Känslighetsanalys

Känslighetsanalys är en metod som används för att undersöka hur osäkerheten i en systems utdata förändras när dess indata varierar. Detta görs genom att systematiskt förändra en eller flera indataparametrar och observera effekten på resultatet. Syftet är att identifiera vilka indataparametrar som har störst inflytande på systemets beteende och därmed öka förståelsen för systemets robusthet och begränsningar.

Det finns olika typer av känslighetsanalys, inklusive global och lokal analys. Lokal känslighetsanalys fokuserar på hur systemet reagerar kring en specifik punkt, medan global känslighetsanalys undersöker hela indatarummets påverkan. Metoder som Sobol-index och Morris-metoden används ofta för att kvantifiera känsligheten.

Känslighetsanalys är värdefull inom många områden, såsom modellering, riskhantering och optimering. Genom att förstå vilka faktorer som driver ett systems resultat kan man fatta mer informerade beslut, prioritera resurser för datainsamling eller modellförfining, och bättre bedöma risker. Det är ett viktigt verktyg för att hantera komplexitet och osäkerhet i vetenskapliga och tekniska tillämpningar.