SHANGHAI MICROCRE OPTICS-MECH TECH CO., LTDAbout MICROCRE400-812-7833
MICROCRE · RESEARCH SCIENCE

Monte Carlo propagation with correlated inputs

An educational model is not an instrument measurement. Check units, assumptions and scope.

Monte Carlo propagation with correlated inputs
Python plot for default inputs; the interactive plot uses current inputs.

Translation pending review.

Description

对σ=F/A输入相关正态分布进行固定种子的Monte Carlo抽样,展示输出直方图、经验等尾95%覆盖区间及一阶传播对照。逐次样本保存在CSV中。

Equation

z₂,corr=ρz₁+√(1−ρ²)z₂;F=F₀+u_Fz₁;A=A₀+u_Az₂,corr;σ=F/A

Input parameters

  • key

    force

    label

    力均值

    Unit

    N

    Value

    1000

    min

    0.001

    max

    1000000000

    step

    any

  • key

    u_force

    label

    力标准不确定度

    Unit

    N

    Value

    2

    min

    0

    max

    1000000

    step

    any

  • key

    area

    label

    面积均值

    Unit

    mm²

    Value

    10

    min

    0.001

    max

    1000000

    step

    any

  • key

    u_area

    label

    面积标准不确定度

    Unit

    mm²

    Value

    0.05

    min

    0

    max

    100000

    step

    any

  • key

    rho

    label

    相关系数

    Unit

    1

    Value

    0

    min

    -1

    max

    1

    step

    any

  • key

    trials

    label

    模拟次数

    Unit

    1

    Value

    10000

    min

    100

    max

    50000

    step

    1

  • key

    seed

    label

    固定种子

    Unit

    1

    Value

    12345

    min

    1

    max

    2147483646

    step

    1

Outputs

  • key

    mean

    label

    模拟均值

    Unit

    MPa

  • key

    standard_deviation

    label

    模拟标准差

    Unit

    MPa

  • key

    lower95

    label

    经验等尾区间下限

    Unit

    MPa

  • key

    upper95

    label

    经验等尾区间上限

    Unit

    MPa

  • key

    nominal

    label

    名义F/A

    Unit

    MPa

  • key

    first_order_uncertainty

    label

    一阶标准不确定度

    Unit

    MPa

  • key

    trials

    label

    模拟次数

    Unit

    1

Assumptions and limits

  • 明确假设联合正态分布与给定ρ;Park–Miller伪随机数+Box–Muller,固定种子可复现。

  • 分位数使用排序后的线性插值,概率位置为p(N−1)。

Limitations

  • 输入分布必须有物理依据;正态面积可能产生非正值,工具发现后拒绝而不删样本。

  • 有限次数使分位数有抽样波动;未实现JCGM自适应容差停止。

  • 经验覆盖区间不是均值的置信区间;不构成认证不确定度预算。

Model method

固定种子抽样、相关变换、非线性比值传播、样本标准差与经验分位数。

Validation

同种子重复必须相同;小不确定度时与一阶结果统计一致;Python/浏览器样本及摘要交叉比对。

Execution and reproduction

python

已实际运行,详见验证报告

matlab

提供可复现源码;当前环境无MATLAB/Octave,未执行

Related instruments, methods and research

Your next research question. Let’s explore.

Tell us about your material, specimen and measurement goal.

Discuss your application ↗
Find your instrument
⌕
Search products, cases, solutions, standards and literature.