Since – based on the above results

Since – based on the above results – no analytical formulation for the resultant leakage current probability density distribution p(I) could be derived, an alternative way was to use the Monte Carlo technique. Monte Carlo simulation is a computerized mathematical technique that permits accounting for risk in quantitative analysis and decision making. It performs risk analysis by building models of possible results by substituting a range of values – a probability distribution – for any factor that has inherent uncertainty. It then calculates results over and over, each time using a different set of random values from the probability functions. Depending upon the number of uncertainties and the ranges specified for them, a Monte Carlo simulation could involve thousands or tens of thousands of recalculations before it is complete. Monte Carlo simulation produces distributions of possible outcome values. By using probability distributions, variables can have different probabilities of different outcomes occurring. It is emphasized in this paper that probability distributions are a much more realistic way of describing uncertainty in variables of a risk analysis.

This procedure is diagrammatically described in Fig. 5. Random numbers Rgi and Rci were first numerically generated. Random values of contamination layer conductivity (ci) and layer size (gi) were in turn generated. Random magnitudes of leakage current (Ii) using the two random ci and gi values were then generated using the numerical techniques described in this paper.

ผลลัพธ์ (ไทย) 1:

ตั้งแต่ – ตามผลลัพธ์ข้างต้น – สามารถมากำหนดไม่วิเคราะห์สำหรับการรั่วไหลของผลแก่ปัจจุบันความหนาแน่นของความน่าเป็นการกระจาย p(I) ทางเลือกคือการ ใช้เทคนิคมอน Carlo จำลอง Carlo มอนเป็นเทคนิคทางคณิตศาสตร์คอมพิวเตอร์ที่อนุญาตให้บัญชีสำหรับความเสี่ยงในการวิเคราะห์เชิงปริมาณและการตัดสินใจ โปรแกรมทำการวิเคราะห์ความเสี่ยง โดยการสร้างรูปแบบของผลลัพธ์ที่ได้โดยการแทนที่ช่วงของค่า – การกระจายความน่าเป็น – สำหรับปัจจัยต่าง ๆ ที่มีความไม่แน่นอนโดยธรรมชาติ แล้วคำนวณผลลัพธ์ และ เหนือ ทุกครั้งที่ใช้ชุดอื่นสุ่มค่าจากฟังก์ชันความน่าเป็น ขึ้นอยู่กับจำนวนของความไม่แน่นอนและช่วงที่ระบุไว้ การจำลอง Carlo มอนอาจเกี่ยวข้องกับหลักพันหรือหมื่นคำนวณการ จำลอง Carlo มอนก่อให้เกิดการกระจายของค่าผลลัพธ์ที่ได้ โดยใช้การกระจายความน่าเป็น ตัวแปรสามารถมีกิจกรรมต่าง ๆ ของผลลัพธ์ต่าง ๆ ที่เกิดขึ้น มันจะถูกเน้นในเอกสารนี้ที่การกระจายความน่าเป็นแบบสมจริงมากขึ้นของการอธิบายความไม่แน่นอนในตัวแปรการวิเคราะห์ความเสี่ยงขั้นตอนนี้จะอธิบายไว้ใน Fig. 5 diagrammatically หมายเลขสุ่ม Rgi และอาร์ได้ก่อนสร้างขึ้นเรียงตามตัวเลข จะเกิดสุ่มค่าปนเปื้อนชั้นนำ (ci) และชั้นขนาด (gi) Magnitudes สุ่มของการรั่วไหลปัจจุบัน (Ii) ใช้สองสุ่ม ci และจิค่าถูกสร้างโดยใช้เทคนิคเป็นตัวเลขที่อธิบายไว้ในเอกสารนี้แล้ว

ผลลัพธ์ (ไทย) 2:

