Onzekerheidsanalyses

Onzekerheidsanalyses is een verzamelnaam voor systematische procedures om onzekerheden in de outputs van modellen te karakteriseren en te kwantificeren. Doel is om de betrouwbaarheid van voorspellingen of beslissingen te communiceren en om gebieden te identificeren waar verbetering nodig is.

Onzekerheid kan voortkomen uit twee hoofdtypen: aleatorische onzekerheid (variabiliteit die inherent is aan het systeem) en epistemische onzekerheid (gebrek aan kennis of beperkingen in het model). Beide typen kunnen worden meegenomen in een onzekerheidsanalyse.

Veelgebruikte benaderingen: Monte Carlo simulatie met aannemelijke probabilistische verdelingen voor inputvariabelen; probabilistische modellering; scenario- en stressanalyses; Bayesian methoden; bootstrapping. In de praktijk worden eerst relevante onzekerheden geïdentificeerd, verdelingen gekozen, en vervolgens simulaties uitgevoerd om uitschieters en betrouwbaarheidsintervallen voor outputs te verkrijgen.

Proces en presentatie: definieer het model, verzamel data, stel verdelingen vast, voer simulaties uit, rapporteer resultaten met onzekerheidsbanden, zoals betrouwbaarheidsintervallen, en voer gevoeligheidsanalyses uit om de invloed van elke parameter te begrijpen.

Toepassingsgebied en overwegingen: in engineering, milieu, financiën, gezondheid en risicobeoordeling. Ze vergroten transparantie maar vergen kwalitatieve input en transparantie over aannames; complexiteit en rekenkracht; onzekerheid in het model zelf (structurele onzekerheid) kan lastig kwantificeren.