El Muestreo de Hipercúbico Latino (LHS) es una técnica de muestreo estratificado que proporciona una cobertura más eficiente del espacio muestral en comparación con el muestreo aleatorio simple. Es particularmente útil para problemas multidimensionales.
Características principales:
LHS es particularmente valioso cuando se trata de contaminación radiológica que puede tener una variabilidad significativa y cuando el número de muestras debe ser limitado debido a preocupaciones de costo o seguridad.
Esto asegura que la muestra incluya el rango completo de cada variable manteniendo la aleatoriedad dentro de cada intervalo.
El muestreo de Monte Carlo es una técnica que utiliza números aleatorios o pseudoaleatorios para muestrear una distribución de probabilidad. Se utiliza ampliamente para el análisis de incertidumbre y la estimación de probabilidad en sistemas complejos.
Características principales:
En la caracterización radiológica, los métodos de Monte Carlo son valiosos para modelar la incertidumbre en los niveles de contaminación y para tomar decisiones basadas en la probabilidad sobre las estrategias de remediación.
La precisión de los métodos de Monte Carlo aumenta con el número de simulaciones, siguiendo la ley de los grandes números.
| Método de Muestreo | Ventajas | Limitaciones | Mejor Uso Para |
|---|---|---|---|
| Aleatorio Simple |
|
|
Sitios homogéneos con mínima información previa |
| Sistemático/Cuadrícula |
|
|
Sitios que requieren cobertura uniforme; al mapear la contaminación |
| Opinático |
|
|
Puntos calientes conocidos; evaluaciones preliminares; sitios pequeños |
| Hipercúbico Latino |
|
|
Sitios complejos con múltiples variables; análisis de incertidumbre |
| Monte Carlo |
|
|
Evaluación de incertidumbre; análisis de riesgo probabilístico |
Las siguientes pestañas le permiten ingresar los parámetros, seleccionar los métodos de muestreo apropiados y analizar los resultados.
Cargue un archivo Excel que contenga definiciones de parámetros y sus características de distribución. El archivo debe incluir nombres de parámetros, tipos de distribución y valores característicos.
Formatos soportados: .xlsx, .xls
¡Éxito!
Sus datos se han cargado correctamente.
¡Error!
Hubo un error al procesar su archivo.
Alternativamente, puedes definir manualmente parámetros y sus distribuciones a continuación.
El Muestreo de Hipercúbico Latino divide la función de distribución acumulativa de cada variable en intervalos de probabilidad iguales. Se muestrea aleatoriamente un valor de cada intervalo, asegurando una cobertura completa del rango de cada variable de entrada.
Este método proporciona una mejor cobertura del espacio muestral con menos muestras en comparación con el muestreo de Monte Carlo puro.
Preparando...
¡Muestreo completado!
Revise los resultados en la pestaña de Resultados.
¡Error durante el muestreo!
Ocurrió un error durante el proceso de muestreo.
Este enfoque asegura que todo el rango de cada variable esté representado, manteniendo la aleatoriedad dentro de cada intervalo. La representación matemática es:
Para cada variable X con función de distribución acumulativa FX:
1. Divida [0,1] en N intervalos: [0,1/N), [1/N,2/N), ..., [(N-1)/N,1]
2. De cada intervalo i, muestree ui ~ U(i/N, (i+1)/N)
3. Aplique la CDF inversa: xi = FX-1(ui)
4. Permute aleatoriamente los índices para cada variable
El resultado es una muestra que representa mejor las distribuciones de entrada que el muestreo aleatorio simple, especialmente con un pequeño número de muestras.
No Hay Resultados Disponibles
Por favor, vaya a la pestaña Métodos de Muestreo y ejecute un algoritmo de muestreo para generar resultados.
Método:
Tamaño de Muestra:
Parámetros:
Fecha de Generación:
Tiempo de Procesamiento:
Media:
Mediana:
Desviación Estándar:
Coeficiente de Variación:
Mín:
Máx:
| Muestra # |
|---|