Bonjour, J'ai un peu progressé dans la compréhension de l'utilisation de la distribution dans les méthodes d'AS. Il y a plusieurs cas: * soit la méthode prend en paramètres la distribution directement (Fast99) * soit des paramètres de la distribution peuvent être calculé avant par une distribution (Sobol) * soit la méthode gère elle même la distribution, non modifiable (LHS) * soit la distribution ne peut pas être gérée Voici en détail les problèmes rencontrés suivant les méthodes de calcul: Morris ------ Morris prend en paramètres deux vecteurs correspondant aux valeurs min et max de chaque facteur. Si les facteurs n'ont pas été défini en distribution uniforme avec des valeurs min et max, cela pose problème. Sobol ----- Sobol prend en paramètres 2 dataframe qui peuvent être défini manuellement suivant une méthode de distribution. C'est donc théoriquement possible. RandomLHS et OptimumLHS ----------------------- RandomLHS gère elle même une distribution uniforme entre 0 et 1. help(randmonLHS) : An ‘n’ by ‘k’ Latin Hypercube Sample matrix with values uniformly distributed on [0,1] Donc en faisant un produit en croix entre min et max, il est possible d'obtenir la valeur réelle du facteur. Mais dans le cas d'une distribution non uniforme, comment peut-on exploiter la valeur entre 0 et 1 ? ExpandGrid ---------- Pas de gestion de la distribution. RDOpimal -------- Pas de gestion de la distribution. Apparemment Sigrid avait bien aidé Jean sur ce script. RegularFraction --------------- Pas de gestion de la distribution. JavaExpandGrid et FrF2 ---------------------- JavaExpandGrid calcule manuellement les valeurs des facteurs. Donc a moins de refaire le calcul pour toutes les distributions possibles, autant supprimer cette méthode. FrF2 est la même méthode que RegularFraction. Stéphanie, tu aurais un moment pour rediscuter de ca ? -- Éric Chatellier <chatellier@codelutin.com> Tel: 02.40.50.29.28 http://www.codelutin.com