图解拉丁超立方抽样

拉丁超立方抽样

1.拉丁超立方抽样

拉丁超立方抽样技术最早于1979年由McKay等提出，该方法具有以下优点：

1. 具有均匀分层的特性
2. 可以在较少抽样的情况下，得到尾部的样本值

以上两点使得拉丁超立方抽样比起普通的抽样方法更加的高效。

2拉丁超立方抽样的步骤

1. 首先确定样本数N，既要抽取的样本数目
2. 将（0，1）区间均分为N段
3. 在这N段中的每一段随机的抽取一个值
4. 将抽取的值通过标准正态分布的反函数映射为标准正态分布样本
5. 打乱抽样顺序，用matlab中的sort函数

通过以上五步便完成了拉丁超立方抽样

3图解拉丁超立方抽样

从图中可以看出，假设我们要进行6次抽样，即N=6，则把竖轴均分为六等份（以蓝线为界），在每一等份中随机抽取一个值（红线与纵轴的焦点）进行映射得到标准正态分布值（红线与横轴的焦点）。

下面介绍如何在每一等份中抽取一个值

1. 首先在（0，1）均匀分布随机抽取一个值，用matlab中的函数rand(1,1)，表示抽取一个一行一列的服从（0，1）均匀分布的随机数。
2. 假设先在（0，1/6）区间抽取随机数，那么就需要把刚才在（0，1）区间上抽取的随机数映射到（0，1/6）即可，这就需要用到公式(rand(1,1)/M+(i-1)/M)，rand(1,1)/M表示缩小，(i-1)/M表示平移，即（0，1）均匀分布上的随机数经过缩小平移，就映射到了（0，1/6）区域上。。

图解映射过程

通过六次映射就完成了六个样本的拉丁超立方抽样。可见，拉丁超立方抽样首先将抽样区间分层，然后在每一层中抽取样本，这样就保证了尾部层中的样本也会被抽取，而这些样本对于结果也是十分重要的。当然，抽取样本点数越多，分层就越多，极端的尾部值就更容易被抽取。

代码展示

function newz=LHSNoCorr1(M)
for i=1:M
    z(1,i)=norminv(rand(1,1)/M+(i-1)/M);  %rand(1,1)表示生成一行一列个01均匀分布随机数
end
[temp1,O1]=sort(rand(M,1));    %O1表示一个随机序列，他是对随机生成的M个正态分布进行排序后的数列
newz(1,:)=z(1,O1)';            %利用刚才生成的随机序列来对z进行乱序排列，这样去除了数据之间的相关性