Analisi di Sensitività Globale — Sobol, Morris, e FAST
L'analisi di sensitività globale (GSA) è una famiglia di tecniche che decompone la varianza dell'output di un modello attraverso i suoi parametri di input, quantificando quanto ciascun input — e ciascuna combinazione di input — contribuisce all'incertezza totale nel risultato. Gli indici basati sulla varianza di Sobol (2001), lo screening one-at-a-time (OAT) di Morris (1991) e il Fourier Amplitude Sensitivity Test (FAST, proposto per la prima volta da Cukier et al. nel 1973) sono i tre approcci più ampiamente utilizzati. Insieme servono come toolkit standard per identificare quali parametri guidano il comportamento del modello e quali possono essere fissati in sicurezza.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/it/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 ExperimentsDisegno sperimentale↔ compare
- Latin Hypercube SamplingSimulazione↔ compare
- Simulazione Monte CarloProcesso decisionale↔ compare
- Quantificazione dell'IncertezzaSimulazione↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →