Global sensitivity analysis
Тоже тут напишу.
http://www.amazon.com/Global-Sensitivity-Analysis-The-Primer/dp/0470059974 и моя рецензия на неё.
Общий смысл такой: "global sensitivity analysis" это набор методов для исследования того, насколько сильно какие-то параметры в многопараметрической модели влияют на её выход. Или, например, куда тыкать в пространстве параметров, чтобы сделать такую оценку. Или, например, какие параметры контролировать прежде всего, чтобы уменьшить риск попадания результата в опасную область. И т.п.
Оказалось много интересного - есть успешно работающие методы, обладающие следующими достоинствами:
* Не предполагают линейности - вместо этого используется variance результата, и то, как она меняется от фиксации тех или иных групп параметров.
* Не предполагают взаимонезависимости параметров - вместо этого получается разложение variance результата по значимости отдельных параметров и их взаимодействий.
* Не предполагают даже непрерывности параметров - можно использовать дискретные.
Много очень красивых методов - например, FAST (Fourier Amplitude Sensitivity Test), или group sampling (поиск значимых среди 1000 параметров за менее чем 1000 измерений).
Ну и вообще, книжка очень хорошо написана, легко читается и требует лишь минимальных знаний статистики и линейной алгебры.
http://www.amazon.com/Global-Sensitivity-Analysis-The-Primer/dp/0470059974 и моя рецензия на неё.
Общий смысл такой: "global sensitivity analysis" это набор методов для исследования того, насколько сильно какие-то параметры в многопараметрической модели влияют на её выход. Или, например, куда тыкать в пространстве параметров, чтобы сделать такую оценку. Или, например, какие параметры контролировать прежде всего, чтобы уменьшить риск попадания результата в опасную область. И т.п.
Оказалось много интересного - есть успешно работающие методы, обладающие следующими достоинствами:
* Не предполагают линейности - вместо этого используется variance результата, и то, как она меняется от фиксации тех или иных групп параметров.
* Не предполагают взаимонезависимости параметров - вместо этого получается разложение variance результата по значимости отдельных параметров и их взаимодействий.
* Не предполагают даже непрерывности параметров - можно использовать дискретные.
Много очень красивых методов - например, FAST (Fourier Amplitude Sensitivity Test), или group sampling (поиск значимых среди 1000 параметров за менее чем 1000 измерений).
Ну и вообще, книжка очень хорошо написана, легко читается и требует лишь минимальных знаний статистики и линейной алгебры.