Generación escalable de muestras

J. BARÓN; J. NÚÑEZ MC LEOD

Puerto Ordaz, Venezuela

Congreso; Congreso Internacional de Métodos Numéricos en Ingeniería y Ciencias Aplicadas; 1998

Sociedad Venezolana de Métodos Numéricos en Ingeniería

El presente trabajo se encuadra dentro de la utilización de métodos de muestreo estadísticos avanzados para la realización de estudios de sensibilidad e incertidumbre sobre modelos numéricos.  Esos modelos numéricos pueden representar problemas físicos, lógicos o de otra índole, y varios de sus parámetros intrínsecos o variables de entrada son tratados simultáneamente como variables aleatorias, para ser muestreadas por la técnica del Hipercubo Latino, y luego analizadas con métodos de regresión y correlación. El Muestreo por Hipercubo Latino permite una elevada representatividad de la distribución de probabilidad de cada variable, comparado con una técnica clásica de Montecarlo, pero tiene la dificultad que, al aumentar el tamaño de muestra, debe re-hacerse toda la muestra, invalidando el uso de las corridas del modelo ya efectuadas con la muestra más pequeña.  Este hecho, en muchos casos, es extremadamente costoso.   En este trabajo se desarrolla un método sencillo para escalar muestras de Hipercubo Latino, partiendo de una muestra pequeña y duplicando su tamaño, de modo de poder utilizar las corridas del modelo ya realizadas, sin distorsionar las propiedades de las distribuciones muestreadas y sin agregar sesgos al muestreo en sí, es decir, sin perder la aleatoriedad de las muestras, que son la esencia del método de muestreo. El resultado es que se pueden disminuir sustancialmente los tiempos de corrida de los modelos numéricos (reutilizando las corridas ya efectuadas previamente), tomando todas las ventajas del muestreo por Hipercubo Latino, hasta obtener un grado de representatividad aceptable para el tipo de distribución asociada a las variables de interés.