Hoe wordt gevoeligheidsanalyse gebruikt?
Gevoeligheidsanalyse is een analysemethode die wordt gebruikt om te bepalen hoeveel variaties in de invoerwaarden voor een bepaalde variabele de resultaten voor een wiskundig model zullen beïnvloeden. Gevoeligheidsanalyse kan worden toegepast in verschillende disciplines, waaronder bedrijfsanalyse, investeren, milieustudies, engineering, natuurkunde en scheikunde.
Belangrijkste leerpunten
- Gevoeligheidsanalyse wordt gebruikt om te bepalen hoeveel variaties in de invoerwaarden voor een bepaalde variabele de resultaten voor een wiskundig model beïnvloeden.
- Gevoeligheidsanalyse kan de beste gegevens identificeren die moeten worden verzameld voor analyses om het rendement op investering (ROI) van een project te evalueren.
- Gevoeligheidsanalyse helpt ingenieurs om betrouwbaardere, robuustere ontwerpen te maken door punten van onzekerheid in de structuur van het ontwerp te beoordelen.
Gevoeligheidsanalyse begrijpen
Gevoeligheidsanalyse heeft betrekking op de onzekerheid die inherent is aan wiskundige modellen waarbij de waarden voor de inputs die in het model worden gebruikt, kunnen variëren. Het is het analytische hulpmiddel bij onzekerheidsanalyse en de twee worden vaak samen gebruikt. Alle modellen die zijn samengesteld en uitgevoerde onderzoeken om conclusies of conclusies te trekken voor beleidsbeslissingen, zijn gebaseerd op veronderstellingen over de validiteit van de inputs die in berekeningen worden gebruikt.
Bijvoorbeeld, in het eigen vermogen waardering, de return on assets (ROA) verhouding gaat ervan uit dat een geldige, nauwkeurige berekening van de activa van een bedrijf kan worden bedacht en dat het redelijk is om de winst, of winst te analyseren, met betrekking tot de activa als een middel om de beoordeling van een bedrijf voor investeringsdoeleinden.
De conclusies die uit studies of wiskundige berekeningen worden getrokken, kunnen aanzienlijk worden gewijzigd, afhankelijk van zaken als hoe een bepaalde variabele wordt gedefinieerd of de parameters die voor een studie worden gekozen. Wanneer de resultaten van een onderzoek of berekening niet significant veranderen als gevolg van variaties in onderliggende aannames, worden ze als robuust beschouwd. Als variaties in fundamentele inputs of aannames de resultaten significant veranderen, kan gevoeligheidsanalyse worden gebruikt om te bepalen hoe veranderingen in inputs, definities of modellering de nauwkeurigheid of robuustheid van resultaten kunnen verbeteren.
Hoe gevoeligheidsanalyse wordt gebruikt
Gevoeligheidsanalyse kan nuttig zijn in verschillende situaties, inclusief prognoses of voorspellingen, en ook om te identificeren waar verbeteringen of aanpassingen in een proces moeten worden aangebracht. Het gebruik van historische gegevens kan echter soms leiden tot onnauwkeurige resultaten bij het voorspellen, aangezien resultaten uit het verleden niet noodzakelijk tot toekomstige resultaten leiden. Hieronder staan enkele veelvoorkomende toepassingen van gevoeligheidsanalyse.
Rendement op investering
In een zakelijke context kan gevoeligheidsanalyse worden gebruikt om beslissingen te verbeteren op basis van bepaalde berekeningen of modellen. Een bedrijf kan gevoeligheidsanalyse gebruiken om de beste gegevens te identificeren die moeten worden verzameld voor toekomstige analyses om basisaannames met betrekking tot investeringen en rendement op investering (ROI) te evalueren, of om de toewijzing van activa en middelen te optimaliseren.
Een eenvoudig voorbeeld van een gevoeligheidsanalyse die in het bedrijfsleven wordt gebruikt, is een analyse van het effect van het opnemen van een bepaald stuk informatie in de advertenties van een bedrijf, waarbij verkoopresultaten worden vergeleken met advertenties die alleen verschillen in het al dan niet bevatten van het specifieke stuk informatie.
Klimaatmodellen
Computer modellen worden vaak gebruikt in weer, milieu en klimaatverandering forecasting. Gevoeligheidsanalyse kan worden gebruikt om dergelijke modellen te verbeteren door te analyseren hoe verschillende systematische bemonsteringsmethoden, inputs en modelparameters de nauwkeurigheid van resultaten of conclusies uit de computermodellen beïnvloeden.
Wetenschappelijk onderzoek
De disciplines natuurkunde en scheikunde maken vaak gebruik van gevoeligheidsanalyse om resultaten en conclusies te evalueren. Gevoeligheidsanalyse is bijzonder nuttig gebleken bij de evaluatie en aanpassing van kinetische modellen waarbij verschillende differentiaalvergelijkingen worden gebruikt. Het belang van verschillende inputs en de effecten van variantie in de inputs op modeluitkomsten kunnen worden geanalyseerd.
Engineering
Het is een standaardpraktijk in engineering om computermodellen te gebruiken om het ontwerp van constructies te testen voordat ze worden gebouwd. Gevoeligheidsanalyse helpt ingenieurs om betrouwbaardere, robuustere ontwerpen te maken door punten van onzekerheid of grote variaties in mogelijke inputs en hun overeenkomstige effecten op de levensvatbaarheid van het model te beoordelen. Verfijning van computermodellen kan een aanzienlijke invloed hebben op de nauwkeurigheid van evaluaties van zaken als het vermogen om bruggen te belasten of tunnelrisico’s.