@techreport{oai:jaxa.repo.nii.ac.jp:00001830,
 author = {元田, 敏和 and Motoda, Toshikazu},
 month = {Oct},
 note = {モンテカルロ(MC)･シミュレーションは, 入力である多数の不確定パラメタを同時に考慮した非線形システムを直接評価できるため, 飛行前の評価手段として強力なツールである. 通常, MC 評価結果の中には要求を満足できないケース(失敗ケース)がいくつか現れる. このときシステムの改良検討において, システム要求を満足しない主な原因となる不確定パラメタを特定する必要がある. しかしモンテカルロ評価では多数の不確定パラメタを同時に, かつ, ランダムに加えているため, 主因となるパラメタの特定は必ずしも容易ではない. そこで本稿では, この課題を解決するためのパラメタ検出法を提示する. 本手法では失敗ケースを引き起こす不確定パラメタ･ベクトルのリサンプリングによるMC 評価と, 統計的検定を利用する. 超幾何分布に基づく検定を実行するため, 通常は統計解析ソフトウェアが必要となる. ただし統計ソフトウェアの利用が難しいケースでも, 容易に計算可能な正規分布近似の手法についても記す. 最後に適用例として飛行実験のMC 結果に本検出法を適用し, その有効性と実用性を示す., Monte Carlo (MC) Simulation is a powerful tool for preflight evaluation of flight vehicles, because a number of input uncertain parameters are incorporated simultaneously and non-linear system can be evaluated directly. MC results show some unsatisfactory simulation results which violate system requirements. It is necessary to find the cause of these unsatisfactory cases, namely failure cases, for the study of system improvement. So, detecting the influential inputs of uncertain parameters for the failure cases is important. However, it is often uneasy to detect them because various uncertain parameters are incorporated simultaneously and randomly. This paper presents a methodology to detect influential uncertain parameters. The approach utilizes re-sampling of input uncertain vectors that cause failure cases, and statistical hypothesis test. Since the statistical test is based on hypergeometric distribution, some software which includes statistical tools is usually necessary. Even when statistical software is unavailable, approximated statistical test that utilizes normal distribution is presented and can be applied. MC results of an experimental flight vehicle demonstrate validity and practicality of the presented approach., 形態: カラー図版あり, Physical characteristics: Original contains color illustrations, 資料番号: AA1730008000, レポート番号: JAXA-RR-17-004},
 title = {モンテカルロ評価における影響パラメタ検出法},
 year = {2017}
}