Analýza citlivosti

Analýza citlivosti (angl. Sensitivity analysis) — je metoda zkoumání matematických nebo simulačních modelů, která umožňuje posoudit, jak změny ve vstupních datech, parametrech nebo předpokladech modelu ovlivňují jeho výstupní výsledky (například optimální řešení, hodnotu účelové funkce nebo jiné klíčové ukazatele).

Analýza citlivosti je důležitým nástrojem v operačním výzkumu, optimalizaci, teorii rozhodování, řízení rizik, ekonomické analýze a systémové analýze.

Podstata a účel

Hlavním cílem analýzy citlivosti je pochopit, jak robustní jsou výsledky modelování nebo optimalizace vůči neurčitosti nebo variabilitě vstupních dat. Pomáhá odpovědět na otázky typu:

• „Co se stane s optimálním řešením, pokud se cena zdroje změní o 10 %?"
• „Jak výrazně se změní zisk při výkyvech tržní poptávky?"
• „Které parametry modelu mají největší vliv na konečný výsledek?"
• „Jak spolehlivá je předpověď získaná pomocí modelu?"

Klíčové úkoly analýzy citlivosti:

• Hodnocení robustnosti: Určit, zda se při změně parametrů zachovává optimalita nebo přijatelnost řešení.
• Identifikace kritických parametrů: Odhalit vstupní data nebo parametry modelu, jejichž malé změny vedou k výrazným změnám výstupních výsledků.
• Zvýšení důvěry v model: Prokázat, že model se chová předvídatelně a logicky v reakci na změny vstupních dat.
• Podpora rozhodování: Poskytnout osobě s rozhodovací pravomocí informace o rozsahu možných výsledků a rizicích spojených s neurčitostí vstupních dat.
• Určení směrů pro další výzkum: Ukázat, jaký sběr dat nebo zpřesnění kterých parametrů modelu je nejdůležitější.

Metody analýzy citlivosti

Existují různé metody provádění analýzy citlivosti, od jednoduchých po složité:

• Lokální analýza (One-at-a-Time, OAT/OFAT): Mění se jeden vstupní parametr najednou, přičemž ostatní parametry zůstávají fixní. Jde o nejjednodušší metodu, ale neumožňuje posoudit efekty interakce mezi parametry.
• Analýza na základě derivací (lokální citlivost): Hodnotí vliv malých změn parametrů prostřednictvím parciálních derivací výstupních proměnných podle vstupních parametrů.
• Scénářová analýza: Zkoumá se několik diskrétních scénářů (například optimistický, pesimistický, nejpravděpodobnější), odpovídajících různým sadám hodnot vstupních parametrů.
• Globální analýza citlivosti: Zkoumá se vliv současné změny všech (nebo mnoha) parametrů v rámci jejich rozsahů neurčitosti. Často se používají statistické metody:
• Metody Monte Carlo: Generuje se velké množství náhodných sad vstupních parametrů pro odhad rozdělení výstupních výsledků.
• Regresní analýza: Sestavuje se regresní model spojující výstupní výsledky se vstupními parametry.
• Analýza rozptylu (ANOVA) a metody založené na rozptylu: Umožňují kvantifikovat příspěvek každého parametru (a jejich interakcí) k celkovému rozptylu (neurčitosti) výstupního výsledku.

Role v operačním výzkumu a optimalizaci

V operačním výzkumu je analýza citlivosti standardním krokem po nalezení optimálního řešení. Umožňuje určit:

• Meze stability optimálního řešení: V jakém rozsahu se mohou měnit parametry účelové funkce nebo omezení, aby nalezené optimální řešení zůstalo optimálním.
• Stínové ceny (duální ohodnocení): O kolik se změní hodnota účelové funkce při malé změně (uvolnění) omezení (například při přidání jedné jednotky deficitního zdroje). Stínové ceny ukazují hodnotu zdrojů.
• Přípustné intervaly změny parametrů: Rozsahy změn koeficientů účelové funkce nebo pravých stran omezení, v jejichž rámci se zachovává aktuální struktura optimálního řešení (sada bázových proměnných v lineárním programování).

Tyto výsledky pomáhají osobě s rozhodovací pravomocí pochopit, jak kritická jsou vstupní data a které zdroje jsou nejcennější (\"úzká místa\").

Role v modelování a rozhodování

V širším kontextu modelování a rozhodování analýza citlivosti pomáhá:

• Hodnotit rizika: Odhalit faktory, které vnášejí největší neurčitost do výsledku.
• Validovat model: Ověřit přiměřenost chování modelu při změně podmínek.
• Porovnat alternativy: Posoudit, která alternativa je robustnější vůči změnám vnějších podmínek.
• Zlepšit pochopení systému: Odhalit klíčové hnací síly a vzájemné vazby v modelovaném systému.

Interpretace výsledků

• Vysoká citlivost na parametr znamená, že i malé chyby v jeho odhadu nebo jeho variabilita mohou výrazně ovlivnit výsledek. Takovým parametrům je třeba věnovat zvláštní pozornost.
• Nízká citlivost naznačuje, že výsledek modelu nebo řešení závisí málo na změnách daného parametru v uvažovaném rozsahu, tj. řešení je robustní vůči tomuto parametru.

Výhody

• Zvyšuje spolehlivost a odůvodněnost modelů a řešení.
• Pomáhá odhalit rizika a neurčitosti.
• Zlepšuje pochopení systému a modelu.
• Usměrňuje úsilí při sběru dat a zpřesňování modelu.

Omezení

• Může být výpočetně náročná, zejména při velkém počtu parametrů (globální analýza).
• Jednoduché metody (OAT) nemusí odhalit efekty interakce parametrů.
• Výsledky závisí na zvolených rozsazích změn parametrů a předpokladech modelu.

Literatura

• 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) (Obsahuje oddíly o analýze citlivosti v lineárním programování)
• Taha, Hamdy A. Operations Research: An Introduction. — Pearson. (10th ed., 2017) (Obsahuje oddíly o analýze citlivosti v lineárním programování)

Viz také

• Operační výzkum
• Optimalizace
• Matematické modelování
• Simulační modelování
• Teorie rozhodování
• Řízení rizik
• Neurčitost
• Lineární programování