模型預(yù)測(cè)中的不確定性來自多個(gè)方面，包括問題的特點(diǎn)、概念的形成和計(jì)算模型、有關(guān)數(shù)據(jù)的估計(jì)以及結(jié)果的計(jì)算、解釋和記錄。只有有關(guān)數(shù)據(jù)的估計(jì)所產(chǎn)生的不確定性能夠用變差擴(kuò)大方法加以量化。根據(jù)專家意見，可用決定樹和事件樹方法評(píng)估由于模型特征錯(cuò)誤描述而產(chǎn)生的不確定性。在某些情況下，用數(shù)據(jù)的二次分析方法可以解決模型特征誤差問題。
1.1模型的本質(zhì)
因?yàn)閬碜允称坊瘜W(xué)的或微生物的風(fēng)險(xiǎn)強(qiáng)度難以測(cè)定，對(duì)結(jié)果的估計(jì)往往采用模型或歷史資料。暴露-作用模型包括極簡(jiǎn)單的“大拇指規(guī)則”模型到復(fù)雜的隨機(jī)模型。各類模型的可靠程度取決于各項(xiàng)結(jié)果數(shù)據(jù)的精確度以及模型所代表相關(guān)生物、化學(xué)和物理過程的正確性。不確定性分析可用來評(píng)估模型的可靠程度和數(shù)據(jù)精確度對(duì)模型預(yù)測(cè)能力的影響程度。
1.2模型不確定度的確定方法
在適當(dāng)?shù)膱?chǎng)景或模型存在不確定性時(shí)，可用一些方法來評(píng)估其他模型對(duì)預(yù)測(cè)結(jié)果的影響。諸如概率樹、事件樹以及錯(cuò)誤樹等方法可用于推導(dǎo)多元事件導(dǎo)致符合研究目標(biāo)的結(jié)果。事件樹始于某些啟動(dòng)的事件，包含了所有可能的結(jié)果。每個(gè)事件的概率可以用概率分布圖表示。這種方法的優(yōu)點(diǎn)是直觀地表示所有可能的場(chǎng)景和使用概率分布對(duì)有關(guān)的證據(jù)進(jìn)行解釋。
1.3輸入變異性的判斷和傳播方法
描述風(fēng)險(xiǎn)的不確定性包括計(jì)算算術(shù)平均數(shù)、算術(shù)或幾何標(biāo)準(zhǔn)差以及風(fēng)險(xiǎn)的高、低百分位數(shù)。表示此類資料的簡(jiǎn)便工具是概率密度函數(shù)或者風(fēng)險(xiǎn)的累積分布函數(shù)。只有當(dāng)用于估計(jì)風(fēng)險(xiǎn)的導(dǎo)入變量本身具有有意義的概率分布時(shí)，才能得到風(fēng)險(xiǎn)概率密度函數(shù)或者累積密度函數(shù)。不確定性分析中可分為五步：
（1） 確定在預(yù)測(cè)模型中產(chǎn)生不確定性的導(dǎo)入?yún)?shù)；
（2） 建立概率密度函數(shù)來確定每個(gè)結(jié)果參數(shù)的取值范圍；
（3） 考慮導(dǎo)入?yún)?shù)之間的相關(guān)性；
（4） 用模型來擴(kuò)大不確定性，以產(chǎn)生結(jié)果數(shù)值的概率密度函數(shù)；
（5） 從結(jié)果變量的預(yù)測(cè)值的概率密度函數(shù)產(chǎn)生可信限和可信區(qū)間。
使用變異擴(kuò)大方法估算模型中參數(shù)結(jié)果偏差和模型預(yù)測(cè)偏差的關(guān)系。精確分析法、近似分析法和統(tǒng)計(jì)模擬法可用于擴(kuò)大差異。