Bayes-Methoden und quantitative Risikobewertung
2013
Greiner, M.
德语. Quantitative Risikobewertungen (QRB) zielen auf die Schätzung eines definierten populationsbezogenen Effekts durch die Exposition mit einem potenziell gefährlichen Agens ab. Die Modellparameter einer QRB beruhen auf empirischen Daten aus verschiedenen Informationsquellen und mitunter auf subjektiven Expertenmeinungen. In diesem Vortrag werden Gemeinsamkeiten und Unterschiede zwischen Bayes-Modellen in der schließenden Statistik und der Verwendung von Bayesianischen Ansätzen in der QRB aufgezeigt. Die Verwendung von Bayesianischen Ansätzen in der Risikobewertung erleichtert den Umgang mit statistischen Unsicherheiten insbesondere in Bezug auf nicht-lineare Ziel-Funktionen und bei Korrelationen zwischen den Modellparametern. „Konventionelle“ probabilistische QRB, die auf stochastischen Simulationen beruhen (z.B. implementiert durch die @RISK Software) haben die Begrenzung, dass keine Rückkopplungen von Informationen in einem Szenariopfad möglich sind. Beispielsweise können aus den Ergebnissen einer Prävalenz-Studie keine zusätzlichen Informationen über die diagnostische Güte des verwendeten Tests gewonnen werden. Bayes-Modelle innerhalb einer QRB erlauben eine solche Integration von Information und sind daher praktisch von Vorteil. Schließlich wird aufgezeigt, dass die „Bayesianische“ Interpretation der Ergebnisse einer probabilistischen QRB vorteilhaft ist, um die Belastbarkeit der Schlussfolgerungen unter den gegebenen Unsicherheiten zu charakterisieren.
显示更多 [+] 显示较少 [-]