方法1的细节方程趋势的不确定性
以下步骤展示了如何使用类型A和B敏感性计算趋势的不确定性(参见3.2.3.1节)。
1)方法评估水平的不确定性Y假定年类别和气体是不相关的,或聚合,直到聚合类别可以被视为不相关的。
2)趋势的不确定性在全国总排放量(列的数量在米)估计为:
UT的位置的不确定性趋势在全国总排放量和U,由类别,不确定性引入UT和天然气。
3)我们将
Ui UEi哪里引入Ui的不确定性与排放相关的不确定性因素的类别和天然气,并可用引入你的不确定性与活动相关的不确定性数据的类别和天然气。
4)我们从列E和F的不确定性相关活动数据和排放因素类别的我和天然气百分比,但是我们还不知道这些不确定性影响总排放量的趋势,这正是我们需要UEi和可用。对于这个我们写
人工智能是一个敏感性与类别相关的我和天然气,和uei列的百分比与排放相关的不确定性因素F, Bt是B型灵敏度与类别相关的我和天然气,并可用百分比与活动相关的不确定性数据列e . A型和B型敏感性分别相关的弹性的百分比差异self-correlated基准年和年之间的Y,和一个不相关的,总排放量的比例变化。这个假设的方法允许倒,或排放因子和活动数据self-correlated年之间,或无论是self-correlated。
5)A型和B型敏感性计算公式对这一趋势的总结在类别和气体在基准年和年Y V2引入的额外的因素,因为一个不相关的不确定性可能会影响今年基准年或Y当前配方假定B敏感,年排放Y型不太不同的基地;如果不这样我们会介绍单独考虑基准年和年Y的不相关的不确定性,而不是使用V2的因素。
派生类型的灵敏度
这一趋势可以写成(假设1990是一个基准年):
f (N N
2 ei, y 2 ei, 1990 i = 1 _i = 1 _
如果我和天然气的类别是在增加了1%(符合假设类型敏感捕捉年)之间的效应相关的不确定性的趋势就变成:
2 ei, y + 001 ei, y -我2 ei, 1990 + 001 ei, 1990
和敏感性Ai就变成:
2 ei, y + 001 ei, y - 2 ei, 1990 + 001 ei, 1990
2 ei, 1990 + 0-01 ei, 1990 i = 1
f (N N
2 ei, y - 2 ei, 1990
这是一样的输入灵敏度的表达式给出GPG2000注B 6.18页。B型的敏感性
B型敏感性我们假设我和天然气的类别是在年仅增加了1%。在这种情况下,这一趋势就变成:
E ei y + 001 ei, y - E, 1990
所以敏感性Bt就变成:
y 1990
E ei, y - E ei, 1990 i = l_i = l_
所有条款之间的分子消掉括号除了0.01 e,这成为e, y乘以100。所以B的表达式,简化了y列J GPG2000 6.16页。
N的顶部的表达式
3.7.3处理大的和不对称的不确定性方法1的结果
本节提供指导如何正确的偏见很大的估计不确定性的方法1和范围的不确定性转化为不对称的95%概率范围基于对数正态分布。
调整的不确定性估计大不确定性:方法1产生的近似误差传播方法估计的不确定性范围(U),一半的意思,表示为一个百分比相对于库存的结果。随着总库存不确定性的不确定性变得更大,误差传播的方法系统地低估了不确定性,除非模型是纯粹的添加剂。然而,大多数的库存估计基于条件的总和,其中每个是一个产品(如排放因素和活动数据)。这种乘法的误差传播的方法是不准确的。实证研究的结果表明,在某些情况下不确定性估计使用方法1可以被低估;分析师可以使用校正因子,例如,提议在弗雷(2003)。弗雷(2003)的性能评估的不确定性相结合的分析方法相比,蒙特卡罗模拟与大样本大小对许多案件不同范围的不确定性为添加剂,乘法和除法模型。误差传播和蒙特卡罗模拟的估计不确定性模型的半幅输出同意对价值观的不到100%。作为总库存的不确定性上升到更高的水平,有一个系统的低估总库存的不确定性误差传播的方法。模拟和估计误差传播之间的关系被发现很乖的。 Thus, a correction factor was developed from the comparison that is applicable if U for the total inventory uncertainty is large (e.g., greater than 100 percent) and is given by:
