Académique Documents
Professionnel Documents
Culture Documents
Confiabilidade Estrutural
Professor
Jorge Luiz A. Ferreira
•
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Implementação
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
𝑷 𝟏−𝑷
𝒏 𝟏−𝑷 𝟏 𝟏 𝟏
=
𝑪𝑽 𝑷 = = − ≅
𝑷 𝒏𝑷 𝒏𝑷 𝒏 𝒏𝑷
𝟏−𝑷 𝟏−𝑷
− 𝒛𝜶ൗ
𝑷 + 𝒛𝜶ൗ
≤𝑷≤𝑷 onde 𝑧𝛼Τ2 é o valor limite da distribuição normal reduzida
𝟐 𝒏𝑷 𝟐 𝒏𝑷 tal que a probabilidade de se obter valores fora do
intervalo 𝑧𝛼Τ2 é igual a a.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
−𝑙𝑛 1 − 𝑐
𝑁>
𝑃𝑓
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
• Amostragem Estratificada
𝑝 𝑥
𝑤 𝑥 =
𝑞 𝑥
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
𝐸𝑝 𝜙 𝑋 = න 𝜙 𝑥 𝑝 𝑥 𝑑𝑥
Ω
𝑞 𝑥
𝐸𝑝 𝜙 𝑋 =න 𝜙 𝑥 𝑝 𝑥 𝑑𝑥
Ω 𝑞 𝑥
𝑝 𝑥
𝐸𝑝 𝜙 𝑋 =න 𝜙 𝑥 𝑞 𝑥 𝑑𝑥 = න 𝜙 𝑥 𝑤 𝑥 𝑞 𝑥 𝑑𝑥
Ω 𝑞 𝑥 Ω
∴ 𝐸𝑝 𝜙 𝑋 = 𝐸𝑞 𝜙 𝑋 𝑤 𝑋
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
f(x) = 0,1 x2
Função Peso, w
b
p ( x ) f ( x) d x 0.02
a
b
w ( xa b ) f ( x) q ( xa b ) d x 0.02
Funções q ≈ U(-1,1) e p ≈ N (0,1) a
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
f(x) = 0,1 x2
Função Peso, w
b
Funções q ≈ U(-4,1) e p ≈ N (0,1) w ( xa b ) f ( x) q ( xa b ) d x 0.06
a
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
1.5
1.5
f(x) = 0,1
1
q( xa )
x2
w( xa )
p ( x ) 1
f ( x)
0.5
Função Peso, w
0.5
0
4 2 0 2 4 6
x
0
4 2 0 2 4 6
b
x
b
𝛽 w ( xa ) f ( x) q ( xa ) d x 0.1
𝑞 𝑥, 𝛼, 𝛽 = 𝑒𝑥𝑝 −𝛽 𝑥 − 𝛼 - < a < + e > 0
a
2
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
1 𝑛
𝜃መ𝑛𝐼𝑆 = 𝜙 𝑦𝑖 𝑤 𝑦𝑖
𝑛 𝑖=1
𝑝 𝑥
𝑤 𝑥 =
𝑞 𝑥
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
𝑁 𝑁
1 𝜙 𝑥𝑖 𝑝 𝑥 1
𝐸𝑝 𝜙 𝑋 = = 𝜙 𝑥𝑖 𝑤 𝑥
𝑁 𝑞 𝑥 𝑁
𝑖=1 𝑖=1
𝑝 𝑥
𝑤 𝑥 =
𝑞 𝑥
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
𝑁 𝑁
1 𝜙 𝑥𝑖 𝑝 𝑥 1
𝐸𝑝 𝜙 𝑋 = = 𝜙 𝑥𝑖 𝑤 𝑥
𝑁 𝑞 𝑥 𝑁
𝑖=1 𝑖=1
𝑝 𝑥
𝑤 𝑥 =
𝑞 𝑥
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
0.5
0.3
P(x>3) = 0,1365%
0.2
0.1
0
0 100 200 300 400 500 600 700 800 900 1000
Número de Simulações
1.8
Força Bruta
1.6 Importance Sample
1.4
1.2
Desvio Padrão
0.8
0.6
0.4
0.2
0
0 100 200 300 400 500 600 700 800 900 1000
Número de Simulações
0.5 P(x>3) = 0,1290%
100 p ( x ) d x 0.13499
0.4 3
Média
0.3
P(x>3) = 0,1349%
0.2
0.1
0
0 100 200 300 400 500 600 700 800 900 1000
Número de Simulações
1.8
Força Bruta
1.6 Importance Sample
1.4
1.2
Desvio Padrão
0.8
0.6
0.4
0.2
0
0 100 200 300 400 500 600 700 800 900 1000
Número de Simulações
0.5
P(x>3) = 0,145%
0.4 100 p ( x ) d x 0.13499
Média
3
0.3
P(x>3) = 0,1359%
0.2
0.1
0
0 100 200 300 400 500 600 700 800 900 1000
Número de Simulações
1.8
Força Bruta
1.6 Importance Sample
1.4
1.2
Desvio Padrão
0.8
0.6
0.4
0.2
0
0 100 200 300 400 500 600 700 800 900 1000
Número de Simulações
Sorteio 3 conjuntos
11 amostras
modelagem de um problema seja
amostrada.
