sens_morris — MULTIVAR `sensitivity` op

• 데이터 종류: design × signal → table

• 호출: import fullseye as fs; fs.ledger.sens_morris(design=None, y=None, negligible=0.05) -> 'dict'(구현을 직접 호출하려면 import sensitivity; sensitivity.sens_morris(design=None, y=None, negligible=0.05) -> 'dict', 원장에서 가져오려면 opsmultivar.get("sens_morris"))

사용법

Morris 기본 효과 -> 인자별 mu, mu*, sigma(Morris 1991, mu*는 Campolongo 등 2007).

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

design must come from doe_morris (its trajectory bookkeeping is used) and y holds the model output for its rows in order. For trajectory t and step s that moves factor i by ±delta: EE_i = (y_s - y_{s-1}) / (±delta) in unit-cube units, and also per natural unit of the factor (ee_natural; on a log-scale factor the step is in log10 units).

mu (mean EE) can cancel when effects change sign; mu_star (mean |EE|) does not and is the ranking measure; sigma (standard deviation, ddof = 1) is large when the effect depends on where the other factors are (non-linear or interacting). class per factor: negligible (mu* below negligible x the largest mu*), linear/additive (sigma < 0.1 mu*: the effect is the same everywhere — a convention of this op, stated), otherwise non-linear or interacting.

자세한 사용 가이드

• design_of_experiments 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• sensitivity_tour — py -3.11 examples/sensitivity_tour.py

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

—

같은 카테고리(`sensitivity`)

doe_morris · doe_saltelli · sens_sobol

*Provenance: sensitivity.py — MULTIVAR 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

sens_morris — MULTIVAR sensitivity op

사용법