Érzékenységvizsgálat

Érzékenységvizsgálat (angol: Sensitivity analysis) — olyan módszer matematikai vagy szimulációs modellek vizsgálatára, amely lehetővé teszi annak értékelését, hogy a bemeneti adatok, paraméterek vagy a modell feltételezéseinek változásai hogyan befolyásolják a kimeneti eredményeket (például az optimális megoldást, a célfüggvény értékét vagy más kulcsmutatókat).

Az érzékenységvizsgálat fontos eszköz az operációkutatásban, az optimalizálásban, a döntéselméletben, a kockázatkezelésben, a gazdasági elemzésben és a rendszerelemzésben.

Lényeg és rendeltetés

Az érzékenységvizsgálat fő célja annak megértése, hogy a modellezés vagy optimalizálás eredményei mennyire robusztusak (stabilak) a kiindulási adatok bizonytalanságával vagy változásaival szemben. Segít megválaszolni az alábbi típusú kérdéseket:

• „Mi történik az optimális megoldással, ha egy erőforrás költsége 10%-kal változik?"
• „Mennyire változik a nyereség a piaci kereslet ingadozásai esetén?"
• „A modell mely paraméterei gyakorolják a legnagyobb hatást a végeredményre?"
• „Mennyire megbízható a modell segítségével kapott előrejelzés?"

Az érzékenységvizsgálat főbb feladatai:

• Robusztusság értékelése: Meghatározni, hogy a megoldás optimalitása vagy elfogadhatósága fennmarad-e a paraméterek változásakor.
• Kritikus paraméterek azonosítása: Feltárni azokat a bemeneti adatokat vagy modellparamétereket, amelyek kis változásai jelentős eltéréseket okoznak a kimeneti eredményekben.
• A modellbe vetett bizalom növelése: Megmutatni, hogy a modell kiszámíthatóan és logikusan viselkedik a bemeneti adatok változásaira reagálva.
• Döntéshozatal támogatása: A döntéshozó (DH) számára információt nyújtani a lehetséges kimenetek tartományáról és a bemeneti adatok bizonytalanságához kapcsolódó kockázatokról.
• A további kutatások irányának meghatározása: Jelezni, mely adatok összegyűjtése vagy mely modellparaméterek pontosítása a legfontosabb.

Az érzékenységvizsgálat módszerei

Az érzékenységvizsgálat elvégzésének számos módszere létezik, az egyszerűektől a bonyolultakig:

• Lokális elemzés (One-at-a-Time, OAT/OFAT): Egyszerre csak egy bemeneti paramétert változtatnak, míg a többi paraméter rögzített marad. Ez a legegyszerűbb módszer, azonban nem teszi lehetővé a paraméterek közötti kölcsönhatások értékelését.
• Deriváltokon alapuló elemzés (lokális érzékenység): A paraméterek kis változásainak hatását a kimeneti változóknak a bemeneti paraméterek szerinti parciális deriváltjain keresztül értékeli.
• Forgatókönyv-elemzés: Több diszkrét forgatókönyvet vizsgálnak (például optimista, pesszimista, legvalószínűbb), amelyek a bemeneti paraméterértékek különböző kombinációinak felelnek meg.
• Globális érzékenységvizsgálat: Az összes (vagy sok) paraméter egyidejű változásának hatását vizsgálják a bizonytalansági tartományaikon belül. Gyakran alkalmaznak statisztikai módszereket:
• Monte Carlo-módszerek: Nagy számú véletlenszerű bemeneti paraméterkombinációt generálnak a kimeneti eredmények eloszlásának becslésére.
• Regresszióelemzés: A kimeneti eredményeket a bemeneti paraméterekkel összekötő regressziós modellt építenek fel.
• Varianciaanalízis (ANOVA) és variancián alapuló módszerek: Lehetővé teszik az egyes paraméterek (és kölcsönhatásaik) hozzájárulásának kvantitatív értékelését a kimeneti eredmény teljes varianciájához (bizonytalanságához).

Szerep az operációkutatásban és az optimalizálásban

Az operációkutatásban az érzékenységvizsgálat az optimális megoldás megtalálása utáni standard lépés. Lehetővé teszi az alábbiakat:

• Az optimális megoldás stabilitásának határai: Milyen tartományban változhatnak a célfüggvény vagy a feltételek paraméterei úgy, hogy a megtalált optimális megoldás optimális maradjon.
• Árnyékárak (duális értékelések): Mennyivel változik a célfüggvény értéke egy feltétel kis mértékű enyhítésekor (például egy szűkös erőforrás egy egységnyi bővítésekor). Az árnyékárak az erőforrások értékét mutatják.
• A paraméterváltozások megengedett intervallumai: A célfüggvény együtthatóinak vagy a feltételek jobb oldalának változási tartományai, amelyeken belül az optimális megoldás jelenlegi szerkezete (a lineáris programozásban a bázisváltozók halmaza) megmarad.

Ezek az eredmények segítenek a döntéshozónak megérteni, mennyire kritikusak a kiindulási adatok, és mely erőforrások a legértékesebbek („szűk keresztmetszetek").

Szerep a modellezésben és a döntéshozatalban

A modellezés és döntéshozatal tágabb kontextusában az érzékenységvizsgálat segít:

• Kockázatok értékelésében: Azonosítani azokat a tényezőket, amelyek a legnagyobb bizonytalanságot okozzák az eredményben.
• A modell validálásában: Ellenőrizni a modell viselkedésének megfelelőségét a feltételek változásakor.
• Alternatívák összehasonlításában: Értékelni, hogy melyik alternatíva robusztusabb a külső feltételek változásaival szemben.
• A rendszer megértésének javításában: Feltárni a modellezett rendszer kulcsfontosságú mozgatóerőit és összefüggéseit.

Eredmények értelmezése

• Magas érzékenység egy paraméterre azt jelenti, hogy még kis hibák az értékelésében vagy annak változékonysága erősen befolyásolhatja az eredményt. Az ilyen paraméterek különös figyelmet igényelnek.
• Alacsony érzékenység azt jelzi, hogy a modell vagy a megoldás eredménye alig függ az adott paraméter változásaitól a vizsgált tartományban, vagyis a megoldás robusztus e paraméterrel szemben.

Előnyök

• Növeli a modellek és megoldások megbízhatóságát és megalapozottságát.
• Segít azonosítani a kockázatokat és bizonytalanságokat.
• Javítja a rendszer és a modell megértését.
• Irányítja az adatgyűjtési erőfeszítéseket és a modell pontosítását.

Korlátok

• Számítási szempontból költséges lehet, különösen nagyszámú paraméter esetén (globális elemzés).
• Az egyszerű módszerek (OAT) esetleg nem tárják fel a paraméterek kölcsönhatásainak hatásait.
• Az eredmények függenek a paraméterváltozások kiválasztott tartományaitól és a modell feltételezéseitől.

Irodalom

• Saltelli, A., et al. Global Sensitivity Analysis: The Primer. — Wiley, 2008.
• Hillier, Frederick S.; Lieberman, Gerald J. Introduction to Operations Research. — McGraw-Hill Education. (11th ed., 2021) (Tartalmaz fejezeteket az érzékenységvizsgálatról a lineáris programozásban)
• Taha, Hamdy A. Operations Research: An Introduction. — Pearson. (10th ed., 2017) (Tartalmaz fejezeteket az érzékenységvizsgálatról a lineáris programozásban)

Lásd még

• Operációkutatás
• Optimalizálás
• Matematikai modellezés
• Szimulációs modellezés
• Döntéselmélet
• Kockázatkezelés
• Bizonytalanság
• Lineáris programozás