Gevoeligheidsanalyses
Gevoeligheidsanalyses zijn analytische of computationele methoden om te bepalen hoe onzekerheden in inputparameters een modeluitvoer beïnvloeden. Het doel is inzicht krijgen in robuustheid, het prioriteren van data-inzameling en het verbeteren van modellering en besluitvorming. Men onderscheidt vaak lokale en globale gevoeligheidsanalyses. Lokale analyses onderzoeken de verandering in de uitvoer bij kleine verschuivingen van inputs rond een referentiepunt, bijvoorbeeld met partiële afgeleiden of tornado-diagrammen. Global analyses verkennen het hele invoerruimte en geven inzicht in de relatieve bijdrage van een parameter, inclusief interacties tussen parameters. Veelgebruikte globale methoden zijn variantie-gebaseerde technieken zoals Sobol-indexen, de FAST-methode en de Morris-methode (elementaire effecten) als screening.
Methoden komen voort uit Monte Carlo-sampling, vaak met herhaaldelijke simulaties. Uitkomsten zijn onder meer hoofd- en
Beperkingen moeten worden erkend: gevoeligheidsanalyses veronderstellen vaak onafhankelijke inputs of vereenvoudigde relaties; afhankelijkheden en hoge kosten