统计学 > 计算
[提交于 2015年7月24日
]
标题: 拉丁超立方抽样的推广
标题: The generalization of Latin hypercube sampling
摘要: 拉丁超立方抽样(LHS)在分层抽样(SS)设计的范围内进行推广,这些设计被称为部分分层样本(PSS)设计。 真正的SS和LHS被证明是PSS谱的极端情况。 推导了PSS估计的方差以及一些渐近性质。 显示PSS设计可以减少与变量交互相关的方差,而LHS减少与主效应相关的方差。 讨论了使用PSS设计的相关挑战及其局限性。 为了克服这些挑战,PSS方法与一种称为拉丁化分层抽样(LSS)的新方法相结合,该方法生成同时具有SS和LHS特性的样本集。 在某些条件下,LSS方法等价于基于正交数组的LHS,但更容易获得。 在PSS子空间上使用LSS提供了一种减少与主效应和变量交互相关方差的抽样策略,并且可以专门设计以最小化给定问题的方差。 几个高维数值例子突出了该方法的优点和局限性。 然后将拉丁化部分分层抽样方法应用于板屈曲问题上的不确定性量化,以确定最佳样本策略。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.