Analyse de sensibilité globale — Sobol, Morris et FAST
L'analyse de sensibilité globale (GSA) est une famille de techniques qui décomposent la variance de la sortie d'un modèle sur ses paramètres d'entrée, quantifiant la contribution de chaque entrée — et de chaque combinaison d'entrées — à l'incertitude totale du résultat. Les indices de variance de Sobol (2001), le criblage un par un (OAT) de Morris (1991) et le test de sensibilité d'amplitude de Fourier (FAST, proposé pour la première fois par Cukier et al. en 1973) sont les trois approches les plus utilisées. Ensemble, elles constituent la boîte à outils standard pour identifier quels paramètres pilotent le comportement du modèle et lesquels peuvent être fixés en toute sécurité.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/fr/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.
- Planification d'ExpériencesPlans d'expériences↔ compare
- Échantillonnage par hypercube latinSimulation↔ compare
- Simulation de Monte-CarloPrise de décision↔ compare
- Quantification de l'incertitudeSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →