Latin Hypercube Sampling — Desenho Estratificado de Simulação
Latin Hypercube Sampling (LHS) é um desenho estratificado que preenche o espaço para experimentos computacionais, introduzido por McKay, Beckman e Conover em 1979. Ele divide o intervalo de cada variável de entrada em estratos de probabilidade igual e extrai exatamente uma amostra por estrato, garantindo que o espaço de entrada completo seja coberto com muito menos avaliações do modelo do que a simulação de Monte Carlo padrão requer. É rotineiramente pareado com análise de sensibilidade global — particularmente índices de Sobol — para quantificar o quanto cada entrada impulsiona a variabilidade da saída.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Latin Hypercube Sampling and Sensitivity Analysis. ScholarGate. https://scholargate.app/pt/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.
- Simulação BootstrapSimulação↔ compare
- Desenho de ExperimentosDelineamento experimental↔ compare
- Simulação de Monte CarloTomada de decisão↔ compare
- Técnicas de Redução de Variância para Simulação de Monte CarloSimulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →