Skip to content

GCRI · Labs

Cuantificación de la incertidumbre en los laboratorios

Uncertainty quantification asks how much confidence a result deserves, given measurement error, model structure, parameter choices and the conditions of the test. In laboratories and testbeds it connects a single experiment to a claim about performance in use, and it shows where a readiness or reproducibility claim is fragile.

02Solicitud

Qué aporta aquí la cuantificación de la incertidumbre y la validación de modelos.

Uncertainty quantification and model validation characterise how uncertainty in inputs, parameters and model structure affects predictions. They establish how much confidence a model’s outputs deserve. In research and evidence, methods and modelling and innovation, uncertainty quantification shows where risk estimates are robust and where they are fragile. It guides where better data or models would change decisions. The canonical description is on the STEM Commons.

Measurement uncertainty budgets

Each source of error in an instrument chain is estimated and combined following the Guide to the Expression of Uncertainty in Measurement, so results from different laboratories can be compared on a common basis.

Sensitivity analysis of simulation models

Inputs are varied systematically to find which drive the output range, so validation effort and further testing go where they would change a conclusion.

Validation against independent experiments

Model predictions are compared with experiments not used in calibration, with agreement metrics and the domain of validity stated before the model is used for design.

03Seguimiento

Análisis de incertidumbre.

La pantalla que utilizaría un equipo para seguir este método: sus mediciones, estados y decisiones. Los nombres son ejemplos y los valores son ilustrativos.

Análisis de incertidumbre

Labs · Uncertainty quantification · Run R-1480

Sensitivity rankedGCRI · Labs

Sensibilidad de orden total

Distribución de los resultados

Entradas

Protocolos registradosUniformeprotocols, statedElicitación de expertos
Estudios con preregistroLognormal of studies, statedElicitación de expertos
Replicaciones intentadasUniformeestudios, según lo declaradoElicitación de expertos
Resultados negativos publicadosUniformeartículos, declaradosElicitación de expertos
Uncertainty analysis: the screen’s structure, terms and states for Labs.Example names and illustrative values; a design, not a record or a live system.
04Datos

Lo que consume el método.

Conjuntos de datos y registros que utilizan la cuantificación de la incertidumbre y la validación de modelos en esta plataforma, con la función de cada uno y la etiqueta que llevan sus valores. Las fuentes figuran en el registro de fuentes.

DatosFunciónEtiqueta
Calibration certificatesIncertidumbre del instrumentoEstadísticas publicadas
Inter-laboratory comparison resultsReproducibilidad entre laboratoriosOBSERVADO
Conjuntos de modelosDispersión estructural y de parámetrosMODELADO
Protocolos estructurados de Elicitación de expertosRangos donde no existen datosESTIMADO
05Métodos y evidencia

Cómo se modela, se mide y se prueba la cuantificación de la incertidumbre en los laboratorios.

El modelo, sus supuestos, sus datos y su incertidumbre, en la forma en que un científico o un ingeniero los comprobaría. Las estructuras siguen métodos publicados. Los valores representados son ilustrativos, no hallazgos.

Modelo, ecuaciones y supuestos

The model structure used for uncertainty quantification in laboratories, the assumptions it makes and how each is tested.

Riesgo del elemento iRi = f(Hi, Ei, Vi, Ci)amenaza, exposición, vulnerabilidad y capacidad de afrontamiento
Pérdida anual esperadaEAL = ∑k pk · Lkover events k with annual probability pk
Sistemas acopladosxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
SupuestoPor qué se haceCómo se prueba
La amenaza y la exposición son independientes dentro de un eventoMantiene manejable la integral de pérdidasComparar con un ajuste de cópula sobre registros conjuntos
Los acoplamientos son lineales cerca del punto de operaciónPermite que las perturbaciones se propaguen a través de APerturbar más allá del rango lineal y comparar
Las curvas de vulnerabilidad se transfieren entre lugaresLas curvas locales rara vez están disponiblesValidar frente a las pérdidas observadas cuando existan
Entradas
conjuntos de datos versionados con procedencia
Resultados
distribuciones, nunca cifras únicas
Código
publicado con la ficha de modelo y las pruebas
Reproducción
mismos datos, código, entorno y semilla
Formulaciones estándar de riesgo y de espacio de estados; los supuestos enumerados son los típicos del método, expuestos para su revisión, no resultados.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Validación

Cómo se verifican los resultados.

Las distribuciones predictivas se contrastan en cuanto a calibración y nitidez con observaciones reservadas. La verificación confirma que el código resuelve las ecuaciones previstas.

VerificaciónCómo se hace
Code verificationSolvers are tested against problems with known solutions before validation begins
Validación fuera de muestraPredictions are scored on data withheld from calibration
Cobertura del intervaloSe comprueba que los intervalos indicados contienen los resultados con su frecuencia nominal
Dominio de validezUse outside the tested conditions is flagged, not extrapolated silently

La incertidumbre estructural y los factores desconocidos son difíciles de representar. El coste computacional limita la exploración de modelos de alta dimensión.

07Proceso

Cómo funciona el proceso.

Process explorer · Process

Uncertainty quantification in laboratories: Hazard, exposure, vulnerability

10 steps4 stages

Proceso

Uncertainty quantification in laboratories: Hazard, exposure, vulnerability

In IPCC AR6 Working Group II, climate risk results from interactions between hazards and a system’s exposure and vulnerability, and responses can add risk.

  1. 01 Factores impulsores

    1. 01HazardDataset · Principal investigatorThe potential occurrence of a natural or human-induced physical event or trend that may harm people, property, services or ecosystems.
    2. 02ExposureDataset · Principal investigatorThe presence of people, livelihoods, species, ecosystems, infrastructure or assets in places and settings that could be adversely affected.
    3. 03SensitivityDataset · Principal investigatorThe degree to which a system or species is affected, either adversely or beneficially, by climate variability or change.
    4. 04Capacity to cope and adaptDataset · Principal investigatorThe ability of systems, institutions, humans and other organisms to adjust to damage, take opportunities or respond to consequences.
  2. 02 Evaluación

    1. 05Risk from responsesComponent · Principal investigatorRisks from climate responses arise when responses miss their objectives, or from trade-offs or negative side effects.
    2. 06VulnerabilityComponent · Principal investigatorThe propensity or predisposition to be adversely affected. It includes sensitivity to harm and lack of capacity to cope and adapt.
    3. 07RiskModel · LabsRisk results from dynamic interactions between hazards and the system’s exposure and vulnerability. Each may be uncertain and change.
  3. 03 Respuesta

    1. 08Gestión de riesgos y respuestaPaso · Investigador principalLa gestión del riesgo consiste en planes, acciones, estrategias o políticas que reducen la probabilidad o la magnitud de las consecuencias adversas.
    2. 09Residual riskRecord · Principal investigatorThe climate impact risk that remains after adaptation and mitigation efforts. Adaptation can redistribute risk between areas and groups.
  4. 04 Decisión

    1. 10Decisión de la parte responsableDecisión · Investigador principalEl planteamiento no designa a un único responsable de la decisión. Las decisiones sobre las respuestas corresponden a la parte responsable, conforme a sus propias normas.

Esquema de una norma o un método externos, a partir de sus fuentes públicas. Describe lo que dice el marco, no un registro de ninguna ejecución. No demuestra que Nexus ni ningún socio realice, certifique o apruebe un paso. Una puerta es un paso del método, nunca una aprobación de Nexus.

09Custodia responsable

Quién mantiene el método.

Ciencia de sistemas y modelización custodia la cuantificación de la incertidumbre y la validación de modelos para el consorcio, y revisa cómo se aplican en las distintas plataformas.

11Preguntas

Preguntas y respuestas.

¿Cuáles son los límites de la cuantificación de la incertidumbre y de la validación de modelos en este ámbito?
La incertidumbre estructural y los factores desconocidos son difíciles de representar. El coste computacional limita la exploración de modelos de alta dimensión.
¿Cómo se verifican los resultados?
Las distribuciones predictivas se contrastan en cuanto a calibración y nitidez con observaciones reservadas. La verificación confirma que el código resuelve las ecuaciones previstas.
¿Son reales los valores de esta página?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
¿Dónde más se aplica este método?
La página canónica del método enumera todas las plataformas que lo aplican.
serie ReportsContribuir

Aporte evidencia desde esta página.

Reports es la publicación trimestral del Consortium. Lo que usted sabe sobre este tema puede convertirse en evidencia, un caso o una corrección en la próxima edición, con su crédito y publicado bajo licencia CC BY 4.0 cuando se trate de obra propia.

GCRILaboratoriosEvidencia de LabsMétodos y técnica
Laboratorios

Aporte un método, un conjunto de datos o una pregunta.

La información y las consultas están abiertas hoy. Una consulta recibe una referencia e indica el siguiente paso; las solicitudes, pagos, asignaciones de cómputo y registros solo se abren cuando existen su equipo, sus condiciones y la capacidad de revisión.