基于拉丁超立方抽样的分层分层域序贯估计
统计方法学
2023-11-14 v2
摘要
在随机域中仅有点值评估而无可用的正则性条件的系统，其不确定性量化的手段局限于基于抽样的技术。本文提出一种自适应序贯分层估计方法，在每个层内使用拉丁超立方抽样。该自适应通过分层结构的序贯细化实现，由基于广义多项式混沌展开和 Sobol 分解的局部（即依赖于层的）变异性指标引导的先前估计量指导。对于给定的总样本数 ，相应的分层构建的分层抽样估计量序列与拉丁超立方抽样适当平均，以提供方差降低的最终估计量。数值实验说明了该方法的效率，表明在某些情况下它能提供正比于 的方差衰减。
引用
@article{arxiv.2305.13421,
title = {Sequential Estimation using Hierarchically Stratified Domains with Latin Hypercube Sampling},
author = {Sebastian Krumscheid and Per Pettersson},
journal= {arXiv preprint arXiv:2305.13421},
year = {2023}
}