Латинская выборка гиперкуба от нормального распределения
X = lhsnorm(mu,sigma,n)
X = lhsnorm(mu,sigma,n,flag
)
[X,Z] = lhsnorm(...)
X = lhsnorm(mu,sigma,n)
возвращает n-by-p матрица, X
, содержа латинскую выборку гиперкуба размера n
от p - размерное многомерное нормальное распределение со средним вектором, mu
, и ковариационной матрицей, sigma
.
X
подобен случайной выборке от многомерного нормального распределения, но предельное распределение каждого столбца настроено так, чтобы его демонстрационное предельное распределение было близко к его теоретическому нормальному распределению.
X = lhsnorm(mu,sigma,n,
управляет объемом сглаживания в выборке. Если flag
)flag
является 'off'
, каждый столбец имеет точки, равномерно распределенные в шкале вероятности. Другими словами, каждый столбец является перестановкой значений G(0.5/n), G(1.5/n), ..., G(1-0.5/n)
, где G
является обратным нормальным кумулятивным распределением для предельного распределения того столбца. Если flag
является 'on'
(значение по умолчанию), каждый столбец имеет точки, равномерно распределенные в шкале вероятности. Например, вместо 0.5/n
вы используете значение, имеющее равномерное распределение на интервале (0/n,1/n)
.
[X,Z] = lhsnorm(...)
также возвращает Z
, исходная многомерная нормальная выборка, прежде чем marginals будут настроены, чтобы получить X
.
[1] Глиняная кружка, M. “Свойства большой выборки симуляций с помощью латинской выборки гиперкуба”. Технометрики. Издание 29, № 2, 1987, стр 143–151. Исправление, Издание 32, p. 367.