不确定性

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：描述时间和空间领域的一个位置或单元，或者用来描述一组元素中的一个，其不确定性没有意义。

8.模型范围参数：通过表示下标变量的范围和增量来表述模型系统的范围和领域。 
分析的范围和具体程度的有限才能产生近似的不确定性，他限制了表示的精确性和计算的复杂性。参数灵敏范围为模型建立提供了模型范围参数的有效选择。

9.状态变量：是一些变量的最小子集中的元素，对于动态模型很重。其确定和不确定取决于输入参数的表示方法；

10.结果标准：哪些排列和测量可能结果的满意度。

 经验数量不确定性的来源 

统计变异；主观判断；语言不精确；变异性；固有的随机性；不一致性和近似

系统误差：研究数量的真实值域测量平均值随着测量次数增多的极限值之间的差异；

随机性：如果不知道任何可以估算其变化性的原型或者模型，那么久将这个数量看作是随机的；

模型形式的不确定性：模型本身的形式或者结构也具有不确定性；或者也可以说，任何一个模型都是错误的。近似的结果，也不肯能完全准确；

利用一个综合模型来集成所有模型，将其不确定性转化为参数价值的不确定性，经验数量的不确定性等