Usikkerhetsberegning

Usikkerhetsberegning er en systematisk prosess for å identifisere, kvantifisere og kombinere usikkerheter som påvirker måleverdier, beregninger eller modellprediksjoner. Hovedformålet er å gi et estimat av hvor pålitelig resultatet er og å angi konfidensnivåer eller grenseverdier for utfallet.

Kjernen i usikkerhetsberegning er å kartlegge kilder til usikkerhet, for eksempel instrumentfeil, miljøforhold, modellantagelser og parameterusikkerhet. Deretter fastsettes sannsynlighetsfordelinger for input og metoder for å kombinere disse usikringene. Vanlige metoder inkluderer feilpropagering (lineær propagasjon av usikkerhet) og Monte Carlo-simulering, mens enklere tilnærminger kan benytte konvensjonelle grenser eller standardavvik. I praksis kan også bayesianske tilnærminger brukes for å oppdatere usikkerheten når ny informasjon blir tilgjengelig.

Feilpropagering beregner hvordan små endringer i input påvirker output, ved å kombinere bidrag fra hver kilde av usikkerhet gjennom deriverte eller korrelerte termer. Monte Carlo-simulering gjør mange repetisjoner ved å trekke prøver fra inputfordelinger og observere fordelingen av resultatet. Valg av metode avhenger av kompleksiteten i modellen, avhengighetsstrukturen mellom input og krav til nøyaktighet.

Resultatet presenteres ofte som konfidensintervall, standardavvik eller detaljerte sannsynlighetsfordelinger, og brukes i vitenskapelig publisering, kvalitetskontroll og beslutningsstøtte. Begrensninger inkluderer avhengighet av antagelser om fordeling og uavhengighet, beregningskostnader og utfordringer ved å skille tilfeldige fra systematiske usikkerheter.

Eksempelvis kan usikkerheten i en lengdemåling kombineres fra måleinstrumentets minsteavvik, kalibreringsfeil og temperaturvarians for å gi et samlet nivå av presisjon.