Documente Academic
Documente Profesional
Documente Cultură
EJERCICIO
Se pide analizar la confiabilidad de un sistema estructural.
Para la resolucin de esta Tarea, se adoptaron dos maneras diferentes de obtener las
probabilidades de falla para cada situacin y los correspondientes parmetros asociados
(ndice de confiabilidad).
Primero se procedi a resolver por el mtodo de simulacin Monte Carlo, para lo cual se
generaron 1.000.000 de variables aleatorios con distribucin normal para cada variable del
problema. Para ver la implementacin realizada y el procedimiento de clculo ver en Anexo
Simulacin Monte Carlo.
Los resultados obtenidos de esta manera fueron:
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
Luego, el segundo mtodo utilizado para obtener los resultados de probabilidad de falla en
cada situacin y el ndice de confiabilidad asociado fue el Mtodo de Rackwitz-Fiessler.
Para calcular el ndice de confiabilidad Rackwitz-Fiessler para poder estimar la probabilidad
de falla se procede de la siguiente manera iterativa:
-
Elegir Xi* ta que g(Xi*)=0, aqu se comenz por las medias de cada variable
Calcular
Luego calculamos * +
Calcular
Se calcula
Luego
}* +
* +
es tal que (
* +
* +
* +
(factores de sensibilidad)
converja.
Dado esto se obtuvo los resultados pedidos. Para ver con mayor detalle el procedimiento realizado ver
en Anexo Rackwitz-Fiessler. Para los ejercicios (4), (8), (9) y (10) que corresponden a las evaluaciones en
los Estados Lmite se realiz la siguiente operacin de acuerdo al Captulo 9 del texto gua del curso.
Para sistemas en serie, falla uno falla todo.
Entonces la primera ecuacin nos servir para los estados lmite I, II y III y la segunda ecuacin para el
estado lmite IV.
Anexos
Rutinas Matlab
Simulacin Monte Carlo
%% Para M
muM1=0.0355;
muM2=0.0355;
muM3=0.0311;
VM1=0.08;
VM2=VM1;
VM3=VM1;
rhoM=0.5;
sigmaM1=muM1*VM1;
sigmaM2=muM2*VM2;
sigmaM3=muM3*VM3;
COV_M1M2=rhoM*sigmaM1*sigmaM2;
COV_M1M3=rhoM*sigmaM1*sigmaM3;
COV_M2M3=rhoM*sigmaM2*sigmaM3;
COV_M1M1=sigmaM1^2;
COV_M2M2=sigmaM2^2;
COV_M3M3=sigmaM3^2;
%Matriz de covarianzas de M
CM=[COV_M1M1,COV_M1M2,COV_M1M3;
COV_M1M2,COV_M2M2,COV_M2M3;
COV_M1M3,COV_M2M3,COV_M3M3];
%Las varibales son todas noramales por lo que procedemos a obtener
%directamente los valores y vectores propios de covarianza. Al igual como
%se realiz en la Tarea N2
[T,Varianzas]=eig(CM);
medias=T'*[muM1;muM2;muM3];
s1=sqrt(Varianzas(1,1));
s2=sqrt(Varianzas(2,2));
s3=sqrt(Varianzas(3,3));
N=1000000; %Valores y simulacin a generar
A1=normrnd(medias(1),s1,N,1);
A2=normrnd(medias(2),s2,N,1);
A3=normrnd(medias(3),s3,N,1);
G=[A1';A2';A3'];
x=T*G;
M1=x(1,:);
M2=x(2,:);
M3=x(3,:);
%% Para K:
muK1=100;
muK2=83;
muK3=50;
VK1=0.05;
VK2=0.05;
VK3=0.05;
rhoK=0.65;
sigmaK1=muK1*VK1;
sigmaK2=muK2*VK2;
sigmaK3=muK3*VK3;
COV_K1K2=rhoK*sigmaK1*sigmaK2;
COV_K1K3=rhoK*sigmaK1*sigmaK3;
COV_K2K3=rhoK*sigmaK2*sigmaK3;
COV_K1K1=sigmaK1^2;
COV_K2K2=sigmaK2^2;
COV_K3K3=sigmaK3^2;
%Matriz de covarianzas de M
CK=[COV_K1K1,COV_K1K2,COV_K1K3;
COV_K1K2,COV_K2K2,COV_K2K3;
COV_K1K3,COV_K2K3,COV_K3K3];
[T,Varianzas]=eig(CK);
medias=T'*[muK1;muK2;muK3];
s1=sqrt(Varianzas(1,1));
s2=sqrt(Varianzas(2,2));
s3=sqrt(Varianzas(3,3));
A1=normrnd(medias(1),s1,N,1);
A2=normrnd(medias(2),s2,N,1);
A3=normrnd(medias(3),s3,N,1);
G=[A1';A2';A3'];
x=T*G;
K1=x(1,:);
K2=x(2,:);
K3=x(3,:);
%% Para G
muG1=981;
muG2=981;
muG3=981;
VG1=0.35;
VG2=0.35;
VG3=0.35;
rhoG=0.80;
sigmaG1=muG1*VG1;
sigmaG2=muG2*VG2;
sigmaG3=muG3*VG3;
COV_G1G2=rhoG*sigmaG1*sigmaG2;
COV_G1G3=rhoG*sigmaG1*sigmaG3;
COV_G2G3=rhoG*sigmaG2*sigmaG3;
COV_G1G1=sigmaG1^2;
COV_G2G2=sigmaG2^2;
COV_G3G3=sigmaG3^2;
%Matriz de covarianzas de M
CG=[COV_G1G1,COV_G1G2,COV_G1G3;
COV_G1G2,COV_G2G2,COV_G2G3;
COV_G1G3,COV_G2G3,COV_G3G3];
[T,Varianzas]=eig(CG);
medias=T'*[muG1;muG2;muG3];
s1=sqrt(Varianzas(1,1));
s2=sqrt(Varianzas(2,2));
s3=sqrt(Varianzas(3,3));
A1=normrnd(medias(1),s1,N,1);
A2=normrnd(medias(2),s2,N,1);
A3=normrnd(medias(3),s3,N,1);
G=[A1';A2';A3'];
x=T*G;
G1=x(1,:);
G2=x(2,:);
G3=x(3,:);
%Se generan las variables delta, A, F.
for i=1:N
F1(i)=((M1(i)+M2(i)+M3(i))*G1(i))/6;
F2(i)=((M1(i)+M2(i)+M3(i))*G2(i))/3;
F3(i)=((M1(i)+M2(i)+M3(i))*G3(i))/2;
delta1(i)=(F1(i)+F2(i)+F3(i))/K1(i);
delta2(i)=(F2(i)+F3(i))/K2(i);
delta3(i)=F3(i)/K3(i);
A1(i)=F1(i)/M1(i);
A2(i)=F2(i)/M2(i);
A3(i)=F3(i)/M3(i);
end
%% Contador de casos de falla
cont=linspace(0,0,10);
for j=1:N
aux1=0;
aux2=0;
%(1)
if delta1(j)>2.3
cont(1)=cont(1)+1;
end
%(2)
if delta2(j)>2.3
cont(2)=cont(2)+1;
end
%(3)
if delta3(j)>2.3
cont(3)=cont(3)+1;
end
%(4)
if delta1(j)>2.3 || delta2(j)>2.3 || delta3(j)>2.3
cont(4)=cont(4)+1;
aux1=1;
end
%(5)
if A1(j)>1.1*981
cont(5)=cont(5)+1;
end
%(6)
if A2(j)>2.2*981
cont(6)=cont(6)+1;
