sens_sobol — MULTIVAR `sensitivity` op

• Datenarten: design × signal → table

• Aufruf: import fullseye as fs; fs.ledger.sens_sobol(design=None, y=None, n_boot=500, level=0.95, seed=0) -> 'dict' (die Implementierung direkt: import sensitivity; sensitivity.sens_sobol(design=None, y=None, n_boot=500, level=0.95, seed=0) -> 'dict'; aus dem Register: opsmultivar.get("sens_sobol"))

Verwendung

Sobol'-Indizes erster Ordnung und Totaleffekt-Indizes mit Bootstrap-Konfidenzintervallen.

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

From the outputs on a doe_saltelli design (blocks A, B, A_B^(i)):

• S1_i = (1/N) sum_j f(B)_j (f(A_B^(i))_j - f(A)_j) / V (Saltelli et al. 2010, Table 2 (b));

• ST_i = (1/(2N)) sum_j (f(A)_j - f(A_B^(i))_j)^2 / V (Jansen 1999; Saltelli et al. 2010, Table 2 (f));

• V = variance of the outputs at A and B together.

S1 is the share of output variance a factor explains alone; ST adds every interaction it takes part in. ST ~ 0 means the factor can be fixed anywhere in its range; ST - S1 large means it acts through interactions. Confidence intervals come from n_boot bootstrap resamples of the N rows (the same row index across A, B and A_B^(i)) at level. The sum of S1 (sum_s1) is <= 1 up to estimation error; a value far below 1 says interactions carry the rest.

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 `table` als Eingabe)

—

Gleiche Kategorie (`sensitivity`)

doe_morris · sens_morris · doe_saltelli

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

sens_sobol — MULTIVAR sensitivity op