Sensitiivisyysanalyysit

Sensitiivisyysanalyysit ovat menetelmiä, joilla tarkastellaan, miten mallin syöttöparametrien vaihtelu vaikuttaa tulosmuuttujiin. Ne auttavat arvioimaan mallin herkkyyttä epävarmuudelle ja kertovat, mitkä parameterit vaikuttavat eniten ennusteisiin tai päätöksiin.

Sensitiivisyysanalyysit voidaan jaotella local- ja global-tyyppeihin. Local- eli paikallinen analyysi selvittää vaikutuksen yhdelle parametreille kerrallaan rajoitetulla muutoksella, usein osittaisderivaattien tai yhden muuttujan kokeilujen avulla. Global- eli globaali analyysi tutkii koko parametrien epävarmuusaluetta ja huomioi interaktiot ja ei-lineaarisuudet. Menetelmiä ovat muun muassa Monte Carlo -simulointi, Latin Hypercube -otanta, Morrisin mesianalyysi, Sobol- tai FAST-tyyppiset indikaattorit sekä nopeat kokeilut.

Prosessi yleensä etenee määrittelemällä malli ja sen syötteet sekä niille realistiset vaihteluvälit, valitsemalla sopiva analyysimenetelmä, suorittamalla simulaatiot ja tulosten tulkinnan. Tarkoituksena on löytää vaikutusvaltaisimmat parametrit, ohjata lisätietojen keruuta, yksinkertaistaa mallia ja tukea riskien tai epävarmuuden hallintaa.

Rajoitukset liittyvät laskennalliseen kustannukseen, tulkinnan vaikeuteen monimutkaisissa malleissa sekä siihen, että tulkinta riippuu mallin rakenteesta ja syöttöparametreistä, joita ei ole mahdollista erottaa täysin toisistaan. Sensitiivisyysanalyysit ovat yleisiä työvälineitä teknisissä, ympäristötieteellisissä, taloudellisissa ja terveyteen liittyvissä malleissa.