敏感性分析（Sensitivity Analysis）

敏感性分析（Sensitivity Analysis）的基本原理是通过评估输入变量的变化对输出结果的影响，来确定哪些输入变量对模型或决策过程最为关键。

一、核心原理

1. 影响度量：首先定义一个度量标准来衡量输入变量变化对输出的影响。这可以是输出的变化量、变化百分比、或者更复杂的统计量。
2. 参数变化：系统地改变输入参数的值，通常在它们可能的取值范围内进行。这可以是按照一定的步长变化，或者通过随机抽样来实现。
3. 模型响应：对于每一个输入参数的变化，观察并记录模型的输出结果。这通常涉及到多次模型运行或模拟。
4. 敏感度计算：计算每个输入参数变化对输出结果的影响度量。这可以是简单的差分（如增量比），或者更复杂的统计方法（如方差分析）。
5. 局部与全局分析：
   • 局部敏感性分析：关注在特定点或小范围内输入参数的变化对输出的影响，通常通过求导数来实现。
   • 全局敏感性分析：考虑整个参数空间内的变化，评估输入参数在整个范围内对输出的总体影响。
6. 统计方法：使用统计方法来量化输入参数对输出方差的贡献，如方差基分析（Sobol’ method）。
7. 交互作用识别：识别输入参数之间的交互作用，即两个或多个参数共同作用对输出的影响。
8. 稳健性评估：评估模型对输入参数变化的抵抗能力，即模型的稳健性。
9. 不确定性传播：