Globale Sensitivitätsanalyse — Sobol, Morris und FAST
Globale Sensitivitätsanalyse (GSA) ist eine Familie von Techniken, die die Varianz der Modellausgabe über ihre Eingangsparameter zerlegen und quantifizieren, wie viel jeder Eingang – und jede Kombination von Eingängen – zur gesamten Unsicherheit im Ergebnis beiträgt. Die varianzbasierten Indizes von Sobol (2001), das One-at-a-Time (OAT)-Screening von Morris (1991) und der Fourier Amplitude Sensitivity Test (FAST, erstmals von Cukier et al. 1973 vorgeschlagen) sind die drei am weitesten verbreiteten Ansätze. Zusammen bilden sie das Standard-Toolkit zur Identifizierung, welche Parameter das Modellverhalten steuern und welche sicher fixiert werden können.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/de/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.
- Design of ExperimentsVersuchsplanung↔ compare
- Latin Hypercube SamplingSimulation↔ compare
- Monte-Carlo-SimulationEntscheidungsfindung↔ compare
- Quantifizierung von UnsicherheitenSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →