Wie funktioniert eine Sensitivitätsanalyse?

Eine Sensitivitätsanalyse ist eine Methode, um zu untersuchen, wie die Unsicherheit in den Ausgangsvariablen eines Modells auf die Unsicherheit in den Eingangsvariablen zurückzuführen ist. Hier sind die grundlegenden Schritte, um eine Sensitivitätsanalyse durchzuführen:

1. **Modell definieren**: Bestimme das mathematische oder statistische Modell, das du analysieren möchtest. Dies könnte eine Gleichung, eine Simulation oder ein anderes formales Modell sein.

2. **Eingangsvariablen identifizieren**: Bestimme die Eingangsvariablen (Parameter), die du variieren möchtest. Diese Variablen sollten diejenigen sein, die potenziell unsicher oder variabel sind.

3. **Ausgangsvariablen festlegen**: Bestimme die Ausgangsvariablen (Ergebnisse), die du analysieren möchtest. Diese Variablen sind die Ergebnisse des Modells, die durch die Eingangsvariablen beeinflusst werden.

4. **Variationsbereich festlegen**: Bestimme den Bereich oder die Verteilung, über die jede Eingangsvariable variieren soll. Dies könnte ein bestimmter Wertebereich oder eine Wahrscheinlichkeitsverteilung sein.

5. **Simulationen durchführen**: Führe das Modell mehrmals durch, wobei du die Eingangsvariablen systematisch variierst. Dies kann durch Monte-Carlo-Simulationen, Szenarioanalysen oder andere Methoden geschehen.

6. **Ergebnisse analysieren**: Analysiere, wie die Variationen in den Eingangsvariablen die Ausgangsvariablen beeinflussen. Dies kann durch statistische Methoden, grafische Darstellungen oder andere Analysetechniken geschehen.

7. **Schlussfolgerungen ziehen**: Bestimme, welche Eingangsvariablen den größten Einfluss auf die Ausgangsvariablen haben. Dies hilft, die wichtigsten Unsicherheitsquellen zu identifizieren und zu verstehen, wie robust das Modell gegenüber Änderungen in den Eingangsvariablen ist.

Eine Sensitivitätsanalyse kann in vielen Bereichen angewendet werden, einschließlich Wirtschaft, Ingenieurwesen, Umweltwissenschaften und Finanzen, um die Robustheit und Zuverlässigkeit von Modellen zu bewerten.