Beiešiskā jutīguma analīze — uz priekšzinām balstīta nenoteiktības izplatīšanās un izvades jutīguma novērtēšana
Beiešiskā jutīguma analīze (BSA) apvieno Beieša inferenci ar jutīguma analīzi, lai sistemātiski kvantificētu, kā nenoteikti modeļa ieejas dati — izteikti kā priekšējie varbūtības sadalījumi — izplatās caur modeli un ietekmē izvades datus. Tā identificē, kuri parametri visvairāk nosaka izvades datu mainīgumu, atbalstot stabilus secinājumus patiesas nenoteiktības apstākļos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis — Prior-informed uncertainty propagation and output sensitivity assessment. ScholarGate. https://scholargate.app/lv/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.
- Beijesiskā dinamiskā programmēšanaSimulācija↔ compare
- Bayesiešu Markovas modelisSimulācija↔ compare
- Markov ModelSimulācija↔ compare
- Monte Carlo simulācijaLēmumu pieņemšana↔ compare
- Stochastic Sensitivity AnalysisSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →