Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

Cotas para as Estimativas dos Momentos Estatsticos do

Problema Estocstico de Difuso-Reao
Claudio R. vila da Silva Jr., avila@utfpr.edu.br

Resumo: Este artigo apresenta cotas inferior e superior para as estimativas dos momentos estatsticos de
primeira e segunda ordem, do processo estocstico de deslocamento axial de uma haste sujeita a um
carregamento. A incerteza est presente nos coeficientes de rigidez da haste. A modelagem da incerteza
feita atravs de processos estocsticos parametrizados. A simulao de Monte Carlo utilizada para
gerar o conjunto de realizaes e determinao das estimativas dos momentos estatsticos. A partir disso,
as propriedades da srie de Neumann so utilizadas para obter as cotas inferiores e superiores para as
funes amostrais do processo estocsticos de deslocamento axial da haste. A metodologia proposta
mostrou-se eficiente, em relao a simulao de Monte Carlo, e teve seu desempenho avaliado ao ser
aplicada em dois problemas, cujos resultados so apresentados nesse trabalho.

Palavras-Chaves: Srie de Neumann, simulao de Monte Carlo, cotas inferior e superior para
realizaes, modelo de difuso-reao, estimativas dos momentos estatsticos.

1.

Introduo
Nas ultimas dcadas, a quantificao da incerteza, tem sido amplamente

empregada na modelagem de problemas de engenharia. O aumento da capacidade

computacional instalada, assim como a proposio de novas tcnicas, e metodologias de
anlise e soluo de problemas com incerteza, favorece essa tendncia. Apesar disso, a
simulao de Monte Carlo direta, ainda muito utilizada como referncia para
avaliao dessas novas proposies e metodologias. Em geral, a utilizao da simulao
de Monte Carlo direta, envolve um alto custo computacional. A sua utilizao pode at
mesmo ser proibitiva, para certas aplicaes. Por exemplo, para problemas que
apresentam no linearidades ou de grande dimenso. Atualmente, devido a
complexidade crescente dos problemas de anlise de estruturas, torna-se imprescindvel
a utilizao de mtodos numricos, tais como mtodos do elementos finitos, diferenas
finitas ou elementos de contorno. Nesses mtodos a soluo de uma equao diferencial
linear aproximada pela soluo de um sistema linear de equaes algbricas (matriz de
rigidez). Neste contexto, se o mtodo de simulao de Monte Carlo for utilizado, ento,

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

para cada amostra estrutural, deve-se reavaliar a matriz de rigidez. Dependendo da

dimenso do sistema linear, e do nmero de amostras, esse procedimento apresenta alto
custo computacional. A srie de Neumann, para um operador linear definido em
dimenso finita, A :
n
n , prope que a inversa desse operador, seja representado
por uma srie formada, por composies de um operador P :
n
n , relacionado
com o operador "A" Notando que em dimenso finita, os objetos matemticos que
representam operadores lineares, so matrizes. Os trabalhos que utilizam a srie de
Neumann, tem como objetivo a reduo do custo computacional, pois a inversa do
operador aproximada pelo truncamento dessa srie. Dependendo do nmero de termos
utilizados na srie, pode ocorrer que o nmero de operaes realizadas por tal
aproximao, menor do que as operaes necessrias, para obter a soluo exata do
sistema linear, atravs da utilizao de algum mtodo iterativo para obter a matriz
inversa. Utilizando-se a srie de Neumann problemas de engenharia, destacam-se os
seguintes trabalhos: Yamazaki (1989) utilizou a srie de Neumann para obter as
realizaes do processo estocstico de deslocamentos, para um problema de elasticidade
plana com incerteza no mdulo de Young; Arajo & Awruch (1994) obtiveram a
resposta de problemas estruturais estticos no lineares e dinmicos, com variabilidade
randmica nas propriedades mecnicas; Chakraborty & Dey (1998) formularam o
problema dinmico de flexo de vigas curvas, no domnio da freqncia de estruturas,
com incerteza sobre os parmetros de rigidez; Lei & Qiu (2000) aplicaram a srie de
Neumann para a anlise da propagao da incerteza em estruturas, aplicado a problemas
dinmicos; Chakraborty & Bhattacharyya (2002) determinaram as estatsticas para
problemas tridimensionais de elasticidade linear, cujas as propriedades elsticas foram
representadas por processos estocsticos gaussianos; Li et al. (2006) apresentam uma
metodologia para obter solues para o sistema linear, proveniente da discretizao do
problema estocstico; Schevenels et al. (2007) propem uma metodologia baseada em
funes de Green, e a comparam com a srie de Neumann, para o caso contnuo, em um
problema de propagao de ondas, em uma viga infinita apoiada em uma fundao de
Winkler, com incerteza sobre o coeficiente de rigidez da fundao. Em todos os
trabalhos citados, a srie de Neumann utilizada, somente, como uma alternativa mais
eficiente para soluo do problema. No exploradas outras propriedades, tal como a
estimativa da srie de Neumann. A proposta apresentada nesse artigo faz uso dessa

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

estimativa. Alm disso, no se tem registro de alguma aplicao da srie de Neumann,

para avaliar a propagao da incerteza, atravs do modelo de difuso-reao.
Neste trabalho utiliza-se o mtodo de simulao de Monte Carlo e as propriedades
da srie de Neumann, para obter as estimativas para os momentos estatsticos de
primeira e segunda ordem para o processo estocstico de deslocamento axial de uma
haste. Essas estimativas so obtidas, a partir do conjunto de realizaes do problema de
difuso-reao, com incerteza sobre os coeficientes de difuso e reao, ou seja os
coeficientes de membrana e rigidez, respectivamente. A modelagem da incerteza feita
atravs de processos estocsticos parametrizados. Na seo 2.1 apresentado um estudo
de existncia e unicidade das realizaes associadas, a cada amostra estrutural, (amostra
dos coeficientes de membrana e rigidez). O mtodo de Galerkin, seo 3, utilizado,
para obter as solues numricas aproximadas do processo estocstico de deslocamento
axial. Para cada amostra estrutural, utiliza-se a representao, via srie de Neumann
para inversa da matriz de rigidez, para apresentar na seo 5, formalmente, as cotas
inferior e superior, para cada realizao (funo amostral) do processo estocstico de
deslocamento axial da haste. Para tanto, recorre-se a estimativa da soma da srie de
Neumann. Para aumentar a eficincia computacional da estratgia proposta, utiliza-se a
equivalncia de normas de operadores definidos em dimenso finita. A partir disso, so
apresentadas, na seo 6, cotas inferiores e superiores para valor esperado e correlao,
para o processo estocstico de deslocamento. Para avaliar a estratgia proposta, so
apresentados, na seo 7, os resultados numricos de dois exemplos, comparando-se os
resultados numricos em termos das estimativas para valor esperado e correlao do
conjunto das realizaes das cotas inferior e superior para o processo estocstico de
deslocamento e suas aproximaes numricas do obtidas via simulao de Monte Carlo
direta.

2.

Formulao Matemtica do Problema de Difuso-Reao

Nesta seo apresentam-se o problema estocstico de difuso-reao a ser

estudado, as hipteses sobre os dados e o estudo da existncia e unicidade de solues

(realizaes). Este problema prev o deslocamento axial de uma haste, considerando
uma rigidez linear. Esta rigidez modela uma resistncia linear ao deslocamento axial da
haste. O problema estocstico est definido no espao de probabilidade

( , F , P ) ,

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

sendo " " o espao amostral de eventos, " F " a -lgebra de eventos e " P " a medida
de probabilidade. Desta forma, o problema estocstico de deslocamento em uma haste
considerando rigidez linear definido por,
Find u L2 ( ( , F , P ) ; H 2 ( 0, l ) H 01 ( 0, l ) ) , such as,

d
du
dx EA dx + u = q, ( x, ) ( 0, l ) ( , F , P ) , a. e.;

u ( 0, ) = u ( l , ) = 0, , a. e.;

(1)

sendo EA o coeficiente de membrana (difuso), o coeficiente de rigidez (reao), u

processo estocstico de deslocamento axial e q o carregamento mecnico. For the
qualitative analysis regarding existence and uniqueness of the response, the following
hypotheses are considered:

a,a
+ , P
H1 :
+
b, b
, P

(( x, ) ( 0, l ) : EA ( x, ) a,a ) = 1;

(( x, ) (0, l ) : ( x, ) b, b ) = 1;

(2)

H2 : q L2 ( , F , P; L2 ( 0, l ) ) .
The hypothesis H1 ensures that the beam and foundation stiffness coefficients are
positive-defined and uniformly limited in probability, Babuska et al. (2005). The
hypothesis H2 ensures that the stochastic load process has a finite variance. These
hypotheses are necessary for the application of the Lax-Milgram lemma, which is used
in the sequence to demonstrate the existence and uniqueness of the solution.

2.1. Existence and uniqueness of the solution

Nesta seo feita a anlise terica sobre existncia e unicidade da i-sima
realizao, ou seja a soluo do problema definido na Eq. (1), relativa a i-sima amostra
N

estrutural dos coeficientes. Seja {i }i=1 , com i , i {1,..., N} , com i j =

para i j e 1 ,..., Ni i , um conjunto de eventos elementares. A partir disso,

N

define-se = 1  N = i . Seja
i=1

{EA ( x, ) , ( x, )} ,
i

a i-sima amostra

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

estrutural dos coeficientes de rigidez, ento do lema de Doob-Dynkin, Rao (2010), temse que a i-sima realizao do processo estocstico de deslocamento depender de

{i , i } , ( u = u ( x, i , i ) ) .

Em vista disso, para a i-sima amostra estrutural, o

problema variacional abstrato (PVA), definido em V = H 01 ( 0, l ) como,

Para EA ( x, i ) , ( x, i ) , fixados, determinar

a ( u, v ) ( i ,i ) = f ( v ) , v V ;

u V tal que,

(3)

sendo a :V V
, a forma bilinear dada por,

dv + x, uv dx ,
a ( u, v ) ( i , i ) = EA ( x, i ) du
( i)
dx dx
0

(4)

e f : V
um funcional linear,

f ( v ) = ( qv )( x )dx .

(5)

A partir das definies apresentadas nas Eqs. (4) e (5), para i-sima amostra estrutural
dos coeficientes de rigidez da viga e fundao, assegura-se, atravs do resultado que
segue, a existncia e unicidade de solues dos problemas definidos nas Eqs. (1) e (3).

Theorem (Existence and Uniqueness): Sejam EA , e q, tais que as hipteses H1 e

H2, Eq. (2), sejam satisfeitas. Ento, para a i-sima amostra estrutural dos coeficientes,

{EA ( x, ) , ( x, )} , a soluo do problema definido na Eq. (3), existe e nica em V.

i

Proof: Observa-se que e da hiptese (H1), tem-se que { EA ( x, i ) , ( x, i )} a isima amostra estrutural, fixada, limitada em probabilidade. The proof of existence
and uniqueness uses the Lax-Milgram lemma, (Brenner & Scott (1994) e Babuska et al.
(2005)). It is necessary to show that the bi-linear form, Eq. (4), of the problem defined
in Eq. (3), is continuous (a) and coercive (b). Da desigualdade de Cauchy-Schwarz,
Yoshida (1978), vale a seguinte estimativa:

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

a.

continuity
1

l 2 2 l 2 2
l du 2 2 l dv 2 2
a ( u, v ) c u dx v dx + b ( dx ) dx ( dx ) dx C u
0
0

0
0

vV,

{ })

where C = 2. max b, c ;
b.

coercivity

2
a ( u, u ) c u 2 dx + b ( du
dx ) dx c u V ,

where c = min{b, c} . Da definio do funcional linear, Eq. (5), conclui-se pelo lema de
Lax-Milgram, que o PVA, Eq. (3), possui nica soluo em V.
Em vista disso, e teoremas de regularidade, , tem-se que a funo amostral do processo
estocstico de deslocamento, soluo fraca do PVA, possui soluo forte em

H 2 ( 0, l ) H 01 ( 0, l ) . Como u V para { EA ( x, i ) , ( x, i )} , fixados, ento a funo

u mensurvel, ento do lema de Doob-Dinkin, Rao & Swift (2010), u = u ( x, i , i ) .
Isto significa que u = u ( x, i , i ) uma realizao, ou funo amostral, do processo
estocstico de deslocamento da haste. A partir disso, pode-se realizar a escolha
adequada para o conjunto de funes, que ser utilizado no mtodo de Galerkin, para
obteno das aproximaes numricas, das realizaes do processo estocstico de
deslocamento.

3.

Mtodo de Galerkin
O mtodo de Galerkin utilizado para obter solues numricas aproximadas,

para as realizaes do processo estocstico de deslocamento. Para isso o espao de

aproximao Vm = span {1 ,, m } obtido, utilizando-se um subconjunto total de V,

(Vm V ) .

O modelo de incerteza sobre os coeficientes um processo estocstico

parametrizado, : ( 0, l )
, com a seguinte forma,

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

( x, ) = ( x ) + i ( x ) i ( ) = ( x ) + ( x ) ( ) ,

(6)

i =1

where ( ) is the expected value of stochastic process ( , ) , : ( 0,l )
M is a

vector-valued

function

with

terms

i C0 ( 0, l ) C

( 0, l ) , i {1,, M}

( ) = {i ( )}i=1 is a vector of independent random variables, such that,

E [ i ] = 0, i {1,, M} ,
.

