Muestreo de Hipercubo Latino — Diseño de Simulación Estratificada
- Año
- 1979
- Tipo
- Stratified space-filling sampling design
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
El Muestreo de Hipercubo Latino (LHS, por sus siglas en inglés) es un diseño estratificado de llenado de espacio para experimentos computacionales, introducido por McKay, Beckman y Conover en 1979.
Divide el rango de cada variable de entrada en estratos equiprobables y extrae exactamente una muestra por estrato, asegurando que el espacio de entrada completo esté cubierto con muchas menos evaluaciones del modelo de las que requiere la simulación Monte Carlo estándar. Se combina rutinariamente con el análisis de sensibilidad global —particularmente los índices de Sobol— para cuantificar cuánto contribuye cada entrada a la variabilidad de la salida.
La intuición detrás del método
Imagine que desea comprender cómo responde un modelo computacional complejo a una amplia gama de combinaciones de entrada, pero cada ejecución del modelo es costosa. El Monte Carlo estándar extrae muestras aleatoriamente y puede dejar grandes regiones del espacio de entrada mal cubiertas por casualidad. El Muestreo de Hipercubo Latino evita esto actuando como una cuadrícula cuidadosa: divide cada dimensión de entrada en "rebanadas" igualmente probables y garantiza que cada "rebanada" esté representada en la muestra exactamente una vez. El resultado es un conjunto de puntos de entrada que se distribuye de manera más uniforme en el espacio de parámetros de lo que lo haría el muestreo aleatorio, por lo que se aprende más sobre el comportamiento del modelo por ejecución. Cuando se combina con los índices de sensibilidad de Sobol, el método también indica qué entradas son más importantes, un paso crítico antes de invertir en análisis o calibración adicionales.
Historia
El Muestreo de Hipercubo Latino fue introducido por McKay, Beckman y Conover en un artículo de 1979 en Technometrics, donde se comparó con el muestreo aleatorio simple y el muestreo aleatorio estratificado como método para explorar la salida de modelos computacionales. El nombre deriva de la estructura combinatoria del cuadrado latino extendida a dimensiones superiores: así como un cuadrado latino coloca un símbolo en cada fila y columna de una cuadrícula, el LHS coloca una muestra en cada fila y columna de una cuadrícula de estratificación multidimensional. El método se convirtió en una piedra angular del diseño de experimentos computacionales —el campo formalizado por Sacks et al. (1989)— y su combinación con el análisis de sensibilidad global basado en la varianza fue sistematizada por Saltelli y sus colegas en las décadas de 1990 y 2000, culminando en el tratamiento de libro de texto ampliamente utilizado por Saltelli et al. (2008).
Cuándo usarlo
El LHS es apropiado siempre que necesite explorar cómo responde un modelo computacionalmente costoso en su espacio de entrada y un diseño factorial completo o Monte Carlo aleatorio sería prohibitivamente costoso. El método requiere que se puedan especificar los límites y las distribuciones de las variables de entrada; incluso las distribuciones marginales aproximadas son suficientes. Es particularmente adecuado para el análisis de sensibilidad global cuando las entradas son continuas. Si las entradas están fuertemente correlacionadas, aplique la corrección de Iman-Conover antes del muestreo. Cuando el modelo es muy económico de evaluar, el Monte Carlo estándar con un tamaño de muestra muy grande es una alternativa más simple; cuando solo necesita sensibilidad local, los métodos basados en gradientes pueden ser más informativos.
Limitaciones y consideraciones
- Requiere que las distribuciones y los límites de las entradas se especifiquen de antemano; las distribuciones mal elegidas pueden tergiversar el verdadero espacio de parámetros.
- El análisis de sensibilidad de Sobol exige un tamaño de muestra de N·(k+2), que puede volverse grande cuando el número de entradas k es alto.
- El LHS no garantiza la optimización en espacios de alta dimensión; la ventaja sobre el muestreo aleatorio disminuye a medida que crece la dimensionalidad.
- El método es puramente exploratorio; no estima por sí mismo la incertidumbre de la distribución de salida sin un análisis adicional.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Logra una precisión de estimación similar a la del Monte Carlo estándar con sustancialmente menos evaluaciones del modelo, lo que lo hace altamente eficiente para simulaciones costosas.
- Garantiza una cobertura completa del rango de cada variable de entrada mediante la estratificación, eliminando la agrupación y los huecos que afectan al muestreo aleatorio puro.
- Se combina naturalmente con los índices de sensibilidad global de Sobol, lo que permite una clasificación fundamentada de la importancia de las entradas.
- Aplicable a cualquier modelo de caja negra; no se requiere información de derivadas ni forma analítica.
- La extensión de Iman-Conover maneja entradas correlacionadas sin sacrificar la propiedad de llenado de espacio.
Aplicaciones
- Análisis de incertidumbre y sensibilidad en modelos ambientales y climáticos, donde ejecutar el modelo miles de veces a resolución completa es inviable.
- Ingeniería de fiabilidad y seguridad estructural: propagación de propiedades de materiales y cargas inciertas a través de modelos de elementos finitos para estimar probabilidades de fallo.
- Modelado farmacéutico y biomédico: exploración de cómo los parámetros fisiológicos inciertos afectan las predicciones de concentración de fármacos en modelos farmacocinéticos.
- Análisis de riesgo financiero: muestreo de parámetros de mercado inciertos para estimar el valor en riesgo de la cartera bajo un modelo de precios complejo.
- Simulaciones sociales basadas en agentes: exploración sistemática de cómo los parámetros de comportamiento inciertos afectan los resultados agregados.
