Globalna analiza wrażliwości — Sobol, Morris i FAST
Globalna analiza wrażliwości (GSA) to rodzina technik, które rozkładają wariancję wyjścia modelu na jego parametry wejściowe, kwantyfikując, w jakim stopniu każdy parametr wejściowy — i każda kombinacja parametrów wejściowych — przyczynia się do całkowitej niepewności wyniku. Indeksy wariancyjne Sobola (2001), przesiewanie metodą Morrisa (OAT, 1991) oraz test wrażliwości z transformacją Fouriera (FAST, po raz pierwszy zaproponowany przez Cukiera i in. w 1973 r.) to trzy najczęściej stosowane podejścia. Razem służą one jako standardowy zestaw narzędzi do identyfikacji, które parametry determinują zachowanie modelu, a które można bezpiecznie ustalić.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/pl/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.
- Projektowanie DoświadczeńPlanowanie eksperymentów↔ compare
- Próbkowanie typu Latin HypercubeSymulacja↔ compare
- Symulacja Monte CarloPodejmowanie decyzji↔ compare
- Kwantyfikacja niepewnościSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →