Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
RICHIAMI DI CALCOLO
DELLE PROBABILIT
Le misure di tipo probabilistico sono pi complesse ma allo stesso tempo pi realistiche, dal
momento che tengono conto delle variabilit e delle incertezze dei parametri da cui la sicurezza
della struttura dipende.
Domanda Sd Rd Richiesta
7 4
2 1 1 1 1 1 7
f
a 1
7 ( 3 ) 7 ( 6 ) 7 ( 2 ) 7 (1) 7 ( 5 ) 7 ( 4 ) 7
PROBABILIT: VARIABILE ALEATORIA DISCRETA
p(a) lim
n
(n a / n )
Per poter estendere il concetto di probabilit al caso delle variabili aleatorie continue, occorre
dividere il campo di variabilit della grandezza in un numero finito di intervalli e contare il
numero di volte in cui ciascuno dei valori cade allinterno dellintervallo considerato.
Consideriamo i risultati di 12 prove di compressione su altrettanti cubetti:
1 29 7 29
2 32 8 30
3 31 9 28
4 30 10 32
5 30 11 33
6 29 12 27
PROBABILIT: VARIABILE ALEATORIA CONTINUA
Per poter estendere il concetto di probabilit al caso delle variabili aleatorie continue, occorre
dividere il campo di variabilit della grandezza in un numero finito di intervalli e contare il
numero di volte in cui ciascuno dei valori cade allinterno dellintervallo considerato.
Consideriamo i risultati di 12 prove di compressione su altrettanti cubetti:
4 30 10 32
28-30
5 30 11 33
31-33
6 29 12 27
PROBABILIT: VARIABILE ALEATORIA CONTINUA
Per poter estendere il concetto di probabilit al caso delle variabili aleatorie continue, occorre
dividere il campo di variabilit della grandezza in un numero finito di intervalli e contare il
numero di volte in cui ciascuno dei valori cade allinterno dellintervallo considerato.
Consideriamo i risultati di 12 prove di compressione su altrettanti cubetti:
4 30 10 32
28-30
5 30 11 33
31-33
6 29 12 27
PROBABILIT: VARIABILE ALEATORIA CONTINUA
Per poter estendere il concetto di probabilit al caso delle variabili aleatorie continue, occorre
dividere il campo di variabilit della grandezza in un numero finito di intervalli e contare il
numero di volte in cui ciascuno dei valori cade allinterno dellintervallo considerato.
Consideriamo i risultati di 12 prove di compressione su altrettanti cubetti:
4 30 10 32
28-30
5 30 11 33
31-33
6 29 12 27
PROBABILIT: VARIABILE ALEATORIA CONTINUA
Per poter estendere il concetto di probabilit al caso delle variabili aleatorie continue, occorre
dividere il campo di variabilit della grandezza in un numero finito di intervalli e contare il
numero di volte in cui ciascuno dei valori cade allinterno dellintervallo considerato.
Consideriamo i risultati di 12 prove di compressione su altrettanti cubetti:
4 30 10 32
28-30
5 30 11 33
31-33
6 29 12 27
PROBABILIT: VARIABILE ALEATORIA CONTINUA
Per poter estendere il concetto di probabilit al caso delle variabili aleatorie continue, occorre
dividere il campo di variabilit della grandezza in un numero finito di intervalli e contare il
numero di volte in cui ciascuno dei valori cade allinterno dellintervallo considerato.
Consideriamo i risultati di 12 prove di compressione su altrettanti cubetti:
4 30 10 32
28-30 7 Fa=7/12=0,583
5 30 11 33
31-33
6 29 12 27
PROBABILIT: VARIABILE ALEATORIA CONTINUA
Per poter estendere il concetto di probabilit al caso delle variabili aleatorie continue, occorre
dividere il campo di variabilit della grandezza in un numero finito di intervalli e contare il
numero di volte in cui ciascuno dei valori cade allinterno dellintervallo considerato.
Consideriamo i risultati di 12 prove di compressione su altrettanti cubetti:
4 30 10 32
28-30 7 Fa=7/12=0,583
5 30 11 33
31-33 4 Fa=4/12=0,333
6 29 12 27
FREQUENZA RELATIVA PROBABILIT: VARIABILE ALEATORIA CONTINUA
Il passaggio dalle frequenze relative alla probabilit per le variabili aleatorie continue si
ottiene facendo tendere ad infinito il numero n di prove e a zero lampiezza di degli
intervalli in cui stato suddiviso il campo di variabilit della resistenza a compressione.
Si definisce funzione densit di probabilit f(x) come:
f(x) lim i
n
di 0
PROBABILIT: VARIABILE ALEATORIA CONTINUA
a
F(a) f(x)dx
F(a) = p ( x < a )
INTERPRETAZIONE GRAFICA
Se f(x) la funzione densit di probabilit di una variabile aleatoria x, essa pu
essere rappresentata graficamente
f(x)dx 1
f(x)
x
INTERPRETAZIONE GRAFICA
Se f(x) la funzione densit di probabilit di una variabile aleatoria x, essa pu
essere rappresentata graficamente
f(x)dx 1
f(x)
x
INTERPRETAZIONE GRAFICA
Se f(x) la funzione densit di probabilit di una variabile aleatoria x, essa pu
essere rappresentata graficamente
f(x)dx 1
f(x)
P(X x0 ) F(x0 )
Probabilit che la variabile
aleatoria assuma valori
compresi tra ed X0
x0 x
INTERPRETAZIONE GRAFICA
Se f(x) la funzione densit di probabilit di una variabile aleatoria x, essa pu
essere rappresentata graficamente
f(x)dx 1
f(x)
P(X x3 ) 1 F(x3 )
Probabilit che la variabile aleatoria
assuma valori compresi tra X3 +
x3 x
INTERPRETAZIONE GRAFICA
Se f(x) la funzione densit di probabilit di una variabile aleatoria x, essa pu
essere rappresentata graficamente
f(x)dx 1
f(x)
P(x1 X x2 ) F(x2 ) F(x1)
x1 x2 x
DEFINIZIONE DI FRATTILE
Assegnato un valore P* della probabilit, esister uno ed un solo valore xk della
variabile x per il quale vale
P* P(x xk ) F(xk )
Si definisce frattile della probabilit P* il valore xk della variabile aleatoria x che
soddisfa tale uguaglianza.
f(x)
Si definisce frattile superiore al p% quel valore della variabile
aleatoria cui corrisponde la probabilit p% di non essere superato
x0 = frattile superiore al 5%
5%
x0 x
DEFINIZIONE DI FRATTILE
Assegnato un valore P* della probabilit, esister uno ed un solo valore xk della variabile x
per il quale vale
P * P ( x xk ) F ( xk )
Si definisce frattile della probabilit P* il valore xk della variabile aleatoria x che soddisfa
tale uguaglianza.
95%
x0 x
DEFINIZIONE DI MEDIA, MEDIANA E MODA
Fra tutti i valori che una variabile casuale pu assumere ce ne sono alcuni
che sono pi frequenti di altri, in qualche modo tipici e vengono
generalmente posti al centro dellintervallo di variabilit.
Con riferimento ad una variabile aleatoria continua x, con una funzione di densit di
probabilit f(x), la media della popolazione indicata anche come valore atteso
vale:
E(x) xf(x)dx
I valori di media, mediana e moda coincidono nel caso di distribuzioni f(x) simmetriche
DEFINIZIONE DI VARIANZA E DEVIAZIONE STANDARD
( x ) f ( x )dx
2 2
2
TEORIA DEI CAMPIONI
Ci si pone spesso davanti al problema di determinare conclusioni valide per un ampio gruppo di
individui o di oggetti; in questi casi, invece di esaminare lintero gruppo, detto POPOLAZIONE,
esame che pu comportare diverse difficolt e diventare anche impossibile, si pu far ricorso allesame
di una piccola parte della popolazione: questa piccola parte viene chiamata un CAMPIONE.
ES: Desideriamo trarre conclusioni circa la statura (o il peso) di 12.000 studenti adulti (la popolazione)
esaminando solo 100 studenti (il campione) estratti dalla popolazione
ES: Desideriamo trarre conclusioni circa la percentuale dei bulloni difettosi costruiti da una certa
fabbrica durante i sei giorni di una settimana, esaminando ogni giorno 20 bulloni prodotti in diverse
ore della giornata lavorativa. In questo caso la popolazione sono i bulloni prodotti nella settimana
lavorativa mentre il campione sono i 120 bulloni scelti.
1 29 7 29
2 32 8 30
3 31 9 28
4 30 10 32
5 30 11 33
6 29 12 27
29 32 31 30 30 29 29 30 28 32 33 27
E 30
12
TEORIA DEI CAMPIONI
ESEMPIO
Supponiamo che la popolazione sia composta da 2066 intervistati a cui chiediamo let. Let
media calcolata su tutta la popolazione di intervistati 22,7 anni.
Supponendo di non conoscerla, si vuole stimare let media estraendo a caso un
campione di dieci intervistati.
Le osservazioni sono le seguenti: 27; 22; 26; 22; 23; 28;29; 27; 25; 22
La loro et media = (27+22+26+22+23+28+29+27+25+22)/10=25,1.
