概率评估
概率评估多应用于复杂的评估系统,找出可能发生的潜在危害、估算其发生概率以及确定它们导致的后果。如在对真菌毒素的膳食暴露评估中,评估结果变异性主要来自食品中真菌毒素污染水平和不同人群消费水平的差异,可以用评估结果分布中特定个体百分位数来描述。由于暴露评估模型中每个参数自身均存在不确定性,需要对暴露评估结果分布的特定百分位数估计一个范围区间以反映不确定性(余健2010)。
概率评估新方法蒙特卡罗(MonteCarlo)模拟和自助法(Bootstrap)抽样是近年来应用于食品安全危害物质的暴露评估和风险评价研究中的新方法,相比较于点评估,概率评估食物消费量数据、污染物含量/浓度数据等各参数的变化性和不确定性分布进行描述,能够有效克服点评估方法的局限性,使暴露评估结果更接近于现实、合理(FAOandWHO2006;王颜红等2009)。
蒙特卡罗模拟因与著名的蒙特卡罗赌场轮盘赌相似而得名,其原理是基于随机抽样试验,通过大规模重复抽样,估计某事件出现的概率(Vose2008)。MonteCarlo是进行概率评估最常用的方法,能够有效地分析量化暴露评估数据及结果的变异性1。
Bootstrap又称自助法,基本原理是用已知的经验分布代替未知的总体分布,通过对样本进行放回随机抽样得到大量子样本,再根据子样本的观测信息来推断总体样本的分布特征。Bootstrap抽样已被广泛用来分析描述暴露评估结果的不确定性。该抽样方法的创立者Efron认为200个以上的Bootstrap样本能够有效估计统计量的可信区间,但Cullen和Frey(1999)认为,如果计算P99.99等极端百分位数的可信区间应加大抽样次数到500次。