方程3.3校正因子不确定性半
注意:如果你使用> 100%,如果模型包含乘法或除法条款不一定可靠U > 230%为模型,纯粹是没有必要的添加剂。
地点:
U = /范围的不确定性估计误差传播,以百分比为单位
Fc =校正因子方差分析估计,无因次纠正比未调整的不确定性
经验为基础的校正因子产生值从1.06到1.69 U从100%到230%不等。校正系数是用于开发一个新的、纠正,估计总库存的不确定性半,Ucorrected,进而用于开发置信区间。
方程3.4纠正不确定性半
地点:
Ucorrected =纠正' / 2-range从误差传播的不确定性估计,在单位%
错误分析的估计方差通常是小的不确定性half-ranges (U)小于约100%。如果申请校正系数U值> 100%到230%,典型的U的估计误差预计将在大多数情况下在正负10%。校正因子也不一定是更大的不确定性,因为它是可靠的校准范围的10%到230%。
不对称的置信区间的计算大不确定性:为了计算置信区间为模型输出只基于均值和半不确定性,必须假定一个分布。模型,纯粹是添加剂,一半的不确定性的范围小于约50%,正态分布通常是一个精确的假设模型的形式输出。在这种情况下,对称的不确定性范围就意味着可以认为。乘法模型,或者当一个变量的不确定性很大,必须是非负数,对数正态分布通常是一个精确的假设模型的形式输出。在这种情况下,不确定性范围不对称的意思是,即使总库存可能正确估计的方差方法1。在这里,我们提供了一个实用的近似计算方法,不对称的不确定性范围基于误差传播的结果,基于方法由弗雷(2003)。95%置信区间的一个关键特性是它们近似对称的小范围的不确定性和积极倾斜大范围的不确定性。后者的结果是一个非负变量所必需的。
对数正态分布的参数可以定义在几个方面,如用几何平均数和几何标准差。几何平均数可以估计基于算术平均和算术标准差:
地点:
| g =几何平均数我=算术平均值的几何标准差:
地点:
CTg =几何标准差
置信区间可以估计基于几何平均数、几何标准差和标准正态分布的逆累积概率分布(对数变换):
地点:
Uiow ^ =低范围的不确定性估计误差传播,在单位%。
Uhigh =上画眉山庄的不确定性估计误差传播,在单位%。
为了说明使用这些方程,考虑一个例子。假设平均是1.0,画眉山庄的不确定性估计从误差传播是100%。在这种情况下,几何平均是0.89和几何标准差是1.60。95%的概率范围的比例相对于的意思是区间Uiow Uhigh方程3.7。在这个例子中,结果是-65% + 126%。相反,如果一个正态分布作为不确定性估计的基础,将估计范围约±100%,会有大约百分之二的概率获得负值。图3.9展示了的敏感性低,95%概率范围的上界,第2.5和第97.5百分位数,分别计算假设基于估计的不确定性半对数正态分布的误差传播的方法。不确定性范围大约是对称相对于均值的一个不确定性半大约10到20%。不确定性半,U,变得很大,95%的不确定性范围如图3.9变得庞大而不对称。举个例子,如果你是73%,那么估计的概率大约是-50% + 100%,或两倍。
图3.9不对称的估计范围的不确定性对算术平均假设基于不确定性半对数正态分布计算的传播误差的方法
图3.9不对称的估计范围的不确定性对算术平均假设基于不确定性半对数正态分布计算的传播误差的方法
100 150
不确定性半(%)
100 150
不确定性半(%)
继续阅读:方法论的方法来识别关键类别
这篇文章有用吗?