Bayesian calibration
Model parameters are calibrated with Bayesian methods that combine prior knowledge with data and produce posterior distributions, including a term for model discrepancy.
GCRI · Science des systèmes et modélisation
Statistique pour la modélisation
Probability and statistics are the language of uncertainty in modelling. In this field they underpin calibration, inference about parameters, evaluation of model performance and the honest reporting of ranges, for every modelling platform in the network.
01Registre
Statistics for modelling on the record.
Fiche de la méthodeMéthode STIM
- MéthodeProbabilités et statistiques
- Garantsystèmes et modélisation
- Appliqué dansScience des systèmes et modélisation
- Données3 inputs
- Vérifications3 étapes de validation
- Page canoniqueCommons STIM
02Candidature
What probability and statistics does here.
Probability and statistics provide the mathematical framework for describing uncertainty and learning from data. They underpin estimation, testing and prediction in every risk discipline. In methods and modelling, risk management and risque systémique and research and evidence, statistical methods quantify the likelihood and uncertainty of losses across interconnected systèmes. They make the evidence behind risk decisions explicit and reproducible. The canonical description is on les STEM Commons.
Proper scoring of predictions
Probabilistic model outputs are scored with proper scoring rules so that honest uncertainty is rewarded.
Ensemble statistics
Ensembles of model runs are summarised with statistical methods that account for dependence between ensemble members.
03Méthodes et preuves
How statistics for modelling is modelled, measured and tested.
Le modèle, ses hypothèses, ses données et son incertitude, sous la forme qu'un scientifique ou un ingénieur vérifierait. Les structures suivent des méthodes publiées. Les valeurs représentées sont illustratives, ce ne sont pas des résultats.
Modèle, équations et hypothèses
The model structure used for statistics for modelling, the assumptions it makes and how each is tested.
Risque de l'élément i
Ri = f(Hi, Ei, Vi, Ci)aléa, exposition, vulnérabilité et capacité à faire facePerte annuelle attendue
EAL = ∑k pk · Lksur les événements k de probabilité annuelle pkSystèmes couplés
xt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| Hypothèse | Pourquoi il est réalisé | Comment il est testé |
|---|---|---|
| Aléa et exposition sont indépendants au sein d'un événement | Garde l'intégrale des pertes calculable | Comparer avec un ajustement de copule sur des relevés conjoints |
| Les couplages sont linéaires près du point de fonctionnement | Laisse les chocs se propager à travers A | Perturber au-delà de la plage linéaire et comparer |
| Les courbes de vulnérabilité se transposent d'un lieu à l'autre | Les courbes locales sont rarement disponibles | Valider par rapport aux pertes observées lorsqu'elles existent |
- Entrées
- jeux de données versionnés avec provenance
- Productions
- des distributions, jamais des nombres isolés
- Code
- publié avec la fiche de modèle et les tests
- Reproduction
- mêmes données, code, environnement et graine
Principes directeurs FAIR · GO FAIR et FORCE11W3C PROV · World Wide Web ConsortiumOrientations sur le traitement cohérent des incertitudes · GIECCEOS Analysis Ready Data · Comité sur les satellites d'observation de la Terre
04Données
Ce que consomme la méthode.
Datasets and records used by probability and statistics on this platform, with the role each plays and the label its values carry. Sources are listed in le registre des sources.
| Données | Rôle | Étiquette |
|---|---|---|
| Observational datasets | Calibration and evaluation | OBSERVÉ |
| Model ensemble outputs | Statistiques | MODÉLISÉ |
| Prior information from literature | Bayesian priors | DÉCLARÉ |
05Processus
Comment le processus se déroule.
Process explorer · Process
Statistics for modelling: Catastrophe model pipeline
10 steps·5 étapes
Processus
Statistics for modelling: Catastrophe model pipeline
Les modèles de catastrophe comportent généralement des modules d'aléa, de vulnérabilité, d'exposition et financier, et produisent des tables de pertes, la perte annuelle moyenne, des courbes de dépassement, la PML et la TVaR.
01 Aléa
- 01Catalogue d'événementsJeu de données · Développeur du modèleLe module d'aléa contient un vaste catalogue d'événements simulés qui représente un large éventail de scénarios plausibles.
- 03Module d'aléaModèle · Développeur du modèlePour chaque événement, le module d'aléa fournit l' intensité de l'aléa locale que lit le module de vulnérabilité.
02 Exposition et dommages
- 02ExpositionDataset · Validation reviewerLe module d'exposition contient les données du portefeuille, telles que les informations propres à chaque emplacement.
- 04Module de vulnérabilitéModèle · Développeur du modèleLe module de vulnérabilité quantifie les dommages attendus sur les éléments exposés lors d'un événement.
03 Financier
- 05Module financierModel · Validation reviewerLe module financier calcule les pertes de tous les scénarios d'événements. Les pertes économiques totales, brutes et nettes diffèrent comme indiqué ci-dessous.
- 06Table des pertes par événementDataset · Validation reviewerUne table des pertes par événement liste chaque événement avec sa probabilité de survenue annuelle et sa perte pour le portefeuille.
- 07Table des pertes annuellesDataset · Validation reviewerCertains modèles échantillonnent aussi des années simulées à partir des pertes par événement. Cette présentation n'en décrit pas le format.
04 Indicateurs
- 08Probabilité de dépassement curvesModel · Validation reviewerLa courbe d'occurrence donne la probabilité que la perte la plus importante d'une année dépasse un montant. La courbe agrégée fait de même pour la somme des pertes.
- 09AAL, PML et TVaRModel · Validation reviewerLa perte annuelle moyenne additionne, pour chaque événement, la probabilité multipliée par la perte. La PML est un point de la courbe d'occurrence.
05 Utilisation des résultats
- 10Utilisation des résultatsDecision · Validation reviewerThe tail metrics are used when considering a portfolio’s exposure and the level of catastrophe reinsurance an insurer requires.
Présentation d'une norme ou d'une méthode externe, d'après ses sources publiques. Elle décrit ce que dit le cadre, et non le compte rendu d'une exécution. Elle ne montre pas que Nexus ou un partenaire exécute, certifie ou approuve une étape. Une porte est une étape de la méthode, jamais une approbation de Nexus.
06Validation
Comment les résultats sont vérifiés.
Results are checked through diagnostics, cross-validation and sensitivity to assumptions. Independent replication confirms findings.
| Vérifier | Comment c'est fait |
|---|---|
| Posterior predictive checks | Calibrated models must reproduce observed data |
| Prior sensitivity | Results are recomputed under alternative priors |
| Scoring on held-out data | Predictions are scored on data not used in calibration |
Inference depends on assumptions about independence, distribution and sampling that may not hold. Small or biased samples limit reliability.
07Liens
Thèmes qui s'appuient sur cette méthode.
08Intendance
Qui tient à jour la méthode.
systèmes Science and Modelling stewards probability and statistics for the Consortium and reviews how it is applied across platforms.
09Questions
Questions et réponses.
What are the limits of probability and statistics in this field?
Inference depends on assumptions about independence, distribution and sampling that may not hold. Small or biased samples limit reliability.
Comment les résultats sont-ils vérifiés ?
Results are checked through diagnostics, cross-validation and sensitivity to assumptions. Independent replication confirms findings.
Les valeurs de cette page sont-elles réelles ?
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.
Où d'autre cette méthode est-elle appliquée ?
Le page canonique de la méthode liste toutes les plateformes qui l'appliquent.
RapportsContribuer
Apportez des éléments de preuve depuis cette page.
Rapports is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
GCRIScience des systèmes et modélisationMéthodes et techniqueScénarios et tests de résistance
- E-mailPasserelle GW-GCRIL'envoyer depuis cette pageUne preuve, une correction, un cas, une méthode, un examen, une traduction ou un apport au profil. Elle arrive étiquetée avec cette page, afin que le rédacteur responsable la reçoive.
- ZenodoDépôt ouvertLe déposer et le soumettre à la communautéPubliez votre propre fiche sur Zenodo avec votre identifiant ORCID, puis soumettez-la à la communauté Reports qui s'y trouve. Des curateurs l'examinent ; le DOI reste le vôtre.
- RapportsGCRIVoir toutes les façons de contribuerLes types de contribution, la manière dont chacune est examinée, la reconnaissance accordée, la licence et ce qui n'est jamais accepté.
N'envoyez jamais de données personnelles, de détails sensibles sur des infrastructures ni rien que vous n'avez pas le droit de communiquer. Une contribution est examinée avant utilisation ; son envoi ne confère ni qualité d'auteur ni droits éditoriaux, et un parrainage n'achète jamais une conclusion.
Science des systèmes et modélisation
Apportez une méthode, un jeu de données ou une question.
L'information et les demandes sont ouvertes dès aujourd'hui. Une demande reçoit une référence et indique l'étape suivante ; candidatures, paiements, allocations de calcul et inscriptions n'ouvrent que lorsque l'équipe, les conditions et la capacité d'examen existent.
Juridique
Documents juridiques.
Les cartes, données et chiffres de ce site sont présentés à titre de contexte et d'information générale. Ils ne constituent ni des conseils, ni des prévisions, ni des alertes ; les limites de l'information sont exposées dans les Avertissements et les Notices sur les données.