چکیده:

در علم مهندسی، مهندسان بمنظور توصیف مسائل‌شان، از مدل‌های ریاضی استفاده می‌کنند. بااین‌وجود، مدل‌های ریاضی رپلیکا‌های دقیق نیستند، بلکه ساده‌سازی‌های حقیقی هستند. متناسب با همین موضوع، هنگامی‌ که ما یک مدل را مشخص می‌کنیم، ما طوری عمل می‌کنیم گویی که مدل حقیقی است و فرضیات مرتبط، معتبر هستند. بطور مشابه، هنگامِ تخمین زدن پارامتر‌های مدل، ما از داده‌هایی استفاده می‌کنیم، که دقیق نیستند بلکه در معرض خطا، عدم دقت، و مواردی مانند این‌ها می‌باشند. بنابراین، نتیجه‌گیری‌های حاصل از یک تحلیل به مدل‌ها و داده‌ها حساس هستند. در بعضی از کاربرد‌ها، حتی تغییرات کوچک در داده‌ها می‌تواند اثرات اساسی را روی نتایج داشته باشد. بنابراین ضروری است که تحلیلگرانِ داده قادر به ارزیابی حساسیتِ نتیجه‌گیری‌های‌شان نسبت به مدل و داده‌ها باشند. این مورد بعنوان تحلیل حساسیت شناخته می‌شود. تحلیل حساسیت به تحلیلگر اجازه می‌دهد تا بمنظور شناسایی داده‌های پرت یا مقادیر داده‌های اشتباه، برای تعریف استراتژی‌های تست، برای بهینه‌سازی منابع، کاهش هزینه‌ها و موارد مانند این‌ها، اثرات روی استباط‌های تغییرات در مقادیر داده‌ها را ارزیابی کند.

---

کلیدواژه‌ها: تحلیل حساسیت، تحلیل حساسیت محلی، تحلیل حساسیت منطقه ای