identifioitavuus

Identifioitavuus (identifiability) on termi, jolla tarkoitetaan sitä, voiko mallin parametrit yksikäsitteisesti määrittää havaittavien data perusteella. Se on keskeinen käsite tilastotieteessä, järjestelmä- ja fysiikka-mallinnuksessa sekä biolääketieteellisissä sovelluksissa, joissa pyritään ymmärtämään järjestelmän toimintaa ja suorittamaan luotettavia ennusteita.

Mallien identifioitavuus jaetaan yleisesti kahteen pääkategoriaan. Rakenteellinen identifioitavuus tarkoittaa teoreettista ominaisuutta: ovatko parametrit periaatteessa määrättyjä, kun data olisi täydellistä ja mittausvirheitä ei olisi? Käytännön identifioitavuus taas koskee todellista, epätäydellistä ja meluisaa dataa: voiko parametreja arvioida luotettavasti nykyisellä datalla ja mitoituksella. Jälkimmäinen riippuu lisäksi kokeellista suunnittelusta, mittausten määrästä ja ajankohdista sekä havaintoihin sisältyvästä virheestä.

Identifioitavuuden arviointi ja parantaminen voivat hyödyntää sekä symbolisia että numeerisia menetelmiä. Symbolisissa menetelmissä käytetään esimerkiksi differensiaalialgebran ja tilansiirtojen analyysiä, kun taas numeeriset keinot kuten profiilikirjojen likeli-hood- eli profiliksiarviointi, Fisherin informaatiomatriisi tai Bayesin menetelmät voivat osoittaa, mitkä parametrit ovat epävarmoja tai korreloituneet. Parantamista voidaan hakea muuttamalla mittauspisteitä, lisäämällä eri tilojen tai ulkoisten syötöjen mittauksia sekä käyttämällä erilaisia mallin parametrien kiinnittymismuotoja.

Identifioitavuus on läheisesti yhteydessä observabiliteettiin ja estimointiin: se määrittelee, voivatko parametrit olla luotettavasti erotettavissa sekä mallit kukoikoisten että käytännön datoiden perusteella.