在灵敏度分析中输入参数时，SALib是否可以支持其他概率分布？

Question

from SALib.sample import saltelli 
import numpy as np 

problem = { 
    'num_vars': 3, 
    'names': ['x1', 'x2', 'x3'], 
    'bounds': [-10,10] 
} 

必须bounds是为了均匀分布吗？它可能是其他概率分布？如正常，二项分布，泊松分布，贝塔......

Answer 1

如果你想其他的发行除了从SALib均匀，你可以做到以下几点：在区间（0,1）

1. 生成均匀的样品。
2. 使用反向累积分布函数将每个参数的输入转换为期望的分布。您可以使用scipy进行转换，这应该为分发提供很大的灵活性。
3. 用这些转换后的输入评估模型。

以下转换为正常分布的示例基于从SALib站点（https://github.com/SALib/SALib）修改的代码。

from SALib.sample import saltelli 
from SALib.analyze import sobol 
from SALib.test_functions import Ishigami 
import numpy as np 
import scipy as sp # for inverse CDF (ppf) function for distributions 

problem2 = { 
    'num_vars': 3, 
    'names': ['x1', 'x2', 'x3'], 
    'bounds': [[0,1]]*3 
} 

# Generate samples 
param_values2 = saltelli.sample(problem2, 1000, calc_second_order=False) 

# using normal inverse CDF, can change to other distributions as desired 
# look at scipy documentation for other distributions and parameters 
param_values2[:,0] = sp.stats.norm.ppf(param_values2[:,0],0,np.pi/2.) 
param_values2[:,1] = sp.stats.norm.ppf(param_values2[:,1],0,np.pi/2.) 
param_values2[:,2] = sp.stats.norm.ppf(param_values2[:,2],0,np.pi/2.) 

# Run model (example) 
Y = Ishigami.evaluate(param_values2) 

# Perform analysis 
Si = sobol.analyze(problem2, Y, print_to_console=True)