Sobre el Libro

Probabilidad, estadística y confiabilidad para ingenieros y científicos (Probability, Statistics, and Reliability for Engineers and Scientists, Second Edition) es un libro de 656 páginas escrito en inglés por Bilal M. Ayyub y Richard H. McCuen. Fué publicado en el año 2016 por la editorial CRC Press en su tercera edición.

Descripción del Libro

(Información extraída y traducida del sitio web del libro en Amazon)

Prácticamente todos los ingenieros y científicos deben ser capaces de recopilar, analizar, interpretar y utilizar adecuadamente una amplia variedad de datos. Esto significa adquirir una base sólida en los métodos de análisis y síntesis de datos. Comprender los aspectos teóricos es importante, pero aprender a aplicar correctamente la teoría a los problemas del mundo real es esencial.

La segunda edición de este exitoso texto presenta métodos de probabilidad, estadística, confiabilidad y riesgo con un equilibrio ideal de teoría y aplicaciones. Claramente escrito y firmemente enfocado en el uso práctico de estos métodos, pone mayor énfasis en la simulación, particularmente como una herramienta de modelado, aplicándola progresivamente con proyectos que continúan en cada capítulo. También presenta discusiones ampliadas sobre el análisis de varianza, incluidos análisis de uno y dos factores y un tratamiento completo de la simulación de Monte Carlo. Los autores establecen claramente las limitaciones, ventajas y desventajas de cada método, pero también muestran que el análisis de datos es un proceso continuo en lugar de la aplicación aislada de diferentes métodos.

Probabilidad, estadística y confiabilidad para ingenieros y científicos, segunda edición, se diseñó como referencia y como libro de texto, y sirve bien a cada propósito. En última instancia, los lectores encontrarán su contenido de gran valor en la resolución de problemas y la toma de decisiones, particularmente en aplicaciones prácticas.

Sobre el Autor

(Información extraída y traducida del sitio web del libro en Amazon)

Bilal M. Ayyub es profesor de Ingeniería Civil y Ambiental y Director del Centro de Tecnología y Gestión de Sistemas en la Universidad de Maryland, College Park, y fue miembro visitante en el Departamento de Análisis de Seguridad Nacional del Laboratorio de Física Aplicada en 2015- dieciséis. Fue profesor de cátedra en la Universidad de Tongji, Shanghai, China (2016-18). Los principales intereses de investigación y trabajo del Dr. Ayyub son el análisis de riesgos, resiliencia, sostenibilidad, incertidumbre y decisiones, aplicado a la infraestructura civil, la energía, incluidas las energías renovables, los campos de defensa y marítimos y la infraestructura resiliente al clima. El profesor Ayyub es un miembro distinguido de ASCE y miembro honorario de ASME. También es miembro de la Sociedad de Arquitectos Navales e Ingenieros Marinos (SNAME), el Instituto de Ingeniería Estructural (SEI) y la Sociedad para el Análisis de Riesgos (Tesorero 2017-18), y miembro senior del Instituto de Electricidad y Electrónica. Ingenieros (IEEE). El Dr. Ayyub completó proyectos de investigación y desarrollo para entidades gubernamentales y privadas, incluidas NSF, DOD, DOT, NIST, DHS y corporaciones multinacionales y de seguros líderes en todo el mundo.

El Dr. Ayyub ha recibido varios premios, más recientemente el Premio Alfredo Ang de la ASCE 2018 sobre análisis de riesgos y gestión de la infraestructura civil, la Medalla del Presidente de la ASCE 2019 por sus muchos esfuerzos para llevar el diseño adaptativo a la profesión para ayudar a abordar un clima cambiante, ASCE 2019 Premio Le Val Lund por contribuciones a la mejora de la resiliencia y la reducción de riesgos para sistemas en red de línea de vida a través de la ciencia de la medición y la economía asociada para informar las prácticas de toma de decisiones y políticas, premio ENR Newsmaker 2018 por su esfuerzo apasionado por brindar a los ingenieros su primera orientación formal al diseñar infraestructura para ser más resistente a las condiciones meteorológicas extremas, y 2016 ASNE Solberg Award importantes logros en investigación y desarrollo de ingeniería en el campo de la supervivencia de los barcos. Es autor y coautor de más de 650 publicaciones en revistas, actas de congresos e informes y editor en jefe de ASCE-ASME Journal on Risk and Uncertainty in Engineering Systems en sus dos partes sobre ingeniería civil y mecánica.

Tabla de Contenidos

(Información extraída y traducida del sitio web del libro en Amazon)

1. Introducción.
2. Descripción y tratamiento de los datos.
3. Fundamentos de probabilidad.
4. Distribuciones de probabilidad para variables aleatorias discretas.
5. Distribuciones de probabilidad para variables aleatorias continuas.
6. Varias variables aleatorias.
7. Simulación.
8. Fundamentos del análisis estadístico.
9. Prueba de hipótesis.
10. Análisis de varianza.
11. Intervalos de confianza y determinación del tamaño de la muestra.
12. Análisis de regresión.
13. Análisis de regresión múltiple y no lineal.
14. Análisis de confiabilidad de componentes.
15. Confiabilidad y análisis de riesgos de los sistemas.
16. Métodos bayesianos.

Los 16 capítulos de este libro cubren los siguientes temas: (1) una introducción al texto que cubre los tipos de incertidumbre y el análisis de decisiones; (2) análisis gráfico de datos y cálculo de características importantes de mediciones de muestras y características estadísticas básicas; (3) los fundamentos de la probabilidad: (4) una introducción a las variables aleatorias discretas, sus distribuciones y su aplicación; (5) una discusión de las distribuciones de probabilidad continua ampliamente utilizadas y su aplicación en experimentos de simulación; (6) el comportamiento conjunto de variables aleatorias y las características probabilísticas de funciones de variables aleatorias; (7) una presentación formal de la simulación de Monte Carlo; (8) análisis estadísticos que incluyen estimación de parámetros e identificación de la distribución muestral de variables aleatorias; (9) una introducción a las pruebas de hipótesis, sus usos en la toma de decisiones y las pruebas de uso común: (10) una descripción general de los procedimientos de diseño experimental para análisis de varianza de uno y dos factores; (11) estimación del intervalo de confianza, determinación del tamaño de la muestra y selección del modelo de probabilidad; (12) una introducción a una variedad de temas relacionados con el uso de análisis de correlación y regresión; (13) ajuste de curvas o desarrollo de modelos no lineales mediante análisis de regresión; (14) un análisis de confiabilidad de introducción de componentes con aplicaciones; (15) análisis de confiabilidad, riesgo y decisión del sistema; y (16) el uso de métodos bayesianos en ingeniería.

1.1 Introducción

(Información extraída y traducida del sitio web del libro en Amazon)

Los procesos de ingeniería de análisis y diseño pueden realizarse sistemáticamente dentro del marco de un sistema. Generalmente, un proyecto de ingeniería puede modelarse para incluir un segmento de su entorno que interactúa significativamente con él para definir un sistema de ingeniería. Los límites del sistema se trazan con base en las metas y características del proyecto, la clase de desempeño (incluyendo fallas) bajo consideración y los objetivos del análisis.

El primer paso en la resolución de problemas de ingeniería es definir la arquitectura del sistema. La definición puede basarse en observaciones en diferentes niveles de abstracción del sistema que se establecen en función de los objetivos de análisis de un proyecto. Las observaciones pueden referirse a los diferentes elementos (o componentes) del sistema, las interacciones entre estos elementos y el comportamiento esperado del sistema. Cada nivel de conocimiento que se obtiene sobre un problema de ingeniería define un sistema para representar el proyecto. Como conocimiento que se obtiene sobre un problema de ingeniería se define un sistema para representar el proyecto. A medida que se agregan niveles adicionales de conocimiento a los anteriores, son posibles niveles epistemológicos más altos de definición y descripción del sistema que, en conjunto, forman una jerarquía de las descripciones del sistema.

