Upload
vuongbao
View
228
Download
0
Embed Size (px)
Citation preview
Statistik – karakteristiske værdier 1
BESTEMMELSE AF KARAKTERISTISKE VÆRDIER bestemmelse af karakteristiske værdier for materialeparametre og modstandsevner • metode i anneks A i DS 409 (DS 409: Sikkerhedsbestemmelser for Konstruktioner, 1999) baseret på klassik statistik • metode i anneks D i EN 1990 (Eurocode 0: Basis of structural design) baseret på Bayesiansk statistik Anvendelse af forsøg i design: • materialeparametre kendes ikke med tilstrækkelig sikkerhed • beregningsmodellerne ikke er tilstrækkeligt verificeret • der skal benyttes et stort antal ens komponenter • der ønskes udført kvalitetskontrol på det leverede materiale eller de leverede komponenter Typer af forsøg: • forsøg til at bestemme specifikke materialeparametre • forsøg til at reducere usikkerhed i beregningsmodeller • kontrol forsøg til at checke kvaliteten af leverede materialer
Statistik – karakteristiske værdier 2
Fastlæggelse af karakteristiske værdier ved anvendelse af anneks A i DS 409 Ingen statistisk usikkerhed: Karakteristisk værdi, kx for stokastisk variabel X : bestemmes ⋅p 100 % fraktilen i fordelingsfunktionen )(xFX :
)(1 pFx Xk−=
Normalt benyttes 05.0=p , dvs. 5 % fraktiler
Statistik – karakteristiske værdier 3
Statistisk usikkerhed medtages: Begrænset antal stikprøver til rådighed: n stikprøveværdier: ),...,,( 21 nxxx I DS 409 bestemmes den karakteristiske værdi kx som det nedre endepunkt i et 84.1 % konfidensinterval for fraktilværdien Normal fordelt variabel med ukendt middelværdi og spredning. Middelværdi m og varians 2s :
∑==
n
iix
nm
1
1
∑ −−
==
n
ii xx
ns
1
22 )(1
1
Karakteristiske værdi: skmx ssk −= nkx , og ∞,kx svarende til n og uendelig mange forsøgsresultater
Statistik – karakteristiske værdier 4
Forklaring af sk : m udfald af stokastisk variabel X : Normalfordelt med middelværdi μ og spredning n/σ
2
2
)1(σsn − udfald af stokastisk variabel 2
2
)1(σSn − : 2χ fordelt med )1( −n frihedsgrader
På basis af stikprøveparametrene m og 2s estimeres stikprøvens karakteristiske værdi:
skmx ssk −= der vil være et udfald af en stokastiske variabel
SkXX ssk −= Faktoren sk bestemmes således, at sandynligheden for at X sk er mindre end (den sande værdi) kx mindst er q , d.v.s. kx ligger på den sikre side i forhold til estimatet skX q : konfidensniveauet typisk lig 0.841
Statistik – karakteristiske værdier 5
( ) qnknunTP
nkS
nun
X
P
uSkXPxXP
sp
s
p
psksk
≥≤−=
⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜
⎝
⎛
≤−
−
=
+≤−=≤
),(
//
)()(
σσ
μ
σμ
hvor ),( nunT p− har en ikke-central t -fordeling med 1−n frihedsgrader og ikke-centralitets parameteren nu p−=λ For givne værdier af p , n og q kan sk bestemmes
Statistik – karakteristiske værdier 6
Normal fordelt variabel med ukendt middelværdi og kendt spredning σ
Middelværdi ∑==
n
iix
nm
1
1
Karakteristiske værdi: σσkmxsk −= p=0,023 p=0,05 p=0,10 n sk σk sk σk sk σk 5 3,47 2,44 2,91 2,09 2,33 1,7310 2,79 2,31 2,34 1,96 1,87 1,6015 2,59 2,25 2,16 1,90 1,73 1,5420 2,49 2,22 2,07 1,87 1,65 1,5130 2,38 2,18 1,98 1,83 1,57 1,4650 2,28 2,14 1,89 1,79 1,50 1,42100 2,19 2,10 1,81 1,75 1,43 1,38∞ 2.00 2.00 1,65 1,65 1,28 1,28σk og sk som funktion af n for q=0.841 og p=0.023, 0.05 og 0.10. Værdierne svarer til
kontroltallene i anneks A i DS 409.
Statistik – karakteristiske værdier 7
Forklaring af σk : Benyttes de samme principper som ovenfor fås
( )
( )( ) quknUP
uknn
XP
ukXPxXP
p
p
pksk
≥+≤=
⎟⎠⎞
⎜⎝⎛ +≤
−=
+≤−=≤
/
)()(
σ
σ
σ
σμ
σμσ
hvor U er standard Normal-fordelt med forventningsværdi = 0 og spredning = 1 →
nquk p /)(1−Φ+−=σ
Statistik – karakteristiske værdier 8
LogNormalfordelte stokastiske variabler Antages X at være LogNormal fordelt er XY ln= normalfordelt LogNormal fordelt variabel med ukendt variationskoefficient
Middelværdi: ∑==
n
iiY x
nm
1ln1
Varians: ∑ −−
==
n
iYiY mx
ns
1
22 )(ln1
1
Karakteristiske værdi: )exp( YsYsk skmx −= LogNormal fordelt variabel med kendt variationskoefficient mV
Middelværdi: ∑==
n
iiY x
nm
1ln1
Karakteristisk værdi: )exp())1ln(exp( 2
mYmYsk VkmVkmx σσ −≅+−=
Statistik – karakteristiske værdier 9
Ved ‘design baseret på prøvning’ stilles krav til:
- et mindste antal forsøg, f.eks. 5≥n . -
- hvordan en homogen population defineres, herunder hvordan forsøgsresultaterne udtages / bestemmes udfra en given produktion, f.eks. hvor mange stikprøver der skal udtages fra hver kontrolafsnit.
Statistik – karakteristiske værdier 10
Eksempel Forsøg med =n 5 indlimede armeringsjern giver følgende målte styrker: 22.3 kN, 28.6 kN, 26.4 kN, 30.4 kN og 24.2 kN Styrken modelleres ved en Lognormal fordeling og spredningen er ukendt Middelværdi:
( )
3.266 =
2.24ln4.30ln4.26ln6.28ln3.22ln51
ln11
++++=
∑==
n
iiY m
nm
Spredning:
∑ −−
==
n
iiy ym
ns
1
2)(ln1
1 = 0.138
Karakteristisk værdi: 5 % fraktil: sk =2,91
5.17)138.091,2266.3exp()exp( =⋅−=−= ysYk skmx kN
Statistik – karakteristiske værdier 11
Fastlæggelse af karakteristiske værdier ved anvendelse af anneks D i EN 1990 (Eurocodes) • Bayesiansk statistik benyttes Normal fordelt variabel med ukendt middelværdi og spredning. Middelværdi μ og spredning σ antages ukendte / usikre Prior fordeling for μ og σ : Normal-Invers-Gamma-2 fordeling med parametrene 'm , 'ν , ′s og 'n
Test resultater: )ˆ,...,ˆ,ˆ(ˆ 21 nxxx=x Test statistikker:
∑==
n
iix
nm
1ˆ
1
∑ −−
==
n
ii xx
ns
1
22 )''ˆ(1
1
1−= nν
Statistik – karakteristiske værdier 12
Posterior fordeling: Normal-Invers-Gamma-2 fordeling med parametrene
nnn += '''
( ) ''/'''' nnmmnm +=
( ) ''/'''''''' 222222 ννν mnnmsmnss −+++=′′
1''' −+= ννν for 1'≥ν og ννν += ''' for 0'=ν Prediktiv (opdateret) fordeling for X givet )ˆ,...,ˆ,ˆ(ˆ 21 nxxx=x : Student-t fordeling Karakteristisk værdi svarende til fraktil værdi (sandsynlighed) på p :
''11'''' ,'' n
stmx pvsk +−=
hvor pvt ,'' : p-fraktil i Student-t fordelingen med ''ν frihedsgrader
Statistik – karakteristiske værdier 13
Prior fordelingen er karakteriseret ved prior parametrene 'm , 'ν , ′s og 'n Information udtrykkes ved:
')( sE =σ '2
1)(v
COV =σ
')( mE =μ ''
')(nm
sCOV =μ
Haves et skøn på )(σE , )(σCOV , )(μE og )(μCOV kan prior parametrene 'm , 'ν , ′s og 'n bestemmes
Statistik – karakteristiske værdier 14
Normal fordelt variabel med ukendt middelværdi og kendt spredning σ Middelværdi μ antages ukendt / usikker Prior fordeling for μ : Normal fordeling med parametrene 'm og '/ nσ Test resultater: )ˆ,...,ˆ,ˆ(ˆ 21 nxxx=x Test statistik:
∑==
n
iix
nm
1ˆ
1
Posterior fordeling for μ : Normal fordeling med