ตั้งแต่ - บนพื้นฐานของผลดังกล่าวข้างต้น - ไม่มีสูตรการวิเคราะห์ผลการรั่วไหลของความหนาแน่นต่อการกระจายความน่าจะเป็นในปัจจุบัน (I) อาจจะมาเป็นอีกทางเลือกหนึ่งคือการใช้เทคนิคมอนติคาร์โล การจำลอง Monte Carlo เป็นเทคนิคทางคณิตศาสตร์คอมพิวเตอร์ที่อนุญาตให้การบัญชีเกี่ยวกับความเสี่ยงในการวิเคราะห์เชิงปริมาณและการตัดสินใจ จะดำเนินการวิเคราะห์ความเสี่ยงโดยการสร้างรูปแบบของผลที่เป็นไปได้โดยการแทนช่วงของค่า - การกระจายความน่าจะเป็น - ปัจจัยที่มีความไม่แน่นอนโดยธรรมชาติใด ๆ จากนั้นก็จะคำนวณผลกว่าและมากกว่าทุกครั้งที่ใช้ชุดที่แตกต่างกันของค่าสุ่มจากฟังก์ชั่นความน่าจะเป็น ทั้งนี้ขึ้นอยู่กับจำนวนของความไม่แน่นอนและช่วงที่ระบุไว้สำหรับพวกเขาจำลอง Monte Carlo อาจเกี่ยวข้องกับการพันหรือหลายหมื่นคำนวณใหม่ก่อนที่จะเสร็จสมบูรณ์ การจำลอง Monte Carlo ผลิตการกระจายของค่าผลที่เป็นไปได้ โดยใช้การแจกแจงความน่าจะเป็นตัวแปรที่สามารถมีความน่าจะเป็นที่แตกต่างจากผลลัพธ์ที่แตกต่างที่เกิดขึ้น มันจะเน้นในบทความนี้ที่แจกแจงความน่าจะเป็นวิธีที่มีเหตุผลมากขึ้นของการอธิบายความไม่แน่นอนในตัวแปรของการวิเคราะห์ความเสี่ยง. ขั้นตอนนี้จะอธิบาย diagrammatically ในรูป 5. สุ่มหมายเลข Rgi และ Rci ถูกสร้างขึ้นครั้งแรกตัวเลข สุ่มค่าการนำไฟฟ้าชั้นการปนเปื้อน (CI) และขนาดชั้น (กูเกิล) เป็นในทางกลับกันสร้าง เคาะสุ่มของการรั่วไหลปัจจุบัน (ii) โดยใช้ทั้งสองค่า CI และ Gi สุ่มถูกสร้างขึ้นแล้วใช้เทคนิคเชิงตัวเลขที่อธิบายไว้ในบทความนี้

ผลลัพธ์ (ไทย) 3:

ตั้งแต่–ขึ้นอยู่กับผลลัพธ์ข้างต้นรวมทั้งวิเคราะห์การรั่ว ซึ่งปัจจุบันการกระจายความหนาแน่นของความน่าจะเป็น P ( ผม ) อาจจะได้ซึ่งเป็นอีกทางเลือกหนึ่ง คือ ใช้เทคนิคมอนติคาร์โล การจำลองมอนติคาร์โลเป็นคอมพิวเตอร์คณิตศาสตร์เทคนิคที่อนุญาตให้บัญชีสำหรับความเสี่ยงในการวิเคราะห์และการตัดสินใจมันมีประสิทธิภาพการวิเคราะห์ความเสี่ยง โดยสร้างรูปแบบของผลลัพธ์ที่เป็นไปได้จากช่วงของค่า–การแจกแจงความน่าจะเป็น – สำหรับปัจจัยที่มีความไม่แน่นอนอยู่ภายใน จากนั้นคำนวณผลลัพธ์มากกว่า แต่ละเวลาที่ใช้ในการตั้งค่าที่แตกต่างกันของค่าแบบสุ่มจากความน่าจะเป็นฟังก์ชัน ขึ้นอยู่กับจำนวนของความไม่แน่นอนและช่วงที่ระบุไว้สำหรับพวกเขามอนติคาร์โลอาจเกี่ยวพัน หรือหมื่น recalculations ก่อนที่จะเสร็จสมบูรณ์ การจำลองมอนติคาร์โลสร้างการแจกแจงของค่าผลลัพธ์ที่เป็นไปได้ โดยใช้การแจกแจงความน่าจะเป็นตัวแปรสามารถมีความน่าจะเป็นที่แตกต่างกันที่แตกต่างกัน ผลที่เกิดขึ้นจะเน้นในบทความนี้ที่การแจกแจงความน่าจะเป็นมีมากจริงมากขึ้นวิธีการอธิบายถึงความไม่แน่นอนในตัวแปรของการวิเคราะห์ความเสี่ยง ขั้นตอนนี้จะอธิบาย diagrammatically

ในรูปที่ 5 ตัวเลขสุ่ม rgi RCI และเป็นครั้งแรกที่สร้างขึ้นตัวเลข ค่าแบบสุ่มการปนเปื้อนของชั้นนำ ( CI ) และชั้นขนาด ( กี ) ถูกเปิดขึ้นสุ่มขนาดของการรั่วไหลในปัจจุบัน ( 2 ) ใช้สองแบบสุ่มและค่า CI กีแล้วสร้างโดยใช้ตัวเลขเทคนิคที่อธิบายไว้ในบทความนี้