UNIVERSIDAD POLITÉCNICA

SALESIANA
SISTEMAS ELÉCTRICOS DE POTENCIA
IV
1 Confiabilidad de SEP

Santiago Espinosa G.
VISIÓN GENERAL

2
VISIÓN GENERAL

3
Introducción

La teoría de confiabilidad se basa fundamentalmente

sobre la teoría de probabilidades.
La solución de un problema de ingeniería incluyendo
aspectos probabilísticos involucra los siguientes pasos:

1. Modelación del problema: transformación del

problema físico en un modelo matemático.
2. Solución del problema probabilístico aplicando las
leyes de la teoría de probabilidad.
3. Interpretación de los resultados obtenidos en
términos del problema de ingeniería.
4
Eventos aleatorios

Para cada fenómeno existe una relación causa – efecto

perfectamente definida.

5
Eventos aleatorios

En el caso de instalaciones técnicas complicadas, el

complejo condicionante y la estructura de las
relaciones causa – efecto, son tan complicados que
impiden una previsión precisa del comportamiento
futuro de tales sistemas.

Evento aleatorio o estocástico: cuya ocurrencia se

puede describir en forma cuantitativa con la ayuda de
la estadística y la teoría de probabilidades.

Respecto a la ocurrencia o no de eventos aleatorios en

el futuro, solo se puede hacer una estimación probable
pero no segura. 6
Concepto de probabilidad

Suponga un evento A, que de un total de n casos

posibles, todos igualmente factibles, puede presentarse
en h de los casos. Entonces, la probabilidad de
aparición del suceso (llamada su ocurrencia) viene
dad por:

h
P( A) 
n

7
Axiomas

La probabilidad de ocurrencia de un evento A es un

número entre cero y uno.
0  P( A)  1
La probabilidad de un evento cierto S es igual a la
unidad.
P( S )  1

La probabilidad de la unión (suma) de dos eventos

mutuamente exclusivos, es la suma de sus
probabilidades.
P( A  B)  P( A)  P( B)
8
Axiomas

La teoría de probabilidades se apoya en la teoría de

conjuntos.
Los eventos son los elementos de los conjuntos.
El conjunto de todos los eventos posibles se llama
espacio de eventos S (conjunto universal).

PROPIEDADES UNION INTERSECCION

1.- Idempotencia AA=A AA=A
2.- Conmutativa AB=BA AB=BA
3.- Asociativa A(BC)=(AB)C A(BC)=(AB)C
4.- Absorción A(AB)=A A(AB)=A
5.- Distributiva A(BC)=(AB)(AC) A(BC)=(AB)(AC)
6.- Complementariedad A  A' = U A  A' = 

9
Complemento

El complemento de un conjunto A es otro conjunto Ā

que contiene todos los elementos del conjunto
universal S que no pertenecen a A.
__
A A  S

P( A  A)  P( A)  P( A)  P(S )  1

10
Probabilidad de una unión

P( A1  A2  ...  An )  P( A1 )  P( A2 )  ...  P( An )

P( A1  A2 )  P( A1 )  P( A2 )  P( A1 A2 )
11
Independencia y probabilidad condicional

En caso de que la ocurrencia de un determinado

evento A afecte la probabilidad de ocurrencia de otro
evento B, es decir cuando el evento B es en alguna
forma dependiente del evento A, es de importancia la
probabilidad condicional
P( AB )
P ( B / A)  ; conP ( A)  0
P( A)
P( AB )
P( A / B)  ; conP ( B )  0
P( B)
P( A / B )  P ( A)
P( B / A)  P ( B ) A y B: eventos
independientes
P( AB )  P ( A) P ( B ) 12
Distribución de probabilidad – variables aleatorias
discretas

X: variable aleatoria discreta.

xi: valores probables de X.

Cada valor de xi de la variable X se puede asociar con

una probabilidad de ocurrencia P(xi).

La función que da para cada valor xi la probabilidad

P(xi) se llama función densidad de probabilidad f(x).

f ( x)  P( X  xi )  P( xi )
0  f ( x)  1
13
Distribución de probabilidad – variables aleatorias
discretas

La probabilidad de un evento A del espacio S vale:

P ( A)   f (x )
xi  A
i

P ( S )   f ( xi )  1
i

La función distribución de probabilidad F(x) se

define como:

F ( x)  P( X  x)   f (x )
xi  x
i

14
Distribución de probabilidad – variables aleatorias
discretas

15
Distribución de probabilidad – variables aleatorias
continuas

Se pueden definir la densidad de probabilidad y la

distribución de probabilidad para una variable aleatoria
continua.
F ( x)   f ( x)dx  P( X  x)
dF ( x)
f ( x) 
dx
La probabilidad de que la variable aleatoria X tome un
valor entre x y x+dx es:

16
Distribución de probabilidad – variables aleatorias
continuas

17
Distribución de probabilidad – variables aleatorias
continuas

18