Middelværdi: nnmnnmm
++
='''''
Spredning: ''/'' ns σ= hvor nnn += '''
Statistik – karakteristiske værdier 15
Prediktiv (opdaterede) fordeling for X givet )ˆ,...,ˆ,ˆ(ˆ 21 nxxx=x : Normal fordeling med Middelværdi: ''m
Spredning: ''1''
nn +
σ
Karakteristisk værdi svarende til fraktil værdi (sandsynlighed) på p bestemmes af:
''11''n
umx psk +−= σ
pu : p-fraktilen i standard Normal fordelingen
Statistik – karakteristiske værdier 16
Prior fordelingen er karakteriseret ved prior parametrene 'm og 'n Information udtrykkes ved:
')( mE =μ ''
)(nm
COV σμ =
Haves et skøn på )(μE og )(μCOV kan prior parametrene 'm og 'n bestemmes
Statistik – karakteristiske værdier 17
Ingen prior information : diffus prior Situation med ukendt spredning:
'ν = 0 og 'n =0 'm og ′s : ikke relevante Hermed fås:
nn ='' mm =''
22 ss =′′ 1'' −= nν
→
skmn
stmx spnsk''
,'111 −=+−= −
ntk pns
11,1'' += − : faktor, som findes i tabel D1 i Anneks D i EN 1990 for ukendt spredning
Statistik – karakteristiske værdier 18
Situationen med kendt spredning :
'n =0 ∞='ν ′s = σ 'm : ikke relevant Hermed fås:
nn ='' mm =''
22 σ=′′s ∞=''ν
→
σσσ σ''
,1111 kmn
umn
tmx ppsk −=+−=+−= ∞
nuk p
11'' +=σ : faktor, som findes i tabel D1 i Anneks D i EN 1990 for kendt spredning
Statistik – karakteristiske værdier 19
p=0,025 p=0,05 p=0,10 n pnt ,1− pu pnt ,1− pu pnt ,1− pu 5 2.766 1.960 2.132 1,645 1.533 1,28210 2.262 1.960 1.833 1,645 1.383 1,28215 2.145 1.960 1.761 1,645 1.345 1,28220 2.093 1.960 1.729 1,645 1.328 1,28230 2.045 1.960 1.699 1,645 1.311 1,28250 2.009 1.960 1.676 1,645 1.299 1,282100 1.984 1.960 1.660 1,645 1.290 1,282∞ 1.960 1.960 1,645 1,645 1,282 1,282
p=0,025 p=0,05 p=0,10 n ''
sk ''σk ''
sk ''σk ''
sk ''σk
5 3.03 2.15 2.33 1.80 1.68 1.40 10 2.37 2.06 1.92 1.73 1.45 1.35 15 2.22 2.02 1.82 1.70 1.39 1.32 20 2.15 2.01 1.77 1.69 1.36 1.31 30 2.08 1.99 1.73 1.67 1.33 1.30 50 2.03 1.98 1.69 1.66 1.31 1.29 100 1.99 1.97 1.67 1.65 1.30 1.29 ∞ 1.96 1.96 1,65 1,65 1,28 1,28
Statistik – karakteristiske værdier 20
LogNormalfordelte stokastiske variabler Antages X at være LogNormal fordelt er XY ln= normalfordelt X LogNormal fordelt variabel med ukendt variationskoefficient
Middelværdi: ∑==
n
iiY x
nm
1ln1
Spredning: ∑ −−
==
n
iYiY mx
ns
1
22 )(ln1
1
Karakteristisk værdi: )exp( ''
YsYsk skmx −= X LogNormal fordelt variabel med kendt variationskoefficient mV
Middelværdi: ∑==
n
iiY x
nm
1ln1
Karakteristisk værdi: )exp())1ln(exp( ''2''
mYmYsk VkmVkmx σσ −≅+−=
Statistik – karakteristiske værdier 21
Eksempel Eksempel med indlimede armeringsjern betragtes igen Styrken normal fordelt og spredning ukendt =n 5 forsøgsdata giver
Middelværdi: m = 26.38 kN Spredning: s = 3.26 kN Ingen prior viden er til rådighed 5% fraktil : ''
sk =2.33 : skmx ssk''−= = 19.1 kN
Statistik – karakteristiske værdier 22
Prior viden er til rådighed
')( mE =μ = 25 kN ''
')(nm
sCOV =μ = 0.1
')( sE =σ = 3 kN '2
1)(v
COV =σ = 0.2
Heraf bestemmes 'ν = 12.5 og 'n = 1.44
1−= nν = 4 nnn += ''' = 6.44
( ) ''/'''' nnmmnm += = 26.1 kN 1''' −+= ννν = 15.5
( ) ''/'''''''' 222222 ννν mnnmsmnss −+++=′′ = 10.17 kN2
Med p = 0.05 findes pvt ,'' = 1.76
5% fraktil: ''
11'''' ,'' nstmx pvsk +−= = 20.0 kN