Una mejor comprensión de los modelos matemáticos y numéricos a menudo requiere investigar los impactos de los insumos en las salidas del modelo, así como las interacciones. Cuantificar dichos efectos para modelos con variables de entrada no independientes (NIVs) se basa en distribuciones condicionales de las salidas dadas cada subconjunto de insumos. En este documento, al proporcionar primero modelos de dependencia adicionales de NIVs, las salidas funcionales se componen de modelos de dependencia (que producen representaciones equivalentes de las salidas) para derivar distribuciones de salidas condicionales a los insumos. Luego proporcionamos un algoritmo para seleccionar las representaciones equivalentes necesarias y suficientes que permitan obtener todas las distribuciones condicionales de salidas dadas cada subconjunto de insumos, y para evaluar los efectos principales, totales e de interacción (es decir, índices) de cada subconjunto de NIVs. Estimadores no sesgados de covarianzas de funcionales de sensibilidad y estimadores consistentes de tales índices se derivan al distinguir el caso de las salidas multivariadas y/o funcionales, incluidos modelos dinámicos. Finalmente, se proporcionan resultados analíticos y resultados numéricos, incluida una ilustración basada en un modelo dinámico.