續上。。。。。
定義的常量：不確定性很小的一些量，比如：一些物理常量，我們認為他們是確定的，因此為定義的常量。
決策變數：決策者可以直接控制的數量，也稱為控制變數或者政策變數。決策變數根據定義沒有真值，其值的確定依賴於決策者。
價值引數：代表了決策者以及其代表人群的偏好。價值引數不應該被認為經驗數量；將價值引數的值用概率論來處理時否合適時存在爭議的，乙個觀點認為當乙個人對他的偏好不確定時，可以用概率不確定性來處理自身的價值引數，從而解決這一問題，然而，在偏好值不確定的情況下，更好的解決方式是改變你的價值引數係數。也就是重新分析來確定價值引數可能的變化範圍，通過這種方式來獲悉價值引數的變化能否導致我們感興趣的結果變化，
引數方式處理價值引數，能夠更加清楚的發現出價值引數的影響。而價值是否需要精煉也取決於是否對結果的顯著性影響。
在決策過程中的數量涵蓋了決策者活著其代表人群的價值和偏好，則為價值引數，如果僅僅是描述，建模的目的也是為了**他們的反應，則為經驗引數。表現為意向和觀念的問題。
下標變數：描述時間和空間領域的乙個位置或單元，或者用來描述一組元素中的乙個，其不確定性沒有意義。
模型範圍引數：通過表示下標變數的範圍和增量來表述模型系統的範圍和領域。
分析的範圍和具體程度的有限才能產生近似的不確定性，他限制了表示的精確性和計算的複雜性。引數靈敏範圍為模型建立提供了模型範圍引數的有效選擇。
狀態變數：是一些變數的最小子集中的元素，對於動態模型很重。其確定和不確定取決於輸入引數的表示方法；
結果標準：哪些排列和測量可能結果的滿意度。
- 經驗數量不確定性的**
統計變異；主觀判斷；語言不精確；變異性；固有的隨機性；不一致性和近似
系統誤差：研究數量的真實值域測量平均值隨著測量次數增多的極限值之間的差異；
利用過去的資料進行回歸分析來**未來的情況則反映了主觀判斷帶來的不確定性，而關於過去與將來的相似程度的主觀不確定性要遠大於對過去資料不適當擬合的不確定性
經驗與主觀評估是一致的。
隨機性：如果不知道任何可以估算其變化性的原型或者模型，那麼久將這個數量看作是隨機的；
許多非線性系統表現出對初始條件極大的敏感性，帶來了「蝴蝶效應「
不一致性**於理解的不一致，對於多個看法，通常採用加權方式結合，可以專家自評，可以互評，也可以根據分布的不確定性。其中乙個符合貝葉斯定理的簡單方法就是用每個值的概率質量或者密度的加權均值啦總和專家的分布；
對於某一特定數量，看法不一致時，首先檢驗專家的認識到的不確定性相比這些差異是否顯著，通過靈敏度分析來看不同專家看法對結果的影響，在確定加權策略。
近似不確定性的產生源於建立的模型僅僅是現實世界的乙個簡化版本；
- 模型形式的不確定性
模型本身的形式或者結構也具有不確定性；或者也可以說，任何乙個模型都是錯誤的。近似的結果，也不肯能完全準確；
利用乙個綜合模型來整合所有模型，將其不確定性轉化為引數價值的不確定性，經驗數量的不確定性等
重視不確定性
面臨兩種選擇時，多數人認為最重要的是從中選擇，然而設計 無論是軟體設計還是其他設計 並不是這樣的。當你面對兩種可能性時，應該仔細考慮設計中存在的不確定性。不確定性可以促使你推遲決定 譯註1 收集更多的資訊 促使你使用分隔 partition 和抽象 abstract 的方法來降低設計決策的重要性 譯...
不確定性推理
不確定性推理 是指建立在不清楚，不明確的知識和證據基礎上的推理，不完備 不精確的知識推理，模糊知識推理。多種原因導致同一結論。解題方案不唯一，現實生活中的問題有很多解決方案，這些方案之間很難決定誰優誰劣，所以選擇認為較優的方案，就屬於一種不確定性推理。所需知識不完備，不精確。所需知識描述模糊。知識的...
度量不確定性 雲理論
李德毅老師開創的雲理論，是對傳統的隸屬函式概念的揚棄。自然界中大量模糊概念可以用正態雲來刻劃的事實，導致了對正態雲外部特徵以及內部機理的深入研究。模糊概念可表述為乙個邊界具有不同彈性的，收斂於正態分佈函式的雲。實質上，雲是用語言值表示的某個定性概念與其定量表示之間的不確定性轉換模型，雲的數字特徵可用...