Statistical model validation is a method that measures the degree of agreement between the responses of a computational interpretive model and test outcomes by employing statistical approaches. Particularly, for models with multiple responses, validation should consider not only the distribution of each response but also the correlations among responses. Various methods for models with multiple responses have been extensively researched recently. However, existing methodologies have weakness in accurate validation of the geometric properties of correlations. The study proposes a method using conditional distributions to provide accurate validation results for correlations. The methodology is introduced for responses following parametric distributions, and it is then expanded to responses with nonparametric distributions. Through numerical and engineering examples, the proposed method shows accurate results with less data than existing methodologies.
통계적 모델 검증은 전산 해석 모델의 응답에 대해 통계적으로 접근함으로써 시험 결과와 얼마나 일치하는지를 측정하는 기술이다. 특히 다중 응답을 가지는 모델에 대해서는 각 응답의 분포뿐만 아니라 응답 간 상관관계까지 고려하여 검증을 진행하여야 한다. 최근 다중 응답을 가지는 모델에 대한 통계적 모델 검증 방법들이 많이 연구되어 왔다. 그러나 기존의 검증 방법론들은 상관관계의 기하적 특성에 대해서는 정확한 검증이 어렵다. 본 연구에서는 조건부 분포를 이용하여 상관관계에 대한 정확한 검증 결과를 보여주는 방법을 제안한다. 방법론은 모수 분포를 따르는 응답에 대해 먼저 제안되고, 비모수 분포를 따르는 응답에 대해서 방법론이 확장된다. 수치 및 공학 예제를 통해 제안하는 방법이 기존의 방법론과 비교하여 적은 수의 데이터로 정확한 결과를 얻음을 보여준다.
