simcal_identifiability — SIMCAL `check` op

• Datenarten: calresult → calresult

• Aufruf: import fullseye as fs; fs.ledger.simcal_identifiability(result=None, at=None, profile=True, level=0.95, threshold=None) -> 'dict' (die Implementierung direkt: import simcalcheck; simcalcheck.simcal_identifiability(result=None, at=None, profile=True, level=0.95, threshold=None) -> 'dict'; aus dem Register: opssimcal.get("simcal_identifiability"))

Verwendung

Fisher-Information, Cramér-Rao-Schranke, Korrelationen, Kollinearität und Profil-Likelihood jedes angepassten Reglers.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

Computed at the fit's end point (or at at = {knob: value}, e.g. the true values of a synthetic study, without touching the estimates). Returned in identifiability:

fisher (natural units), crlb (sqrt of the diagonal of its inverse — the smallest standard deviation any unbiased estimator can have under the noise model), condition (of the Fisher matrix on the unit-scaled knobs; > 1e6 adds a warning), correlation, gamma_full and confounded_groups (sensitivity.mv_confounding), and with profile=True a profile per knob: the likelihood-ratio interval where chi^2 stays within chi^2_1(level) of its minimum (3.84 at 95 %), each other knob re-fitted at every step (Raue et al. 2009). Knobs whose profile does not rise above the threshold on both sides inside the range lose their point estimate: upper_only / lower_only (only one limit exists) or undetermined. Each profile keeps its trace (knob value, chi^2 rise) of the evaluated points. No noise model: refused.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie sim_to_real_calibration

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_simcal_thin_film — py -3.11 examples/poc_simcal_thin_film.py

• simcal_checks_tour — py -3.11 examples/simcal_checks_tour.py

Typkompatible Folge-Operatoren (nehmen `calresult` als Eingabe)

simcal_uncertainty · simcal_validate · simcal_discrepancy · simcal_report

Gleiche Kategorie (`check`)

simcal_uncertainty · simcal_validate · simcal_discrepancy

*Provenance: simcalcheck.py — SIMCAL Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

simcal_identifiability — SIMCAL check op