Анализ неопределенностей методом Монте-Карло

Обычно при оценке риска за основу берется одна величина, относящаяся к верхнему пределу потенциального диапазона риска. Метод Монте-Карло позволяет пользователю определять распределение вероятностей по каждой переменной риска. Распределение вероятно­стей дает возможность более гибко описать риск, учитывая набор его возможных причин в качестве входных данных, а также степени их правдоподобия в реальных процессах. Тогда уравнение риска можно многократно пересчитать, всякий раз выбирая определенную величину из каждого распределения.

Перемножение неопределенностей зачастую дает слишком завышенное значение. Анализ методом Монте-Карло показывает, что суммарная неопределенность в случае, когда имеет место умножение или деление нескольких факторов, лишь немного превышает единственный наиболее значимый источник неопределенности. Это один из наиболее ценных результатов, полученных при анализе неопределенностей методом Монте-Карло. Вычисленная этим методом величина суммарной неопределенности оказалась гораздо меньше, чем ожидали. Таким образом, данный метод дает возможность определить более реальные границы неопределенности в отношении риска, связанного с химическими веществами, и принять решения по оздоровлению среды на основании этих знаний.

В настоящее время имеется возможность реализовать имитационное моделирование по методу Монте-Карло с помощью пакетов прикладных программ, которые предназначены для использования вместе с программами обработки крупноформатных электронных динамических таблиц. Крупноформатная электронная таблица составляется обычным способом, а затем благодаря использованию программного обеспечения метода Монте-Карло вместо одной точечной оценки в ячейку вводится распределение величин.

Программное обеспечение метода Монте-Карло позволяет компилировать данные, выстраивать графики и статистически анализировать результаты вычислений.

Выбор вида распределения. Различные величины могут быть распределены по-разному. Наиболее полезны следующие распределения: нормальное распределение (применяется, когда величина находится где-то посредине между минимальным и максимальным значением), логарифмически нормальное распределение (когда имеется много малых величин и лишь несколько больших, например, уровни концентрации веществ из почвы и уровни концентрации радона в полуподвальных этажах), треугольное распределение (его целесообразно использовать в случае, когда имеется достаточно данных для получения максимальной, минимальной или оптимальной оценки). Пакеты прикладных программ включают в себя и другие разновидности распределений.