=
1,
1,
,
M
,
(
)
{
}
(
)
i
i

(7)

where E [] is the expected value operator. In Eq. (7), i is the image of random
variable i , that is, i = i ( ) , with i = [ ai , bi ]
, i = bi ai < , i {1,, N} ,
limited. In this form, the image of random vector : , with
N , and in terms
M

of {i }i=1 , is given by = i . Da existncia e unicidade de solues e do lema de

i =1

Doob-Dynkin, as realizaes do processo estocstico de deslocamento ser uma funo

M

das variveis randmicas ( ) = {i ( )}i=1 ,

u ( x, ) = u ( x, ( ) ) = u ( x, 1 ( ) ,, M ( ) ) .

(8)

A proposta do mtodo de Galerkin obter o espao das solues numricas

aproximadas para a k-sima realizao, a partir do truncamento de um sistema total em
V. As solues numricas aproximadas possuem a seguinte forma,
m

um ( x, k ) = ui ( k ) i ( x ) =( U ( k ) ) ( x ) ,

(9)

i =1

sendo ui ' s os coeficientes a serem determinados, atravs da minimizao do resduo

gerado, ao impor-se essa aproximao na equao diferencial do problema, Eq. (1). Esse

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

procedimento equivalente a substituio da aproximao, Eq. (9), no PVA, Eq. (3). A

partir disso, define-se problema variacional aproximado para a k-sima amostra
estrutural como,

Determinar um ( k ) Vm tal que,

a um k , j = f ( j ) , j Vm .

(10)

( ( ) )

Ao substituir a aproximao numrica para a k-sima funo amostral do processo

estocstico de deslocamento, Eq. (9), no PVA, Eq. (3), gera-se um sistema linear de
equaes algbricas, como segue,

K ( k ) U = F

U = H ( k ) F ,

(11)

sendo K ( k ) M m (
) a matriz de coeficientes ou de rigidez, H ( k ) = ( K ( k ) ) ,

H ( k ) = hij ( k )

m m

e U = u1 ( k ) , , um ( k ) . A i-sima entrada do vetor U ( k )

dada por,

ui ( k ) = hij ( k ) f j .

(12)

j =1

Das Eqs. (9) e (12), a aproximao numrica da funo amostral do processo estocstico
de deslocamento transversal,

um = um ( x, k ) , dada por,

um ( x, k ) = ( hij ( k ) f j )i ( x ) = F ( H ( k ) ( x ) ) .

(13)

i =1 j =1

Pelo mtodo de simulao de Monte Carlo, as estimativas para os momentos

estatsticos do processo estocstico de deslocamento, so obtidas a partir do conjunto
das realizaes, Eq. (13). Conforme pode-se observar na Eq. (13), para se determinar

uma realizao, necessrio calcular-se a inversa da matriz de coeficientes H () .

importante mencionar, que no se realiza a determinao da inversa, pois envolve um

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

alto custo computacional, recorre-se a mtodos iterativos, tais como Jacobi ou

Gradientes Conjugados. Apesar disso, dependendo da natureza do problema, (no
linearidades), e do nmero de variveis randmicas, o processo de simulao de Monte
Carlo, pode-se tornar proibitivo, em decorrncia do nmero de computaes. Sob certas
condies, uma alternativa para reduo do esforo computacional, a utilizao da
srie de Neumann.

4.

Srie de Neumann
A verso da srie de Neumann que ser utilizada nesse trabalho, para operadores

lineares definidos em espaos de dimenso finita. Neste caso, o objeto matemtico

representativo do operador uma matriz. Para o modelo de incerteza escolhido, Eq. (),
assume-se para a k-sima amostra estrutural, que a matriz de rigidez, Eq. (11), admite a
seguinte decomposio,

K ( k , k ) = K 0 + K ( k , k )

K ( k ) = K 0 ( I + P ( k , k ) ) ,

(14)

sendo P ( k , k ) = ( K 0 ) K ( k , k ) . Formalmente, conforme as Eqs. (11) e (14), a

soluo U = U ( k , k ) dada por,

U ( k , k ) = ( I + P ( k , k ) ) U0 ,

com U 0 = ( K 0 ) F , U 0 = u10 , , um0

(15)

) . Se 0 < P ( , ) < 1 ento ( I + P ( , ))

k

existe e pode ser representada atravs da seguinte srie, Golub & Van Loan (2012),

( I + P ( , ))
k

= ( P ( k , k ) ) ,
i

(16)

i =1

(I + P ( , ))
k

1
.
1 P ( k , k )

(17)

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

10

Das Eqs (14) e (16) tem-se que,

( K ( , ))
k

= K 0 ( I + P ( k , k ))

= ( P ( k , k ) ) ( K 0 ) .
i

(18)

i =1

Substituindo-se a Eq. (18) na Eq. (13) obtm-se,

um ( x, k , k ) = pij( q ) ( k , k ) u 0j i ( x ) = ( U 0 )

i =1 j =1 q =1

( P ( , ) ) ( x ) ,(19)
q

q =1

sendo que,

( P ( , ))
k

= pij( q ) ( k , k )

mm

(20)

importante observar, que para se obter a soluo numrica aproximada, via srie
de Neumann, para a k-sima realizao do processo estocstico de deslocamento,
necessrio o truncamento da srie expressa na Eq. (19). A partir disso, truncando-se a
srie expressa na Eq. (19) no n-simo termo, se obtm a soluo numrica aproximada
via srie de Neumann,

umn ( x, k , k ) = pU( qij) ( k ) f j ( x, k ) i ( x )

i =1 j =1 q =1

= (F (k ))

(21)

( P ( )) ( x ) .
q

q =1

A partir disso, e do resultado relacionado a uma cota superior para a soma da srie de
Neumann, Eqs. (16) e (17), sero obtidas as cotas inferior e superior, para as
aproximaes numricas,
deslocamento.

(u

mn

= umn ( x, k ) , das realizaes do processo estocstico de

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

5.

11

Cotas Inferior e Superior Para as Realizaes do Processo Estocstico de

Deslocamento Axial
Nesta seo apresenta-se a estratgia proposta, baseada na utilizao da srie de

Neumann e de resultados clssicos de lgebra linear, para o estabelecimento de cotas

inferiores e superiores para as realizaes do processo estocstico de deslocamento
transversal. Se o conjunto das amostras estruturais

{EA ( x, ) , ( x, )}
i

i =1

forem tais

que 0 < P ( i ) < 1, i {1, ..., N } , pode-se representar as aproximaes numricas das
realizaes do processo estocstico de deslocamento, em termos da srie de Neumann.
Fazendo-se o truncamento, no n-simo termo da srie expressa na Eq. (19), a k-sima
realizao do processo estocstico de deslocamento transversal dada por,

umn ( x, k , k ) = pij( q ) ( k , k ) u 0j i ( x )
i =1 j =1 q =1

= (U0 )

(22)

( P ( , )) ( x ) .
q

q =1

Para a k-sima realizao do processo estocstico de deslocamento transversal, com

x [ 0, l ] , fixado, a distncia entre as solues aproximadas obtidas por simulao de

Monte Carlo, Eq. (13), e pela srie de Neumann, Eq. (22), pode-se ser estimado como
segue,

um ( x, k , k ) umn ( x, k , k )

P ( , )
k

U0 ( x ) .

(23)

q =n +1

Baseando-se nas propriedades da srie de Neumann Eqs. (16) e (17), pode-se calcular o

termo

P ( , )
k

q = n +1

P ( , )
k

q = n +1

P ( k , k )

n +1

1 P ( k , k )

Em vista disso, a estimativa para a Eq. (23) toma a seguinte forma,

(24)

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

um ( x, k , k ) umn ( x, k , k ) C ( n, k , k ) U 0 ( x ) ,

12

(25)

sendo

C ( n, k , k ) =

P (k , k )

n +1

1 P (k , k )

(26)

um coeficiente que depende de " n " e P ( k , k ) . Da Eq. (25) obtm-se as cotas

inferior e superior, para a k-sima realizao do processo estocstico de deslocamento
transversal

) (

x, k , k u m x, k , k x, k , k ,

(27)

sendo (, ) e (, ) as cotas inferior e superior, respectivamente, que so definidas

como,

(
(

)
)

(
(

)
)

x, , = umn x, , + ( n, k , k ) U 0 ( x ) ,
k
k
k
k

(28)

x, k , k = umn x, k , k + ( n, k , k ) U 0 ( x ) , ( x, k ) ( 0, l ) ;

sendo = e = C ( n, k , k ) . Com essas funes, Eq. (28), possvel obter as

estimativas dos momentos estatsticos das cotas inferior e superior para as realizaes
do processo estocstico de deslocamento transversal.
A determinao do coeficiente " " , para cada realizao, exige o clculo de P .
Tal avaliao, envolve alto custo computacional, inviabilizando o uso dessa proposta.
Neste trabalho, para contornar essa dificuldade, recorre-se a equivalncia entre as
normas de matrizes, Golub & Van Loan (2012). Baseando-se nessas relaes so
apresentadas cinco (05) propostas para a definio do coeficiente " " ,

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

n +1

m . P (k , k ) 1
1 ( m , n , k , k ) =
,
1 m . P (k , k ) 1

n +1

P (k , k )
,
2 ( n, k , k ) =
1 P (k , k )

n +1

m . P (k , k )
,
3 ( m, n, k , k ) =
1 m . P (k , k )

n +1
P (k , k ) F

,
4 ( n, k , k ) =
1 P (k , k ) F

n +1

m. max pij ( k , k )
i,j
( m, n, , ) =
,
k
k
5
1 m. max pij ( k , k )

i,j

13

(29)

sendo que

m
P ( k , k ) = max pij ( k , k ) ;
1
1 j m

i =1

,
=
P

max
pij ( k , k ) ;

(
)

k
k

1i m
j =1

m m
2
P ( k , k ) = pij ( k , k ) .
F

i =1 j =1

(30)

Desta forma, as cotas inferior e superior sero obtidas com a utilizao das Eqs. (28) (30),

i x, , = umn x, ,
k
k
k
k

+ i ( n, k , k ) U 0 ( x ) , i = 1, ...,5 ;

i x, k , k = umn x, k , k

+ i ( n, k , k ) U0 ( x ) , ( x, k ) [ 0, l ] , i = 1, ...,5 .

(31)

As definies apresentadas nas Eqs. (29) e (30), para a determinao das cotas inferior e
superior, propiciam uma reduo no custo computacional. Sero resolvidos problemas
numricos para avaliar a proposta apresentada.

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

6.

14

Cotas para as Estimativas dos Momentos Estatsticos

A partir das cotas inferior e superior para as realizaes do processo estocstico de

deslocamento, obtidas via simulao de Monte Carlo, so apresentadas cotas inferiores

e superiores para as estimativas desses momentos estatsticos. As estimativas dos
momentos estatsticos de primeira e segunda ordem (valor esperado e correlao), a
partir de, um conjunto de realizaes,

{u ( x, , )}
m

N
j =1

[ ]

, x 0, l , do processo

estocstico de deslocamento transversal de uma viga com vo "l", so definidas por,


1 N

x
=
(
)
um x, j , j , x [0, l ];
um
N i =1

1 N
2
 ( 2)

x
,
y
=
um x, j , j um y, j , j , ( x, y ) [ 0, l ] .
(
)
um

N 1 j =1

) (

(32)

Substituindo-se nessas estimativas, Eq. (32), as desigualdades expressas na Eq. (31),

obtm-se,





i ( x ) um ( x ) i ( x ) , x [ 0, l ] , i = 1, ...,5 ;
 ( 2)
2
 ( 2)
 ( 2)
i ( x, y ) um ( x, y ) i ( x, y ) , ( x, y ) [ 0, l ] , i = 1, ...,5 .

(33)

O mtodo de simulao de Monte Carlo utilizado para avaliar o desempenho das

cotas inferior e superior das realizaes do processo estocstico de deslocamento. So
obtidas as estimativas dos momentos estatsticos de primeira e segunda ordem, Eq. (31),
do processo estocstico de deslocamentos e das suas cotas inferior e superior. O
desempenho das cotas avaliado, com relao ao desvio observado entre os momentos
estatsticos e o custo computacional para obt-las. Para tal, definem-se funes de
desvio relativo para os momentos estatsticos de primeira e segunda ordem
 ( k ) ,  (k ) : [ 0, l ]
, (valor esperado k=1 e correlao k=2),
i

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

15

(ki)

(100% ) . 1  u( k ) ( x ) , x 0, l ;

 ( k ) ( x ) =
i
0,
x 0, l , i = 1, ...,4 ;

( )
{ }

(34)

k

( i)

(100% ) . 1  u( k ) ( x ) , x 0, l ;
m

 ( k ) ( x ) =
i
0,
x 0, l , i = 1, ...,4.

( )
{ }

Na seo 7 so apresentados os resultados numricos para dois exemplos para um

problema de uma haste com incerteza sobre os coeficientes de rigidez de membrana e
reao, sujeita a um carregamento determinstico. Para a caracterizao da incerteza so
utilizadas

{ }
j

N
j =1

amostras

de

vetores

de

variveis

randmicas,

= {1 ( j ) , 2 ( j ) , 3 ( j ) , 4 ( j )} , cujas as propriedades so apresentadas na Eq.

j =1

(7). As amostras do vetor randmico,

({ } ) , so geradas por funes do MATLAB,

N

j =1

em um computador ASUS G75V. Para reduzir a correlao espria produzida pelo

processo de gerao, implementou-se nesse ambiente, o mtodo Latin Hypercube
Sampling, Olsson & Sandberg (2002). Nestes exemplos os resultados para as
estimativas do momentos estatsticos do processo estocstico de deslocamento e as
respectivas cotas inferior e superior so obtidas atravs de um conjunto de realizaes
do processo estocstico de deslocamento obtido a partir de um conjunto com dez mil
amostras estruturais, (N=10,000). Na Fig. 1 apresentam-se os grficos dos
 
comportamentos das estimativas para valor esperado e varincia, um , u2m , em relao

ao nmero de realizaes, (N) ,de uma varivel randmica, um

x=

l
2

( 2l , ) , gerada ao se fixar

, com l = 1m , nas realizaes do processo estocstico de deslocamento da haste.

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

16

Figura 1: Convergence of Monte Carlo simulation results for the

mean (a) and variance (b) of displacement in x = 23 .
Observa-se nas Figs 1a e 1b, que para N 4,000 realizaes, as estimativas para valor
esperado e varincia da varivel randmica um
estabilizarem

nos

valores,

( 23 , )

apresentam a tendncia, de


um ( 23 ) = 0.0030975991227595 m


u2m ( 23 ) = 4.31921312679748 108 m 2 , respectivamente.

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

7.

17

Resultados Numricos
Nesta seo a metodologia proposta aplicada a dois problemas, a uma haste com

incerteza nas propriedades de membrana e rigidez, sujeita a carregamento

determinstico. As estimativas para valor esperado e correlao, a partir das solues
numricas aproximadas das realizaes do processo estocstico de deslocamento, Eq.
(21), e suas cotas inferior e superior, Eq. (26) e (27), so calculadas e comparadas.
Examinam-se trs casos, em relao a presena da incerteza: a) Coeficiente de
membrana (EA); b) Coeficiente de rigidez, ( ) . A modelagem da incerteza ser feita
atravs de um processo estocstico parametrizado, conforme a Eq. (6). Para todos
exemplos, a haste tem comprimento de um metro
retangular com dimenses b =

50

m e h=

50

(l = 1 m) ,

a seo transversal

m , sendo engastada nas extremidades,

conforme mostrada na Fig. 2. A haste est sujeita a um carregamento distribudo,

determinsico, q ( x ) = 2400 x 400 x 2 ( x 1) 800 kPa.m, x [ 0,1] .

1
50

q ( x)

1
50

[m]

Figure 2: a) Haste bi-engastada sujeita a carregamento determinstico,

q = q ( x ) ; b) Seo transversal da haste.

Nos exemplos que sero apresentados, os coeficientes de membrana e rigidez possuem

valor esperado e coeficiente de disperso dados por:

EA ( x ) = 20 MPa.m 2

( x ) = 20 MPa

EA ( x ) = 101 , x [ 0, l] ;
( x ) = 101 , x [ 0, l] .

(35)

Nos exemplos que seguem, avalia-se a metodologia proposta atravs do conjunto

das cotas inferior e superior definidas nas Eqs. (28) e (29). O mtodo de simulao de

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

18

Monte Carlo Direto utilizado para obter o conjunto das realizaes, das solues
numricas aproximadas para o processo estocstico de deslocamento axial. A partir do
conjunto das realizaes, so obtidas as estimativas para valor esperado e correlao,
Eqs. () e (), respectivamente. Os valores numricos para valor esperado e correlao
obtidos via simulao de Monte Carlo Direta, so tomados como referncia para avaliar
a metodologia proposta. As cotas inferior e superior, para cada realizao, so obtidas
com uma solues numricas aproximadas via srie de Neumann com ordens " n = 0 " e
" n = 1 ", Eq. (21), e com as definies propostas nas Eqs. (29) e (31). A partir do
conjunto das realizaes para as cotas inferior e superior so estimados o valor esperado
e correlao, Eqs. (32) e (33). Com as estimativas para valor esperado e correlao para
o processo estocstico de deslocamento e das cotas inferior e superior, avalia-se o
desvio relativo, Eq. (34), e compara-se tempo de computao exigido. So utilizados
grficos para se observar o comportamento das cotas para valor esperado e correlao,
obtidas com a aproximao numrica, Eq. (21), com n=1. Complementarmente, para o
estabelecimento de comparaes, so tabulados das funes erro em valor esperado e
correlao das cotas obtidas com aproximaes numricas com n=0 e n=1.

a)

Exemplo 1: coeficiente de membrana randmico (EA)

In this example, case (a), the uncertainty is assumed on the coeficiente de

membrana, EA : [ 0,1] a, a , which is modeled as a parameterized stochastic

process,

EA ( x, ( ) ) = EA + ( 23 . EA ) 2.k 1 ( ) cos
k =1

( k4x ) +

2.k

( ) sin ( k4x ) ,

(35)

sendo EA o desvio padro do coeficiente de membrana (EA). Na Fig. 3 apresentam-se

os grficos das estimativas para valor esperado do processo estocstico de deslocamento
e das cotas inferior e superior para essa estimativa, Eq. (33), e a funo erro relativo em
valor esperado, Eq. (34) com k=1. Os grficos apresentados na Fig. 1 que foram obtidas
com as cotas inferior e superior, com a srie de Neumann truncada em n=1 e com as
Eqs. (29c), (29d) e (33a). Pode-se observar, na Fig. 1a, que as curvas da estimativa para
valor esperado das cotas inferior e superior obtidas pelas Eqs. (29d) e (33a) apresentam
menor desvio em relao a estimativa para valor esperado. Esse conjunto de cotas,

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

19

obtida com o coeficiente " " que calculado, com a equivalncia da norma de

( ) , Eqs. (29d) e (30c).

Frobenius,




Figura 3: a) Grficos das estimativas para valor esperado, um , i e , i = 3, 4 ;
i

b) Grfico das funes desvio relativo em valor esperado, 

e  , i = 3, 4 .
i

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

20

Na Fig. 4 apresentam-se os grficos das estimativas para as funes de correlao

do processo estocstico de deslocamento, e das cotas inferior e superior, Eq. (33b), e as
funes desvio relativo em correlao, para as cotas inferior e superior, Eq. (34), com
k=2. Comparando-se, atravs das Figs 3b e 4b, os grficos das funes desvio relativo
em valor esperado e correlao constata-se que as funes desvio relativo em valor
esperado assumem valores numricos inferiores. Outro aspecto importante a ser
salientado em ambas as modelagens assumem-se que os coeficientes de disperso nas
propriedades mecnicas de enquanto para ambos os exemplos os maiores valores
numricos observados para a estimativa dos coeficientes de disperso do processo
estocstico de deslocamento foram, u

( 23 ) = 0.060082254006076

enquanto que para o exemplo 2 obteve-se u

para o exemplo 1,

( 23 ) = 0.00702145625090929

. Pode-se

constatar comparando-se as Figs. que as estimativas das funes de correlao atingem

valores numricos superiores para o exemplo 1. A partir dessa observao e dos sumrio
dos resultados, apresentados na Tab. 4, constata-se que a propagao da incerteza
atravs do modelo de difuso-reao mais pronunciada quando a incerteza est sobre o
coeficiente de membrana (difuso), do que quando est presente no coeficiente de
reao.

