感度分析とモデル検証の違いは何ですか？

感度分析とモデル検証（ここでは線形回帰検証のみ）の両方のウィキペディアページを読みましたが、これら2つの用語を分離する方法を見つけることができませんでした。

一つ目は学界や工学系で、二つ目は「データサイエンス」で使われている印象です。

私が目にする1つのオプションは、これらの用語の説明のレベルを変更することです。感度分析は、メソッドの高レベルの分岐を設計するための一般的な用語に似ており、モデルの検証はより具体的で、感度分析に含めることができます。

何か考えは？

私は、これら2つの概念の類似点よりも相違点に関心があります。

これは少し単純化しすぎですが、モデルの検証は一般に、現在のモデルが手元のデータにどれだけうまく適合しているかを示します。

感度分析は、そのモデルに基づいた結果が、新しい情報または仮定の変更を与えられた場合にどのように変化するかを 1つに伝えます。

たとえば、介入が結果に及ぼす影響を判断することを目的としたモデルを誰かが開発し、そのモデルが収集したデータの下で十分に検証できる（つまり、応答を予測するのに非常に優れているようです）。ただし、そのモデルは多くの仮定に基づいています。1つはすべての共変量が考慮されるというものです。感度分析では、特定のプロパティを持つこの新しい「架空の」変数が存在すると、モデルの結果がどの程度変化するかを知ることができます。

さらに、感度分析は、最も重要な入力パラメーターに対して適切な値（キャリブレーション）を選択することにより、モデルの有効性を高めるためのツールと見なすことができます。感度分析を使用し、入力パラメーター値を定義することにより、手元のモデルに信頼性を追加します。