Optimal Uncertainty Quantification on moment class using Canonical Moments

Abstract : We gain robustness on the quantification of a risk measurement by accounting for all sources of uncertainties tainting the inputs of a computer code. We evaluate the maximum quantile over a class of distributions defined only by constraints on their moments. The methodology is based on the theory of canonical moments that appears to be a well-suited framework for practical optimization.
Type de document :
Pré-publication, Document de travail
2018
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01940237
Contributeur : Jerome Stenger <>
Soumis le : vendredi 30 novembre 2018 - 14:13:19
Dernière modification le : vendredi 21 décembre 2018 - 11:10:11

Fichier

aoas_canonical_moments.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01940237, version 1

Collections

Citation

Jerome Stenger, Fabrice Gamboa, Merlin Keller, Bertrand Iooss. Optimal Uncertainty Quantification on moment class using Canonical Moments. 2018. 〈hal-01940237〉

Partager

Métriques

Consultations de la notice

33

Téléchargements de fichiers

5