- •Шумилов к. А. Козлова е. М. Вероятностные методы в строительной механике
- •Часть 1
- •Оглавление
- •Задачи теории вероятностей в строительстве. Понятие надежности и ее свойства
- •Основные положения теории вероятностей используемые для решения задач теории надежности строительных конструкций
- •3. Характеристики распределения случайных величин
- •3.1 Одномерная случайная величина
- •3.2 Случайная векторная величина двух измерений
- •3.3 Числовые характеристики распределения системы двух случайных величин
- •Некоторые наиболее важные законы распределения случайных величин
- •4.7 Распределение максимумов случайных величин
- •5. Случайные функции
- •5.1 Характеристики случайных функций
- •5.2. Выбросы случайной функции за заданный уровень
- •Подстановка (82) и (81) в (80) даст для временной плотности вероятности выброса
- •В случае нестационарной функции
- •6. Приближенные методы нахождения распределения функций с.В.
- •7. Вероятность редких событий (появление случайного события a за время t)
- •8. Простейшие модели надежности
- •8.1 Последовательное соединение элементов
- •8.2 Параллельное соединение элементов
- •Литература
- •Приложение
3.3 Числовые характеристики распределения системы двух случайных величин
М.о. ,(32.3)
или в общем виде (32.3).
Геометрически точка является проекцией на плоскостьXOY центра тяжести объема, ограниченного поверхностью распределения p(x,y).
Дисперсия: (33.3).
Корреляционный момент с.в. X и Y: (34.3).
Корреляционный момент характеризует стохастическую зависимость между с.в. а также рассеивание. Корреляционный момент - м.о. произведения отклонений двух с.в. от их мат. ожиданий , при.
Корреляционный момент - достоверная величина.
Если зависимости между X и Y нет, то Kxy=0, но из того, что Kxy=0 не следует независимость X и Y.
С.в. могут быть:
1) Независимы, т.е. не коррелированы Kxy=0;
2) Зависимы и коррелированы Kxy0;
3) Зависимы и не коррелированы Kxy=0 (если поверхность плотности распределения симметрична относительно осей координат OX и OY, т.е. M(X)=M(Y)=0).
Коэффициент корреляции: , (35.3)
где - стандарт.
-1 rxy 1 - характеризует степень тесноты линейной зависимости между с.в. rxy=1 при Y=aX+b (линейная функциональная стохастическая связь).
При нелинейной функциональной связи rxy<1. При отсутствии стохастической связи rxy=0 - необходимое, но недостаточное условие независимости X и Y.
Систему n с.в. можно охарактеризовать n м.о. ,n дисперсиями иn(n-1) корреляционными моментами KXiYj с i j (при этом KXiYj=KXjYi).
Функции случайных величин
Функция с.в. будет также случайной величиной Y=(X). Ее распределение соответствует распределению аргумента, но с измененной шкалой абсцисс. P(y)=Prob(Y<y)=Prob((X)<y).
(36.3)=(17.3),
где (y) - функция обратная (х) (замена подинтегрального выражения x=(y), dx=(y)dy).
Если Y=(X), где (X) - монотонная функция своего аргумента, то распределение Y определяется тем, что вероятность нахождения y в пределах y1<Y<y2 равна вероятности неравенства х1<X<x2,
где y1=(x1) и y2=(x2).
М.о. и дисперсия с.в. Y:
(37.3)=(20.3) и (22.3).
Доказательство (37.3):
Для линейной функции Y=aX+b из (37.3) и (18.3) следует
и D(Y)=a2D(X) (38.3).
Доказательство (38): .
Для функции Z=(X,Y) двух случайных аргументов м.о. и дисперсия (39.3).
Если Z=(X,Y)=X+Y и X и Y - независимы, то м.о. и дисперсия суммы независимых с.в. величинD(Z)=D(X)+D(Y).
Плотность распределения непрерывной с.в. Y, связанной монотонной функциональной зависимостью Y=(X) с непрерывной с.в. Х:
или (40.3),
где x=(y) - функция обратная y=(x).
Для линейной функции y=ax+b из (40) следует
p(y)=(1/a)p(x) (40.3).
Если Y=(X/R) и p(x/r) - условная плотность вероятности с.в. Х, входящей в систему (X,R), то условная плотность вероятности с.в. Y - ,
где (y/r) - функция обратная Y=(X/R), а безусловная плотность вероятности с.в. Y:
,
где p(r) - плотность вероятности с.в. R.
Если имеются функции с.в. U=U(X,Y) и V=V(X,Y), то, зная совместную плотность распределения p(x,y), совместная плотность распределения U и V:
(41.3)
(в скобках - Якобиан ).
Матожидания: (42.3),
дисперсия ,
корреляционный момент .
В случае линейного преобразования U=a1X+b1Y+c1 и V=a2X+b2Y+c2 по (41.3) и (42.3) имеем:
(43.3),
и (44.3).
Дисперсия
Доказательство (44)
Запишем еще раз дисперсии и корреляционные моменты:
, ,(доказать самостоятельно).
Зная плотность распределения p(U,V), где U=U(X,Y) и V=V(X,Y), можно определить плотность распределения p(U) или p(V): .
Пример (стр.23 [7]). Стержень нагружен изгибающим моментом Mb и крутящим моментом Mt, и есть их совместная плотность вероятности pq(Mb,Mt). Кроме того, моменты Mb и Mt стохастически независимы и подчиняются центрированному нормальному распределению:
,
где b и t – стандарты Mb и Mt.
Опасное состояние стержня достигается при превышении некоторой функцией этих моментов предельного значения Mr>Mr,lim, зависящего от свойств материала и геометрии сечения стержня. Например, для стержня круглого сечения из пластического материала эта функция может быть взята в виде , гдеMr – приведенный момент, определенный в соответствии с критерием текучести, основанном на наибольших касательных напряжениях.
Касательное напряжение от крутящего момента , гдеI - полярный момент круглого сечения, y – радиус окружности, содержащей рассматриваемую точку, = max при y=r (r – радиус стержня). Нормальное напряжение от изгибающего момента . Для расчета надежности стержня необходимо знать плотность вероятностиpu(Mr) приведенного момента Mr.
Перейдем к полярным координатам, положив , где 02. Согласно (41.3) совместная плотность распределения с. в. Mr и :
.
Используя и замечая, что якобиан преобразования,
найдем
Плотность распределения вероятности pu(Mr) определяется интегрированием полученной формулы по углу : . Используя формулу анализа, где- функция Бесселя мнимого аргумента нулевого порядка, получим окончательно.
Если дисперсии моментов Mb и Mt одинаковы, т.е. b=t=, то I0(0)=1 и . При этом приведенный момент подчиняется распределению Рэлея.