不确定性产生的原因:信息不完全、来源不一致、表述不精确、内容具有变化性等,不确定性可以是某个量,某种结构等。
涉及到的概念:
1.概率的本质:概率就是一个理论上无限次的试验序列的属性,而不是单一事件的属性,在试验总体未知的情况下,或者没有充足的经验数据时,很难评估出概率,其主要适用于掷骰子这样的机会事件。
2.澄清事件:为了使一个有意义的概率分布可以被估计,事件或者数量必须良好设定的,所谓良好设定是指给定完全的信息,人们将同意某个事件是否发生。
3.参数灵敏性分析:通过检验输出的确定变化对不确定性量的影响。
4.定义的常量:不确定性很小的一些量,比如:一些物理常量,我们认为他们是确定的,因此为定义的常量。
5.决策变量:决策者可以直接控制的数量,也称为控制变量或者政策变量。决策变量根据定义没有真值,其值的确定依赖于决策者。
6.价值参数:代表了决策者以及其代表人群的偏好。价值参数不应该被认为经验数量;将价值参数的值用概率论来处理时否合适时存在争议的,一个观点认为当一个人对他的偏好不确定时,可以用概率不确定性来处理自身的价值参数,从而解决这一问题,然而,在偏好值不确定的情况下,更好的解决方式是改变你的价值参数系数。也就是重新分析来确定价值参数可能的变化范围,通过这种方式来获悉价值参数的变化能否导致我们感兴趣的结果变化,
参数方式处理价值参数,能够更加清楚的发现出价值参数的影响。而价值是否需要精炼也取决于是否对结果的显著性影响。
在决策过程中的数量涵盖了决策者活着其代表人群的价值和偏好,则为价值参数,如果仅仅是描述,建模的目的也是为了预测他们的反应,则为经验参数。表现为意向和观念的问题。
7.下标变量: