Grundlagen der Probabilistik - · Dresdner Probabilistik-Workshop Grundlagen der ... Lehre der Häufigkeit und Wahrscheinlichkeit. Kombinatorik. Wie viele Möglichkeiten gibt es,

Fakultät Maschinenwesen · Institut für Strömungsmechanik · Professur für Turbomaschinen und Strahlantriebe

Grundlagen der Probabilistik

Matthias Voigt


Gliederung

• Einleitung• Theoretische Grundlagen der Stochastik • Probabilistische Methoden • Mögliche Ergebnisse von probabilistischen

Untersuchungen• Mögliche Fehlerquellen bei probabilistischen

Untersuchungen• Zusammenfassung

1. Dresdner Probabilistik-Workshop Grundlagen der Probabilistik Matthias Voigt

Folie 2


Einleitung


Folie 3

StochastikLehre der Häufigkeit und Wahrscheinlichkeit

KombinatorikWie viele Möglichkeiten gibt es, Elemente anzuordnen oder aus einer Menge von Elementen zu ziehen?

StatistikAbleiten von Gesetzmäßigkeiten und Strukturen aus Ereignissen

ProbabilistikDefinition von Modellen zur Beschreibung von zufälligen Ereignissen

Vorhersagen dieser Ereignisse



Folie 4

Eingangsgrößen:Geometrie Belastung

Materialeigenschaften

Deterministische Untersuchungen

Ergebnisse:Temperatur

Spannungen Lebensdauer

Strukturanalyse



Folie 5

Probabilistische Untersuchungen

Strukturanalyse


Gliederung





Folie 6


Zufallsvariablen

Zufallsexperiment

Zufallsvariable


Folie 7

diskret stetig

Wahrscheinlichkeitsfunktion Wahrscheinlichkeitsdichtefunktion


Gaußverteilung

• auch Normalverteilung genannt


Folie 8

[1]


Lognormalverteilung


Folie 9

[1]


Gleichverteilung


Folie 10

[1]


Dreieckverteilung


Folie 11

[1]


•

Arithmetischer Mittelwert:

−

Flächenschwerpunkt der Fläche unter der Dichtefunktion−

Stark abhängig von Ausreißern

•

Median oder Zentralwert: Stichprobenwert, der genau in der Mitte einer geordneten Stichprobe steht.

−

Robustes Lagemaß

•

Modulwert oder Modus: Ausprägung mit der größten Häufigkeit−

Nur eindeutig, wenn die Häufigkeitsverteilung ein eindeutiges Maximum aufweist

Statistische Maße von Stichproben 1


Folie 12

[1]



Folie 13




Standardabweichung:

Variationskoeffizient:


Folie 14

[1]



Skewness (Schiefe): Grad der Asymmetrie einer Verteilung um den Zentralwert

Kurtosis: Grad der Flachheit/Steilheit einer Verteilung


Folie 15

[1]


Kolmogorow-Smirnow-Anpassungstest


Folie 16


Der Anderson-Darling-Test ist eine Modifikation des Kolmogorow-Smirnow-Anpassungstests.Die Abweichungen der Testverteilung von der Zielverteilung werden in den Randbereichen der Verteilungen höher und im Mittelbereich der Verteilung niedriger gewichtet.

Kritische Werte für sind abhängig von der verwendeten Verteilungsfunktion . Tabellierte Werte für für verschiedene Verteilungsfunktionen sind z.B. in [11] veröffentlicht.

Anderson-Darling-Test


Folie 17

[10]


Korrelationen

Korrelationskoeffizient nach Pearson

Wertebereich: [-1,1]

≈

-1 oder 1 starker linearer Zusammenhang≈

0 kein linearer Zusammenhang


Folie 18

[1]


Korrelationen


Folie 19

Rangkorrelationskoeffzient nach Spearman

Wertebereich: [-1,1]≈

-1 oder 1 starker linearer oder monotoner nicht-

linearer Zusammenhang≈

0 kein linearer oder monotoner nicht-

linearer Zusammenhang

[1]


Korrelationen


Folie 20


Korrelationen

Nichtlineare Zusammenhänge?

