라틴 하이퍼큐브 표본추출

통계 최적설계 마지막 수정: 2026-07-31 05:38:47

1. 개요[편집]

라틴 하이퍼큐브 표본추출(Latin Hypercube Sampling, LHS)은 층화 표본추출을 여러 차원에 동시에 적용하는 실험계획 기법이다. $d$ 차원 입력공간에서 표본 $N$ 개를 뽑을 때, 각 차원을 확률적으로 균등한 $N$ 개 구간으로 쪼개고 모든 구간이 정확히 한 번씩만 쓰이도록 배치한다.

매키·베크만·코노버가 1979년 원자로 안전 해석의 불확실성 정량화를 위해 제안했고, 지금은 대리 모델을 학습시킬 때 계산점을 뿌리는 기본값에 가깝다. 이름의 “라틴”은 각 행·열이 한 번씩만 등장하는 라틴 방진에서 왔다.¹

2. 어떻게 뽑는가[편집]

$d$ 차원 각각에 대해 독립적으로 $\{1,\dots,N\}$ 의 무작위 순열 $\pi_j$ 를 하나씩 만든다. 그러면 $i$ 번째 표본의 $j$ 번째 좌표는

u_{ij} = \frac{\pi_j(i) - 1 + \xi_{ij}}{N}, \qquad \xi_{ij}\sim U(0,1)

이 되고, 마지막에 각 변수의 역누적분포함수 $F_j^{-1}$ 를 씌워 실제 물리 변수로 보낸다. $\xi_{ij}$ 를 항상 $0.5$ 로 고정하면 구간 중앙에 찍는 중앙 LHS가 된다.

여기서 정확히 알아야 할 것 — 주변분포는 완벽하게 층화되지만 결합분포는 그렇지 않다. 각 차원을 따로 보면 $N$ 개 구간이 빠짐없이 하나씩 채워지지만, 순열 두 개가 우연히 나란히 정렬되면 표본이 대각선 위에 몰린 불운한 LHS가 나올 수 있다. 층화는 1차원 사영에 대한 보장이지 공간 채움에 대한 보장이 아니다.

2.1. 왜 무작위 표본보다 나은가[편집]

$N=5$ , $d=2$ 로 아주 작게 생각하면 감이 온다. 단순 무작위 표본추출로 5점을 뽑으면 첫 번째 변수의 값 다섯 개가 우연히 전부 하위 절반에 몰릴 확률이 $2^{-5}\approx 3\%$ 다. 변수가 10개면 “어느 한 변수라도 이런 쏠림이 생길” 확률이 $1-(1-2\cdot2^{-5})^{10}\approx 47\%$ 로 뛴다. 즉 표본이 적을 때 무작위 표본추출은 거의 반드시 어느 한 축을 놓친다.

LHS는 이 사고를 구조적으로 봉쇄한다. 각 축에서 $N$ 개 구간이 정확히 하나씩 채워지므로, 표본이 5개뿐이어도 각 변수는 항상 자기 분포의 하위 20%부터 상위 20%까지 고르게 훑는다. 표본 예산이 빠듯한 CAE 실무 — 해석 한 번에 몇 시간씩 걸리는 상황 — 에서 이 성질이 결정적이다.

3. 분산 감소는 어디까지 보장되는가[편집]

LHS의 이론적 근거는 매키 등이 증명하고 스타인(1987)이 다듬은 결과에 있다. 출력 $Y=f(X)$ 를 가법 성분과 나머지로 분해하면

f(x) = \mu + \sum_{j=1}^{d} f_j(x_j) + r(x)

이고, LHS 추정량의 분산은 단순 무작위 표본추출(SRS) 대비 가법 항 $\sum_j f_j$ 의 기여를 점근적으로 제거한다. 즉 $\mathrm{Var}_{\mathrm{LHS}} = \mathrm{Var}(r)/N + o(1/N)$ .

여기서 두 가지가 따라온다.

출력이 입력들의 가법적 결합에 가까울수록 LHS의 이득이 크다. 주효과가 지배적인 공학 모형이 대개 여기 해당한다.
반대로 출력이 순수한 상호작용으로만 이뤄져 있으면 이득이 거의 없다. 소볼 지수의 언어로 말하면 1차 지수의 합이 클수록 LHS가 이긴다.

또한 오웬(1997)은 LHS의 분산이 SRS 분산의 $N/(N-1)$ 배를 넘지 않음을 보였다. 최악의 경우에도 손해가 사실상 없다는 뜻이라, 실무에서 기본값으로 삼기 좋은 성질이다.

4. 개선판들[편집]

기본 LHS의 두 약점 — 불운한 상관, 그리고 빈약한 공간 채움 — 을 잡는 변형이 많다.

아이먼–코노버 순위 재배열(1982): 목표 상관행렬 $C$ 에 촐레스키 분해를 적용해 얻은 점수의 순위대로 각 열을 다시 정렬한다. 주변분포를 전혀 건드리지 않고 순위상관만 목표치에 맞출 수 있다. 상관된 입력을 다룰 때 코퓰라와 함께 쓰이는 표준 도구다.
최적화 LHS: maximin 거리(가장 가까운 두 점 사이 거리를 최대화), $\varphi_p$ 기준, 최대엔트로피, 또는 중심화 $L_2$ 불일치도(centered $L_2$ discrepancy)를 목적함수로 두고 순열을 담금질 모사나 유전 알고리즘으로 개선한다.
직교배열 기반 LHS(Tang 1993): 강도 2 이상의 직교배열 위에 LHS를 얹어 2차원 사영까지 층화를 보장한다. 기본 LHS가 1차원 사영만 보장하는 것과 대비된다.

5. 실무 절차[편집]

CAE 현장에서 LHS를 돌리는 순서는 대체로 고정돼 있다.

입력 변수와 분포 결정. 치수 공차는 정규 또는 절단정규, 재료 물성은 로그정규, 하중은 극값분포가 흔하다. 이 단계에서 정한 분포가 결과의 절반을 결정하는데, 정작 근거가 가장 빈약한 단계이기도 하다.
상관 처리. 변수들이 독립이 아니면 아이먼–코노버로 순위상관을 맞추거나, 의존구조가 복잡하면 코퓰라를 세워 그 위에서 뽑는다.
표본 수 결정. 대리 모델 학습이 목적이면 경험칙으로 $N\approx 10d$ 에서 시작한다. 통계 모멘트 추정이 목적이면 목표 신뢰구간에서 역산한다.
해석 실행과 결측 처리. 발산·수렴 실패한 점을 어떻게 다룰지 미리 정해 둔다.
후처리. 대리 모델 적합 후 교차검증, 그 위에서 민감도 해석과 신뢰성 해석을 값싸게 돌린다.

한 가지 흔한 오해를 짚어 두면, LHS는 최적화 알고리즘이 아니다. 설계공간을 훑어 보는 탐색(exploration) 도구이고, 여기서 얻은 대리 모델 위에서 최적화를 돌리는 것이 정석적인 결합 방식이다.

6. 준몬테카를로와의 비교[편집]

소볼 수열 같은 저불일치 수열은 매끄러운 적분에 대해 오차가 대략 $O(N^{-1}(\log N)^d)$ 로 줄어, LHS·몬테카를로 방법의 $O(N^{-1/2})$ 보다 빠르다. 그럼에도 LHS가 살아남은 이유는 셋이다.

구현이 열 줄이고, 차원이 높을 때 소볼 수열의 로그 항이 실질적으로 발목을 잡는 영역이 넓다.
분산 추정이 쉽다. 독립 LHS 복제를 $R$ 개 돌려 표본분산을 내면 그만이다. 결정론적 QMC는 무작위화(스크램블링)를 따로 얹어야 오차 막대를 만들 수 있다.
각 차원의 주변분포가 정확히 층화되므로, 소수의 표본으로도 꼬리 쪽 점이 반드시 하나는 들어간다.

가장 큰 실무적 약점은 비축차성(non-nested)이다. $N=50$ 으로 뽑았다가 정확도가 모자라 $N=100$ 으로 늘리고 싶으면, 기존 50점은 새 100구간 층화를 만족하지 않는다. 배수 $N \to 2N$ 으로만 늘리면서 기존 점을 유지하는 복제 LHS나 축차 LHS(sliced LHS)가 이 문제를 위해 나왔다.² 베이지안 최적화처럼 점을 하나씩 추가하는 절차에서는 LHS를 초기 설계에만 쓰고 이후는 획득함수에 맡기는 것이 보통이다.³

7. 관련 문서[편집]

라틴 방진 자체는 오일러가 36명 장교 문제로 유명하게 만든 조합론 대상이다. 200년쯤 지나 원자로 안전 해석에서 다시 불려 나올 줄은 본인도 몰랐을 것이다. ↩
“그냥 새로 50점 더 뽑으면 안 되나요”는 실제로 자주 나오는 질문이고, 답은 “되긴 되는데 그러면 그건 두 개의 독립 LHS이지 100점짜리 LHS가 아니다”이다. 층화 이득이 $N=50$ 수준에서 멈춘다는 뜻. 물론 아무것도 안 하는 것보다는 훨씬 낫다. ↩
실무에서 LHS가 배신하는 대표적 순간은 CFD 해석 몇 개가 발산해 결측치로 남을 때다. 층화 구조가 그 자리에서 깨지므로, 애초에 표본을 조금 더 뽑아 두거나 실패한 점을 같은 구간 안에서 다시 뽑는 재시도 규칙을 미리 정해 두는 편이 낫다. “수렴은 신에게 맡긴다”는 태도는 여기서 특히 비싸게 청구된다. ↩