Alasan selain prediksi membangun model?


11

Joshua Epstein menulis makalah berjudul "Mengapa Model?" tersedia di http://www.santafe.edu/media/workingpapers/08-09-040.pdf yang memberikan 16 alasan:

  1. Jelaskan (sangat berbeda dari yang diperkirakan)
  2. Panduan pengumpulan data
  3. Menerangi dinamika inti
  4. Sarankan analogi dinamis
  5. Temukan pertanyaan baru
  6. Promosikan kebiasaan berpikir ilmiah
  7. Hasil batas (braket) ke rentang yang masuk akal
  8. Menerangkan ketidakpastian inti.
  9. Menawarkan opsi krisis dalam waktu yang hampir bersamaan
  10. Tunjukkan pengorbanan / usulkan efisiensi
  11. Tantang kekokohan teori yang ada melalui perturbasi
  12. Paparkan kebijaksanaan yang berlaku sebagai tidak kompatibel dengan data yang tersedia
  13. Latih praktisi
  14. Disiplinkan dialog kebijakan
  15. Mendidik masyarakat umum
  16. Mengungkapkan yang tampaknya sederhana (kompleks) menjadi rumit (sederhana)

(Epstein menguraikan banyak alasan secara lebih rinci dalam makalahnya.)

Saya ingin bertanya kepada komunitas:

  • Adakah alasan tambahan yang tidak dicantumkan Epstein?
  • apakah ada cara yang lebih elegan untuk membuat konsep (pengelompokan yang berbeda mungkin) alasan-alasan ini?
  • Adakah alasan Epstein cacat atau tidak lengkap?
  • Apakah penjelasan mereka yang lebih jelas tentang alasan-alasan ini?

Saya pikir saya suka klasifikasi keseluruhan yang diberikan oleh jawaban di sini lebih dari Epstein.
ars 3-10

Jawaban:


6

Alasan 17. Menulis makalah.

Semacam bercanda tapi tidak juga. Tampaknya ada sedikit tumpang tindih antara beberapa poinnya (misalnya 1, 5, 6, 12, 14).


2
+1 Ha. Berbicara tentang tumpang tindih, ini mungkin satu-satunya jawaban tanpa alasan Epstein.
ars 2-10

5

Hemat

Saya membangun matematika / statistik mekanisme seluler. Misalnya, bagaimana protein tertentu mempengaruhi penuaan sel. Peran model ini terutama prediksi, tetapi juga untuk menghemat uang. Jauh lebih murah untuk menggunakan pemodel tunggal daripada (katakanlah) beberapa ahli biologi lab basah dengan biaya peralatan terkait. Tentu saja pemodelan tidak sepenuhnya menggantikan eksperimen, itu hanya membantu prosesnya.


5

Untuk kesenangan!

Saya yakin sebagian besar ahli statistik / pemodel melakukan pekerjaan mereka karena mereka menikmatinya. Dibayar untuk melakukan sesuatu yang Anda nikmati cukup bagus!


2
Saya rasa banyak game komputer masalah pemodelan berpakaian menyamar. SimCity misalnya - tujuan dari permainan ini adalah untuk membangun model sebaik mungkin dari mekanisme permainan yang tersembunyi, kemudian menggunakan model itu untuk membangun kota yang berfungsi! (Ini semua mungkin terlalu banyak pembenaran untuk membuang masa mudaku bermain SimCity)
Mike Dewar

4

pengurangan dimensi

Terkadang ada terlalu banyak data, sehingga membentuk model awal memungkinkan untuk analisis lebih lanjut.


4

peraturan

Instansi pemerintah mewajibkan perusahaan untuk menyediakan laporan menggunakan model tertentu. Ini memberikan tingkat standardisasi dalam pengawasan. Contohnya adalah penggunaan Value-at-Risk di sektor keuangan.


3

Kontrol

Aspek utama dari literatur pemodelan dinamis dikaitkan dengan kontrol. Jenis pekerjaan ini mencakup banyak disiplin ilmu dari politik / ekonomi (lihat, misalnya Stafford Beer), biologi (lihat misalnya karya N Weiner tahun 1948 tentang Sibernetika) hingga teori kontrol ruang negara kontemporer (lihat intro Ljung 1999).

Kontrol agak terkait dengan Epstein 9 dan 10, dan jawaban Shane tentang penilaian / regulasi manusia, tetapi saya pikir masuk akal untuk eksplisit. Memang, pada akhir karir sarjana teknik saya, saya akan memberi Anda tanggapan yang sangat ringkas untuk penggunaan pemodelan: kontrol, inferensi dan prediksi. Saya kira inferensi, maksud saya pemfilteran / perataan / pengurangan dimensi dll, mungkin mirip dengan poin 3 dan 8 Epstein.

Tentu saja di tahun-tahun terakhir saya, saya tidak akan begitu berani untuk membatasi tujuan pemodelan untuk kontrol, inferensi dan prediksi. Mungkin yang keempat, mencakup banyak poin Epstein, harus "paksaan" - satu-satunya cara Anda harus "mendidik masyarakat" adalah mendorong kita untuk membuat model kita sendiri ...


1
+1 "mendidik masyarakat" == mengkomunikasikan model. (Kepada siapa, bagaimana? Makalah, gambar / infografis, model interaktif ...)
denis

2

Ini terkait erat dengan beberapa yang lain, tetapi:

Hilangkan penilaian manusia

Pengambilan keputusan oleh manusia tunduk pada banyak kekuatan dan bias yang berbeda. Itu berarti bahwa Anda tidak hanya mendapatkan jawaban berbeda untuk pertanyaan yang sama, tetapi Anda juga dapat berakhir dengan hasil yang benar-benar suboptimal. Contohnya adalah bias kepercayaan berlebihan atau anchoring.


1
Model yang baik tidak pernah semata-mata didasarkan pada uji statistik dan kriteria. Itu harus merupakan kombinasi dari tinjauan literatur, pengalaman, statistik dan akal sehat.
tosonb1

2
Anda tidak bisa menghilangkan penilaian manusia - Anda juga tidak mau. Yang mengatakan, membuat model eksplisit tidak membantu mengungkapkan asumsi dan membukanya untuk diskusi.
David J.

2

Untuk mengambil tindakan (berguna).

Saya memparafrase orang lain di sini, tetapi anggaplah kami membangun sistem kesehatan masyarakat di sekitar model bahwa penyakit menular disebabkan oleh roh jahat yang menyebar melalui kontak. Ilmu mikroba mungkin model yang jauh lebih baik, tetapi Anda bisa mencegah sejumlah besar penularan. (Saya pikir ini tentang membaca sejarah sibernetika, tapi saya tidak ingat siapa yang membuat intinya.)

Intinya adalah bahwa, di sepanjang garis "semua model buruk, beberapa berguna", kita perlu merumuskan model dan memperbaikinya untuk melakukan tindakan yang bermanfaat dengan konsekuensi jangka panjang. Kalau tidak, kita mungkin juga melempar koin.


1

Masalah berulang yang melibatkan beberapa bentuk manfaat / biaya

Di bidang saya, kami memodelkan serangkaian variabel yang sama di lokasi, kerangka waktu, dan besaran yang berbeda


1

Menurut pendapat saya 16 alasan terlalu banyak, spesifikasi dan jenis tumpang tindih yang terlalu baik. Sebagai gantinya saya secara pribadi akan merampingkan ke dalam kelompok-kelompok besar. Kita dapat mengklasifikasikan tujuan penelitian dalam 3 kategori utama: pengujian hipotesis tunggal, studi eksplorasi dan untuk memprediksi.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.