• Quadratischer Korrelationskoeffizient DYNARDO [9]• Regression • Nichtlineares Korrelationsmaß ProSi • Ant-Hill-Plot


Folie 21


Konfidenzintervall 1


Folie 22

•

Statistische Maße (z.B. Mittelwert, Standardabweichung …) sind Punktschätzungen enthalten keine Aussage über die Güte der Schätzung



Relative Häufigkeit des Ereignisses

Linke Grenze:

Rechte Grenze:


Folie 23

[2]



Folie 24



Grundlagen der Probabilistik Matthias Voigt

Folie 25




Weicht der Korrelationskoeffizient statistisch signifikant von Null ab, unterscheidet sich seine Verteilung von der Normalverteilung [1].


Folie 26

[3]



Folie 27

(α=0.05)



Folie 28

(α=0.05)



Problem: Meist werden Systeme untersucht, in denenmehrere Zufallsvariablen Einfluss auf eine Ergebnisgrößehaben.

Die Anzahl der Zufallsvariablen hat Einfluss auf dieIrrtumswahrscheinlichkeit der Konfidenzintervalle.

Lösung:Anpassung der tolerierbaren Irrtumswahrscheinlichkeitmithilfe der Bonferroni-Methode oder Bonferroni-Korrektur:

Die Bonferroni-Methode ist eine grobe Näherung undsehr konservativ.


Folie 29



Folie 30

(α=0.05)


Gliederung





Folie 31



Folie 32

Monte-Carlo-Simulation (MCS)


Sampling-Methoden 1

• Simple-Random-Sampling (SRS)•

Realisierungen werden „zufällig“ ermittelt

•

„Transformation“ der durch die Zufallsgeneratoren ermittelten Gleichverteilungen in andere Verteilungen erfolgt z.B. mittels Inversions- methode oder Annahme- Ablehnungsmethode

•

„Cluster“-Bildungen der Realisierungen ist möglich


Folie 33


Sampling-Methoden 2

•

Latin-Hypercube-Sampling (LHS)


Folie 34

[13]


Sampling-Methoden 3

•

Descriptive-Sampling (DS)


Folie 35

[14]


Sampling-Methoden 3

Vor- und Nachteile der Sampling-Methoden

SRS

• Zufallszahlen werden „unsystematisch“ erzeugt• Liefert bei geringen Stichprobenumfang hohe

statistische Unsicherheiten

LHS / DS

• Zufallszahlen werden „systematisch“ erzeugt• Beschreibt die Zufallsvariablen mit wenigen

Realisierungen gut


Folie 36


Monte-Carlo-Simulation


Folie 37


Monte-Carlo-Simulation


Folie 38

Überleben

Versagen



Folie 39

Antwortflächenverfahren (RSM)

Überleben

Versagen


Versuchspläne 1

Vollfaktorieller Versuchsplan


Folie 40

[4,5,6]


Versuchspläne 2

Central-Composite-Design


Folie 41

[4,5,6]


Versuchspläne 3

Box-Behnken-Design


Folie 42

[4,5,6]


Versuchspläne 4

Simplex-Design


Folie 43

[4,5,6]



Folie 44

Versuchspläne 5

*

* Bei den Variablenanzahlen 3-7 und 9-12 sind die originalen BBD [7] dargestellt die anderen beruhen auf Veröffentlichungen von Mee [8]


Methode der kleinsten Quadrate 1


Folie 45

Approximationsfunktion mit Polynomen zweiter Ordnung:


Methode der kleinsten Quadrate 2


Folie 46

[4,5,6]


Bestimmtheitsmaß:

Summe der Abweichungsquadrate:

Totale Summe der Abweichungsquadrate:

Summe der Quadrate der Approximationsfehler:

Analyse des Approximationsergebnisses


Folie 47

[4,5,6]


Analyse des Approximationsergebnisses

Das Bestimmtheitsmaß beschreibt den Anteil der Varianz von , der durch die Eingangsgrößen erklärt wird.

korrigiertes Bestimmtheitsmaß:


Folie 48

[4,5,6]


Gliederung





Folie 49


(LHS, DS) (SRS) MCS

Ausfallwahrscheinlichkeit

1. Dresdner Probabilistik-Workshop Folie 50

RSM

Importance Sampling, Zuverlässigkeitsverfahren



Notwendige Anzahl der deterministischen Rechnungen:

MCS: SRS LHS, DS

RSM: - Stark abhängig von der Variablenanzahl - Größer bei unbekannter Lage der Versagensfunktion - Betrachtung jeweils nur einer Ergebnisgröße möglich

Importance Sampling: - Größer bei unbekannter Lage der Versagensfunktion - Betrachtung jeweils nur einer Ergebnisgröße möglich

Zuverlässigkeitsverfahren:- Betrachtung jeweils nur einer Ergebnisgröße möglich- Numerische Probleme bei stark nichtlinearen Versagensfunktionen

Ausfallwahrscheinlichkeit


Folie 51


Robustes Design ?

