基于方差的敏感性分析：在探索性与经济性之间寻求更优估计量与设计
应用统计
2022-03-02 v1
摘要
基于方差的敏感性指数已成为模型输出敏感性分析实践者的参考标准。基于方差的敏感性分析通常为所分析数学模型的不确定因子产生一阶敏感性指数 和所谓的总效应敏感性指数 。分析的成本取决于获得稳定且准确的估计值所需的模型评估次数。虽然对 存在高效的估计程序，但对 则不然。在估计这些指数时，可以使用计算成本取决于因子数量的基于样本的方法，或使用基于元建模/仿真器的方法。本工作聚焦于 的基于样本的估计程序，并测试了不同途径以在现有最佳实践基础上实现算法改进。为改善对输入因子空间的探索（设计）和计算指数的公式（估计量），我们提出了基于经济性和探索性概念的策略。然后，我们讨论了若干现有估计量在这些特性上的表现。我们得出结论：a) 基于使用多个矩阵以增强经济性的基于样本的方法，其性能不如使用更少矩阵但具有更好探索性的设计；b) 在后者中，非对称设计表现最佳，优于具有针对虚假相关性校正项的对称设计；c) 改进现有最佳实践困难重重；d) 改善结果是以引入额外设计参数为代价的。
引用
@article{arxiv.2203.00639,
title = {Variance-based sensitivity analysis: The quest for better estimators and designs between explorativity and economy},
author = {Samuele Lo Piano and Federico Ferretti and Arnald Puy and Daniel Albrecht and Andrea Saltelli},
journal= {arXiv preprint arXiv:2203.00639},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:1703.05799