epävarmuusarvioihin

Epävarmuusarvioihin liittyy prosessi, jonka tavoitteena on ymmärtää ja kvantifioida epävarmuudet datassa, malleissa ja niiden tuloksissa sekä kommunikoida niiden vaikutus päätöksiin. Tavoitteena on tunnistaa epävarmuudesta johtuvat vaihtelut, määritellä niiden suuruus ja esittää tulokset siten, että niiden luotettavuus on mahdollisimman selvästi ymmärrettävissä.

Epävarmuus voidaan jakaa epistemiseen (tiedon puute, mallin rakenteen epävarmuudet) ja aleatoriseen (satunnaisuus). Mittaus- tai parametriin liittyvä epävarmuus sekä mallivirheet ovat tyypillisiä lähteitä. Epävarmuudet voivat olla riippuvaisia toisistaan, ja ne voivat vaikuttaa toisiinsa.

Yleisiä menetelmiä ovat herkkyysanalyysi, skenaariolaskenta, Monte Carlo -menetelmät, Bayesin menetelmät sekä bootstrapping. Epävarmuuden propagointi mallin läpi ja tulosten ilmaiseminen luottamusvälien tai todennäköisyysjakautumien muodossa ovat tavallisia tavoitteita. Prosessiin liittyy myös epävarmuuksien lähteiden ja oletusten läpinäkyvä raportointi sekä virhelähteiden arviointi.

Sovelluksia löytyy insinööri- ja ympäristötieteistä, ilmastomallinnuksesta, talousennusteista sekä riskinarvioinnista ja politiikan suunnittelusta. Tavoitteena on tukea päätöksentekoa sekä lisätä tulosten tilastollista kertomaa ja päätöksenteon riskeihin liittyvää ymmärrystä.

Haasteisiin kuuluu epävarmuuksien korrelaatio, ei-stationaarisuus, laskennallinen kustannus sekä väärinymmärrysten riski. Hyvä epävarmuusarviointi on läpinäkyvää, toistettavaa ja dokumentoitua, ja siinä kiinnitetään huomiota oletuksiin, menetelmiin ja rajoitteisiin.