敏感性分析(sensitivity analysis)是研究模型假设条件的变化对于问题结果的影响，它既可以检查输入变量的变化对结果变量的影响，也可以反过来寻求为了实现假定的目标输入变量应该如何取值。
敏感性分析在DSS中是非常有价值的，它可以让用户输入他们自己的数据，并观察到系统在不同的条件下如何运行，这样就可以帮助用户更好地理解模型和问题。在敏感的模型中，条件的细微变化就会导致不同的结果，这就意味着给定的解决方案的实施效果可能存在很大变数;而在不敏感的模型里，条件的变化不会明显改变解决方案，这意味着解决方案成功的可能性很高。在DSS中，常用的敏感性分析的方法有因果分析和目标追寻。
因果分析(what-if analysis)。在评估不确定性的基础上，模型建立者根据输入数据做出预测和假设。而后在这些假设和模型的基础上得出结论。what-if分析试图改变假设(输入数据)，以分析这个改变对结果的影响。
分享到:
閱讀更多 AI科技館 的文章
