, 77.0207 77.9918 78.9630 79.9346 80.9060 81.877 82.8497 33.2217 4.7939 85.7664 86.7389 a7.7115, 83.6844 89.6573 90.6304 91.6037 92.571 93.5507 96.5243 95.4981 Interpolando linealmente b Con ayuda de la ec tiene: 49.2171 SEK 5489 (33.5489) 3 = 51994219 x 10 +5489 ~ 2.888998 x 103% F=0.4 79.3995 80.3856 81.3716 82.3578, 83.3461 84.3304 85.3169 86,3034 87.2900 88.2766 89.2633, 90.2501 91.2370 92.2239 93.2109 94.1981 95.1852 96.1726 97.1597 98.1470 entre b = 33 yb (continuacién) F=0.5 81.6669 82.6669 83.6669 8.6669 85.6669 86.6669 87.6669 88.6669 89.6669 90.6669 91.6669 92.6669 93.6669 96.6669 95.6669 96.6669 97.6669 98.6669 99.6669 100.6668 83.971 4.9911 86.0049 87.0187 88.0324 89.0461 90.0597 91.0732 92.0866 93.0999 94.1132 95.1264 96.1395 97.1526 98.1656 99.1785 100.1913 101.2061 102.2169 103.2295 7 F20.7 86.4964 87.5253 88.5540 89.5826 90.6111 91.6393, 92.6676 93.6953, 94.7231 95.7507 96.782 97.8055 98.8326 99.8597 100.8866 101.9133, 102.9399 103.9664 106.9927 106.0189 = 34 Por lo que la funcién densidad buscada es: £ p(x) = 4.81964 20 10 33.5489 x 89.5078 90.5543, 91.6006 92.6463 93.6919 96.7373 95.7823 96.8271 9T.8r7 98.9160 99.9601 101.0040 102.0475, 103.0909 106.1341 105.1769 106.2197 107.2621 108.3044 109.3464 93.7980 96.8686 95.9389 97.0087 98.0782 99.1472 100.2158 101.2839 102.3518 103.4193 106.4864 105.5532 106.6196 107.6855 108.7513 109.8166 110.8815, 111.9662 113.0106 116.0766 87 se obtiene que: 49.2171 = 2.0748437 x 10°77 -49.2171-x, 1.4 y de la aproximacién Stirling se88 En la fig II.4 se presenta la gréfica de esta funci6n densidad. a 30b 8 3 8 9 Me » 2.0 ;- g 8 } + ® 10- 2 ¢ % ool Jott wh 0.0 0.4 0.8 2 oy 16 Fig II.4 II.3 Densidad de probabilidad beta La funcién de densidad de probabilidad beta puede tomar valores distintos de cero solo en un intervalo 0 < x s M. Generalmente M = 1 para normalizar la funcién. Para x < 0 y para x > M, la densidad de probabilidad beta es idénticamente cero. Asi, dicha funci6én puede describir el comportamiento estadistico de una variable aleatoria x cuya probabilidad de ser menor que o igual a cero es cero y cuya probabilidad de ser mayor que M es cero también.89 II.3.1 La funcién de densidad de probabilidad beta La funcién de densidad de probabilidad beta se define como: m (x) = gh x™ (1x)? myn (11.17) donde + n B = f x™ (1-x)™ ax (II.18) ° A esta Gltima integral se le conoce como funcién beta y puede expresarse en términos de la funcién gamma o factorial generalizada, mediante el siguiente desarrollo: ef t™at + fet ar ° 5 5 a one u ous j en (ttt) © six? =t => 2x dx dt oy y? =t => 2 y dy = dt entonces ® © ae mint =4f fe (X'ty*) 4 Amel y2mtl ray (11.19) 0 0 En coordenadas polares x? + y? = r? x = rcos0 y = rsen0 dx.dy = rdrd0 Sustituyendo en la ec II.19 resulta:90 O Thr _p2 mint = 4 f [ fem r42m43 (coca) 2M (song) 2nt2 a0]ar ob oa © iy m2 = 4 fect? p2meant3 ay "7" (cose) Mt (sena) 20+ ao ° ° Aplicando los cambios de variable u = r* y v = cos’6, la expresién anterior se reduce a: +f v™ (a-v)? av Pon 4 mient = fe ® su™™t ay © one de donde, por comparacién con la definicién de la funcién factorial puede escribirse conm, ne R (11.20) II.3.2 Momento de orden r de fr (x) Por definicién mr = E {x"} = f x? fg(x) dx Desarrollando y utilizando la expresién (II.20): 1 fx ™* (14x) Max 7 (mtr)! ent mr =2 = Mtr n _ (mtetnti) (IT.21) x Bm,n Bm,n nt (AFI) 1 Recordando que r es nimero entero, la expresién anterior puede simplificarse aplicando la segunda propiedad de la funcién factorial91 me = ee) (mein) (me ) (m+1) (m+r+n+1) (m+rtn) (m+rtn-1) +++ (m+tnt+2) Sir 4 1, se obtiene el valor esperado de x, como: E{x)=m,-Bth (13.22) Si r = 2, se obtiene el momento de segundo orden, como: = = {m+2) (m+1) m+2 2 =m: — BC x8 } = mo = Gaene3) Gmene2) ~ x memes a II.3.3 Ajuste de la funcién de densidad de probabilidad beta a una muestra El comportamiento estadistico de una variable aleatoria x podra representarse por una distribucidén beta, solo si dicha variable es de rango limitado (es decir, toma valores aleatorios en un intervalo finito). La variable aleatoria podré normalizarse para que su intervalo de valores posibles sea {0,1}, es decir, P(x s 0) = 0 y P (x21) = El ajuste de la distribucién beta, que representa el comportamiento estoc4stico de la poblacién, puede ajustarse a la muestra igualando los momentos de primero y segundo orden, respectivamente. El momento de orden r de una muestra se calcula como: r mr = z (xy)" Py92 donde p, es la probabilidad de que en un evento x = x y x, son los valores que toma la variable aleatoria xX en la muesta seleccionada. En la expresién anterior se ha considerado que Epp =. i Asi, al igualar los momentos de primero y segundo orden de la muestra y de la distribucién beta se obtiene: Ejemplo: Considere la variable aleatoria x, con probabilidades como se muestra en la siguiente tabla Xi PB 1.0 0.0354 0.75 0.2584 0.50 0.6486 0.25 0.0576 TABLA II.2 Los momentos de primero y segundo orden de x, son: m = 2x Pp, = 0.5679 m = Exp = 0.8465 Sustituyendo en las ecuaciones I1.22 y II.23 resulta que: 0.1358 0.0963 m+ 1 = 0.5679 (mtn+2) + 0.432im - 0.5679n 0.5679 (m+2) = 0.3465 (m+n+3)+ 0. 2214m - 0.3465n m = 4.2412 n = 2,9879 (4.2412) !+ (2.9879)! _ 34.7352 x 5.9097 m,n (8.2291) © 66045.4348 B, = 3.1080995x107*93 Sustituyendo en la funcién II.17, la distribucién beta asociada a los datos de la tabla II.1 es: . =, gf +2412 2.9879 () = S7i0eTx107? * (=x) En la fig II.5 se presenta la gréfica de esta funci6n. 2 30 ® i a eee i 2 20 < a < x 15 3 0.4 06 08 , 1.0 x Pig II.5 II.3.4 La funci6én distribucién de probabilidad beta Si fg (x) = } x™ (1-x)” es 1a densidad de probabilidad beta, x entonces * 1% om n FAX) =f (tide = gs foot (a-t)" ae (11.24) ° x 0 es la distribucién beta.94 Como esta no es una integral definida entre 0 y 1, no puede representarse en términos de la funcién gamma. Para valores enteros de m, la integral puede resolverse analiticamente utilizando la integracién por partes. Para m x a-n™t |e, B. : x ix) = Le geqyntt FA2 n7x) = 7 mT t*(1-t) ° + ntl gy F, (2,n3x) + <2. B(1ntl;x) Baa mer B(tentd:95 m + aT Fg(m-1-nt1;x) Para cAlculos numéricos, la ecuacién recurrente anterior puede desarrollarse de la siguiente manera: 11 ym ntl | 2 om 1 om-1 |, By mer * (ex) Bo ner nee (2) n+2 Fg (mnjx) i + By BSS Pg (m-2,nt2;x) fo ey PA aed nei * ner n-2 xt? (pax P43) 4 Fg (m-3 n+3 7x) sot Ga (2a) ge BE ob xh (ax) Bt? +a M2 aig ™tH3 go, m2... 2 2g gym yy Fg (o,nt+m;x) nm i F, (m,n3x) ai n n+l n+2 (1-x) x (I-x)2*@ 4, Mm m2 mint con By > (hemtiyt96 B. (m=1) (m-2) (nem+1) (atm) (0H oa ) como m es entero, entonces n+) Finalmente, puede escribirse, para valores enteros de m: ném+1 _ (ntm+l)! m+. mint * Fg(x) = 1 ~ (1-x) ne (1-x) m y mt nt * © (11.25) jar FIAT II.3.5 Célculo de los pardémetros m y n con dos puntos conocidos de F,(x) La expresién anterior no puede resolverse analiticamente para my n, por lo que el valor de estos par4metros deber4 determinarse numéricamente o con ayuda de algunas gr4ficas. Sean a = Fy(x%,) y b = Fy(%,), los valores de m y n pueden determinarse gréficamente si se construyen curvas de igual valor de m y de igual valor de n en un plano Fy(x,) vs F(x2)- m y n podrén estimarse con una interpolacién lineal en el punto (a, b). EJEMPLO Sean x, = 0.6 y x, = 0.8. Calcular my n para que p(x = 0.6) = 0.2 y Fy(x = 0.8) = 0.8 En la fig II.6 se presenta la malla construida con m = 1, 2, sees, 20 yn = 0,5, 1.0, 1.5, ..., 10. La fig II.7 presenta con mayor detalle la regién entorno del punto (0.2, 0.8) (Fy(x = 0.6) = 0.2 y Fy(x = 0.8) = 0.8). La curva de n = 3.5 pasa por el punto (0.2, 0.8), con el segmento que une las curvas m = 9 y m= 10. Interpolando linealmente, se encuentra que m = 9.3997 x (ax) 3°5 Entonces fy(0 = G31 (3-8)! 9.39 9.39 6 £,(x) = 1.5754132 x 107" x (a-x) 35 En las figs IT.8 y II.9 se presentan f,(x) y Fp(x) respectivamente. 1.00 F(X=0.8) 0.80 0.00 0.20 0.40 0.60 0.80 1.00 F(X =0.6) Fig II.698 0,90 F(X=0.8) 0.85 0.80 oy 10 0.15 0.20 0.25 F(x =¢,6) 030 8.00 x08) yA 6.00 a 4.00 2.00 0.00 NJ Fig II.8 0.00 0.20 0.40 060 0.80 1.00 1.00 — x(1078) 0.60 0.20 0.00 7 Fig II9 0.00 0.20 040 060 0.80 1.00ANEXO III. PROGRAMAS NUMERICOS 9910 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 101 PROGRAMAS Calcula cosenos directores (ENC) PRG #1 CLEAR PRINT "PRG gf 1" STOP DIM D(8) DIM %(8) READ KA, KG, SM, SG, SS DATA 