22,9
TEORIA DEI CAMPIONI
1 ( x )2
f(x) f ( x)
1
e 2 2
x
xf ( x)dx ( x ) 2 f ( x)dx
MODELLI DI DISTRIBUZIONI DI VARIABILI CASUALI
f ( t ) e t 0t
3) Distribuzione Esponenziale t t
F (t ) f (t )dt e t dt (1 e t )
0 0
1,2
0,8
PDF
0,6
0,4
0,2
0
0 1 2 3 4 5
tem po
MODELLI DI DISTRIBUZIONI DI VARIABILI CASUALI
4) Distribuzione di Weibull
1 t
(t )
f (t ) e
MODELLI DI DISTRIBUZIONI DI VARIABILI CASUALI
5) Distribuzione LogNormale
Distribuzioni lognormali con uguale valore dello scarto quadratico medio s(y) e
diverso valore (maggiore per la distribuzione b) della media m(y)
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE
DEGRADO
Endogeno: alterazione naturale del materiale di cui composta
lopera strutturale
Esogeno: alterazione delle propriet dei materiali a causa di
agenti esterni
AZIONI DIRETTE
AZIONI INDIRETTE
PERMANENTI: peso
proprio, sovraccarichi fissi
VARIABILI: quasi
permanenti, carichi duso
AZIONI
Classificazione delle azioni secondo la variazione di intensit nel tempo:
RAPIDAMENTE
VARIABILI: folla, vento,
neve
ACCIDENTALI O
ECCEZZIONALI:
esplosioni, sisma, urti
AZIONI
Classificazione delle azioni secondo la variazione della intensit nel tempo:
Sono dovuti ai carichi che gravano sulla struttura per il suo intero periodo di vita ( o per
una significativa frazione)
Non sono rimovibili durante il normale esercizio della costruzione
Devono essere valutati sulla base delle dimensioni effettive delle opere e dei pesi per unit
di volume dei materiali costituenti
AZIONI
Classificazione delle azioni secondo la variazione della intensit nel tempo:
=
AZIONI
Azioni permanenti
..Esse vanno valutate sulla base
delle dimensioni effettive delle
opere e dei pesi per unit di
volume dei materiali
costituenti
AZIONI
AZIONI
AZIONI
Es: Solaio
Dimensione
SIMBOLO (cm)
Campata sbalzo
soletta s 5 5
altezza pignatta hp 20 16
larghezza pignatta bp 38 38
base travetto b 12 12
altezza totale solaio H 25 21
massetto in calcestruzzo leggero sm 10 10
pavimento sp 3 2
p
smb sc sm
s
hp H
si
bp
i b
AZIONI
Es: Solaio
PESO PROPRIO SOLAIO
travetti G1t [base x altezza x profondit x ps] x ntrav. al m 0.12 x 0.20 x 1 x 25 x 2 1.2
pignatte G1l [base x altezza x profondit x ps] x nfile 0.38 x 0.20 x 1 x 8 x 2 1.22
g2=0.8 kN/m2
AZIONI
Es: 2
da valutare!
AZIONI
Classificazione delle azioni secondo la variazione della intensit nel tempo:
Agiscono con una intensit elevata per brevi periodi in confronto alla vita della struttura
Vento
Neve
Sisma
Azioni dovute alle variazioni termiche
Azioni dovute a moti ondosi
Carichi di esercizio di breve durata
AZIONI
Incendi
Esplosioni
Urti ed Impatti
Valore dellazione
Qk variabile (Q=qmax)
AZIONI
Valore frequente dellazione variabile (y1j Qkj)
Rappresenta il valore dellazione che viene superato per una
limitata frazione del tempo di riferimento, corrispondente ad un
frattile pari al 95% della distribuzione temporale dellintensit
dellazione.
Valore quasi permanente dellazione variabile (y2j Qkj)
Rappresenta il valore dellazione superato in un periodo pari al 50%
del periodo di riferimento, corrispondente alla media della
distribuzione temporale dellintensit.
180
AZIONI
CARICHI VARIABILI ORIZZONTALI, HK
AZIONI
Carichi variabili nel tempo (Qk)
Il valore caratteristico pari a quel valore che ha un prefissato periodo di ritorno
(TR). Il periodo di ritorno TR risulta correlato alla probabilit che la stessa azione
venga maggiorata in un intervallo di tempo DT (DT= Ts)
DT Ts
TR
ln p 1 p
Se p=10% Ts=50 TR=475
ag
F= forza inerziale sulla
struttura
F= m am
COMBIANZIONE DELLE AZIONI
S.L.U.
COMBIANZIONE DELLE AZIONI
Combinazione frequente
1.5 Qks
Condizione II
1.5 G2p
1.5 Qk 1.5 Qk
Condizione III
1.5 G2p
1.5 Qk
1.5 G2p
Condizione IV
1.5 Qks 1.5 Qk