Complet PDF

Siguranța constructiilor
Cursul 7
Prof. A. Aldea
Recapitulare
• v.a. X cu valori x (rezultate experimentale/teste/măsurători)
• Clase de valori – lățime Dx (constantă)
• Efectiv (frecvență absolută), frecvență relativă, frecvență relativă normalizată,

frecvență relativă cumulată, histograme
• Indicatori statistici mX, s2X ,sX, VX (relații de calcul exacte sau aproximative)
• Modele probabiliste – densitatea de repartiție fX(x), funcția de repartiție FX(x)

1 = 1,13955
coeficientul de asimetrie étalement à droite, 1 >0
fX(x)
(de oblicitate)

mode ~
x < médiane x < espérance E(X)
symétrie, 1 =0
fX(x)

mode ~
x = médiane x = espérance E(X)
étalement à gauche, 1 <0

fX(x)

mode ~
x > médiane x > espérance E(X)
x
• Fractilul xp
fractile fractile
inférieur supérieur
P(X>xp)=1-p
fX(x)
fX(x)
P(X>xp)=1-p
P(X  xp)=p P(X  xp)=p
xp xp
x x
• 3 modele probabiliste: normal, lognormal, Gumbel pentru maxime

(calculul fractililor)
• Valori caracteristice ale acțiunilor în codurile de proiectare – fractili/probabilități

- probabilitate anuală de depășire (acțiuni climatice)
- probabilitate de depășire în N ani (acțiunea seismică)
- interval mediu de recurență (perioadă medie de revenire)
Operații cu variabile aleatoare
• Modele probabiliste pentru rezistențele materialelor și pentru acțiuni
• Dar ele nu sunt folosite izolat/separate, ci sunt utilizate în formule de calcul:
Exemple: - presiunea vântului P = ½ raer v2

- încărcarea uniform distribuită pe o grinda q = p + z
- momentul maxim la mijlocul grinzii Mmax = q l2 / 8
• Ce se întâmplă când înmulțim o v.a. cu o constantă, când o adunăm cu o constantă,

când o ridicăm la putere, când adunăm două v.a., etc. ?
• Ce se întâmplă cu modelul probabilist? Ce se întâmplă cu indicatorii statistici?

• Operații cu variabile aleatoare:
- liniare (adunare, scădere, înmulțire cu o constantă, etc.)
- neliniare (înmulțire, împărțire, ridicare la putere, logaritmare, etc.)
v.a. X cu valori x cunoaștem modelul și indicatorii mX, sX, VX
Relații liniare: aX, aX + b

Relații neliniare: Xn, eX, lnX
v.a. Y = Y(X) care este modelul probabilist al lui Y?

mY, sY, VY ?
v.a. X1 și X2 cunoaștem modelele și indicatorii mX1, sX1, VX1 și mX2, sX2, VX2
Relații liniare: X1 + X2
Relații neliniare: X1 X2, X1 / X2
v.a. Y = Y(X) care este modelul probabilist al lui Y?

mY, sY, VY ?
• În cele mai multe cazuri tipul repartiției probabilistice a lui Y nu poate fi determinat
analitic
• Cazul particular al relației liniare:

X →Y = a  X + b
Fiind o schimbare de variabilă, punem condiția de egală probabilitate:
P(x < X ≤ x +dx) = P(y < Y ≤ y +dy)
f X ( x)dx = fY ( y)dy  P( x  X  x + dx) = P( y  Y  y + dy)

1 1 1  y −b
fY ( y ) = f X ( x ) = f X ( x) = f X  
dy a a  a 
dx
𝑑𝑦 1 1 y − b repartiției
1 Tipul 
y=ax+b =𝑎 fY ( y ) = f X ( x ) = f X ( x) = f X  
𝑑𝑥 dy a a  se a conservă!

dx
Tipul repartiției
se conservă!
• Exemplu - schimbarea de variabilă de la repartiția normală
𝑥−𝑚𝑋 1 𝑚
𝑦= =𝜎 𝑥 + − 𝜎 𝑋 = 𝑎 𝑥 + 𝑏 repartiția normală standard
𝜎𝑋 𝑋 𝑋
+ + + +
mY =  yf
−
Y ( y)dy =  (aMedia
−
 x + b) este )dx = a   xf
 f ( xmomentul
X x)dx + b1 alf repartiției
de (ordinul
−
X ( x)dx = a  m
−
X X +b
+ + + +
mY =  yf
−
Y ( y)dy =  (a  x + b)  f
−
X ( x)dx = a   xf
−
X ( x)dx + b  f
−
X ( x)dx = a  mX + b
+ + + + + +
 f X ( x)mdx = a  Y xf
Y =  yf ( yX)(dy = +(ba x +
x)dx  m=X a+ b xfX ( x)dx + b 
f X (=x)adx
f Xb()x)dx f X ( x)dx = a  mX + b
− − − − − −
Media este Aria totală de sub

momentul de ordinul curbă = 1
1 al repartiției
+ + + + + +
+ b)  f X ( x)dx = a   xf
−
X ( x)dx + b  f
−
X ( xm
)dx = a yfmYX( y+)bdy =
Y =
−
 (a  x + b)  f
−
X ( x)dx = a   xf
−
X ( x)dx + b  f
−
X (x
+ +
s =  (y − m )  fY ( y)dy =  (Dispersia
a  x + b −este
a  mmomentul
X − b)  f X dx = de ordinul 2 al repartiției
2 2 2
Y Y centrat
− −
+
+ +
Y s Y2== (a( y x−+mbY −

( y)dy b)=2  f(Xadx
)2 a fYm(Xy)−dy  x=+ b − a  mX − b)2  f X dx =
−−
 −
+
=  a 2 ( x − m X )2  f X ( x )dx = a 2  s X
2
sY = a s X
−
mY = a  mX + b
Dispersia este momentul
centrat de ordinul 2 al
repartiției
𝜎𝑌 𝑎 𝜎𝑋 𝑉𝑋
𝑉𝑌 = = =
𝑚𝑌 𝑎 𝑚𝑋 + 𝑏 1 + 𝑏ൗ𝑎 𝑚
𝑋
Y –funcție de variabile aleatoare Y= Y(X1, X2,… Xi,.. Xn)
Dacă se dezvoltă funcția multidimensională Y prin dezvoltarea sa în serie Taylor în punctul

de medie m =( mx1 , mx2 … mxi .. mxn, ),și se rețin doar primii termeni ai dezvoltării, atunci
media și abaterea standard ale noii variabile aleatoare Y pot fi aproximate prin:
mY  Y ( mx1 , mx2 … mxi .. mxn ) valoarea funcției Y(Xi) calculată cu

valorile medii ale v.a. care intervin
𝜕𝑌 2 𝜕𝑌 2 𝜕𝑌 2 𝑛 𝜕𝑌 2
𝜎𝑌2 ≅ 𝜎𝑋
2
1
+ 𝜎𝑋
2
2
+...+ 𝜎𝑋
2
𝑛
= σ𝑖=1 𝜎𝑋
2
𝑖
𝜕𝑋1 𝑚 𝜕𝑋2 𝑚 𝜕𝑋𝑛 𝑚 𝜕𝑋𝑖 𝑚
Derivata parțială față de fiecare variabilă aleatoare în parte, derivată a cărei

valoare se calculează cu valorile medii ale v.a. care intervin și apoi se ridică la
pătrat, după care se înmulțește cu dispersia v.a. față de care s-a făcut derivarea
• Reținem doar primii termeni ai dezvoltării în serie Taylor - Ordinul 1 (First Order)
• Dispersia este momentul spectral centrat de ordinul 2 - Modele Moment de Ordinul 2
(Second Order Moment Models)
First Order Second Moment Models, FOSM
FORM – First order reliability method
Modele Moment de Ordinul 2 (MMOD)
Functia de v.a. Media, Abaterea standard, sy
VY =
Y mY sY my
X1 mx1 s x1 Vx1
c c 0 0
c X1 c mx1 c s x1 Vx1
Relații liniare
Vx1
s x1
Relații de calcul exacte
c ± X1 c± mx1 c
1
m X1
X1 ± X2 mx1 ± mx2 s 2X + s 2X
1 2
x 1 x2 mx1 mx2 m2X s 2X + m2X s 2X VX2 + VX2

2 1 1 2 1 2
X1 m x1 1
m2X s 2X + m2X s 2X
Relații neliniare
VX2 + VX2
X2 mx2 m2X 2 1 1 2 1 2 Relații de calcul aproximative
2
lnX lnmX VX
Xn m nX nmnX−1s x nVx
seminar
Exemplu de aplicare a MMOD
Y = X1  X 2
mY  Y ( mx1 , mx2 ) = mX1  mX 2
𝜕𝑌 2 𝜕𝑌 2
𝜎𝑌2 ≅ 𝜕𝑋1 𝑚
𝜎𝑋
2
1
+ 𝜕𝑋2 𝑚
𝜎𝑋
2
2
= (𝑋2 )2𝑚 𝜎𝑋21 + (𝑋1 )2𝑚 𝜎𝑋22 = (𝑚𝑋2 )2 𝜎𝑋21 + (𝑚𝑋1 )2 𝜎𝑋22
𝜎𝑌2 ≅ 𝑚𝑋2 2 𝜎𝑋21 + 𝑚𝑋1 2 𝜎𝑋22
𝜎𝑌 = 𝜎𝑌2
sY mX2 2  s X2 + mX2 1  s X2 s X21 s X2 2

VY = = 1 2
= + = VX21 + VX22
mY mX  m X mX2 mX2
1 2 1 2
Exemplu de utilizare a MMOD
Cât este coeficientul de variație al presiunii vântului?

Abaterea standard, sy
P = ½ raer v2 Functia de v.a. Media,
VY =
Y mY sY my
raer - constantă X1 mx1 s x1 Vx1
c c 0 0
c X1 c mx1 c s x1 Vx1
Vx1
VP = 2 Vv = 2 ∙ 0,35 = 0,70! c ± X1 c± mx1 s x1 c
1
m X1
X1 ± X2 mx1 ± mx2 s 2X + s 2X
1 2
x 1 x2 mx1 mx2 m2X s 2X + m2X s 2X VX2 + VX2

2 1 1 2 1 2
X1 m x1 1
m2X s 2X + m2X s 2X VX2 + VX2
X2 mx2 m2X 2 1 1 2 1 2
2
lnX lnmX VX
Xn m nX nmnX−1s x nVx
Analiza siguranței
• Problema de bază:
un element, un mod de cedare, un material, un efect al încărcării
• Notații:
S = efectul secțional al solicitării (încărcării)

R = rezistența secțională
S și R au aceeași unitate de măsură
S și R sunt v.a. cunoscute (model probabilist, indicatori statistici)
Siguranță S ≤ R
Condiția limită de siguranță S = R
Cedare S > R
Domeniu de cedare
s Condiția limită de siguranță
R<S
Domeniu de siguranță
R>S
r
fS(s) mS, mR – valori medii

fR(r)
fR(r), fS(s)
sk, rk – valori caracteristice (fractili)

mS mR
sk rk
r, s
Cedare S>R R<S
Pf = P (R < S) Probabilitatea de cedare / Failure probability
Punem simultan 2 condiții și le exprimăm în termeni de probabilitate
R≤x P (R ≤ x) = FR(x)
x < S ≤ x + dx P (x < S ≤ x + dx) = fS(x) dx
+∞
𝑃𝑓 = න 𝐹𝑅 𝑥 ∙ 𝑓𝑆 𝑥 𝑑(𝑥) greu/imposibil de obținut analitic

−∞
Siguranță Comportare sigură S≤R R≥S
Ps = P(R ≥ S) Probabilitatea de comportare sigură / Safety probability
Pf = P (R < S)
P (R < S) + P(R ≥ S) = 1
Pf + Ps = 1
Nu putem avea Pf = 0 și Ps = 1
Întotdeauna vom avea o Pf ≠ 0 mică, dar nenulă

Modele de analiză a siguranței
1. Modelul diferență R–S=0
2. Modelul raport R/S=1
3. Modelul logaritmic (lognormal) ln (R / S ) = 0

Modelul diferență
R–S=0
Ipoteză R și S sunt v.a. cu repartiție normală
v.a. R – S are tot o repartiție normală
Fie Z = R - S
MMOD mZ = mR – mS
sZ = 𝜎𝑅2 + 𝜎𝑆2
0.035 f Z (z) s z
Repartiție normală (simetrică față de medie)
0.03
Z<0 Z>0
0.025
Failure Safety
0.02
Ps = 1 - Pf
0.015
0.01
Pf
0.005 Pf
0 0
z
-60 z-50
= 0 -40 -30 mZ -20 -10 0 10 20
z
Z<O Z>O
R<S R>S
Cedare Condiția limită Siguranță
de siguranță
Domeniu de cedare Domeniu de comportare sigură
0.035 f Z (z) s z  – numărul de abateri standard care separă media
de condiția limită de siguranță
0.03
Z<0
0.025
Z>0 0 = mZ –  sZ
Failure Safety
0.02  mare – distanță mare, siguranță sporită

 mic sau negativ – distanță mică, crește
0.015 pericolul, scade siguranța
0.01
Ps = 1 - Pf
Pf
0.005 Pf Repartiție normală
0 0
z
-60 z-50
=0 -40 -30 mZ -20 -10 0 10 20
z
Z<O Z>O
R<S R>S
Condiția limită
de siguranță
0 = mZ –  sZ
mZ = mR – mS
 = mZ /sZ = 1 / VZ ቐ
 - indice de siguranță (safety index)
Cu cât este mai mare, cu atât mai multă siguranță avem!
Este inversul coeficientului de variație!

(variabilitate mare = pericol = indice de siguranță mic)
(variabilitate mică = siguranță = indice de siguranță mare)
𝑧=0
𝑃𝑓 = න 𝑓𝑍 𝑧 𝑑𝑧 Z - Repartiție normală Repartiție
−∞ normală
𝑧 − 𝑚𝑍
𝜎𝑍
standard
𝑧 − 𝑚𝑍
Schimbare de variabilă 𝑦 = 𝑃𝑓 = න 𝑓𝑌 𝑦 𝑑𝑦
𝜎𝑍
−∞
0 − 𝑚𝑍
𝜎𝑍
𝑃𝑓 = න 𝑓𝑌 𝑦 𝑑𝑦 0.035 f Z (z) s z
−∞
𝑚 0.03
− 𝜎𝑍
𝑍
𝑃𝑓 = න 𝑓𝑌 𝑦 𝑑𝑦 Z<0 Z>0
0.025
−∞
Failure Safety
−𝛽 0.02
𝑃𝑓 = න 𝑓𝑌 𝑦 𝑑𝑦
−∞ 0.015
𝑃𝑓 = 𝐹𝑌 (−𝛽) 0.01
Pf
0.005 Pf
Funcția de
repartiție normală 0 0
z
standard -60 -50 -40 -30 mZ -20 -10 0 10 20
z
𝑃𝑓 = 𝐹𝑌 (−𝛽)  = - NORMSINV (Pf)
Pf 
10-3 3,09 Construcții de mică importanță sau temporare
10-4 3,72
10-5 4,27 Construcții normale sau curente
10-6 4,75
10-7 5,20 Construcții speciale sau de mare importanță
=3÷5
Țintă EC0 (SR EN 1990)  = 4,7 pentru SLU – 1an

 = 3,8 pentru SLU – 50ani
mZ = mR – mS
 = mZ /sZ = 1 / VZ ቐ
𝑚𝑅 − 𝑚𝑆
𝛽= Relație de verificare
𝜎𝑅2 − 𝜎𝑆2
𝛽 𝜎𝑅2 − 𝜎𝑆2 = 𝑚𝑅 − 𝑚𝑆
𝑚𝑅 = 𝑚𝑆 + 𝛽 𝜎𝑅2 − 𝜎𝑆2 Relație de dimensionare (probabilistică)
mS, sS – le calculăm (cunoaștem încărcarea și geometria) - MMOD

sR – o estimăm (cunoaștem rezistența materialului) - MMOD
 – îl alegem
𝑚𝑅 = ... = Anec ∙mrezistența materialului - MMOD
Anec (în funcție de încărcare, geometrie, material și de nivelul de securitate dorit)

Modelul logaritmic (lognormal)
ln (R / S ) = 0
Ipoteză R și S sunt v.a. cu repartiție lognormală
v.a. lnR și lnS au o repartiție normală
v.a. lnR - lnS are o repartiție normală
v.a. ln (R / S) are o repartiție normală
Fie Z = ln (R / S) = lnR - lnS
MMOD mZ = mlnR – mlnS MMOD mZ = ln mR – ln mS
sZ = 𝜎𝑙𝑛𝑅
2 2
+ 𝜎𝑙𝑛𝑆 sZ = 𝑉𝑅2 + 𝑉𝑆2
0.035 f Z (z) s z
0.03
Z<0 Z>0
0.025
Failure Safety
0.02
Ps = 1 - Pf
0.015
0.01
Pf
0.005 Pf
0 0
z
-60 z-50
= 0 -40 -30 mZ -20 -10 0 10 20
z
Z = ln (R/S) < O Z = ln (R/S)> O
R<S R>S
de siguranță
ln(R/S)=0, R/S=1, R=S

0.035 f Z (z) s z  – numărul de abateri standard care separă media
0.03
Z<0
0.025
Z>0 0 = mZ –  sZ
Failure Safety

0.01
Ps = 1 - Pf
Pf
0 0
z -50
=0 z
-60 -40 -30 m -20 -10 0 10 20
z
Z = ln (R/S) < O Z Z = ln (R/S)> O
R<S R>S
ln(R/S)=0, R/S=1, R=S
0 = mZ –  sZ
mZ = ln mR – ln mS
 = mZ /sZ = 1 / VZ
sZ = 𝑉𝑅2 + 𝑉𝑆2

(variabilitate mică = siguranță = indice de siguranță mare)
𝑧=0
𝑃𝑓 = න 𝑓𝑍 𝑧 𝑑𝑧 Z - Repartiție normală Repartiție
−∞ normală
𝑧 − 𝑚𝑍
𝜎𝑍
standard
𝑧 − 𝑚𝑍
Schimbare de variabilă 𝑦 = 𝑃𝑓 = න 𝑓𝑌 𝑦 𝑑𝑦
𝜎𝑍
−∞
0 − 𝑚𝑍
𝜎𝑍
0.035
−∞ f Z (z) s z
𝑚
− 𝜎𝑍 0.03
𝑍
−∞ Z<0 Z>0
0.025
Failure Safety
−𝛽
0.02
−∞
0.015
𝑃𝑓 = 𝐹𝑌 (−𝛽) 0.01
Pf
Funcția de 0.005 Pf
repartiție
normală standard 0 0
z
-60 -50 -40 -30 mZ -20 -10 0 10 20
z
Pf 
10-4 3,72
10-6 4,75
=3÷5

mZ = ln mR – ln mS ln mR – ln mS Relație de verificare
 = mZ /sZ = 1 / VZ 𝛽=
sZ = 𝑉𝑅2 + 𝑉𝑆2 𝑉𝑅2 + 𝑉𝑆2
mR
𝛽 𝑉𝑅2 + 𝑉𝑆2 = ln mR – ln mS = 𝑙𝑛
mS
𝛽 𝑉𝑅2 +𝑉𝑆2 mR 𝛽 𝑉𝑅2 +𝑉𝑆2

𝑒 = mR = 𝑚𝑆 𝑒 Relație de dimensionare (probabilistică)
mS
mS, VS – le calculăm (cunoaștem încărcarea și geometria) - MMOD

VR – îl estimăm (cunoaștem rezistența materialului) - MMOD
 – îl alegem

 = mZ /sZ = 1 / VZ 𝛽=
sZ = 𝑉𝑅2 + 𝑉𝑆2 𝑉𝑅2 + 𝑉𝑆2
Lindt – linearizare 𝑉𝑅2 + 𝑉𝑆2 ≌ a (VR + VS)

1 𝑉
a = 0,75 și eroarea este ≤ 5% pentru 3 ≤ 𝑉𝑅 ≤ 3
𝑆
mR 𝛼 𝛽(VR + VS) = mR
𝛼 𝛽(VR + VS) = 𝑙𝑛 𝑒
mS mS
mR = 𝑚𝑆 𝑒 𝛼 𝛽(VR + VS) Relație de dimensionare (probabilistică)