Una jerarquía epistemológica de sistemas requiere un tratamiento generalizado de la incertidumbre tanto en la arquitectura del sistema como en la información recopilada. Este tratamiento puede basarse, en parte, en conceptos estadísticos y de probabilidad, así como en otras teorías relacionadas. Por lo tanto, los sistemas de ingeniería deben verse comprendiendo el contenido de conocimiento de la información recopilada, incluidas las incertidumbres asociadas. También. el usuario debe comprender las limitaciones de los modelos de predicción que se deben a la insuficiencia inherente de los modelos que resultan de los supuestos utilizados para desarrollarlos. La dimensión de incertidumbre en el análisis de sistemas de ingeniería puede resultar en información valiosa o información que es necesaria para tomar decisiones racionales. Dicho proceso de decisión considera la información o el conocimiento disponible, las opciones de decisión, los resultados de decisión alternativos y las incertidumbres asociadas. Estos aspectos del análisis de decisiones se discuten en la Sección 1.1.1.

La necesidad de un tratamiento adecuado de la incertidumbre en los sistemas de ingeniería, así como el avance de la tecnología informática y su disponibilidad para los ingenieros en ejercicio, han impactado la educación en ingeniería en muchos aspectos. Para preparar a los estudiantes de ingeniería e ingenieros en ejercicio para los desafíos actuales y futuros, es necesaria una introducción y un énfasis en los métodos basados ​​en computadora. Actualmente, los problemas prácticos de la ingeniería exigen el uso de computadoras para obtener soluciones de manera oportuna y con un nivel aceptable de precisión.

El objetivo de este libro es presentar los fundamentos de la probabilidad, la estadística y la confiabilidad a los estudiantes de ingeniería y ciencias, y a los ingenieros y científicos en ejercicio para hacer frente a la incertidumbre en los sistemas naturales o de ingeniería. Los aspectos prácticos del uso de estos métodos se enfatizan a lo largo del libro, con aplicaciones prácticas proporcionadas en cada capítulo. Aunque el libro se desarrolló con énfasis en la ingeniería. Ciencias. y problemas tecnológicos. Estos métodos se pueden desarrollar con énfasis en problemas de ingeniería, ciencia y tecnología; estos métodos se pueden utilizar para resolver problemas en muchos otros campos. Los métodos se proporcionan con distintos niveles de detalle y énfasis. Se proporciona una presentación crítica de estos métodos para mejorar la comprensión del lector.

La probabilidad, las estadísticas y los métodos de confiabilidad se pueden utilizar para cálculos manuales o basados ​​en computadora. La importancia de estos métodos en ingeniería puede demostrarse de manera eficaz en casos que se ocupan de problemas complejos en los que no se pueden obtener soluciones analíticas o no se pueden realizar cálculos manuales. En este libro, usamos problemas comunes de ingeniería y ciencia para demostrar los procedimientos computacionales. Los ejemplos se seleccionaron intencionalmente con soluciones rastreables para que los lectores puedan reproducirlos. Es útil, pero no necesario, que el lector se familiarice con los fundamentos de un lenguaje informático.

El uso de cualquier método computacional sin una comprensión adecuada de sus limitaciones y deficiencias puede tener graves consecuencias. Antes de utilizar un método, los usuarios deben familiarizarse con estos métodos en términos de los detalles computacionales y sus limitaciones, defectos y fortalezas. Los métodos presentados en el libro, especialmente los métodos estadísticos y de confiabilidad, no deben usarse sin una comprensión completa de la teoría subyacente y el conocimiento de los métodos o procedimientos computacionales.