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

21

2 2
2
Figura 4: a) Grficos das estimativas para correlao, u( m) , ( ) e ( )i = 3, 4 ;
i

b) Grficos das funes desvio relativo em correlao,

 (2) ,  (2) , i = 3, 4 .
i

Na Tab. 1 apresentam-se os valores numricos das funes desvio relativo em

valor esperado e correlao, Eq. (33), calculadas em x = 23 m . Os valores numricos
tabulados, foram obtidos com as cotas inferior e superior, calculadas a partir das
solues numricas aproximadas obtidas via srie de Neumann, com truncamento nos
termos n=0 e n=1. Comparando-se os valores tabulados, constata-se que em x = 23 m as
funes desvio relativo em valor esperado, para as cotas inferior e superior, assumiram
valores numricos menores, que as funes desvio relativo em correlao. Isto indica,
que o desvio entre as cotas inferior e superior em relao a estimativa para valor
esperado, realizada via simulao de Monte Carlo Direta, foi menor que o desvio das
estimativas para correlao, calculadas a partir das cotas inferior e superior. Alm disso,
comparando-se os valores numricos das funes desvio relativo em valor esperado e
correlao constata-se que as cotas calculadas com as Eqs. (29b), (29d) e (33)
apresentaram o menor valor numrico, ou seja o menor desvio entre as estimativas para

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

22

valor esperado e correlao calculadas a partir do conjunto das realizaes das cotas
inferior e superior em relao as estimativas dos mesmos momentos estatsticos,
calculadas a partir do conjunto das realizaes das aproximaes numricas do processo
estocstico de deslocamento.
Tabela 1: Avaliaes numricas das funes desvio relativo em valor esperado e
correlao, em x = 23 m , para n=0 e n=1.
i
(n=0)

 ( 23 ) [% ]

20.0956061561214

 (2) ( 23 ) [%]

 ( 2) ( 23 ) [% ]

19.3236175106023

35.1764346892333

43.0654287180933

8.61229013089511

7.84030148537598

16.6023598709104

16.0538242493126

17.8711289455031

17.0991402999832

31.8659492578897

37.5453372949846

12.170938351111

11.3989497055909

22.5960989232118

24.1869624949976

24.1738868772815

23.4018982317626

39.5717406704905

54.8598014489074

i
(n=1)

 ( 23 ) [% ]

 (2) ( 23 ) [%]

 ( 2) ( 23 ) [% ]

4.42308802116401

3.63497429876076

8.47915276885897

7.50748781845525

1.18675203868329

0.398638316279554

2.35430501010019

0.7914992100172

3.63577285775532

2.8476591353521

7.02235209901952

5.83958409768135

2.04510558190445

1.25699185950121

4.0070032341121

2.54709801797477

6.49294150007064

5.70482777766681

11.8697845644908

12.3433141666401

( 23 ) [%]

( 23 ) [%]

Comparando-se os valores numricos das funes desvio relativo em valor esperado e

correlao para n=0 e n=1, constata-se uma reduo sensvel nos valores numricos
dessas funes quando se utiliza apenas um termo na srie de Neumann. Outro aspecto
importante a ser salientado que as cotas obtidas com o coeficiente definido pela Eq.
(29b) a que apresenta o menor desvio relativo em valor esperado e correlao em
relao, as demais propostas para este coeficiente. Porm, no foi dada nfase a esse
comportamento, pois essa definio envolve a determinao que demanda um elevado
custo computacional, conforme pode ser visto na Tab.3.

b)

Exemplo 2: coeficiente de rigidez randmico ( )

Neste exemplo a incerteza est sobre o coeficiente associado ao termo difusivo,

: [ 0,1] b, b ,

sendo

parametrizado definido como,

modelada

atravs

de

um

processo

estocstico

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

( x, ( ) ) = +

3
2

) ( ) cos ( k4x ) + ( ) sin ( k4x ) ,

k =1

2.k 1

2.k

23

(36)

sendo , o desvio padro do coeficiente de rigidez. Na Fig. 5 apresentam-se os

grficos das estimativas para o valor esperado das cotas inferior e superior, Eq. (31), do
processo estocstico de deslocamento transversal. Observa-se o mesmo comportamento
do exemplo 1, em que as estimativas para valor esperado das cotas inferiores e
superiores, quando calculadas com as Eqs. (29d) e (31), apresentaram valores numricos
menores, do que as outras propostas para o coeficiente " " . Alm disso, ao se
comparar as curvas das funes desvio relativo em valor esperado, apresentadas nas
Figs. 3b e 5b, constata-se que as funes apresentaram valores numricos menores, que
o exemplo anterior.

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

24




Figura 5: a) Grficos das estimativas para valor esperado, um , i e , i = 3, 4 ;
i

b) Grfico das funes desvio relativo em valor esperado,  e  , i = 3, 4 .

i

Na Fig. 6 apresentam-se os grficos das estimativas para funo de correlao e

funes de desvio relativo em correlao, para as cotas inferior e superior. Comparandose os grficos apresentados nas Figs. 4a e 6a constata-se que, para esse exemplo, a
estimativa para funo correlao atingiu valores numricos menores, ou seja, neste
exemplo a disperso sobre a resposta devido a presena da incerteza sobre o coeficiente

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

25

de rigidez foi menor, em relao ao exemplo anterior. Alm disso, as Figs 4b e 6b

mostram que para este exemplo, a funo desvio relativo em correlao, apresentou
valores numricos inferiores. Isso indica que as cotas inferiores e superiores foram mais
"finas", apresentaram menor desvio em relao as estimativas para valor esperado e
correlao.

2 2 2
Figura 6: a) Grficos das estimativas para correlao, u( m) , ( ) , ( )i = 3, 4 ;
i

b) Grficos das funes desvio relativo em correlao,

 (2) ,  (2) , i = 3, 4 .
i

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

26

Na Tab. 2 apresentam-se os valores das funes desvio relativo em valor esperado

e correlao calculadas em x = 23 m . Comparando-se os valores numricos apresentados
nas Tabs 1 e 2 constatam-se, para o exemplo 1, valores numricos superiores. Isto
indica, que quando a incerteza est no coeficiente de rigidez - , a propagao da
incerteza menor. Conforme pode ser verificado no modelo matemtico do problema,
Eq. (1), este coeficiente no est associado a parte principal do operador diferencial.
Pode-se constatar, ao comparar-se ambos os valores numricos, que o desvio relativo
em valor esperado, foi maior para o exemplo 1. Outro aspecto importante, que j para
n=0 observam-se pequenos valores numricos, para as funes desvio relativo em valor
esperado e correlao. Isso indica que as cotas obtidas, via srie de Neumann com n=0,
ou seja,

(I + P)

I apresentam pequeno desvio em relao as realizaes das

aproximaes numricas para o processo estocstico de deslocamento. Novamente

observa-se o mesmo comportamento, j evidenciado nos grficos apresentados nas Figs
, que as funes desvio em correlao apresentaram maiores valores numricos do que
as funes desvio em valor esperado.
Tabela 2: Avaliaes numricas das funes desvio relativo em valor
esperado e correlao, em x = 23 m , para n=0 e n=1.
i
(n=0)

 ( 23 ) [% ]

0.99347730595809

 (2) ( 23 ) [%]

 ( 2) ( 23 ) [% ]

0.986994190946033

1.97581932955457

1.98488300460022

0.561992616901985

0.555509501889384

1.12235546332121

1.11251297949093

1.1469316184861

1.14044850347372

2.27900989536222

2.29547239448988

0.582424287323269

0.575941172311012

1.16287900081569

1.15371115811809

1.63476681521783

1.62828370020502

3.23294408314287

3.29276043373661

i
(n=1)

 ( 23 ) [% ]

 (2) ( 23 ) [%]

 ( 2) ( 23 ) [% ]

0.0176626552439774

0.0113692253334241

0.03532029252115

0.022743605435127

0.0077875115237713

0.0014940816137620

0.01557453448717

0.002988666325620

0.0215961385162

0.0153027086069013

0.04318461222319

0.030612394578089

0.0081408387380244

0.0018474088278264

0.01628110933248

0.003695412683857

0.0436595557790853

0.0373661258683988

0.08727704375430

0.074775452000452

( 23 ) [%]

( 23 ) [%]

Outro aspecto a ser salientado, que nesse exemplo as funes desvio em valor
esperado e correlao, quando calculadas com a definio do coeficiente " " dadas

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

27

pelas Eqs. (28b) e (28d) apresentam valores mais prximos. A propagao da incerteza
menor, pois a parte do operador associada ao coeficiente de rigidez, apresenta pouca
influncia sobre o processo estocstico de deslocamento axial. Conseqentemente, isso
se transmite para o problema aproximado, Eq. (15), fazendo com que a norma da matriz
"P",

( P ( ) ) , apresente pequenas variaes numricas, para as diferentes amostras

k

estruturais, do coeficiente de rigidez.

Na Tabela 3 so apresentados o tempo de computao para obter os conjuntos das
realizaes do processo estocstico de deslocamentos e das suas cotas inferior e superior
para os dois exemplos apresentados neste trabalho. So apresentados os tempos de
computao, em as cotas so obtidas com solues numricas aproximadas utilizando1

se sries de Neumann com n=0 e n=1, respectivamente, ( I + P ) I e ( I + P ) I + P

. A cotas definidas pelas Eqs (28a) e (28b) apresentaram o maior tempo de computao,

(T1 e T2 ) .

Para os exemplos 1 e 2 o conjunto das realizaes obtidas via srie de

Neumann exigiram um tempo de um tempo de computao menor, (TSN ) , do que a

simulao de Monte Carlo, (TMC ) . As cotas definidas pelas Eqs. (28b e 28d) e (30),
foram obtidas com o menor tempo de computao,

(T3 e T4 ) .

Apesar disso, ao

comparar-se o tempo de computao e os valores numricos das funes desvios

relativo em valor esperado e correlao, conclui-se que as cotas que definidas pelas Eqs.
(28d) e (30) foram as que apresentaram maior eficincia, para os exemplos apresentados
neste trabalho.
Tabela 3: Tempo de computao das realizaes das solues numricas
aproximadas e das cotas inferior e superior, do processo estocstico
de deslocamento axial, para os exemplos 1 e 2.
Exemplos (n)
TMC
TSN
T1
T2
T3
T4
T5
1
2

(n=0)
(n=1)
(n=0)
(n=1)

288.3054
284.0778
291.6750
303.8587

0
63,17898
0
60,77174

1987.203
2647.960
2780.281
2910.432

2603.017
1263.717
1713.171
1745.042

100.7298
157.7014
185.5787
135.9765

175.50112
62.821602
57.455168
61.32246

778.7257
226.4354
376.0248
808.2099

Nos exemplos apresentados, a proposio de cotas inferior e superior apresentouse como uma estratgia eficiente para obter estimativas para o valor esperado e
correlao do processo estocstico de deslocamentos. Nas definies das cotas foram
examinadas as diferentes propostas para o coeficiente " " , Eq. (28). A definio que

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

28

apresentou os menores valores numricos para as funes desvio relativo em valor

esperado e correlao, foi aquela em que o coeficiente " " calculado com a Eq.
(28b). Apesar disso, a que apresenta um elevado tempo de computao. Em particular,
as cotas que foram obtidas com o coeficiente " " definido pelas Eqs. (28d), (29c) e
(30) apresentaram o melhor desempenho, em termos das funes desvio relativo em
valor esperado e correlao, em relao ao tempo de computao.

8.

Concluses
Neste trabalho apresenta-se uma aplicao indita, da srie de Neumann, sobre o

problema estocstico de difuso-reao, que serve para modelar o processo estocstico

de deslocamento axial uma haste sujeita a um carregamento que depende linearmente do
deslocamento e possui incerteza nos coeficientes de membrana e rigidez (difuso e
reao, respectivamente). Para a modelagem da incerteza, sobre os coeficientes, foram
utilizados processos estocsticos parametrizados. O mtodo de simulao de Monte
Carlo Direto foi utilizado para estimar as estatsticas da resposta, a partir do conjunto
das realizaes do processo estocstico de deslocamento. Cada realizao, ou funo
amostral, foram obtidas atravs de aproximaes numricas, via mtodo de Galerkin.
Na seo 2 apresenta-se um resultado terico, na forma de um teorema que assegura,
para cada amostra estrutural dos coeficientes, a existncia e unicidade das solues do
problema variacional, (realizaes do processo estocstico de deslocamento). A partir
disso, so utilizadas as propriedades da srie de Neumann, para obter cotas inferior e
superior, para cada realizao do processo estocstico de deslocamento. A definio
dessas cotas depende do valor numrico da norma da matriz em cada realizao. Com
base nisso so examinadas cinco propostas (05) para as definies das cotas. Essas
propostas,

baseiam-se

na

equivalncia

entre

normas

de

matrizes,

, 2 , , F , max ) . Para avaliar a estratgia proposta neste trabalho so

apresentados dois exemplos numricos. No exemplo 1, a incerteza est sobre o

coeficiente de membrana, enquanto que no exemplo 2 est sobre o coeficiente de
rigidez. Para esses exemplos so obtidas e avaliadas as cotas inferiores e superiores para
as estimativas de valor esperado e correlao do processo estocstico de deslocamento,
para as definies propostas para as cotas. Para avaliar a metodologia compara-se o
tempo de computao e o desvio relativo das estimativas de valor esperado e correlao

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

29

do processo estocstico de deslocamento, em relao as estimativas calculadas, via

simulao de Monte Carlo. As cotas inferiores apresentaram melhor desempenho para a
obteno das estimativas para valor esperado e correlao. Em particular, as estimativas
obtidas, tanto para as cotas inferiores, quanto para as superiores para valor esperado,
apresentaram melhor desempenho, do que as estimativas para a correlao dessas cotas.
No exemplo 1, o coeficiente de membrana esta associado a parte principal do operador
do operador do problema de difuso-reao e a propagao da incerteza atravs do
modelo para a resposta foi mais intensa. No exemplo 2 as funes que "medem" o
desvio relativo entre as cotas inferior e superior em relao as estimativas para valor
esperado

correlao,

apresentaram

os

menores

valores

numricos.

