Journal of the Korea Society for Simulation (한국시뮬레이션학회논문지)

The Korea Society for Simulation (한국시뮬레이션학회)
권호 표지
DOI QR코드

DOI QR Code

Application of Common Random Numbers in Simulation Experiments Using Central Composite Design

중심합성계획 시뮬레이션 실험에서 공통난수의 활용

  • 권치명 (동아대학교 경영정보학과)
  • Received : 2014.07.16
  • Accepted : 2014.08.20
  • Published : 2014.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

The central composite design (CCD) is often used to estimate the second-order linear model. This paper uses a correlation induction strategy of common random numbers (CRN) in simulation experiment and utilizes the induced correlations to obtain better estimates for the second-order linear model. This strategy assigns the CRN to all design points in the CCD. An appropriate selection of the axial points in CCD makes the weighted least squares (WLS) estimator be equivalent to ordinary least squares (OLS) estimator in estimating the linear model parameters of CCD. We analytically investigate the efficiency of this strategy in estimation of model parameters. Under certain conditions, this correlation induction strategy yields better results than independent random number strategy in estimating model parameters except intercept. The simulation experiment on a selected model supports such results. We expect a suggested random number assignment is useful in application of CCD in simulation experiments.

중심합성계획(CCD)은 2차 선형 모형을 추정하기 위해서 자주 활용된다. 본 연구는 CCD를 활용하는 시뮬레이션 실험에서 공통난수(CRN) 상관유도전략을 사용하여 모형의 파라미터를 효율적으로 추정하고자 한다. CCD의 축점을 적절히 선택하면 모든 표본점에 공통난수를 할당하는 전략으로 얻은 파라미터의 가중최소자승(WLS) 추정량은 정규최소자승(OLS) 추정량과 일치한다. 본 연구는 선형모형의 파라미터를 추정하는 공통난수 상관유도전략이 파라미터 추정 효율성 측면에서 독립 난수 할당전략보다 우수함을 계량적으로 분석하였다. 2차 선형모형에서 상수항을 제외한 나머지 파라미터를 추정하는데 있어서 공통난수 상관유도전략이 우수하며 시뮬레이션 결과도 이러한 분석을 지지하고 있다. 제안된 난수 할당전략이 CCD 시뮬레이션 실험에서 유용하게 활용될 수 있을 것으로 기대한다.

Keywords

References

  1. Box, G.E.P. and Draper, N. R., Empirical Model Building and Response Surface, John Wiley & Sons, 1987.
  2. Kwon, C. M. and Tew, J. D., "Combining Antithetic and Control Variates in Designed Simulation Experiments", Management Science, Vol. 40, pp. 1021-1034, 1994. https://doi.org/10.1287/mnsc.40.8.1021
  3. Kwon, C. M., "Application of Stochastic Optimization Method to (s, S) Inventory System, J of the Korean Society for Simulation, Vol. 12, No. 2, pp. 1-11, 2003.
  4. Law, A. M. and Kelton, D. W., Simulation Modeling and Analysis, MacGraw Hill, 2001.
  5. Myer, R. H., Response Surface Methodology, Edward Brothers, Ann Arber, 1991.
  6. Myers, R. H., Classical and Modern Regression with Applications. Second Ed. Duxbury Press, 1990.
  7. Pritsker, A. A. B. and O'Reilly, J. J., Simulation with Visual SLAM and AweSim, John Wiley & Sons, 1999.
  8. Rao, C. R., "Least Squares Theory Using an Estimated Dispersion Matrix and Its Application to Measurement of Signals", Proceedings of the 5th Symposium on Mathematical Statistics and Probability, pp. 69-76, 1967.
  9. Schruben, L. W. and Margolin, B. H., "Pseudorandom Number Assignment in Statistically Designed Simulation and Distribution Sampling Experiments", JASA, Vol. 73, pp. 504-525, 1978. https://doi.org/10.1080/01621459.1978.10480044
  10. Tew, J. D., Using Composite Design in Simulation Experiments, Proceedings of the WSC, pp. 529-537, 1996.
  11. Watson, G. S., "Linear Least Squares Regression", Annals of Mathematical Statistics, Vol. 38, pp. 1679-1699, 1967. https://doi.org/10.1214/aoms/1177698603