敏感性分析(sensitivity analysis)是研究模型假設條件的變化對於問題結果的影響，它既可以檢查輸入變量的變化對結果變量的影響，也可以反過來尋求為了實現假定的目標輸入變量應該如何取值。
敏感性分析在DSS中是非常有價值的，它可以讓用戶輸入他們自己的數據，並觀察到系統在不同的條件下如何運行，這樣就可以幫助用戶更好地理解模型和問題。在敏感的模型中，條件的細微變化就會導致不同的結果，這就意味著給定的解決方案的實施效果可能存在很大變數;而在不敏感的模型裡，條件的變化不會明顯改變解決方案，這意味著解決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標追尋。
因果分析(what-if analysis)。在評估不確定性的基礎上，模型建立者根據輸入數據做出預測和假設。而後在這些假設和模型的基礎上得出結論。what-if分析試圖改變假設(輸入數據)，以分析這個改變對結果的影響。
分享到:
閱讀更多 AI科技館 的文章
