目前，研究不銹鋼應力腐蝕概率的模型有兩類，隨機變量模型和隨機過程模型。
1. 隨機變量模型
該(gai)(gai)模型(xing)(xing)(xing)是(shi)在確定(ding)(ding)論(lun)基礎上發展起(qi)來的(de)(de)(de)。首先確定(ding)(ding)系統(tong)退化(hua)特(te)(te)征值(zhi)，然后再建立特(te)(te)征值(zhi)與相關(guan)(guan)變(bian)(bian)量(liang)的(de)(de)(de)關(guan)(guan)系式(shi)，再將(jiang)公式(shi)中的(de)(de)(de)變(bian)(bian)量(liang)看成隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)，最(zui)后通過(guo)相應(ying)的(de)(de)(de)計算方(fang)法得(de)出(chu)結(jie)果(guo)。隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)是(shi)影響(xiang)特(te)(te)征值(zhi)的(de)(de)(de)一(yi)(yi)些重(zhong)要物理量(liang)，可(ke)(ke)以(yi)(yi)(yi)是(shi)自變(bian)(bian)量(liang)，也可(ke)(ke)以(yi)(yi)(yi)是(shi)因變(bian)(bian)量(liang)，還可(ke)(ke)以(yi)(yi)(yi)是(shi)無關(guan)(guan)變(bian)(bian)量(liang)。隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)可(ke)(ke)分(fen)(fen)(fen)(fen)為離散(san)型(xing)(xing)(xing)隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)和連(lian)續型(xing)(xing)(xing)隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang),離散(san)型(xing)(xing)(xing)隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)具有分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)律，連(lian)續型(xing)(xing)(xing)隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)具有概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)密(mi)度(du)函數f(x)以(yi)(yi)(yi)及概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)函數F(x),分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)律和分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)函數可(ke)(ke)分(fen)(fen)(fen)(fen)別描述(shu)不同類(lei)型(xing)(xing)(xing)隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)的(de)(de)(de)概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)特(te)(te)性，對(dui)于研究應(ying)力(li)(li)腐蝕隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)性中的(de)(de)(de)隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)一(yi)(yi)般(ban)都(dou)是(shi)連(lian)續型(xing)(xing)(xing)的(de)(de)(de)，如(ru)材料性能、環境(jing)中離子(zi)濃度(du)、溫度(du)、載荷等(deng)。確定(ding)(ding)隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)類(lei)型(xing)(xing)(xing)以(yi)(yi)(yi)及參(can)數是(shi)概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)研究的(de)(de)(de)重(zhong)要內容，它們將(jiang)直(zhi)接影響(xiang)失(shi)效概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)的(de)(de)(de)計算結(jie)果(guo)及其精確度(du)。因此，隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)的(de)(de)(de)概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)特(te)(te)性研究是(shi)一(yi)(yi)項基礎性的(de)(de)(de)研究工作。一(yi)(yi)般(ban)由觀測數據(ju)確定(ding)(ding)隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)類(lei)型(xing)(xing)(xing),并在此基礎上確定(ding)(ding)其參(can)數；當由已有的(de)(de)(de)觀測數據(ju)難(nan)以(yi)(yi)(yi)確定(ding)(ding)該(gai)(gai)隨(sui)(sui)機(ji)(ji)(ji)(ji)(ji)變(bian)(bian)量(liang)的(de)(de)(de)理論(lun)分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)形(xing)式(shi)時(shi)，則定(ding)(ding)義一(yi)(yi)個實驗(yan)分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)，再進行擬合檢(jian)驗(yan)，最(zui)后根據(ju)有限比(bi)較法選擇其中的(de)(de)(de)最(zui)優概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)類(lei)型(xing)(xing)(xing)作為參(can)數的(de)(de)(de)概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)類(lei)型(xing)(xing)(xing)。正態分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)、Weibull分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)、指數分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)以(yi)(yi)(yi)及Poisson(泊(bo)松(song)）分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)等(deng)都(dou)是(shi)應(ying)力(li)(li)腐蝕概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)分(fen)(fen)(fen)(fen)析中常用的(de)(de)(de)概(gai)(gai)(gai)(gai)率(lv)(lv)(lv)分(fen)(fen)(fen)(fen)布(bu)(bu)(bu)類(lei)型(xing)(xing)(xing)。
參(can)(can)數(shu)(shu)估(gu)計(ji)(ji)(ji)(ji)(ji)的(de)方法(fa)(fa)(fa)有(you)(you)矩(ju)(ju)估(gu)計(ji)(ji)(ji)(ji)(ji)法(fa)(fa)(fa)、最大(da)(da)（極大(da)(da)）似(si)然(ran)法(fa)(fa)(fa)、最小二(er)乘法(fa)(fa)(fa)和貝葉斯估(gu)計(ji)(ji)(ji)(ji)(ji)法(fa)(fa)(fa)，其中矩(ju)(ju)估(gu)計(ji)(ji)(ji)(ji)(ji)法(fa)(fa)(fa)、最大(da)(da)（極大(da)(da)）似(si)然(ran)法(fa)(fa)(fa)最為常(chang)用(yong)(yong)。矩(ju)(ju)估(gu)計(ji)(ji)(ji)(ji)(ji)法(fa)(fa)(fa)對(dui)任何總(zong)體(ti)都(dou)可(ke)以用(yong)(yong)，不需(xu)要(yao)(yao)事先知道總(zong)體(ti)的(de)分(fen)(fen)布(bu)，方法(fa)(fa)(fa)簡單(dan)，但是，變量分(fen)(fen)布(bu)特征沒有(you)(you)得(de)到(dao)有(you)(you)效使(shi)用(yong)(yong)，一(yi)(yi)般情(qing)況下，該方法(fa)(fa)(fa)的(de)估(gu)計(ji)(ji)(ji)(ji)(ji)量有(you)(you)多(duo)個。最大(da)(da)似(si)然(ran)法(fa)(fa)(fa)是在總(zong)體(ti)類型(xing)已知條件(jian)下使(shi)用(yong)(yong)的(de)一(yi)(yi)種參(can)(can)數(shu)(shu)估(gu)計(ji)(ji)(ji)(ji)(ji)方法(fa)(fa)(fa),認為未知參(can)(can)數(shu)(shu)的(de)估(gu)計(ji)(ji)(ji)(ji)(ji)值(zhi)應(ying)使(shi)樣本觀測值(zhi)出現的(de)概率最大(da)(da)。有(you)(you)些隨機參(can)(can)數(shu)(shu)總(zong)體(ti)服(fu)從什么分(fen)(fen)布(bu)是未知的(de)，我(wo)們要(yao)(yao)對(dui)總(zong)體(ti)是否服(fu)從某種分(fen)(fen)布(bu)作檢驗(yan)，這樣的(de)檢驗(yan)稱為分(fen)(fen)布(bu)的(de)檢驗(yan)。常(chang)用(yong)(yong)的(de)樣本概率分(fen)(fen)布(bu)檢驗(yan)方法(fa)(fa)(fa)主(zhu)要(yao)(yao)有(you)(you)：χ2檢驗(yan)、J-B檢驗(yan)、A-D檢驗(yan)、K-S檢驗(yan)以及正態分(fen)(fen)布(bu)的(de)概率紙檢驗(yan)等。χ2檢驗(yan)法(fa)(fa)(fa)可(ke)適用(yong)(yong)于離(li)散(san)型(xing)或(huo)連續型(xing)分(fen)(fen)布(bu)，是一(yi)(yi)種應(ying)用(yong)(yong)比較(jiao)廣泛的(de)分(fen)(fen)布(bu)檢驗(yan)法(fa)(fa)(fa)。
