JC法的基本思路
在设计演算点X*处，把非正态变量X转化成正态变量X’，应符合以下条件：
（1）
在设计演算点X*处，正态变量X’的分布函数
与非正态变量X的分布函数
相等即=。
（2）
在设计演算点X*处，正态变量X’的密度函数
与非正态变量X的密度函数
相等，即=。
根据当量正态化条件，可以得到当量正态化变量的均值和标准差。公式如下：
均值：
标准差：
对于如对数正态分布、Weibull分布、极值I型分布等均可由上式得到所需的当量正态变量的均值和标准差。
基本步骤如下：
JC法使采用当量正态化的演算点法。参照独立正态分布变量的演算点法的迭代步骤，可建立JC法的迭代计算步骤，如下所述：
（1）
假定初始演算点X*一般可取X*= 
。
（2）
对非正态分布变量Xi，计算
和
。
（3）
计算
，
（4）
计算
，
（5）
计算新的X*，
= 
，i=1,2…,n
（6）
以新的X*重复步骤（2）至（5），直至前后两次
之差小于
。
Matlab编程实现JC法计算可靠度：
例：一承载力为R的轴压短柱，承受永久荷载G和可变荷载Q作用。已知R服从对数正态分布，其平均值为
=309.2KN，标准差
=52.6KN；G服从正态分布，其平均值
=53.0KN，标准差
=3.7KN；Q服从极值I分布，其平均值
=70.0 KN，标准差
=20.3 KN，R、G、Q相互独立，求可靠度。
程序如下：
Function bbeta=JC_3(muX,cvX)
muX=[309.2;53.0;70.0];sigmaX=[52.6;3.7;20.3];
sLn=sqrt(log(1+(sigmaX(1)/muX(1))^2));
mLn=log(muX(1))-sLn^2/2;
aEv=sqrt(6)*sigmaX(3)/pi;
uEv=-psi(1)*aEv-muX(3);
muX1=muX;
sigmaX1=sigmaX;
x=muX;
normX=eps;
While abs(norm(x)-normX)/normX)>1e-6
NormX=norm(x);
g=x(1)-x(2)-x(3);
gX=[1;-1;-1];
cdfX=[logncdf(x(1),mLn,sLn);1-evcdf(-x(3),uEv,aEv)];
pdfX=[lognpdf(x(1),mLn,sLn); evcdf(-x(3),uEv,aEv)];
nc=norminv(cdfX);
sigmaX1(1:2:3)=normpdf(nc)./pdfX;
muX1(1:2:3)= [x(1:2:3) -nc.*sigmaX1(1:2:3)];
gs=gX.*sigmaX1;
alphaX=-gs/norm(gs);
bbeta=(g+gX*(muX1-x))/norm(gs);
x=muX1+bbeta*sigmaX1.*alphaX;
end
运行结果为：可靠度3.583