 – îl alegem

mR = 𝑚𝑆 𝑒 𝛼 𝛽(VR + VS) separăm termenii legați de R de cei legați de S
𝑒 −𝛼𝛽𝑉𝑅 ∙ 𝑚𝑅 = 𝑒 𝛼𝛽𝑉𝑆 ∙ 𝑚𝑆
 
Coeficienți parțiali de siguranță (față de medii)
 = f(a, , VR) VR crește = scade încrederea în material  scade

modelul ne protejează
 crește = crește siguranța (scade Pf)  scade
 = f(a, , VS) VS crește = acțiunea este periculoasă  crește

 crește = crește siguranța (scade Pf)  crește
  1 si  > 1 acționează simultan asupra rezistenței secționale și solicitării, în sensul siguranței

Siguranța construcțiilor
Cursul 8
Prof. A. Aldea
Hazardul climatic
Încărcarea din zăpadă pe sol

CR 1-1-3/2012 “Cod de proiectare. Evaluarea acțiunii zăpezii asupra construcțiilor”
CR 1-1-3-2005 "Cod de proiectare. Evaluarea acțiunii zăpezii asupra construcțiilor"
Viteza sau presiunea vântului

CR 1-1-4/2012 “Cod de proiectare. Evaluarea acțiunii vântului asupra construcțiilor”
NP-082-04 "Cod de proiectare. Bazele proiectării și acțiuni asupra construcțiilor. Acțiunea
vântului”
Încărcarea din zăpadă pe sol
Date primare – maxime anuale:
- înălțimea stratului de zăpadă
- încărcarea din zăpadă pe sol
Agenția Națională de Meteorologie

2013 – 258 stații
71% șes
12% zone deluroase
4% pe litoral
13% în munți
Stații la mare înălțime: Ceahlău Toaca – 1897 m

Călimani – 2021 m
Vȃrful Omu - 2504 m
Zonare - date de la 122 stații meteo (maxime anuale)
1930-2005
3 stații cu doar 10÷13 ani cu date
maxim 74 ani cu date
numărul mediu de ani cu date - 48
rezonabil pentru a obține valori cu IMR = 50 ani
1954
2014
Coeficientul de variație între 0.35 și 1.38, cu media 0.59
40 1.5
Snow load coefficient of variation

30
1.0
Frequency
20
0.5
10
0 0.0
0.2 0.4 0.6 0.8 1 1.2 1.4 0 500 1000 1500 2000 2500
Coefficient of Variation Altitude, m
3.0
Standard deviation (kN/m2)
2.0
1.0
0.0
0 1 2 3 4 5
Snow load mean value (kN/m2)
Coeficientul de asimetrie între 0.22 și 4.14, cu media 1.38
40
30
Frequency
20
10
0
0.2 0.6 1 1.4 1.8 2.2 2.6 3 3.4 3.8 4.2
Skewness
4.5
Lognormal
3.0
Skewness
1.5 Gumbel
0.0
0.2 0.4 0.6 0.8 1.0 1.2 1.4
Coefficient of Variation
Station (i) (ii) (iii) (iv)
[m] 1926-1955 1961-2000
Constanţa 13 24 15 44
Bucharest 90 53 48 93
Vȃrful Omu 2504 219* 220 280
Tȃrgu Mureş 308 57 62 92
Braşov 534 71 73 102
Sibiu 443 54 58 102
Iaşi 102 57 65 115
Bacău 184 64 115
Baia Mare 216 63 98
Timişoara 86 30 29 63
(i) altitudinea
(ii) numărul mediu anual de zile cu strat de
zăpadă (1926-1955)
(iii) numărul mediu anual de zile cu strat de
zăpadă (1961-2000),
(iv) numărul maxim anual de zile cu strat de
zăpadă (1961-2000)
Station Alt. hmax hmax
A 1926-1955 1961-2000 Station Alt. No. COV Skew.

[m] [m] [m] [m] yrs.
Constanţa 13 0.54 0.46 Constanţa 13 45 0.79 1.71
Bucharest 90 1.06 0.80 Bucharest 90 69 0.54 1.40
Vȃrful Omu* 2504 3.70 2.92 Vȃrful Omu 2504 65 0.69 1.68
Tȃrgu Mureş 308 0.75 0.48 Tȃrgu Mureş 308 60 0.49 1.19
Braşov 534 0.66 0.44 Braşov 534 67 0.44 0.85
Sibiu 443 0.65 0.60 Sibiu 443 64 0.45 0.91
Iaşi 102 0.64 0.66 Iaşi 102 61 0.69 1.94
Bacău 184 0.65 Bacău 184 58 0.57 0.70
Baia Mare 216 0.82 Baia Mare 216 60 0.54 0.95
Timişoara 86 0.6 0.43 Timişoara 86 48 0.68 1.37
CR 1-1-3/2012
3. Încărcarea din zăpadă pe sol
3.1 Valoarea caracteristică a încărcării din zăpadă pe sol
(1) Valoarea caracteristică a încărcării din zăpadă pe sol este definită cu 2% probabilitate de
depăşire într-un an (interval mediu de recurenţă IMR=50 ani) şi se calculează în repartiţia
Gumbel pentru maxime.
(2) Cu acordul beneficiarului, pentru proiectarea la acţiunea zăpezii a clădirilor şi structurilor la
care se doreşte un nivel de siguranţă sporit sau a construcţiilor şi/sau acoperişurilor sensibile la
acţiunea zăpezii, se poate folosi o valoare a încărcării din zăpadă la sol având o probabilitate de
depăşire mai mică de 2% (IMR>50 ani), care se determină conform Anexei B.
(3) Valorile caracteristice ale încărcării din zăpada pe sol pe teritoriul României, sk, sunt indicate
în harta de zonare din Figura 3.1. Valorile prezentate sunt valabile pentru proiectarea la acţiunea
zăpezii a construcţiilor amplasate la altitudini A ≤ 1000 m.
(4) Valorile caracteristice ale încărcării din zăpadă pe sol din Figura 3.1 sunt valori minime,
obligatorii, pentru proiectarea construcţiilor la acţiunea zăpezii.
(5) În Tabelul A.1 din Anexa A sunt prezentate valorile caracteristice ale încărcării din zăpadă
pe sol pentru 337 localitaţi urbane din România.
Station Max. Mean Charact. sk
load load load
[kN/m2] [kN/m2] [kN/m2] [kN/m2]
Constanţa 1.7 0.5 1.4 1.5
Bucharest 2.0 0.7 1.6 2.0
Vȃrful Omu 14.9 4.3 12.1 -
Tȃrgu Mureş 1.1 0.4 1.0 1.5
Braşov 1.4 0.6 1.3 2.0
Sibiu 1.1 0.5 1.0 1.5
Iaşi 2.5 0.6 1.8 2.5
Bacău 1.7 0.7 1.8 2.5
Baia Mare 1.7 0.6 1.5 2.0
Timişoara 1.2 0.4 1.0 1.5
A ≤ 1000 m
Anexa B (normativă) - Intervalul mediu de recurenţă al încărcării din zăpadă
CR 1-1-3/2012 pe sol
(1) Valoarea caracteristică a încărcării din zăpadă pe sol, sk, este definită cu 2% probabilitate de
depăşire într-un an (probabilitatea de nedepăşire într-un an este 98%) sau, echivalent, este
definită cu un interval mediu de recurenţă IMR=50 ani.
(2) Relaţia dintre intervalul mediu de recurenţă IMR=N ani şi probabilitatea de nedepăşire într-
un an, p este: N = 1/(1-p). În Tabelul B.1 este dată corespondenţa dintre IMR şi p pentru valori
uzuale ale IMR.
Tabelul B.1
IMR p
Intervalul mediu de Probabilitatea de
recurenţă, ani nedepăşire într-un an
50 0,98
75 0,9867
100 0,99
(3) Pentru un anumit amplasament, valoarea caracteristică a încărcării din zăpadă pe sol (având
probabilitatea de nedepăşire într-un an p = 0,98) în repartiţia Gumbel pentru maxime este:
sk = m1  (1 + 2,593 V1 ) (B.1)
unde m1 şi V1 sunt media şi, respective, coeficientul de variaţie al maximelor anuale ale
încărcării din zăpadă pe sol în amplasamentul considerat.
(4) Coeficientul de variaţie al maximelor anuale ale încărcării din zăpadă pe sol pe teritoriul
României este, în general, în intervalul 0,35÷1,0.
(5) Valoarea încărcării din zăpadă pe sol având probabilitatea de nedepăşire p diferită de 0,98 se
calculează în repartiţia Gumbel pentru maxime cu relaţia:
 ln( − ln p) 
1 − 0,45 + V
 1,282  1
sp = sk (B.2)
1 + 2,593 V1
unde
sk este valoarea caracteristică a încărcării din zăpadă pe sol (kN/m2), având o probabilitate
de nedepăşire într-un an p = 0,98 (interval mediu de recurenţă IMR=50 ani);
sp este valoarea încărcării din zăpadă pe sol având o probabilitate de nedepăşire într-un an p;
V1 este coeficientul de variaţie al maximelor anuale ale încărcării din zăpadă pe sol.
Zone cu căderi excepționale de zăpadă
Condiția care trebuie satisfăcută pentru încadrare:

smaxim / sk,98% > 1,5
smaxim – valoarea maximă observată

sk,98% - valoarea caracteristică (fractilul cu 98% probabilitate anuală de nedepășire),
calculată cu toate valorile eliminând valoarea maximă
Cluj
Cavnic
Iasi Podgoria
2012
avarii
Suceava
Focsani
2
Presiunea vântului
Date primare – maxime anuale:
- viteza medie a vântului
Agenția Națională de Meteorologie

2013 – 258 stații
71% șes
12% zone deluroase
4% pe litoral
13% în munți
Stații la mare înălțime: Ceahlău Toaca – 1897 m

Călimani – 2021 m
Vȃrful Omu - 2504 m
Zonare - date de la 145 stații meteo (maxime anuale)
…-2005
35 – 75 ani cu date
rezonabil pentru a obține valori cu IMR = 50 ani

Wind characteristics in Romania - Wind directions
Influenced by the regional air movement and by the Carpathian Mountains.
On open mountain
In Western
heights the dominant
Romania the
wind direction is from
predominant wind
West
direction is from
South.
Period N S E W Calm
(%) (%) (%) (%) (%)
8-12 yes
1901 35 24 13 22 6
1941-1955 36.1 29.5 6 16.4 12
1961-2000 42 24 6.1 12.7 15.2
In the centre and south of Romanian Plain

the main wind directions are from West
www.utcb.ro and East.
NV 20 NE
15
Wind characteristics in Romania

Iasi 10
5
- Wind directions
1946-1955
V 0 E
1961-2000 N
25
NV 20 NE
15
SV SE 10
5
S V 0 E
SV SE
N
35
30
NV 25 NE
20
15
N 10
25 5
V 0 E
NV 20 NE
15
10 Craiova N
20
V
5
0 E
1941-1955
2504 m NV 15 NE
SV SE
1961-2000
10 S
Calarasi
5
1941-1955
SV SE V 0 E
1961-2000
SV SE
www.utcb.ro
Wind characteristics in Romania - Wind velocities
“Climate of Popular Republic of Romania” 1962, Meteorological Institute
-maximum wind velocities of 29m/s in South and East of Romania, and of 23-27m/s in West. -
in Central Romania wind velocity exceptionally rarely reached 20-25m/s.
-at Varful Omu wind velocity overpasses 30m/s almost each year, on 9th of December 1955
being recorded a maximum of 43.8m/s.
“Romania’s climate” 2008, National Meteorological Administration
-maximum wind velocity was ≥40m/s at all mountain stations in open terrain, in most of the
Moldavia region, North of Dobrogea and on the Black Sea coast
-in few areas in Transylvania plateau and in protected mountain areas it was < 20m/s
- in the rest of the territory it was 20÷30m/s
www.utcb.ro
Bucharest, the capital city of Romania, is located in the southern part in the Romanian plain;
its altitude varies between ~60m and ~100m.
N
25.00
1885 annual mean wind velocity = 3.9m/s and
NW
20.00
NE maximum wind velocity ~ 24m/s
15.00
Bucharest
10.00
1885 1903 maximum wind velocity = 22m/s
5.00
1902
W 0.00 E
1903 “Climate of Popular Republic of Romania” 1962,
1941-1955 Meteorological Institute
1961-2000
SW SE
mean annual wind velocity 1896-1955: 2.0m/s
(between 1.2m/s in 1942 and 1950 and 2.8m/s in
S 1904)
www.utcb.ro
CR 1-1-4/2012
COV mean= 0.26; max=0.47, min=0.13
10 0.50
St.dev. of annual max. wind velocity (m/s)
0.45
CoV annual max. wind velocity

8 0.40
0.35
6 0.30
0.25
4 0.20
0.15
2 0.10
0.05
0 0.00
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
Mean annual maximum wind velocity (m/s) Mean annual maximum wind velocity (m/s)
3.5
Skewness of annual max. wind velocity
3.0
2.5
Trendline
2.0
1.5 Gumbel
1.0
Lognormal
Skewness mean= 0.96; max=2.96, min=-1.01
0.5
0.0
-0.5
-1.0
-1.5
0.00 0.10 0.20 0.30 0.40 0.50
www.utcb.ro
Coefficient of variation of annual maximum wind velocity
Observed Characteristic
Years of Mean, Coef.
Location maxima, velocity
records m/s of var.
m/s T=50yr., m/s
Iaşi 44 33.6 16.6 0.31 29.9
Bacau 44 33.6 14.1 0.32 26.0
Tulcea 44 28.6 16.6 0.31 30.1
Constanta 44 23.5 15.8 0.18 23.3
Calarasi 44 27.7 14.6 0.29 25.8
Ploieşti 44 23.5 14.9 0.22 23.5
Bucureşti Baneasa 42 23.5 14.0 0.26 23.4
Craiova 43 28.6 18.0 0.23 28.9
Timişoara 45 24.4 14.8 0.32 27.1
Oradea 44 21.0 13.4 0.19 20.0
Targu Mureş 44 18.5 12.4 0.18 18.1
Sibiu 44 28.6 17.5 0.23 27.9
Evolution of wind pressure maps for design
kN/m2
www.utcb.ro
Evolution of wind pressure maps for design
T= 10 years kN/m2 T = 50 years
www.utcb.ro
CR-1-1-4/2012 design code - harmonised with EN 1991-1-4.
Reference wind pressure map (computed from the fundamental value of basic wind velocity,
which is the characteristic wind speed averaged on 10 minutes, at a height of 10m above flat
open country terrain, having 2% annual probability of exceedance)
Altitudes lower than 1000m
kN/m2
www.utcb.ro
Wind induced damage
June 19th, 2016
- collapse of over 30 transmission towers (13599 consumers were left
without power)
-temperature dropped by 10oC and wind velocity over passed 100km/h
- total estimated damage ~ 550000 euro
- 1 dead, 2 injured.
www.utcb.ro
Wind induced damage
September 17th, 2017
-affected 212 localities of 15 counties - 8 dead, 137 wounded

- highest wind velocity 117-122km/h
- 13 high voltage towers and over 30 reinforced concrete medium voltage towers
collapsed , several hundred roofs being either completely lift off or damaged, huge
forest damage
- estimated damage cost ~7800000 Euro
www.utcb.ro
Wind induced damage
September 17th, 2017
www.utcb.ro
Wind induced damage
July 22nd, 2017
June 17th, 2017
April 20th, 2017

Wind induced damage August 1st, 2018
June 13th, 2018

Wind induced damage
Facaeni – Romanian plain east of Bucharest
2002 - 3 death, 14 injured , 33 houses destroyed & 395 damaged
(F3 tornado - Severe damage on Fujita scale)
2017 – 12 houses damaged, over 100 trees collapsed
R. Lemon, Leslie & Bell, Aurora & Soci, Cornel & Cordoneanu, Elena. A strong, long-track, Romanian tornado,
Atmospheric Research 67-68:391-416 · July 2003
www.utcb.ro
Cursul 8
Prof. A. Aldea
Analiza siguranței
• Problema de bază:
un element, un mod de cedare, un material, un efect al încărcării
S = efectul secțional al solicitării (încărcării)

R = rezistența secțională
S și R sunt v.a. cunoscute (model probabilist, indicatori statistici)
Siguranță S ≤ R
Cedare S > R
Modele de analiză a siguranței
1. Modelul diferență R–S=0
2. Modelul raport R/S=1
3. Modelul logaritmic (lognormal) ln (R / S ) = 0

Modelul logaritmic (lognormal)
0.035 f Z (z)  z
0.03
Z<0 Z>0
0.025
Failure Safety
0.02
Ps = 1 - Pf
0.015
0.01
Pf
0.005 Pf
0 0
z
-60 z-50
= 0 -40 -30 mZ -20 -10 0 10 20
z
Z = ln (R/S) < O Z = ln (R/S)> O
R<S R>S
de siguranță
ln(R/S)=0, R/S=1, R=S

0.035 f Z (z)  z  – numărul de abateri standard care separă media
0.03
Z<0
0.025
Z>0 0 = mZ –  Z
Failure Safety

0.01
Ps = 1 - Pf
Pf
0 0
z -50
=0 z
-60 -40 -30 m -20 -10 0 10 20
z
Z = ln (R/S) < O Z Z = ln (R/S)> O
R<S R>S
ln(R/S)=0, R/S=1, R=S
0 = mZ –  Z
mZ = ln mR – ln mS
 = mZ /Z = 1 / VZ
Z = 𝑉𝑅2 + 𝑉𝑆2

−𝛽
(variabilitate mică = siguranță = indice de siguranță mare) −∞
𝑃𝑓 = 𝐹𝑌 (−𝛽)
Funcția de
repartiție
normală standard
Pf 
10-4 3,72
10-6 4,75
=3÷5

 = mZ /Z = 1 / VZ 𝛽=
Z = 𝑉𝑅2 + 𝑉𝑆2 𝑉𝑅2 + 𝑉𝑆2
Lindt – linearizare 𝑉𝑅2 + 𝑉𝑆2 ≌ a (VR + VS)
mR = 𝑚𝑆 𝑒 𝛼 𝛽(VR + VS) Relație de dimensionare

 – îl alegem

mR = 𝑚𝑆 𝑒 𝛼 𝛽(VR + VS) separăm termenii legați de R de cei legați de S
𝑒 −𝛼𝛽𝑉𝑅 ∙ 𝑚𝑅 = 𝑒 𝛼𝛽𝑉𝑆 ∙ 𝑚𝑆
 
Coeficienți parțiali de siguranță (față de medii)
 = f(, VR)  = f(, VS)
<1 >1
acționează simultan asupra rezistenței secționale și solicitării, în sensul siguranței
 ∙ 𝑚𝑅 = 𝛾 ∙ 𝑚𝑆
Calibrarea coeficienților parțiali de siguranță
fS(s) mS, mR – valori medii

fR(r)
fR(r), fS(s)
în proiectare folosim
mS mR
sk, rk – valori caracteristice (fractili)
sk rk
r, s
Folosim:
- relațiile de calcul al fractililor în repartiția lognormală a lui S și a lui R și
- MMOD
Rezistenta secțională R
rk
=
rp
𝑟𝑝 = 𝑒 𝑚𝑙𝑛𝑅+𝑘𝑝∙𝜎𝑙𝑛𝑅 ≅ 𝑒 ln 𝑚𝑅+𝑘𝑝 ∙𝑉𝑅 = 𝑚𝑅 𝑒𝑘𝑝 ∙𝑉𝑅
MMOD
Efectul în secțiune S
sk
=
sq
𝑠𝑞 = 𝑒 𝑚𝑙𝑛𝑆+𝑘𝑞 ∙𝜎𝑙𝑛𝑆 ≅ 𝑒 ln 𝑚𝑆 +𝑘𝑞 ∙𝑉𝑆 = 𝑚𝑆 𝑒𝑘𝑞 ∙𝑉𝑆
MMOD
𝑟𝑝 = 𝑚𝑅 𝑒𝑘𝑝∙𝑉𝑅
𝑠𝑞 = 𝑚𝑆 𝑒𝑘𝑞 ∙𝑉𝑆
𝑟𝑝 𝑚𝑅 𝑒𝑘𝑝∙𝑉𝑅 𝑚𝑅 𝑒 𝑘𝑝∙𝑉𝑅
= = ∙
𝑠𝑞 𝑚𝑆 𝑒𝑘𝑞 ∙𝑉𝑆 𝑚𝑆 𝑒 𝑘𝑞 ∙𝑉𝑆
𝑒 𝛼 𝛽(VR + VS) = mR modelul logaritmic de analiză a siguranței

mS
𝑚𝑅
= 𝑒 𝛼𝛽𝑉𝑅 ∙ 𝑒 𝛼𝛽𝑉𝑆
𝑚𝑆
𝑟𝑝 𝑘𝑝 ∙𝑉𝑅
𝑒
= 𝑒 𝛼𝛽𝑉𝑅 ∙ 𝑒 𝛼𝛽𝑉𝑆 ∙ 𝑘𝑞 ∙𝑉𝑆
𝑠𝑞 𝑒
𝑟𝑝 𝑘𝑝 ∙𝑉𝑅
𝑒
= 𝑒 𝛼𝛽𝑉𝑅 ∙ 𝑒 𝛼𝛽𝑉𝑆 ∙ 𝑘𝑞 ∙𝑉𝑆 separăm termenii care țin de R de cei care țin de S
𝑠𝑞 𝑒
𝑒 −𝛼𝛽𝑉𝑅 ∙ 𝑒 −𝑘𝑝 ∙𝑉𝑅 ∙ 𝑟𝑝 = 𝑒 𝛼𝛽𝑉𝑆 ∙ 𝑒 −𝑘𝑞 ∙𝑉𝑆 ∙ 𝑠𝑞
𝑒 −(𝛼𝛽+𝑘𝑝 )𝑉𝑅 ∙ 𝑟𝑝 = 𝑒 (𝛼𝛽−𝑘𝑞 )𝑉𝑆 ∙ 𝑠𝑞
𝑝 𝛾𝑞 Coeficienți parțiali de siguranță față de fractili

(valori caracteristice)
𝑝 ∙ 𝑟𝑝 = 𝛾𝑞 ∙ 𝑠𝑞 Relația de dimensionare (condiția limită de siguranță)
𝑅𝑐𝑎𝑙𝑐𝑢𝑙 = 𝑆𝑐𝑎𝑙𝑐𝑢𝑙
Coeficienții parțiali de siguranță acționează simultan asupra rezistenței secționale

și solicitării, în sensul siguranței
𝑝 = 𝑒 −(𝛼𝛽+𝑘𝑝 )𝑉𝑅
𝑝 = 𝑓(𝛽, 𝑉𝑅 ) a - constantă
 - indice de siguranță (direct legat de probabilitatea de cedare)
kp - coeficient funcție de probabilitatea de nedepășire aleasă
(constantă deoarece probabilitatea este fixată în cod)
VR – coeficientul de variație al rezistentei secționale
(MMOD: VR = coeficientul de variație al rezistenței materialului)
𝑝 < 1
 și/sau VR cresc 𝑝 scade Modelul ne protejează

(când dorim mai multă siguranță
și/sau când materialul este de
slabă calitate)
𝛾𝑞 = 𝑒 (𝛼𝛽−𝑘𝑞)𝑉𝑆
𝛾𝑞 = 𝑓(𝛽, 𝑉𝑆 ) a - constantă
 - indice de siguranță (direct legat de probabilitatea de cedare)
kq - coeficient funcție de probabilitatea de nedepășire aleasă
(constantă deoarece probabilitatea este fixată în cod)
VS – coeficientul de variație al efectului secțional al încărcării
(MMOD: VS = coeficientul de variație al încărcării)
𝛾𝑞 > 1
 și/sau VS cresc 𝛾𝑞 crește Modelul ne protejează

(când dorim mai multă siguranță
și/sau când acțiunea este
periculoasă)
Observație
VS – ne raportăm la 1 an sau la N ani (50 ani – durata medie de viată in coduri)
Repartiția Gumbel pentru maxime (1an și N ani)
 X ,N X VX
VX,N = = =
mX .N ln N ln N
mX + X 1+ VX
1,282 1,282
𝑙𝑛50
N=50 ani =3,05
1,282
Exemplu:
VX = 0,6 VX,50ani = 0,6 / (1+3,05 ∙ 0,6) = 0,21
VX = 0,8 VX,50ani = 0,8 / (1+3,05 ∙ 0,8) = 0,23

Rezistențe
Valoare de Valoare
calcul caracteristică media
Valoare
normată
model model statistică

probabilistic probabilistic
Calea către siguranță

alegeri – probabilitatea de nedepășire (fractil) & nivelul de siguranță
Coduri de proiectare semiprobabilistice

Acțiuni
Valoare Valoare de
media caracteristică calcul
Valoare
normată
statistică model model

probabilistic probabilistic
Calea către siguranță

alegeri – probabilitatea de nedepășire (fractil) & nivelul de siguranță
Coduri de proiectare semiprobabilistice

Valori caracteristice în coduri
Pentru rezistențe p = 5%
 / VR 0.01 0.05 0.1 0.2
3.09 0.99 0.97 0.93 0.87
3.72 0.99 0.94 0.89 0.80
𝑝 = 𝑒 −(𝛼𝛽+𝑘𝑝 )𝑉𝑅 0,05 = 𝑒 −(0,75𝛽−1,645)𝑉𝑅 4.27 0.98 0.93 0.86 0.73
4.75 0.98 0.91 0.83 0.68
5.20 0.98 0.89 0.80 0.64
Practica internațională
Beton 0.67 = 1/1.5
Otel 0.87 = 1/1.15
Valori caracteristice în coduri
Pentru acțiuni q = 98%
 / VS 0.1 0.2 0.3

3.09 1.03 1.05 1.08
3.72 1.08 1.16 1.25
𝛾𝑞 = 𝑒 (𝛼𝛽−𝑘𝑞)𝑉𝑆 𝛾0,98 = 𝑒 (0,75𝛽−2,054)𝑉𝑆 4.27 1.12 1.26 1.41
4.75 1.16 1.35 1.57
5.20 1.20 1.45 1.74
Statistică descriptivă, clase de valori, frecvențe, histograme, indicatori statistici
Model probabilistic (densitate de repartiție / funcție de repartiție), fractili

- normal
- lognormal
- Gumbel pentru maxime (1an si Nani)
Operații cu v.a., MMOD
Siguranță, condiția limită de siguranță,

Probabilitate de cedare, probabilitate de comportare sigură
Modele de analiza a siguranței (diferență, raport, logaritmic)
Indice de siguranță
Relații de verificare și de dimensionare
Calibrarea coeficienților parțiali de siguranță

Cursul 9
Prof. A. Aldea
Acțiunea seismică
Elemente de modelare probabilistică
P100-1/2013
Cursul 6
IMR Probabilitea de depasire in

50 ani
10 0.99
30 0.81
50 0.63
100 0.39
225 0.20
475 0.10
975 0.05
2475 0.02
PN(X > xp) = 1 - PN(X  xp)=1 - [P(X  xp)]N = 1- pN

𝑁
𝑝= 1 − 𝑃𝑁 (𝑋 > 𝑥𝑝 )
1 1
T (X  xp) =  p = 1−
1− p T
N
 1
PN(X > xp= xT ) = 1 − 1 − 
 T
parametri care țin
de structură și/sau
de alegerile noastre
Ce este spectrul normalizat (de răspuns elastic al accelerațiilor absolute)?
Este raportul dintre spectrul elastic și ag

𝑆𝑒 (𝑇)
𝛽 𝑇 = adimensional
𝑎𝑔
adimensional
>1 <1
Amplificare Dezamplificare
dinamică dinamică
fixate - deterministe
Harta de zonare probabilistică a accelerației terenului
Rezultat al analizei probabilistice a hazardului seismic

Spectrul de răspuns?
ag?
forța elastică
forța de amortizare
forța de inerție
F=ma
deplasarea terenului deplasarea relativă
March 4, 1977 Vrancea earthquake. INCERC Bucharest record
NS
EW
m - masa pendulului/structurii
Vertical
0 a – accelerația
10 20 absolută
30 a 40acestuia
(suma dintre
Time, s
accelerația terenului și accelerația relativă)
Deplasare, viteză și accelerație – a terenului

Deplasare, viteză și accelerație – a structurii (relativă – față de poziția de echilibru)
La fiecare moment de timp avem o forță de inerție.
Ne interesează forța maximă (cel mai rău caz).
Trebuie să obținem răspunsul maxim al pendulului.

(răspuns la inputul care este accelerația terenului)
Rezolvăm ecuația de echilibru instantaneu:
masa amortizarea rigiditatea
m [ xteren (t ) + x(t )] + c x(t ) + k x(t ) = 0 Pentru un pendul (T, ):

• acc. abs. max.
• vit. rel. max.
• depl. rel. max.
accelerația
viteza deplasarea
absolută
relativă relativă
T=4.0s
T=1.2s
T=0.1s
T = 0s
150
Acceleration [cm/sec2]
100
50
-50
-100
-150
-200
0 1 2 3 4 5
PGA
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Time [sec]
22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
amax = 195 cm/s2

180
160
140 Damp.=5.0%
T=0,1s amax=210cm/s2
120
100
80 T=1,2s amax=620cm/s2
60
Response Acceleration [cm/s2]
40
20
0 T=4,0s amax=75cm/s2
-20
-40
-60
-80
600
-100
550
-120
500
-140 Damp.=5.0%
450
-160 400
-180 350
300
-200
250
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
200 Time [sec]
150
100
50
0 55
50
-50
45
-100 Damp.=5.0%
40
-150
35
-200 30
-250 25
-300 20
-350 15
10
-400
5
-450
0
-500
-5
-550
-10
1 2 3 -15
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Time [sec]
-20
-25
-30
-35
-40
-45
-50
-55
-60
-65
-70
-75
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Time [sec]
Spectrul de răspuns elastic in termeni de accelerații absolute
Reprezentarea răspunsului elastic maxim (în termeni de accelerație
absolută) reprezentat în funcție de perioadă, al unor sisteme cu 1 GLD,
având aceeași fracțiune din amortizarea critică.
(Input = accelerograma) 620
600
580
560
540 Da
520
Acc. abs. max 500

480
460
440
420
Response Acceleration [cm/sec2]

SA(T)
400
380
360
340
320
300
280
260
240
220
200
180
160
140
120
100
80
60
40
20
0
0 1 2 3 4
Period [sec]
PGA
0,1 1,2 4 Perioada (s)

0.05
0.045 T=0,1s dmax=0,05cm

0.04 Damp.=5.0%
0.035
0.025
0.03
T=1,2s dmax=22cm
0.02
Response Displacement [cm]
0.015
0.01 T=4,0s dmax=30cm

0.005
-0.005
-0.01
24
-0.015 22
-0.02 20
Damp.=5.0%
18
-0.025
16
-0.03
14
-0.035 12
-0.04 10
8
-0.045
6
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
4 Time [sec]
2
0
-2
-4
-6
34
-8 32
-10 30
28
-12 Damp.=5.0%
26
-14 24
-16 22
20
-18
18
-20 16
-22 14
-24 12
10
0 1 2 3 4 5 86 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Time [sec]
6
4
2
0
-2
-4
-6
-8
-10
-12
-14
-16
-18
-20
-22
-24
-26
-28
-30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Time [sec]
0.7 700 INCERC N-S'77
Bucuresti
0.6 600
a g =0,24g
0.5 500  =0,05
 =0,05
2
SA , cm/s
Se , 'g 0.4 400
300
TB TC TD
0.3
0.2
200
100
TC=1,34s
0.1
T,s 0
0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 T,s
180 150 INCERC N-S'77

160 Bucuresti
125
140
a g =0,24g  =0,05
100
SV , cm/s
120
SVe , cm/s
100 75
80 50
 =0,05
TD=1,90s
60
25
40
20 T,s 0
0 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 T,s
50 INCERC N-S'77
60
40
50
Bucuresti
30
SD , cm
40 a g =0,24g
SDe , cm
30  =0,05 20
 =0,05
20 10
10
0
T,s
0 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 T,s
Alegerea valorilor perioadelor de control din normative – studii statistice
Alegerea valorii maxime a spectrului normalizat din normative – studii statistice

b(T) = SA(T) / PGA
Eurocode 8
4.0
3.5 Teren clasa A
Teren clasa B
3.0
Teren clasa C
Se(T) normalizat
2.5 Teren clasa D

Teren clasa E
2.0
1.5
1.0
0.5
0.0
0.0 1.0 2.0 3.0 4.0
T(s)
Spectrul de răspuns elastic Tipul 1 - MS > 5
Condițiile locale de amplasament sunt caracterizate în P100-1 prin intermediul
Tc – perioada de control a spectrelor de răspuns
arch 4, 1977 VRANCEA earthquake: effective peak velocity EPV, cm/s
rch 4, 1977 VRANCEA earthquake: peak ground acceleration PGA, cm/s2ROMANIA. March 4, 1977 VRANCEA earthquake: effective peak acceleration EPA
ROMANIA. March 4, 1977 VRANCEA earthquake: control period of response spect
ROMANIA. Aug 30, 1986 VRANCEA earthquake: control period of response spectra Tc, s
N
28 29
Ukraine 25 26 27
W E 23 24
21 22
S Republic of
48 Bo tosan i
Hungary #
0.95 Moldova
Pru
#
t
Sa tu-M are
Tc, s Moldova
Krasn ogo rka
0.1 - 0. 4 Iasi & 0.25
Si 0.60 # Chisin au
0.4 - 0. 7 ret &
0.7 - 1 0.86
47 Cris Dochia
1 - 1 .6 # %
0.35
Ora dea
Clu j-N apo ca
Tim e: # Ba ca u
%
0.57
21:2 8:3 7 GM T
Ba rlad
On esti
Ep icen ter: # 0.58 #
0.54 Ad ju d
45.5 3 L at. N #
Mure s Cah ul
26.4 7 L on g. E &
Vran cio aia 0.74
% 1990
Mom en t m ag nitud e
46 Banat Olt · ·# Focsani
#
Mw=7 .2 Braso v Su rd uc 1940 %
$
# # 0.93
Focus d ept h Tim iso ara Mun tele Rosu · 1986 Ram nicu S ara t
#
%
h=13 3 km Vidra Lot ru
Vidraru A rges
1.48 #
0.74 0.35 Tulce a
$ ·
# 1977
Carcaliu
$ #
Va le nii d e M un te
% 0.36
Ep icen tral dista nce t o # % Istrit a
Cam pina #
B uch arest 0.85 1.20
d=12 5 km 0.36 Ba ia
A # Ploiesti
45 Pitesti # rge Valahia 0.51 #
Se ism ic sta tions w it h s Pe ris
free -fie ld record s:
#
Ot ope ni 0.67 Dobrogea
0.98 # Fete st i Cerna voda
Bo lintin Va le # Bran esti #
# INCE RC ne two rk # #
1.60 # 0.57
% INFP ne two rk Craiova Bucuresti 1.15 Calarasi #
$ #
1.43
#
Con st ant a Black
GE OTE C n etw ork
& Sea
R. o f M oldo va ne two rk Yugoslavia
& Bu lg aria ne two rk Giurg iu 0.48
#
44 Danube Turnu Ma gu re le & Ruse
Sh abla
· Ep icen ters o f stro ng
# # 0.95 &
V rance a e ve nts Ka va rna
&
(M w > 6 .9) Bulgaria
Va rn a
Prova dia &
100 0 100 200 Kilometers &
Lun gu, A lde a, 199 9
ArcVie w GIS vers ion 3.1, ES RI Inc. CA.

ch 4, 1977 VRANCEA earthquake: effective peak velocity EPV, cm/s
h 4, 1977 VRANCEA earthquake: peak ground acceleration PGA, cm/s2ROMANIA. March 4, 1977 VRANCEA earthquake: effective peak acceleration EPA
ROMANIA. March 4, 1977 VRANCEA earthquake: control period of response spec
ROMANIA. May 30, 1990 VRANCEA earthquake: control period of response spectra Tc, s
N
28 29
Ukraine 25 26 27
W E 23 24
21 22
S Republic of
48 Bo tosan i
Hungary # Moldova
Pru
#
t
Sa tu-M are
Tc, s Moldova
Krasn ogo rka
0.1 - 0. 4 Iasi &
Si # Chisin au
0.4 - 0. 7 ret 0.52 &
0.7 - 1 0.28
47 Cris Dochia
1 - 1 .6 # %
Ora dea
Clu j-N apo ca
# Ba ca u
%
Tim e: 0.62
10:4 0:0 6 GM T Ba rlad
On esti
#
# 0.72
Ep icen ter: 0.62 Ad ju d
# 0.76
45. 82 Lat .N Mure s Cah ul
26. 90 Lon g. E Vran cio aia 0.92
& 0.44
% 1990
Mom en t m ag nitud e 46 Banat Olt · #
# · Focsani
Braso v Su rd uc 1940 %
Mw=7 .0 # #
$ 1.30 0.98
Tim iso ara Mun tele Rosu · 1986 Ram nicu S ara t
#
%
Focus d ept h Vidra Lot ru 1.45 # 0.29
h=91 km $ Vidraru A rges
·
# 1977
1.13 Carcaliu Tulce a
$
% 0.46 #
# % Istrit a
Ep icen tral dista nce t o Cam pina #
0.56 1.51
B uch arest Ba ia
d=16 5 km Ar # Ploiesti
#
45 Pitestige # Valahia 0.58
0.47 s Pe ris
Se ism ic sta tions w it h # Dobrogea
0.37 Ot ope ni
# Fete st i Cerna voda
Bo lintin Va le
INCE RC ne two rk 0.47 # # # Bran esti 0.65 # #
0.54
Bucuresti 0.46
#
Craiova Calarasi #
% INFP ne two rk # 0.83
#
Con st ant a Black
$ GE OTE C n etw ork Sea
& Yugoslavia
R. o f M oldo va ne two rk Giurg iu 0.38
& #
Bu lg aria ne two rk Danube &
44 Turnu Ma gu re le Ruse 0.35 Sh abla 1.19
# # 0.32 &
V rance a e ve nts Ka va rna 0.96
&
Va rn a 0.91
Prova dia 0.36 &
100 0 100 200 Kilometers &

h 4, 1977 VRANCEA earthquake: peak ground acceleration PGA, cm/s2ROMANIA. March 4, 1977 VRANCEA earthquake: effective peak acceleration EPA,
ROMANIA. March 4, 1977 VRANCEA earthquake: control period of response spectr
ROMANIA. 1977, 1986 and 1990 VRANCEA earthquakes: maximum control period of response spectra Tc, s
N
28 29
Ukraine 25 26 27
W E 24
22 23
21
S
48 Bo tosan i
Hungary #
0.95 Republic of
Pru
#
Moldova
t
Tc, s Sa tu-M are
Moldova
0.1 - 0. 4 Krasn ogo rka
Iasi &
0.4 - 0. 7 # Chisin au 0.25
0.60 &
0.7 - 1
0.86
1 - 1 .6 47 Dochia
# %
Ora dea
Cris 0.35
Clu j-N apo ca
# Ba ca u
Se ism ic sta tions w it h %
0.62
Ba rlad
On esti #
# INCE RC ne two rk # 0.72
%
Transilvania 0.62 Ad ju d 0.76
INFP ne two rk #
$ GE OTE C n etw ork Banat Cah ul
&
& R. o f M oldo va ne two rk
Vran cio aia
199 0
0.44
%
Mure s
Olt 0.92 #
· # · Focsani
& Bu lg aria ne two rk 46
Tim iso ara Su rd uc 194 0 %
#
$ 1.30 0.98
March 4, 197 7 Mun tele Rosu · 198 6 Ram nicu S ara t
#
%
Mw=7. 5 Vidra Lot ru
Vidraru A rges
1.48 #
1.13 0.35 Tulce a
$ 197 7 Carcaliu
h=109 km $ Va le nii d e M un te#
· % 0.46 #
0.85 # %
Cam pina # Istrit a
Au g.3 0, 1 98 6 0.36 1.51 Ba ia
#
Mw=7. 2 Ploiesti #
45 Pitesti # Valahia 0.58
h=133 km 0.47 Pe ris # Dobrogea
0.98 # Ot ope ni 0.67 Fete st i Cerna voda
May 30, 19 90 Bo lintin Va le Bran esti
# # 0.65 # # 0.57
1.60 # 1.15
Mw=7. 0 Craiova Bucuresti Calarasi #
h=91 km # 1.43
#
Con st ant a Black
Sea
Mw - mo me nt ma gnitu de Yugoslavia
h - f ocus d ept h
Giurg iu 0.48
#
44 Danube Turnu Ma gu re le & Ruse0.35
# 0.95 Sh abla 1.19
# &
&
Va rn a 0.91
Prova dia0.36 &
100 0 100 200 Kilometers &

4.0
BUCHAREST
Aug.30, 1986, M w =7.2
3.0 20 horiz. comp.
Normalized SA
0.1 probability
2.0 of exceedance
1.0
0.5 probability
of exceedance
0.0
0.0 1.0 2.0 3.0
Period T , s
4.0
BUCHAREST
May 30, 1990, M w =7.0
3.0 20 horiz. comp.
Normalized SA
2.0
0.1 probability
of exceedance
1.0
0.5 probability
of exceedance
0.0
0.0 1.0 2.0 3.0
Period T , s
Mobilitatea mediei lui

SA(T) normalizat
3.5
INCERC, NS comp.
3.0
March 4, 1977
Aug. 30, 1986
May 30, 1990
2.5
NormalizedSA
2.0
M w =7.5
1.5
M w =7.2
1.0
0.5
M w =7.0
0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
Period T , s
F = masa ∙ accelerația (absolută)
(accelerație spectrală)
Forța seismică = forța de inerție modificată

cu factori care țin de structură și/sau de alegerile noastre
Proiectarea construcțiilor și structurilor:
majoritar prin utilizarea metodei forței statice echivalente sau a analizei modale
Metoda spectrului de răspuns (Response Spectrum Method – RMS)

Sir Isaac Newton
4 Ian 1643 - 31 Martie 1727
F=ma
Prima formulare matematică a metodei spectrului de răspuns (RSM – Response
Spectrum Method) a apărut în lucrarea de doctorat a lui M.A. Biot (1905–1985) în
1932 și în două publicații care i-au urmat (Biot 1933; 1934)
Maurice Anthony Biot – om de stiință belgiano-american
Catholic University of Leuven în Belgia

- diplomă în filozofie (1927), ingineria mineritului (1929) și electrotehnică (1930)
- Doctor of Science in 1931
- Doctorat în aeronautică la California Institute of Technology în 1932

“Transient Oscillations in Elastic Systems”
George W. Housner (1910-2008)
Inginer California Institute of Technology 1934

Doctorat California Institute of Technology 1941
“Caltech professor emeritus was called the father of earthquake engineering”
Teza lui Housner

“a continuation of the work done by M.A. Biot and M.P. White.”
“An Investigation of the Effects of Earthquakes on Buildings”

Asian-Pacific Network of Centers for Earthquake Engineering Research (ANCER)
2016
2012
2008
2011
2009
14th World Conference of Earthquake Engineering, Beijing, 2008

Analiza probabilistică de hazard seismic
Probabilistic Seismic Hazard Assessment / Analysis
(PSHA)
Metodologia standard pentru construcția hărților de hazard seismic (de zonare

seismică) din codurile de proiectare
Obținem o valoare ag caracterizată de o anumită probabilitate de depășire

(de depășire în 1 an sau în N ani)
Ce mărime analizăm?
Parametrul Y al mișcării seismice a terenului într-un amplasament (Lat. & Long.)
Y variabilă aleatoare modelată cel mai adesea cu repartiția lognormală
Y - valoare maximă a accelerației, vitezei, deplasării

- valoare de vârf (maximă) efectivă a accelerației, vitezei, deplasării
- valoare spectrală SA(T), SV(T), SD(T)
- intensitate seismică (tradițională sau instrumentală)
- alt parametru
Hărțile de zonare din coduri - accelerație maximă a terenului
- accelerație spectrală (pentru diferite valori ale lui T(s))

Acceleratii - date de la accelerometre
Accelerația maximă
- cea mai mare dintre maximele pe cele două

direcții de înregistrare
- media (aritmetică sau geometrică) a
maximelor de pe cele două direcții de
înregistrare
Probabilistic Seismic Hazard Analysis
Allin Cornell (September 19, 1938 – December 14, 2007)
He received his A.B. in architecture in 1960 and M.S. and Ph.D. in civil engineering in 1961
and 1964 respectively, all at Stanford University.
He held a professorship at the MIT from 1964 to 1983, and in 1983 became a Research
Professor at Stanford University.
He was awarded the Moisseiff Award (1977), two Norman Medals (1983, 2003), and the
Freudenthal Medal (1988) from the American Society of Civil Engineers (ASCE). He also
received the Harry Fielding Reid Medal of the Seismological Society of America (SSA) in
2001, and the Earthquake Engineering Research Institute (EERI) Housner Medal in 2003.
He is best known for his 1968 seminal paper "Engineering Seismic Risk Analysis" that started
the field of Probabilistic Seismic Hazard analysis (PSHA), his work in reliability especially on
second-moment methods and reliability-based code calibration, and his development of
the probabilistic framework for performance-based earthquake engineering.
His 1971 book, Probability, Statistics, and Decision for Civil Engineers (coauthored with Jack
Benjamin), exposed an entire generation of civil and structural engineering students to the
field of probabilistic modeling and decision analysis, and remains a standard reference for
students and researchers to this day.
1. Cornell CA. Stochastic processes in civil

engineering. Ph.D. Thesis, Department of Civil
Engineering, Stanford
University, 1964.
2. Rosenblueth E, Esteva L. On seismicity.
Seminar on Applications of Statistics in
Structural Mechanics, Civil and
Mechanical Engineering, University of
Pennsylvania, May 1966.
3. Esteva L. Regionalizacion sismica de la
Republica Mexicana. Revista Sociedad
Mexicana do Ingenieria Sismica
1963; 1(1):31–35.
Analiza hazardului seismic
Deterministică (DSHA)
Consideră un unic “scenariu”
Alegem o magnitudine, M
Alegem o distanță, R Parametrul Y
Estimăm efectele asociate lui M, R
Probabilistică (PSHA)
Considerăm scenarii multiple
Considerăm toate magnitudinile Parametrul Y
Considerăm toate distanțele (caracterizat de
Considerăm toate efectele combinațiilor o probabilitate)
PSHA
De ce?
Pentru că nu știm când vor avea loc cutremurele,
nu știm unde vor avea loc și nu știm cât de
puternice vor fi
Probabilistică (PSHA)
Considerăm scenarii multiple Parametrul Y
Considerăm toate magnitudinile (caracterizat de
Considerăm toate distanțele o probabilitate)
Considerăm toate efectele combinațiilor
PSHA
4 etape principale:
1. Identificarea și caracterizarea tuturor surselor seismice
2. Caracterizarea seismicității fiecărei surse seismice
3. Determinarea parametrului Y în amplasamentul studiat,
pentru fiecare sursă
4. Calculul probabilității
PSHA ia în considerare incertitudinile asociate

poziției, mărimii, frecvenței și parametrului Y
generat în amplasamentul studiat, și le combină
pe toate a calcula probabilitățile (de depășire)
asociate diferitelor valori ale lui Y
PSHA
Luăm în considerare toate sursele seismice care pot produce mișcări seismice
semnificative în amplasamentul studiat.
Le caracterizăm dpdv geometric și ca poziție geografică
Stabilim modelul de sursă și tipul de sursă (dpdv al mecanismului de focar)
Caracterizăm (probabilistic) distanța sursă-amplasament
Multiple definiții ale distanței sursă-amplasament

• Distanța epicentrală
• Distanța hipocentrală
• Distanța cea mai scurtă de la amplasament la sursă
etc.
Notații D, D, R, etc.
Epicentru
Distanta epicentrala
Suprafata Pamantului
Adancimea Distanta hipocentrala

focarului
Roca Roca
Hipocentru
Falie
(focar)
Poziție - Latitudine, Longitudine, Adâncime

PSHA
Incertitudini asociate distanței sursă-amplasament
Unde este cel mai probabil să aibă loc ruperea?

Nu știm amplasament
sursă
Distanța sursă-amplasament
depinde de locul în care se
produce ruperea
PSHA
Incertitudini asociate distanței sursă-amplasament
Abordarea uzuală: • Considerăm că avem aceeași probabilitate de producere a
cutremurului în orice punct al sursei
• Caracterizăm incertitudinile probabilistic (densitate de repartiție)
rmin
fR(r)
rmax
rmin rmax r
densitatea de repartiție a
distanței sursă-
amplasament
Exemple
sursa
seismică
subcrustală 0.03 0.03
Vrancea MG-R5 0.024 0.024

MG-R
0.025 0.025
0.02 0.02
Gumb
Gumbel min
f(h)
f(h)
0.015 0.015
0.01 0.009 0.009

0.01
0.007
0.006 0.006 0.006 0.006
0.005
0.005 0.004 0.005
0.001
0 0
112.5
112.5
127.5
142.5
157.5
172.5
67.5
82.5
97.5
67.5
82.5
97.5
Adancimea focarului h , km Adancimea foca

PSHA
Distribuția probabilistică a magnitudinilor
(pentru cutremurele produse de o sursă seismică)
O anumită sursă poate produce cutremure cu magnitudini (mărimi) diferite

Magnitudini mici - frecvent
Magnitudini mari - rar
În anii 30 Gutenberg și Richter

Folosind date din California
Au numărat câte cutremure au depășit diferite valori de magnitudine, pe o
perioadă lungă de timp T
PSHA
Nm log Nm
m m
PSHA
log lm
Rata medie anuală de

depășire a magnitudinii
m
lm = Nm / T
lm aproximează
probabilitatea m
PSHA
log lm
10a
b
Legea de recurență a magnitudinilor
Gutenberg-Richter
log lm = a - bm
0 m
PSHA
Legea de recurență a magnitudinilor Gutenberg-Richter

log lm = a - bm
ln ( lm )
lg ( lm ) = = a − b  m  ln ( lm ) = a  ln (10 ) − b  ln (10 )  m
ln (10 )
= a ln10 = 2.303 a
b = b ln10 = 2.303 b
ln lm =  - b m
Rata medie anuală descrește exponențial
lm= e − b m
Luând în considerare
(i) o magnitudine minimă (sau magnitudine de completitudine) mmin

și
(i) o magnitudine maximă posibilă (credibilă) mmax
b  exp (− b  m ), pentru m

 Densitatea de repartiție a
 b  exp− b (m − m min ), pentru m  mmin
f M (m ) =  magnitudinii

 k  b  exp− b (m − mmin ), pentru mmin  m  mmax

 0.4
0.35 M min =5
1
k= 0.3
1− exp −b ( mmax − mmin )
  0.25
f(M)
0.2
a și b sunt dependenți de setul de date, 0.15 M min =6
deci specifici fiecărei surse seismice 0.1
0.05
a și b sunt denumiți parametri ai seismicității
0
5.5 6 6.5 7 7.5 8
Magnitudinea M
lm= e − b m Modelul Gutenberg-Richter (clasic)
−𝛽 𝑚−𝑚𝑚𝑖𝑛 −𝛽 𝑚𝑚𝑎𝑥 −𝑚𝑚𝑖𝑛

𝑒 −𝑒
𝜆𝑚 = 𝜆𝑚min −𝛽 𝑚𝑚𝑎𝑥 −𝑚𝑚𝑖𝑛
Modelul trunchiat (bounded)
1−𝑒
Magnitudinile
mari au șanse
nerealist de
mari
Modelul
trunchiat reduce
șansele
magnitudinilor
mari
PSHA
Relații de predicție a parametrului Y al mișcării terenului
Pornind de la mișcările seismice înregistrate (generate de o anumită sursă în timpul

mai multor cutremure) obținem prin multi-regresie neliniară o relație matematică ce
ne oferă o predicție a valorii parametrului Y
Valorile parametrului Y depind de magnitudine, de distanța dintre sursa seismică și

amplasamentul în care s-a făcut înregistrarea, de adâncimea la care a avut loc
cutremurul, de condițiile locale de teren, etc.
Practic obținem o relație de predicție a valorilor parametrului Y pentru un scenariu: un

cutremur cu o anumită magnitudine are loc la o anumită adâncime de focar, la o
anumită distanță de un anumit amplasament caracterizat de anumite condiții locale
de teren, etc.
Ground Motion Prediction Equation (GMPE)

În general relațiile de predicție a valorilor parametrului Y sunt logaritmice
ln (Y) = f(M, h, D, S, etc.)
Modelul probabilistic considerat pentru variația parametrului Y într-un amplasament este

modelul lognormal.
Prin multi-regresie neliniară obținem parametrii din relația de predicție și valoarea

abaterii standard a variabilei aleatoare lnY.
Aceste valori sunt specifice fiecărei surse seismice în parte.
• Considerând un scenariu seismic, obținem prin utilizarea relației de predicție valoarea

mediană a lui lnY (o putem converti și obținem valoarea medie a lui Y)
• Abaterea standard a lui lnY este cunoscută (este asociată relației de predicție).
• lnY are o repartiție de tip Normal.
Putem calcula probabilități asociate diferitelor valori ale lui Y, pentru scenariul
considerat
PSHA
Calculăm o probabilitate condiționată (asociată unui anumit scenariu)
ln Y P[Y > y*| M=m*, R=r*]
Y = y*
ln Y
M = m*
R = r* r
Mmax M
PSHA
Calculăm o probabilitate condiționată (asociată unui anumit scenariu)
ln Y
P[Y > y*| M=m*, R=r*]
ln Y
Y = y*
M = m*
R = r* r
M
Densitatea de
repartiție de tip
Normal a variabilei
aleatoare lnY
PSHA
Incertitudini temporale
(apariția în timp a evenimentelor seismice)
Modelul Poisson P[N1] = 1 - e−lmt

1
0.9
Probabilitatea de depasire aM in t ani
0.8 475 ani P1an [M>7] = 0.028

0.7
P10ani [M>7] = 0.249
0.6
100 ani
0.5 P50ani [M>7] = 0.763
0.4 50 ani
0.3
10 ani P100ani [M>7] = 0.944
0.2
t =1 an P475ani [M>7] = 0.999
0.1
0
5 6 7 8 9
Magnitudinea M
Life is good for only two things, discovering mathematics and teaching mathematics.
Siméon Denis Poisson (1781 – 1840)

Laplace and Lagrange ☺ were his professors and PhD advisors
gallica.bnf.fr
PSHA
Incertitudini
Densitatea de repartitie a
Poziție fR(r) distantei sursă-amplasament
Mărime fM(m) Densitatea de repartiție

a magnitudinii
Efecte P[Y > y*| M=m*, R=r*]
Relația de
Apariție în timp P = 1 - e-lm t predicție &
densitatea de
repartiție a lui Y
Modelul Poisson
PSHA
Combinarea incertitudinilor – calculul probabilității
Folosind teorema probabilității totale
Probabilitatea anuală de a depăși valoarea y* (dacă avem cutremure)
P[Y  y *] =   P[Y  y * | m, r ] f M (m) f R (r )dmdr
P(r<R≤r+dr)
P(m<M≤m+dm)
Rata medie anuală de depășire a valorii y*
=y𝜆*𝑚=
𝜆𝑦∗ l  P[Y
min  
 y * | m, r ] f M (m) f R (r )dmdr
Considerăm toate distanțele, valorile fiind ponderate cu probabilitatea asociată fiecărei distante
Considerăm toate magnitudinile, valorile fiind ponderate cu probabilitatea asociată fiecărei m
Considerăm efectele tuturor combinațiilor/scenariilor
PSHA
Curba de hazard seismic în amplasament
Care este probabilitatea anuală de
depășire a valorii amax = 0.30g?
P = l = 0.001 = 0.1%
Care este probabilitatea de depășire a

lamax
valorii amax = 0.30g în 50 ani?
P = 1 - e -l t
= 1 - exp[-(0.001)(50)]
= 0.049 = 4.9%
0.001 = 1- (1-0.001)^50 (curs 6)
În 500 ani?
amax=0.30g
P = 0.393 = 39.3%
PSHA
Curba de hazard seismic în amplasament
Care este valoarea amax cu 10% probabilitate
de depășire în 50 ani?
𝑁
10% în 50 ani 𝑝= 1 − 𝑃𝑁 (𝑋 > 𝑥𝑝 )
1-p = l = 0.002105
1
lamax
IMR sau T = 475 ani T ( X  x p ) =

1− p
0.0021
amax=0.23g
amax=0.23g
PSHA
Spectru de hazard seismic uniform
Uniform hazard spectrum (UHS)
Folosim relații de predicție pentru valori SA(T)
Calculăm valori ale SA(T) caracterizate de aceeași rată medie anuală l
SAUHS(T)
Spectru de hazard seismic uniform
T
SAUHS(T) ≠ SA(T)
Uniform Hazard Spectrum (UHS)
Reiter (1990)
PSHA
Considerarea tuturor incertitudinilor
Nu toate incertitudinile sunt descrise de modelele probabilistice considerate (care
modelează incertitudini aleatoare)
Putem avea mai multe modele – care este cel mai bun?
• pentru relațiile de predicție
• pentru distribuția magnitudinilor
• etc.
Experții pot avea păreri diferite asupra unor alegeri

• sursele seismice, poziția și forma lor
• magnitudinea maximă posibilă
• etc.
limite ale cunoașterii Incertitudini epistemice
incertitudinile aleatoare – sunt considerate în calculul probabilității/ratei
Incertitudinile epistemice – se iau în considerare prin arbori logici (arbori de evenimente)

PSHA factori de
ponderare
Arbori logici asociați fiecărei
ipoteze
Relație de Distribuția
Mmax
predicție magnitudinii
Suma factorilor de 7.0 (0.2)
ponderare de pe ramurile G-R 7.2 (0.6)
care pleacă dintr-un nod (0.7) 7.5 (0.2)
trebuie să fie egală cu 1 BJF
(0.5) 7.0 (0.2)
Char. 7.2 (0.6)
(0.3) 7.5 (0.2)
7.0 (0.2)
G-R 7.2 (0.6)
(0.7) 7.5 (0.2)
A&S
(0.5) 7.0 (0.2)
Char. 7.2 (0.6)
(0.3) 7.5 (0.2)
PSHA
Arbori logici
Relație de Distribuția
Mmax
7.0 (0.2)
Ponderea fiecărei ramuri G-R 7.2 (0.6)
de ipoteze este egală cu (0.7) 7.5 (0.2)
produsul ponderilor BJF
ipotezelor considerate (0.5) 7.0 (0.2)
Char. 7.2 (0.6)
(0.3) 7.5 (0.2)
7.0 (0.2)
G-R 7.2 (0.6)
(0.7) 7.5 (0.2)
0.5x0.7x0.2 = 0.07
A&S
(0.5) 7.0 (0.2)
Char. 7.2 (0.6)
(0.3) 7.5 (0.2)
PSHA
Arbori logici
Relație de Distribuția Mmax w
7.0 (0.2) 0.07
G-R 7.2 (0.6) 0.21
(0.7) 7.5 (0.2) 0.07
BJF
(0.5) 7.0 (0.2) 0.03
Char. 7.2 (0.6) 0.09
(0.3) 7.5 (0.2) 0.03
7.0 (0.2) 0.07
Valoarea finală a lui G-R 7.2 (0.6) 0.21
Y este media (0.7) 7.5 (0.2) 0.07
ponderată a tuturor A&S
valorilor (0.5) 7.0 (0.2) 0.03
corespunzătoare Char. 7.2 (0.6) 0.09
ramurilor de ipoteze (0.3) 7.5 (0.2) 0.03
Calculăm valoarea ag în toate nodurile unei rețele de puncte egal depărtate pe
latitudine și longitudine, ag fiind caracterizată de o unică probabilitate de depășire
(cea recomandată de cod)
Folosim softuri tip GIS (Geographic Information System) pentru a delimita zone cu
valori cvasi-constante ale ag
h 4, 1977 VRANCEA earthquake: peak ground acceleration PGA, cm/s2ROMANIA. March 4, 1977 VRANCEA earthquake: effective peak acceleration EPA
ROMANIA. March 4, 1977 VRANCEA earthquake: control period of response spect
ROMANIA. Aug 30, 1986 VRANCEA earthquake: peak ground acceleration PGA, cm/s2
N
28 29
Ukraine 25 26 27
W E 23 24
21 22
S Republic of
48 Bo tosan i
Hungary #
11.5 Moldova
Pru
#
t
Sa tu-M are
PGA , cm /s2 Moldova
Krasn ogo rka
0 - 75 Iasi &
Si 82.0
ret 146.4
# Chisin au
75 - 150 &
150 - 20 0 212.8
47 Cris Dochia
200 - 30 0 # %
50.9
Ora dea
Clu j-N apo ca
Tim e: # Ba ca u
%
116.5
21:2 8:3 7 GM T
Ba rlad
Ep icen ter: On esti 168.6 #
#
147.9 Ad ju d
45.5 3 L at. N #
Mure s Cah ul
26.4 7 L on g. E &
Vran cio aia 140.8
% 1990
Mom en t m ag nitud e
46 Banat Olt · #
# · Focsani
Mw=7 .2 Braso v Su rd uc 1940 %
# #
$
75.1 297.1
Focus d ept h Tim iso ara Mun tele Rosu · 1986 Ram nicu S ara t
#
%
h=13 3 km Vidra Lot ru 79.1 #
140.4 70.0 Tulce a
$ Vidraru A rges Carcaliu
$ ·
# 1977 #
14.3 Va le nii d e M un te
% 57.3
Ep icen tral dista nce t o 26.1 # % Istrit a
Cam pina #
B uch arest 186.9 109.1
d=12 5 km 61.5 Ba ia
A # Ploiesti
Pitesti # rge
#
45 Valahia 32.9
Se ism ic sta tions w it h s Pe ris
free -fie ld record s: 150.1
#
Ot ope ni 219.8 Dobrogea
# Fete st i Cerna voda
# INCE RC ne two rk # # # 54.3
90.2
% INFP ne two rk Craiova Bucuresti 93.3 Calarasi #
$ #
156.0
#
Con st ant a Black
GE OTE C n etw ork
& Sea
R. o f M oldo va ne two rk Yugoslavia
& Bu lg aria ne two rk Giurg iu 43.8
#
44 Danube Turnu Ma gu re le & Ruse
Sh abla
# # 60.2 &
V rance a e ve nts Ka va rna
&
Va rn a
Prova dia &
100 0 100 200 Kilometers &

h 4, 1977 VRANCEA earthquake: peak ground acceleration PGA, cm/s2ROMANIA. March 4, 1977 VRANCEA earthquake: effective peak acceleration EP
ROMANIA. March 4, 1977 VRANCEA earthquake: control period of response spec
ROMANIA. May 30, 1990 VRANCEA earthquake: peak ground acceleration PGA, cm/s2
N
28 29
Ukraine 25 26 27
W E 23 24
21 22
S Republic of
48 Bo tosan i
Hungary # Moldova
Pru
#
t
Sa tu-M are
Krasn ogo rka
0 - 75 Iasi &
Si
ret 106.4
# Chisin au
75 - 150 &
150 - 20 0
151.1
47 Cris Dochia
200 - 30 0 # %
Ora dea
Clu j-N apo ca
# Ba ca u
%
Tim e: 132.0
10:4 0:0 6 GM T Ba rlad
On esti #
142.7
Ep icen ter: 232.1 # Ad ju d
# 86.6
45. 82 Lat .N Mure s Cah ul
&
26. 90 Lon g. E Vran cio aia
%
157.2 136.6
1990
Mom en t m ag nitud e 46 Banat Olt · ·# Focsani
#
Braso v Su rd uc 1940 %
Mw=7 .0 $
# # 97.2 108.6
Tim iso ara Mun tele Rosu · 1986 Ram nicu S ara t
#
%
Focus d ept h Vidra Lot ru 65.6 # 164.0
h=91 km $ Vidraru A rges
·
# 1977
158.6 Carcaliu Tulce a
$
% 93.6 #
# % Istrit a
Ep icen tral dista nce t o Cam pina # 154.2 92.4
B uch arest Ba ia
d=16 5 km Ar # Ploiesti
45 Pitesti # ge Valahia 90.8 #
s
Se ism ic sta tions w it h 45.8 Pe ris
# Dobrogea
223.8 Ot ope ni
free -fie ld record s: # Fete st i Cerna voda
# INCE RC ne two rk 208.6 # # 100.4 #
107.1
Craiova Bucuresti 150.8 Calarasi #
% INFP ne two rk #
136.6
#
Con st ant a Black
$ GE OTE C n etw ork Sea
& Yugoslavia
R. o f M oldo va ne two rk Giurg iu 114.1
& #
Bu lg aria ne two rk Danube Turnu Ma gu re le & Ruse 112.4
44
# 112.2 Sh abla 32.9
# Ka va rna 36.2
&
V rance a e ve nts &
Va rn a 33.6
Prova dia 48.2 &
100 0 100 200 Kilometers &

h 4, 1977 VRANCEA earthquake: peak ground acceleration PGA, cm/s2ROMANIA. March 4, 1977 VRANCEA earthquake: effective peak acceleration EP
ROMANIA. March 4, 1977 VRANCEA earthquake: control period of response spe
ROMANIA. Maximum peak ground acceleration PGA, cm/s2 recorded during 1977, 1986 and 1990 VRANCEA earthquakes
N
28 29
Ukraine 25 26 27
W E 24
22 23
21
S
48 Bo tosan i
Hungary #
11.5 Republic of
Pru
#
Moldova
t
Sa tu-M are
Krasn ogo rka
0 - 75 Iasi &
# Chisin au 82.0
75 - 150 146.4 &
150 - 20 0 212.8
47 Dochia
200 - 30 0 # %
Ora dea
Cris 50.9
Clu j-N apo ca
# Ba ca u
Se ism ic sta tions w it h %
132.0
Ba rlad
# On esti #
INCE RC ne two rk
Transilvania 232.1 #
Ad ju d 86.6 168.6
% INFP ne two rk #
$ GE OTE C n etw ork Banat Cah ul
&
Vran cio aia
& R. o f M oldo va ne two rk 199 0 % 136.6
Mure s
Olt 157.2 #· # · Focsani
& Bu lg aria ne two rk 46
Tim iso ara Su rd uc 194 0 %
#
$
97.2 297.1
March 4, 197 7 Mun tele Rosu · 198 6 Ram nicu S ara t
#
%
Mw=7. 5 Vidra Lot ru 79.1 # 164.0
$ Vidraru A rges 197 7 158.6 Carcaliu Tulce a
h=109 km $ Va le nii d e M un te#
· % #
14.3 93.6
26.1 186.9 # %
Cam pina # Istrit a
Au g.3 0, 1 98 6 61.5
# 109.4 Ba ia
Mw=7. 2 45 Pitesti #
Ploiesti Valahia 90.8 #
h=133 km
45.8 Pe ris # Dobrogea
223.8 # Ot ope ni
219.8 Fete st i Cerna voda
May 30, 19 90 Bo lintin Va le Bran esti
# # # 100.4 # # 107.1
208.6 150.8
Mw=7. 0 Craiova Bucuresti Calarasi #
h=91 km # 194.9 #
Con st ant a Black
Sea
Mw - mo me nt ma gnitu de Yugoslavia
h - f ocus d ept h Giurg iu 114.1
#
44 Danube Turnu Ma gu re le & Ruse112.4
Sh abla 32.9
# # 112.2 &
&
Va rn a 33.6
Prova dia 48.2 &
100 0 100 200 Kilometers &

UTCB BigSees Project
3 rd EUROPEAN CONFERENCE ON
EARTHQUAKE ENGINEERING AND
SEISMOLOGY (3ECEES)
2022 – BUCHAREST, ROMANIA
www.3ecees.ro
Examen
Varianta 1 – condiții normale (probabilitate foarte mică)
22, 25 și 28 Mai, în sălile care vor fi stabilite de Secretariat, una sau mai multe serii, in
funcție de numărul de studenți (pentru a asigura distanțarea socială)
Examen scris
Un test fulger cu întrebări scurte

1 subiect din partea 1-a de materie (de la început până la Gumbel inclusiv)
1 subiect din partea a 2-a de materie (de la IMR inclusiv până la final)
1 aplicație
(fără acces la notițe, materiale, etc.)

Examen
Varianta 2 – on-line (probabilitate mare)
• 22, 25 și 28 Mai, în grupuri create special pe Teams, pe baza înscrierii prealabile la

examen.
• Înscrierea se face prin email, folosind adresa instituțională.

• Doar studenții care se înscriu vor putea participa la examen (vor fi adăugați în grup), se
va verifica identitatea.
• Termen limită pentru înscriere 20 Mai. Vom anunța ora examenului pentru fiecare
grupă în parte (cel mai probabil ora 9:00).
• Examenul va avea 2 componente:
- Un chestionar on-line, pe platformă, în timp limitat, (probabil) 9 întrebări, unele tip

grilă (răspuns unic sau multiplu), unele cu răspuns scris
- O aplicație care se rezolvă în timpul examenului, în timp limitat, cu date individualizate,

fișierul se trimite de pe adresa email instituțională în maxim 5 minute de la expirarea
timpului alocat probei
Intervalul mediu de recurență
Perioada medie de revenire
Fenomenele naturale apar aleator în timp
Values of a random
variable (natural hazard)
RP it is not the same
RP – return period
(random variable)
years
Intervalul mediu de recurență (IMR)
Definiție
Media intervalelor de timp, pe o perioada de observație lungă, la care fenomenul

apare cu o anumita caracteristică.
Intervalele de timp la care fenomenul cu o anumită caracteristică se repetă nu sunt

egale!
Fenomenul cu o anumită caracteristică nu se repetă ciclic!
De interes este depășirea unui anumit nivel al unei acțiuni din hazard natural.
Considerăm v.a. X cu valori x
Analizăm intervalul mediu de recurență de depășire a unei anumite valori x

Interval mediu de recurenta IMR
Perioada medie de revenire T, 𝑇ത
Interval mediu de recurență – pentru mărimi asociate fenomenului natural (furtună,

cădere de zăpadă, cutremur) cauză
Perioadă medie de revenire – pentru mărimi asociate efectelor fenomenului (viteza

vântului, înălțimea stratului de zăpadă, accelerația maximă a terenului) efect
Mean recurrence interval

Mean return period
În ciuda notației T, 𝑇ത , nu este vorba de ciclicitate!
Evenimentul cu T=100 ani nu se repetă (ciclic) fix la 100 de ani!

Interpretarea corectă este: în 1000 de ani, evenimentul se repetă, în medie, cam 1 dată
la 100 de ani, intervalele de timp la care se repetă nefiind egale.
În medie, evenimentul cu T=100 de ani apare de 10 ori în 1000 de ani, la intervale de
timp neregulate.
Prin definiție, intervalul mediu de recurență de depășire a unei valori x a v.a. este inversul
probabilității anuale de depășire a valorii x. (Gumbel)
1 1 1
T ( X  x) = = =
P1an ( X  x ) 1 − P1an ( X  x ) 1 − FX (x )
1 1 1 1
T (X  xp) = = = =
P1an ( X  x p ) 1 − P1an ( X  x p ) 1 − p 1 − FX ( x p )
P(X  xp) P(X > xp) T ( X  x p)

xp xT
=p = 1-p ans
0,8 0,2 x0,8 xT =5ans 5
0,9 0,1 x0,9 xT =10ans 10
0,95 0,05 x0,95 xT =20ans 20
0,98 0,02 x0,98 xT =50ans 50
0,99 0,01 x0,99 xT =100ans 100
Exemplu – viteza maximă a vântului la București
x0,98 = xT =50ans = 34,03 m/s
34 m/s este valoarea cu 98% probabilitate anuală de nedepășire
34 m/s este valoarea cu 2% probabilitate anuală de depășire

Limbaj in coduri
34 m/s este valoarea cu T = 50 ani interval mediu de recurență (pt. vânt și zăpadă)
Câtă vreme vorbim de valori de 10, 20, 50, 100 de ani, exprimarea rămâne sugestivă și
are sens.
Sugestiv: cu cât probabilitatea anuală de depășire este mai mică (mai multă siguranță), cu
atât IMR este mai mare (valoare mai rară = siguranță mai mare)
In cazul acțiunilor este logic să ne raportăm la o durată de timp (de referință) mai
mare decât 1 an.
Durata medie de viață pentru construcțiile uzuale este N=50 ani (în coduri)
Probabilitățile anuale de depășire de 10%, 5%, 2%, asociate unei valori a fenomenului,
transmit un nivel aparent rezonabil de siguranță (x0,9, x0,95, x0,98).
P(X > x0,98)=1-[P(X  x0,98)] 1 = 1- 0,981 = 1- 0,98 = 0,02 2% aparent OK

P2ans(X > x0,98)=1-[P(X  x0,98)] 2 = 1- 0,982 = 1- 0,96 = 0,04 4% aparent OK
P10ans(X > x0,98)=1-[P(X  x0,98)] 10 = 1- 0,9810 = 1- 0,82 = 0,18 18% încă OK
P50ans(X > x0,98)=1-[P(X  x0,98)] 50 = 1- 0,9850 = 1- 0,36 = 0,64 64% > 50%
Dacă ne raportăm la un număr din ce în ce mai mare de ani (N ani), probabilitățile de

depășire încep să crească! (siguranța se diminuează, crește riscul pe care ni-l asumăm prin
astfel de alegeri)
P50ans(X > x0,98)=1-[P(X  x0,98)] 50 = 1- 0,9850 = 1- 0,36 = 0,64 64% > 50%
OK pentru actiuni climatice

Nu e Ok pentru actiunea seismica!
EC8 recomanda pentru actiunea seismica (SLU) 10%

(10 % probabilitate de depasire in 50 de ani)
P50ans(X > xp)=1-[P(X  xp)] 50 = 1- p50 = 0,1

50
𝑝= 1 − 0,1 = 0,997898
1
T (X  xp) = ഥ = 𝟒𝟕𝟓 𝒂𝒏𝒊 !!!
𝑻
1− p
FEMA 356 – Prestandard and Commentary for the Seismic Rehabilitation of Buildings
Seismic Hazard Mean recurrence interval Probability of

Level (years) exceedance
SHL1 72 50% in 50 years

SHL2 225 20 % in 50 years
Mean recurrence interval, Probability of exceedance Probability of exceedance
years MRI, in 1 year, Pexc,1 year in 50 years, Pexc,50 years
10 0.10 0.99
30 0.03 0.81
50 0.02 0.63
100 0.01 0.39
225 0.004 0.20
475 0.002 0.10
975 0.001 0.05
2475 0.0004 0.02

𝑁
𝑝= 1 − 𝑃𝑁 (𝑋 > 𝑥𝑝 )
1 1
T (X  xp) =  p = 1−
1− p T
N
 1
PN(X > xp= xT ) = 1 − 1 − 
 T
Acțiuni climatice în România
1990 T=10 ani 10% probabilitate anuală de depășire

99% probabilitate de depășire in 50 de ani
2004-2005 T=50 ani 2% probabilitate anuală de depășire

Acțiunea seismică în România


2013 T=225 ani 0,4% probabilitate anuală de depășire

? T=475 ani 0,2% probabilitate anuală de depășire

Repartiția Gumbel pentru maxime
• Datele sunt valori maxime anuale ale fenomenului analizat (înălțimea stratului
de zăpadă sau încărcarea din zăpadă pe sol, viteza maximă a vântului,
temperatura maximă, diferența maximă de temperatură, etc.)
• Indicatorii statistici sunt deci indicatori pentru maximele anuale
mX, sX, VX
• Repartiția Gumbel pentru maxime a fost obținută pornind de la histograma

frecvențelor relative cumulate Fj
1.00
Histograma freqventelor relative cumulate
0.90 model probabilistic
• Histrogramă - 0.80
ordonatele 0.70
estimează șanse 0.60
0.50
• Model - 0.40
ordonatele sunt 0.30
probabilități 0.20
0.10
• Valori intre 0 si 1
0.00
Funcția de repartiție - funcție pozitivă, continuă, monoton crescătoare
−e− ( x −u )
FX ( x) = e Repartiția Gumbel pentru maxime
1
− ( x −u )
FX ( x) = e−e
Vx=36%
Vx=19%
0.8 Vx=13%
0.6
FX(x)
• Dublu exponențială 0.4
• Bi-parametrică
0.2
• u este modul repartiției 0

•  este un parametru al formei repartiției x

u = mX − s X = mX – 0,45sX
1,282
 – constanta lui Euler  = 0,577216
1,282
𝛼=
𝜎𝑋
Bi-parametrică (u, ) → (mX, sX)

Densitatea de repartiție
dFX ( x) − ( x −u ) −e− ( x −u )
f X ( x) = = e e
dx
Vx=36%
Vx=19%
Vx=13%
fX(x)
asimetrie pozitivă
1 = 1,13955 constantă
max.
fX(x)
0,45 sX
u mX
x
modul < mediana < media
https://www.ntrand.com/
=NtGumbelDist(...)
Calculul fractililor
Pornim de la definiția fractilului: o valoare a variabilei aleatoare căreia îi asociem o

probabilitate de nedepășire
P(X  xp) = p
− ( x p −u )
−e
P( X  x p ) = FX ( x p ) = e =p O ecuație cu o necunoscută
prin definiție
logaritmăm de ambele părți
înmulțim cu -1 de ambele părți pentru a putea logaritma din nou, apoi îl separăm pe xp
1
xp = u −  ln( − ln p) = m X − 0,4

Înlocuim modul și parametrul  și dăm factor comun abaterea standard
1 sX
xp = u −  ln( − ln p) = m X − 0,45s X −  ln( − ln p) = m X + k G
p s X
 1,282
Fractilul se calculează adunând un număr de abateri standard la medie!
kG
p = −0,45 − 0,78  ln( − ln p)
P(X  xp) P(X > xp)

k pN kG
=p = 1-p p
0,6 0,4 0,253 0,074
0,7 0,3 0,524 0,354
0,8 0,2 0,842 0,720 Coeficientul este diferit de cel de
0,9 0,1 1,282 1,305 la repartițiile normală și
0,95 0,05 1,645 1,867 lognormală
0,98 0,02 2,054 2,594
0,99 0,01 2,326 3,138
Exemplu – viteza maximă a vântului la București
Intervalle Limite Limite Valeur Effectif Fréquence Fréquence Densité de
de inférieure supérieure centrale nj relative relative probabilité
regroupement xj (fréquence fj normalisée (Gumbel max)
j (m/s) (m/s) (m/s) absolue) fjn (m/s)-1 (m/s)-1
1 0 5 2.5 8 0,1231 0,0246 0,0224
2 5 10 7.5 17 0,2615 0,0523 0,0552
3 10 15 12.5 16 0,2462 0,0492 0,0535
4 15 20 17.5 17 0,2615 0,0523 0,0340
5 20 25 22.5 2 0,0308 0,0062 0,0179
6 25 30 27.5 2 0,0308 0,0062 0,0086
7 30 35 32.5 1 0,0154 0,0031 0,0040
8 35 40 37.5 1 0,0154 0,0031 0,0018
9 40 45 42.5 1 0,0154 0,0031 0,0008
mX = 13,19 m/s 0.07

Histogramme des fréquences relatives normalisées
sX = 8,03 m/s 0.06 Loi Gumbel pour maximums
Densité de probabilité (m/s)-1
VX = 60,1% 0.05
1  1,27 0.04
0.03
0.02
0.01
0.00
Vitesse du vent (m/s)

Pentru acțiunea vântului Eurocodul 1 recomandă utilizarea fractilului x0,98
x0,98 = m X + k0G,98  s X = 34,03 m/s
Valoare cu 98% probabilitate anuală de nedepășire
Valoare cu 2% probabilitate anuală de depășire
Limbajul folosit in codurile de proiectare (EC1, CR 1-1-4, etc.)

• Observație
x p = mX + k G
p  s X = 𝑚𝑋 1 + 𝑘𝑝 ∙ 𝑉𝑋
𝐺
cu cât variabilitatea fenomenului este mai mare, cu atât ne îndepărtam mai mult de
medie
• Observație
coeficientul de oblicitate poate fi utilizat pentru alegerea tipului de repartiție
Gumbel minime N LN Gumbel maxime
-1,139 0 3Vx + Vx3 1,139

Repartiția Gumbel pentru maxime
în N ani
Ce s-ar întâmpla dacă am considera o variabilă aleatoare ale cărei valori nu sunt
valorile maxime anuale ale fenomenului, ci valorile maxime pe o fereastră de timp
de N ani?
Avem o nouă variabilă aleatoare. Care este repartiția ei probabilistică?
Este un subiect de interes, pentru că ar fi util să putem calcula probabilitatea de

depășire a unei valori a fenomenului raportându-ne la o durată de timp mai mare
(nu probabilitatea anuală, ci probabilitate în N ani).
Conform codurilor, durata de viață de referință a construcțiilor este N = 50 ani

Teoria probabilităților
Probabilitatea anuală de nedepășire a unei valori este aceeași în fiecare an dacă

valorile variabilei aleatoare sunt independente.
Atunci probabilitatea de nedepășire a unei valori în N ani este egală cu probabilitatea

anuală de nedepășire considerată pentru fiecare an în parte.
PN(X  x)= [P(X  x) P(X  x) .... P(X  x)] = [P(X  x)] N
probabilitatea anuală de nedepășire de N ori
Maximele anuale ale fenomenelor naturale sunt independente (o valoare dintr-un an nu

este in niciun fel legată de valoarea din anul precedent și nici nu o influențează pe cea
din anul următor).
Deci și valorile maxime în N ani sunt tot independente!

Prin definiție funcția de repartiție este egală cu probabilitatea de nedepășire
PN(X  x)= FX, N(x)
P(X  x)= FX(x)
FX, N(x)= [FX(x)]N
N
 −e− ( x −u )  − Ne− ( x −u )
FX , N ( x) = FX ( x) N = e  =e =
 
 ln N 
−  x − u +  − N ( x −u N )
 tot repartiție tip Gumbel
−e− ( x −u ) +ln N −e    −e
=e =e =e pentru maxime!
u este modul repartiției în 1 an

 este parametrul de formă al repartiției în 1 an
uN = u + lnN/ este modul repartiției în N ani

N =  este parametrul de formă al repartiției în N ani
u este modul repartiției în 1 an
 este parametrul de formă al repartiției în 1 an
uN = u + lnN/ este modul repartiției în N ani

N =  este parametrul de formă al repartiției în N ani
Dacă parametrul de formă nu se modifică, înseamnă că nici abaterea standard nu se modifică

sX,N = sX
 ln N 
uN = mX - 0,45sX + lnN/ = mX +  − 0,45 s X
 1,282 
ln N
uN = mX + s X − 0,45s X = mX, N - 0,45sX
1,282
ln N ln N
uN = u + sX et mX,N = mX + sX
1,282 1,282
curba se translatează cu (ln N / 1,282) sX pt. N=50 ani
3,05 sX
ln N Reproductibilitatea repartiției Gumbel
fX(x) sX fX,N(x)
1,282 pentru maxime
fX(x)
(translația este valabilă doar pentru

repartiția de tip Gumbel pentru
maxime)
u uN
x
1
0.9
0.8
FX(x) FX,N(x)
0.7
0.6
Translația este valabilă orice repartiție
FX(x)
0.5
probabilistică
0.4
0.3
0.2
0.1
0
x
Coeficientul de variație scade!
s X ,N sX VX
VX,N = = =
mX .N ln N ln N
mX + sX 1+ VX
1,282 1,282
Calculul fractililor în repartiția Gumbel pentru maxime în N ani
x p = mX + k G
p
,N
s X
,N  ln N
kG
p = − 0,45 − 0,78 ln( − ln p) +
1,282
Cum evoluează probabilitatea de nedepășire a unei valori a fenomenului (fractil) dacă
luam în considerare un număr N de ani?
PN(X  x)=[P(X  x)] N
PN(X  xp)=[P(X  xp)] N = pN
P2ans(X  x0,9)=[P(X  x0,9)]2 = 0,92 = 0,810

P10ans(X  x0,9)=[P(X  x0,9)]10 = 0,910 = 0,349
P50ans(X  x0,9)=[P(X  x0,9)]50 = 0,950 = 0,005.
O valoare care are o probabilitate de nedepășire anuală mare are o probabilitate de

nedepășire în N ani mai mică, cu atât mai mică cu cât perioada de timp N creste!
Cum evoluează probabilitatea de depășire a unei valori a fenomenului (fractil) dacă
luam în considerare un număr N de ani?

Dacă N crește, atunci probabilitatea de depășire crește!
P2ans(X > x0,9)=1-[P(X  x0,9)] 2 = 1- 0,92 = 1- 0,810 = 0,190
P10ans(X > x0,9)=1-[P(X  x0,9)] 10 = 1- 0,910 = 1- 0,349 = 0,651
>50%
P50ans(X > x0,9)=1-[P(X  x0,9 )] 50 = 1- 0,950 = 1- 0,005 = 0,995
fX(x) fX,N(x)
O valoare care avea probabilitate anuală
de depășire mică, are in N ani o
fX(x)
PN(>xp)
probabilitate mare de depășire!
Pericol!
P(>xp)
xp
x
- L~GU . Prof. dr. ing. DAN GHIOCEL
METODE
PROBABILISTICE
IN CALCULUL
ONSTRUCTIILOR
.. ' • -.). ' I <: :' : l

', n , . . ' .~ .. ; ;', " ' . : .... : i
'. :'- ,',' :' , '... . ... .: .. ) ;'
.
"
. . .' ." . \ ' , . ' ,,;.,. \
: .: ,: .,'
~ , '" , '.- . .' " . .' "
":' .... E .P ,,I T : U;.: ~~ A T E H N I C A

. ' .. ' ."~ ;i>l: B u cur e ~ t i
IN MODElElE PR08ABILlSTlCE FOLOSITE
IN CALCULUL CONSTRUCTIILOR
de frec:ven~ relative
, :ia aleatoare X reprczentind 0 eantitate masurabila.

.._~::= ; '::t ::-apate pe axa abseisclor Ox in i(i = 1,2, "', n)
_ • -.= i -e de marirn c ~x" egale 1ntre de (fig. 1.1).
~"" .."".-, ':, lorilor variabilei in intervalul 'i, notata ii, SP.
::- : numarul de valori masura te in interva1u1 i ~i
. m asuratc.
r _ ~_.: inta. in dreptul fiecarui interval de grupare i prin
:..; at pc axa abscisdor 1a marginilc intervalu1ui.

: r 'onate rczulU pentru fiecare interval de grupar-e
egala eu freeventa relativa. fi ~i Hitimea egaUi
. _h. Suecesiunea dreptunghiurilor astfe! obtinute
~~elo r relative a variabilei X .
...~==:-: - istogramei freeventelor re1a tive s1nt dimen
.. : .. d dirnensiunea variabilei x.
-i:"~O , relative se poate normaliza astfel indt ariile
'III3[=~:Li:"n-e Ai' sa fie adimensionalc ~i sa reprezinte
~ _-. ...17 = Ii- In aecst caz, aria intrcgii histograme
_":na frecvcntclor r elative care prin definitie este
"
An = ~ 1i = 1.
i= 1
este evident
= /1 r
---- ~x =J,"
~x '
_ _.......;zc ~: :_ ;.,r amei normalizatc a freev el1tdor relative se

_ ~zr'-toare ale histogramei nenor~alizate prin rm
Ii .- .
f ". == .:1_ (1.1)
- I x
;1 In int ervalul £, nota t5. F" se define~te

lori masUl"a tc in inten-alclc precedente lui i
-:.~ de \"alori masura te_
10 Introducere in modeJeIe probabilistice
j.
, "
:' ,
frecvente
relative
Sf
relative -Histagrama freeventefor
rlOrmalizofe relative
ale
-arrabiler X
. ~ t '"'! . " ':: ; - :
;1 ~
Histograma normalizulli
": ;" .i
a frecvent.elot: ,relq~i~'e, '" I ; 1
. \ :
.' : \
Valorile Xole
: :.r:.: ha:jaratli; P(a<X¥/i)
. .', ... ... .
; '
punctatd=P(kb)
f(x} "
X . : : ' 0
.: . /
_____ ______ ___ . _ ~-=__-- .. I ; . : :~ ~
"
.. ~: i :
"
Freever-Ie
. relative
~. :: cumulate. §(x; . 1 .' . ·: i. " ",' : i : ' \0
. ; ..
; ale '---- functlO de r.epar:ltlte l ".'/ ..
"
.a~)iJb;/ei X a voriabifer alea[oore X ..' .
' "
Histagrama frecventelor
re lative cumulate ,
; ::
Oraanata f; ': PrX"ib) .
I
~ : Lr
.. :. f f I
, I ! ..
Valonle )( 'ale variabifei afeutof1l'lJX
: ;
Fig. 1.1. H istogra me ~i repartitii de frecvente relative,

~"""""""""""""""""""""""""~WW.UI~
. J-listograma ,irecvente1or relativ e cumulate se obtinc repTezentlnd iIi

d n;ptul ficd:irui interval de grupare d e pe axa absCiselor 0 linie orizontaHi,'
a c'tLn~ i ordonatii est e egaHi ell frccv cnta rcIa tiva cumula ta In int ervalul
r espcctiv, ~i unind apoi intn: d e pe v ertical3. ac es t e linii , ..
Ordon~ta : histograme i in in rcrvalul £, F i , se obtine prin sumarea pina
la intcrvalul i' inclu siv; a ordonatelor histogramei fr ccvcntdor rdative.
Evid{'nt, ultima ordonati't a histogramei frecvent elor r e1ative cumulate
est~,\egalrl< C;lr... Ul,\U i fiind sum:l frccve n t elor rela tive din toate intervalele de
gruparc, .
Frccvcntdc,rdativc definit e ca raport intre numarul de cazuri In care
variabila arc (/ annnlit ~L proprietat e ~i numarul total de cazuri pe care
s-a cercctat at:cas t rL j1roprietat e S111t In esenta probabilitati,
Astfd, fr ecventa : i.'clati\l ~L ii' a \;alorilor . variabilei in int ervalul i, cal-e
esie','raportul Intrc r;ufnanil de cazuri in care variabila ar e val~ri in interva
luI ,{ ~i numarul tot al > l cazurilor studiate, cv~lu eazii prob.abilitatea ca va
lorilc variabilei X S{l; se situeze in intcriorul mtervalului t
P (a < X ,;;;; b) = ii'
Similar, frccvcnta relativ i-' cu~ulata In intervalul i, Fi care este ra
portu] iqb-e numarul de cazuri in ,care variabila are val~ri In intervalele
precedentc ' lui i inclusiv i, ~i numarul total d e cazuri studiatc, evalueaza
probabilitateac;:t valorilc variabil ei X S{L fie mai mici sau egak cu valoarea '
(maxima a) vat~a bilci 1n acest interval .
\,
\ P(X,;;;; b) = F i •
ProbabiliUitile definite mai inainte a u urmatoa rclc semnificatii geometrice:
P(a < X ,;;;; b) reprezintii aria din histograma normalizata a frecv en
telor relative cuprinSrL intrc ordona tdc trecind prill pUIlct cle de abscisa
u ~i %i;' ;, 'i " \ " ' . .
P(X ,;;;; b) r eprczintii . intreaga ,q:ie din partca stlngii a histograme'i
normalizate a fr ecventelorrelative, pi'ni la ordonata care trece prin punctul
de a,bscisa b, al-ie care es t e numeric egala cu valoarea In punctul b a his
togranwi fr ccventelor, rC'1a tivc' cumula t e.
, , ,
1.2. Densita~e ,~e ,.~~partitie~i fLJnc~iederepartitie
La limita, dnd m ~lrime~ int ervalului de grupare sCil~e foarte mult

(nx.~ O);iufrL~'(natoa~'t'? histdgram:ci rioimalizate a fr ecvditdor ielMive
tindc.'sa :rcpli ez,inte :deiis itatea: deJ r epaditie' a fr ecventdor relativ e a vari;:t-:~
bilei aleatoare X, notat;L fy( x ), Similar, infa~uriitoarca histogr'a mei frec
v entelor rela tive cumulate t inde sa rcprczint e functia de rcpartitie a frec
ventelor relative cumuh t~ ;a , ~.'aria:bil c i aleat.oare: .X, notata Fx(x),
Functia fy(x) cste 0 functie dimensionala a vind dimensiunea eo-ala cu
inversul dimensiunii va riabilei; functia Fx (x) esk adimens ional~.
. :c iCialcwul:dec tiv(: ,~l,' pwb'ab ili'lJ'itilbr: se face' itubeu ind .hisfograma' frec-' ,
.
v entelcr l'elativ
)
e.:;noimaliiaHiiclJl.;functlg., , d~ rep:a:r~
dimensionaHi: a> de nsitatti ' ;;
12 Introducef'e. in modeWe pt'1IlQabitiatice .
titie J'x(x), respectiv histograma frecvenielor relative cumulate c;u f,unctia

adimensionala de repartitie F x(x), (fig. 1.2) .
f(x} .9'x) h
Aria punctatri!{fr}dXi<P(X;;b)
o
,.Aria = !Jx)dx=P(x<..J(~ x~dx) II

Aria hasIJrafd =f;(x)dx~ P{a<X~ h}
a :
: ~ ; :
Je ·
f(x} { (xj
.; - / "
: :
f(b)-f(o): p(o~b}
r ------
ft ~I .~~--.
x ~J----------x- a
b .J
Fig. 1.2. Semnifica~ii geometrice ale probabilltatilor.
Astfd, probabilitatea ca variabila X sa aiba val~ri \'n intcrvalu~ '(a, b)

se calculeaz;:i din functia densiUI.!ii de repartitie fxCx} prin integrare .lotre
limite1e a ?i b
P(a < X < b) = ~fx(x) dx

"
~iare ca semnificatie geometrica. aria dintre curba f x( x) ~i axa ahsci.s€lor.,
marginitrt de ordonatele duse prin pun-ctele de abscisii x = a li. x, = b.
Oensitaie de repartitie ~i functie de repartitie 13
Similar, probabilitatea ca variabila X sa aibe valori mai mici decit

o valoare data b se calculeaza:
- fie din functia densWltii de repartitie fx(x) prin integrare intrc
limitele - 00 ~i b
b
P(X ,;;;;, b) = ~ fx(x) dx

I
-00
~i axa Ox, situata.

;;i are ca semnificatie geometrica aria cuprinsa il1tre fx(x)
la stinga ordonatei care trece prin punctul de abscisa b;
- fie din functia de repartitie Fx(x), calculind valoarea acesteia pen
trn x = b
P(X ..; b) = Fx(b),
Principalele proprieHl.ti ale functiilor fx(x) ~i Fx(x'y pentru X variabiHi
aleatoare continua ,pe domeniul de defil1itie (-00, +00) slnt urmatoarele.
Densitatea de ' repartitie a variabilei aleatoare X, fx{x), se define~te
prin probabilitatea
P(X <X ~ x + dx) =fx(x) dx (1.2)
~i ' proprieUitile
(1'.3)
00
~ fx(x) dx = 1.
-00
Functia de repartitie a variabilei aleatoare X, Fx(x), se define~te prin

probabilitatea
P(X ~ x) = Fx(x) (1.4)
~i proprieUitile
Fx{-oo) = 0
F.d+oo) = 1 (1.5)
F x( %2) > F.r( Xl) dadi x!! > Xl'
Evident, intre Ix(x) ~i Fx(x) exista urmatoarele rdatii
F x(x) = ~fx(x) dx (1.6)

IJ
respectiv
(1.7)
1/1
: .' lotrQducere in ~o~Ie.le. ,prQbetbilistice ,
Repariitiile de freevcnve utilizatc in analiza sigurantci structurilor sint

In general de trci tipuri : tipul simetrie, tipul moderat asimetrie, ell asime
trie pozitiv,a sau negativa ~i tipul extrem asimetric (fig': 1.3). . .
Repartitiile definite in acest Capitol sint repartitiiunivariat.e sau um- .
dimensionale adiea r epartitii ale unei singure variabile <ilea toare ~i slnt
iXfX) Slm8/rici/' . r/ '.xv)
(
.-;-- ---~~~-""X
Modero' asirnetridJ
cu asimelrie pOZilivii
fX(~)l
".
,,'"
'v, oo~ro.
cu as./ln:".".
as/f!,etne lil.:U
liegolivp
... . ~
~------~~~--x - -----·----="'--.,x
Fig. 1. 3. Tipuri de repartitii de frt'c"ente relative.
unimodale: densitat ea de repartitie are un singur punet de m<txim denumit

mod.
Modul repartitiei unei variabile aleatoare es te, dintre toate valorile
sale posibile, valoarea eu freeventa de aparitic cea mai mare adica valoarea
eea rnai probabila sau cea mai frecventa . In cazul repartitiilor simetrice,
modul coincide eu media aritmetica ~i din aeest motiv media aritmetidi este
denumita adeseori, indiferent de forma repartitiei, valoarea cea mai pro
babila :::,;1 cea mai freeventa.
'J:
1.3. Indicatori de localizore ~i impra~tiere statistico

Media aritmetica a variabilei X, 1iZx, este abscisa eentruluidegreu:ta:te
al ariei de sub histograma frecventelor· relative (fig. 1.4, a)
mX = t ffxI (1.8)
;=!
ii fiind fr eeventa relativa in interv~lul curcnt ~ lar Xj valoarea variabilei

in mijlocul intet\:alului· i,respectiv de' sub curba dcnsitatii de . re.p arHtie
ix(x)
co
mx~-·\xjx( X) 'd x; " (1.9)

--co . d'A
Media aritmetIca este un il\di~<l;tor statistic al localizarii v~orilor '

va.l'i~bileipe domeniul de defmitie:Ea · este' ,o :.valo are eentrala a variabilei
;;i' se masoara 111 acelea~i uniHiti.:
tilditCitori 'de locall:Eare li impra~r. stafistica IS
Media aritmetidi are urmatoarele proprietati:

- media unci constante C este egala cu constanta respec,t iva
C; 11J.", =
- media unci snme de vCll'iabile , aleatoare este egala eu suma mediilor
variabilelcir ' , " I, :
lnXl+X2 -',- . .• +Xi+'" = 'lnXl mx. rnx... . ; + + .,. +
, . '
• ' . • ~.~ I •
f- :;7 ,Y,_ - - -1
.,
a b
Fig. 1.4. I nt crprctarea ge'omctricil. a mediei, dispersiei ~i abaterii standard.
- media unui produs de variabile aleatoare estc egala ' en produsul

m ediilor variabllclor
- din proprietatile preeedente rezuWi ~i urmatoarea

, fnc 1 ~ 1 .L1- C2x"- C X -1...,
2 ' . .. i t.
... = C1lnx. 1 -I' C"rJ2x
""·2
+ ... C mx+" ...
. i i ·
care expliCiteaza proprietatea de operator liniar a mediei.

, 'Dispersia sa).! patratul abaterii standard a variabilei X, cr2x , este momen
tul de inertie, in raport eu ordonata care treee prin media tnx, al ariei de sllb
histograma normalizata a frecventelor relative
H n
0'1- = t
i=l
(JfAX)(X, - lnX)2= I; 1;(x, -
'/::=0:1
rJtX)2 (l..1O)
respectiv de sub eurba densitatii de repartitie /x(x), (fig. 1.4, b)
----
00
a:r = C(x - tnxP J'x(x) dx.

