Bayesiansk sensitivitetsanalyse — Prior-informeret usikkerhedsforplantning og vurdering af outputfølsomhed
Bayesiansk sensitivitetsanalyse (BSA) kombinerer Bayesiansk inferens med sensitivitetsanalyse for systematisk at kvantificere, hvordan usikre modelinput — udtrykt som a priori sandsynlighedsfordelinger — forplanter sig gennem en model og påvirker output. Den identificerer, hvilke parametre der mest driver outputvariabilitet, og understøtter robuste konklusioner under reel usikkerhed.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Berger, J. O. (1994). An overview of robust Bayesian analysis. Test, 3(1), 5–124. DOI: 10.1007/BF02562676 ↗
- Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M., & Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley. ISBN: 9780470059975
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis — Prior-informed uncertainty propagation and output sensitivity assessment. ScholarGate. https://scholargate.app/da/simulation/bayesian-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.
- Bayesiansk dynamisk programmeringSimulering↔ compare
- Bayesiansk Markov-modelSimulering↔ compare
- MarkovmodelSimulering↔ compare
- Monte Carlo-simuleringBeslutningstagning↔ compare
- Stokastisk FølsomhedsanalyseSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →