Universidad de Chile

Facultad de Ciencias Físicas y Matemáticas

Departamento de Ingeniería Civil

Cuantificación de Incertidumbres

Tarea N°3

Alumno: José Rosa

Profesor: Rafael Ruiz
Fecha de entrega: 19 de abril de 2019
 1

Tarea N°3 Cuantificación de Incertidumbres

 2

a) Using 1000 samples calculate the mean value for 𝒅𝒎𝒂𝒙 by MCS. In this case generate samples for 𝒙 directly
from the distribution in (𝟐) and (𝟑). Provide the estimate for the average value and the estimate for the
coefficient of variation.

Se obtienen los siguientes resultados para el valor esperado:

𝑑 𝑚𝑒𝑑𝑖𝑜 = 0,001047 𝑚

𝜎 = 7,2705 × 10 𝑚

𝐶. 𝑂. 𝑉 = 2,20 %

OBS: en el caso de 𝐸, se toman muestras de la distribución Gaussiana del 𝑙𝑛(𝐸), luego éstas son convertidas
a 𝐸 [𝑘𝑁/𝑚 ] mediante la función “𝑒𝑥𝑝(𝑙𝑛(𝐸))” para el cálculo de cada muestra de 𝑑 . Se tiene la misma
consideración para E en los problemas siguientes.

b) Convert now the problem to the standard Gaussian space: introduce appropriate transformation so that
𝒈
𝒙𝒊 ~𝑵(𝟎, 𝟏) ∶ 𝒊 = 𝟏, 𝟐, 𝟑 and you can express 𝒙 in terms of 𝒙𝒈 . For the rest of the assignment operate in
the standard Gaussian space.
Using 1000 samples calculate the mean value for 𝒅𝒎𝒂𝒙 by MCS. Plot the estimates for the mean value and
the coefficient of variation as a function of the iteration number.

Para convertir el problema a estándar Gaussiano, se utiliza la ecuación de transformación de PDFs:

𝑥~𝑁(𝜇 , Σ )
𝑥 ~𝑁(0, Ι)
𝑥 = 𝜇 + 𝐶𝑥
Donde:
Ι: Matriz identidad
𝐶: Factorización o Descomposición de Cholesky (lower)

De tal manera, se obtienen los siguientes resultados para el valor esperado:

𝑑 𝑚𝑒𝑑𝑖𝑜 = 0,001079 𝑚

𝜎 = 7,3699 × 10 𝑚
Comentario: La desviación estándar del 𝑑 tiene un valor similar al calculado mediante el Montecarlo
Directo en la parte (a).

𝐶. 𝑂. 𝑉 = 2,16 %

Gráfica del valor medio en función de número de iteración:

Tarea N°3 Cuantificación de Incertidumbres

 3

Fig. 01: Valor medio de 𝒅𝒎𝒂𝒙 en función del número de iteración, Monte Carlo Estándar Gaussiano

En la Fig. 01 se observa que 𝑑 𝑚𝑒𝑑𝑖𝑜, se hace menos disperso a medida que aumentan el número de
iteraciones, es decir, converge con el valor esperado de nuestra caja negra para 𝑑 .

Gráfica del 𝐶. 𝑂. 𝑉 en función de número de iteración:

Fig. 02: 𝐶. 𝑂. 𝑉 en función del número de iteración, Monte Carlo Estándar Gaussiano

En la Fig. 02 se observa que el 𝐶. 𝑂. 𝑉 es menor mientras mayor sean el número de iteraciones, por lo
tanto, a más iteraciones, mayor será la calidad del Monte Carlo. Asimismo, se observa que a partir de las 200
iteraciones se obtiene un 𝐶. 𝑂. 𝑉 menor a 5%, aproximadamente.

c) Calculate numerically (for example using ‘fminunc’ in MATLAB) a local maximum for the integrand of the
probabilistic integral (expressed always in standard Gaussian space). What values of the model parameters
maximize the integrand in (4)?

En el espacio estándar Gaussiano los valores óptimos de 𝑥, son:

−0.4961
𝑥 = −0.1079
0.2902

Tarea N°3 Cuantificación de Incertidumbres

 4

Dichos valores llevados al espacio físico son:

3.8921 [𝑚]
𝑥 = 110.8187 [𝑘𝑁]
156 × 10 [𝑘𝑁/𝑚 ]

d) Use the info from question (c) to establish an efficient Importance Sampling density and repeat question (b).

Se obtienen los siguientes resultados:

𝑑 𝑚𝑒𝑑𝑖𝑜 = 0,001069 𝑚

𝜎 = 2,0676 × 10 𝑚
Comentario: La desviación estándar del 𝑑 calculado mediante el Monte Carlo Important Sampling es
aproximadamente el 30% de la desviación estándar calculada en el Monte Carlo Estándar Gaussiano, es
decir, las muestras de 𝑑 calculadas convergen más con el valor esperado.

𝐶. 𝑂. 𝑉 = 0,61 %
Comentario: El cov del Montecarlo Important Sampling es aproximadamente el 30% de cov del Monte Carlo
Estándar Gaussiano. En el Important Sampling aumenta la calidad del Monte Carlo.

Gráfica del valor medio en función de número de iteración:

Fig. 03: Valor medio de 𝒅𝒎𝒂𝒙 en función del número de iteración, Monte Carlo Important Sampling

En la Fig. 03, se verifica que el 𝑑 𝑚𝑒𝑑𝑖𝑜, se hace menos disperso a medida que aumentan el número de
muestras, variando entre valores de 0.00106 a 0.00108 𝑚, aproximadamente, cuando K es cercano a 1000.

Gráfica del 𝐶. 𝑂. 𝑉 en función de número de iteración:

Tarea N°3 Cuantificación de Incertidumbres

 5

Fig. 04: 𝐶. 𝑂. 𝑉 en función del número de iteración, Monte Carlo Important Sampling

En la Fig. 04 se observa que el cov del Montecarlo (Important Sampling) alcanza valores mucho menores con
respecto al cov del Montecarlo Directo en Espacio Gaussiano calculado en la parte (b).

e) Use How many more samples would you need in (b) to get the same accuracy for your estimate as in (d).

Efectuando el Monte Carlo directo Estándar Gaussiano para diferentes “K”, se observa que se necesitarían
aproximadamente de 12.000 muestras, para obtener un valor de 𝐶. 𝑂. 𝑉 alrededor del 0.61%.

(Se adjunta script en Matlab con el desarrollo de la presente tarea)

Tarea N°3 Cuantificación de Incertidumbres