end
%(7)
10
if A3(j)>3.8*981
cont(7)=cont(7)+1;
end
%(8)
if A1(j)>1.1*981 || A2(j)>2.2*981 || A3(j)>3.8*981
cont(8)=cont(8)+1;
aux2=1;
end
%(9)
if aux1~=0 || aux2~=0
cont(9)=cont(9)+1;
end
%(10)
if aux1~=0 && aux2~=0
cont(10)=cont(10)+1;
end
end
P=cont/N*100;
disp('Probabilidades de falla (%) en cada caso (1)-->(10)')
disp(P)
disp('Indices de confiabilidad asociados')
disp(-norminv(P/100))
%% Correlacin entre variables
%Para las masas
M=[M1' M2' M3'];
for i=2:3
figure
plot(M1,M(:,i)');
title(horzcat('Correlacin entre M_1 y M_',num2str(i)))
xlabel('M_1')
ylabel(horzcat('M_',num2str(i)))
if i==3
figure
plot(M(:,i-1)',M(:,i)');
title('Correlacin entre M_2 y M_3')
xlabel('M_2')
ylabel('M_3')
end
end
%Para las rigideces
K=[K1' K2' K3'];
for i=2:3
figure
plot(K1,K(:,i));
title(horzcat('Correlacin entre K_1 y K_',num2str(i)))
xlabel('K_1')
ylabel(horzcat('K_',num2str(i)))
if i==3
figure
plot(K(:,i-1),K(:,i));
title('Correlacin entre K_2 y K_3')
xlabel('K_2')
ylabel('K_3')
end
end
% Para los G
11
12
Rackwitz-Fiessler
muM1=0.0355;
muM2=0.0355;
muM3=0.0311;
VM1=0.08;
VM2=VM1;
VM3=VM1;
rhoM=0.5;
sigmaM1=muM1*VM1;
sigmaM2=muM2*VM2;
sigmaM3=muM3*VM3;
muK1=100;
muK2=83;
muK3=50;
VK1=0.05;
VK2=0.05;
VK3=0.05;
rhoK=0.65;
sigmaK1=muK1*VK1;
sigmaK2=muK2*VK2;
sigmaK3=muK3*VK3;
muG1=981;
muG2=981;
muG3=981;
VG1=0.35;
VG2=0.35;
VG3=0.35;
rhoG=0.80;
sigmaG1=muG1*VG1;
sigmaG2=muG2*VG2;
sigmaG3=muG3*VG3;
%% (1)
M1prima=muM1;
M2prima=muM2;
M3prima=muM3;
G1prima=muG1;
G2prima=muG2;
G3prima=muG3;
K1prima=((M1prima+M2prima+M3prima)*(G1prima/6+G2prima/3+G3prima/2))/2.3;
Xdis=[M1prima;M2prima;M3prima;G1prima;G2prima;G3prima;K1prima];
%Todas las variables son normales
rho=[1 0.5 0.5 0 0 0 0;
0.5 1 0.5 0 0 0 0;
0.5 0.5 1 0 0 0 0;
0 0 0 1 0.8 0.8 0;
0 0 0 0.8 1 0.8 0;
0 0 0 0.8 0.8 1 0;
0 0 0 0 0 0 1];
Z_M1=(Xdis(1)-muM1)/sigmaM1;
Z_M2=(Xdis(2)-muM2)/sigmaM2;
Z_M3=(Xdis(3)-muM3)/sigmaM3;
Z_G1=(Xdis(4)-muG1)/sigmaG1;
Z_G2=(Xdis(5)-muG2)/sigmaG2;
Z_G3=(Xdis(6)-muG3)/sigmaG3;
Z_K1=(Xdis(7)-muK1)/sigmaK1;
G1=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM1;
G2=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM2;
G3=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM3;
G4=(Xdis(1)+Xdis(2)+Xdis(3))*(1/6)/Xdis(7)*sigmaG1;
13
G5=(Xdis(1)+Xdis(2)+Xdis(3))*(1/3)/Xdis(7)*sigmaG2;
G6=(Xdis(1)+Xdis(2)+Xdis(3))*(1/2)/Xdis(7)*sigmaG3;
