La estimación de momentos en sistemas aleatorios es un problema común en la cuantificación de incertidumbre y el análisis de fiabilidad en ingeniería. Los métodos de integración de reducción de dimensión (dimension-reduction integration methods, DRIMs) provienen de modelos de reducción de dimensión, cuya base teórica consiste en transformar las integrales de alta dimensión involucradas en la estimación de momentos de sistemas aleatorios en un conjunto de integrales de baja dimensión sobre las funciones componentes, y se han convertido en un método importante para la estimación de momentos. Este artículo revisa sistemáticamente los métodos de integración de reducción de dimensión existentes aplicados a la estimación de momentos en sistemas aleatorios, abarcando los modelos de reducción de dimensión, los métodos de integración de reducción de dimensión para la estimación de momentos y la combinación de estos métodos con algoritmos avanzados de integración numérica. Finalmente, la sección de perspectivas y conclusiones señala los desafíos que enfrentan los métodos de integración de reducción de dimensión y las posibles direcciones de investigación futura, proporcionando así una referencia fundamental para investigadores y profesionales del campo.

cuantificación de incertidumbre;momentos estadísticos; métodos de integración de reducción de dimensión; modelos de reducción de dimensión; integración multidimensional;mecánica aleatoria