En este artículo se explica qué es el análisis de sensibilidad en estadística y para qué sirve. Encontrarás cómo se hace un análisis de sensibilidad, un ejemplo y, además, cuáles son las ventajas y las desventajas de un análisis de sensibilidad.
Índice
¿Qué es un análisis de sensibilidad?
Un análisis de sensibilidad es un estudio que se hace para analizar la incertidumbre del resultado de un modelo matemático. Es decir, un análisis de sensibilidad sirve para determinar cómo el cambio de valor de una variable independiente afecta a la variable dependiente del modelo.
De modo que un análisis de sensibilidad consiste en estudiar el impacto que tienen las diferentes variables de un modelo en el resultado obtenido. En general, los proyectos están ligados a incertidumbre y por tanto resulta difícil conocer con exactitud los valores de todas las variables, pues un análisis de sensibilidad permite hacer predicciones sobre cuál será el resultado del proyecto en función de los valores que finalmente tengan las variables.
Por ejemplo, en un proyecto empresarial sobre el desarrollo de un nuevo producto, podemos hacer un análisis de sensibilidad calculando el beneficio esperado según la demanda que tenga el producto. De esta forma podemos analizar cuál será el resultado económico del proyecto según el número de ventas conseguidas.
El análisis de sensibilidad también se conoce como análisis hipotético.
Cómo hacer un análisis de sensibilidad
Los pasos para hacer un análisis de sensibilidad son:
- Cuantificar la incertidumbre de cada variable de entrada que se pretende estudiar (por ejemplo con rangos o distribuciones de probabilidad). Ten en cuenta que este paso puede resultar difícil, pero para poder llevar a cabo el análisis de sensibilidad es necesario que las variables sean numéricas.
- Identificar la variable de salida del modelo que se analizará, normalmente suele ser el resultado económico del proyecto analizado.
- Ejecutar el modelo varias veces utilizando algún diseño de experimento y modificando los valores de las variables de entrada estudiadas.
- Analizar los diferentes resultados posibles de la variable de salida.
- Tomar una decisión en base al análisis de sensibilidad realizado.
En finanzas, para realizar el análisis de sensibilidad se suele utilizar la siguiente fórmula que nos permite comparar el VAN (Valor Actual Neto) obtenido al aplicar un cambio en una variable.
El resultado de la fórmula es la variación porcentual entre el VAN que teníamos antes de hacer el cambio en la variable (VANe) y el VAN obtenido al modificar el valor de la variable (VANn).
Ejemplo de un análisis de sensibilidad
Supongamos que una gerente de ventas, llamada Paula, quiere entender el impacto del tráfico de clientes en la página web de la empresa en las ventas totales.
Para abordar este problema, Paula establece que las ventas están correlacionadas con el precio y el volumen de transacciones. El precio de un producto específico es de 1000$ y el año pasado Paula logró vender 100 unidades, generando así unas ventas totales de 100000$.
En su análisis previo, Paula identifica que un incremento del 10% en el tráfico de usuarios se traduce en un aumento del 5% en el volumen de transacciones. Basándose en esta relación, procede a construir un modelo financiero y realizar un análisis de sensibilidad en torno a esta ecuación mediante declaraciones hipotéticas. De esta manera, puede anticipar las variaciones en las ventas ante aumentos del tráfico de clientes del 10%, 50% o 100%.
Tomando como referencia las 100 transacciones actuales, se concluye que un aumento del 10%, 50% o 100% en el tráfico de clientes equivaldría a incrementos en las transacciones del 5%, 25% o 50%, respectivamente.
Por lo tanto, con el análisis de sensibilidad se concluye que las ventas son muy sensibles a los cambios en el tráfico de usuarios en la página web.
Tipos de análisis de sensibilidad
Los tipos de análisis de sensibilidad son:
- Análisis de sensibilidad univariante: se modifica el valor de una única variable, manteniendo las demás variables constantes. Este método es útil para determinar cómo afecta una variable individualmente al resultado.
- Análisis de sensibilidad multivariante: se varían los valores de dos o más variables simultáneamente, de este modo se pueden estudiar las interacciones entre las diferentes variables de entrada.
- Análisis de sensibilidad global: se analiza cómo afectan todas las variables de entrada al resultado, para ello se suele representar gráficamente la relación entre cada variable de entrada y la variable de salida en diagramas de dispersión.
Ventajas y desventajas del análisis de sensibilidad
Ventajas del análisis de sensibilidad:
- Permite prever diferentes situaciones de salida en función del riesgo o de los valores de las variables.
- Al poder cuantificar el resultado en función de las variables de entrada, ayuda a tomar decisiones.
- Permite identificar las áreas en las que centrarse o los mayores riesgos que se deben controlar.
- Reduce la incertidumbre y la imprevisibilidad de un proyecto.
Desventajas del análisis de sensibilidad:
- Depende en gran medida de suposiciones que pueden no volverse ciertas en el futuro.
- Puede volverse demasiado complicado, lo que dificulta llevar a cabo el análisis y por tanto tomar decisiones.
- Si el modelo construido no es fiel a la realidad, se tomarán decisiones en base a información falsa.
Análisis de sensibilidad y análisis de escenarios
Dos métodos de análisis bastante conocidos son el análisis de sensibilidad y el análisis de escenarios. Además, son dos tipos de análisis que se parecen, por lo que en este apartado veremos en qué se diferencian.
El análisis de escenarios es una técnica de análisis que se usa para estudiar el resultado que se obtendrá de un proyecto en diferentes escenarios o situaciones.
La principal diferencia entre un análisis de sensibilidad y un análisis de escenarios es que el análisis de sensibilidad se centra en evaluar el impacto de los cambios de valores de las variables de entrada en el resultado, mientras que en un análisis de escenarios se examina cómo diversas condiciones no controlables afectan el resultado global.