• Ingenieurmäßige (deterministische) Maße:−

Überschreiten von Grenzwerten

−

Auftreten von unerwünschten plötzlichen Änderungen der Ergebnisgrößen (z.B. lokales Maximum der Ergebnisgröße)

−

Ansprechen von Systeminstabilitäten (z.B.: Beulen)

• Statistische Maße−

Lage der Mittelwerte der Ergebnisgrößen

−

Größe der Variationskoeffizienten der Ergebnisgrößen


Folie 52

[12]



Folie 53

Robustes Design ?


Robustes Design ?


Folie 54

Robustes Design ?

Verzweigungssystem


Robustes Design ?


Folie 55

Verzweigungssystem mit Ausreißern


Robustes Design ?

Notwendige Anzahl der det. Rechnungen bei einer MCS:

Überschreiten von Grenzwerten, Auftreten vonunerwünschten plötzlichen Änderungen der Ergebnisgrößen,Ansprechen von Systeminstabilitäten: −

Abhängig von der Wahrscheinlichkeit des Ereignisses

Lage der Mittelwerte der Ergebnisgrößen: −

≈

30…50

Größe der Variationskoeffizienten der Ergebnisgrößen:−

≈

50…100


Folie 56


Sensitivitäten


Folie 57


Sensitivitäten


Folie 58


Sensitivitäten

Folie 59

Notwendige Anzahl der det. Rechnungen bei einer MCS:•

Abhängig von der Anzahl der probabilistischen Eingangsgrößen

•

Abhängig von den Beträgen der zu ermittelnden Korrelationskoeffizienten



Folie 60

Verbesserung des Systems



Folie 61

Probabilistische Optimierung

Strukturanalyse



Folie 62




Folie 63



Gliederung

• Einleitung• Theoretische Grundlagen der Stochastik• Probabilistische Methoden • Mögliche Ergebnisse von probabilistischen




Folie 64


Einfluss der Eingangsgrößenstreuung


Folie 65


Einfluss der Eingangsgrößenstreuung


Folie 66


Einfluss der Eingangsgrößenkorrelation


Folie 67


Einfluss der Eingangsgrößenkorrelation


Folie 68


Gliederung

• Einleitung• Theoretische Grundlagen der Stochastik• Probabilistische Methoden • Mögliche Ergebnisse von probabilistischen




Folie 69


Folie 70

Probleme Vorteile

• ausreichende Datenbasis für stochastische Variablen

• höherer Ingenieuraufwandparametrische

Modelle be-

züglich

der stochastischen Variablen,Interpretation der Ergebnisse

• hoher Berechnungsaufwanddurch mehrfache Struktur-

analysen

• Versagenswahrscheinlichkeitkeine akkumulierten konservativen Annahmen

• Robustheit des Designs• Sensitivität

bezüglich der

stochastischen Variablen• Kostengünstigeres Design

größere Toleranzen wenn möglich, kleinere Toleranzen

wenn nötig

bei der Anwendung der probabilistischen

Methoden

Zusammenfassung



Grundlagen der Probabilistik

Matthias Voigt


Literatur

1. Dresdner Probabilistik- Workshop


Folie 72

[1]

[2]

[5]

[4]

[7]

[3]

[6]

[8]

[9]

[10]


Literatur

1. Dresdner Probabilistik- Workshop


Folie 73

[11]

[13]

[12]

[14]


Deterministisches Beispiel


Folie 74


Deterministisches Beispiel

Folie 75

Verformungen:

Documents

Grundlagen der Probabilistik - · Dresdner Probabilistik-Workshop Grundlagen der ... Lehre der Häufigkeit und Wahrscheinlichkeit. Kombinatorik. Wie viele Möglichkeiten gibt es,