بهترین برآورد برای معیار اقلیدسی در تحلیل داده

در بسیاری از مسائل ارزیابی ریسک، عدم ‌قطعیت در پارامترها وجود دارد که منجر به عدم ‌قطعیت در پیش‌بینی‌های مدل می‌شود. معیار حساسیت و عدم ‌قطعیت به بخش جدایی ناپذیر در تحلیل ریسک تبدیل شده‌است. تحلیل حساسیت کلی ابزاری است که برای نشان دادن عدم قطعیت استفاده می‌شود و در تصمیم‌گیری، ارزیابی ریسک، ساده‌سازی مدل‌ها و غیره کاربرد دارد. تحلیل حساسیت اقلیدسی و منطقه‌ای روش‌هایی هستند که می‌توانند با یک مجموعه نمونه داده شده از جفت‌های ورودی - خروجی مدل کار کنند. یک تفاوت قابل توجه بین این دو روش آن است که تحلیل اقلیدسی، توزیع‌های خروجی را مشروط به مقادیر ورودی تحلیل می‌کند در حالی که تحلیل منطقه‌ای، توزیع های ورودی را مشروط به مقادیر خروجی تحلیل می‌کند. در این مقاله به تعیین روابط روش‌های حساسیت فاصله اقلدیسی و منطقه‌ای پرداخته و نشان داده خواهد شد، هنگامی که تحلیل حساسیت منطقه‌ای بر توابع چگالی احتمالی متمرکز شود به سمت تحلیل حساسیت فاصله اقلیدسی همگرا می‌شود.

best estimate for the euclidean criterion in data analysis

in many risk assessment problems, there is uncertainty in parameters, which leads to uncertainty in model predictions. the measure of sensitivity and uncertainty has become an integral part of risk analysis. general sensitivity analysis is a tool used to represent uncertainty and is used in decision making, risk assessment, simplifying models, etc. euclidean and regional sensitivity analysis are methods that can work with a given sample set of model input-output pairs. a notable difference between the two methods is that euclidean analysis analyzes output distributions conditional on input values, while zonal analysis analyzes input distributions conditional on output values. in this article, the relationship between euclidean distance and regional sensitivity methods will be determined and it will be shown that when regional sensitivity analysis is focused on probability density functions, it will converge towards euclidean distance sensitivity analysis.