Análisis de Sensibilidad Global — Sobol, Morris y FAST
El análisis de sensibilidad global (GSA, por sus siglas en inglés) es una familia de técnicas que descomponen la varianza de la salida de un modelo entre sus parámetros de entrada, cuantificando cuánto contribuye cada entrada —y cada combinación de entradas— a la incertidumbre total en el resultado. Los índices basados en la varianza de Sobol (2001), el cribado uno-a-uno (OAT) de Morris (1991), y la Prueba de Sensibilidad de Amplitud de Fourier (FAST, propuesta por primera vez por Cukier et al. en 1973) son los tres enfoques más utilizados. Juntos, sirven como el conjunto de herramientas estándar para identificar qué parámetros impulsan el comportamiento del modelo y cuáles pueden fijarse de forma segura.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/es/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.
- Diseño de ExperimentosDiseño experimental↔ compare
- Muestreo de Hipercubo LatinoSimulación↔ compare
- Simulación de Monte CarloToma de decisiones↔ compare
- Cuantificación de la IncertidumbreSimulación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →