Joshua Epstein napisał artykuł zatytułowany „Dlaczego model?” dostępny pod adresem http://www.santafe.edu/media/workingpapers/08-09-040.pdf, w którym podano 16 powodów:
- Wyjaśnij (bardzo różni się od przewidywania)
- Przewodnik gromadzenia danych
- Oświetl dynamikę rdzenia
- Zaproponuj dynamiczne analogie
- Odkryj nowe pytania
- Promuj naukowy nawyk umysłu
- Związane (przedziały) wyniki z prawdopodobnymi zakresami
- Rozświetl niepewności rdzenia.
- Oferuj opcje kryzysowe w czasie zbliżonym do rzeczywistego
- Wykazać kompromisy / zasugerować wydajność
- Zmierz się z odpornością dominującej teorii poprzez perturbacje
- Ujawnij dominującą mądrość jako niezgodną z dostępnymi danymi
- Trenuj praktykujących
- Dyscyplina dialogu politycznego
- Edukuj ogół społeczeństwa
- Ujawnij pozornie proste (złożone) bycie złożone (proste)
(Epstein szczegółowo omawia wiele przyczyn w swoim artykule).
Chciałbym zapytać społeczność:
- czy istnieją dodatkowe powody, których Epstein nie wymienia?
- czy istnieje bardziej elegancki sposób konceptualizacji (być może innej grupy) tych powodów?
- czy którykolwiek z powodów Epsteina jest wadliwy lub niekompletny?
- czy ich wyjaśnienia są bardziej zrozumiałe?
Odpowiedzi:
Trochę żartowałem, ale nie bardzo. Wygląda na to, że niektóre jego punkty (np. 1, 5, 6, 12, 14) nakładają się na siebie.
źródło
Buduję matematyczne / statystyczne mechanizmy komórkowe. Na przykład, w jaki sposób określone białko wpływa na starzenie się komórek. Rolą modelu jest przede wszystkim przewidywanie, ale także oszczędność pieniędzy. O wiele taniej jest zatrudniać jednego modelarza niż (powiedzmy) kilku biologów mokrego laboratorium z powiązanymi kosztami sprzętu. Oczywiście modelowanie nie zastępuje w pełni eksperymentu, po prostu wspomaga proces.
źródło
Jestem pewien, że większość statystyk / modelarzy wykonuje swoją pracę, ponieważ jej się to podoba. Zarabianie za robienie czegoś, co lubisz, jest całkiem fajne!
źródło
Czasami może być za dużo danych, więc utworzenie modelu początkowego pozwala na dalszą analizę.
źródło
Agencje rządowe wymagają od firm dostarczania raportów przy użyciu określonych modeli. Zapewnia to pewien stopień standaryzacji w zakresie nadzoru. Przykładem jest zastosowanie wartości zagrożonej w sektorze finansowym.
źródło
Ważnym aspektem literatury dotyczącej modelowania dynamicznego jest kontrola. Ten rodzaj pracy obejmuje wiele dyscyplin, od polityki / ekonomii (patrz np. Stafford Beer), biologii (patrz np. Praca N Weinera z 1948 r. Nad cybernetyką) po współczesną teorię kontroli przestrzeni kosmicznej (patrz wstęp Ljung 1999).
Kontrola jest w pewnym sensie powiązana z 9 i 10 Epsteina oraz odpowiedziami Shane'a na temat ludzkiego osądu / regulacji, ale myślałem, że ma sens, aby być wyraźnym. Rzeczywiście pod koniec mojej kariery licencjackiej inżyniera dałbym bardzo zwięzłą odpowiedź na zastosowania modelowania: kontrolę, wnioskowanie i przewidywanie. Wydaje mi się, że wnioskowanie, przez które mam na myśli filtrowanie / wygładzanie / redukcję wymiarów itp., Może być podobne do punktów 3 i 8 Epsteina.
Oczywiście w późniejszych latach nie byłbym tak odważny, aby ograniczyć cele modelowania do kontroli, wnioskowania i przewidywania. Być może czwartym, obejmującym wiele punktów Epsteinsa, powinna być „przymus” - jedynym sposobem, w jaki powinieneś „edukować społeczeństwo”, jest zachęcenie nas do tworzenia własnych modeli ...
źródło
Jest to ściśle związane z niektórymi innymi, ale:
Ludzkie podejmowanie decyzji podlega wielu różnym siłom i uprzedzeniom. Oznacza to, że nie tylko otrzymujesz różne odpowiedzi na to samo pytanie, ale możesz również uzyskać naprawdę nieoptymalne wyniki. Przykładami mogą być stronniczość lub nadmierne zaufanie.
źródło
Parafrazuję tutaj kogoś innego, ale załóżmy, że zbudowaliśmy system zdrowia publicznego wokół modelu, że choroby zakaźne są spowodowane złymi duchami rozprzestrzeniającymi się przez kontakt. Nauka o drobnoustrojach może być nieskończenie lepszym modelem, ale mimo to można zapobiec dużej liczbie zarażeń. (Myślę, że chodziło o czytanie historii cybernetyki, ale nie pamiętam, kto o to mówił).
Chodzi o to, że zgodnie z zasadą „wszystkie modele złe, niektóre przydatne” musimy sformułować modele i udoskonalić je, aby podjąć użyteczne działania o trwałych konsekwencjach. W przeciwnym razie równie dobrze moglibyśmy przerzucić monety.
źródło
W moim polu modelujemy ten sam zestaw zmiennych w różnych lokalizacjach, ramach czasowych i wielkościach
źródło
Moim zdaniem 16 to zbyt wiele powodów, zbyt precyzyjna specyfikacja i rodzaj nakładania się czasami. Zamiast tego osobiście ułożyłbym w szerokie grupy. Możemy podzielić cele badań na 3 główne kategorie: testowanie pojedynczej hipotezy, badanie eksploracyjne i przewidywanie.
źródło