Analisi di sensibilità (“What-if”): Definizione

Definizioni statistiche >

L’analisi di sensibilità può aiutarti a trovare quali variabili hanno il maggior impatto sul tuo modello.

L’analisi di sensibilità è un’analisi post-hoc che ci dice quanto sono robusti i nostri risultati. Può fornire informazioni specifiche su:

• Quali ipotesi sono importanti e quanto influenzano i risultati della ricerca,
• come i cambiamenti nei metodi, nei modelli o nei valori delle variabili non misurate influenzano i risultati.

L’analisi di sensibilità è anche conosciuta come analisi “what-if”; si concentra su cosa succede alla variabile dipendente quando cambiano vari parametri. È importante in tutti i campi della ricerca scientifica e statistica.

Scopo dell’analisi di sensibilità

L’analisi di sensibilità può aiutare a trovare connessioni importanti tra:

• ingressi del modello,
• previsioni e previsioni,
• osservazioni.

Dà modo di localizzare i parametri sensibili (cioè quelli che hanno un grande effetto sul modello). Inoltre, può aiutarvi a identificare i parametri non sensibili. Questo significa che può aiutarvi a semplificare i modelli, eliminando:

• Variabili di input che non hanno un effetto reale sui dati,
• Strutture ridondanti.

Relazioni inaspettate tra parametri e risultati possono indicare errori nel vostro modello. L’analisi di sensibilità può anche aiutarvi a ridisegnare i vostri esperimenti; quando trovate quali parametri sono più sensibili, potete riprogettare l’esperimento per diminuire l’incertezza in quel parametro.

Analisi one-at-a-time (OAT o OFAT)

L’analisi one-at-a-time (conosciuta anche come analisi one-factor-at-a-time, o OFAT) è uno dei modi più semplici per analizzare un modello.

1. Tutte le variabili tranne una sono mantenute ad una linea di base;
2. Quella singola variabile viene variata mentre vengono effettuate nuove letture.
3. Poi, la variabile di test viene riportata al suo valore di base e viene effettuata un’altra lettura.
4. Ogni parametro viene testato in questo modo uno alla volta.

Il punto debole di questo metodo è che, concentrandosi su ogni variabile individualmente, non tiene conto delle interazioni tra le variabili. Inoltre non individua gli effetti congiunti; effetti che potrebbero verificarsi quando diverse variabili cambiano simultaneamente.

Daniels, M. & Hogan, J. Missing Data in Longitudinal Studies.
Pannel, David. Analisi di sensibilità: strategie, metodi, concetti, esempi. Modificato da Pannell, D.J. (1997). Analisi di sensibilità dei modelli economici normativi: Quadro teorico e strategie pratiche, Agricultural Economics 16: 139-152. Recuperato da http://dpannell.fnas.uwa.edu.au/dpap971f.htm il 5 luglio 2018
Tecniche di modellazione finanziaria: Analisi di sensibilità (analisi “What if”). Retrieved from https://www.wallstreetprep.com/knowledge/financial-modeling-techniques-sensitivity-what-if-analysis-2/ on July 5, 2018.
Thabane et al, A tutorial on sensitivity analyses in clinical trials: the what, why, when and how. BMC Medical Research Methodology201313:92
https://doi.org/10.1186/1471-2288-13-92. Retrieved from https://bmcmedresmethodol.biomedcentral.com/articles/10.1186/1471-2288-13-92 on July 5th, 2018

——————————————————————————

Hai bisogno di aiuto per un compito a casa o per un test? Con Chegg Study, puoi ottenere soluzioni passo dopo passo alle tue domande da un esperto del settore. I tuoi primi 30 minuti con un tutor Chegg sono gratuiti!