Esse

comportamento intrnseco da "sensibilidade" da resposta, em relao a variaes

percebidas, nos coeficientes do operador diferencial do modelo matemtico. Para este
exemplo, os maiores valores numricos para as funes desvio relativo em valor
esperado
 ( 2 )

correlao,

com

( 23 )=3.29276043373661 %

n=0,

foram

 ( 23 )=1.63476681521783 %
5

, respectivamente. Enquanto que, para as cotas

utilizando em sua definio a norma de Frobenius, Eq. (29d), obtiveram-se

 ( 23 )=0.582424287323269 %
4

 ( 2)

( 23 )=1.15371115811809 % .

Para

este

exemplo, a estratgia proposta, apresentou bons resultados aliado, a um pequeno tempo

de computao. As definies das cotas, baseadas nas normas 2 e de Frobenius

, F ) , foram as que apresentaram menor desvio, em relao as estimativas para

valor esperado e correlao. Por outro lado, a proposta obtida com a norma 2,
apresentou-se menos "eficiente", por exigir maior tempo de computao. A proposta
baseada na norma de Frobenius apresentou, para todos os exemplos, o menor tempo de
computao. Em vista disso, essa proposta foi a mais eficiente, pois apresentou baixos
valores numricos para as funes desvio relativo em valor esperado e correlao, e o
menor tempo de computao. Desta forma, a utilizao da estratgia proposta atravs do
uso da srie de Neumann, com ordem baixa (n=0 ou n=1) e das cotas, para os problemas
que foram apresentados neste trabalho, mostra-se uma alternativa eficiente, em relao a
simulao de Monte Carlo Direta. Em particular, para problemas em que a incerteza
est sobre um parmetro associado a um termo de baixa ordem, como no exemplo 2,
pode-se, utilizar as cotas para valor esperado e correlao da resposta, dependendo da

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

30

preciso exigida, pode ser uma alternativa de grande eficincia, ao uso da simulao de
Monte Carlo Direta.

9.

Agradecimentos
Este trabalho faz parte da produo cientfica do autor principal, que aproveita

para agradecer ao Conselho Nacional de Pesquisa (CNPq), pela concesso de uma bolsa
de produtividade em pesquisa para o projeto, e recursos financeiros para aquisio de
equipamentos atravs do projeto Universal . Estes apoio, na forma de incentivos
financeiros, viabiliza a continuidade dos estudos avanados, nas reas de pesquisa e
ensino de engenharia, na rede pblica federal de ensino, brasileira, em nvel de
graduao e ps-graduao.
10.

Referencias Bibliogrficas

Babuska I; Tempone R, Zouraris GE. (2005) Solving elliptic boundary value problems
with uncertain coefficients by the finite element method: the stochastic
formulation, Computer Methods in Applied Mechanics and Engineering, v. 194,
n. 12-16, p. 1251-1294.
vila S Jr. CR, Beck AT, Mantovani G, Azikri H. (2010), Galerkin Solution of
Stochastic Beam Bending on Winkler Foundations, Computer Modeling in
Engineering & Science; v. 1729, p. 1-31.
Brenner SC, Scott LR. (1994), The Mathematical Theory of Finite Element Methods.
Springer-Verlag.
Chakraborty S., Dey S.S. (1998) A stochastic finite element dynamic analysis of
structures with uncertain parameters International Journal of Mechanical Sciences,
v. 40, n. 11, p. 1071-1087.
Chakraborty S., Bhattacharyya B. (2002) An efficient 3D stochastic finite element
method, International Journal of Solids and Structures, v. 39, n. 9, p. 2465-2475.
Lei Z., Qiu C. (2000) Neumann dynamic stochastic finite element method of vibration
for structures with stochastic parameters to random excitation Computers &
Structures, v. 77, n. 6, p. 651-657.
Hyuk-Chun Noh, Taehyo Park (2006) Monte Carlo simulation-compatible stochastic
field for application to expansion-based stochastic finite element method
Computers & Structures, v. 84, n. 3132, p. 2363-2372.

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

31

Adhikari S. A reduced spectral function approach for the stochastic finite element
analysis Computer Methods in Applied Mechanics and Engineering, v. 200, n.
2122, 2011, p. 1804-1821.
Chakraborty S., Dey S.S. Stochastic finite element method for spatial distribution of
material properties and external loading, Computers & Structures, v. 55, n. 1,
1995, p. 41-45.
Arajo J.M., Awruch A.M., On stochastic finite elements for structural analysis
Computers & Structures, v. 52, n. 3, 1994, p. 461-469.
Bhattacharyya B., Chakraborty S., NE-MCS technique for stochastic structural response
sensitivity, Computer Methods in Applied Mechanics and Engineering, v. 191, n.
4950, 2002, p. 5631-5645.
Li C.F., Feng Y.T., Owen D.R.J. (2006) Explicit solution to the stochastic system of
linear algebraic equations, Computer Methods in Applied Mechanics and
Engineering, v. 195, n. 4447, p. 6560-6576.
Rahman S., Xu H. A univariate dimension-reduction method for multi-dimensional
integration in stochastic mechanics Probabilistic Engineering Mechanics, v. 19, n.
4, October 2004, p. 393-408
Schevenels M., Lombaert G., Degrande G., Clouteau D., The wave propagation in a
beam on a random elastic foundation, Probabilistic Engineering Mechanics, v. 22,
n. 2, 2007, p. 150-158.
Rao MM, Swift JR. (2010), Probability Theory with Applications. Springer; 2nd ed.
Olsson AMJ, Sandberg GE. (2002), Latin Hypercube Sampling for Stochastic Finite
Element Analysis, Journal of Engineering Mechanics; v. 128, n. 1, p. 121-125.
Golub GH, Van Loan CF, (2012) Matrix Computations, Johns Hopkins Studies in the
Mathematical Sciences.
Yoshida K. (1978) Functional analysis Springer Berlin.

Carta ao Editor
Caro Editor,

Cotas para as Estimativas dos Momentos Estatsticos do Problema Estocstico de Difuso-Reao

32

Este artigo prope o estabelecimento de cotas inferiores e superiores para o conjunto de

realizaes do processo estocstico de deslocamento axial. O mtodo de simulao de
Monte Carlo (MC) utilizado para obter o conjunto de realizaes. A srie de Neumann
conjuntamente com a simulao de MC para obter as solues numricas aproximadas.
Adicionalmente a isso, para a definio das cotas utilizada a estimativa da soma da
srie de Neumann. Equivalncia entre as normas utilizada para propiciar que a
metodologia proposta nesse trabalho seja computacionalmente eficiente. Para avaliar o
desempenho das estratgia proposta so apresentados os resultados numricos, obtendose resultados de dois exemplos numricos em que so A srie de Neumann utilizada
para obteno das