敏感度分析

敏感度分析（Sensitivity analysis，也称敏感性分析）是研究数学模型或系统(数值或其他)输出中的不确定性如何在其输入中被分配到不同的不确定性来源。一个相关的实践是，它更注重不确定度的量化和不确定度的传播；理想情况下，不确定度和敏感度分析应该同时进行。 敏感度分析在其他假设下重新计算结果，以确定指定变量的影响。它可用于多种目的，包括： * 在存在不确定性的情况下测试模型或系统结果的稳健性。 * 增加对系统或模型中输入和输出变量之间关系的理解。 * 通过识别导致输出中的显着不确定性的模型输入，来减少不确定性。为了提高稳健性（可能通过进一步的研究），这些输入应该成为关注的焦点。 * 寻找模型中的错误（通过发现输入和输出之间的意外关系）。 * 模型简化——修复对输出没有影响的模型输入，或识别和删除模型结构的冗余部分。 * 加强建模者与决策者之间的沟通（例如，通过提出更可信，可理解，引人注目或具有说服力的建议）。 * 在输入因子空间中查找模型输出为最大值或最小值或满足某个最佳标准的区域（请参阅优化和蒙特卡洛过滤）。 * 在校准具有大量参数的模型的情况下，首先进行灵敏度测试可以通过关注敏感参数来简化校准阶段。不知道参数的敏感性可能会导致校准时间无用地花不非敏感的参数上。 * 寻找识别观测、模型输入和预测或预测之间的重要联系，从而开发出更好的模型。