G7=1/(Xdis(7))^2*(Xdis(1)+Xdis(2)+Xdis(3))*(1/6*Xdis(4)+Xdis(5)/3+Xdis(6)/2)*sigmaK1;
G=[G1;G2;G3;G4;G5;G6;G7];
%Vamos a iterar
bethaRF=[Z_M1;Z_M2;Z_M3;Z_G1;Z_G2;Z_G3;Z_K1]'*G/sqrt(G'*rho*G);
alpha=rho*G./sqrt(G'*rho*G);
Zprima=alpha*bethaRF;
Xdis2=[muM1+Zprima(1)*sigmaM1;muM2+Zprima(2)*sigmaM2;muM3+Zprima(3)*sigmaM3;muG1+Zpr
ima(4)*sigmaG1;muG2+Zprima(5)*sigmaG2;muG3+Zprima(6)*sigmaG3;muK1+Zprima(7)*sigmaK1]
;
Xdis=[Xdis2(1);Xdis2(2);Xdis2(3);Xdis2(4);Xdis2(5);Xdis2(6);((Xdis2(1)+Xdis2(2)+Xdis
2(3))*(Xdis2(4)/6+Xdis2(5)/3+Xdis2(6)/2))/2.3];
Z_M1=(Xdis(1)-muM1)/sigmaM1;
Z_M2=(Xdis(2)-muM2)/sigmaM2;
Z_M3=(Xdis(3)-muM3)/sigmaM3;
Z_G1=(Xdis(4)-muG1)/sigmaG1;
Z_G2=(Xdis(5)-muG2)/sigmaG2;
Z_G3=(Xdis(6)-muG3)/sigmaG3;
Z_K1=(Xdis(7)-muK1)/sigmaK1;
G1=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM1;
G2=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM2;
G3=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM3;
G4=(Xdis(1)+Xdis(2)+Xdis(3))*(1/6)/Xdis(7)*sigmaG1;
G5=(Xdis(1)+Xdis(2)+Xdis(3))*(1/3)/Xdis(7)*sigmaG2;
G6=(Xdis(1)+Xdis(2)+Xdis(3))*(1/2)/Xdis(7)*sigmaG3;
G7=1/(Xdis(7))^2*(Xdis(1)+Xdis(2)+Xdis(3))*(1/6*Xdis(4)+Xdis(5)/3+Xdis(6)/2)*sigmaK1;
G=[G1;G2;G3;G4;G5;G6;G7];
bethaRF2=[Z_M1;Z_M2;Z_M3;Z_G1;Z_G2;Z_G3;Z_K1]'*G/sqrt(G'*rho*G);
alpha=rho*G./sqrt(G'*rho*G);
Zprima=alpha*bethaRF2;
Xdis2=[muM1+Zprima(1)*sigmaM1;muM2+Zprima(2)*sigmaM2;muM3+Zprima(3)*sigmaM3;muG1+Zpr
ima(4)*sigmaG1;muG2+Zprima(5)*sigmaG2;muG3+Zprima(6)*sigmaG3;muK1+Zprima(7)*sigmaK1]
;
j=1;
while abs(bethaRF2-bethaRF)>=0.0001*abs(bethaRF2)
Xdis=[Xdis2(1);Xdis2(2);Xdis2(3);Xdis2(4);Xdis2(5);Xdis2(6);((Xdis2(1)+Xdis2(2)+Xdis
2(3))*(Xdis2(4)/6+Xdis2(5)/3+Xdis2(6)/2))/2.3];
bethaRF=bethaRF2;
Z_M1=(Xdis(1)-muM1)/sigmaM1;
Z_M2=(Xdis(2)-muM2)/sigmaM2;
Z_M3=(Xdis(3)-muM3)/sigmaM3;
Z_G1=(Xdis(4)-muG1)/sigmaG1;
Z_G2=(Xdis(5)-muG2)/sigmaG2;
Z_G3=(Xdis(6)-muG3)/sigmaG3;
Z_K1=(Xdis(7)-muK1)/sigmaK1;
G1=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM1;
G2=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM2;
G3=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM3;
G4=(Xdis(1)+Xdis(2)+Xdis(3))*(1/6)/Xdis(7)*sigmaG1;
G5=(Xdis(1)+Xdis(2)+Xdis(3))*(1/3)/Xdis(7)*sigmaG2;
G6=(Xdis(1)+Xdis(2)+Xdis(3))*(1/2)/Xdis(7)*sigmaG3;
14
G7=1/(Xdis(7))^2*(Xdis(1)+Xdis(2)+Xdis(3))*(1/6*Xdis(4)+Xdis(5)/3+Xdis(6)/2)*sigmaK1;
G=[G1;G2;G3;G4;G5;G6;G7];
bethaRF2=[Z_M1;Z_M2;Z_M3;Z_G1;Z_G2;Z_G3;Z_K1]'*G/sqrt(G'*rho*G);
alpha=rho*G./sqrt(G'*rho*G);
Zprima=alpha*bethaRF2;
Xdis2=[muM1+Zprima(1)*sigmaM1;muM2+Zprima(2)*sigmaM2;muM3+Zprima(3)*sigmaM3;muG1+Zpr
ima(4)*sigmaG1;muG2+Zprima(5)*sigmaG2;muG3+Zprima(6)*sigmaG3;muK1+Zprima(7)*sigmaK1]
;
j=j+1;
end
Xdis=[Xdis2(1);Xdis2(2);Xdis2(3);Xdis2(4);Xdis2(5);Xdis2(6);((Xdis2(1)+Xdis2(2)+Xdis
2(3))*(Xdis2(4)/6+Xdis2(5)/3+Xdis2(6)/2))/2.3];
disp(horzcat('El ndice de confiabilidad de Rackwitz-Fiessler es: ',
num2str(bethaRF2), ' y tom ', num2str(j),' iteracines en converger'))
disp(horzcat('Las variables resultaron ser M1=', num2str(Xdis(1)), ',M2=',
num2str(Xdis(2)),',M3=', num2str(Xdis(3)),',G1=', num2str(Xdis(4)),',G2=',
num2str(Xdis(5)),',G3=', num2str(Xdis(6)),',K1=', num2str(Xdis(7))))
disp(horzcat('La probabilidad de falla (%) asociada es: ',num2str(normcdf(bethaRF2)*100)))
disp('----------------------------------------------------------------------------------------')
%% (2)
M1prima=muM1;
M2prima=muM2;
M3prima=muM3;
G2prima=muG2;
G3prima=muG3;
K2prima=((M1prima+M2prima+M3prima)*(G2prima/3+G3prima/2))/2.3;
Xdis=[M1prima;M2prima;M3prima;G2prima;G3prima;K2prima];
%Todas las variables son normales
rho=[1 0.5 0.5 0 0 0;
0.5 1 0.5 0 0 0;
0.5 0.5 1 0 0 0;
0 0 0 1 0.8 0;
0 0 0 0.8 1 0;
0 0 0 0 0 1];
Z_M1=(Xdis(1)-muM1)/sigmaM1;
Z_M2=(Xdis(2)-muM2)/sigmaM2;
Z_M3=(Xdis(3)-muM3)/sigmaM3;
Z_G2=(Xdis(4)-muG2)/sigmaG2;
Z_G3=(Xdis(5)-muG3)/sigmaG3;
Z_K2=(Xdis(6)-muK2)/sigmaK2;
G1=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM1;
G2=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM2;
G3=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM3;
G4=(Xdis(1)+Xdis(2)+Xdis(3))*(1/3)/Xdis(6)*sigmaG1;
G5=(Xdis(1)+Xdis(2)+Xdis(3))*(1/2)/Xdis(6)*sigmaG2;
G6=-1/(Xdis(6))^2*(Xdis(1)+Xdis(2)+Xdis(3))*(Xdis(4)/3+Xdis(5)/2)*sigmaK2;
G=[G1;G2;G3;G4;G5;G6];
%Vamos a iterar
bethaRF=[Z_M1;Z_M2;Z_M3;Z_G2;Z_G3;Z_K2]'*G/sqrt(G'*rho*G);
alpha=rho*G./sqrt(G'*rho*G);
Zprima=alpha*bethaRF;
Xdis2=[muM1+Zprima(1)*sigmaM1;muM2+Zprima(2)*sigmaM2;muM3+Zprima(3)*sigmaM3;muG2+Zpr
ima(4)*sigmaG2;muG3+Zprima(5)*sigmaG3;muK2+Zprima(6)*sigmaK2];
15
Xdis=[Xdis2(1);Xdis2(2);Xdis2(3);Xdis2(4);Xdis2(5);((Xdis2(1)+Xdis2(2)+Xdis2(3))*(Xd
is2(4)/3+Xdis2(5)/2))/2.3];
Z_M1=(Xdis(1)-muM1)/sigmaM1;
Z_M2=(Xdis(2)-muM2)/sigmaM2;
Z_M3=(Xdis(3)-muM3)/sigmaM3;
Z_G2=(Xdis(4)-muG2)/sigmaG2;
