Bayesiaanse Gevoeligheidsanalyse — Propagatie van onzekerheid op basis van a priori informatie en beoordeling van de outputgevoeligheid
Bayesiaanse Gevoeligheidsanalyse (BGA) combineert Bayesiaanse inferentie met gevoeligheidsanalyse om systematisch te kwantificeren hoe onzekere modelinputs — uitgedrukt als a priori kansverdelingen — zich door een model propageren en de outputs beïnvloeden. Het identificeert welke parameters de outputvariabiliteit het meest bepalen, wat robuuste conclusies ondersteunt onder reële onzekerheid.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis — Prior-informed uncertainty propagation and output sensitivity assessment. ScholarGate. https://scholargate.app/nl/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.
- Bayesiaanse Dynamische ProgrammeringSimulatie↔ compare
- Bayesiaans MarkovmodelSimulatie↔ compare
- Markov ModelSimulatie↔ compare
- Monte Carlo SimulatieBesluitvorming↔ compare
- Stochastische GevoeligheidsanalyseSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →