Ecole Nationale d’Ingénieurs de Sfax

Département de Génie Mécanique

Cours Sureté et Fiabilité des Systèmes Industriels

GEM3 S2-S3

10 éme Séance

Présenté par: Lassâad WALHA

1
Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Chapitre 3. Variables aléatoires multiples

Première Partie
Fonction de Distribution Cumulative Conjointe et Marginale (FDCC),
Fonction Densité de Probabilité Conjointe (FDPC) et Marginale.

Deuxième Partie

Système Y  g X 
g(X) peut être monotone
ou non monotone

Troisième Partie

Système
Transformation linéaire

Transformation non linéaire

Présenté par: Lassâad WALHA 2

Cours Sureté et Fiabilité des Systèmes Industriels GEM3
4. Transformations Linéaires des Variables Aléatoires

Soit le système linéaire qui relie les variables d’entrée Xi (Vecteur X d’ordre n)
à la variable aléatoire scalaire Y (d’ordre 1).

Entrée: Vecteur aléatoire de dimension n Sortie : Scalaire aléatoire de dimension 1

X   X 1 , X 2 ,..., X n 
T
Y
X Y : moyenne de la variable output Y
: vecteur de la moyenne du vecteur input X
 X : matrice de covariance du vecteur input X  Y2 : variance de la variable output Y

a   a1 , a2 ,..., an 
T
T : vecteur à n éléments
Relation Linéaire  Y  a X b
b : scalaire
Présenté par: Lassâad WALHA 3
Cours Sureté et Fiabilité des Systèmes Industriels GEM3
Exemple  X1 
X1 Y   2 3  5  X 2   8
Y=2X1+3X2-5X3+8  
X2 Système X 
 3
X3 T
Y  a . X b
La moyenne de Y est définit par :

 T
  T

E  Y   E a X  b  E a X  E  b  a E  X   b
T
Y  a  X  b
T

La variance de Y est définit par :

  
 Y2  E  Y  Y    E  a X  b  a  X  b a X  b  a  X  b   a E  X   X  X   a
2 T T T T T T T

     X 

Cov(X1,X3)
 Y2  a  X a
Variance de X Cov(X1,X2) T

  X2 1 cov( X 1 , X 2 ) cov( X 1 , X 3 ) 
 
 X   cov( X 2 , X 1 )  X2 2 cov( X 2 , X 3 ) 
 
 cov( X 3 , X 1 ) cov( X 3 , X 2 )  2
X 3 
Symétrique

Présenté par: Lassâad WALHA 4

Cours Sureté et Fiabilité des Systèmes Industriels GEM3
Généralisation

Entrée: Vecteur aléatoire de dimension n Sortie : Vecteur aléatoire de dimension m

Y   Y1 , Y2 ,..., Ym 
T
X   X 1 , X 2 ,..., X n 
T

X Y
vecteur de la moyenne du vecteur input vecteur de la moyenne du vecteur output
 X matrice de covariance du vecteur input Y matrice de covariance du vecteur output

Exemple  X1 
 Y1   2 3 5    8 
 Y    4 7 0   X 2    3 
X1 Y1=2X1+3X2-5X3+8  2     
X2
 X3 
Système Y2=4X1+7X2-3 T
X3
Y  A . X B

Présenté par: Lassâad WALHA 5

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

T A matrice d’ordre n
Y  A . X B
B vecteur à n composants

Y  A  X  B
T
Le vecteur moyenne de Y est définit par :

T
La matrice de covariance de Y est définit par : Y  A  X A

Présenté par: Lassâad WALHA 6

Cours Sureté et Fiabilité des Systèmes Industriels GEM3
Exercice 7.

Soient les deux variables aléatoires X et Y qui suivent les lois normales suivantes :

Pour X : N( 1; 3 ) et Pour Y : N( 1;12 )

Déterminer les lois des variables aléatoires Z1=-2X+5, Z2=X+Y et Z3=X-Y

Exemple 1  Z1  a X  b  2*1  5  3
Z1  aX  b
X  Z21  a X2 a   2  *3*  2   12
Système Z1=-2X+5
Z1 suit N( 3; 2 3 )

Présenté par: Lassâad WALHA 7

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

X suit la Loi N( 1; 3 ) et Y suit la Loi N( 1;1 )

Z2  a  X  b  0
T
Exemple 2
X
Z 2   1 1    a X  b  3 0  1
T
 Z22  a  X a   1 1 
T
   4
X Y   0 1  1
Système Z2=X+Y
Y

Z 2 suit N( 0; 2 )

Exemple 3  Z3  a  X  b  2
T

X
Z 3   1  1    a X  b
T
 3 0  1 
Y   Z23  a  X a   1  1 
T
   4
X  0 1   1
Système Z3=X-Y Z 3 suit N( 2; 2 )
Y

Présenté par: Lassâad WALHA 8

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Exercice 9.
Une poutre console est soumise à l’action de deux charges aléatoires S1 et S2
ayant, respectivement, les moyennes 1 et 2 et les écarts types 1 et 2.
Les charges S1 et S2 sont statiquement indépendantes

1) Déterminer la moyenne et l’écart type de l’effort tranchant T et ceux du moment

M au niveau de l’encastrement

Effort tranchant: T=S1+S2 T=S1+S2

S1
Moment d’encastrement: M=aS1+(a+b)S2 Système M=aS1+(a+b)S2
S2

Présenté par: Lassâad WALHA 9

Cours Sureté et Fiabilité des Systèmes Industriels GEM3
S1 T=S1+S2
Système M=aS1+(a+b)S2
S2

S  T   T  1 1   S1  T
On pose X   1  et Y    Y       A X B
 S2  M   M   a a  b  S2 

1 1   1   1  2   T   1  2 
T
Y  A  X  B         
  a   ( a  b)  
 a a  b  2   a1  (a  b) 2   M   1 2

T  1 1    2
0  1 a 
Y  A  X A   
1
2  
 a a  b  0  2 
1 a  b 

  12  22  1 a    12   22 a 12  (a  b) 22 
Y   2 2    2 
 a 1 (a  b) 2  1 a  b   a 1  (a  b) 22 a 2 12  (a  b)2  22 

 T2   12   22 ,  M2  a 2 12  (a  b)2  22 , cov(T , M )  a 12  (a  b) 22

Présenté par: Lassâad WALHA 10

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

2) Déterminer le coefficient de corrélation TM entre l’effort tranchant et le moment

cov(T , M ) a 12  (a  b) 22
TM  
 T M  12   22 . a 2 12  (a  b)2  22

3) Déterminer la valeur du coefficient de corrélation lorsque 1   2 et ab

a 12  (2a ) 12 3a 12 3a 123 10

TM      0.94
2 . a   (2a) 
2
1
2 2
1
2 2
1 2 1 . 5a  1
2 2 2
10a 1
2 4 10

0   XY  1

Présenté par: Lassâad WALHA 11

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

5. Transformations Non Linéaires des Variables Aléatoires

On parle de transformation non linéaire quand la fonction g(X) reliant les

variables de sortie aux variables d’entrée est de type non linéaire.

Rappelons l’exemple de la poutre en flexion cité précédemment

La flèche maximale est donnée par:

5qL4 5L4 X 2
Y   g  X1 , X 2 
384 EI 384 X 1

X2
 𝐸𝐼 =𝑋 1 Y  C te
Système X1 Relation NON Linéaire
𝑞=
  𝑋2

Présenté par: Lassâad WALHA 12

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Pour linéariser la fonction g(X), on utilise l’une des deux méthodes suivantes :
  Méthode d’expansion en série de Taylor du 1er ordre
 Méthode de linéarisation équivalente

5. 1. Méthode d’expansion en série de Taylor du 1er ordre

On commence par un cas particulier d’un système non linéaire qui relie les
variables d’entrée Xi (d’ordre n) à la variable aléatoire scalaire Y (d’ordre 1).

