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_saltelli(n=1024, factors=3, seed=0) -> 'dict' (die Implementierung direkt: import sensitivity; sensitivity.doe_saltelli(n=1024, factors=3, seed=0) -> 'dict'; aus dem Register: opsmultivar.get("doe_saltelli"))
Stichprobenmatrizen für Sobol'-Indizes (Saltelli et al. 2010) -> design mit n (k + 2) Läufen.
> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.
A Sobol' sequence of dimension 2k gives two independent n x k matrices A (first k columns) and B (last k). For each factor i, A_B^(i) is A with column i taken from B. Rows are stacked as [A; B; A_B^(1); ...; A_B^(k)] (meta['blocks']), which is the layout sens_sobol reads.
n must be a power of two: the balance properties of a Sobol' sequence hold for 2^m points, and the estimators' error behaves erratically otherwise — the op refuses rather than silently degrading. seed scrambles the sequence (Owen scrambling via scipy); seed=None uses the plain sequence.
• Leitfaden zur Familie design_of_experiments
• 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.
• sensitivity_tour — py -3.11 examples/sensitivity_tour.py
design als Eingabe)doe_decode · rsm_fit · doe_main_effects · sens_morris · sens_sobol
sensitivity)doe_morris · sens_morris · sens_sobol
*Provenance: sensitivity.py — MULTIVAR Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.