Причины помимо прогноза построения моделей?

Джошуа Эпштейн написал статью под названием «Почему модель?» доступно по адресу http://www.santafe.edu/media/workingpapers/08-09-040.pdf, в котором приводятся 16 причин:

1. Объясните (очень отличается от предсказания)
2. Руководство сбора данных
3. Подсветить динамику ядра
4. Предложить динамические аналогии
5. Откройте для себя новые вопросы
6. Поощрять научную привычку ума
7. Связать (заключить в скобки) результаты в вероятных диапазонах
8. Осветить основные неопределенности.
9. Предлагайте кризисные варианты практически в реальном времени
10. Продемонстрировать компромиссы / предложить эффективность
11. Испытайте надежность господствующей теории через возмущения
12. Раскройте преобладающую мудрость как несовместимую с имеющимися данными
13. Тренируйте практикующих
14. Дисциплина политический диалог
15. Просвещать широкую общественность
16. Выявить кажущееся простым (сложным) быть сложным (простым)

(Эпштейн подробно описывает многие из причин в своей статье.)

Я хотел бы спросить сообщество:

• Есть ли дополнительные причины, которые Эпштейн не перечислил?
• Есть ли более элегантный способ осмысления (возможно, другой группировки) этих причин?
• какие-либо из причин Эпштейна ошибочны или неполны?
• являются ли их более четкими изложения этих причин?

Причина 17. Напишите статью.

Вроде шучу, но не совсем. Кажется, есть некоторые совпадения между некоторыми из его точек (например, 1, 5, 6, 12, 14).

Экономить деньги

Я строю математические / статистические клеточные механизмы. Например, как конкретный белок влияет на клеточное старение. Роль модели в основном прогнозирования, но и для экономии денег. Гораздо дешевле нанять одного модельера, чем, скажем, несколько биологов, работающих в мокрой лаборатории, с сопутствующими расходами на оборудование. Конечно, моделирование не полностью заменяет эксперимент, оно просто помогает процессу.

Ради забавы!

Я уверен, что большинство статистиков / модельеров делают свою работу, потому что им это нравится. Получать деньги за то, что тебе нравится, довольно приятно!

уменьшение размеров

Иногда может быть слишком много данных, поэтому формирование исходной модели позволяет проводить дальнейший анализ.

регулирование

Правительственные учреждения требуют от фирм предоставления отчетов с использованием определенных моделей. Это обеспечивает степень стандартизации в надзоре. Примером является использование Value-at-Risk в финансовом секторе.

контроль

Основной аспект литературы по динамическому моделированию связан с контролем. Этот вид работы охватывает множество дисциплин от политики / экономики (см., Например, Stafford Beer), биологии (см., Например, работа N Weiner 1948 года по кибернетике) до современной теории управления пространством в государстве (см. Вступление Ljung 1999).

Контроль в некотором роде связан с 9 и 10 Эпштейном, а также с ответами Шейна о человеческом суждении / регулировании, но я подумал, что имеет смысл быть явным. Действительно, в конце моей инженерной карьеры я бы дал вам очень краткий ответ на использование моделирования: контроль, умозаключения и прогнозирование. Я предполагаю, что логический вывод, под которым я подразумеваю фильтрацию / сглаживание / уменьшение размеров и т. Д., Может быть аналогичен пунктам 3 и 8 Эпштейна.

Конечно, в последующие годы я не был настолько смелым, чтобы ограничивать цели моделирования контролем, умозаключениями и предсказаниями. Возможно, четвертым, охватывающим многие из пунктов Эпштейна, должно быть «принуждение» - единственный способ, которым вы должны «обучать публику», - это побуждать нас создавать свои собственные модели ...

Это тесно связано с некоторыми другими, но:

Устранить человеческое суждение

Принятие решений человеком зависит от множества различных сил и предубеждений. Это означает, что вы не только получаете разные ответы на один и тот же вопрос, но вы также можете получить действительно неоптимальные результаты. Примерами могут быть чрезмерная предвзятость или привязка.

Принять (полезное) действие.

Я перефразирую кого-то еще здесь, но предположим, что мы выстроили систему общественного здравоохранения вокруг модели, согласно которой инфекционные заболевания возникают из-за злых духов, которые распространяются через контакт. Наука о микробах может быть бесконечно лучшей моделью, но, тем не менее, вы можете предотвратить большое количество инфекций. (Я думаю, что это было при чтении истории кибернетики, но я не могу вспомнить, кто это сделал.)

Дело в том, что по принципу «все модели плохие, некоторые полезные» нам необходимо сформулировать модели и уточнить их, чтобы предпринять какие-либо полезные действия с долгосрочными последствиями. Иначе мы могли бы бросить монеты.

Повторяющиеся проблемы, связанные с той или иной формой выгоды / стоимости

В моей области мы моделируем один и тот же набор переменных в разных местах, временных рамках и величинах.

По моему мнению, 16 - это слишком много причин, слишком хорошая спецификация и временами перекрытия. Вместо этого я бы лично упорядочил в широкие группы. Мы можем классифицировать цели исследования по 3 основным категориям: проверка единой гипотезы, предварительное исследование и прогнозирование.