Латинская выборка гиперкуба из 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 матрицу, X
, содержащая латинская гиперкубная выборка размера n
из p -мерного многомерного нормального распределения со вектором средних значений, mu
, и ковариационная матрица, sigma
.
X
подобен случайной выборке из многомерного нормального распределения, но маргинальное распределение каждого столбца скорректировано так, что его маргинальное распределение выборки близко к его теоретическому нормальному распределению.
X = lhsnorm(mu,sigma,n,
управляет количеством сглаживания в выборке. Если flag
)flag
является 'off'
каждый столбец имеет точки с равными интервалами по шкале вероятностей. Другими словами, каждый столбец является сочетанием значений G(0.5/n), G(1.5/n), ..., G(1-0.5/n)
, где G
- обратное нормальное кумулятивное распределение для маргинального распределения этого столбца. Если flag
является 'on'
(по умолчанию), каждый столбец имеет точки, равномерно распределенные по шкале вероятностей. Для примера, на месте 0.5/n
вы используете значение, имеющее равномерное распределение по интервалу (0/n,1/n)
.
[X,Z] = lhsnorm(...)
также возвращается Z
исходная многомерная нормальная выборка перед корректировкой маргинальных номеров для получения X
.
[1] Stein, M. «Large sample properties of simulations using latin hypercube sampling». Технометрия. Том 29, № 2, 1987, стр. 143-151. Коррекция, том 32, стр. 367.