) ,
(1.11)
dA
Hi Inttocfucere In modelele pi'obabllistice
Dispersia arc urmatoarele proprieta~i:

- dispersia unei constante C cstc zero;
<fc=O;
- dad C ('st ~ 0 constanta iar X variabila aleatoare atunci
- dispcrsia unci sume de variabile aleatoare independente esie egala

en suma dispersiilor
Abaterea standard sau abaterea medie patratica in raport cu m edia

variabilei X . se define~te
(1.12)
~i este un indicator statistic al impra~tierii valorilor variabilei pe dome

niul de definitie ; se masoara in acelea~i unitati ca ~i variabila.
Abaterea standard <Jx poate fi interpretata geometric ca fiind raza
de giratie a arici cuprinse Intre histograma normalizata a frecventelor rela
tive, respectiv curba densitatii de repartitie /x(x), ~i axa absciselor, mari
mea ariei fiind prin definitic egaHi cu unu (v. fig. 1.4).
Cocfieientul de varia tie al variabilei aleatoare X, V x, este un indicator
sintctic adimensional al impra~tierii sta tistice a da telor definit
_ <Jx
Vx - -- ( 1.13)
mx
~i exprimat curent in procente. El permite comparatii Intre variabilitatea

sta tistidi a variabilelor aleatoare de naturi fizic e diferite.
Din interpretarile geometrice ale marimilor mx ~i CJx rezulta ca ambele
se calculeaza ca momcnte geometrice ale ariei cuprinse Intre histograma
normalizat~l respectiv densitatea de repartitie a frecventelor relative ~i axa
abseiselor :
- media 111x ca moment de ordinul intli in raport cu originea;
- abaterea standard "x din momentuI de ordinul doi in raport cn
media; Intrnclt m edia este 0 valoare centrala a variabilei, acest moment
este denumit moment central de ordinul doi.
In aplicatiile practice variabilelc aleatoare se reprezinta frecvent sub
forma unei perechi de valori constituita din m edia mx ;,;i abaterea standard
CJx sau coeficientul de varia tie Vx = CJx/mx· Ascmenea modele de repre
zentare sint dcnumitc curent in ingincrie modele Inoment de ordinul doi.
o descricre mai cuprinzatoarc a "ariabilelor ' aleatoare se face lUlnd
in considerare momente centrale de ordin shperior lui doi.
Indic:atori de Iocali:r.ar. ,i impra,tiere statisticii 17
De exemplu, un indicator suplimentar al impra~tierij statisticc cste C08

ficientl:ll de oblieitate V~l> care este adimensional ~i se definc~te pe baza
momentelor centrale de ordinele doi ~i trci
I;" j;(X; - 11'tx)3

i =1
V~l =
respectiv
00
~ (;l: - m-xP fx(x) dx

-00
V~l= 00 3/2
(1.14)
[ ~ (x - mx)2 fx(X)dXJ
-00
In cazul repartitiilor de frecventc simdriee ~1 = o. in cazul reparti V

tiilor asimetriec V1\ :> 0, dad: asimetria (eocoa~a densitatii de repartitie-)
este spre stinga ~i invers.
Un alt indicator de impra~tiere statistiea este coefieientul de exees
definit pe baza momentelor centrale de ordincle doi ~i patm
respectiv
co
~ (x-mx)4 fx(x) dx
-00
~2 = --00--'-----------::-2 (1.15)
[ ~ (x - 'ln X)2 fx(x) dx ]
-00
o alta masura a excesului, denumita de a semenca eodicient de exees,

este
Repartitiile pentru care ~2 > 3 respectiv '(2 > 0 sint denumite lepto
curtice: "inalte ~i eu coada lunga". H.epartitiilc pentru care ~2 < 3 respectiv
'(2 < 0 sint denumite platicurtice: "turtite ~i eu coada scurta".
. Pentru repartitia "imetridi l1onmJ5. ~2 = 3, Y2 = O.
2 - C. 579 39
18 ., Introducere in modelele pfobabilis1ice
1.4. Fr'actili sou cuonti.li oi voric:ibilelort \.' \ oleotoare
In ingineria sigurantei structurilor,valorilevat'i ;bilelor aleatoare care au
explicit asociate probabiliUitile de a exista val~ri mai mici, sau mai mari,
slnt denumite curent fractili (san cuan:tili).
Fractilul xp al repartitiei variabilei alea toare X este valoarea varia
bilei definita Cll probabilitatea p de a exista .valori ·iri.ai mici dedt xp
P(X.;;;; xp) = p
respectiv Cll probabilitatca (1 - P) de a exista val~ri mai mari dedt xp
P(X > xp) = 1 - P(X .;;;; fp) = 1 - p.
Fractilii dcfiniti printr-o probabilitatep < 0,5 slnt denumiti fractili
inferiori 9i invers, fractilii definiti printr-o pi',obabili~itc p > 0,5 slnt denu
mi ti fractili superiori.
t;(x)
A.dr/cP(Xop) ~p .
f '. . /:~Aria~r:(X>Xp)=l-P
"
. . Fraetili
. . inferiori:
.;,=mx~KU; . /
.; .',
I - .n '
"I Xp m KCX !
X
J
t;(x) ... ;
Fractili
superiori:
xrfT!,;+/(u.,
Fig. 1.5. Definitia fractililor (cuantililor) un,e i variabilc alcatoare.

" , ' , .
Fractilii se pot evalua in functie de indicatorii de localizare, media sau

modul, 9i de lmpra~tiere, abaterea stand<;trd sau coeficientul de variatie ai
variabilei X. Pentru uneIe repartitii subzista urmatoarea reb.tie (fig. 1.5)
xp =mx +K O'x ' mx(I + l{:Vi:) (1.16)
unde pentru xp > mx, K > °
iar pentruxp < m x , K < O. Numarul K
de abated standard ax care trebuie scazut san adunat medici 'lnx pentru
19'
a det ennina fractilul xp depinde de probabilitatea p ~i de forma repartitici

:;tatistice a variabilci X~ Peniru 0 anum6 repartitie numarul K depinde
evident numai de probabilitatea p.
Anumiti fractili au denumiri specifice; 2.stfel, X O•50 : mediana; XO.~5
~i X O•75 : cuartile; X O•lO ' X O•2{)' 0.30 ... 0.90 : decile; X O. 01 ' X O•02 ' XO .'0 3'·· X O•99' percentile.
. . "
i .5. Repalti~ii utilizate in analiza sigurontei
1.5.1. Repartitia normala
H.cpartitia normala sau repartitia Gauss este 0 rcpartitie extrem de

1rccventutilizata In aplicatii practice. Dc~i uncle fcnomene naturale prczinHi.
devia ti~ de 1a repartitia sjmetridi normaHi, importanta ; acestei repartitii
nu a fost redusa lnti:uc:it ea este usor de manipulat in calculeIe ingineresti
eomplexe ~i poa tc fiadopta ta ea 0' aproxima tie pentru repartitii eu asirn'e~'
tric redusa. '
Repartitia nor111ala a, variabilei aleatoare X se Jefine~t e prin densi~
ta tea de repartitie .
..
I - -1 (X-mx)2
fx(x) = ~ - e 2 "x
. . ¥2it crx
respectiv ., functia de repartitie .
(l.I8} ,
-00
Repartitia este complet definita de doi paramctri: media tnx ~i aba-~,

terea standard Vx.
'. Densitatca de 'repartitie fx(X) cste ~im etrica in rapprt eu 'l'nx (coefi
V
eicntul de oblicita tc ~l = 0); are formad.e dopo! ~i doua puncte de infle-,
xiune de .abscise(1nx _ . Cl'x) ~i (mx +- Cl'x)· . . .
Media rcpartitiei coincide Cll rnodul ~i medial1a repartitiei ~l
P(X·~ mi) = P(X > J1/,x) = 0;5;
Cite~a· ~rohabiliHiti : sp~:ci£ice" repartitiei normale 51nt .urmaloarele :
. ' P(X ~ m,x _ . Cl'x)= P(X
.. . I
> 1ilx + Gi) = 15;87%
~
~ .
·::P(X ~);!i - 2o:x) -;-.. ' pix
: '.
•
> 1I't,y' + 2..o;.t).· ~
-" I ' ."
2,28.% .
• •
"·'f(X ~rJ/'i"~ :3 Cr.\) '= ,P(X '>11'IX+,3Cl'x)- ==t 1,35%0':

r I:(ltioduclnd variabiJa redusa
, \ '.
.' ~ . ~ .. , : . .' ,Y 7 ' ,~. -:111'% (1.19)
; . crx
40
~l punlnd conditiile de cchiprobabilita tc .
P(y < Y ~y + dyJ' . P(i < ~y .~ x-+ dx)
~i
P(Y ~ y) = P(X ~ x)
respcctiv,,, eella tia (1.2),
fy(y) dy = Jx(x) dx -:-- fy( crx Y + 1nx) dx

~i eeuatia (IA),
}i~~(y) = Fxfx} = ~~d vx y + 1nx)
dindensitatea Jx(x) ~i functia de reparti~ie F.dx) a variabilei dlmensi<male,
X sc objin dcnsitatea ~i functia de rcpartitie a variabilei adimensicnale Y
. ,
"-, "
.]
...: ,..'
Jy(y) == -'-'-':= . e
.'
2 (1.2(})
. ' V2rc
(L21)
-00
Valorile functiilor j~·CY) ~i Fy(y) slnt dat e In tabe1ele 1.1 ~l 1.2 pentni
difcrite valori ale lui y . .
Densitatea Jy(y) are dimenSiunc3: inversului variabilci ~l rezulU\. cil.
pentru yadimensional Jl":(Y) estc tot adimensionala.
Se subhniaza ca introducerea variabilei adimensionale y permite 0
reprezetitarc llnica a dcnsiHitii ;>i functiei ,de repar.titie normale, reprezen..,
tare indepcndertta de natura. variabilei aleatoarc X $i de valorilesalc eon~
crete lItx~i cr.y (fig. 1.6). I
Conform proprietatilor mediei ;>i dispersiei (v. § 1.3), variabila alea toare .
adimensional~ y, eeua tia( L 19), arc media · nuHi ,.
rnx ' -~ 1nx ___ 0
1-n
r = -~~.-'--'-'-
. (Tx
~i' dispcisla . ~gila cu. 'unu , , . .... ,' . ," . ', , ', , I
. 1· •
' cr} . '; 1 ,'cr1' ,].
.crj. , : '
Res\r,iind schimbarea ' ide' vaiiA-Qjl~ , ,(1:-1;9) sub 'fonna

." . .. ,; .'- : .. : ., . ," . ". ",
I
'. .•. ". ft ,--:.** +Y ax , , :. '; ;. _ . "_
rczuWi 'sc'mnificatia ' fizica a v;niabilei adimensionale y: aeeasta l:eprezinta
numanil de,.~bateri standa,rd !Jx, cares~a.:.dl,l,na , {gad y > 0) sau se scade
(cIa:ca; y;~O).din media~x_ p e ntr:u .aobt.in.e:y:aloatea x definita prin proba
bilitate~ :' P(X ~ x) = P(Y ~ y) = F(y) . : '
Repal1rtiiutilizate in analiza , sigUr.Qr'ltei 23
Comparindcele de mai inainte Cutelatia (1.16) pentrtl cakullll frac

tililor x p; , .': I
dcfiniti prin probabilitatea

, , . :.:;
rezuWi corespondentelc
K =y; ".
. P ,=
9 . " , .
F(y).
• : \ .. ~ .'
Corespondenta biunivoca dili.tre K ; ~i p, fiind a~adar aceea~i Cll cea dintre

)' ~i F (y), valorile luiK = =)' pentru dife:rite pI'obabilitati p = F(y) se obtin
din ecuatia (1,21) ~i slnt date in tabelul L3, coloana 1.
,.
1; :. ;' .
"' I"
: "
0.3989
x-mx "
0.0044 0.0044 J =Ux. '
-3 0 J
. .
-(
! . ! !
...". :.\."
x 3 f'x
m- m:r-- 2C; m:Ffij i mx mx+CX flI;r+2V; m/JU;
fy(y) t
.___. __ ___ __ :-i __.__. _ _.o=~;.;;~;;;;72_--..o..99~~
.... ._
.
. ry I ~~D
f,.. 6'I =!v fJy)dy j "
~
.<%>
. !..:.!!±
D.0013~ ,
J= u..~.
D 2 J
Fig. 1.6. Repartitia normala (Gauss).

; Parametrii repartitiei ncinnale, media: · tnx ' ~i abatereastandard ax
s:e evalueaza simplu din serii statistidl. ,de date cercetate Xv xz, "', xJ, ... x rt
eu formulele ' '.
"
, . LXI .
. ; =1 . . '
mX=
. -T-
n ' . (1.22)
24 Inlroducere in modelele probciobilisrice
Dad ~a~ele slnt gl:upate pe intervale de variatie ~i frecventa relativa

a d~telor .din ll1tervalul 2 eu valoarea centralil Xi> este ii, formulele prceedcntc
se Inlocmesc eu (1.8) ~i (1.10)
ntx= ~fi x;;

" ( 1.23)
·i=1
Tabelul 1.3, l;aetorui]( pentru ealcuJul fl"actililm xp

x .p = mx +
/(crx
defilli~i prin I,robabilitutea P( X .;; xl') = p
Factorul K in
re p;trt i 1ia sjmetrk~
I Probabilitatea
II
repart,'li.K os,·
Factorul in
. }'"actoru l K in
repartjpn simetrica
Probabilitatea
Factorul K in
rep:ut i ~ia asi
normal;), (Gauss) p metrica Gumbel p metridi Gumbel
_ _ _ _ _ _ yentnl maxime normal" (Gauss) pentru maximc
I I 2 :1 J 2 3
- 3,7'10- 12 -3,00 - 57,04% n

-6,71 10- 11 -2,971 +0,254 60% + 0,O7~
-6,36 10-10 -2 ,896 +0,524 70% + 0,:;5~
-6,00 10- 9 -2,814 +0,812 80% + 0,720
+ 1,000 81,13% -
-5,61 10-" -2,720 - 85,58% +1.000
-5,20 I lO-7 -2,618 + 1.281 90% +1 ,304
-5,(){) 2,9 '10- 7 -2 ,565
-"l,753 10-6 -2,498 +1.645 95% + 1.866
-4,265 10-& -2,356 - 95,77% + 2,000
-'1,000 3,17'10-5
10- 4
-2.273
-2,181
+2 ,000 97,72% -
-3 .720 +2,051 98% +2 ,592
- 6,8,10-4 -2 , 000 98,81 % + 3.000
+2 , 326 99% + 3.137
-3,090 10J0() -1 ,957 - - --
-.1 ,000 1.35%0 -
-2,576 \ -1 ,750
-1- 2,576 1 - 5°100 + ] ,6 79
5%0 +2.880 1-2%0 -t- 4 ,395
-2,326 1% -1,6'11
-1,51'1 + 3,000 1-1 , 35 % -
-2,05-1 1 2% +1,936
- +3,090 1-1°1 00
-2,000 2 ,2 8%
-1,615 5% -1 ,305
- 1,281
- - - - - -- - -
-1, 100 + 3 ,720 1-10 4 +- 6, 7.31
10% 1-10- 5 + 8,527
-1 ,000 + 4.265
- 13,21 %
+"l,753 1-10- 6 + 10,326
-1,000 15.87 % -
-0,8"l2 - 0 , 821 -f,5,20 1-10- 7 -+- 12,122
20 % 1-10-'8 + 13,918
- 0,524 - 0,595 + 5,61
30% 1-10-9 + 15,714
-0.382 Hi, 00
- 0,254 10 0~o
o ! 50% -0,16~
Aplicatia 1.1. Sa se analizeze in repartitia normaHi rezistentele de

rupere la compresiunc ale unui beton dad rezultatele incardirilor la
compresiune pc 171 cuburi eu latura 20 em Ja 28 zile de la turnare (malTa)
slnt c('le din tabelul 1.4 ~i fig. 1.7.
Datcle ineerdirilor slnt grupat l~ pe 14 intervale de marimca tl = 15
daNJem 2 . Frccventcle absolute , relative ~i relative cumulate ale datclor
din ficearc interval slnt conscmnate in coloanele 4, 5 ~i 6 din tabelul 1.4.
Omog~nita tea rezistentclor la ,compresiUIl,e ale b etonului eSte buna I
fiind caracterizaEt prin coeficicntul de variatie
,\
',=
fxJx)1J
0/5 Densitatea de repartitie norma/a
, mmultiw cu ltilimea intervo/u/ui
~ , de grup(fre
~ I
r...'.
~l7,1°1
, . /Histogroma
frecventeloi'
ct:t, relative
"-'
.'1
'
0.05
I !
~ = 13,4 ~~ .
; 1, 1
235 ZfJ5 295 '1 325'
C1
_lll
_:n
-J c
f(XJl ':
11- ~ ., '
~,
E: 1 '
, -~ ~
.
- t I
~ L_ - -
~- • •
-
"
-'-:- .-
"
-:- - -=-'::::i.io"--r--+"";"'-
.v , .
''''' i
, .• ,"
'. 'i3 I " :: IT .

Histograma fr-ecvei7?e/ar -<:
relative cumulate Fx(X) , .,
rUflcfia de r~p'l1rfilie
T 'normald .
I
~
,x, qfo/C!lJ ,t, :' _.'

• I '
I ,j 'l'
Fig. 1 .7. Rcpartitia norn1;ll " pcntru rcziste ntdc la comprGoillne ale until
betol; (cxcmpluJ.
'~
1.5.2. Repartitia 1lognormal:6

:" ~ .. ": \J
Repartitia lognormal{l se deni1e~fe I prin urmatoarca proprieta h: care
11 justifidi ~i numele: dad variabila In X este normal (Gauss) repar
tiza ta, a tunci variabila X: estc· :logrtb1'linril . repartizatil:. :Dec!: i'iillCtia
28 "Introducen in -modelele -probObilistiCe
de repartitie de tip lognormal a variabilei Xeste tocmai fUl1ctia de repar

titie de tip normal a variabilei In X ~i anume:
x 1 ~(In X-"'IIlX)2
=--- e 2 "In X d(ln X) =
V21t a l1\ X
-00
(1.24)
1 1
--:c= - - - c
X V21t a ln X
-00
Din definitia (1.24) rezuWi crt dcnsitatea de repartitie de tip lognormal

a variabilei X este
1 1 - -;- (In :-"'11\ x}2 (1.25)
ix(X) = dF x(x) -==---- e InX
dx X V21t alII X
diferiUi de expresla numal aparcnt corecta
care nu satisface insa definitia,

Repartitia lognormaHi a variabilei X este complet definitii de doi para
metri: media mIn x ~i abaterea standard a ln x ale variabilei In X, Pentru
mill x = 0, ix(x) este prezcntata In fig, 1,8 a,
Introdu,cind variabila redusa
Y = In x - m In x _
a ln X
functia ~fdensjtatea de rcpartitie Iognormali1 se aduc sub lorma fUllctiilor

corespunzatoare din repartitia normala a variabilei Y [ecuatiile (1.20) ~i
(1.21) ]
1 - y'
-
iy(Y) = - -=- e 2
V21t
reprezentate in fig. 1.6 ~i tabelele 1.1 ~i 1. 2.

