tundlikkusanalüüse

Tundlikkusanalüüs on statistiline ja modelleerimise meetod, mille eesmärk on hinnata, kui palju mudeli väljundid muutuvad sisendparameetrite muutuste tõttu. Selle abil hinnatakse parameetrite ebakindluse mõju ning juhitakse andmete kogumist, mudeli hindamist ja otsuste tegemist.

Tundlikkusanalüüsid jagunevad peamiselt kaheks liiki: lokaalseks ja globaalseks tundlikkusanalüüsiks. Lokaalne analüüs vaatleb ühe parameetri mõju kindlas punktväärtuses, sageli ühe parameetri korrigeerimise teel, ja kasutab tuletisi või one-at-a-time meetodeid. Globaalne analüüs uurib parameetrite mõju kogu nende eeldatava jaotusraja ulatuses ning on sobiv, kui parameetrid on omavahel seotud või mudel on mittelineaarne. Tuntud meetodid hõlmavad Sobol'i indeksite variance-põhist raami, Morris'i skriining meetodit, FAST ja eFAST.

Tundlikkusanalüüsi läbiviimiseks tuleb tavaliselt defineerida analüüsi eesmärk ja mudel, valida sisendparameetrid ja nende vahemikud, valida sobiv meetod, teha simulatsioonid ja tulemusi tõlgendada. Tulemused esinevad tundlikkusmõõdikute kujul, näiteks osakaalu variatsioonist, mida iga parameeter seletab, mis aitab määrata prioriteete ja hinnata riske ning mudeli usaldusväärsust.

Tundlikkusanalüüse rakendatakse laialdaselt kliimamudelites, ökoloogias, inseneriteaduses, majanduses ja riskijuhtimises. Piirangutena nähakse mudeli kvaliteeti ja eelduste sõltuvust ning arvutusnõudlust; valede eelduste korral võivad järeldused olla väärad.