Statistics 随机抽样以提高压力估计的准确性?
在我们的模拟中,我们有一个基本的二维网格,闭合曲线(红线)可以在其上移动。网格单元根据其中心位置着色,如曲线内(绿色)或曲线外(蓝色),每个网格单元的状态变量(如压力)值不同。对于域中的任何给定点,我们可以精确地知道它是在内部还是外部,插值可以给出该点的特定状态(即,该信息比仅使用以单元为中心的笛卡尔网格更具体) 我们正试图获得曲线内“峰值”压力的可靠测量值(例如,峰值可能是顶部1%值的平均值) 目前,我们只取以单元格为中心的值的最大值,但正如您在图像中看到的,每次曲线移动时,这会给我们带来很大的变化。我试图评估不同的选择,但我不确定它们的有效性,特别是如果我们可以使用统计技术 我们已考虑的方案包括:Statistics 随机抽样以提高压力估计的准确性?,statistics,simulation,interpolation,random-sample,approximation,Statistics,Simulation,Interpolation,Random Sample,Approximation,在我们的模拟中,我们有一个基本的二维网格,闭合曲线(红线)可以在其上移动。网格单元根据其中心位置着色,如曲线内(绿色)或曲线外(蓝色),每个网格单元的状态变量(如压力)值不同。对于域中的任何给定点,我们可以精确地知道它是在内部还是外部,插值可以给出该点的特定状态(即,该信息比仅使用以单元为中心的笛卡尔网格更具体) 我们正试图获得曲线内“峰值”压力的可靠测量值(例如,峰值可能是顶部1%值的平均值) 目前,我们只取以单元格为中心的值的最大值,但正如您在图像中看到的,每次曲线移动时,这会给我们带来很
N*N*num\u二维\u单元
点进行随机抽样N*N
点N*N
较小的单元,并计算其单元中心值N
变大时,这些方法应该收敛,但是,我们的2D网格可以有超过1e7个单元;因此,计算时间为N
的大小设置了上限
有没有人有过处理这类问题的经验,或者知道一套相关的文献?问题陈述(从样本中了解基础人口中前1%的平均数)听起来像是与之相关。我想关于这方面的任何具体问题最好在
您是否知道压力值的分布,或者可能知道一些边界,例如距离x
的点之间的压力差始终低于y
,或者类似的情况?这可以大大简化抽样方法
就您建议的选项而言,您可以调整选项#3并使用a来近似曲线的形状(使用2d单元格)。然后,您可以以与其面积成比例的频率从曲线内(近似)的细胞中随机取样。这样做可以避免在不位于曲线内的区域中采样(这将是浪费的工作),还可以避免进一步细分(几乎)完全包含在曲线中的单元。最后,它应该给你一个曲线内(大约)的无偏随机样本,然后你就可以计算统计数据了