Latin Hypercube Sampling — Stratifisert simuleringsdesign
Latin Hypercube Sampling (LHS) er et stratifisert romfyllende design for dataeksperimenter, introdusert av McKay, Beckman og Conover i 1979. Det deler hver inngangsvariabels rekkevidde inn i like sannsynlige strata og trekker nøyaktig ett utvalg per stratum, noe som sikrer at hele inngangsrommet dekkes med langt færre modellevalueringer enn standard Monte Carlo-simulering krever. Det pares rutinemessig med global sensitivitetsanalyse — spesielt Sobol-indekser — for å kvantifisere hvor mye hver inngang driver utgangsvarians.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Latin Hypercube Sampling and Sensitivity Analysis. ScholarGate. https://scholargate.app/no/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-simulering – Empirisk gjensampling for statistisk inferensSimulering↔ compare
- Design av eksperimenter (DOE)Forsøksdesign↔ compare
- Monte Carlo-simuleringBeslutningstaking↔ compare
- Teknikker for variansreduksjon for Monte Carlo-simuleringSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →