针对培训中的一些具体情况，培训后我自己进行了一定的思考，总结出几个需要重点关注的学习内容，希望感兴趣的朋友能在学习和应用中多加考虑，也希望自己在今后的培训和交流中给予更多的关注。

 

 

不确定性表现为评估者对建模对象的特征参数缺乏充分的认识，评估者可以通过进一步的收集信息和深入研究降低这种不确定性。可变性是建模对象本身具有的随机属性，无论是通过研究还是进一步收集信息都无法降低，但可以通过改变建模对象的“物理”系统来改变可变性。对于一般性的风险量化分析建模，不确定性和可变性通常是“掺和”在一起的。但是不确定性和可变性毕竟在本质上存在不同，对于疾病控制与食品安全类的风险量化分析，最好在建模时将两者加以区分。

 

 

在疾病控制与食品安全风险量化分析中，对于变量之间的相乘关系要谨慎考虑，要判断两者之间是否是真正的相乘关系。这种问题在疾病控制与食品安全风险量化分析中是常见问题。例如，一块食物中含有多少克肉，每克肉中含有多少克有害物质，需要计算这块食物中总共有多少克有害物质。如果肉的重量是随机的，同时单位肉中含有的有害物质也是随机不确定的，那么这就是个复合随机过程，不能简单使用变量相乘进行计算，否则会得出错误的结果。对于复合随机过程，评估者需要掌握必要的建模技巧。

 

 

在疾病控制与食品安全风险量化分析中，风险评估者经常需要基于样本数据拟合概率分布。风险量化分析软件（例如@Risk）具有分布拟合功能，使用者基本上不需要做任何处理，直接“一键”计算出拟合分布。但是，这种做法通常是有问题的。首先，计算软件中能用于拟合的概率分布数量有限，同时这些概率分布通常具有较严格的使用限制条件，可能与所研究的对象特征不相符合。其次，样本数据通常很难匹配这些概率分布，风险评估者会经常发现拟合出来的概率分布经常与样本有很大的偏差。所以，在风险量化分析时，要谨慎使用软件提供的分布拟合功能。其实，对于疾病控制与食品安全风险量化分析，风险评估者通常使用“非参拟合”方法（基于样本数据）拟合概率分布，而不是使用模拟软件提供的“参数拟合”方法。对于非参拟合方法，评估者通常需要对数据进行一定的“预处理”和“后处理”，而不是简单的一键分析。