Latin Hypercube Sampling — Desenho Estratificado de Simulação
- Ano
- 1979
- Tipo
- Stratified space-filling sampling design
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
Latin Hypercube Sampling (LHS) é um desenho estratificado que preenche o espaço para experimentos computacionais, introduzido por McKay, Beckman e Conover em 1979.
Ele divide o intervalo de cada variável de entrada em estratos de probabilidade igual e extrai exatamente uma amostra por estrato, garantindo que o espaço de entrada completo seja coberto com muito menos avaliações do modelo do que a simulação de Monte Carlo padrão requer. É rotineiramente pareado com análise de sensibilidade global — particularmente índices de Sobol — para quantificar o quanto cada entrada impulsiona a variabilidade da saída.
A intuição por trás do método
Imagine que você deseja entender como um modelo computacional complexo responde a uma ampla gama de combinações de entrada, mas cada execução do modelo é cara. A amostragem de Monte Carlo padrão extrai amostras aleatoriamente e pode deixar grandes regiões do espaço de entrada mal cobertas por acaso. Latin Hypercube Sampling evita isso agindo como uma grade cuidadosa: ele corta cada dimensão de entrada em fatias igualmente prováveis e garante que cada fatia seja representada na amostra exatamente uma vez. O resultado é um conjunto de pontos de entrada que se espalha mais uniformemente pelo espaço de parâmetros do que a amostragem aleatória faria, de modo que você aprende mais sobre o comportamento do modelo por execução. Quando combinado com os índices de sensibilidade de Sobol, o método também diz quais entradas são mais importantes — um passo crítico antes de investir em mais análises ou calibração.
História
Latin Hypercube Sampling foi introduzido por McKay, Beckman e Conover em um artigo de 1979 na Technometrics, onde foi comparado com amostragem aleatória simples e amostragem aleatória estratificada como um método para explorar a saída de modelos computacionais. O nome deriva da estrutura combinatória do quadrado latino estendida para dimensões superiores: assim como um quadrado latino coloca um símbolo em cada linha e coluna de uma grade, o LHS coloca uma amostra em cada linha e coluna de uma grade de estratificação multidimensional. O método se tornou um pilar do projeto de experimentos computacionais — o campo formalizado por Sacks et al. (1989) — e seu pareamento com análise de sensibilidade global baseada em variância foi sistematizado por Saltelli e colegas nas décadas de 1990 e 2000, culminando no tratamento amplamente utilizado em livros por Saltelli et al. (2008).
Quando usar
O LHS é apropriado sempre que você precisar explorar como um modelo computacionalmente caro responde em seu espaço de entrada e um desenho fatorial completo ou de Monte Carlo aleatório seria proibitivamente caro. O método exige que os limites e distribuições das variáveis de entrada possam ser especificados — mesmo distribuições marginais aproximadas são suficientes. É particularmente adequado para análise de sensibilidade global quando as entradas são contínuas. Se as entradas forem fortemente correlacionadas, aplique a correção de Iman-Conover antes da amostragem. Quando o modelo é muito barato de avaliar, a amostragem de Monte Carlo padrão com um tamanho de amostra muito grande é uma alternativa mais simples; quando você precisa apenas de sensibilidade local, métodos baseados em gradiente podem ser mais informativos.
Limitações e considerações
- Requer que as distribuições e os limites de entrada sejam especificados antecipadamente; distribuições mal escolhidas podem representar mal o espaço de parâmetros real.
- A análise de sensibilidade de Sobol exige um tamanho de amostra de N·(k+2), que pode se tornar grande quando o número de entradas k é alto.
- O LHS não garante otimalidade em espaços de alta dimensionalidade — a vantagem sobre a amostragem aleatória diminui à medida que a dimensionalidade cresce.
- O método é puramente exploratório; ele não estima a incerteza da distribuição de saída sem análise adicional.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Alcança precisão de estimação semelhante à amostragem de Monte Carlo padrão com substancialmente menos avaliações do modelo, tornando-o altamente eficiente para simulações caras.
- Garante cobertura completa do intervalo de cada variável de entrada através da estratificação, eliminando o agrupamento e as lacunas que afligem a amostragem puramente aleatória.
- Pareia naturalmente com índices de sensibilidade global de Sobol, permitindo uma classificação principiada da importância das entradas.
- Aplicável a qualquer modelo de caixa preta — nenhuma informação de derivada ou forma analítica é necessária.
- A extensão Iman-Conover lida com entradas correlacionadas sem sacrificar a propriedade de preenchimento do espaço.
Aplicações
- Análise de incerteza e sensibilidade em modelos ambientais e climáticos, onde executar o modelo milhares de vezes em resolução total é inviável.
- Engenharia de confiabilidade e segurança estrutural: propagando propriedades de materiais e cargas incertas através de modelos de elementos finitos para estimar probabilidades de falha.
- Modelagem farmacêutica e biomédica: explorando como parâmetros fisiológicos incertos afetam as previsões de concentração de drogas em modelos farmacocinéticos.
- Análise de risco financeiro: amostrando parâmetros de mercado incertos para estimar o valor em risco de portfólio sob um modelo de precificação complexo.
- Simulações sociais baseadas em agentes: explorando sistematicamente como parâmetros comportamentais incertos afetam os resultados agregados.
Como funciona
Como funciona
Cada variável de entrada incerta recebe uma distribuição de probabilidade (uniforme, normal, log-normal, etc.) e seu intervalo plausível é especificado. Esta etapa torna explícito o que o analista sabe — ou assume — sobre cada parâmetro antes que a amostragem comece. Se as entradas forem correlacionadas, o método de correlação de posto de Iman-Conover pode ser aplicado para preservar sua estrutura de dependência, ao mesmo tempo em que produz um desenho LHS válido.
A distribuição cumulativa de cada variável de entrada é dividida em N intervalos de probabilidade igual (estratos). Um valor é extraído aleatoriamente de dentro de cada estrato, e os N valores extraídos são permutados aleatoriamente de forma independente entre as variáveis de entrada. O resultado é uma matriz N × k (N amostras, k entradas) onde cada linha é uma combinação distinta de valores de entrada e cada estrato aparece exatamente uma vez em cada coluna. Esta propriedade de estratificação é o que torna o LHS mais eficiente do que a amostragem aleatória simples.
O modelo computacional — uma simulação, um solucionador de elementos finitos, um modelo baseado em agentes ou qualquer função de caixa preta — é avaliado em cada uma das N combinações de entrada amostradas. Os valores de saída formam um vetor Y de comprimento N. O tamanho mínimo de amostra recomendado é geralmente de 1000 execuções; abaixo desse limite, a vantagem de cobertura do LHS sobre o Monte Carlo puro diminui e os índices de Sobol se tornam não confiáveis. Para análise de Sobol especificamente, o tamanho da amostra necessário cresce como N·(k+2), onde k é o número de entradas.
Índices de sensibilidade global baseados em variância de Sobol são estimados a partir das saídas do modelo. O índice de primeira ordem S_i mede a fração da variância total da saída atribuível à entrada i sozinha; o índice de ordem total S_Ti captura efeitos diretos e de interação. Juntos, eles classificam as entradas por importância, identificam quais parâmetros podem ser fixados sem perda de informação e orientam a simplificação do modelo e o esforço de calibração adicional.
Erros comuns
- Usando menos de 1000 pontos de amostra: o espaço de parâmetros não é coberto adequadamente, e os índices de Sobol calculados a partir de amostras pequenas têm alta variância e são não confiáveis.
- Ignorando correlações de entrada: tratar entradas correlacionadas como independentes distorce a amostra e produz estimativas de sensibilidade enganosas — sempre aplique a correção de Iman-Conover quando as correlações não forem negligenciáveis.
- Confundindo índices de Sobol de primeira ordem e de ordem total: um índice de primeira ordem pequeno não significa que uma entrada seja sem importância se ela participar de fortes efeitos de interação capturados pelo índice de ordem total.
- Aplicando LHS quando o modelo é determinístico e muito suave: nesse caso, modelos substitutos ou métodos baseados em gradiente podem fornecer o mesmo insight a um custo menor.
Perguntas frequentes
Como o LHS difere da amostragem de Monte Carlo padrão?
Ambos os métodos são usados para amostrar um espaço de entrada para simulação, mas diferem na forma como posicionam as amostras. A amostragem de Monte Carlo padrão extrai cada ponto de amostra independentemente e uniformemente ao acaso, o que pode deixar algumas regiões do espaço de entrada super-representadas e outras esparsas puramente por acaso. O LHS impõe uma regra de estratificação: o intervalo de cada variável de entrada é dividido em intervalos de probabilidade igual, e exatamente uma amostra é colocada em cada intervalo. Isso garante uma melhor cobertura do espaço de entrada com o mesmo número de pontos, levando a uma menor variância de estimação para muitas quantidades de interesse.
Quantas amostras são necessárias?
Um mínimo de 1000 pontos de amostra é o limiar comumente recomendado para cobertura confiável do espaço de entrada com LHS. Para análise de sensibilidade de Sobol, o tamanho da amostra necessário é N·(k+2), onde k é o número de variáveis de entrada. Por exemplo, com 10 entradas e N = 1024, o número total de avaliações do modelo é 12.288. Abaixo de 1000 amostras, a vantagem de preenchimento do espaço do LHS diminui e os índices de Sobol se tornam altamente incertos.
O que são índices de Sobol e por que são usados com LHS?
Os índices de Sobol são medidas de sensibilidade baseadas em variância. O índice de primeira ordem S_i quantifica quanta da variância total da saída é explicada apenas pela entrada i; o índice de ordem total S_Ti captura o efeito combinado da entrada i e todas as suas interações com outras entradas. Eles são comumente pareados com LHS porque o LHS produz uma amostra bem distribuída no espaço de entrada, que é o ponto de partida para o estimador de Saltelli dos índices de Sobol. Juntas, as duas técnicas identificam quais entradas impulsionam a saída do modelo e quais podem ser tratadas como fixas — um passo chave no planejamento de simplificação e calibração do modelo.
O que devo fazer quando as entradas são correlacionadas?
O LHS padrão gera amostras sob a suposição de que as entradas são independentes. Quando as entradas são correlacionadas, aplique o método de correlação de posto de Iman-Conover como uma etapa de pós-processamento: ele reorganiza as colunas do LHS para induzir as correlações de posto desejadas entre as entradas, preservando as distribuições marginais e a propriedade de estratificação. Ignorar correlações conhecidas infla ou deflaciona as estimativas de sensibilidade e fornece uma imagem enganosa de quais entradas são mais importantes.
Métodos relacionados
Fontes
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 referência 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 referência DOICopiado.