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 с вектором средних значений, mu, и ковариационная матрица, sigma.
X похоже на случайную выборку 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 'off', каждый столбец имеет точки, равномерно распределенные по шкале вероятности. 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 предельного распределения того столбца. Если flag 'on' (значение по умолчанию), каждый столбец имеет точки, равномерно распределенные по 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 перед marginals настроена, чтобы получить X.
[1] Глиняная кружка, M. “Свойства большой выборки симуляций с помощью латинской выборки гиперкуба”. Технометрики. Издание 29, № 2, 1987, стр 143–151. Коррекция, Издание 32, p. 367.