《风险分析(第2版)》关注的是风险的量化，接下来的几章简要地介绍了完整的风险评估过程，以使读者明白自己在整个过程中的作用。定量风险分析（QRA）使用蒙特卡罗模拟，为使用者提供了有用的和精确的方法来研究一个问题的不确定性和变量，生成对该问题的总不确定性的逼真的正确评价。《风险分析(第2版)》的目的是指导读者通过必要的步骤生成精确的风险分析模型。内容既包括适用于大多数模拟问题的一般方法，也包括帮助读者解决一些特殊问题的特殊方法。
编辑推荐
《风险分析(第2版)》由中国农业出版社出版。 作者简介
译者：郑增忍 李明 陈茂盛 编者：(英国)沃斯（David Vose)
David Vose，英国风险分析专家。1989年，首先在新西兰将风险分析应用于一个石油天然气公司的市场开发和项目分析。从此以后，他已经将风险分析模型的原理应用于广泛的产业和问题之中，包括石油、天然气、液化石油气的购销和生产、钻石采矿、电力生产和供应、船运服务和捕捞、预测、项目管理、项目经济、汇率管理、银行业、工程经济、林业风险、进口动物与保险。从1990年开始，举办风险分析模型方面的研讨班，推广自己所建立的方法。
DaVid Vose成立了自己的专业咨询公司，以欧洲为基地，在欧洲、俄国和美国设立咨询机构，已经为世界上超过25个国家的公司提供了咨询或举办了讲座。他组织有关风险分析模型的短期讲座，举办不同领域内机构的培训班。他所撰写的《定量风险分析指南》一书，是基于他所举办的培训班的教材编写的，该书由John wiley and S0ns公司出版，现在该书已出版了第二版，印刷9次。他是《模型助手》一书的主要作者，该书是世界范围内广受欢迎的公司和政府用风险分析参考书，也可用于一些大学的参考书。
Da、rid Vose是许多风险分析领域委员会的委员，负责国际指南的建立，包括： 《英国删风险分析指南》的技术编辑；《OIE抗茵素耐药性风险分析指南》的负责人；《FAO／wHO风险描述指南》的执行编辑和主要作者；为FAO／wHO的专家委员会在建立食品安全的国际指南、标准和模型例子方面提供指导；0IE《进口动物定量风险评估手册》（第二卷)也是以他的书和讲座为基础的。David V0se是哈佛大学概率风险评估、管理和交流继续教育课程的教学人员，指导了许多风险理论方面的博士。他为Palisade公司（@RISK)和Deci-sioneering公司（Crystal BalI)建立分析软件提供咨询。 目录
第二版序言
第一版序言
第一章 前言
1.1 本书的结构
1.2 风险评估的过程
第二章 定量风险分析、不确定性和变量
2.1 力矩法
2.2 精确代数解决方案
2.3 蒙特卡罗模拟
2.4 不确定性和变量
第三章 概率理论和统计学
3.1 概率分布等式
3.2 统计学方法
3.3 概率规则及维恩图解
3.4 概率理论
3.5 最小平方直线回归
3.6 秩相关系数
3.7 可靠性理论
第四章 如何进行蒙特卡罗模拟
4.1 从输入分布中随机取样
4.2 随机数发生器种子
4.3 秩相关
第五章 随机过程
5.1 二项式过程
5.2 泊松过程
5.3 超几何过程
5.4 更新过程
5.5 混合分布
5.6 各种各样的例子
第六章 概率分布
6.1 离散分布和连续分布
6.2 有限制范围的分布和无限制范围的分布
6.3 参数分布和非参数分布
6.4 概率分布函数
6.5 用一个分布近似另外一个分布
6.6 离散分布的回归公式
6.7 分布表现的目测法
第七章 量化模型参数的不确定性
7.1 经典统计学
7.2 贝叶氏推论
7.3步步为营法（THE B00TSTRAP）
7.4 最大平均信息量法则
7.5 你应该使用哪一种方法
7.6比较传统统计学推论、贝叶氏推论和步步为营法的例子
7.7 在简单线性最小平方回归分析中加入不确定性
第八章 建立风险分析模型
8.1 模拟问题可能吗
8.2 风险分析模型的类型
8.3 设计一个电子制表软件模型
8.4 在风险分析模型中分开不确定性和变量
8.5 分解低概率的模型
8.6 在模型中包含进稀有事件
8.7 清楚地描绘模型
8.8 模型的不确定性
8.9 风险分析软件
第九章 按照数据确定变量分布
9.1 分析观察数据的特性
9.2 将非参数型分布适合于观察数据
9.3 将第一顺序参数型分布适合于观察数据
9.4 将第二顺序参数分布适合于观察数据
……
第十章 按照数专家观点定义分布
第十一章 模拟依赖性
第十二章 时间序列预测
第十三章 项目风险分析
第十四章 进口动物和食品安全风险评估
第十五章 风险分析结果的报告与解释 文摘
版权页：
插图：
本章关注的是风险分析家经常面临的问题：就是如何决定一个分布，来代表风险分析模型中的某个变量。风险分析模型中，有两个信息来源可以量化变量。第一个，是可以获得的数据，第二个，是专家的观点。第十章将介绍纯粹依据专家的观点量化所描述变量的参数。.本章要介绍对变量的观察数据的理解，以便于得到模拟变量的真实变化性和我们对该真实变化性的不确定性的分布。定义对数据的理解需要一些主观的输入，通常以对变量的假设的形式出现。这里的主要的假设是，所观察到的数据是我们正在确定的某种概率分布的随机样本。
观察数据可以来源于不同的渠道：科学试验、调查、计算机数据库、文献研究、甚至计算机模拟。这里有一个前提，就是风险分析家自己已经对这些观察数据的可靠性和代表性都感到满意。如果可能，首先要对数据中的异常现象进行检查，去除任何不可靠的数据点。也应该考虑数据收集方法所造成的偏差，例如，一个大的或者富裕的城市中，街头调查可能访问了没有代表性的数目。提供数据的机构，可能在修改数据中获益等等。
本章首先鼓励风险分析家审核所获得的数据和将要模拟的变量的特性。接着讨论几个可以使风险分析家能够将这些变量适合于一个经验型（非参数）分布的方法。这个直观的方法的主要优点是使用简单、避免了假设某些分布形式、省略了不合适的或者迷惑的理论性的（参数，或者基本模型）分布。再接下来，要介绍将理论分布适用于观察数据的方法，包括最大概率评估值（maximumlikelihoodestimators）、适合度统计值（goodness-o卜fit）、图示（plot）。
在考虑非参数型分布和参数型分布的适合性中，提供了两个方法。第一个方法提供了第一顺序分布（first-orderdistribution），即：只描述变化性的最适合（最佳猜测）分布。第二种方法提供了第二顺序分布，既描述变量的变化，也描述我们对于变化性的真实分布实际上是什么的不确定性。第二顺序分布比其相应的第一顺序分布更完全，需要更多的努力：如果有一个足够大的数据组，其不确定性包含的内容只提供较多的边缘信息，那么，只将这个分布近似一个变量就是合理的。这就是说，不首先从形式上决定其不确定性，你要测量对一个分布具有的不确定性的程度，通常是很困难的。所以，建议读者最少完成对变量分布的不确定性的研究，以决定该不确定性是否需要被包括在分布之中。
| ISBN | 9787109125872 |
|---|---|
| 出版社 | 中国农业出版社 |
| 作者 | 沃斯(David Vose) |
| 尺寸 | 16 |