doe_morris — MULTIVAR `sensitivity` op

• Datenarten: keine → design (ein Operator, der allein durch seine Argumente bestimmt ist — er nimmt kein Bild und keine Daten entgegen)

• Aufruf: import fullseye as fs; fs.ledger.doe_morris(r=10, factors=4, levels=4, seed=0, n_candidates=0) -> 'dict' (die Implementierung direkt: import sensitivity; sensitivity.doe_morris(r=10, factors=4, levels=4, seed=0, n_candidates=0) -> 'dict'; aus dem Register: opsmultivar.get("doe_morris"))

Verwendung

Morris-One-at-a-time-Screeningplan: r Trajektorien zu je k+1 Läufen -> design.

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

Each trajectory starts at a random point of the levels-level grid on the unit cube and moves one factor at a time by delta = levels / (2 (levels - 1)) (Morris 1991; with an even levels every grid level is equally likely to be visited), so r (k+1) runs give r elementary effects per factor. n_candidates > r draws that many trajectories and keeps r of them that are spread out: the trajectory distance of Campolongo et al. 2007 (sum over point pairs of their Euclidean distances), chosen greedily — a pair of the farthest trajectories first, then repeatedly the trajectory that adds the most distance (an approximation of their exhaustive search, stated in meta['selection']).

The coded matrix is 2u - 1 of the unit-cube points; meta keeps the trajectory bookkeeping that sens_morris needs (changed factor and sign per step).

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie design_of_experiments

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)

• sensitivity_tour — py -3.11 examples/sensitivity_tour.py

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

doe_decode · rsm_fit · doe_main_effects · sens_morris · sens_sobol

Gleiche Kategorie (`sensitivity`)

sens_morris · doe_saltelli · sens_sobol

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

doe_morris — MULTIVAR sensitivity op