Méthodes de construction de Tables de Probabilités Conditionnelles de Réseaux de Croyances Bayésiennes à partir d’un jugement limité: Une application d’évaluation de la Fiabilité Humaine
Le présent article évalue cinq méthodes de construction de Tables de Probabilités Conditionnelles (CPT) de Réseaux de Croyances Bayésiennes (BBN) à partir d’informations d’experts partielles: interpolation fonctionnelle, BBN d’Élicitation, Calculateur de Caïn, Fenton et al. et Røed et coll. méthode. L’évaluation prend en compte l’application à un domaine spécifique de l’analyse des risques, l’Analyse de fiabilité humaine (ERS). Les cinq méthodes sont particulièrement adaptées aux modèles HRA calculant la probabilité d’erreur humaine en fonction de l’influence des évaluations factorielles. La performance des méthodes est évaluée sur deux exemples simples, conçus pour tester des aspects pertinents pour HRA (mais pas exclusivement): la représentation des fortes influences et interactions des facteurs, la représentation de l’incertitude sur les relations BBN et les exigences de la méthode à mesure que la taille BBN augmente. L’évaluation souligne les limites de la modélisation liées au traitement des interdépendances multifactorielles et des différents degrés d’incertitude dans les relations factorielles. La méthode d’interpolation fonctionnelle est la moins sensible à ces limitations; cependant, ses besoins en suscitation augmentent de façon exponentielle avec la taille du modèle. Outre le jugement d’experts, les applications HRA des BBN comprennent l’utilisation de données empiriques, la combinaison de données et de jugement, les informations provenant des méthodes HRA existantes: la construction des CPT dans ces applications ne fait pas partie du champ d’application de l’évaluation.