Cómo funciona
Cómo funciona
A cada variable de entrada incierta se le asigna una distribución de probabilidad (uniforme, normal, log-normal, etc.) y se especifica su rango plausible. Este paso explicita lo que el analista sabe —o asume— sobre cada parámetro antes de que comience el muestreo. Si las entradas están correlacionadas, se puede aplicar el método de correlación de rangos de Iman-Conover para preservar su estructura de dependencia mientras se produce un diseño LHS válido.
La distribución acumulada de cada variable de entrada se divide en N intervalos (estratos) equiprobables. Se extrae un valor al azar de cada estrato, y los N valores extraídos se permutan aleatoriamente de forma independiente entre las variables de entrada. El resultado es una matriz N × k (N muestras, k entradas) donde cada fila es una combinación distinta de valores de entrada y cada estrato aparece exactamente una vez en cada columna. Esta propiedad de estratificación es lo que hace que el LHS sea más eficiente que el muestreo aleatorio simple.
El modelo computacional —una simulación, un solucionador de elementos finitos, un modelo basado en agentes o cualquier función de caja negra— se evalúa en cada una de las N combinaciones de entrada muestreadas. Los valores de salida forman un vector Y de longitud N. El tamaño mínimo de muestra recomendado es generalmente de 1000 ejecuciones; por debajo de este umbral, la ventaja de cobertura del LHS sobre el Monte Carlo simple se reduce y los índices de Sobol se vuelven poco fiables. Para el análisis de Sobol específicamente, el tamaño de muestra requerido crece como N·(k+2), donde k es el número de entradas.
Los índices de sensibilidad basados en la varianza de Sobol se estiman a partir de las salidas del modelo. El índice de primer orden S_i mide la fracción de la varianza total de la salida atribuible solo a la entrada i; el índice de orden total S_Ti captura tanto los efectos directos como los de interacción. Juntos, clasifican las entradas por importancia, identifican qué parámetros pueden fijarse sin pérdida de información y guían la simplificación del modelo y el esfuerzo de calibración adicional.
Errores comunes
- Usar menos de 1000 puntos de muestra: el espacio de parámetros no se cubre adecuadamente, y los índices de Sobol calculados a partir de muestras pequeñas tienen una alta varianza y son poco fiables.
- Ignorar las correlaciones de entrada: tratar las entradas correlacionadas como independientes distorsiona la muestra y produce estimaciones de sensibilidad engañosas; aplique siempre la corrección de Iman-Conover cuando las correlaciones no sean despreciables.
- Confundir los índices de Sobol de primer orden y de orden total: un índice de primer orden pequeño no significa que una entrada sea poco importante si participa en fuertes efectos de interacción capturados por el índice de orden total.
- Aplicar LHS cuando el modelo es determinista y muy suave: en ese caso, los modelos sustitutos o los métodos basados en gradientes pueden ofrecer la misma información a un costo menor.
Preguntas frecuentes
¿En qué se diferencia el LHS del muestreo Monte Carlo estándar?
Ambos métodos se utilizan para muestrear un espacio de entrada para la simulación, pero difieren en cómo colocan las muestras. El Monte Carlo estándar extrae cada punto de muestra de forma independiente y uniformemente aleatoria, lo que puede dejar algunas regiones del espacio de entrada sobrerrepresentadas y otras dispersas puramente por casualidad. El LHS impone una regla de estratificación: el rango de cada variable de entrada se divide en intervalos equiprobables, y se coloca exactamente una muestra en cada intervalo. Esto garantiza una mejor cobertura del espacio de entrada con el mismo número de puntos, lo que lleva a una menor varianza de estimación para muchas cantidades de interés.
¿Cuántas muestras se necesitan?
Un mínimo de 1000 puntos de muestra es el umbral comúnmente recomendado para una cobertura fiable del espacio de entrada con LHS. Para el análisis de sensibilidad de Sobol, el tamaño de muestra requerido es N·(k+2), donde k es el número de variables de entrada. Por ejemplo, con 10 entradas y N = 1024, el número total de evaluaciones del modelo es 12 288. Por debajo de 1000 muestras, la ventaja de llenado de espacio del LHS se reduce y los índices de Sobol se vuelven muy inciertos.
¿Qué son los índices de Sobol y por qué se usan con LHS?
Los índices de Sobol son medidas de sensibilidad basadas en la varianza. El índice de primer orden S_i cuantifica cuánto de la varianza total de la salida es explicada solo por la entrada i; el índice de orden total S_Ti captura el efecto combinado de la entrada i y todas sus interacciones con otras entradas. Se combinan comúnmente con LHS porque LHS produce una muestra bien distribuida sobre el espacio de entrada, que es el punto de partida para el estimador de Saltelli de los índices de Sobol. Juntas, las dos técnicas identifican qué entradas impulsan la salida del modelo y cuáles pueden tratarse como fijas, un paso clave en la simplificación del modelo y la planificación de la calibración.
¿Qué debo hacer cuando las entradas están correlacionadas?
El LHS estándar genera muestras bajo el supuesto de que las entradas son independientes. Cuando las entradas están correlacionadas, aplique el método de correlación de rangos de Iman-Conover como un paso de post-procesamiento: reordena las columnas del LHS para inducir las correlaciones de rangos deseadas entre las entradas, preservando al mismo tiempo las distribuciones marginales y la propiedad de estratificación. Ignorar las correlaciones conocidas infla o desinfla las estimaciones de sensibilidad y da una imagen engañosa de qué entradas son más importantes.
Métodos relacionados
Fuentes
McKay, M.D., Beckman, R.J. & Conover, W.J. (1979). A Comparison of Three Methods for Selecting Values of Input Variables in the Analysis of Output from a Computer Code. Technometrics, 21(2), 239-245.
Abrir referencia DOICopiado.Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M. & Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley.
Abrir referencia DOICopiado.