parameterosäkerhet

Parameterosäkerhet avser osäkerhet i de numeriska värdena på parametrar som används i matematiska eller statistiska modeller. Den uppstår när parametrar inte kan bestämmas exakt, till exempel på grund av begränsade data, mätfel, modellantaganden eller strukturproblem som icke‑identifierbarhet. Parameterosäkerhet påverkar modellens prediktioner, inferens och beslutsunderlag.

I statistik och maskininlärning hanteras parameterosäkerhet genom uppskattning och kvantifiering: punktskattningar kompletteras med konfidensintervall, profil-likelihood, bootstrap eller bayesianska posteriorfördelningar som uttrycker osäkerheten. Inom ingenjörsvetenskap och kontrollteori beaktas osäkerheten vid utformning av robusta system, med metoder som H-infinity‑kontroll, adaptiv styrning och worst-case‑analys. Sensitivitetsanalys och osäkerhetspropagering (t.ex. Monte Carlo) används för att bedöma hur variationer i parametrar påverkar resultat.

Skillnaden mellan epistemisk osäkerhet (kunskapsbrist) och stokastisk variabilitet är viktig: parameterosäkerhet är ofta epistemisk och kan minskas genom fler mätningar eller förbättrade modeller. Om den inte hanteras kan den leda till överoptimistiska prognoser, felaktiga slutsatser och dåliga beslut. Tydlig kommunikation av parameterosäkerhet via intervalldata, scenarier eller känslighetsrapporter är därför central i tillämpningar från klimatmodellering till riskbedömning och produktdesign.