Følsomhetsanalyse er en analysemetode som brukes for å identifisere hvor mye variasjoner i inngangsverdiene for en gitt variabel vil påvirke resultatene for en matematisk modell. Følsomhetsanalyse kan brukes i flere forskjellige fagområder, inkludert forretningsanalyse, investeringer, miljøstudier, ingeniørfag, fysikk og kjemi.
Følsomhetsanalyse
Følsomhetsanalyse er opptatt av usikkerheten i matematiske modeller der verdiene for innspillene som er brukt i modellen kan variere. Det er ledsagerens analytiske verktøy til usikkerhetsanalyse, og de to blir ofte brukt sammen. Alle modeller sammensatt eller studier utført for å trekke konklusjoner eller konklusjoner for politiske beslutninger er basert på antakelser om gyldigheten av innspillene som brukes i beregningene. I egenkapitalvurdering forutsetter for eksempel forholdet mellom avkastning på eiendeler (ROA) at en gyldig, nøyaktig beregning av et selskaps eiendeler kan regnes ut og at det er rimelig å analysere overskudd, eller avkastning, angående eiendeler som et middel til å vurdere en selskap for investeringsformål.
Konklusjonene trukket fra studier eller matematiske beregninger kan endres betydelig avhengig av ting som hvordan en bestemt variabel er definert eller parametrene som er valgt for en studie. Når resultatene fra en studie eller beregning ikke endres vesentlig på grunn av variasjoner i underliggende forutsetninger, anses de å være robuste. Hvis variasjoner i grunnleggende innganger eller antakelser vesentlig endrer utfall, kan følsomhetsanalyse benyttes for å bestemme hvordan endringer i innganger, definisjoner eller modellering kan forbedre nøyaktigheten eller robustheten til noen resultater.
Avkastning på investeringen
I forretningssammenheng kan sensitivitetsanalyse brukes til å forbedre beslutninger basert på visse beregninger eller modellering. Et selskap kan bruke følsomhetsanalyse for å identifisere de beste dataene som skal samles inn for fremtidige analyser for å evaluere grunnleggende forutsetninger angående investering og avkastning på investeringer (ROI), eller for å optimalisere allokering av eiendeler og ressurser. Et enkelt eksempel på følsomhetsanalyse som brukes i virksomheten er en analyse av effekten av å inkludere et visst stykke informasjon i et selskaps reklame, og sammenligne salgsresultater fra annonser som bare er forskjellige i om de inkluderer den spesifikke informasjonen eller ikke.
Datamodeller brukes ofte i prognoser for vær, miljø og klimaendringer. Følsomhetsanalyse kan brukes til å forbedre slike modeller ved å analysere hvordan forskjellige systematiske prøvetakingsmetoder, innganger og modellparametere påvirker nøyaktigheten av resultater eller konklusjoner oppnådd fra datamaskinmodellene.
Fysikk og kjemi har ofte følsomhetsanalyse for å evaluere resultater og konklusjoner. Følsomhetsanalyse har vist seg spesielt nyttig i evaluering og justering av kinetiske modeller som involverer bruk av flere differensialligninger. Viktigheten av ulike innspill og effektene av varians i innspillene på modellutfall kan analyseres.
Raffinering av datamaskinmodeller
Det er standard praksis i prosjektering å bruke datamodeller for å teste utformingen av strukturer før de bygges. Følsomhetsanalyse hjelper ingeniører med å lage mer pålitelige, robuste design ved å vurdere usikkerhetspunkter eller store variasjoner i mulige innganger og deres tilsvarende effekter på modellens levedyktighet. Foredling av datamodeller kan ha betydelig innvirkning på nøyaktigheten av evalueringer av slike ting som brospenningsevne eller tunnelerisiko.