RepartiJii ufilizate itt analixa sigurantei
Variabiia aleatoarc lnX avind 0 r epartitic normaia urmeaza ca frac

tilii (In X)1' ai acestei variabile definiti prin probabilitatca P de a exista
it."X VA
t(XJ o7 2,8
2
7.6 6 J 7
/ 2,4
- .()
1.2 0.5
I
I /V/ 2,0
tT?nX ~ 0 ~,
V/
... /'
0.4
0
v: /
0 ,
VA
7, 6
7, 2
::oal J U 2
a
2,5 3 .1.5 II 4,5 )(
17,2 ~
0,8
1lL W

as.:5I ~ 1
I
0.4
I .1
L-
o I
o
I "- i'.. I
o 0.1 0.2 0.3 0.4 0.5 0.6 0.7 C;1lX
O/JO b
0.85
II ~"
'"
I
I
aBO i---. I Fig. 1.8. Repartitia lognormal;;' :
II - de n~ita tea de repartqie [128J ; b,c - tmlicatori d~
I )ocaHza re ~i lmpra~tiere [.1 11 ),
0/ 0.2 0.3 0.4 0,5 a(j 0.7 q-1iX
c
\'alori mai mici
F[ln X ,::;; (In x)p] = p
se pot calcula cu expresia (1.16)
(In x)p = 1111n X +K crln X = min x (1 +K Vln x) (1.26)
unde mIn x, crIll x ~i VIII X slnt media, aba terea standard ~i coeficienh~I
de varia tie ale variabilei In X.
In VD:tu tea conditiei de echiprobabilita tc prin care se definc9tc repar
titia Iognormala
P(X ,::;; xp) = P[In X ,::;; (In ;'1:))'] = p
t
lognormal
r opattizat
---
TWrmal
t
rtp.rllzat
din relatia (1.26) rczultrl formula pentru calculul fractililor x~ al repar

titiei lognOl'male, definiti prin probabilitatea P(X ~ xl» = P
Xp , emln x + K "tn X.
(L27)
30 : Introducere in modeleleprobabilis1ice
---------------------------------------------
In ecuatia (L27) corespondenta biunivoc8. clintre valorile fadorului K ~i
probabilitatea p este aceea~i ca pentru repartitia normali ~i estc cea indi
, caUi In tabelul 1.3, eoloana 1.
'\'
"v Se poatc demonstra dl intre mcdiile, abatcrilc standard si coeficientii\ :-;
"' de variatie ai variabilelor X ~i 1n A sn:b' zlsta re1atll" 1 ',
C ' ''" ',
'"!',
"IT y I.
, " .i ': !
2
mj X + 0 ,5 cln X
1n X = C n ~
I i.
(l.28)
, ',
T' x = Ii C"~I ,': -- 1
~i mvers
',1 ltX '

x ', = In jfl " ~ In 1n x
111]1\
+ V}
(1.29)
0'111 X = ]fln(1 + VJr) ::::; V X ·
',s ':~ Yn repartitia lognormaIa avariabilci X, modul 1}~.¥ ~i mcc1lfiua i'}nx s c

" calculeaza in fllncti e de media si abat\;rca standal'd a yariahiIE''l" IIi X eu:
formulele " : i ,
(1.30) ,
. -
1nx= e
,,~
In X.
.
Intre media variabilei X si moduf,~i~ncdiitna ' repa.rtitiei logilOr~llale a

variabilci X exist{l inegaIitrttiIe '
11/.;.: < 'I1lT < 111x (1.31)

~l rela tia evidentii
,,- ,-3
1n;r 'in x = 1Jl.x·
":, ',' ,Nsimetria repad;iti~i 'logn6rin~lc este pciziti\;a~ definitii de codieientul

de oblieitate (fig, 1.8, b)
'IL. : "
, V~ = 3V x + .vi-;::::; Vx > O.
.\ . " ' "".
Repartitia este Ieptocurtica,coeficientul de exceS fiind ~~ > 3. <
Paramctrii repartitiei lognormaie, media si abaterea standard ale ya

i iabilei In X se evalue~za simplu.din seria stati..<;tica de date eercetate
x], %2' " . , Xj, ' . ' , X'" ell formule1t::' '"
'.',
.,...:....
, . : .. :
'... .
1n]a .Y
"
-
' " ' ,
n
t iIi X
j=]
n
)
; "
~:
G]n X
"
ft. (In
Xj -
n
1n ' ; '
111 X r'
.. ,
:
::-:, ";
(1.32)
Repartilii utilizate in analiza siguranlei . 33
CGeiicientul de oblicitate al rcpartitiei este
V~l = 3Vx + Vi- = 0,2728.
Ordonatele densitatii de repartitie Jy(y) ~i ale fllnctiei de repartitie

FrCv) pcntru variabila rcdusa normal repartizata
y = InX - mInX
(jln X
slnt d eterminat e In tabelul 1.5 coloanele 9 ~i 10, pentru abscisele ) 'i dill
coloana 8 a tabelului. Ordonatele densiHi.tii de rcpartitie normal5.
au fos t calculate direct , iar ordonatde Fy(y) folosind tabclu1 1.2.

In "irtutea condi~ici de cchiprobabilitate prin care sc dcfine~ t e repar
titia lognormala
P(X ~ x) = P(ln X ~ In x)
i I
lognormal norma!
rcpartizat rcparti:t.a t
precum ~i a definitiei functiei de rcpartitie urmeaza ca ordonatele functiei

de rcpartitie a varia bilci reduse normal repartiza te
y = In X - 111111 X
GIn X
slnt acelea~i ell ordonatcle functi ei de repartitie a var iabilei X lognorma

repart iza te
~i slut serise In eoloana 12 din tabelul 1.5.

Ordonatcle densiUtii de repartitic lognormal5. a variabilei X [ecuatia
(1.25)]
J (In .t -mlnX )2
1 1 -- - - - .
fx(x) == - ' . e 2 "In X
X V27t O'ln X
se dctermina din ordonatele densitatii de repartitie nonnali'i a variabilei
Y = (In X - mlnX ) / (jInX
1 - -Y' 1
1_ -
1 -
2
(In .~
I -
In ln
,,- -
X)2
fy(y) = ]f2~- e 2 = ' V27t C luX
3- c. 579 45
34 Introducere in modelele probabilisfice
----------------------------------
pnn inmultirea eu eantitatca I jx.o 1nX
f x (,.) = ___1_ _ j~{v).

x (JInX
Pentru eompararca frcc\"cntdor relative ale valorilor variabilei ;: ir uatc

In intervalul de grupare i avind valoarea ce ntralrl Xi, pe de 0 pan e din
histograma freeventclor rclati,·c Ii ~i p c de altrl parte din densitat ea de
repartitie lognormaHi /x( x) , estc ncc csar ca ordonatclc dcnsiHttii dim cns io
nale f..(x) In punetele Xi, f,,(x;) S~l fie inmultit e eu m~lrimca 6. a int LT\:a blui
de gruparc intrudt
P ( Xi - 26. <X
.
~ Xi + 26. )\ = 1-,,(.• ,) 6..
Produsele f ..:.(x) 6. sint calculate in eoloana 11 din tabelul 1.5 ~.i repre
zcntate in fig. 1.9.
Fraetilii inferiori ai rcpartitiei lognormale a limitei de eurger(' a ote
lului OL 44 a nalizat se ealculeaza eu formula (1.27)
nnde valorilc factorului ]{ sc det ermina in functie de prcb lbili tatca

P= P(X ~ x)I)' din tabclul l.3 , eoloana 1; de ex~mplu:
XU.001 = 24.95 kgf/ mm2
XO.00135 = 25,16 kgf/mm2
XO.01 = e III
In X - 2 ,3?6"
- In X = 26, 72 I~gil mm 2
XO.0228 = 27,15 kgf/mm 2
X ,1O
O
= e"'ln,' - 1, 2R I "In X = 29,34 kgf/mm2.
'1 .5.3 Repartitiile Gumbel, pentru maxi me si minime
R epartitiile Gumbel sint r cpartitii tipice p entru valorilc extrone al e

diferitclor marimi fizicc.
R epartitiile valorilor cx trcm e repn'zinta in ultimii 20 de ani prine i
palcle modele matematiee p entru earact erizarca variatiei alea toar e a aqill
[lilor exterioare asupra construetiilor ~i a lInor rezistente m eeaniee. Proprie
t:itile acestor rcpartitii, atlt din punet de wdere mat ema tic cit ~ i inginc
rcse, slnt prczentatc in luerarca matcmatieianului E. J. Gumbel [111].
~s
illKlGrtl' hOJ ulilizate in analiza sigurantei
E L' au fost clasifieatc ine;l din anul 1928 de Fisher ~i Tippett in urm;'\.
trei tipuri. cunOSCl1tc in prezcnt ~i :-;ub numcle matcmatieienilor
. ':" ! ' C
'-. l ircrior Ie-all stlluiat intensi\':
- rL'partitia Fisher - Tippett tip I sau Gumbel:
- rcpartitia Fisher - Tippe tt tip II sau Fn~ehet;
- repartitia Fisher - Tippett tip III sau Weibull.
F iL'carui tip Ii eorcspund uoua. repartitii ale valorilor ('xtreme: una
'a tm maximc ~i alta pcntru minime.
Cde mai des utilizatc in inginerie. llintn' cdc G rf' partitii extremale,
.oi n t nrm~l toarele lrci :
- repartitia. tip I , Gumbel pcntru maxime;
- rcpartitia tip II, Freehet p entru maxim c ;
- r cpartitia tip III. Wcibull pentrl1 minime .
Rl'lxll'titia Gumbel pentru maxime se ddinqte prin functia de repar
. i \ il"
(1.34)
~l dCl1sit,t[ea de rcpartiliL'
(1.35)
}(cp;Lrtitia cs te co mplet ddiniL'i d e doi paramctri: modlll 16 (notatia

lui Gu ,nbel) ~i paranwtrul ct..
I n tr llcit ee i doi paramctri se pot calcula in funetic de m edia 1nx ~i
abatcIca s tandard O'x en rclatiile
1(, = J11. x - 0,45 Gx
(1.3G)
1,282
ct. = - --
Gx
sc P O~! tc spune ca repartitia Gumbel este eomplet dcfinitrl de aceia~i doi

paramdri d e baz{l ea ~ i 111 cazul reparti~iei normalc, 1n x ~i ax.
Media ~ i abaterea standard ale variabilciX se estimeaza pentrn calculul
paramctrilor 11 ~i ex eu formulel e (l.22) ~i (1.23) .
Media na rcpartiti ei Gumbel sc calculeaza eu formula
inx = 1n x -O,164 O'X·
Sprc ueoscbin: uc r cpartitia normaIrL. repartitiilc valorilor extreme sint

a simctricc, Asimctria rcpartitiilor extreme Gumbel ~i Frcch<..:t pentrn maxi
me ~ i Wcibllll pentru minimc cs te d e tip pozitiv : "cocoa~a" densiUttii de
r e parti ~ i e /x(x) es te d cplasata sprc stinga. Asimetria rcpartitiilor C!xtreme
Gumbel ~i Freehet pentru minimc estc d l~ tip ncgativ : "coe oa~a" densitati
d e r cpartitie este d eplasat;L spre clrca >ta.
36 Introducere in modelele probabll:stice
Asimetria repartitiei Gumb el pentru maxime este moderata ~i carac

terizata de codicientul de oblicitate V~~ = 1,139, accla~i independent ell'
valorile parametrilor r:t. ~i 1(.
Efectuind 0 schimbare de variabile analoaga cu schimbarea (1.19) dec
tua ta pentru rcpartitia normal{t
y = e«x - It) «i.,3·'"'\
I)
~l pU11ind conditiile de echiprobabih tate

P(Y ~ y) = P(X ~ x)
respectiv
Fy(y) = F;dx) = Fx[x(y)]
din functi a de repartit ie a variabilei dimensionalc X Se obtine funq ia de
repartitie a variabilei adimcnsionale Y
(1.38)
~l densitatea de repartitie corespunzatoare (fig. 1.10)
dFAv) -)I
/y(y) = ~ = e-y-e . (1.39)
dy
Valorile functiilor F y(y) ~i /ye!') pentru diferitc valori ale fui )' sint date
in tabelul 1.6.
Introducerea variabilei adimensionale y permite 0 reprezentar<:' u nic{t
a densitatii ~i functiei de repartitie Gumbel, reprezentare independenta de
natura variabilei aleatoare X ~i de valorile sale concrete mx ~i Gx.
Formula de calcul a fractililor xp ai repartitiei Gumbel pentru maxi
me, definiti prin probabilitatea P de a exista valori mai mici dedt xl"
se obtine
, din rezolvarea ecuatiei ,
- :x(x p -")
P(X ~ xl') = F(xp) = P = e- C
sub forma
1 1
Xl' = 1l - -·In 111--· (1.40)
e< P
lnlocuind in ecuatia (1.40) pe It ~i (f. in functie de 111x ~l Gx din ecnatia
(1.36), se obtine
1
In In ---
xl' = nIx - 0,45 (Ix -- --:-::=-:P
=--- Gx
1,282
respcctiv
Xl' = Jn x + (- 0,781n In ~ - 0,45) Gx. (1.41)

eparlitii utilixate in anali%a sigurantei 37
=ntroclucind notatia
J( = - O,781111n -;- -- 0,45 (1.42)
ccuat ia (1.41) se adu ce 1a forma standard (1.16)

xp = 11't x +K ax
':alorile lui K pcntru diferite probabilitati P fiind date in tabelul 1.3, co
loa na 3.
0.006'69 O, DO;:'j?
0.997
.y==c-: (,x -lJ) , _e- o:/;r. -uj

~.(x)=e
(}'000618
-2 5 6
mx~2U; mx;3J;
I,r&:=1,2825.1 I
Fig. 1.10. Rcpartir.ia p e lltru va lori extreme tip.I sau Gumbol, p entru max imC'.
P entru fra ctilii superiori ai repartitiei Gumbel, dad P > 0,9, formula
(1.40) poate fi aproximata prin :formula luiCoutagne
X1> = 2t + _I_In __._1 _ . (1.43)

1-P
CJ.
.aartilii utilizate in analiza sigurantei
H.epartitia Gumhel pcntruminimc sc define~ te pomind de 1a TI:c part itia

~ ~ mb dpentru maximc pc haza urmatoar1:: i teguli de "simetrie"
[Fx{ x)Jpcntru ndninw== 1 - LV..\"{ - x)pcutru mal:i mc] (1.44)
- '~Fctiv, inlocuind In ec uatia (1.34) pe x eu (-x) ~i pc u, en (- 21)

"( .1' - ")
Fx(x) = 1- c -c (1.45)
t;(J)
fTlx u mx-t~ fT''X' r2GX

tJ:45G~
,. . - .....,
1·- - - ----
_ , .. -r Y
:j. !y)<- e
y::« (x·,· u)
2
-.5 ' -"
''S:- 3~)'~:--m-,[-',2""~""'.--mc-[-'-;!~"'"r ----:m::---:·-u-:-:--:m::-',x~'";'U;:::---/;;:;T,);-:-.~?i2v:"'"x---<·'X
x
. ;o.45Gl:
;-- ~
r'i.e;. 1.11 . Hcpartifia pentru valori extreme tip I sau G1!mb d . p e ntru
nli.nill1c .
D cnsitatca de r cpartitie eorespunzatearc functiei de repartitie Gumbel

pl'l1tru minime (1,45) estc
dF x(x) _I' ., ,(.<-,,)
Ir(x) = - =lXe" ,t - It) -c
dx
~i a rc asimctria ncgativ5.: "eoeoa~a"-d0nsitatii de repartitie dcplasaUi

sprc drcapta ~i caraeterizati prin coefici~n:tul de oblicitat e V~~ = - 1,139.
Ea ~ c poate obtine grafie din dcnsitatea ;oe repartitie pcntru maximc prin
rotirea aeesteia eu 180 0 in jurul axei ca-r-c trec e prin modul 1t (fi g. 1.11).
Introducere in modelele probabilistice
Calculul fractililor · Xp ai rcpartitiei Gumbel pentru minim e, definiti

prin probabilitatea P(X .~ Xl;) =:jJ, sc facecu formula:
Xp = % +. - 1 In In·- 1
- (1.46)
. oc 1-p
obtinuta din rezolvar ea ccuatiei
<X(-"-II I
P = 1- e- C
•
Tinind seama dc ceua tiile care definesc parametrii % ~i oc ai repartitiel

pentru minim e
% = 1nx 0,45 ax +
(1.47)
t:t. =
1,282
._
ax
calculul fractililor se poa te aducc la forma (1.16)
unde
]{ = 0,78 In In _1_ + 0,45. (l.4S)
P
Aplieatii pTivind utilizarea rcpartitici Gumbel sint prezcntate in eapA
unde ealcule1e slnt adaptate scparat speeificului dcfinirii ~i standardizarii
indirdirilor utile (aplicatia 4.1) ~i respcctiv c~imatice (aplicatia 4.2) .
: .5.4, Repartitia Fn~chet, pentru maxi me
Repartitia se define~ te prin functia de repartitic
(1.49)
~l densitat ea de repartitie (fig. 1.12)
k ( v )k + 1 -. ( . ~)" •
fx(x) . . ~~.-;- e · .~ (1.50)
Repartitia cstc complet definiHi de doi parametri: parametrul de

localizare v!?i parametrul de forma k. Paramctrul v are scmllifieatia unci
valori centrale a variabilei ..;Ii fiind mai mare dedt modul repartitiei dar
mai mic decit media.

Complet PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Complet PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Siguranța constructiilor

• Clase de valori – lățime Dx (constantă)

• Efectiv (frecvență absolută), frecvență relativă, frecvență relativă normalizată,

• Modele probabiliste – densitatea de repartiție fX(x), funcția de repartiție FX(x)

coeficientul de asimetrie étalement à droite, 1 >0

étalement à gauche, 1 <0

• 3 modele probabiliste: normal, lognormal, Gumbel pentru maxime

• Valori caracteristice ale acțiunilor în codurile de proiectare – fractili/probabilități

• Dar ele nu sunt folosite izolat/separate, ci sunt utilizate în formule de calcul:

Exemple: - presiunea vântului P = ½ raer v2

• Ce se întâmplă când înmulțim o v.a. cu o constantă, când o adunăm cu o constantă,

• Ce se întâmplă cu modelul probabilist? Ce se întâmplă cu indicatorii statistici?

v.a. X cu valori x cunoaștem modelul și indicatorii mX, sX, VX

Relații liniare: aX, aX + b

v.a. Y = Y(X) care este modelul probabilist al lui Y?

v.a. Y = Y(X) care este modelul probabilist al lui Y?

• Cazul particular al relației liniare:

P(x < X ≤ x +dx) = P(y < Y ≤ y +dy)

f X ( x)dx = fY ( y)dy  P( x  X  x + dx) = P( y  Y  y + dy)

• Exemplu - schimbarea de variabilă de la repartiția normală

Media este Aria totală de sub

Y s Y2== (a( y x−+mbY −

Dacă se dezvoltă funcția multidimensională Y prin dezvoltarea sa în serie Taylor în punctul

mY  Y ( mx1 , mx2 … mxi .. mxn ) valoarea funcției Y(Xi) calculată cu

Derivata parțială față de fiecare variabilă aleatoare în parte, derivată a cărei

x 1 x2 mx1 mx2 m2X s 2X + m2X s 2X VX2 + VX2

mY  Y ( mx1 , mx2 ) = mX1  mX 2

𝜎𝑌2 ≅ 𝑚𝑋2 2 𝜎𝑋21 + 𝑚𝑋1 2 𝜎𝑋22

sY mX2 2  s X2 + mX2 1  s X2 s X21 s X2 2

Cât este coeficientul de variație al presiunii vântului?

x 1 x2 mx1 mx2 m2X s 2X + m2X s 2X VX2 + VX2

S = efectul secțional al solicitării (încărcării)

S și R au aceeași unitate de măsură

S și R sunt v.a. cunoscute (model probabilist, indicatori statistici)

Condiția limită de siguranță S = R

fS(s) mS, mR – valori medii

sk, rk – valori caracteristice (fractili)

Pf = P (R < S) Probabilitatea de cedare / Failure probability

Punem simultan 2 condiții și le exprimăm în termeni de probabilitate

x < S ≤ x + dx P (x < S ≤ x + dx) = fS(x) dx

𝑃𝑓 = න 𝐹𝑅 𝑥 ∙ 𝑓𝑆 𝑥 𝑑(𝑥) greu/imposibil de obținut analitic

Ps = P(R ≥ S) Probabilitatea de comportare sigură / Safety probability

Întotdeauna vom avea o Pf ≠ 0 mică, dar nenulă

1. Modelul diferență R–S=0

2. Modelul raport R/S=1

3. Modelul logaritmic (lognormal) ln (R / S ) = 0

Ipoteză R și S sunt v.a. cu repartiție normală

v.a. R – S are tot o repartiție normală

0.02  mare – distanță mare, siguranță sporită

 - indice de siguranță (safety index)

Cu cât este mai mare, cu atât mai multă siguranță avem!

Este inversul coeficientului de variație!

Țintă EC0 (SR EN 1990)  = 4,7 pentru SLU – 1an

𝑚𝑅 = 𝑚𝑆 + 𝛽 𝜎𝑅2 − 𝜎𝑆2 Relație de dimensionare (probabilistică)

mS, sS – le calculăm (cunoaștem încărcarea și geometria) - MMOD

𝑚𝑅 = ... = Anec ∙mrezistența materialului - MMOD

Anec (în funcție de încărcare, geometrie, material și de nivelul de securitate dorit)

Ipoteză R și S sunt v.a. cu repartiție lognormală

v.a. lnR și lnS au o repartiție normală

v.a. lnR - lnS are o repartiție normală

v.a. ln (R / S) are o repartiție normală

Fie Z = ln (R / S) = lnR - lnS

MMOD mZ = mlnR – mlnS MMOD mZ = ln mR – ln mS