การสุ่มตัวอย่างแบบละตินไฮเปอร์คิวบ์ — การออกแบบการจำลองแบบแบ่งชั้น
การสุ่มตัวอย่างแบบละตินไฮเปอร์คิวบ์ (Latin Hypercube Sampling - LHS) เป็นการออกแบบที่เติมเต็มปริภูมิแบบแบ่งชั้นสำหรับการทดลองคอมพิวเตอร์ ซึ่งนำเสนอโดย McKay, Beckman และ Conover ในปี 1979 โดยจะแบ่งช่วงของตัวแปรอินพุตแต่ละตัวออกเป็นชั้นที่มีความน่าจะเป็นเท่ากัน และดึงตัวอย่างเพียงหนึ่งเดียวต่อชั้น เพื่อให้แน่ใจว่าปริภูมิอินพุตทั้งหมดได้รับการครอบคลุมด้วยการประเมินแบบจำลองจำนวนน้อยกว่าที่การจำลองแบบมอนติคาร์โลมาตรฐานต้องการอย่างมาก โดยทั่วไปจะใช้ร่วมกับการวิเคราะห์ความไวแบบทั่วโลก โดยเฉพาะดัชนีโซโบล เพื่อวัดปริมาณว่าอินพุตแต่ละตัวมีผลต่อความแปรปรวนของเอาต์พุตมากน้อยเพียงใด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Latin Hypercube Sampling and Sensitivity Analysis. ScholarGate. https://scholargate.app/th/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.
- การจำลองแบบบูตสแตรปการจำลอง↔ compare
- การออกแบบการทดลองการออกแบบการทดลอง↔ compare
- การจำลองแบบมอนติคาร์โลการตัดสินใจ↔ compare
- เทคนิคการลดความแปรปรวนสำหรับการจำลองแบบมอนติคาร์โลการจำลอง↔ compare