مرجع
آخر الزيارات

تحليل الحساسية

2٬323 كلمة•0 مشاهدة•🗒️ منذ يوم
باختصار: يمكن أن تبحث عن مقالات عن الحساسية والخصوصية أو منحنيات ROC. تتناول المقالة 14 قسماً، منها «الأخطاء»، «نبذة عامة» و«العوامل البيئية».
المحتويات
  1. الأخطاء
  2. نبذة عامة
  3. العوامل البيئية
  4. الكشف عن المعايير الهامة
  5. منشورات المواضيع الخاصة
  6. الاستخدام الأمثل لتخصيص الموارد
  7. قائمة المراجع
  8. للتحقق من متانة تنبؤات النموذج
  9. التفاعل بين العوامل
  10. طريقة OAT
  11. تحديد الدالة محط الاهتمام
  12. الأعمال
  13. المنهجية
  14. انظر أيضاً

في البداية، يمكن أن تبحث عن مقالات عن الحساسية والخصوصية أو منحنيات ROC. وتعرض الأقسام التالية جوانب أخرى من الموضوع.

وفي هذا السياق، تحليل الحساسية (SA) هو دراسة كيفية تقسيم التنوع (الشك) في ناتج نموذج رياضي ، كمياً أو وصفياً، إلى مصادر مختلفة من التنوع في ناتج النموذج.

إضافةً إلى ذلك، إن المشكلة التي تكمن في تحليل الحساسية تتشابه تشابه كبيراً مع تصميم التجارب. ففي تصميم التجارب يقوم الفرد بدراسة تأثير بعض العمليات أو التدخل (المعالجة) على بعض الأشياء (وحدات التجربة). يبحث المرء في تحليل الحساسية عن تأثير تنوع مدخلات النموذج الرياضي على مخرجات النموذج نفسه. وفي كلاً من النظامين يسعى المرء للحصول على المعلومات من النظام بأقل قدر ممكن من التجارب الفيزيائية أو العددية.

كذلك، يمكن أن يكون موضوع استخدام النماذج الرياضية مثير للجدل، انظر ناسيم نيكولاس طالب في الاقتصاديات، وأورين اتش. بيلكي وليندا بيلكي جافيس في العلوم البيئية. وكما تم ملاحظته من قبل المؤلف الأخير، فهذا يزيد من أهمية تحليل الحساسية في ممارسة النمذجة اليوم.

في هذا الإطار، في الاقتصاد القياسي الحديث، يكون استخدام تحليل الحساسية لدفع النقد هو موضوع واحد من الوصايا العشرة للاقتصاد القياسي المطبق (من كينيدي، 2007):

علاوةً على ذلك، لقد اقترحت شكلا من أشكال نظم تحليل الحساسية التي أسميها «تحليل الحساسية العالمي» والذي يتم فيها اختيار مقدار تقريبي من الفروض البديلة ويتم تحديد الفاصل المقابل للاستدلالات. فيتم الحكم على الاستنتاجات أنها قوية فقط إذا كان المقدار التقريبي للافتراضات كبير كفاية ليمكن تصديقه ويكون الفاصل المقابل للاستدلالات صغير كفاية كي يكون مفيد.

في هذا الإطار، وبمصطلحات أكثر عموماً، فإن تحليلات الشك والحساسية تحقق في مدى متانة دراسة ما عندما تتضمن الدراسة بعض أشكال النمذجة الرياضية. وفي حين أن تحليلات الشك تدرس عدم التيقن الكامل في استنتاجات الدراسة، إلا أن تحليل الحساسية يحاول أن يحدد أي مصدر من مصادر الشك يوزن أكثر في استنتاجات الدراسة. مثلًا، تصف الكثير من الإرشادات للنمذجة (انظر مثال واحد من THE US EPA ) أو لتقييم التأثير (انظر لواحد من المفوضية الأوروبية ) تحليل الحساسية كأداة لتأكيد جودة النمذجة/التقييم.

من جانب آخر، علماً بأن توكيد ليمر يُحتاج اليه من أجل المصداقية في اختيار الافتراضات. يعتبر أسهل طريقة لإبطال نموذج هو اثبات أنه هشاً فيما يتعلق بعدم التيقن في الفروض أو أن يُظهر أن فروضه لم تكن كبيرة كفاية. تم التعبير عن نفس المفهوم من قبل جيرومي آر. رافيتز، والذي من وجهة نظره أن النمذجة السيئة تكون عندما يجب أن تكون الشكوك في المدخلات مقموعة لئلا تصبح النواتج غير محددة.

وعلى صعيد آخر، هناك تبادل تجاري بين كيف يكون التدقيق في تحليل ما هو اكتشاف فروض المدخلات وكيفية إمكانية اتساع الاستدلال الناتج في تحليل الشك والحساسية. يتم توضيح النقطة جيداً بواسطة الاقتصادي ادوارد إي. ليمر (1990).

وفي هذا السياق، يجب عليك أن تعترف بوجود الحساسية. طبيعية: يجب عليك أن تدفع النقد [···] عند الإبلاغ عن تحليل الحساسية، ويجب على الباحثين أن يشرحوا بشكل وافي مواصفات بحثهم كي يمكن للقاريء أن يحكم لنفسه كيف يمكن للنتائج أن تكون مؤثرة. هذا هو اساسا نهج 'الصدق هو أفضل سياسة'، الذي نادى به ليمر، (1978 ، E. (1978). مواصفات مقترحة : المخصص الاستدلالات مع Nonexperimental البيانات. جون وايلي وأولاده المحدودة، ص. سادسا.

الأخطاء

من جانب آخر، في تحليل الحساسية يتم تقييم الخطأ 1 كعامل غير هام هام، وخطأ النوع الثاني كعامل هام غير هام. يقابل خطأ النوع الثالث تحليل المشكلة الخطأ، مثلًا عن طريق مواصفات غير صحيحة لإدخال الشكوك. المزالق الممكنة في تحليل الحساسية هي:

من جانب آخر، حساسية Piecewise. يحدث هذا عندما يقوم الفرد بتحليل الحساسية على نموذج فرعي واحد في وقت واحد. لايعتبر هذا النهج محافظ حيث أنه يمكن أن يغفل التفاعلات بين العوامل في النماذج الفرعية المختلفة (الخطأ من النوع II).

إضافةً إلى ذلك، عدم وضوح الغرض من التحليل. يتم تطبيق الاختبارات الإحصائية المختلفة والقياسات على المشكلة ويتم الحصول على ترتيب العوامل المختلفة. وبدلا من ذلك ينبغي أن يكون الاختبار مصمم خصيصاً لأغراض التحليل، مثل، يستعمل الفرد تصفية مونت كارلو إذا كان الفرد مهتم بأي من العوامل هو المسئول عن توليد قيم عالية/منخفضة للناتج.

كذلك، أخذ الكثير من نواتج النماذج في الاعتبار. قد يكون هذا مقبولا لضمان الجودة من النماذج الفرعية ولكن يجب تجنبه عند تقديم نتائج التحليل الشامل.

نبذة عامة

كذلك، يتم تحديد النموذج الرياضي بواسطة سلسلة من المعادلات، وعوامل المدخلات، والمتغيرات، والمتغيرات التي تهدف إلى وصف العملية التي يجري التحقيق فيها.

إضافةً إلى ذلك، تخضع المدخلات لمصادر عديدة من عدم التيقن والتي تشمل أخطاء القياسات، وغياب المعلومات وسوء الفهم للقوى الدافعة والآليات. يفرض عدم اليقين هذا حدود على ثقتنا في الاستجابة أو ناتج النموذج. وكذلك، يمكن أن تتماشى النماذج مع التقلبات الطبيعية المتأصلة في النظام، مثل وقوع الأحداث العشوائية.

إضافةً إلى ذلك، يمكن أن تترتب المشاكل الرياضية التي تواجه الفرد في العلوم الاجتماعية أو الطبيعية عن استخدام النماذج الرياضية، والتي عامة لاتصلح لفهم مباشر للعلاقة بين عوامل المدخلات (مايذهب داخل النموذج) والمخرجات (المتغيرات التابعة للنموذج).

كذلك، يتطلب ممارسة النمذجة الجيدة أن يقدم مصمم النموذج تقييماً للثقة في النموذج، وربما تقييم أوجه عدم التيقن المرتبطة بعملية النمذجة ومع نتائج النموذج نفسه. يوفر تحليل عدم اليقين والحساسية أدوات صالحة لوصف الشكوك المرتبطة بالنموذج. يصف تحليل عدم التيقن (UA) الشك في نتائج نموذج ما. يمتلك تحليل الحساسية دور تكميلي للأوامر عن طريق أهمية قوة وعلاقة المدخلات في تحديد التباين في الناتج.

ومن جهة أخرى، في النماذج التي تنطوي على كثير من المدخلات يعتبر اختبار الحساسية عنصر أساسي لبناء نموذج وضمان الجودة. تشمل الوكالات الوطنية والدولية المشاركة في دراسات تقييم الأثر فروع مخصصة لتحليل الحساسية في مبادئها التوجيهية. ومن أمثلة ذلك، اللجنة الأوروبية، ومكتب البيت الأبيض للإدارة والموازنة، والفريق الحكومي الدولي المعني بتغير المناخ ووكالة حماية البيئة الأمريكية.

علاوةً على ذلك، ومثل هذا التقدير، بمعنى فهم كيفية سلوك النموذج في استجابة للتغيرات في مدخلاتها، هو ذات أهمية أساسية لضمان الاستخدام الصحيح للنماذج.

العوامل البيئية

من جهة ثانية، وفي هذه الحالات، واعتمادا على تعقيد النموذج، قد يكون من المستحسن عمل استراتيجيات أخذ العينات المختلفة ويجب تعميم متغيرات الحساسية التقليدية لكي تغطي تحليل الحساسية متعدد المتغيرات ، وآثار heteroskedastic والمدخلات المتعلقة.

من جهة ثانية، وفي كلتا الحالتين يمكن أن يساعد تحليل الحساسية في فهم المساهمة من مختلف المصادر من عدم اليقين للشك في ناتج النموذج وأداء النظام بشكل عام.

وفي هذا الصدد، مثلًا يستعمل نموذج المناخ العالمي لكل من توقعات الطقس قصيرة المدى وتغير المناخ طويل المدى.

إضافةً إلى ذلك، وعلاوة على ذلك، تستعمل نماذج الحاسبات بشكل متزايد لأخذ قرار بيئي على النطاق المحلي، مثلًا لتقييم أثر محطة معالجة المياه العادمة على تدفق النهر، أو لتقييم السلوك وطول الحياة للمرشحات الحيوية للمياه الملوثة بالنفايات.

ومن ناحية أخرى، يزداد استخدام نماذج الحاسب الخاصة بالبيئة في طائفة واسعة من الدراسات والتطبيقات.

الكشف عن المعايير الهامة

من جهة ثانية، الاستفادة المثلى من تحمل الأجزاء المصنعة من حيث عدم اليقين في المتغيرات.

منشورات المواضيع الخاصة

وفي السياق ذاته، تم نشر موضوع خاص آخر عن تحليل الحساسية في يوليو 2009 في اعتمادية الهندسة ونظام السلامة (RESS).

علاوةً على ذلك، كلاهما اختيار الأوراق التي قدمت في مؤتمر عام 2007 لتحليل الحساسية من طراز المخرجات (سامو) الذي عقد في بودابست في حزيران / يونيو.

كذلك، تم نشر موضوع خاص مبكراً عن تحليل الحساسية في 2006 في جريدة الهندسة الاعتمادية ونظام السلامة (المجلد 91، 2006).

انظر سامو 2007 لشرائح العروض.

من جانب آخر، تم نشر المواضيع الخاصة المكرسة لتحليل الحساسية في سبتمبر 2008 في المجلة الدولية لعلم القوى المحركة الكيميائية.

الاستخدام الأمثل لتخصيص الموارد

المراجع

ومن جهة أخرى، هذا النوع من الذاتية يمكن أن يؤثر سلبا على الدقة والموضوعية الشاملة للتحليل.

في هذا الإطار، لكن هناك كذلك بعض المشاكل المرتبطة بتحليل الحساسية في سياق الأعمال:

إضافةً إلى ذلك، في كثير من الأحيان تكون المتغيرات مترابطة، مما يجعل دراستها كل على حدة غير واقعية، مثلًا: تغيير عامل واحد، مثل حجم المبيعات، من المرجح أن يؤثر على عوامل أخرى مثل سعر البيع.

من جهة ثانية، تعيين قيمة الحد الأقصى والحد الأدنى (أو المتفائل والمتشائم) مفتوح للتفسير ذاتي. مثلًا فإن توقعات أحد الأشخاص «المتفائلين» يمكن أن يكون أكثر تحفظاً من شخص آخر يقوم بجزء مختلف من التحليل.

إضافةً إلى ذلك، في كثير من الأحيان يتم صنع الفروض التي يقوم على أساسها التحليل بواسطة استخدام خبرة ماضية/بيانات التي من الممكن أن لايحصل عليها في المستقبل.

تبسيط النموذج أو خلط النموذج، الخ.

قائمة المراجع

وفي هذا السياق، فاسو ايه، اسبوزيتو إي.، بورشيو إي.، ريفيربيري ايه. بي.، فيجليو اف.2003) تحليل الحساسية الإحصائي للمفاعلات معبأة العمود لمياه الصرف الملوثة. بيئي. Vol. 14, n.8, 743 – 759

من جانب آخر، فاسو ايه، بيري بي. اف.2002) تحليل الحساسية. في عبدل اتش. الشعراوي وولتر و. بيجورسك (eds) موسوعة البيئيات، المجلد 4، pp 1968–1982، ويلي.

وعلى صعيد آخر، سانتنر، تي. جي.: ويليامز، بي. جي.: نوتز، و. آي. التصميم والتحليل لتجارب الكمبيوتر، سبرينجر- فيرلاج، 2003.

وعلى صعيد آخر، سالتيللي، ايه. اس. تارنتولا، وكي. شان (1999). طريقة النموذج الكمي المستقل لتحليل الحساسية العالمي لناتج النموذج. Technometrics 41 (1)، 39-56.

من جهة ثانية، هوغ، إدوارد J.؛ تشوي، كيونغ K.؛ كوموكوف، فاديم (1986) تحليل حساسية التصميم للنظم الهيكلية. الرياضيات في العلوم والهندسة، 177. أكاديمية الصحافة، شركة محدودة، أورلاندو، اف إل.

وعلى صعيد آخر، فاسو A)2007) تحليل الحساسية الإحصائي ونوعية المياه. في ويمر إل. اد، الإطار الإحصائي لمعايير جودة المياه والرصد. ويلي، نيويورك.

للتحقق من متانة تنبؤات النموذج

علاوةً على ذلك، المنطقة الموجودة في فراغ عوامل المدخلات والذي يكون فيها ناتج النموذج إما أقصى مايمكن أو أقل مايمكن أو داخل حدود محددة سلفا (انظر تصفية مونتي كارلو أعلاه)

وكذلك فإنه يوفر معلومات عن:

علاوةً على ذلك، للعب ما إذا اكتشف التحليل تأثير تنوع افتراضات المدخلات والسيناريوهات.

العوامل التي تساهم غالباً في تغير الناتج.

علاوةً على ذلك، الأمثل—أو عدم الاستقرار—المناطق داخل فراغ العوامل للاستخدام في دراسة معايرة لاحقة.

وفي السياق ذاته، كعنصر من عناصر تحقيق الجودة (يمكن ربط حساسيات عوامل غير متوقعة إلى أخطاء الترميز أو سوء التخصيص).

التفاعل بين العوامل

من جهة ثانية، يشتهر تحليل الحساسية في الفيزياء والكيمياء ، والتطبيقات المالية، وتحليل المخاطر، ومعالجة الإشارات، والشبكات العصبية وأي منطقة يتم تطوير النماذج فيها. يمكن استخدام تحليل الحساسية كذلك في تقييم الدراسات الشرطية القائمة على النموذج. يمكن استخدام تحليل الحساسية لتقييم مدى متانة المؤشرات المركبة ، والمعروفة كذلك باسم مؤشرات، مثل فهرس الضغط البيئي.

طريقة OAT

  • التطبيقات
  • يمكن استخدام تحليل الحساسية
  • لتبسيط النماذج

وفي السياق ذاته، هناك نهج مشترك في تحليل الحساسية وهو «عامل واحد في نفس الوقت» (OAT)، لمعرفة تأثير هذا على الناتج. ويبدو هذا أنه نهج منطقي حيث أن أي تغيير يتم ملاحظته في الناتج سوف يكون بدون شك بسبب تغيير عامل واحد. وعلاوة على ذلك فعند تغيير عامل واحد في نفس الوقت فيمكن للمرء أن يحتفظ بالعوامل الأخرى ثابته في قيمتها المركزية أو الأساسية. ويزيد هذا من إمكانية المقارنة بين النتائج (يتم حساب كل التأثيرات مع الرجوع إلى نفس النقطة المركزية في الفراغ) وتقليل فرص تعطل برنامج الكمبيوتر، في الغالب عند تغير الكثير من عوامل المدخلات في وقت واحد. يكون الحدوث الأخير مزعج على الأخص لمصممي النموذج حيث أنه في هذه الحالة لايمكن للفرد أن يعرف أي عامل تغير هو الذي سبب تحطم النموذج.

وفي هذا الصدد، في أبعاد K، يقسم حجم الكرة الأكبر المتضمن (والمماس لـ) المكعب الأكبر الموحد ذلك الخاص بالمكعب الأكبر نفسه، ذاهباً بسرعة إلى الصفر (مثل هو أقل من 1 ٪ بالفعل من أجل K = 10، انظر الشكل). نلاحظ كذلك أن t كل نقاط الـ OAT تكون على الأكثر على مسافة واحد من التصميم الأصلي. نظرا إلى أن قطر المكعب الزائدي هو \sqrt{k} في أبعاد k، إذا كانت النقاط موزعة عشوائياً فسوف يكون هناك نقاط (في الزوايا) والتي تكون بعيدة عن الأصلية \frac{\sqrt{k{2 هناك 2^k=1024 زاوية في عشرة أبعاد.

من جانب آخر، وبطبيعة الحال عندما يلقي أحد حفنة من النقاط في فراغ متعدد الأبعاد فستكون هذه النقاط ضئيلة، وبأي شكل من الأشكال سيتم استكشاف الفراغ بالكامل. ولا يزال، حتى إذا كان الفرد لديه حفنة من النقاط عليه التخلص منها، فلايوجد سبب لماذا يجب أن يركز الفرد كل هذه النقاط قريبة من الأصلية.

كذلك، والمفارقة هي أن هذا النهج، وهو على ما يبدو سليما، غير استكشافياً، مع تناقص الاستكشاف بسرعة مع عدد العوامل. يستكشف (جزئياً) الـ OAT دائرة بدلاً من مربع كامل (انظر الشكل) مع عاملين، وبالتالي في بعدين.

تحديد الدالة محط الاهتمام

وفي السياق ذاته، هذا يتوقف على الغرض من هذا التحليل، مثلًا تبسيط النموذج، وتحديد أولويات العوامل، والحد من عدم اليقين، الخ.

تعيين دالة كثافة الاحتمال للعوامل المحددة.

هذه هي خطوة وقت الكمبيوتر المكثفة.

في هذا الإطار، وعندما ينطوي ذلك على التماس رأي الخبراء يكون هذا أكثر كلفة وهو جزء تضييع الوقت في التحليل.

ومن جهة أخرى، حدد طريقة لتقييم التأثير أو الأهمية النسبية لكل عامل على مدخلات الدالة المستهدفة.

وعلى صعيد آخر، فمن الأسهل أن تتصل بنتائج تحليل الحساسية عندما يكون الهدف محط الاهتمام له علاقة مباشرة للمشكلة التي عالجها هذا النموذج.

في هذا الإطار، كما هو الحال في التصميم التجريبي، يجب أن يعطي التصميم الجيد للتجارب العددية أقصى تأثير مع أقل نقاط محسوبة.

وفي هذا السياق، توليد مصفوفة من المدخلات مع هذا التوزيع من خلال وضع التصميم الملائم.

تقييم النموذج وحساب توزيع الدالة المستهدفة.

