Revue sur l’analyse de sensibilité globale de modèles numériques

摘要: Cet article a pour objectif d'effectuer un survol rapide, mais dans cadre methodologique relativement complet, des differentes methodes d'analyse de sensibilite globale d'un modele numerique. Faisant appel nombreux outils statistiques (regression, lissage, tests, apprentissage, techniques Monte Carlo, ...), celles-ci permettent determiner quelles sont les variables d'entree qui contribuent le plus une quantite d'interet calculee l'aide ce (par exemple la variance d'une variable sortie). Trois grandes classes ainsi distinguees : criblage (tri grossier entrees influentes parmi grand nombre), mesures d'importance (indices quantitatifs donnant l'influence chaque entree) et d'exploration du (mesurant effets sur tout leur domaine variation). Une methodologie progressive d'application ces est illustree application vocation pedagogique. synthese alors formulee afin situer methode selon trois axes cout en nombre d'evaluations modele, complexite type d'information apportee.