Saltar al contenido principal

Estrategia

Evaluar modelos e incertidumbre

Evaluar por separado software, contabilidad, comparación histórica, corroboración externa, sensibilidad, incertidumbre y reproducibilidad.

La propuesta

Evaluar por separado software, contabilidad, datos históricos, corroboración externa, sensibilidad, incertidumbre y reproducibilidad; evitar reducirlos a un único juicio de «modelo validado».

Cómo leerla

Las fuentes identifican derechos, métodos, resultados o precedentes pertinentes. No demuestran automáticamente toda la formulación de World4Humans. Cuando el proyecto adopta una decisión propia, esa decisión permanece abierta a crítica y revisión.

Fuentes y literatura

Autoridad
Propuesta de World4Humans informada por precedentes externos.
Relación
Se reutilizan métodos o conceptos consolidados; la combinación a nivel de proyecto sigue siendo una propuesta diferenciada.

Publicaciones citadas

  • Oreskes et al., 1994

    Oreskes, N., Shrader-Frechette, K. & Belitz, K. (1994), “Verification, validation, and confirmation of numerical models in the Earth sciences,” Science 263:641–646. DOI 10.1126/science.263.5147.641. https://pubmed.ncbi.nlm.nih.gov/17747657

  • Pianosi et al., 2016

    Pianosi, F., Beven, K., Freer, J. et al. (2016), “Sensitivity analysis of environmental models: A systematic review with practical workflow,” Environmental Modelling & Software 79:214–232. DOI 10.1016/j.envsoft.2016.02.008. https://doi.org/10.1016/J.ENVSOFT.2016.02.008

  • Helton & Davis, 2003

    Helton, J.C. & Davis, F.J. (2003), “Latin hypercube sampling and the propagation of uncertainty in analyses of complex systems,” Reliability Engineering & System Safety 81:23–69. DOI 10.1016/S0951-8320(03)00058-9. https://www.sciencedirect.com/science/article/pii/S0951832003000589

  • Morris, 1991

    Morris, M.D. (1991), “Factorial Sampling Plans for Preliminary Computational Experiments,” Technometrics 33:161–174. DOI 10.1080/00401706.1991.10484804. https://www.stat.cmu.edu/technometrics/90-00/vol-33-02/v3302161.pdf

  • Mara & Tarantola, 2012

    Mara, T.A. & Tarantola, S. (2012), “Variance-based sensitivity indices for models with dependent inputs,” Reliability Engineering & System Safety 107:115–121. DOI 10.1016/j.ress.2011.08.008. https://www.sciencedirect.com/science/article/pii/S0951832011001724

  • Song et al., 2016

    Song, E., Nelson, B.L. & Staum, J. (2016), “Shapley Effects for Global Sensitivity Analysis: Theory and Computation,” SIAM/ASA Journal on Uncertainty Quantification 4:1060–1083. DOI 10.1137/15M1048070. https://users.iems.northwestern.edu/~nelsonb/Publications/SongNelsonStaum.pdf

  • Pianosi & Wagener, 2015

    Pianosi, F. & Wagener, T. (2015), “A simple and efficient method for global sensitivity analysis based on cumulative distribution functions,” Environmental Modelling & Software 67:1–11. DOI 10.1016/j.envsoft.2015.01.004. https://www.sciencedirect.com/science/article/pii/S1364815215000237

  • Kwakkel & Pruyt, 2013

    Kwakkel, J.H. & Pruyt, E. (2013), “Exploratory Modeling and Analysis, an approach for model-based foresight under deep uncertainty,” Technological Forecasting & Social Change 80:419–431. DOI 10.1016/j.techfore.2012.10.005. https://www.sciencedirect.com/science/article/pii/S0040162512002491

  • Kennedy & O’Hagan, 2001

    Kennedy, Marc & O’Hagan, Anthony (2001), “Bayesian Calibration of Computer Models.” JRSS B 63:425–464. DOI 10.1111/1467-9868.00294. https://doi.org/10.1111/1467-9868.00294

Ver las fuentes verificadas

Entradas relacionadas