모델을 구축하는 예측 이외의 이유는 무엇입니까?

Joshua Epstein은 "Why Model?"이라는 제목의 논문을 썼습니다. http://www.santafe.edu/media/workingpapers/08-09-040.pdf 에서 16 가지 이유 를 확인할 수 있습니다 .

1. 설명 (예측과는 매우 다름)
2. 가이드 데이터 수집
3. 핵심 역학 조명
4. 역동적 인 비유 제안
5. 새로운 질문을 발견하십시오
6. 과학적 사고 습관을 장려
7. 가능한 범위로 바운드 (브래킷) 결과
8. 핵심 불확실성을 밝힙니다.
9. 거의 실시간으로 위기 옵션 제공
10. 트레이드 오프 입증 / 효율성 제안
11. 섭동을 통해 일반적인 이론의 견고성에 도전
12. 사용 가능한 데이터와 호환되지 않는 일반적인 지혜를 노출
13. 실무자 훈련
14. 정책 대화 훈련
15. 일반 대중 교육
16. 외관상 단순 (복잡)을 복잡 (단순)으로 표시

(엡스타인은 그의 논문에서 여러 가지 이유에 대해 자세히 설명합니다.)

나는 지역 사회에 물어보고 싶다 :

• 엡스타인이 목록에없는 다른 이유가 있습니까?
• 이러한 이유를 개념화하는 다른 방법이 있습니까?
• 엡스타인의 이유 중 결함이 있거나 불완전한 이유는 무엇입니까?
• 이러한 이유에 대한 명확한 설명이 있습니까?

이유 17. 종이를 쓰십시오.

농담이지만 ​​실제로는 아닙니다. 그의 요점 중 일부 (예 : 1, 5, 6, 12, 14)간에 약간의 중복이있는 것 같습니다.

돈 절약

저는 셀룰러 메커니즘의 수학적 / 통계를 구축합니다. 예를 들어, 특정 단백질이 어떻게 세포 노화에 영향을 미치는지. 이 모델의 역할은 주로 예측이지만 비용을 절약하는 것입니다. 관련 장비 비용을 가진 소수의 습식 실험실 생물 학자보다 단일 모델러를 사용하는 것이 훨씬 저렴합니다. 물론 모델링이 실험을 완전히 대체하는 것은 아니며 공정을 돕는 것입니다.

재미를 위해!

나는 대부분의 통계 학자 / 모델러들이 그것을 즐기기 때문에 일을한다고 확신한다. 당신이 즐기는 것을하기 위해 돈을받는 것은 꽤 좋습니다!

치수 축소

때로는 너무 많은 데이터가있을 수 있으므로 초기 모델을 구성하면 추가 분석이 가능합니다.

규제

정부 기관은 기업이 특정 모델을 사용하여 보고서를 제공하도록 요구합니다. 이를 통해 감독 수준의 표준화가 이루어집니다. 금융 부문에서 위험에 따른 가치 사용을 예로들 수 있습니다.

제어

동적 모델링 문헌의 주요 측면은 제어와 관련이 있습니다. 이러한 종류의 작업은 정치 / 경제학 (예 : 스태포드 맥주 참조), 생물학 (예 : N Weiner의 1948 년 사이버네틱스 연구 참조)에서 현대의 국가 공간 제어 이론 (소개 Ljung 1999 참조)에 이르기까지 많은 분야에 걸쳐 있습니다.

통제는 엡스타인의 9와 10, 셰인의 인간의 판단 / 규제에 대한 답변과 관련이 있지만 나는 그것이 명백하다고 생각했습니다. 실제로 공학 학부 과정이 끝났을 때 모델링, 제어, 추론 및 예측의 사용에 대해 매우 간결한 답변을 드리겠습니다. 필자는 필터링 / 스무딩 / 치수 감소 등을 의미하는 추론이 엡스타인의 포인트 3 및 8과 유사하다고 생각합니다.

물론 후기에는 모델링, 제어, 추론 및 예측의 목적을 제한 할 정도로 대담하지 않았습니다. 아마도 Epsteins의 많은 부분을 포괄하는 4 분의 1은 "강압"이어야합니다. "대중을 교육"해야하는 유일한 방법은 우리 자신의 모델을 만들도록 권장하는 것입니다 ...

이것은 다른 것들과 밀접한 관련이 있지만,

인간의 판단을 제거

인간의 의사 결정은 많은 다른 힘과 편견의 영향을받습니다. 즉, 동일한 질문에 대해 다른 답변을 얻을 수있을뿐만 아니라 실제로 최적이 아닌 결과를 얻을 수도 있습니다. 과 신뢰 바이어스 또는 앵커링이 그 예입니다.

(유용한) 행동을 취합니다.

나는 여기서 다른 누군가를 역설하고 있지만, 전염병이 접촉을 통해 퍼지는 악의적 인 정신으로 인한 모델 주위에 공중 보건 시스템을 구축했다고 가정 해보십시오. 미생물의 과학은 무한히 더 좋은 모델 일 수 있지만 그럼에도 불구하고 많은 수의 전염을 예방할 수 있습니다. (이것이 사이버네틱스의 역사를 읽고 있다고 생각하지만, 누가 그 주장을했는지 기억이 나지 않습니다.)

요점은 "모든 모델이 나쁘고 일부 유용하다"는 선을 따라 지속적인 결과로 유용한 조치를 취하기 위해 모델을 공식화하고 세분화해야한다는 점입니다. 그렇지 않으면, 우리는 동전을 뒤집을 수도 있습니다.

어떤 형태의 혜택 / 비용과 관련된 반복적 인 문제

필자의 분야에서는 서로 다른 위치, 시간 프레임 및 크기에서 동일한 변수 세트를 모델링합니다.

제 생각에는 16은 너무 많은 이유, 너무 세밀한 사양 및 때때로 겹치는 부분입니다. 대신 나는 개인적으로 광범위한 그룹으로 능률화 할 것입니다. 연구 목표는 단일 가설 검정, 탐색 적 연구 및 예측의 세 가지 주요 범주로 분류 할 수 있습니다.