Métodos para construir Tablas de Probabilidad Condicional de Redes de Creencias Bayesianas a partir de juicio limitado: Una evaluación para la Aplicación de Confiabilidad Humana

El presente artículo evalúa cinco métodos para construir Tablas de Probabilidad Condicional (CPT) de Redes de Creencias Bayesianas (BBN) a partir de información parcial de expertos: interpolación funcional, la BBN de Inducción, la calculadora Cain, Fenton et al. and Røed et al. método. La evaluación considera la aplicación a un campo específico de análisis de riesgos, el Análisis de Confiabilidad Humana (ARH). Los cinco métodos son particularmente adecuados para los modelos de ARH que calculan la probabilidad de error humano en función de las evaluaciones de factores de influencia. El rendimiento de los métodos se evalúa en dos ejemplos simples, diseñados para probar aspectos relevantes para la ARH (pero no exclusivamente): la representación de fuertes influencias e interacciones de los factores, la representación de la incertidumbre en las relaciones BBN y los requisitos del método a medida que aumenta el tamaño de BBN. La evaluación pone de relieve las limitaciones de la modelización relacionadas con el tratamiento de las interdependencias multifactoriales y de los diferentes grados de incertidumbre en las relaciones factoriales. El método de interpolación funcional es el menos susceptible a estas limitaciones; sin embargo, sus requisitos de obtención crecen exponencialmente con el tamaño del modelo. Además del juicio de expertos, las aplicaciones de ARH de las NBB incluyen el uso de datos empíricos, la combinación de datos y juicio, la información de los métodos de ARH existentes: la construcción de los TPC en estas aplicaciones está fuera del alcance de la evaluación.