Anàlisi de Sensibilitat Global — Sobol, Morris i FAST
L'anàlisi de sensibilitat global (GSA) és una família de tècniques que descompon la variància de la sortida d'un model entre els seus paràmetres d'entrada, quantificant quant contribueix cada entrada —i cada combinació d'entrades— a la incertesa total en el resultat. Els índexs basats en la variància de Sobol (2001), el cribratge un a la vegada (OAT) de Morris (1991) i el Fourier Amplitude Sensitivity Test (FAST, proposat per primera vegada per Cukier et al. el 1973) són les tres aproximacions més utilitzades. En conjunt, serveixen com a caixa d'eines estàndard per identificar quins paràmetres impulsen el comportament del model i quins es poden fixar de manera segura.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Sobol, I.M. (2001). Global Sensitivity Indices for Nonlinear Mathematical Models and Their Monte Carlo Estimates. Mathematics and Computers in Simulation, 55(1–3), 271–280. DOI: 10.1016/S0378-4754(00)00270-6 ↗
- Saltelli, A. et al. (2008). Global Sensitivity Analysis: The Primer. Wiley. DOI: 10.1002/9780470725184 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/ca/simulation/global-sensitivity-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Disseny d'ExperimentsDisseny experimental↔ compare
- Mostreig d'Hipercub LlatíSimulació↔ compare
- Simulació Monte CarloPresa de decisions↔ compare
- Quantificació d'IncertesaSimulació↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →