Книга "Моделирование при риске и неопределенности. Введение в статистические, феноменологические и вычислительные методы" посвящена использованию моделей в промышленности, экологии, экономике, биомедицине и гражданском строительстве. Автор книги задает несколько вопросов, связанных с использованием моделей для принятия решений: насколько неопределенна моя модель? Действительно ли она ценна для поддержки принятия решений? Какой вид решения может быть поддержан и как я могу обработать остаточную неопределенность? Как детально должно быть описано математическое описание, учитывая ограничения реальных данных? Может ли неопределенность быть уменьшена через больше данных, увеличенные вложения в моделирование или вычислительные бюджеты? Следует ли ее уменьшать сейчас или позже? Насколько надежен анализ или вычислительные методы, используемые в модели? Следует ли/можно ли сделать эти методы более надежными? Имеет ли смысл обрабатывать неопределенность, риск, нехватку знаний, изменчивость или ошибки вместе? Насколько разумным является выбор вероятностной модели для редких событий? Насколько редкими должны быть события, которые нужно учитывать? Насколько далеко можно зайти в обработке экстремальных событий и разработке надежных показателей уверенности? Можно ли воспользоваться экспертными/феноменологическими знаниями, чтобы уточнить вероятностные показатели? Есть ли смежные области, которые могут предоставить модели или вдохновение для моей проблемы?
Автор книги, имеющий многолетний многодисциплинарный опыт в промышленности, науке и инженерии, представляет самостоятельное введение в методы, используемые при разработке моделей любого типа, учитывая неизбежную неопределенность и связанные с ней риски. Книга выходит за рамки "черного ящика", который некоторые аналитики, моделисты, эксперты по риску или статистики развивают в отношении основной феноменологии экологических или промышленных процессов, не оценивая достаточно их физические свойства и внутренний потенциал для моделирования или не проверяя практическую правдоподобность математических гипотез. Наоборот, книга также призвана привлечь моделистов в области экологии или инженерии для лучшей обработки вопросов уверенности модели через более тонкий статистический и рисковый анализ, используя преимущества современных научных вычислений, чтобы столкнуться с новыми нормами, отходящими от детерминистического проектирования или поддержки надежного принятия решений.
Книга "Моделирование при риске и неопределенности. Введение в статистические, феноменологические и вычислительные методы" рассматривает вопросы, связанные с использованием моделей для принятия решений в сложных системах. Она дает новые идеи по математическим и вычислительным вызовам, возникающим в современных анализах промышленной безопасности или контроля за окружающей средой для редких событий. Книга реализует выборы теории принятия решений, дифференцируя или агрегируя измерения риска/случайной и эпистемической неопределенности через последовательный многодисциплинарный набор статистических оценок, физических моделей, надежных вычислений и рискового анализа. Она также предлагает оригинальный обзор продвинутых обратных вероятностных подходов для определения модели, калибровки или ассимиляции данных, что является ключом для обработки быстро растущего многомерного сбора данных. Книга иллюстрирована примерами из естественных рисков, инженерии и экономики, что облегчает чтение и понимание. Она поддерживает курсы магистратуры/аспирантуры, а также продвинутые учебные пособия для профессиональной подготовки. Аналитики и исследователи в области численного моделирования, прикладной статистики, научных вычислений, надежности, продвинутой инженерии, естественных рисков или экологических наук получат пользу от этой книги.
Эта книга посвящена некоторым ключевым вопросам расчетного моделирования. Она написана автором, профессионалом сразу нескольких областей - бизнеса, права и инженерии, а еще она основана на многолетнем опыте работы в разных научных дисциплинах. В этой книге автор углубляется в методы решения вопросов вариантного моделирования, и показывает все подводные камни связанные с оценкой неопределенности и вытекающих из нее рисков.
Электронная Книга «Modelling Under Risk and Uncertainty. An Introduction to Statistical, Phenomenological and Computational Methods» написана автором Etienne Rocquigny de в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119969501
Описание книги от Etienne Rocquigny de
Modelling has permeated virtually all areas of industrial, environmental, economic, bio-medical or civil engineering: yet the use of models for decision-making raises a number of issues to which this book is dedicated: How uncertain is my model ? Is it truly valuable to support decision-making ? What kind of decision can be truly supported and how can I handle residual uncertainty ? How much refined should the mathematical description be, given the true data limitations ? Could the uncertainty be reduced through more data, increased modeling investment or computational budget ? Should it be reduced now or later ? How robust is the analysis or the computational methods involved ? Should / could those methods be more robust ? Does it make sense to handle uncertainty, risk, lack of knowledge, variability or errors altogether ? How reasonable is the choice of probabilistic modeling for rare events ? How rare are the events to be considered ? How far does it make sense to handle extreme events and elaborate confidence figures ? Can I take advantage of expert / phenomenological knowledge to tighten the probabilistic figures ? Are there connex domains that could provide models or inspiration for my problem ? Written by a leader at the crossroads of industry, academia and engineering, and based on decades of multi-disciplinary field experience, Modelling Under Risk and Uncertainty gives a self-consistent introduction to the methods involved by any type of modeling development acknowledging the inevitable uncertainty and associated risks. It goes beyond the “black-box” view that some analysts, modelers, risk experts or statisticians develop on the underlying phenomenology of the environmental or industrial processes, without valuing enough their physical properties and inner modelling potential nor challenging the practical plausibility of mathematical hypotheses; conversely it is also to attract environmental or engineering modellers to better handle model confidence issues through finer statistical and risk analysis material taking advantage of advanced scientific computing, to face new regulations departing from deterministic design or support robust decision-making. Modelling Under Risk and Uncertainty: Addresses a concern of growing interest for large industries, environmentalists or analysts: robust modeling for decision-making in complex systems. Gives new insights into the peculiar mathematical and computational challenges generated by recent industrial safety or environmental control analysis for rare events. Implements decision theory choices differentiating or aggregating the dimensions of risk/aleatory and epistemic uncertainty through a consistent multi-disciplinary set of statistical estimation, physical modelling, robust computation and risk analysis. Provides an original review of the advanced inverse probabilistic approaches for model identification, calibration or data assimilation, key to digest fast-growing multi-physical data acquisition. Illustrated with one favourite pedagogical example crossing natural risk, engineering and economics, developed throughout the book to facilitate the reading and understanding. Supports Master/PhD-level course as well as advanced tutorials for professional training Analysts and researchers in numerical modeling, applied statistics, scientific computing, reliability, advanced engineering, natural risk or environmental science will benefit from this book.
