¿Cuál es la diferencia entre el análisis de sensibilidad y la validación del modelo?

Leí las dos páginas de wikipedia sobre análisis de sensibilidad y validación de modelos (aquí, solo validación de regresión lineal) pero no logro encontrar una manera de separar estos dos términos.

Tengo la impresión de que el primero se usa más en la academia y la ingeniería en general y el segundo en "ciencia de datos".

Una opción que veo es modificar el nivel de descripción de estos términos: el análisis de sensibilidad es más como un término general para diseñar una rama de métodos de alto nivel, y la validación del modelo puede ser más específica e incluirse en el análisis de sensibilidad.

¿Cualquier pensamiento?

Estoy más interesado en la diferencia que en las similitudes entre estas dos nociones.

Esto es una simplificación excesiva, pero la validación del modelo generalmente le dice a uno sobre qué tan bien el modelo actual se ajusta a los datos disponibles.

Los análisis de sensibilidad le indican a uno la probabilidad de que sus resultados basados ​​en ese modelo cambien dada nueva información o cambios en sus suposiciones.

Por ejemplo, alguien podría desarrollar un modelo destinado a determinar el impacto que tiene una intervención en un resultado, y ese modelo podría validarse bien con sus datos recopilados (es decir, parece muy bueno para predecir la respuesta). Sin embargo, ese modelo se basa en una serie de suposiciones, una de ellas es que se tienen en cuenta todas las covariables. Un análisis de sensibilidad podría decirle a uno cuánto cambiarían los resultados de su modelo si existiera esta nueva variable "imaginaria", con ciertas propiedades.

Además, el análisis de sensibilidad se puede considerar como una herramienta para mejorar la validez del modelo al elegir los valores adecuados (calibración) para los parámetros de entrada más críticos. Al utilizar el análisis de sensibilidad y definir los valores de los parámetros de entrada, agregamos más credibilidad al modelo en cuestión.