Hvordan bruges følsomhedsanalyse?

Følsomhedsanalyse er en analysemetode, der bruges til at identificere, hvor store variationer i inputværdierne for en given variabel vil påvirke resultaterne for en matematisk model. Følsomhedsanalyse kan anvendes i flere forskellige discipliner, herunder forretningsanalyse, investere, miljøstudier, teknik, fysik og kemi.

Forstå følsomhedsanalyse

Følsomhedsanalyse vedrører usikkerheden i matematiske modeller, hvor værdierne for de input, der bruges i modellen, kan variere. Det er det ledsagende analyseværktøj til usikkerhedsanalyse, og de to bruges ofte sammen. Alle de modeller, der er sammensat og undersøgelser udført for at drage konklusioner eller konklusioner for politiske beslutninger, er baseret på antagelser om gyldigheden af ​​de input, der bruges i beregninger.

For eksempel i egenkapital vurdering, det afkastningsgrad (ROA) -forhold forudsætter, at en gyldig, præcis beregning af en virksomheds aktiver kan findes ud af, og det er det rimeligt at analysere overskud eller afkast vedrørende aktiver som et middel til at vurdere et selskab til investering formål.

Konklusionerne fra undersøgelser eller matematiske beregninger kan ændres væsentligt afhængigt af f.eks. Hvordan en bestemt variabel defineres eller de parametre, der vælges til en undersøgelse. Når resultaterne af en undersøgelse eller beregning ikke ændres væsentligt på grund af variationer i underliggende antagelser, anses de for at være robuste. Hvis variationer i fundamentale input eller antagelser ændrer resultaterne betydeligt, kan følsomhedsanalyse være bruges til at bestemme, hvordan ændringer i input, definitioner eller modellering kan forbedre nøjagtigheden eller robustheden af ​​enhver resultater.

Hvordan følsomhedsanalyse bruges

Følsomhedsanalyse kan være nyttig i forskellige situationer, herunder prognoser eller forudsigelser samt identificere, hvor der skal foretages forbedringer eller justeringer i en proces. Imidlertid kan brugen af ​​historiske data undertiden føre til unøjagtige resultater ved prognoser, da tidligere resultater ikke nødvendigvis fører til fremtidige resultater. Nedenfor er et par almindelige anvendelser af følsomhedsanalyse.

Investeringsafkast

I en forretningsmæssig kontekst kan følsomhedsanalyse bruges til at forbedre beslutninger baseret på bestemte beregninger eller modellering. En virksomhed kan bruge følsomhedsanalyse til at identificere de bedste data, der skal indsamles til fremtidige analyser til at evaluere grundlæggende antagelser vedrørende investeringer og investeringsafkast (ROI), eller for at optimere tildelingen af aktiver og ressourcer.

Et enkelt eksempel på følsomhedsanalyse, der bruges i erhvervslivet, er en analyse af effekten af ​​at inkludere et bestemt stykke information i en virksomhedens reklame, der sammenligner salgsresultater fra annoncer, der kun adskiller sig fra, om de indeholder det specifikke stykke information eller ej.

Klimamodeller

Computermodeller bruges ofte i vejr, miljø og klimaændringer prognoser. Følsomhedsanalyse kan bruges til at forbedre sådanne modeller ved at analysere, hvor forskellige systematisk prøveudtagning metoder, input og modelparametre påvirker nøjagtigheden af ​​resultater eller konklusioner opnået fra computermodellerne.

Videnskabelig undersøgelse

Fysikkens og kemiens discipliner anvender ofte følsomhedsanalyse til at evaluere resultater og konklusioner. Følsomhedsanalyse har vist sig særlig nyttig ved evaluering og justering af kinetiske modeller, der involverer brug af flere differentialligninger. Betydningen af ​​forskellige input og virkningerne af varians i input til modelresultater kan analyseres.

ingeniørarbejde

Det er standard praksis inden for teknik at bruge computermodeller til at teste konstruktionernes konstruktion, før de bygges. Følsomhedsanalyse hjælper ingeniører med at skabe mere pålidelige, robuste designs ved at vurdere punkter på usikkerhed eller store variationer i mulige input og deres tilsvarende virkninger på levedygtigheden af modellen. Forfining af computermodeller kan i væsentlig grad påvirke nøjagtigheden af ​​evalueringer af ting som brospændingsevne eller tunnelrisici.