Quels sont les exemples d'utilisation de l'analyse de sensibilité?

LE POUVOIR DE LA SENSIBILITÉ / Direct - Saverio TOMASELLA (Octobre 2024)

LE POUVOIR DE LA SENSIBILITÉ / Direct - Saverio TOMASELLA (Octobre 2024)
Quels sont les exemples d'utilisation de l'analyse de sensibilité?
Anonim
a:

L'analyse de sensibilité est une méthode d'analyse utilisée pour déterminer dans quelle mesure les variations des valeurs d'entrée pour une variable donnée auront un impact sur les résultats d'un modèle mathématique. L'analyse de sensibilité peut être appliquée dans un certain nombre de disciplines différentes, y compris l'analyse commerciale, les études environnementales, l'ingénierie, la physique et la chimie.

L'analyse de sensibilité concerne l'incertitude inhérente aux modèles mathématiques où les valeurs des entrées utilisées dans le modèle peuvent varier. C'est l'outil analytique associé à l'analyse de l'incertitude, et les deux sont souvent utilisés ensemble. Tous les modèles composés ou les études effectuées pour tirer des conclusions ou des inférences pour les décisions stratégiques sont basés sur des hypothèses concernant la validité des données utilisées dans les calculs. Par exemple, dans l'évaluation des actions, le ratio de rentabilité des actifs (ROA) suppose qu'un calcul valide et précis des actifs d'une entreprise peut être obtenu et qu'il est raisonnable d'analyser les bénéfices ou les rendements par rapport aux actifs comme moyen d'évaluer une entreprise à des fins d'investissement.

Les conclusions tirées d'études ou de calculs mathématiques peuvent être considérablement modifiées en fonction de facteurs tels que la définition d'une certaine variable ou les paramètres choisis pour une étude. Lorsque les résultats d'une étude ou d'un calcul ne changent pas de manière significative en raison des variations des hypothèses sous-jacentes, ils sont considérés comme robustes. Si les variations des entrées ou des hypothèses fondamentales changent de manière significative les résultats, une analyse de sensibilité peut être utilisée pour déterminer comment les changements apportés aux intrants, aux définitions ou à la modélisation peuvent améliorer l'exactitude ou la robustesse des résultats.

Dans un contexte professionnel, l'analyse de sensibilité peut être utilisée pour améliorer les décisions prises sur la base de certains calculs ou modélisations. Une entreprise peut utiliser l'analyse de sensibilité pour identifier les meilleures données à collecter pour les analyses futures, pour évaluer les hypothèses de base concernant l'investissement et le retour sur investissement (ROI), ou pour optimiser l'allocation des actifs et des ressources. Un exemple simple d'analyse de sensibilité utilisée en entreprise est une analyse de l'effet de l'inclusion d'un certain élément d'information dans la publicité d'une entreprise, comparant les résultats de ventes d'annonces qui diffèrent seulement par l'inclusion ou non de l'information spécifique.

Les modèles informatiques sont couramment utilisés dans les prévisions météorologiques, environnementales et climatiques. L'analyse de sensibilité peut être utilisée pour améliorer de tels modèles en analysant comment les diverses méthodes d'échantillonnage systématique, les entrées et les paramètres du modèle affectent la précision des résultats ou des conclusions obtenus à partir des modèles informatiques.

Les disciplines de la physique et de la chimie utilisent souvent l'analyse de sensibilité pour évaluer les résultats et les conclusions.L'analyse de sensibilité s'est avérée particulièrement utile dans l'évaluation et l'ajustement des modèles cinétiques qui impliquent l'utilisation d'un certain nombre d'équations différentielles. L'importance des divers intrants et les effets de la variance dans les intrants sur les résultats du modèle peuvent être analysés.

Il est de pratique courante en ingénierie d'utiliser des modèles informatiques pour tester la conception des structures avant leur construction. L'analyse de sensibilité aide les ingénieurs à créer des conceptions plus fiables et robustes en évaluant les points d'incertitude ou les grandes variations des intrants possibles et leurs effets correspondants sur la viabilité du modèle. L'affinement des modèles informatiques peut avoir une incidence importante sur l'exactitude des évaluations de facteurs tels que la capacité de contrainte du pont ou les risques de tunnellisation.