Байесовский анализ чувствительности — распространение неопределенности с учетом априорных данных и оценка чувствительности выходных данных
Байесовский анализ чувствительности (BSA) объединяет байесовский вывод с анализом чувствительности для систематической количественной оценки того, как неопределенность входных данных модели — выраженная в виде априорных вероятностных распределений — распространяется через модель и влияет на выходные данные. Он определяет, какие параметры в наибольшей степени обусловливают вариативность выходных данных, поддерживая надежные выводы при подлинной неопределенности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Sensitivity Analysis — Prior-informed uncertainty propagation and output sensitivity assessment. ScholarGate. https://scholargate.app/ru/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.
- Байесовская динамическая оптимизацияИмитационное моделирование↔ compare
- Байесовская Марковская МодельИмитационное моделирование↔ compare
- Модель МарковаИмитационное моделирование↔ compare
- Метод Монте-КарлоПринятие решений↔ compare
- Стохастический анализ чувствительностиИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →