[논문 리뷰] Monte Carlo estimators of first-and total-orders Sobol' indices

Ivano Azzini, Thierry A. Mara외 1명|arXiv (Cornell University)|2020. 06. 15.

Probabilistic and Robust Engineering Design참고 문헌 11인용 수 9

한 줄 요약

이 논문은 서로 다른 샘플링 전략을 사용하는 첫 번째 및 총차수 Sobol’ 지수를 위한 두 가지 몬테카를로 추정기들을 제안하고 비교한다. 새로운 추정기는 새로운 샘플링 설계에 기반하여 기존 방법보다 더 높은 渐近적 효율성과 낮은 분산을 보이며, 최소한의 계산 오버헤드로 전역 민감도 분석의 정확도를 크게 향상시킨다.

ABSTRACT

This study compares the performances of two sampling-based strategies for the simultaneous estimation of the first-and total-orders variance-based sensitivity indices (a.k.a Sobol' indices). The first strategy was introduced by [8] and is the current approach employed by practitioners. The second one was only recently introduced by the authors of the present article. They both rely on different estimators of first-and total-orders Sobol' indices. The asymp-totic normal variances of the two sets of estimators are established and their accuracies are compared theoretically and numerically. The results show that the new strategy outperforms the current one.Keywords: global sensitivity analysis, variance-based sensitivity indices, first-order Sobol' index, total-order Sobol' index, Monte Carlo estimate, asymptotic normality

연구 동기 및 목표

• 첫 번째 및 총차수 Sobol’ 지수를 위한 두 가지 샘플링 기반 몬테카를로 추정기의 성능을 평가하고 비교하는 것.
• 두 추정기의 渐近적 정규 분산을 유도하고 분석하여 통계적 효율성을 평가하는 것.
• 최근 제안된 샘플링 전략이 기존 표준 대비 추정 정확도 및 분산 측면에서 뛰어나다는지 확인하는 것.
• 전역 민감도 분석에서 새로운 추정기의 도입을 뒷받침하는 이론적 및 수치적 증거를 제공하는 것.

제안 방법

• 논문은 두 가지 서로 다른 샘플링 전략을 도입한다: 하나는 표준 독립적 샘플링 기반(기존 관행), 다른 하나는 추정기 효율성을 향상시키는 데 기여하는 새로운 설계 기반.
• 델타 방법과 다변량 중심극한정리에 기반하여 두 추정기의 渐近적 정규 분산을 유도한다.
• 첫 번째 차수 Sobol’ 지수는 조건부 기대값의 표본 분산 비율을 통해 추정되며, 총차수 지수는 쌍으로 구성된 모델 출력을 포함하는 대칭 추정기 방식을 사용한다.
• 추정기의 공동 분포와 델타 방법을 활용하여, 구성 요소 간 공분산을 고려한 渐近적 분산에 대한 이론적 표현을 유도한다.
• 다양한 표본 크기와 입력 차원에서의 성능을 비교하기 위해 기준 함수에 대한 수치적 검증을 수행한다.
• 새로운 추정기는 더 효율적인 샘플링 구조로 인해 추정기 상관관계가 감소하고 수렴 속도가 향상되어 더 낮은 渐近적 분산을 보임을 입증하였다.

실험 결과

연구 질문

• RQ1 새로운 샘플링 전략은 기존 방법에 비해 첫 번째 및 총차수 Sobol’ 지수를 위한 더 효율적인 몬테카를로 추정기를 제공하는가?
• RQ2 두 추정기의 渐近적 분산은 무엇이며, 통계적 효율성 측면에서 어떻게 다를까?
• RQ3 통제된 조건 하에서 표준 기준 함수에서 두 추정기의 수치적 성능은 어떻게 되는가?
• RQ4 새로운 추정기는 현재 표준보다 적은 모델 평가 수로 동일한 정확도를 달성할 수 있는가?

주요 결과

• 새로운 샘플링 전략은 기존 방법보다 유의미하게 낮은 渐近적 분산을 갖는 추정기를 생성하여 더 높은 통계적 효율성을 나타낸다.
• 이론적 분석 결과, 입력 차원이 증가할수록 새로운 추정기의 渐近적 분산은 모든 테스트 구성에서 일관되게 더 작게 나타났다.
• 수치 실험 결과, 새로운 추정기는 더 빠른 수렴 속도를 보이며 동일한 표본 크기에서 더 낮은 평균제곱오차를 달성한다.
• 분산 감소의 개선 효과는 일반적으로 정확하게 추정하기 어려운 총차수 지수에서 가장 두드러지게 나타났다.
• 표준 추정기의 성능이 증가하는 분산으로 인해 떨어지는 고차원 설정에서도 새로운 방법은 정확도를 유지한다.
• 결과적으로 새로운 추정기는 실무에서 전역 민감도 분석에 더 신뢰할 수 있고 효율적인 선택임을 입증한다.