Entrée: X   X 1 , X 2 ,..., X n 
T
Sortie : Scalaire Y
X Y : moyenne de la variable output Y
: vecteur de la moyenne du vecteur input X
2
 X : matrice de covariance du vecteur input X Y
: variance de la variable output Y

Y  g(X ) Relation NON Linéaire 

Présenté par: Lassâad WALHA 13

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

En utilisant la méthode de Taylor du 1er ordre, on peut écrire Y sous la forme :

g
   
n n n
Y  Yˆ  g  X   X i  i     i X i  g  X    i  i
i 1 X i X   i 1 i 1
    X       
b
i

Cette relation prend la forme générale suivante : ˆ T

Y  X b
g
   1 ,  2 ,...,  n 
T
: vecteur des gradients évalué à la moyenne de X i 
X i X  X

 g 
 
n
b  g  X   i   : scalaire
i 1 X
 i  X  X

Il suffit donc de déterminer αT et b pour obtenir l’approximation de Y

 
Y  E Yˆ   T  X  b  
 Y2 Var Yˆ   T  X 

Présenté par: Lassâad WALHA 14

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Généralisation
Soit le système non linéaire à plusieurs variables d’entrée et plusieurs
variables de sortie.

Entrée: Vecteur X de moyenne  X et de matrice de covariance  X

Sortie : Vecteur aléatoire de dimension m définit par : Y   Y1 , Y2 ,..., Ym 
T

 Y : vecteur de la moyenne du vecteur output Y

 g1  X  
Y : matrice de covariance du vecteur output Y  
 . 
Y  ; X  n ; Y  m
 . 
 g m  X  

Présenté par: Lassâad WALHA 15

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Y  g X 

L’approximation de cette fonction NON Linéaire par une expansion en série

de Taylor de 1er ordre est donnée par:
Y  g X   X  B
T

 n
 g1  
 g1 g1   
 g1  X   i 
X
 
 ...   i 1  i  X  X 
 X 1 X   X X n X  X   
   . 
 
T
. ... . B 
 .
 g   
g m  
 m ...  n
 g m 
 X 1 X  

X n 
  m n 
 
 g m    i   
 X i  X   X 
X  X
X  X
i 1
  m1

Vecteur Moyenne Matrice de covariance

  Y Yˆ    X 
T
 Y  Yˆ  E Yˆ    X  B
T

Présenté par: Lassâad WALHA 16

Cours Sureté et Fiabilité des Systèmes Industriels GEM3
5.2. Méthode de linéarisation équivalente
Cas de système non linéaire scalaire - scalaire

On pose YL  aX  b une approximation de la fonction non linéaire Y  g  X 

La méthode de linéarisation équivalente permet de déterminer les deux

inconnus a et b tel que la différence entre YL et Y est minimisée.

Généralement cette méthode est basée sur la minimisation de la moyenne de

la différence quadratique:
E  YL  Y   E  aX  b  g  X   
  
2 2

   
Une condition nécessaire pour la minimisation de cette erreur est que les
premières dérivées par rapport à a et b doit être nulle.
Présenté par: Lassâad WALHA 17
Cours Sureté et Fiabilité des Systèmes Industriels GEM3
 
E  YL  Y    0
2
Première dérivée par rapport à a :
a  
     2
E  YL  Y    E  aX  b  g  X     E   aX  b  g  X     E  2 X  aX  b  g  X   
2 2

a   a    a 

 
Ce qui nous permet d’avoir la première égalité : aE X 2  bE  X   E  Xg  X    0

1
 
E  YL  Y    0
2
Première dérivée par rapport à b : b  

   2
E  aX  b  g  X     E   aX  b  g  X     E  2  1  aX  b  g  X   
2

b    b  2

Ce qui nous permet d’avoir la première égalité : aE  X   b  E  g  X    0

Et finalement, pour déterminer les deux variables a et b, il suffit de

résoudre les deux équations linéaires précédentes.

Présenté par: Lassâad WALHA 18

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Généralisation
Système non linéaire à plusieurs variables d’entrée et plusieurs variables de sortie.

La relation non linéaire

Linéarisation équivalente
Y  g X YL  a X b
T

 a11 ... a1n   b1 

. 
a  . .   
T
... b 
 
 am1 ... amn   m n  . 
bm 
 m1

Les termes de la matrice a et du vecteur b sont obtenues en minimisant : E  YLi  Yi  

T 2

 
Présenté par: Lassâad WALHA 19
Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Les conditions nécessaires pour la minimisation sont:



E  YLi  Yi    0; i  1,..., m;
2
j  1,..., n;
aij  

 
    0; i  1,..., m;
2
E YLi  Y
bi  

Le système d’équation ci-dessus est un système linéaire de (mxn)+m

équations ayant (mxn)+m inconnues.

Vecteur des moyennes Matrice de covariance

 Y  Y  E  Y L   a  X  b
T
T
 Y Y  a  X a
L L

Présenté par: Lassâad WALHA 20

Cours Sureté et Fiabilité des Systèmes Industriels GEM3
Exercice 10.

On considère un poteau de 5m de hauteur soumis

à un chargement S qui est incliné d’un angle  par
rapport à la verticale (voir figure ci contre).
La charge et l’angle sont deux variables aléatoires
statistiquement indépendantes ayant les moyennes
et les écart-types suivants :

 S  100 N  S  20 N   30    5

Déterminer la moyenne et l’écart-type du moment de flexion maximal dans le

poteau par la méthode d’expansion de Taylor du 1er ordre.

Le moment de flexion maximal est définit par:

S
M  5.S .sin( )  Système M=5.S.sin()

Relation NON linéaire

Présenté par: Lassâad WALHA 21

 Cours Sureté et Fiabilité des Systèmes Industriels GEM3
S
S On pose Y  M et X   
 Système M=5.S.sin()  
Y  g ( S , )  g  X 
n
g
 
Y  Yˆ  g  X  
i 1 X i
 X i  i   5. S .sin( )  5.sin( )(S   S )  5. S .cos( )(   )
X  X

ˆ 
Y  Y  5*100 *0.5  5* 0.5( S  100)  5*100*0.866(  )
6
S
Y  Yˆ  2.5(S )  433     226.7 Y   2.5 433    226.7  a X  b
T

 
100 
Y  a  X  b   2.5 433     226.7  250 N .m
T

 
 6 
 202 0 
 2
 2.5 
 Y2  a  X a   2.5 433   Y  62.67 N .m
T
     433  3927.8 N 2 2
m
 0    
  36  

Présenté par: Lassâad WALHA 22

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

Exercice
On considère le système NON linéaire tel que la sortie est définit par:
Y  g  X 1 , X 2   X 13  X 23  18
X1 et X2 sont deux variables aléatoires gaussiennes indépendantes ayant les
moyennes et les écarts-types suivants :

 X1   X 2  10  X1   X 2  5

Calculer la moyenne et l’écart type de Y

g
n
ˆ  
Y Y  g X  
i 1 X i
 X i  i    X3 1
  3
X2  18  3 2
X1 ( X 1   X1 )  3 X2 ( X 2  X 2 )
2

X  X

Y  Yˆ  1000  1000  18  3*100( X 1  10)  3*100( X 2  10)

 X1 
Y  Yˆ  300 X 1  300 X 2  4018 Y   300 300    4018  a X  b
T

 X2 

Présenté par: Lassâad WALHA 23

Cours Sureté et Fiabilité des Systèmes Industriels GEM3

X 
Y   300 300  1   4018  a X  b
T

 X2 

 10 
Y  a  X  b   300 300    4018  1982
T

 10 

 52 0  300 
  a  X a   300 300   Y  2121.3
T
2
Y     4500.10 3

0 52  300 

Présenté par: Lassâad WALHA 24