200, (ar2/3), yr gr Og READ SF, SN, SC, SH, ST DATA Spr Oy Sor Oye OpB INPUT M = M, G = G INPUT S F INPUT N=N, c=¢ INPUT H= #, T= 7 D(1) = (SM * KG * G * S°0.5)/F D(2) = (SG * KG * M * 8*0.5)/F D(3) = (SS * KG * M * G)/(2 * F * $*0.5) D(4) = - (SF * KG * M * G)/(F*2) D(5) = - (SN * KA * C * H)/T D(6) = - (SC * KA * N * H)/T D(7) = - (SH * KA * N * C)/T D(8) = sv * KA * N * C * H/(T*2) 2B) = 3B FOR J = 170 8 Z(3) = Z(-1) + (D(5))*2 NEXT J R= (2(8))*0.5 aM = (D(1))/R AG = (D(2))/R AS = (D(3))/R aP = (D(4))/R102 310 320 330 340 350 360 370 380 390 400 410 420 430 PROGRAMAS Calcula cosenos directores (ENC) (2) (D(5))/R (p(6))/R (D(7)) 7R (D(8)) /R PRINT AM, AG STOP PRINT AS, AF STOP PRINT AN, AC STOP PRINT AH, AT STOP END 0 BEBE10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 103 Calcula 6 y nuevas X. (ENC) i PRG § 2 CLEAR PRINT "PRG # 2" STOP READ AO, E, MM, SM, GM, SG DATA 2A,/(ar?/3), €, M, oy &, o, READ SM, SS, FM, SF, NM, SN DATA 8, Gg, F, oy, N, oy READ CM, SC, HM, SH, TM, ST pata C, og, Hi, oy, & INPUT AM, AG INPUT AS, AF INPUT AN, AC INPUT AH, AT G BY Srp BI = 0 BS = 3 BM = (BI + BS) /2 X1 = MM - AM * SM * BM X2 = GM - AG * SG * BM X3.= TM - AT * ST * BM X4 = (SM - AS * SS * BM)“0.5 Yl = FM - AF * SF * BM Y2 = NM ~- AN * SN * BM ¥3 = CM - AC * SC * BM Y4 = HM - AH * SH * BM P= Xl * x2 * x3 * x4 Q=¥1l* ¥2 * ¥3 * v4 AZ = P/Q ABS (AZ ~ AO)AO THEN 320104 310 320 330 340 350 360 370 380 390 400 410 420 430 440 450 460 470 430 490 500 510 520 530 540 Calcula @ y nuevas X, (Enc) Q) GO TO 160 BI = BM GO TO 160 BO = BM M= Xl G = x2 = x3 (x4) °2 = ¥1 = ¥2 = ¥3 ¥4 BEEP PRINT BO STOP PRINT M, G STOP PRINT S, F STOP PRINT N, C STOP PRINT H, T STOP END10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 105 Calcula directamente 6 (OLAS) PRG # 3 CLEAR PRINT "PRG # 3" sToP DIM F(5) DIM 2(6) READ DM, SM, KM, CM, PM, E1 paTA d, =» 8, Ro, Gy, F + e(H) READ SD, SS, SK, SC, SP, E2 DATA Car Sgr Sepr Sqge O77 €(B) INPUT HO = Hy INPUT BI, BS D= DM S = SM K = XM c= CM P= PM Tel F(1)= -(sD * S * (K*C)*(1/3))/P F(2) = - (ss * D*(K*C)*(1/3))/P F(3) = - (SK * D * €7(1/3))/(3 * P * K*(2/3)) F(4) = - (sc * D * Ss *.K*(1/3))/(3 * P * 0*(2/3)) F(5) = SP *D* S * (K * C)*(1/3)/(P*2) 29) = 9 FOR J= 170 5 Z() = 2(0 - 1) + (F(9))*2 NEXT 3 R= (2(5))*0.5 aD = (F(1))/R AS = (F(2))/R AK = (F(3))/R106 Calcula directamente 8 (OLAS) (2) 310 aC = (F(4))/R 320° AP = (F(5))/R 330 BM =(BI + BS) /2 340 Xl = DM - AD * SD * BM 350 X2 SM - AS * SS * BM 360 X3 = KM - AK * SK * BM 370 -X4 = CM - AC * Sc * BM 380 X5 = PM - AP * SP * BM 390 Y= (x3 * x4) * (173) 400 HZ = X1 * x2 * ¥/X5 410 IF ABS (HZ - HO)HO THEN 450 430 BI = BM 440 GO TO 330 450 BS = BM 460 GO TO 330 470 IF I>1 THEN 500 480 BV = BM 490 GO TO 530 500 BN = BM 503 PRINT I, BN 506 STOP 510 IF ABS (BN ~ BV)

Anda mungkin juga menyukai

• Ejemplo 2

  

  Dokumen141 halaman

  Ejemplo 2

  Alejandro

  Belum ada peringkat
• Retos de La Ingeniería Civil

  

  Dokumen403 halaman

  Retos de La Ingeniería Civil

  Alejandro

  Belum ada peringkat
• Evaluación numérica respuesta dinámica sistemas 1GDL

  

  Dokumen2 halaman

  Evaluación numérica respuesta dinámica sistemas 1GDL

  Alejandro

  Belum ada peringkat
• • Majalah
  • Podcast
  • Partitur
• STEEL

  

  Dokumen57 halaman

  STEEL

  Alejandro

  Belum ada peringkat
• 2ecuacindehazenwilliams 120803104642 Phpapp01

  

  Dokumen2 halaman

  2ecuacindehazenwilliams 120803104642 Phpapp01

  Miller Alexander Mora Vargas

  Belum ada peringkat
• Unidad Ix Tanque de Almacenamiento2

  

  Dokumen25 halaman

  Unidad Ix Tanque de Almacenamiento2

  Alejandro

  Belum ada peringkat
• Ejemplo 2

  

  Dokumen141 halaman

  Ejemplo 2

  Alejandro

  Belum ada peringkat
• Instructivo para el análisis estructural con STAAD Pro

  

  Dokumen453 halaman

  Instructivo para el análisis estructural con STAAD Pro

  Luis Ivan

  Belum ada peringkat
• Conexiones PDF

  

  Dokumen27 halaman

  Conexiones PDF

  Alejandro

  Belum ada peringkat
• Fundamentos de Ingeniería Sísmica: Universidad Nacional Autónoma de México

  

  Dokumen33 halaman

  Fundamentos de Ingeniería Sísmica: Universidad Nacional Autónoma de México

  Alejandro

  Belum ada peringkat
• Pre-Dimensionado de Cimentaciones

  

  Dokumen10 halaman

  Pre-Dimensionado de Cimentaciones

  JhohamVillanuevaEnriquez

  Belum ada peringkat
• Hundimiento en Estado de Mexico

  

  Dokumen14 halaman

  Hundimiento en Estado de Mexico

  kanon556

  Belum ada peringkat
• Covocatoria 2019

  

  Dokumen2 halaman

  Covocatoria 2019

  Alejandro

  Belum ada peringkat
• Mapas Conagua

  

  Dokumen132 halaman

  Mapas Conagua

  josahin

  100% (1)
• Cross y Armado

  

  Dokumen16 halaman

  Cross y Armado

  Alejandro

  Belum ada peringkat
• Movimiento de Tierras

  

  Dokumen326 halaman

  Movimiento de Tierras

  Alejandro

  Belum ada peringkat
• 21

  

  Dokumen302 halaman

  21

  Gibran Zuñiga

  Belum ada peringkat
• Huerta 1990 - Diseno Estructural de Arcos Bovedas y Cupulas en Espana - 1

  

  Dokumen128 halaman

  Huerta 1990 - Diseno Estructural de Arcos Bovedas y Cupulas en Espana - 1

  Victor Alejandro Calderón González

  Belum ada peringkat
• Agua Potable

  

  Dokumen34 halaman

  Agua Potable

  Alejandro

  Belum ada peringkat
• Mecánica de Fractura y Su Aplicación Al Estudio de Agrietamiento de Arcillas

  

  Dokumen54 halaman

  Mecánica de Fractura y Su Aplicación Al Estudio de Agrietamiento de Arcillas

  Francisco Javier Mendoza Patiño

  Belum ada peringkat
• Ficha Teca Cril I Cog Aren

  

  Dokumen3 halaman

  Ficha Teca Cril I Cog Aren

  Alejandro

  Belum ada peringkat
• Metodos Matematicos Aplicados A La Hidrología

  

  Dokumen55 halaman

  Metodos Matematicos Aplicados A La Hidrología

  Alejandro

  Belum ada peringkat
• Apuntes de Presas Derivadoras Ocr PDF

  

  Dokumen66 halaman

  Apuntes de Presas Derivadoras Ocr PDF

  Edu Val R

  100% (1)
• Hidraulica de Canales

  

  Dokumen212 halaman

  Hidraulica de Canales

  Juan Enrique Reyes Gabino

  Belum ada peringkat
• Diseño de Pavimentos

  

  Dokumen112 halaman

  Diseño de Pavimentos

  Andres Gil Hernandez

  Belum ada peringkat
• Pavimentos de Concreto Simple

  

  Dokumen44 halaman

  Pavimentos de Concreto Simple

  Alejandro

  Belum ada peringkat
• 06 D Lista de Precios PVC Sanitaria, Tuberia y Conexiones

  

  Dokumen12 halaman

  06 D Lista de Precios PVC Sanitaria, Tuberia y Conexiones

  Alejandro

  Belum ada peringkat
• 1111 - Cross y Armado

  

  Dokumen20 halaman

  1111 - Cross y Armado

  Alejandro

  Belum ada peringkat
• 

  Dari Everand

  Belum ada peringkat
• 

  Dari Everand

  Belum ada peringkat