为了帮您判断是否做了敏感性测试,请您补充以下任一信息：
- 粘贴代码/案例内容（或关键部分）
- 说明案例背景（比如是金融模型、机器学习、优化问题还是仿真实验）
- 指出您关心的“敏感性”类型（参数敏感性、输入扰动、模型稳健性等）
一般判断标准（供参考）
判断一个Python案例是否做了敏感性测试,通常看是否包含以下特征：
| 特征 | 说明 |
|---|---|
| 参数扫描 | 对关键参数取多个值（如 for alpha in [0.1, 0.5, 1.0]）并比较结果 |
| 扰动分析 | 对输入数据加噪声（如 np.random.normal）观察输出变化 |
| 情景对比 | 设置基准/乐观/悲观情景并对比 |
| 可视化 | 绘制敏感性曲线（如龙卷风图、蜘蛛图、热力图） |
| 指标量化 | 计算弹性系数、方差贡献、Sobol指数等 |
| 专用库 | 使用 SALib、scipy.stats、sensitivity 等工具 |
请把案例发给我,我可以帮您逐行分析是否覆盖了敏感性测试，并指出可改进之处。
