This paper contributes to risk management theory and modelling with the aim of giving an example of how to evaluate the standard risk matrix - probability-consequence diagram. While focusing on the probability variable, in a case study conducted in Kabul, it positions itself in the technical perspective of disaster risk management. Furthermore, it proposes that as a young science, risk management is still highly inter-disciplinary and that one approach that may be appropriate is to position this study within the academic fields where the subject is defined. On this subject, this paper positions risk management in a high threat environment as the intersection between intelligence analysis, statistics, psychology and engineering. Since the study focuses on the probability axis, engineering (associated with the consequence variable) is left out. In building a theoretical framework within the remaining disciplines, the study suggests a tentative and hypothetical interpretation of how probability and uncertainty could be modelled.

The problem statement of how to evaluate probability estimates is operationalised using threat warnings and observed events - using the statistical methods root mean square error (RMSE) and a logistic regression model. An important part of this model is the assumption that threat warnings will generate high values of probability estimates, where entities (organisation, NGO:s, and other actors) avoid threatened areas.

The result cannot reject the null hypothesis, and the correlation between warnings and events can therefore not be detached from a distribution that appears by chance. This result is strengthened by averagely high values of mean errors.

In a concluding discussion, the paper suggests that the result - as a consequence of a number of mental shortcuts - possibly could implicate that risk appetite in Kabul tends to be too high in accepting risks rather than avoiding them. If so, this behaviour would need a calibration using a variety of interdisciplinary approaches to evaluate the strength of knowledge in assessments. A higher degree of calibration, it is proposed, could lead to more appropriate and informed decisions being made. All of the above-mentioned discussion topics are, however speculative – but could serve as a starting ground for further research on the topic. On a final note, the paper presents a suggested future statistical study to decimate uncertainty by implementing Bayes’ theorem on historical data.

Den här uppsatsen ämnar bidra till fältet riskhantering genom att exemplifiera hur den allmänt vedertagna riskmatrisen (sannolikhet/konsekvens-analys) kan utvärderas. Genom att fokusera på sannolikhetsvariabeln i en fallstudie i högriskmiljö (Kabul) positionerar sig uppsatsen inom det tekniska perspektivet av katatrofriskhantering. Vidare föreslår uppsatsen att riskhantering ännu är ett ungt och tvärvetenskapligt forskningsfält där en positionering inom vilka forskningsfält ämnet definieras - möjligen kan bidra till högre förståelse. Ur detta perspektiv positionerar sig studien i skärningspunkten mellan underrättelseanalys, statistik, psykologi och ingenjörskonst. Då ingenjörskonst är främst anknutet till konsekvensanalys medan uppsatsen fokuserar på sannolikhetsvariabeln, har detta fält utelämnats helt.

Genom att bygga ett teoretiskt ramverk runt övriga forskningsområden, föreslås en hypotetisk och tentativ modell för hur sannolikhet och osäkerhet kan illustreras i en vidare diskussion.

Forskningsfrågan - hur man kan utvärdera sannolikhetsbedömningar, operationaliseras genom att jämföra hotvarningar och faktiska händelser. Medels statistiska metoder såsom genomsnittligt standardfel och logistiska regressionsanalyser mäts de två variablerna. En viktig del i detta steg är antagandet om att hotvarningar genererar höga sannolikhetsbedömningar i riskanalyser och att entiteter (myndigheter, ideella organisationer, och andra aktörer) undviker hotade områden.

Resultatet i studien kan inte förkasta nollhypotesen, och sambandet mellan varningar och faktiska händelser kan därför inte sägas skilja sig från ett resultat genererat slumpmässigt. Detta resultat stärks av generellt höga värden på genomsnittliga standardfel.

I en avslutande diskussionsdel argumenteras att riskaptiten i Kabul ur detta perspektiv, möjligen tenderar vara för hög. Om så är fallet, föreslås att detta beteende kan kalibreras genom en rad föreslagna tvärvetenskapliga föreslagna metoder. Genom en högre nivå av kalibrering, kan möjligtvis mer ändamålsenliga och bättre underbyggda besluts fattas. Samtliga ovanstående delar av diskussionen skall dock ses som spekulativa, och som förslag på fortsatt forskning.

Avslutningsvis ger uppsatsen ett förslag på en framtida studie syftande till att minska osäkerheten i analyser, genom Baye’s sats.