الأعمال

وفي هذا الصدد، في مشاكل اتخاذ القرار، يمكن على المحلل أن يتحرى دوافع التكلفة وكذلك الكميات الأخرى التي من أجلها يجب أن نكتسب معرفة أفضل من أجل اتخاذ قرار مستنير. ومن ناحية أخرى، هناك بعض الكميات لايكون لها تأثير على التوقعات، حتى نتمكن من حفظ الموارد بدون فقد في الدقة عن طريق تخفيف بعض الشروط. انظر تمويل الشركات: تحديد مقدار عدم اليقين.

وعلى صعيد آخر، يمكن أن يساعد تحليل الحساسية في مجموعة متنوعة من الظروف الأخرى التي يمكن التعامل معها من قبل الإعدادات المبينه أدناه:

دليل مجموعات البيانات المستقبلية

لتحديد الافتراضات الحاسمة أو مقارنة هياكل النموذج البديل

المنهجية

علاوةً على ذلك، الطرق القائمة على التباين وهنا يتفكك الفرق غير المشروط V(Y) لـ إلى مشروط نظراً للعوامل الفردية إلى جانب شروط بسبب التفاعل بين العوامل. يعتبر تفكك التباين الكامل ذات مغزى فقط عندما تكون عوامل المدخلات مستقلة عن بعضها البعض.

وفي هذا السياق، طرق الفرز. تعتبر هذه الطريقة نموذج معين من الطرق المرتكزة على أخذ العينات. والهدف هنا هو تقدير عدد قليل من العوامل الفعالة في النماذج مع عوامل كثيرة

من جانب آخر، الأساليب المحلية، مثل المشتق البسيط للناتج Y مع الأخذ في الاعتبار عامل المدخلات X_i : \left| \frac{\partial Y}{\partial X_i} \right |_{\textbf {x}^0 }، في حين أن الـ subscript \textbf {x}^0 يشير أن المشتقات مأخوذة على نقاط ثابتة في فراغ المدخلات (وبالتالي «المحلي» في اسم الفئة). ويعتبر نموذج الأدجوينت والتمايز الآلي من الطرق المميزة في هذه الفئة.

ومن ناحية أخرى، الأساليب المرتكزة على تصفية مونتي كارلو هناك كذلك ارتكاز على أخذ العينات والهدف هنا هو تحديد مناطق فراغ عوامل المدخلات المقابلة لقيم خاصة (مثال، عالى أو منخفض) للمخرجات.

كذلك، يرجع المصطلح إلى اتش. رابيتز ويتم تضمنه كحالة خاصة تبع الطرق القائمة على التباين. وفي HDMR يتم التعبير عن الناتج Y كتجمع خطي للشروط البعدية المتزايدة.

ومن ناحية أخرى، هناك الكثير من الطرق الممكنة لعمل تحليل عدم اليقين (UA) والحساسية (SA). والدروس الهامة من الطرق هي :

علاوةً على ذلك، في كثير من الأحيان (مثلًا في الطرق القائمة على أخذ العينات) يتم القيام بكلاً من UA و SA بشكل مشترك من خلال تنفيذ نموذج متكرر لمزيج من عينات قيم العوامل مع بعض توزيع الاحتمالات.

ممثلات ارتفاع النموذج البعدي (HDMR)

ويمكن سرد الخطوات التالية :

وفي هذا السياق، الأساليب المرتكزة على المحاكاة (مثلًا بايزيان ) في هذه الطرق يتم التعامل مع قيمة الناتج ، أو مباشرة قيمة قياس الحساسية للعامل كعملية عشوائية ويتم تقديرها من خلال نقاط البيانات الموجودة على الكمبيوتر. ويكون هذا مفيد عندما يكون برنامج الكمبيوتر الذي يصف النموذج مكلف لتشغيله.

وفي هذا السياق، الحساسية المرتكزة على أخذ العينات - وهي طريقة يتم تنفيذ النموذج فيها بطريقة متكررة لمزيج من القيم المأخوذة من التوزيع (من المفترض أنها معروفة) عوامل المدخلات. وبمجرد أن يتم إنشاء العينة، يمكن استخدام استراتيجيات عديدة (مثل المدخلات والمخرجات البسيطة scatterplots) لاستنباط مقاييس الحساسية للعوامل.

انظر أيضاً

تعزيز (هندسة)

ما رأيك في هذه المقالة؟

📝 هل في هذه المقالة خطأ؟

إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.