基于概率密度函数的点估计法进行不确定性分析

概述

在工程实际中，由于制造误差、测量误差以及环境因素的影响，部分结构参数和系统输入不可避免地存在一些不确定性。在一些工程问题中，通常需要考虑这一类模型参数给计算反求结果带来的影响，当这些模型参数的不确定性以概率的形式呈现时，它们通常被考虑为随机变量来处理。本文介绍一种基于概率密度函数的点估计法，对包含随机变量的问题进行处理。
优点：计算量、取样少，只需要几个点就可估计比较高精度的结果。
缺点：对于非线性程度较高和高维系统模型，精度难以满足要求。

单变量点估计法

设 Z = h(X)，其中X为随机变量且概率密度函数为fx (x)。σx,μx为X的标准差、均值，X的i阶中心矩为：

定义：

i=1,2时λ为0,1，i=3，4时λ表示x的偏度和峰度

h(x)关于μx的泰勒级数展开为：

对z求均值，得到：

令xi=μx+ξi σx,i=1,2表示第i个位置，ξi为待确定常量。设pi表示在xi点的概率集中，则

用上式来逼近μz，比较公式（4）和（5）右边，得到:

此时k=2；

可以推广到m个点xi=μx+ξi σx,i=1,2,…,m，此时k=m。
根据这2k个公式可以求解得到pj和ξj，j=1,2,…,k共2k个未知数。把求得未知数代入xi=μx+ξi σx求得估计点在代入如下公式就可以得到Z的原点矩。

多变量函数点估计法

与单变量点估计法类似，设Z=h(X)=h(x1,x2,…,xn),X表示xk的随机变量向量，令μk，νk，σk表示xk的均值、变异系数、标准差，ρij表示xi和xj之间的相关性系数，i!=j。为简便，假定ρij=0，i!=j。令pk,i在位置(μ1,μ2,…,xk,i,…,μn)的集中,且

对Z=h(X)进行关于X均值的多变量泰勒展开，同样可以得到得到2m-1个方程，

又因为概率集中和为1，有

通过指定概率集中总和满足

根据这2m个方程可求解2m个未知数pk,i和ξk,i。如m=2，解为：

关于m点估计的Z的原点矩为：

我们可以根据z的原点矩，利用最大熵原理就可得到Z的概率密度函数。

程序流程

算例

结果输出：

下一篇：点估计法进行不确定性反求