Na figura ao lado se observa que em um
processo de amostragem típico, regiões
significativas do domínio da v.a. não são
representadas. Como consequência, a
estimativa da prob. de falha é ineficiente.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
i
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
𝑖−1
8 0,68 0,00 0,68 0,46
9 0,76 0,00 0,76 0,72
𝑃𝑖 = + 𝛿𝑖 𝛿 ≈ 𝑈 −𝑎 , +𝑎 , 𝑎 =
𝑅𝑖 − 𝑅𝑖−1 10 0,85 0,00 0,86 1,06
𝑁 2 11 0,94 0,04 0,98 2,02
a = 0,044
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
𝑖 − 1 𝑢𝑖
𝑃𝑖 = +
𝑁 𝑁
onde ui é uma variável aleatória distribuída
uniformemente entre 0 e 1.
Uma outra forma de obter Pi consiste em utilizar
uma das medidas de rank, tais como as utilizadas
na transparência anterior, e somar a tal medida um
termo uma variável aleatória distribuída
uniformemente, ou seja:
𝑖−1
𝑃𝑖 = + 𝛿𝑖 𝛿≈𝑈 −
𝑅𝑖 − 𝑅𝑖−1 𝑅𝑖 − 𝑅𝑖−1
,
𝑁 2 2
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Gaussiana
a -0,3 Média 18
b 0,4 Desvio 3
i Ri di Pi F -1
1 0,06 -0,02 0,06 13,32 -0,62 -1,52 22,55
2 0,15 0,01 0,15 14,89 0,33 -1,40 16,61
3 0,24 0,03 0,24 15,88 1,21 -1,13 17,31
4 0,32 -0,04 0,32 16,61 -1,40 -0,86 18,65
5 0,41 -0,03 0,41 17,31 -1,13 -0,79 19,35
6 0,50 0,04 0,50 18,03 2,59 -0,62 13,32
7 0,59 -0,03 0,59 18,65 -0,86 -0,38 21,11
8 0,68 -0,03 0,67 19,35 -0,79 0,33 14,89
9 0,76 0,02 0,77 20,17 0,74 0,74 20,17
10 0,85 -0,01 0,85 21,11 -0,38 1,21 15,88
11 0,94 -0,04 0,94 22,55 -1,52 2,59 18,03
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
3
Força Bruta
HCL
2.5
2
Média
1.5
0.5
0
0 5000 10000 15000
Número de Simulações
0.025
Força Bruta
HCL
0.02
Desvio Padrão
0.015
0.01
0.005
0
0 5000 10000 15000
Número de Simulações
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
Vamos estudar o comportamento de uma função qualquer. Por
exemplo, a função:
g ( x, y a b x c y
onde: 450
400
a = 100 350
b = 15 300
250
c=8 200
150
100
20
18
16
10
14 9
12 8
10 7
6
8 5
6 4
4 3
2
2
1
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
Seria possível quantificar a importância (ou influência, ou peso)
de cada termo na contabilização do valor da função g(x,y) ?
500
100
0 5 10 15 20
y
x e y são parâmetros sensíveis
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
Para a função:
g ( x, y b x c y 2
35
30
25
onde: 20
15
10
b = 10
5
c=1 -5
-10
-1
-0.8
x
-0.6 5
y
-0.4 4
-0.2 3
2
0 1
0.2 0
0.4 -1
0.6 -2
-3
0.8 -4
1 -5
Análise de Sensibilidade
Para a função:
25
g ( x, y b x c y 2
20
onde:
15
b=0 10
c=1 5
x 0
1
0.8
0.6
0.4
0.2 -5
0 -3 -4
-0.2 -1 -2
y
-0.4 0
-0.6 2 1
-0.8 4 3
-1 5
Análise de Sensibilidade
Como podemos então quantificar a sensibilidade da função
g(x,y) a partir das suas variáveis de controle ?
Simples. Calculando as duas
derivadas parciais !
10
6 b=0
4
g ( x, y b iˆ 2 c y ˆj
2
0
c=1
-2
-4
-6
-8
-10
-1
-0.5
4 5
0.5 3
1 2
-1 0
-3 -2
1 -4
-5
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
Considerando g(x,y) é uma função de variáveis aleatórias,
podemos amostrar g(x,y) para diferentes combinações de x e y
e avaliar o seu comportamento.
30
25
b=1
20
c=1 15
x = N(1,1) 10
-5
-1
-0.5
4 5
0.5 3
1 2
-1 0
1 -3 -2
-5 -4
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
Considerando g(x,y) é uma função de variáveis aleatórias,
podemos amostrar g(x,y) para diferentes combinações de x e y
e avaliar o seu comportamento. b = 1, c = 1, x = N(1,1)
z
27
30
26.5
25
26
25.5 20
25
15
24.5
10
24
23.5
5
23
0
22.5
22
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -5
-5 -4 -3 -2 -1 0 1 2 3 4 5
x y
g(x,y) = z não é sensível a variações g(x,y) = z é sensível a variações em y
em x, mas possui um espalhamento e também possui um espalhamento
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
Considerando g(x,y) é uma função de variáveis aleatórias,
podemos amostrar g(x,y) para diferentes combinações de x e y
e avaliar o seu comportamento. b = 1, c = 1, x = N(1,1) e x = N(1,1)
25
20
15
10
0 5
4
3
-5 2
-1 1
-0.8
-0.6 0
-0.4
-1
-0.2
0 -2
0.2
0.4 -3
0.6 -4
0.8
1 -5
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
Considerando g(x,y) é uma função de variáveis aleatórias,
podemos amostrar g(x,y) para diferentes combinações de x e y
e avaliar o seu comportamento. b = 1, c = 1, x = N(1,1) e x = N(1,1)
z
16 10
14 9
12 8
7
10
6
8
5
6
4
4
3
2
2
0
1
-2
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-4
-5 -4 -3 -2 -1 0 1 2 3 4 5
x y
g(x,y) = z não é sensível a variações g(x,y) = z é sensível a variações em y
em x, mas possui um espalhamento e também possui um espalhamento
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
O que podemos dizer sobre a sensibilidade de x e de Y ?
Não é possível chegar a nenhuma interpretação por meio de analise visual. Além
disso:
• Não é incomum termos que trabalhar com modelos que têm dezenas de entradas.
• A dimensão máxima que podemos observar graficamente é 3 !
Assim, será que disporíamos de Precisamos de um método mais sofisticado ...
z
10
16
9
14
8
12
7
10
6
8
5
6
4
4
3
2
2
0
-2 1
x y
-4 0
-5 -4 -3 -2 -1 0 1 2 3 4 5 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Análise de Sensibilidade
Uma forma muito conveniente para realizarmos essa tarefa é
recorrendo a Análise Probabilística de Sensibilidade.
Análise de Sensibilidade
A análise probabilística de sensibilidade é uma importante
ferramenta de análise estrutural por permitir que se possa
melhorar o projeto na direção do desenvolvimento de produtos
mais confiáveis e de melhor qualidade, ou para economizar
recursos financeiros, mantendo a confiabilidade ou a qualidade
de produto. Em outras palavras:
A análise de sensibilidade responde à pergunta: "se as variáveis de entrada se desviam
das expectativas, qual será o efeito sobre o sistema que está sendo analisado e quais
variáveis estão causando os maiores desvios ?"
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
O processo de recalcular os resultados sob hipóteses alternativas para
determinar o impacto de uma variável sob a análise de sensibilidade pode
ser útil para uma série de objetivos incluindo:
Testar a robustez dos resultados de um modelo ou sistema na presença de
incerteza.
Maior compreensão das relações entre variáveis de entrada e de saída em um
sistema ou modelo.
Redução da incerteza, através da identificação de insumos modelo que causam
incerteza significativa no produto e deve, portanto, ser o foco da atenção, a fim de
aumentar a robustez (talvez por mais pesquisas).
Procurando erros no modelo (encontrando relações inesperadas entre entradas e
saídas).
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Análise de Sensibilidade
...
Simplificação de modelo - fixação de entradas de modelo que não têm efeito na
saída, ou identificação e remoção de partes redundantes da estrutura do modelo.
Melhorar a comunicação entre os modeladores e os tomadores de decisão (por
exemplo, tornando as recomendações mais credíveis, compreensíveis, convincentes
ou persuasivas).
Encontrar regiões no espaço de fatores de entrada para os quais a saída do modelo
é máxima ou mínima ou satisfaz algum critério ótimo.
No caso de calibrar modelos com grande número de parâmetros, um teste de
sensibilidade primária pode facilitar a fase de calibração, focalizando os parâmetros
sensíveis. Não saber a sensibilidade dos parâmetros pode resultar em tempo sendo
inutilmente gasto em não-sensíveis.
Procurar identificar conexões importantes entre observações, insumos de modelos e
previsões ou previsões, levando ao desenvolvimento de modelos melhores.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Entradas correlacionadas:
Não-linearidade:
Interações do modelo:
As interações ocorrem quando a perturbação de duas ou mais entradas simultaneamente faz com
que a variação na saída seja maior do que a variação de cada uma das entradas sozinhas. Essas
interações estão presentes em qualquer modelo que não seja aditivo, mas serão negligenciadas
por métodos como os diagramas de dispersão e as perturbações um por vez. O efeito das
interações pode ser medido pelo índice de sensibilidade de ordem total.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Saídas múltiplas:
Custo computacional:
• Uma única execução do modelo leva uma quantidade significativa de tempo (minutos,
horas ou mais). Isso não é incomum com modelos muito complexos.
b) Identificar o modelo de saída a ser analisado (o alvo de interesse deve, idealmente, ter uma
relação direta com o problema abordado pelo modelo).
c) Executar o modelo um número de vezes usando algum projeto de experimentos, ditada pelo
método de escolha da incerteza de entrada.
É uma das abordagens mais simples e mais comuns é a de mudar um fator de cada
vez, para ver o efeito que isso produz na saída.
O OAT costuma ser realizado varrendo uma das variáveis de entrada (dentro do seu
domínio de validade) e mantendo as outras com o seu valor nominal. A seguir,
retorna-se a variável estudada ao seu valor nominal e repetindo para cada uma das
outras entradas da mesma maneira.
Apesar de sua simplicidade, porém, esta abordagem não explora completamente o espaço de
entrada, uma vez que não considera a variação simultânea de variáveis de entrada. Isso
significa que a abordagem OAT não pode detectar a presença de interações entre variáveis de
entrada.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Distribuição de a Distribição de b
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Distribuição de t Distribuição de P
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Distribuição de KIC
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
𝜕𝐺
𝜕𝜐𝑖 𝜐0
onde o sobre índice 0 indica que a derivada é tomada em algum ponto fixo no espaço
da entrada (daí o "local"). Semelhante ao OAT/OFAT, os métodos locais não são
capazes de explorar completamente o espaço de entrada, uma vez que examinam
pequenas perturbações, normalmente uma variável de cada vez.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Os métodos baseados em
𝑉𝑎𝑟𝜐𝑖 = 𝐸𝜐~𝑖 𝐺 𝜐𝑖
onde n~i denota o conjunto de todas as variáveis de entrada, exceto ni. Esta
expressão mede essencialmente a contribuição ni sozinha para a incerteza
(variância) em G (média em relação às variações de outras variáveis) e é
conhecida como índice de sensibilidade de primeira ordem ou índice de
efeito principal. Uma outra medida, conhecida como índice de efeito total,
dá a variância total em G causada por ni e suas interações com qualquer uma
das outras variáveis de entrada. Ambas as quantidades são tipicamente
padronizadas dividindo-se por Var (G).
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
1 0,32
g ( K IC
P
a
2b b
Considerado que a função de estado limite é definida como
2bt a
1
b
Podemos estimar a variância de g(●) usando expansões em 1º ordem da serie de Taylor como
Var(G) = 211,537
2 2 2
d g d
100 ( a b t P K a 100 (
g a b t P K b d g
100 ( a b t P K t
VarGa
d a 28.235 VarGb
d b 3.888 VarGt
d t 2.992
(
Var_g a b t P K (
Var_g a b t P K (
Var_g a b t P K
2 2
d g d g
100
dK
( a b t P K K 100
dP
( a b t P K P
VarGK
17.018 VarGP
47.867
(
Var_g
a b t P
K (
Var_g
a b t P
K
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
100 ∙ 𝜌𝑗2
𝛼𝑗 % = (c)
(a) σ𝐽𝑗=1 𝜌𝑗2
(b)
Fazer um resumo sobre o coeficiente de correlação de Spearman
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós graduação em Integridade Estrutural
Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo
Podemos gerar K amostras das v.a a, b, t, P e KIC para estimar o comportamento de g(●). Após o
processo de geração dos números aleatórios vamos estimar medidas de correção, rj, entre
cada variável de entrada (a, b, t, P e KIC) e a variável de saída g.
b 5,24 5,01
4% t 4,10 3,93
P 63,96 63,90
K IC 22,39 23,01
a b
KIC t
4% 5%
23% 4%
total Modelo
P
64%
Estimativa baseada na correlação
de Pearson
P
Estimativa baseada na correlação de 64%
Spearman