Cursos recomendados

Andrés González

Fundamentos de Confiabilidad

Presencial15 de junio

Edgar Fuenmayor

Análisis de Confiabilidad, Disponibilidad y Mantenibilidad (RAM)

En línea en vivo4 de julio

Jose Contreras Marquez

Costos y Presupuestos de Mantenimiento

En línea en vivo1 de agosto

Jose Contreras Marquez

Sistemas de indicadores (KPI) para evaluar la gestión del mantenimiento

En línea en vivo3 de octubre

Fundamentos de Confiabilidad

15 de junio

Análisis de Confiabilidad, Disponibilidad y Mantenibilidad (RAM)

4 de julio

Costos y Presupuestos de Mantenimiento

1 de agosto

1.1.1 Toma de decisiones en ingeniería y ciencia

La ingeniería y las ciencias son disciplinas en las que sus miembros suelen ocupar puestos de toma de decisiones. Para tomar las mejores decisiones, los ingenieros y científicos deben conocer y comprender completamente los procedimientos de solución alternativa. Esta necesidad se ha vuelto más importante en la práctica profesional a medida que los problemas que los ingenieros y científicos deben abordar se han vuelto más importantes para la sociedad y los métodos de diseño se han vuelto más complejos. En referencia a decisiones, el término mejor es multifacético. Por ejemplo, los ingenieros necesitan soluciones precisas que sean tanto imparciales como de alta precisión. La solución debe ser rentable y tener consecuencias medioambientales mínimas. La solución adoptada debe mejorar la comunidad y ser estéticamente atractiva. Estos son solo algunos de los criterios utilizados para tomar decisiones de ingeniería.

Cuando a los ingenieros se les presenta un problema de diseño, normalmente abordan la solución mediante un procedimiento sistemático. Una formulación de este proceso es la siguiente: (1) identificar el problema, (2) establecer los objetivos, (3) desarrollar soluciones alternativas, (4) evaluar las alternativas e (3) implementar la mejor alternativa. En este proceso, los ingenieros deben (1) considerar las incertidumbres asociadas con las soluciones alternativas. (2) evaluar el conjunto de posibles resultados de cada alternativa con sus incertidumbres asociadas, y (3) evaluar todos los datos y modelos de predicción utilizados en los análisis, también con sus incertidumbres asociadas. Se pueden utilizar métodos de probabilidad, estadísticas y confiabilidad para ayudar a garantizar que cada una de estas tareas se maneje correctamente.

Los problemas de decisión pueden clasificarse como problemas de objetivo único o de objetivo múltiple. Por ejemplo. Se considera que el modelado que usa el principio de mínimos cuadrados (como se usa en el Capítulo 12) para definir una curva ajustada a los datos involucra un solo objetivo. Un problema de objetivos múltiples puede buscar minimizar el costo total esperado mientras maximiza la seguridad y minimiza el daño ambiental. El análisis de decisiones requiere que todos los objetivos estén claramente establecidos. Además, el término esperado en los objetivos de ejemplo significa "en promedio". lo que implica la necesidad de modelar adecuadamente las incertidumbres asociadas. Para los casos de objetivos múltiples, todos los objetivos deben expresarse en las mismas unidades. Además, se deben asignar pesos que reflejen la importancia de los objetivos y que puedan usarse para combinar los objetivos. Luego. el problema puede formularse en una estructura adecuada para alcanzar los objetivos de decisión.

El desarrollo de soluciones alternativas es el paso que es especialmente crítico para el éxito en el cumplimiento de los objetivos del proyecto. Un equipo de ingenieros debe tener una sólida formación técnica y un amplio conocimiento de los métodos de diseño alternativos. Para evaluar adecuadamente cada alternativa, se requiere una comprensión completa de la base técnica del método de diseño, luego se deben evaluar las alternativas y hacer una selección.

Las computadoras han aumentado el número de procedimientos de solución alternativos que están disponibles para ingenieros y científicos. Mientras que los ingenieros de generaciones pasadas estaban limitados a métodos gráficos, analíticos y empíricos simples, los ingenieros ahora pueden considerar métodos numéricos y de simulación en su trabajo de diseño. Se cree que la mayor complejidad de los métodos numéricos y de simulación mejora la precisión de las soluciones y, debido a que estos métodos se implementan fácilmente con una computadora, el mayor esfuerzo sobre los métodos menos detallados es mínimo. Por lo tanto, el aumento en el esfuerzo de diseño se compensa con creces por la mejora esperada en la precisión. Sin embargo, para lograr este beneficio, un ingeniero debe comprender completamente los métodos más complejos para que puedan aplicarse correctamente.

Comprar en Amazon

Más libros en Predictiva21