複雜機率評估

複雜機率評估

機率評估多套用於複雜的評估系統,找出可能發生的潛在危害、估算其發生機率以及確定它們導致的後果。如在對真菌毒素的膳食暴露評估中,評估結果變異性主要來自食品中真菌毒素污染水平和不同人群消費水平的差異,可以用評估結果分布中特定個體百分位數來描述。由於暴露評估模型中每個參數自身均存在不確定性,需要對暴露評估結果分布的特定百分位數估計一個範圍區間以反映不確定性。

基本介紹

  • 中文名:複雜機率評估
  • 外文名:Complex Probability Assessment
  • 種類:簡單和複雜機率評估
  • 問題:參數的不確定性
  • 對策:估計一個範圍區間
  • 例子:蒙特卡羅模擬
機率評估,機率評估新方法,

機率評估

機率評估多套用於複雜的評估系統,找出可能發生的潛在危害、估算其發生機率以及確定它們導致的後果。如在對真菌毒素的膳食暴露評估中,評估結果變異性主要來自食品中真菌毒素污染水平和不同人群消費水平的差異,可以用評估結果分布中特定個體百分位數來描述。由於暴露評估模型中每個參數自身均存在不確定性,需要對暴露評估結果分布的特定百分位數估計一個範圍區間以反映不確定性(余健2010)。

機率評估新方法

蒙特卡羅(MonteCarlo)模擬和自助法(Bootstrap)抽樣是近年來套用於食品安全危害物質的暴露評估和風險評價研究中的新方法,相比較於點評估,機率評估食物消費量數據、污染物含量/濃度數據等各參數的變化性和不確定性分布進行描述,能夠有效克服點評估方法的局限性,使暴露評估結果更接近於現實、合理(FAOandWHO2006;王顏紅等2009)。
蒙特卡羅模擬因與著名的蒙特卡羅賭場輪盤賭相似而得名,其原理是基於隨機抽樣試驗,通過大規模重複抽樣,估計某事件出現的機率(Vose2008)。MonteCarlo是進行機率評估最常用的方法,能夠有效地分析量化暴露評估數據及結果的變異性 。
Bootstrap又稱自助法,基本原理是用已知的經驗分布代替未知的總體分布,通過對樣本進行放回隨機抽樣得到大量子樣本,再根據子樣本的觀測信息來推斷總體樣本的分布特徵。Bootstrap抽樣已被廣泛用來分析描述暴露評估結果的不確定性。該抽樣方法的創立者Efron認為200個以上的Bootstrap樣本能夠有效估計統計量的可信區間,但Cullen和Frey(1999)認為,如果計算P99.99等極端百分位數的可信區間應加大抽樣次數到500次。

相關詞條

熱門詞條

聯絡我們