Welche Methoden gibt es für die Sensitivitätsanalyse?

Es gibt verschiedene Methoden der Sensitivitätsanalyse, die häufig in der Modellierung und Entscheidungsfindung verwendet werden. Hier sind einige der gängigsten Methoden:

1. **Einzelfaktorielle Sensitivitätsanalyse**: Hierbei wird der Einfluss eines einzelnen Parameters auf das Ergebnis des Modells untersucht, während alle anderen Parameter konstant gehalten werden.

2. **Mehrfaktorielle Sensitivitätsanalyse**: Diese Methode betrachtet die Wechselwirkungen zwischen mehreren Parametern und deren Einfluss auf das Ergebnis.

3. **Monte-Carlo-Simulation**: Diese Methode verwendet Zufallszahlen, um die Unsicherheiten in den Eingangsparametern zu modellieren und die Auswirkungen auf das Ergebnis zu analysieren.

4. **Tornado-Diagramm**: Ein visuelles Werkzeug, das die Sensitivität der Ergebnisse gegenüber verschiedenen Eingangsvariablen darstellt, um die wichtigsten Einflussfaktoren zu identifizieren.

5. **Partielle Ableitungen**: Diese mathematische Methode analysiert, wie sich Änderungen in den Eingangsparametern auf die Ableitungen des Modells auswirken.

6. **Global Sensitivity Analysis (GSA)**: Diese Methode untersucht die Sensitivität des Modells über den gesamten Parameterraum und berücksichtigt die Unsicherheiten in den Eingangsparametern.

7. **Kollokationsmethoden**: Diese Techniken verwenden spezielle Punkte im Parameterraum, um die Sensitivität zu bewerten und die Auswirkungen von Änderungen zu analysieren.

Jede dieser Methoden hat ihre eigenen Vor- und Nachteile und kann je nach Anwendungsfall und Zielsetzung ausgewählt werden.