Software: CAD - Tutorial - Optimierung - Probabilistik Sampling-Methode: Unterschied zwischen den Versionen
Aus OptiYummy
Zur Navigation springenZur Suche springen
KKeine Bearbeitungszusammenfassung |
KKeine Bearbeitungszusammenfassung |
||
| Zeile 7: | Zeile 7: | ||
* Wir werden uns hier auf das Rechenzeit-optimale Verfahren des '''''Latin Hypercube Sampling''''' beschränken. | * Wir werden uns hier auf das Rechenzeit-optimale Verfahren des '''''Latin Hypercube Sampling''''' beschränken. | ||
'''''Wichtig:''''' Man muss "Simulation" als Optimierungsverfahren wählen, damit nur eine Stichprobe berechnet wird! Anderenfalls würde jeder Optimierungsschritt aus einer kompletten Stichprobe bestehen, was sehr zeitaufwändig wird. | '''''Wichtig:''''' Man muss "Simulation" als Optimierungsverfahren wählen, damit nur eine Stichprobe berechnet wird! Anderenfalls würde jeder Optimierungsschritt aus einer kompletten Stichprobe bestehen, was sehr zeitaufwändig wird. | ||
=== Versuchsplanung konfigurieren === | |||
Für sehr schnell rechnende Modelle (<1s) wäre es möglich, eine "erwürfelte" Stichprobe (Sampling Methode) direkt statistisch auszuwerten. Allerdings führen selbst einige 1000 Modellrechnungen hierbei noch zu unerwünscht hohen statistischen Fehlern: | |||
* In der Praxis lässt man den statistischen Fehler gegen Null konvergieren, indem man riesige "virtuelle" Stichproben (z.B. 1000000) anhand eines extrem schnellen Ersatzmodells berechnet. | |||
* Der verbleibende Fehler der probabilistischen Simulation resultiert nur aus einer unzureichenden Abbildung der originalen Übertragungsfunktion zwischen Input- und Output-Größen auf das Ersatzmodell. | |||
'''Reale Stichprobe:''' | |||
'''Virtuelle Stichprobe:''' | |||
Version vom 18. Februar 2015, 11:24 Uhr
Statistische Versuchsplanung - Sampling Methode
"Sample" ist der englische Begriff für eine Stichprobe. Bei der Sampling-Methode der probabilistischen Simulation wird die Stichprobe mit Zufallszahlen "erwürfelt":
- Es existieren verschiedene Verfahren, wie man durch "Würfeln" Verteilungsdichten über die Streubreite der Parameter nachbilden kann.
- Man spricht hierbei auch von Monte-Carlo-Verfahren. (Siehe: OptiY-Hilfe > Theoretische Grundlagen > Statistische Versuchsplanung > Sampling Verfahren).
- Wir werden uns hier auf das Rechenzeit-optimale Verfahren des Latin Hypercube Sampling beschränken.
Wichtig: Man muss "Simulation" als Optimierungsverfahren wählen, damit nur eine Stichprobe berechnet wird! Anderenfalls würde jeder Optimierungsschritt aus einer kompletten Stichprobe bestehen, was sehr zeitaufwändig wird.
Versuchsplanung konfigurieren
Für sehr schnell rechnende Modelle (<1s) wäre es möglich, eine "erwürfelte" Stichprobe (Sampling Methode) direkt statistisch auszuwerten. Allerdings führen selbst einige 1000 Modellrechnungen hierbei noch zu unerwünscht hohen statistischen Fehlern:
- In der Praxis lässt man den statistischen Fehler gegen Null konvergieren, indem man riesige "virtuelle" Stichproben (z.B. 1000000) anhand eines extrem schnellen Ersatzmodells berechnet.
- Der verbleibende Fehler der probabilistischen Simulation resultiert nur aus einer unzureichenden Abbildung der originalen Übertragungsfunktion zwischen Input- und Output-Größen auf das Ersatzmodell.
Reale Stichprobe:
Virtuelle Stichprobe:
Der Entwurf des Scriptes wird hier bald fortgesetzt!
