大卫·德雷珀 模型不确定性的评估和传播。（经过讨论）。 （英语） Zbl 0812.62001号 J.R.Stat.Soc.，塞尔维亚。B类 57，第1期，45-97（1995）. 总结：在大多数推理和预测示例中，基于已知量（x）的未知量（y）的不确定性表达式基于一个模型（M），该模型形式化了关于（x）和（y）如何相关的假设\（M）通常有两部分：结构假设（S），如广义线性模型中链接函数的形式和误差分布的选择，以及参数（θ），其含义特定于给定的选择（S）。在统计理论和实践中，承认给定特定假设结构（S）的θ的参数不确定性是很常见的；承认（S）本身的结构不确定性并不常见。一种广泛使用的方法是借助于\（x）来为\（S）指定一个合理的单一“最佳”选择\（S^*），然后继续进行，就好像已知\（S*\）是正确的一样。通常，这种方法无法全面评估和传播结构不确定性，并可能导致对给定的（y）的不确定性评估错误。当发生校准错误时，通常会导致对（y）的推断或预测不确定性的低估，从而导致不准确的科学总结和过度自信的决策，这些决策没有充分对冲不确定性。我讨论了一种贝叶斯方法来解决这个问题，这种方法在原则上早就可以使用，但由于最近的计算进展，现在才成为常规可行的方法，并在涉及预测油价和估计美国航天飞机灾难性故障可能性的示例中检查了它的实现。 引用于130文件 MSC公司： 62A01型 统计学基础和哲学主题 关键词：贝叶斯因子;校准;层次模型;型号规格;过盈;稳健性;敏感性分析;不确定性评估;预测;参数不确定性;结构不确定性 PDF格式BibTeX公司 XML格式引用 \textit{D.Draper}，J.R.Stat.Soc.，序列号。B 57，编号1，45--97（1995；Zbl 0812.62001）