Latin Hypercube Sampling — Stratifioitu simulaatiosuunnittelu
Latin Hypercube Sampling (LHS) on stratifioitu, avaruutta täyttävä suunnittelumenetelmä tietokonesimulaatioihin, jonka esittelivät McKay, Beckman ja Conover vuonna 1979. Se jakaa kunkin syötemuuttujan vaihteluvälin yhtä todennäköisiin osiin (stratoihin) ja ottaa täsmälleen yhden näytteen kustakin osasta, varmistaen, että koko syöteavaruus katetaan huomattavasti harvemmilla malliarvioinneilla kuin mitä standardi Monte Carlo -simulaatio vaatii. Sitä käytetään rutiininomaisesti yhdessä globaalin herkkyysanalyysin kanssa — erityisesti Sobolin indeksien kanssa — kvantifioimaan, kuinka paljon kukin syöte vaikuttaa tulosvaihteluun.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Lähteet
- McKay, M.D., Beckman, R.J. & Conover, W.J. (1979). A Comparison of Three Methods for Selecting Values of Input Variables in the Analysis of Output from a Computer Code. Technometrics, 21(2), 239-245. DOI: 10.1080/00401706.1979.10489755 ↗
- Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M. & Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley. DOI: 10.1002/9780470725184 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Latin Hypercube Sampling and Sensitivity Analysis. ScholarGate. https://scholargate.app/fi/simulation/latin-hypercube-sampling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bootstrap-simulaatio – empiirinen uudelleennäytteistys tilastolliseen päättelyynSimulointi↔ compare
- Kokeiden suunnitteluKoesuunnittelu↔ compare
- MONTE-CARLO-SIMULATIONPäätöksenteko↔ compare
- Varianssin pienentämisen tekniikat Monte Carlo -simulaatioonSimulointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →