模型預(yù)測中的不確定性來自多個方面，包括問題的特點、概念的形成和計算模型、有關(guān)數(shù)據(jù)的估計以及結(jié)果的計算、解釋和記錄。只有有關(guān)數(shù)據(jù)的估計所產(chǎn)生的不確定性能夠用變差擴大方法加以量化。根據(jù)專家意見，可用決定樹和事件樹方法評估由于模型特征錯誤描述而產(chǎn)生的不確定性。在某些情況下，用數(shù)據(jù)的二次分析方法可以解決模型特征誤差問題。
1.1模型的本質(zhì)
因為來自食品化學(xué)的或微生物的風(fēng)險強度難以測定，對結(jié)果的估計往往采用模型或歷史資料。暴露-作用模型包括極簡單的“大拇指規(guī)則”模型到復(fù)雜的隨機模型。各類模型的可靠程度取決于各項結(jié)果數(shù)據(jù)的精確度以及模型所代表相關(guān)生物、化學(xué)和物理過程的正確性。不確定性分析可用來評估模型的可靠程度和數(shù)據(jù)精確度對模型預(yù)測能力的影響程度。
1.2模型不確定度的確定方法
在適當?shù)膱鼍盎蚰Ｐ痛嬖诓淮_定性時，可用一些方法來評估其他模型對預(yù)測結(jié)果的影響。諸如概率樹、事件樹以及錯誤樹等方法可用于推導(dǎo)多元事件導(dǎo)致符合研究目標的結(jié)果。事件樹始于某些啟動的事件，包含了所有可能的結(jié)果。每個事件的概率可以用概率分布圖表示。這種方法的優(yōu)點是直觀地表示所有可能的場景和使用概率分布對有關(guān)的證據(jù)進行解釋。
1.3輸入變異性的判斷和傳播方法
描述風(fēng)險的不確定性包括計算算術(shù)平均數(shù)、算術(shù)或幾何標準差以及風(fēng)險的高、低百分位數(shù)。表示此類資料的簡便工具是概率密度函數(shù)或者風(fēng)險的累積分布函數(shù)。只有當用于估計風(fēng)險的導(dǎo)入變量本身具有有意義的概率分布時，才能得到風(fēng)險概率密度函數(shù)或者累積密度函數(shù)。不確定性分析中可分為五步：
（1） 確定在預(yù)測模型中產(chǎn)生不確定性的導(dǎo)入?yún)?shù)；
（2） 建立概率密度函數(shù)來確定每個結(jié)果參數(shù)的取值范圍；
（3） 考慮導(dǎo)入?yún)?shù)之間的相關(guān)性；
（4） 用模型來擴大不確定性，以產(chǎn)生結(jié)果數(shù)值的概率密度函數(shù)；
（5） 從結(jié)果變量的預(yù)測值的概率密度函數(shù)產(chǎn)生可信限和可信區(qū)間。
使用變異擴大方法估算模型中參數(shù)結(jié)果偏差和模型預(yù)測偏差的關(guān)系。精確分析法、近似分析法和統(tǒng)計模擬法可用于擴大差異。