分析参数和设计要求之间的关系

分析如何参数和状态（统称为参数）Simuli万博1manbetxnk的的^®模型影响的模型信号的设计要求，首先生成参数的样本。然后，通过创建模型信号的设计要求确定成本函数，并评价每个样品的成本函数。最后，分析参数变化和成本函数值之间的关系。您可以执行以下几方面，这分析：

可视化分析

考虑到成本函数评价对参数样本地块确定趋势。这种方法是非正式的，并提供了有关的各种参数是如何影响成本函数的视觉直觉。

在敏感性分析工具，评估完成后，在工具生成的评价结果散点图。该图显示的评价成本函数值作为参数集合中的每个参数的功能。最后一列副区显示评价成本函数值的概率分布。您可以在最佳拟合线通过右键单击在剧情添加到分散的次要情节，并选择覆盖线性拟合在上下文菜单中。在该图中，最佳拟合线指示获得参数有很多的需求影响。

您也可以绘制的评估结果的等高线图。要了解更多有关这些地块，见互动与在敏感性分析工具地块。对于一个示例，请参见识别关键参数估计（GUI）。

在命令行，你可以使用以下工具:

sdo.scatterPlot- 参数样本的散点图对成本函数评价
冲浪，啮合，轮廓- 对所述成本函数评估的两个参数样品的3-d情节

对于一个示例，请参见标识（代码）关键参数估计。

统计分析

除了在视觉上分析成本函数的参数的影响，你也可以计算统计数据的量化关系。

获取有关成本函数的评估和参数样本之间的关系汇总统计。可用的分析方法包括：

方法	描述
关联	用于分析模型参数与成本函数输出之间的相关性。
偏相关（需要统计和机器学习工具箱™软件）	使用分析模型参数和成本函数如何相互关联，去除剩余参数的影响。
标准化回归	当你想到的是，模型参数线性影响成本函数使用。

对于这些方法，你指定要由从下面的分析类型选择为分析使用的数据：

线性分析，也被称为皮尔逊分析 - 使用原始数据进行分析。当你期望的参数和成本函数，并预期有关最佳拟合线的残差时正态分布之间的线性关系使用线性分析。还建议线性分析时的样本数，因此剩余的点的数量是很大的。

排名分析，也被称为斯皮尔曼分析排名改造- 使用数据的行列进行分析。使用排名分析时，您所期望的参数和成本函数，当关于最佳拟合线的残差不是正态分布之间的非线性单调关系。还建议排名分析时的样本数，因此剩余的点的数量是小的。

线性分析保留有关的数据值之间的时间间隔的信息，而排名分析没有。假设你有以下数据集：

X₁	X₂	ÿ
9	20	340
五	60	106
2.3	50.4	870.5

这里X₁和X₂是模型参数，以及ÿ是成本函数。每一行表示样品和相关联的成本函数的评价。

数据排名每列基础上。例如，当你的排名在第1列中的数据（X₁），其包含的条目9,5和2.3，经排序的数据等于3，2和1的排名数据用于试样设定X₁，X₂和ÿ如下面所述：

X₁	X₂	ÿ
3	1	2
2	3	1
1	2	3

经排序的数据集可用于相关，偏相关，或标准化回归分析。

肯德尔 - 肯德尔的头秩相关系数进行计算。
可适用于当分析方法是相关性。需要统计和机器学习Toolbox软件。

偏相关法

计算偏相关系数，[R。此方法需要统计和机器学习Toolbox软件。使用此方法来分析的模型参数和所述成本函数如何相互关联，调整以除去其他参数的影响。

[R使用计算partialcorri根据统计和机器学习Toolbox软件。

标准化回归方法

计算标准化回归系数，[R。当你想到的是，模型参数线性影响成本函数使用此方法。

[R的计算方法如下：

$[R = b_{X} \frac{σ_{X}}{σ_{ÿ}}$

考虑单个样品（X₁，...，XNP）和对应的单个输出，ÿ。b_X用最小二乘假定线性模型的回归系数矢量计算 $\hat{ÿ} = b_{0} + Σ_{一世 = 1}^{ñ p} {\hat{b}}_{X_{一世}} X_{一世}$ 。[R标准化的每个元素b_X通过与相应的标准偏差的比率乘以它X样品（σ_X）到的标准偏差ÿ（σ_ÿ）。