在食品安全风险评估中，经常遭遇到随机变量之间具有相乘的计算关系，例如暴露量等于摄入量与含量的乘积。在采用平均数进行计算时，分析人员对这种关系不用进行过多考虑，直接相乘即可。然而，当进行风险量化分析时，分析人员需要谨慎判断这些变量之间是否真正具有简单的相乘关系。
风险量化分析是针对随机变量概率分布（而不是单个数）进行计算，概率分布之间的相乘关系表达的含义要比单个数值之间相乘要复杂得多。
【在非概率意义上的计算中，2*3=6，2+3=5，因此6/2=3，5-2=3。但是在概率意义上的计算中，上述计算规则不一定适用。】
之所以要谨慎判断，是因为在疾病控制和食品安全风险量化分析中，有些看似简单的相乘关系实际上是复合随机过程。例如，一个人摄入多少克的某种食物，这种食物中含有多少克的有害物质，分析人员需要计算这个人总共摄入了多少克的有害物质。在这个计算过程中，如果摄入食物量是随机的，同时单位重量食物中含有的有害物质也是随机不确定的，那么这就是一个复合随机过程。
针对复合随机过程，不能简单使用变量相乘进行计算，否则会得出错误的结果。复合随机过程的计算要比简单相乘要复杂，有些时候还需要一定的建模处理才能完成计算。这一点值得食品安全风险评估人员关注。风险量化分析软件@Risk具有处理复合随机过程的函数，但是大部分情况下直接使用这些函数是不行的，需要分析人员针对分析情景建立模型加以处理。
另外，复合随机过程计算工作量非常大，耗时耗力，经常需要数个小时才能完成，对计算机的配置有一定要求。我最近进行的一个食品安全风险评估项目，一个复合随机过程，8个CPU并行计算，最后竟然用了近9个小时才计算完毕。这只是整个计算需求的一部分。如果一个项目中此类计算需求有30个，那么一台电脑什么都不干，完全用于计算，也需要1个月的时间才能完成。如果中间调整模型，重新计算一遍，那就再需要额外的1个月时间。
尽管如此，如果分析问题的确是复合随机过程，而不是简单的相乘关系，为了获得科学的分析结果，也要遵循正确的计算逻辑。为了应对计算工作量过大问题，可以在计算时适当简化计算过程，提高计算效率。
|
