---
title: "Érzékenységvizsgálat"
source: "https://systems-analysis.info/int/%C3%89rz%C3%A9kenys%C3%A9gvizsg%C3%A1lat"
wiki: "systems-analysis.info/int"
article: "Érzékenységvizsgálat"
language: "hu"
categories:
  - "Category:Hungarian"
  - "Category:Mathematical modeling"
  - "Category:Operations research"
revision_id: 8601
wiki_created_at: 2026-09-07T01:19:48Z
wiki_modified_at: 2026-09-07T01:19:48Z
downloaded_at: 2026-09-07T23:26:21Z
---

# 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