Латинське гіперкубічне вибирання — Стратифікований дизайн симуляції
Латинське гіперкубічне вибирання (LHS) — це стратифікований дизайн, що заповнює простір, для комп'ютерних експериментів, представлений МакКеєм, Бекманом та Коновером у 1979 році. Він ділить діапазон кожної вхідної змінної на страти з однаковою ймовірністю та вибирає рівно одну вибірку на страту, забезпечуючи повне покриття вхідного простору з набагато меншою кількістю оцінок моделі, ніж вимагає стандартна Монте-Карло симуляція. Його зазвичай поєднують із глобальним аналізом чутливості — зокрема, з індексами Собіля — для кількісної оцінки того, наскільки кожен вхідний параметр впливає на мінливість вихідних даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Latin Hypercube Sampling and Sensitivity Analysis. ScholarGate. https://scholargate.app/uk/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.
- Імітаційне моделювання методом бутстрепуІмітаційне моделювання↔ compare
- Планування експериментівПланування експерименту↔ compare
- Метод Монте-КарлоПрийняття рішень↔ compare
- Методи зниження дисперсії для Монте-Карло симуляційІмітаційне моделювання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →