การวิเคราะห์ความไวเชิงสุ่ม — การวัดปริมาณความไม่แน่นอนของผลลัพธ์ผ่านการสุ่มอินพุตแบบความน่าจะเป็น
การวิเคราะห์ความไวเชิงสุ่ม (PSA) ขยายขอบเขตการทดสอบความไวแบบทีละรายการ (one-at-a-time) แบบดั้งเดิม โดยการแทนอินพุตของแบบจำลองที่ไม่แน่นอนด้วยการแจกแจงความน่าจะเป็น และส่งผ่านอินพุตเหล่านั้นไปยังแบบจำลองผ่านการสุ่มแบบ Monte Carlo ผลลัพธ์ที่ได้คือการแจกแจงของผลลัพธ์ที่เป็นไปได้ทั้งหมด พร้อมกับการจัดอันดับว่าอินพุตใดมีส่วนทำให้ความแปรปรวนของผลลัพธ์มากที่สุด — ซึ่งช่วยให้สามารถสรุปผลได้อย่างแข็งแกร่งและมีหลักฐานรองรับภายใต้ความไม่แน่นอน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Stochastic Sensitivity Analysis (Probabilistic Sensitivity Analysis). ScholarGate. https://scholargate.app/th/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.
- การจำลองแบบมอนติคาร์โลการตัดสินใจ↔ compare
- การวิเคราะห์ความไวการตัดสินใจ↔ compare
- การจำลองเหตุการณ์ไม่ต่อเนื่องแบบสุ่มการจำลอง↔ compare
- แบบจำลองมาร์คอฟแบบสุ่มการจำลอง↔ compare
- การวิเคราะห์สถานการณ์เชิงสุ่มการจำลอง↔ compare