《Mapping-Based Hierarchical Sensitivity Analysis for Multilevel Systems With Multidimensional Correlations》笔记–Part 2
背景描述
接PART I
上图中,由于共享变量
X
4
,
X
5
X_4,X_5
X4,X5的存在,导致中层变量
Y
1
,
Y
2
,
Y
3
,
Y
4
=
X
5
Y_1,Y_2,Y_3,Y_4=X_5
Y1,Y2,Y3,Y4=X5之间存在相互依赖的关系,想对系统进行灵敏度分析则需要将这几个变量转化为彼此独立的向量,用到的方法为R vine Copula+Rosenblatt。思想是:Rosenbaltt由于其本身的局限性,需要已知所有变量的联合分布函数,Copula可以解决这一问题,但常见的Copula是处理二元的,就需要R藤Copula对变量进行配对组合,已得到多元联合CDF。
Copula
(直接上笔记)
R藤Copula
(懒得重新打啦哈哈哈)其中
c
(
)
c()
c()是二元的Copula函数。
Rosenblatt变换
(笔记梅开二度o( ̄▽ ̄)ブ)
整体变换流程
(怎么输入流程箭头?(・∀・(・∀・(・∀・*))
- 获取到中间层变量 y 1 , y 2 , . . . y m y_1,y_2,...y_m y1,y2,...ym
- 求 F Y i ( y i ) F_{Y_i}(y_i) FYi(yi)得到 u 1 , u 2 , . . . u m u_1,u_2,...u_m u1,u2,...um,由R藤Copula一堆复杂过程得到Copula分布 C ( u 1 , u 2 , . . . u m ) C(u_1,u_2,...u_m) C(u1,u2,...um)
- 基于 C ( u 1 , u 2 , . . . u m ) 进 行 R o s e n b l a t t 变 换 C(u_1,u_2,...u_m)进行Rosenblatt变换 C(u1,u2,...um)进行Rosenblatt变换得到 u i ′ = C ( u i ∣ u 1 , u 2 , . . . u i − 1 ) u^{'}_i=C(u_i|u_1,u_2,...u_{i-1}) ui′=C(ui∣u1,u2,...ui−1)
- 进行标准独立正态逆变换得到向量 y i ′ y^{'}_i yi′;
变换后的图示
标记处为变换后的向量,基于这些彼此独立的向量才可以进行下一步的PCE计算。