2. 隨機過程(cheng)模型
隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)按統計(ji)特性可(ke)(ke)(ke)分(fen)為(wei)平(ping)(ping)(ping)穩(wen)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)和(he)(he)非平(ping)(ping)(ping)穩(wen)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)，按照記憶特性可(ke)(ke)(ke)分(fen)為(wei)純粹(cui)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)、馬爾科(ke)夫隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)和(he)(he)獨(du)立增量隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)；按概(gai)率分(fen)布(bu)函數(shu)可(ke)(ke)(ke)分(fen)為(wei)高斯(si)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)和(he)(he)非高斯(si)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)。平(ping)(ping)(ping)穩(wen)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)是(shi)一類基本(ben)的(de)(de)、重要的(de)(de)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)，實際工(gong)程(cheng)領域所遇到的(de)(de)很多概(gai)率問題(ti)都可(ke)(ke)(ke)以(yi)認為(wei)是(shi)平(ping)(ping)(ping)穩(wen)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng),平(ping)(ping)(ping)穩(wen)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)的(de)(de)統計(ji)特性不隨(sui)(sui)時間的(de)(de)變化(hua)而發生(sheng)變化(hua)，也就是(shi)說，對(dui)于時間t的(de)(de)任(ren)意n個數(shu)值t1,t2,···,tn和(he)(he)任(ren)意實數(shu)r,如(ru)果(guo)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)X(t)的(de)(de)n維(wei)分(fen)布(bu)函數(shu)滿足如(ru)下(xia)關系式，則X(t)稱(cheng)為(wei)平(ping)(ping)(ping)穩(wen)隨(sui)(sui)機(ji)(ji)(ji)過(guo)(guo)(guo)程(cheng)。
在研究應力(li)腐(fu)蝕隨機(ji)性問題(ti)中，泊松過程和馬爾(er)科(ke)夫(fu)過程是常用的兩(liang)種隨機(ji)過程：
①. 泊松過程是(shi)一種重(zhong)要的(de)獨立增量過程，是(shi)服(fu)從泊松分(fen)布(bu)的(de)離散隨機過程。其應滿足兩個(ge)條件(jian)。不同(tong)時間(jian)(jian)區間(jian)(jian)內(nei)所發生(sheng)事(shi)件(jian)的(de)數(shu)目是(shi)相互獨立的(de)隨機變量；在時間(jian)(jian)區間(jian)(jian)［t,t+Δ]內(nei)，發生(sheng)事(shi)件(jian)數(shu)目的(de)概率分(fen)布(bu)為：
式中，λ為(wei)強度因子，表示單位時間內事件發(fa)生的平(ping)均數。
齊次(ci)(ci)泊(bo)松(song)過(guo)程(cheng)（homogenous Poison process,HPP)屬(shu)于(yu)平穩增量(liang)過(guo)程(cheng)，因(yin)(yin)此，λ為(wei)一(yi)正(zheng)常數(shu)，且均值E[X(t)]=λt.平穩增量(liang)過(guo)程(cheng)有時(shi)并不適合描述腐(fu)蝕的實際情況，因(yin)(yin)此引入了(le)非齊次(ci)(ci)泊(bo)松(song)過(guo)程(cheng)（non-homogenous Poisson process,NHPP).在非齊次(ci)(ci)泊(bo)松(song)過(guo)程(cheng)中，強度(du)因(yin)(yin)子成為(wei)一(yi)個與事件(jian)有關的強度(du)函數(shu)λ（t), 代表了(le)不同起始時(shi)間(jian)段事件(jian)發生(sheng)的數(shu)目。事件(jian)在Δ時(shi)間(jian)內(nei)發生(sheng)k次(ci)(ci)的概率為(wei)：
②. 馬爾科夫(fu)過(guo)程(cheng)(cheng)是一(yi)種(zhong)應用極(ji)為廣泛的(de)隨機(ji)過(guo)程(cheng)(cheng)，常用來(lai)研究材料(liao)的(de)退(tui)化過(guo)程(cheng)(cheng)。該(gai)過(guo)程(cheng)(cheng)具有如下特性，在(zai)已知目(mu)前狀(zhuang)(zhuang)態X(t)條件下，它未來(lai)的(de)狀(zhuang)(zhuang)態X(u)(u>t)不依賴(lai)于以往(wang)的(de)狀(zhuang)(zhuang)態X(v)(v<t),只取決(jue)于當前狀(zhuang)(zhuang)態，即(ji)：
在隨機(ji)過程研究中，通常把狀態和時間(jian)(jian)離散化，這(zhe)種馬(ma)(ma)氏(shi)過程稱為(wei)馬(ma)(ma)爾科夫鏈（Markov chain,又稱馬(ma)(ma)氏(shi)鏈）。對于馬(ma)(ma)爾科夫鏈，最重(zhong)要的(de)(de)是(shi)確定所有(you)狀態間(jian)(jian)可見的(de)(de)兩(liang)兩(liang)轉(zhuan)移(yi)概率(lv)，假(jia)設(she)一個馬(ma)(ma)氏(shi)鏈總(zong)共有(you)N個狀態，則其狀態轉(zhuan)移(yi)概率(lv)為(wei)一個NXN的(de)(de)矩陣，由(you)一步轉(zhuan)移(yi)概率(lv)可以寫(xie)出(chu)其轉(zhuan)移(yi)矩陣為(wei)：
理(li)論上，馬爾科夫(fu)過程能很好地滿足(zu)工(gong)程實際，但在實際應用(yong)中會遇到不(bu)少問題，主要有兩個難點：實驗數據(ju)的測量和轉移概率的計算。
3. 失效(xiao)概率計算
根據可(ke)靠性(xing)理論，把結(jie)構(gou)的(de)(de)(de)可(ke)靠和失效兩(liang)種工作情況的(de)(de)(de)臨界狀態(tai)(tai)稱為(wei)結(jie)構(gou)的(de)(de)(de)極(ji)限狀態(tai)(tai)。GB 50153-2008 中對結(jie)構(gou)極(ji)限狀態(tai)(tai)的(de)(de)(de)定義(yi)為(wei)：整個結(jie)構(gou)或結(jie)構(gou)的(de)(de)(de)某(mou)一(yi)部分超過某(mou)一(yi)特定狀態(tai)(tai)就不能(neng)(neng)滿足設(she)計規定的(de)(de)(de)某(mou)一(yi)功能(neng)(neng)要求，此特定狀態(tai)(tai)為(wei)該功能(neng)(neng)的(de)(de)(de)極(ji)限狀態(tai)(tai)。當(dang)結(jie)構(gou)喪失了(le)規定的(de)(de)(de)功能(neng)(neng)時，就認為(wei)失效。廣義(yi)的(de)(de)(de)“失效”認為(wei)只要出現以下三種情況就是失效：
①. 完全不能工(gong)作（完全喪失功能）；
②. 雖仍能工作，但不能完全滿足規(gui)定的功(gong)能（功(gong)能衰退）；
③. 能工作和(he)完(wan)成規定(ding)功能，但不能確保安(an)全，應更換維修。
結構(gou)的極(ji)限狀態方程為(wei)：
失(shi)效概(gai)率的(de)求(qiu)解(jie)方(fang)法(fa)(fa)(fa)(fa)主要有(you)三(san)種：一是解(jie)析(xi)(xi)解(jie)法(fa)(fa)(fa)(fa)；二是近似解(jie)法(fa)(fa)(fa)(fa)；三(san)是數值(zhi)解(jie)法(fa)(fa)(fa)(fa)，包括數值(zhi)積(ji)分法(fa)(fa)(fa)(fa)和(he)模擬法(fa)(fa)(fa)(fa)。解(jie)析(xi)(xi)解(jie)法(fa)(fa)(fa)(fa)是最(zui)直接的(de)一種求(qiu)解(jie)方(fang)法(fa)(fa)(fa)(fa)，但(dan)絕大多數情況下，解(jie)析(xi)(xi)解(jie)法(fa)(fa)(fa)(fa)很難求(qiu)出失(shi)效概(gai)率，只能(neng)采用(yong)近似解(jie)法(fa)(fa)(fa)(fa)，其中最(zui)常用(yong)的(de)是一次(ci)二階(jie)矩法(fa)(fa)(fa)(fa)。對于應力S和(he)強度R都服從正態分布(bu)的(de)情況，采用(yong)一次(ci)二階(jie)矩法(fa)(fa)(fa)(fa)計算可靠性(xing)系數β,一旦(dan)得(de)到可靠性(xing)系數，失(shi)效概(gai)率可由下式計算：
一次(ci)(ci)二階(jie)矩法存在一定的局限性(xing): 一般情形下(xia)精度較差；極限狀態方程缺(que)乏不變(bian)性(xing)。為了(le)解決極限狀態方程缺(que)乏不變(bian)性(xing)，1974年(nian)，Hasofer與Lind 對一次(ci)(ci)二階(jie)矩法進(jin)行了(le)改進(jin)，后被稱(cheng)為改進(jin)的一次(ci)(ci)二階(jie)矩法，也(ye)稱(cheng)為H-L法。
前兩種方(fang)(fang)法(fa)(fa)(fa)都(dou)是(shi)(shi)針對服(fu)從正態(tai)(tai)分(fen)布(bu)的(de)(de)(de)(de)(de)(de)(de)隨機變(bian)(bian)量(liang)，而(er)在實(shi)際工(gong)程問(wen)題(ti)中，很多隨機變(bian)(bian)量(liang)往往為(wei)非正態(tai)(tai)分(fen)布(bu)，針對這種情況，Fiessler等提出了(le)量(liang)正態(tai)(tai)分(fen)析(xi)法(fa)(fa)(fa)，這種方(fang)(fang)法(fa)(fa)(fa)可(ke)(ke)適應于求解(jie)(jie)任意(yi)分(fen)布(bu)隨機變(bian)(bian)量(liang)的(de)(de)(de)(de)(de)(de)(de)失(shi)效(xiao)概率(lv)。數(shu)值(zhi)(zhi)解(jie)(jie)法(fa)(fa)(fa)是(shi)(shi)求解(jie)(jie)失(shi)效(xiao)概率(lv)的(de)(de)(de)(de)(de)(de)(de)常用(yong)(yong)(yong)方(fang)(fang)法(fa)(fa)(fa)，數(shu)值(zhi)(zhi)積(ji)分(fen)法(fa)(fa)(fa)和(he)(he)解(jie)(jie)析(xi)解(jie)(jie)法(fa)(fa)(fa)一(yi)(yi)樣，都(dou)是(shi)(shi)直接積(ji)分(fen)求解(jie)(jie)結(jie)構(gou)的(de)(de)(de)(de)(de)(de)(de)失(shi)效(xiao)概率(lv)，但(dan)是(shi)(shi)受(shou)聯(lian)合概率(lv)密(mi)度(du)(du)函(han)數(shu)復(fu)雜(za)(za)性(xing)的(de)(de)(de)(de)(de)(de)(de)影響，這種方(fang)(fang)法(fa)(fa)(fa)的(de)(de)(de)(de)(de)(de)(de)使用(yong)(yong)(yong)范圍(wei)受(shou)到限制；而(er)數(shu)值(zhi)(zhi)模擬(ni)法(fa)(fa)(fa)是(shi)(shi)解(jie)(jie)決(jue)復(fu)雜(za)(za)概率(lv)問(wen)題(ti)的(de)(de)(de)(de)(de)(de)(de)有效(xiao)方(fang)(fang)法(fa)(fa)(fa)。隨著計(ji)算機容(rong)量(liang)和(he)(he)計(ji)算速度(du)(du)的(de)(de)(de)(de)(de)(de)(de)提高(gao)，目(mu)(mu)前，數(shu)值(zhi)(zhi)模擬(ni)法(fa)(fa)(fa)成為(wei)概率(lv)分(fen)析(xi)的(de)(de)(de)(de)(de)(de)(de)一(yi)(yi)種普遍方(fang)(fang)法(fa)(fa)(fa)，數(shu)值(zhi)(zhi)模擬(ni)的(de)(de)(de)(de)(de)(de)(de)主要作用(yong)(yong)(yong)是(shi)(shi)把概率(lv)模型轉化為(wei)統計(ji)問(wen)題(ti)，以(yi)便可(ke)(ke)以(yi)采用(yong)(yong)(yong)標準統計(ji)學(xue)方(fang)(fang)法(fa)(fa)(fa)分(fen)析(xi)結(jie)果。蒙特卡羅模擬(ni)法(fa)(fa)(fa)是(shi)(shi)一(yi)(yi)種傳統的(de)(de)(de)(de)(de)(de)(de)計(ji)算方(fang)(fang)法(fa)(fa)(fa)，它的(de)(de)(de)(de)(de)(de)(de)基本(ben)思想是(shi)(shi)用(yong)(yong)(yong)基本(ben)隨機變(bian)(bian)量(liang)的(de)(de)(de)(de)(de)(de)(de)聯(lian)合概率(lv)密(mi)度(du)(du)函(han)數(shu)進行抽樣，用(yong)(yong)(yong)落入失(shi)效(xiao)域內樣本(ben)點的(de)(de)(de)(de)(de)(de)(de)個(ge)數(shu)與總樣本(ben)點的(de)(de)(de)(de)(de)(de)(de)個(ge)數(shu)之(zhi)比(bi)作為(wei)所定義的(de)(de)(de)(de)(de)(de)(de)失(shi)效(xiao)概率(lv)。該(gai)方(fang)(fang)法(fa)(fa)(fa)不受(shou)隨機變(bian)(bian)量(liang)維數(shu)限制、不存在狀態(tai)(tai)空(kong)間爆(bao)炸問(wen)題(ti)，且不受(shou)任何假設約束，可(ke)(ke)以(yi)用(yong)(yong)(yong)來解(jie)(jie)決(jue)高(gao)維動態(tai)(tai)失(shi)效(xiao)概率(lv)的(de)(de)(de)(de)(de)(de)(de)求解(jie)(jie)難題(ti),當抽樣試驗次數(shu)足夠多時(shi)，近(jin)似解(jie)(jie)的(de)(de)(de)(de)(de)(de)(de)精確度(du)(du)高(gao)，是(shi)(shi)目(mu)(mu)前應用(yong)(yong)(yong)最(zui)多的(de)(de)(de)(de)(de)(de)(de)一(yi)(yi)種數(shu)值(zhi)(zhi)模擬(ni)方(fang)(fang)法(fa)(fa)(fa)。
