Chapter 18

Formalized Sensitivity Analysis
and Expected Value Decisions

18.1 Determining Sensitivity to
Parameter Variation

18.1 SENSITIVITY: Analysis
• Sensitivity Analysis หรือการวิเคราะหความไว :
– เปนการศึกษาถึงการเปลี่ยนแปลง output variable ที่
เราสนใจ เมือ่ มีการเปลี่ยนแปลง input variables ตั้งแต
หนึ่งตัวขึ้นไปในชวงที่กําหนด
• ถาการเปลี่ยนแปลงเพียงเล็กนอยของ input parameter ทํา
ให output variable เกิดการเปลี่ยนแปลงมาก:
– ตัวแปรตัวนั้นจะ sensitive to the outcome.
– ถาไมตัวแปรนั้นจะ insensitive to the outcome.

18.1 SENSITIVITY: Defined
• Sensitivity Analysis (SA) เปนการศึกษาวา:
– คา economic worth
• (PW, AW, ROR, B/C) และ,
• โครงการที่ถูกเลือก –

– จะมีการเปลี่ยนแปลงไปอยางไร ถาตัวแปรอยางนอย
หนึ่งตัว มีการเปลี่ยนแปลงในชวงที่กําหนดสําหรับตัว
แปรแตละตัว

18.1 SENSITIVITY: Plotting
• การวัดความไวสามารถทําไดโดยสรางกราฟระหวางการ
เปลี่ยนแปลงตัวแปร กับ ผลลัพธที่ได
• We have already seen this applied in the application of
breakeven interest rate analysis.

18.1 SENSITIVITY: No. of Variables
• การวิเคราะหความไวอยางงายสามารถกระทําไดโดยการ
เปลี่ยนแปลงตัวแปรเพียงแคตัวเดียวตอการวิเคราะหหนึ่งครั้ง
(Change one parameter at a time )
• และทําการสรางกราฟระหวางการเปลี่ยนแปลงตัวแปรนั้นกับ
ผลลัพธที่ได
• การศึกษาการเปลี่ยนแปลงของตัวแปรหลายๆตัวพรอมๆกันจะ
ทําใหการวิเคราะหยุงยาก

18.1 SENSITIVITY: One Parameter Plot
กราฟระหวางตัวแปรหนึ่งตัว กับ PW of a Cash Flow
$PW

สมมติวาตัวแปรตัวหนึ่ง (x-axis).
มีการเปลี่ยนแปลงคาจาก
low value to some high value and
plot the PW amt. for
each variation.

Low

Parameter

High

18.1 SENSITIVITY: Basic Steps
1.
2.
3.
4.
5.
6.

กําหนดตัวแปรที่ตองการศึกษา ซึ่งมักเปนตัวแปรที่อาจมีการ
เปลี่ยนแปลงคาจากการประมาณ
กําหนดชวง (range) และขั้น (increment) ของการเปลี่ยนแปลง
สําหรับตัวแปรแตละตัว
กําหนดวิธกี ารในการวัด economic worth
คํานวณผลลัพธ economic worth สําหรับตัวแปรที่กําหนดไว
สรางกราฟของผลลัพธเพื่อใหสามารถมองภาพไดดีขึ้น
ตีความหมายจากกราฟ

ตัวอยางที่ 18.1
• Parameters (most likely estimates):
ƒP = $80,000, SV = 0,
ƒCFBT per year t = $27,000 – 2,000(t)
ƒMARR: Vary from {10% – 25%} per year
ƒLife: Vary from {8 – 12 } years

ตัวอยางที่ 18.1: Design
(a) Evaluate the sensitivity of PW by varying MARR, n=10 yrs
• MARR is a variable of interest.
• Range: { 10% to 25% }
• Define increments – say 5%;
• Measure of worth: PW;
• First Analysis:
– Use a 10-year life (n = 10) and model.

ตัวอยางที่ 18.1: SENSITIVITY
CF EQ.
Investment

Constant
27000
$
80,000.00

Year

Cflow

0
1
2
3
4
5
6
7
8
9
10

-$80,000
$25,000
$23,000
$21,000
$19,000
$17,000
$15,000
$13,000
$11,000
$9,000
$7,000

t-value
-2000

MARR
10%
15%
20%
25%

PW(i%)
$27,831.49
$11,510.26
-$962.36
-$10,711.51

ตัวอยางที่ 18.1: PW vs. MARR Range
Ex. 18.1 PW vs. MARR
$30,000.00
$25,000.00
$20,000.00

$-PW

$15,000.00
$10,000.00
$5,000.00
$0.00
-$5,000.000%

10%

20%

30%

-$10,000.00
-$15,000.00

MARR

กราฟมีความชันสูงและเปนลบ แสดงวาการตัดสินใจที่จะยอมรับโครงการ
หรือไมโดยดูจากคา PW คอนขาง sensitive ตอการเปลี่ยนแปลงของ MARR

ตัวอยางที่ 18.1: Vary the Life n {8-12}
(b) Evaluate the sensitivity of PW by varying n, MARR=15% per
year
• Next, model by changing the project life to vary from 8 to 12
years.
• Assume 2-year increments;
• For simplicity, hold the interest rate constant at 15%.
• Note: These are the types of decisions the analyst will have to
make for a problem of this type.

ตัวอยางที่ 18.1: Varying “n” at fixed “i”
Interest Rate

15.00%

Year

Cflow

0
1
2
3
4
5
6
7
8
9
10
11
12

-$80,000
$25,000
$23,000
$21,000
$19,000
$17,000
$15,000
$13,000
$11,000
$9,000
$7,000
$5,000
$3,000

"n"
8
10
12

PW(i%)
$7,221.61
$11,510.26
$13,145.70

PW vs. n
PW vs. "n" in years
$25,000.00

$ PW

$15,000.00

PW
$5,000.00

-$5,000.00

-$15,000.00

6

7

8

9

10

11

12

Years

คา PW เปนบวกสําหรับทุก n แสดงวาการตัดสินใจที่จะยอมรับโครงการ
หรือไมโดยดูจากคา PW ไมคอยมีผลจากอายุโครงการ (n) (insensitive)

Plot of PW versus MARR and n for sensitivity analysis

18.1 Varying More than One Parameter
• Multi-parameter variation การศึกษาความไวของหลายๆตัวแปร
สําหรับหนึ่งทางเลือก โดยใช single measure of worth (เชน PW) :
– ยากกวาการศึกษาทีละตัวแปร
– ทําไดโดยพลอตกราฟเปอรเซ็นตการเปลี่ยนแปลงจากคา most
likely ของแตละตัวแปร เทียบกับ single measure of worth
– อาจจําเปนตองใช Software เฉพาะ เชน
• Palaside’s Top Rank Excel add-in.
• Top Rank, once added into Excel, permits almost automatic
multi-parameter sensitivity analysis.

18.1 Output for Multi-Parameter Sensitivity
• The output for multi-parameter sensitivity takes the
form of what is called a:

1. Tornado plot, or
2. Spider plot.

18.1 Spider plot
Output
variable is
RoR

The greater
the slope
of a line on
a spider
plot, the
more
sensitive
that
variable is
to the
targeted
output
variable.

Here, sales price is the most sensitive parameter

18.2 Formalized Sensitivity
Analysis Using Three
Estimates

18.2 Applying Three Estimates
1. Pessimistic value, (worst-case scenario) อาจจะเปนคา
มากที่สุดหรือนอยที่สุดก็ได ขึ้นอยูกับตัวแปร เชน เปนคา
มากที่สุดสําหรับ first cost แตเปนคานอยที่สุดสําหรับ n

2. Most likely value, and
3. Optimistic value (best-case scenario)

ตัวอยางที1่ 8.3: Applying Three Estimates
• Engineer is faced with 3 alternatives; A, B and C
• Each alternative requires 4 parameters:
• First Cost (รูคาที่แนนอนในตัวอยางนี้);
• Salvage Value;
• AOC;
• Life in Years.

ตัวอยางที1่ 8.3: Applying Three Estimates
• สําหรับทางเลือกแตละทาง { A, B, and C },
• ใหทาํ การกําหนด :
• Pessimistic Value – P, (worst-case scenario)
• Most Likely – ML,
• Optimistic – O (best-case scenario)

Applying Three Estimates: Build a Table
Strategy First Cost

Alt A.
Alt. B

SV

AOC

Life

P -20,000
ML -20,000
O -20,000

0
0
0

-11,000
-9,000
-5,000

3
5
8

P -15,000
ML -15,000
O -15,000

500
1,000
2,000

-4,000
-3,500
-2,000

2
4
7

P -30,000
ML -30,000
O -30,000

3,000
3,000
3,000

-8,000
-7,000
-3,500

3
7
9

Alt. C

ตัวอยางที่18.3: Applying Three Estimates: AW Analysis

• Perform sensitivity analysis using AW at MARR = 12%
• For each alternative and for each level
• P, ML, and O determine the AW (12%) จากสมการ
AW= -P(A/P,12%,nlevel) + AOClevel + SV.
เชน AWA(pess) = -20,000(A/P,12%,3) -11,000 + 0 = -19,327

ตัวอยางที1่ 8.3: Applying Three Estimates
Alt A
P
ML
O

P
-$20,000
-$20,000
-$20,000

SV
$0
$0
$0

AOC
-$11,000
-$9,000
-$5,000

n
3
5
8

A/P Factor
0.4163
0.2774
0.2013

AW(i%)
-$19,327
-$14,548
-$9,026

Alt B
P
ML
O

P
-$15,000
-$15,000
-$15,000

SV
$500
$1,000
$2,000

AOC
-$4,000
-$3,500
-$2,000

n
2
4
7

A/P Factor
0.5917
0.3292
0.2191

AW(i%)
-$12,640
-$8,229
-$5,089

Alt C
P
ML
O

P
-$30,000
-$30,000
-$30,000

AOC
-$8,000
-$7,000
-$3,500

n
3
7
9

A/P Factor
0.4163
0.2191
0.1877

AW(i%)
-$19,601
-$13,276
-$8,927

SV
$3,000
$3,000
$3,000

ตัวอยางที1่ 8.3: Excel Plot for A, B, and C
Alt A
Alt B
Alt C

Ex. 18.3
$25,000

AW Cost

$20,000

Clearly, alt. B
presents the lowest
AW at all levels
{P,ML. And O}.

(B ดีที่สุด)

$15,000

From this, the
analysts gets a
better overall picture
of the relationship
among the three
alternatives.

$10,000
$5,000
$0
1

2

3

4 5 6 7
Life - Years

8

9

18.3 Economic Variability
and Expected Value

18.3 Expected Value and Variance




Engineers must deal with estimates.
Many estimates are far into the future.
The farther away from t = 0, the less reliable the estimate.
Time forces uncertainty in estimation!
One way to model uncertainty is to:
– Assign probability distributions to selected parameters.
– But this, too, can be difficult!

18.3 Expected Value – Defined
• Expected Value of a discrete variable is defined as:
m

E ( x) = ∑ X i P( X i )

[12.2]

i =1

Xi = value of the variable X for i from 1 to m different values,
P ( X i ) = t h e p r o b a b i li t y t h a t X

i

o c c u rs.

18.3 Probability Rule
• If an economic parameter is viewed as a random variable
with an assigned probability distribution, then:
m

∑ P(X ) = 1.0
i

i=1

Means: All of the possible outcomes taken
together are certain to occur.

ตัวอยางที่ 18.4: Expected Value
• A business estimates the following net cash flow for a
time period:
NCF

P(NCF)

$5,000

0.50

$10,000

0.35

$0

0.05

-$500

0.10

Describes four
possible outcomes
only. The probabilities
sum to 1.00.

ตัวอยางที่ 18.4: Expected Value
• E(X) = 5,000(0.5) + 10,000(0.35) + 0(0.05) -500(0.1) =
$5,950.
• Note: The $5,950 is not one of the four possible outcomes
defined.
• The E(x) = $5,950 represents a weighted average of the
four outcomes.
• The weights are the assigned probabilities.

18.4 Expected Value Computations
for Alternatives

18.4 Application of EV’s
• Two Applications for EV

1. Preparation of numerical information in order to
provide a more complete engineering economy
analysis;
2. To evaluate the expected viability of a fully
formulated alternative.

ตัวอยางที่ 18.5
• An electric utility is experiencing a difficult time obtaining
natural gas for electric generation. Fuels other than natural gas
are purchased at an extra cost, which is transferred to the
customer. Total monthly fuel expense are now averaging
$7,750,000.
• Revenue is estimated for the past 24 months using three fuel-mix
situation – gas plentiful, less than 30% other fuels purchased,
and 30% or more other fuels. Can the utility expect to meet
future monthly expenses based on the 24 months data if a similar
fuel-mix pattern continues?

ตัวอยางที่ 18.5

Expected revenue per month
ไมเพียงพอตอคาใชจายเดือนละ
7,750,000
E(revenue) = 5,270,000(0.5) + 7,850,000(0.25) + 12,130,000(0.25)
= $7,630,000 per month

ตัวอยางที่ 18.6
• A business is evaluating whether or not to purchase a piece of
equipment.
• The equipment costs $5,000 and will have an expected life of 3
years.
• Business conditions are described by three possible outcomes
Receding (P = 0.2)
Stable
(P = 0.6)
Expanding (P = 0.2)
• Apply expected value and PW analysis to determine if the
equipment should be purchased, MARR = 15%

ตัวอยางที่ 18.6
MARR =

15.00%

0
1
2
3

0.2
Receding
CF
-$5,000
$2,500
$2,000
$1,000

0.6
Stable
CF
-$5,000
$2,000
$2,000
$2,000

0.2
Expanding
CF
-$5,000
$2,000
$3,000
$3,500

Sum
PW

$500
-$656

$1,000
-$434

$3,500
$1,309

Year

EV(15%)

-$130
=D13*D4+E13*E4+F13*F4

At the 15% rate the EV of
the cash flow is negative:
Reject the investment
overall because of
negative expected value.

=NPV($D$2,F8:F10)+F7

หรืออาจคํานวณจาก

18.5 Staged Evaluation of
Alternatives Using a Decision Tree

18.5 Decision Trees
• บอยครั้งการวิเคราะหทางเศรษฐศาสตรจําเปนตองทําใน
ลักษณะ “staged decisions.”
• นั่นคือผล (outcome) ที่ไดจาก one stage มีผลตอ the
succeeding stage or next stage decision making.
• With appropriate software, one can evaluate and or
simulate complex decision trees.
– Palaside Corporation’s PrecisionTree Excel add-in.

A decision tree includes:





More than one stage of alternative selection
Selection of an alternative at one stage that leads to another stage
Expected results from a decision at each stage
Probability estimates for each outcome
Estimates of economic value (cost or revenue) for each outcome
Measure of worth as the selection criterion, such as E(PW)

18.5 Decision Tree Construction
• การเขียน Decision trees จะเริ่มจากซายไปขวา โดยมี
each possible decision and outcome
• สัญลักษณ สี่เหลี่ยม แทน decision node;
• Branches (กิ่ง) ทีอ่ อกมาจาก decision node แทน
ทางเลือกที่เปนไปไดในการตัดสินใจ (possible
alternatives)

18.5 Tree Logic Decision Node
• First, one makes a decision, then:
• Outcomes flow from that decision.
Decision node
Example Tree

D

Alternative 1

TRUE

1

0

0

FALSE

0

0

0

Decision
0
Alternative 2

Specimen output from Palaside Corp. PrecisionTree Excel add-in

18.5 Probability (chance) Node
• สัญลักษณ วงกลม แทน probability node with possible outcomes
and assigned probabilities.
Probability node
Example Tree

Outcome 1

75.0%
0

0.75
0

Chance
0
Outcome 2

25.0%
0

0.25
0

PrecisionTree Example: Note the assigned probabilities of 75%
and 25%. Assigned branch probabilities should sum to 1.00

18.5 More Complex Tree Design

-1 stage decision tree
- Alternatives: Lease or buy
-Outcomes: good, bad, fair, really bad market
response

Prob. must sum to 1

18.5 Utilizing Decision Trees
• การประยุกตใช decision-tree analysis:
– ตองมีความรูเกี่ยวกับปญหานั้นอยางถองแท
– การวาด decision ทําใหเกิดการแกปญหาอยางเปนระบบ
มากขึ้น!
– กําหนด decision points และ probability nodes
• Assign the perceived probabilities.

• คํานวณยอนหลัง (right to left), folding the analysis back to
the initial decision node.

18.5 EV (Decision)
• Given a properly constructed tree:
– Begin at the top right of the tree;
– Determine the PW value for each outcome branch
considering the time value of money;
– Calculate the expected value for each decision alternative
by applying:
E (decision) =

all outcomes

(outcome estimate)P(outcome)

for each decision alternative

18.5 EV of the tree…
• Continuing…
– At each decision node, select the best (max profit or min
cost) E(decision) value;
– Keep moving to the left until the first decision node is
reached recording the “best” EV from the preceding path.
– Trace the path through the tree that yields the best
outcome back at the D1 node.

ตัวอยางที่ 18.8 – Page 639
• A staged decision problem involves to either market or sell a new
invention.
• If the decision is to “market,” then:
– Go International, or
– Go National.
• If one sells, then the CFBT will be 9 million with 100% certainty.
• The values at the far right of the tree represent the PW of CFBT
for each path.

18.5 Example 18.8 Analysis

18.5 Example 18.8 Analysis
• Given the PW of CFBT out to the right of the each
terminal path,
• Calculate the E(each decision).
• Select the larger value at each decision node – number
inside of the
symbol.
• Keep working back to the D1 block.
• The max EV is “9,” indicating the “sell decision” is the
preferred choice.

18.5 Example 18-8 – Path That Max. EV
For Example 18-8, the preferred path is shown
below.
9
D1

9
Sell
1.0

9

Decision: Sell the new invention rather than Market –
higher EV with this decision!

18.5 Additional Notes
• Software exists that can aid in the construction and
analysis of decision trees.
• One such package is:
– Palisade’s PrecisionTree package;
– Add-in to Excel
• Build complex models and have automatic sensitivity
analysis and or risk analysis (simulation).

18.5 Final thoughts on Decision Trees
• Represent a powerful and graphical approach to
modeling engineering economy problems;
• Well suited for “staged” or “sequential” decisions.
• Remember, decision trees will not make automatic
decisions…
• The utility of the tool is only as good as the data
and the insights of the analyst.

สรุป
• บทนี้เกี่ยวของกับการวิเคราะหความไว (sensitivity)
ของการเปลี่ยนแปลงตัวแปรหนึ่งตัวขึ้นไปตอ
Economic worth.
• เมื่อมีการเปรียบเทียบระหวางสองทางเลือก ให
คํานวณ และสรางกราฟของคา Economic worth for
different values of the parameter จะสามารถชวยให
ตัดสินใจไดงายขึ้น

สรุป
• ถาตองการศึกษาถึงการเปลี่ยนแปลงของตัวแปร
หลายตัวในชวงที่กําหนด, ใหสรางกราฟระหวาง the
measure of worth โดยใชวิธี three estimates for a
parameter:
– Most likely,
– Pessimistic, and
– Optimistic.

สรุป
• The combination of parameter and probability
estimates results in the expected value relations
• E(X) = Σ(X)P(X)
• This expression is also used to calculate E(revenue),
E(cost), E(cash flow) E(PW), and E(i) for the entire
cash flow sequence of an alternative.
• A measure of central tendency.

Sign up to vote on this title
UsefulNot useful