Conjunto de métodos para cuantificar cómo variaciones en las entradas, parámetros o supuestos de un modelo influyen en sus salidas, con el objetivo de identificar factores influyentes y caracterizar las relaciones entrada–salida.

Principio

Organizar perturbaciones o distribuciones de entradas y medir los cambios resultantes en las salidas mediante derivadas, descomposiciones de varianza o mapeos entrada–salida; distinguir efectos locales (infinitesimales) de efectos globales (distribucionales) y tener en cuenta interacciones y no linealidad.

Demostración

Calcular índices de Sobol para un modelo hidrológico para clasificar las contribuciones de precipitación, permeabilidad del suelo y evapotranspiración a la varianza del caudal; o evaluar derivadas parciales locales de un modelo de sustentación aerodinámica para localizar los rangos de ángulo de ataque con mayor efecto.

Aplicación incorrecta

Tratar entradas correlacionadas como independientes al usar índices basados en varianza, o confiar únicamente en perturbaciones una a la vez para sistemas con fuertes interacciones, lo que produce rankings de importancia engañosos.

Consecuencia

La aplicación correcta identifica parámetros de alto impacto para calibración, reducción de modelo, recolección de datos focalizada y toma de decisiones robusta frente a la incertidumbre de las entradas.

Inversión

Centrarse en la robustez en lugar de la sensibilidad —identificar entradas o diseños donde las salidas se mantienen estables ante perturbaciones— invierte la finalidad: en vez de buscar factores influyentes se buscan regiones insensibles.

Límite

Se aplica a modelos con entradas y salidas bien definidas; no establece por sí sola causalidad a partir de asociaciones estadísticas y puede ser inválida si el dominio de análisis se sitúa fuera del rango de entradas físicamente significativo o del usado para entrenamiento.

Tensión semántica

Se solapa con la cuantificación de la incertidumbre (que mide la magnitud de la incertidumbre de salida) y la estimación de parámetros (que ajusta parámetros): la sensibilidad evalúa la estructura de influencia en lugar de la incertidumbre predictiva o la plausibilidad paramétrica.

Síntesis

El análisis de sensibilidad son sondeos sistemáticos sobre cómo la variabilidad de las entradas se traduce en variabilidad de las salidas, usando derivadas locales o medidas globales basadas en varianza/entropía para revelar factores influyentes, orientar experimentos y priorizar el esfuerzo de modelado, teniendo en cuenta límites por dependencia de entradas y extrapolación.