Z_G3=(Xdis(5)-muG3)/sigmaG3;
Z_K2=(Xdis(6)-muK2)/sigmaK2;
G1=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM1;
G2=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM2;
G3=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM3;
G4=(Xdis(1)+Xdis(2)+Xdis(3))*(1/3)/Xdis(6)*sigmaG1;
G5=(Xdis(1)+Xdis(2)+Xdis(3))*(1/2)/Xdis(6)*sigmaG2;
G6=-1/(Xdis(6))^2*(Xdis(1)+Xdis(2)+Xdis(3))*(Xdis(4)/3+Xdis(5)/2)*sigmaK2;
G=[G1;G2;G3;G4;G5;G6];
bethaRF2=[Z_M1;Z_M2;Z_M3;Z_G2;Z_G3;Z_K2]'*G/sqrt(G'*rho*G);
alpha=rho*G./sqrt(G'*rho*G);
Zprima=alpha*bethaRF2;
Xdis2=[muM1+Zprima(1)*sigmaM1;muM2+Zprima(2)*sigmaM2;muM3+Zprima(3)*sigmaM3;muG2+Zpr
ima(4)*sigmaG2;muG3+Zprima(5)*sigmaG3;muK2+Zprima(6)*sigmaK2];
j=1;
while abs(bethaRF2-bethaRF)>=0.0001*abs(bethaRF2)
Xdis=[Xdis2(1);Xdis2(2);Xdis2(3);Xdis2(4);Xdis2(5);((Xdis2(1)+Xdis2(2)+Xdis2(3))*(Xd
is2(4)/3+Xdis2(5)/2))/2.3];
bethaRF=bethaRF2;
Z_M1=(Xdis(1)-muM1)/sigmaM1;
Z_M2=(Xdis(2)-muM2)/sigmaM2;
Z_M3=(Xdis(3)-muM3)/sigmaM3;
Z_G2=(Xdis(4)-muG2)/sigmaG2;
Z_G3=(Xdis(5)-muG3)/sigmaG3;
Z_K2=(Xdis(6)-muK2)/sigmaK2;
G1=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM1;
G2=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM2;
G3=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM3;
G4=(Xdis(1)+Xdis(2)+Xdis(3))*(1/3)/Xdis(6)*sigmaG1;
G5=(Xdis(1)+Xdis(2)+Xdis(3))*(1/2)/Xdis(6)*sigmaG2;
G6=-1/(Xdis(6))^2*(Xdis(1)+Xdis(2)+Xdis(3))*(Xdis(4)/3+Xdis(5)/2)*sigmaK2;
G=[G1;G2;G3;G4;G5;G6];
bethaRF2=[Z_M1;Z_M2;Z_M3;Z_G2;Z_G3;Z_K2]'*G/sqrt(G'*rho*G);
alpha=rho*G./sqrt(G'*rho*G);
Zprima=alpha*bethaRF2;
Xdis2=[muM1+Zprima(1)*sigmaM1;muM2+Zprima(2)*sigmaM2;muM3+Zprima(3)*sigmaM3;muG2+Zpr
ima(4)*sigmaG2;muG3+Zprima(5)*sigmaG3;muK2+Zprima(6)*sigmaK2];
j=j+1;
end
Xdis=[Xdis2(1);Xdis2(2);Xdis2(3);Xdis2(4);Xdis2(5);((Xdis2(1)+Xdis2(2)+Xdis2(3))*(Xd
is2(4)/3+Xdis2(5)/2))/2.3];
disp(horzcat('El ndice de confiabilidad de Rackwitz-Fiessler es: ',
num2str(bethaRF2), ' y tom ', num2str(j),' iteracines en converger'))
disp(horzcat('Las variables resultaron ser M1=', num2str(Xdis2(1)), ',M2=',
num2str(Xdis2(2)),',M3=', num2str(Xdis2(3)),',G2=', num2str(Xdis2(4)),',G3=',
num2str(Xdis2(5)),',K1=', num2str(Xdis2(6))))
disp(horzcat('La probabilidad de falla (%) asociada es: ',num2str(normcdf(bethaRF2)*100)))
disp('----------------------------------------------------------------------------------------')
16