TopRank-Funktionen - Palisade Corporation
TopRank-Funktionen - Palisade Corporation
TopRank-Funktionen - Palisade Corporation
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>TopRank</strong><br />
@RISK<br />
Empfindlichkeitsanalysen in @RISK gegenüber<br />
<strong>TopRank</strong><br />
Bei einer einfachen WENN-Berechnung wird durch <strong>TopRank</strong><br />
festgestellt, wie sich eine einzelne Eingabe auf die Ausgabe auswirkt,<br />
indem lediglich der Wert der Eingabe geändert wird. Die Werte aller<br />
anderen Eingaben in dem Modell bleiben dabei unverändert. Diese<br />
Methode wird Einzelvariablen-Empfindlichkeitsanalyse genannt.<br />
Die <strong>TopRank</strong>-Empfindlichkeitsanalyse hat den Vorteil, dass sie schnell<br />
und mühelos ausgeführt werden kann. Durch <strong>TopRank</strong> kann der<br />
gesamte Eingabensuch- und Eingabendefiniervorgang automatisch<br />
ausgeführt werden. Auch sind nur wenige Iterationen erforderlich, um<br />
sinnvolle Ergebnisse zu erhalten. Außerdem erhalten Sie durch<br />
<strong>TopRank</strong> die Antworten in einem leicht verständlichen Format. In dem<br />
Schaufelraddiagramm ist genau zu sehen, wie viel sich eine bestimmte<br />
prozentuale Änderung in einer Eingabe auf die Ausgabe auswirkt.<br />
Der Nachteil der Empfindlichkeitsanalyse in <strong>TopRank</strong> ist jedoch, dass<br />
dabei nicht die Variabilität in anderen Eingaben mit berücksichtigt<br />
wird. Die mehrfache Empfindlichkeitsanalyse kann da einen gewissen<br />
Ausgleich schaffen, ist aber leider nicht in der Lage, in allen Fällen eine<br />
Kreuzkorrelation zwischen den Eingabevariablen zu finden.<br />
In einer @RISK-Simulation wird der Wert der einzelnen Eingaben<br />
gleichzeitig geändert. In @RISK werden die Daten sowohl für die<br />
Eingaben als auch für die Ausgabe erfasst und wird dann die<br />
Empfindlichkeit mithilfe eines Rangkorrelationskoeffizienten oder einer<br />
linearen Regression berechnet.<br />
Eine @RISK-Empfindlichkeitsanalyse hat den Nachteil, dass sehr viele<br />
Iterationen sowie auch Unbestimmtheitsverteilungen im Modell<br />
erforderlich sind. Die Ergebnisse zeigen zwar, welche Variablen die<br />
größte Auswirkung haben, aber es ist nicht zu sehen, wie viel sich eine<br />
gegebene prozentuale Änderung in einer Eingabe auf die Ausgabe<br />
auswirkt.<br />
Die @RISK-Empfindlichkeitsanalyse hat aber auch gewisse Vorteile. Sie<br />
erfordert beispielsweise keine zusätzlichen Berechnungen, wenn<br />
sowieso eine @RISK-Simulation ausgeführt werden soll. Auch ist in den<br />
Ergebnissen immer die Kreuzkorrelation zwischen Eingaben zu sehen.<br />
Wir empfehlen, in den meisten Fällen <strong>TopRank</strong> und @RISK zu<br />
verwenden. <strong>TopRank</strong> ist schnell und einfach auszuführen und zeigt die<br />
Ergebnisse in leicht verständlicher Form an. Um Zeit und Mühe zu<br />
sparen, sollte <strong>TopRank</strong> immer zuerst (d.h. vor @RISK) verwendet<br />
werden.<br />
30 WENN-Analyse und Risikoanalyse