Analyse de sensibilité (« What-if ») : Définition

Définitions statistiques >

L’analyse de sensibilité peut vous aider à trouver les variables qui ont le plus d’impact sur votre modèle.

L’analyse de sensibilité est une analyse post-hoc qui nous indique la robustesse de nos résultats. Elle peut donner des informations spécifiques sur :

• Quelles hypothèses sont importantes, et dans quelle mesure elles affectent les résultats de la recherche,
• Comment les changements dans les méthodes, les modèles, ou les valeurs des variables non mesurées affectent les résultats.

L’analyse de sensibilité est également connue sous le nom d’analyse  » what-if  » ; Elle se concentre sur ce qui arrive à la variable dépendante lorsque divers paramètres changent. Elle est importante dans tous les domaines de la recherche scientifique et statistique.

Buts de l’analyse de sensibilité

L’analyse de sensibilité peut vous aider à trouver des connexions importantes entre :

• Les entrées du modèle,
• Les prédictions et les prévisions,
• Les observations.

Il vous donne un moyen de localiser les paramètres sensibles (c’est-à-dire ceux qui ont un grand effet sur le modèle). En outre, il peut vous aider à identifier les paramètres non sensibles. Cela signifie qu’il peut vous aider à simplifier les modèles, en éliminant :

• Des variables d’entrée qui n’ont pas de réel effet sur les données,
• Des structures redondantes.

Les relations inattendues entre les paramètres et les résultats peuvent indiquer des erreurs dans votre modèle. L’analyse de sensibilité peut également vous aider à reconcevoir vos expériences ; à mesure que vous découvrez les paramètres les plus sensibles, vous pouvez reconcevoir l’expérience pour diminuer l’incertitude sur ce paramètre.

Analyse un par un (OAT ou OFAT)

L’analyse un par un (également appelée analyse un par un, ou OFAT) est l’une des façons les plus simples d’analyser un modèle.

1. Toutes les variables, sauf une, sont maintenues à une valeur de base ;
2. Cette variable unique est modifiée pendant que de nouvelles lectures sont effectuées.
3. Puis, la variable testée est ramenée à sa valeur de base, et une autre lecture est effectuée.
4. Chaque paramètre est testé de cette manière, un à la fois.

Le point faible de cette méthode est que, en se concentrant sur chaque variable individuellement, elle ne tient pas compte de l’interaction entre les variables. Elle ne met pas non plus en évidence les effets conjoints ; effets qui pourraient se produire lorsque plusieurs variables changent simultanément.

Daniels, M. & Hogan, J. Missing Data in Longitudinal Studies.
Pannel, David. Analyse de sensibilité : stratégies, méthodes, concepts, exemples. Modifié à partir de Pannell, D.J. (1997). Analyse de sensibilité des modèles économiques normatifs : Cadre théorique et stratégies pratiques, Agricultural Economics 16 : 139-152. Récupéré de http://dpannell.fnas.uwa.edu.au/dpap971f.htm le 5 juillet 2018
Techniques de modélisation financière : Analyse de sensibilité (analyse  » what if « ). Récupéré de https://www.wallstreetprep.com/knowledge/financial-modeling-techniques-sensitivity-what-if-analysis-2/ le 5 juillet 2018.
Thabane et al, Un tutoriel sur les analyses de sensibilité dans les essais cliniques : le quoi, le pourquoi, le quand et le comment. BMC Medical Research Methodology201313:92
https://doi.org/10.1186/1471-2288-13-92. Récupéré de https://bmcmedresmethodol.biomedcentral.com/articles/10.1186/1471-2288-13-92 le 5 juillet 2018

——————————————————————————

Vous avez besoin d’aide pour un devoir ou une question de test ? Avec Chegg Study, vous pouvez obtenir des solutions étape par étape à vos questions de la part d’un expert dans le domaine. Vos 30 premières minutes avec un tuteur Chegg sont gratuites !