Such an expression of relative risk

Such an expression of relative risk is quite
familiar in human experience. By rank ordering the
alternatives (on the basis of suitability) and
choosing the best ones, we use a procedure that
forms of uncertainty exist. Thus one might anticipate
the problem of having to express both forms of risk.
For example, given the presence of measurement
error in the development of a multi-criteria
suitability mapping, and a propagation of those
errors to the final suitability map, one realises that
this mapping is only one of a large number of
possible outcomes that might be produced by
randomly introducing the uncertainties in
measurement that exist. Thus by Monte Carlo
simulation (a capability that unfortunately exists in
only a small number of GIS software programs) one
could thus tabulate the proportion of simulations in
which each location falls within a specific threshold
of relative risk, or a specific areal requirement. This
then restores the frequentist notion of probability
and the usual expression of decision risk.

ผลลัพธ์ (ไทย) 2:

เช่นการแสดงออกของความเสี่ยงค่อนข้าง
คุ้นเคยในประสบการณ์ของมนุษย์ โดยการจัดอันดับการสั่งซื้อ
ทางเลือก (บนพื้นฐานของความเหมาะสม) และ
การเลือกคนที่ดีที่สุดที่เราจะใช้ขั้นตอนที่
รูปแบบของความไม่แน่นอนอยู่ ดังนั้นเราจึงอาจคาดหวัง
ของการมีปัญหาในการแสดงทั้งในรูปแบบของความเสี่ยง.
ตัวอย่างเช่นกำหนดสถานะของการวัด
ความผิดพลาดในการพัฒนาหลายเกณฑ์
การทำแผนที่ความเหมาะสมและการขยายพันธุ์ของบรรดา
ข้อผิดพลาดของแผนที่ความเหมาะสมสุดท้ายหนึ่งตระหนักดีว่า
การทำแผนที่นี้เป็นเพียงหนึ่งในจำนวนมากของ
ผลที่เป็นไปได้ว่าอาจจะมีการผลิตโดย
การสุ่มแนะนำความไม่แน่นอนใน
การวัดที่มีอยู่ ดังนั้นโดย Monte Carlo
จำลอง (ความสามารถในการที่โชคไม่ดีที่มีอยู่ใน
เพียงจำนวนน้อยของโปรแกรมซอฟต์แวร์ GIS) หนึ่ง
จึงสามารถจัดระเบียบสัดส่วนของการจำลองใน
แต่ละสถานที่ซึ่งอยู่ในเกณฑ์ที่เฉพาะเจาะจง
ของความเสี่ยงหรือความต้องการที่เฉพาะเจาะจงขนหัวลุก นี้
แล้วเรียกคืนความเชื่อในเรื่องของความน่าจะ frequentist
และแสดงออกตามปกติของความเสี่ยงการตัดสินใจ

ผลลัพธ์ (ไทย) 3:

เช่นการแสดงออกของความเสี่ยงสัมพัทธ์ค่อนข้าง
คุ้นเคยในประสบการณ์ของมนุษย์ โดยตำแหน่งการสั่งซื้อ
ทางเลือก ( บนพื้นฐานของความเหมาะสม และเลือกคนที่ดีที่สุด

เราใช้กระบวนการที่รูปแบบของความไม่แน่นอนอยู่ ดังนั้นหนึ่งอาจคาดหวัง
ปัญหาที่มีบริการทั้งสองรูปแบบของความเสี่ยง
ตัวอย่างเช่นได้รับการแสดงตนของความคลาดเคลื่อนในการพัฒนา

หลายเกณฑ์แผนที่ความเหมาะสมและการขยายพันธุ์ของข้อผิดพลาดเหล่านั้น
ถึงแผนที่ความเหมาะสมสุดท้ายหนึ่งรู้ว่า
แผนที่นี้เป็นเพียงหนึ่งในตัวเลขขนาดใหญ่ของ
ผลลัพธ์ที่เป็นไปได้ที่อาจจะผลิตโดย
สุ่มแนะนำความไม่แน่นอนในการวัด
ที่มีอยู่ . ดังนั้น โดยเทคนิคมอนติคาร์โล
จำลอง ( ความสามารถที่โชคร้ายอยู่ใน
เพียงจำนวนน้อยของ GIS โปรแกรมซอฟต์แวร์ )
อาจทำให้เรียบสัดส่วนของจำลองใน
ซึ่งแต่ละสถานที่อยู่ภายในเกณฑ์ที่เฉพาะเจาะจงของ
ความเสี่ยงสัมพัทธ์หรือเฉพาะในขณะที่ความต้องการ แบบนี้
แล้วเรียกคืน frequentist ความคิดของความน่าจะเป็น
และการแสดงออกปกติความเสี่ยงของการตัดสินใจ