## [Análisis de Sensibilidad](/es/node/68009) Definición Un conjunto de técnicas para evaluar cómo la variación en las entradas, parámetros o supuestos de un modelo influye en las salidas o métricas de decisión; los métodos van desde derivadas locales (perturbaciones una‑por‑una) hasta enfoques globales que varían las entradas a través de sus distribuciones conjuntas para asignar la varianza de la salida o mapear fronteras de decisión, con el objetivo de identificar parámetros influyentes y evaluar la robustez. ## Principio Principio Al variar sistemáticamente las entradas dentro de rangos o distribuciones plausibles y medir los cambios resultantes en las salidas, el análisis de sensibilidad revela qué entradas impulsan la variabilidad del resultado o alteran decisiones; los métodos globales cuantifican contribuciones a la varianza de la salida y tienen en cuenta interacciones, mientras que los métodos locales aproximan la respuesta marginal alrededor de una línea base. ## Demostración Demostración Escenario ilustrativo: Un economista sanitario evalúa un modelo de coste‑efectividad. Reconocimiento: entradas clave: tasa de descuento, tamaño del efecto del tratamiento y costes unitarios. Acción: realizar comprobaciones de sensibilidad univariadas y luego un análisis probabilístico (global) muestreando distribuciones conjuntas para obtener distribuciones de salida e identificar parámetros que expliquen la mayor parte de la varianza. Consecuencia: el analista identifica las hipótesis que afectan de forma crítica al ratio coste‑efectividad incremental y prioriza la recopilación de datos. ## Aplicación incorrecta Aplicación incorrecta Confiar únicamente en análisis uno‑a‑la‑vez (OAT) cuando las entradas interactúan, lo que subestima los efectos conjuntos; elegir rangos implausibles que malrepresentan la incertidumbre real; interpretar una baja sensibilidad como prueba de irrelevancia de un parámetro sin considerar la mala especificación del modelo. ## Consecuencia Consecuencia El análisis de sensibilidad orienta la interpretación de resultados del modelo, destaca supuestos críticos, informa prioridades de recopilación de datos y comprobaciones de robustez, y respalda la presentación transparente de la incertidumbre del modelo; no obstante, sus conclusiones dependen de los rangos y distribuciones elegidos y de la corrección de la estructura del modelo. ## Inversión Inversión Si el modelo está mal especificado (forma funcional errónea, mecanismos omitidos) o las entradas son endógenas, el análisis de sensibilidad puede inducir a error al atribuir variabilidad de salida a parámetros cuando dominan errores estructurales; las medidas locales pueden ser poco informativas en modelos no lineales con interacciones, requiriendo técnicas globales. ## Límite Límite Claramente dentro: modelos cuantitativos con entradas parametrizadas donde se pueden especificar de forma creíble rangos o distribuciones. Caso límite: la sensibilidad estructural (cambio de la forma del modelo) va más allá de la sensibilidad paramétrica. Claramente fuera: juicios puramente cualitativos sin variación sistemática no constituyen análisis de sensibilidad. ## Tensión semántica Tensión semántica Exhaustividad (exploración global, de alta dimensión) frente a interpretabilidad y viabilidad (simplicidad de comprobaciones uno‑a‑la‑vez); diagnosticar la importancia de parámetros frente a diagnosticar la adecuación estructural del modelo. ## Síntesis Síntesis El análisis de sensibilidad es una herramienta de diagnóstico y priorización: no valida un modelo, pero muestra dónde importa la incertidumbre y dónde la reducción de incertidumbre o la mejora de la estructura del modelo aumentarán más la confianza en la decisión; la elección del método (local vs global) depende de la no linealidad, las interacciones y la información disponible sobre las distribuciones de entrada.