Stokastisk Følsomhedsanalyse — Kvantificering af Usikkerhed i Output via Sandsynlighedsbaseret Input-Sampling
Stokastisk Følsomhedsanalyse (PSA) udvider klassisk én-ad-gangen følsomhedstestning ved at repræsentere usikre modelinput som sandsynlighedsfordelinger og propagere dem gennem modellen via Monte Carlo-sampling. Resultatet er en fuld fordeling af mulige output, sammen med rangordninger af hvilke input der driver outputvariansen mest – hvilket muliggør robuste, evidensbaserede konklusioner under usikkerhed.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M., Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley. ISBN: 9780470059975
- Briggs, A. H., Claxton, K., Sculpher, M. (2012). Decision Modelling for Health Economic Evaluation. Oxford University Press. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Stochastic Sensitivity Analysis (Probabilistic Sensitivity Analysis). ScholarGate. https://scholargate.app/da/simulation/stochastic-sensitivity-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Monte Carlo-simuleringBeslutningstagning↔ compare
- FølsomhedsanalyseBeslutningstagning↔ compare
- Stokastisk diskret-event simuleringSimulering↔ compare
- Stokastisk Markov-modelSimulering↔ compare
- Stokastisk ScenarieanalyseSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →