Чем можно доказать адекватность модели

Урок 7
Модели и моделирование
(§6. Модели и моделирование)

Содержание урока

Адекватность

Адекватность

При моделировании всегда возникает вопрос: можно ли верить полученным результатам? Иначе говоря, будет ли оригинал вести себя так же, как и модель?

Адекватность модели (от лат. adaequatus — равный) — это совпадение свойств модели и оригинала в рассматриваемой задаче.

Адекватность означает, что результаты моделирования:

• не противоречат выводам теории, например законам сохранения (вещества, энергии и т. п.);
• подтверждаются экспериментом с реальным объектом (оригиналом).

Таким образом, адекватность модели можно окончательно доказать только экспериментом: если мы сможем решить задачу, используя результаты моделирования, то модель адекватна. На практике модель считается адекватной, если расхождения между численными результатами моделирования и эксперимента не превышают 10%.

Нужно понимать, что любая модель отличается от оригинала, поэтому она может быть адекватна только при определённых условиях — в той задаче, для решения которой она создавалась. Например, модель деления амёб (через некоторый интервал времени каждая амёба делится надвое) адекватна только при малом количестве амёб и небольших интервалах наблюдения, иначе амебы заполнили бы все пространство.

Во многих случаях результаты моделирования — это некоторые числа, измеренные или рассчитанные по результатам эксперимента с моделью. Это могут быть, например, сила, расстояние, скорость, ускорение, давление и др. Чаще всего эти величины для модели и оригинала будут различаться, поэтому нужно уметь пересчитывать «модельные» данные в соответствующие значения для оригинала. Этими вопросами занимается теория подобия. Простейший пример — работа с картой. Расстояние, измеренное по карте, нужно умножить на масштабный множитель, тогда получится соответствующее расстояние на реальной местности.

Следующая страница Вопросы и задания

Cкачать материалы урока

Источник

16. 2.Понятие адекватности модели и пути подтверждения адекватности.

В процессе работы модель выступает в роли относительно

самостоятельного квазиобъекта, позволяющего получить при исследовании

некоторые знания о самом объекте. Если результаты такого исследования

(моделирования) подтверждаются и могут служить основой для прогнозирования в исследуемых объектах, то говорят, что модель адекватна объекту. При этом адекватность модели зависит от цели моделирования и принятых критериев. Проверка адекватности и корректировка модели. Проверка адекватности модели необходима, так как по неверным результатам моделирования могут быть приняты неверные решения. Проверка может производиться путем сравнения показателей, полученных на модели, с реальными, а также путем экспертного анализа. Желательно проведение такого анализа независимым экспертом. Если по результатам проверки адекватности выявляются недопустимые расхождения между системой и ее моделью, в модель вносят необходимые изменения.В общем случае под адекватностью понимают степень соответствия модели тому реальному явлению или объекту, для описания которого она строится.Вместе с тем, создаваемая модель ориентирована, как правило, на исследование определенного подмножества свойств этого объекта. Поэтому можно считать, что адекватность модели определяется степенью ее соответствия не столько реальному

объекту, сколько целям исследования. В наибольшей степени это утверждение

справедливо относительно моделей проектируемых систем (то есть в ситуациях, когда реальная система вообще не существует).

Тем не менее, во многих случаях полезно иметь формальное подтверждение (или обоснование) адекватности разработанной модели. Один из наиболее

распространенных способов такого обоснования — использование методов

математической статистики. Суть этих методов заключается в проверке выдвинутой гипотезы (в данном случае — об адекватности модели) на основе некоторых статистических критериев.При проверке гипотез методами математической статистики необходимо иметь в виду, что статистические критерии не могут доказать ни одной гипотезы — они могут лишь указать на отсутствие опровержения.Итак, каким же образом можно оценить адекватность разработанной модели реально существующей системе? Процедура оценки основана на сравнении измерений на реальной системе и результатов экспериментов на модели и может проводиться различными способами. Наиболее распространенные из них:

по средним значениям откликов модели и системы;

по дисперсиям отклонений откликов модели от среднего значения откликов системы;

по максимальному значению относительных отклонений откликов модели от

откликов системы. Названные способы оценки достаточно близки между собой по сути, поэтому ограничимся рассмотрением первого из них. При этом способе проверяется гипотеза о близости среднего значения наблюдаемой переменной Y среднему значению отклика реальной системы Y*Всем моделям присуще наличие некоторой структуры (статической или динамической, материальной или идеальной), которая подобна структуре объекта – оригинала. В процессе работы модель выступает в роли относительно самостоятельного квазиобъекта, позволяющего получить при исследовании

некоторые знания о самом объекте. Если результаты такого исследования

(моделирования) подтверждаются и могут служить основой для прогнозирования в исследуемых объектах, то говорят, что модель адекватна объекту. При этом адекватность модели зависит от цели моделирования и принятых критериев. Проверка адекватности и корректировка модели. Проверка адекватности модели необходима, так как по неверным результатам моделирования могут быть приняты неверные решения. Проверка может производиться путем сравнения показателей, полученных на модели, с реальными, а также путем экспертного анализа. Желательно проведение такого анализа независимым экспертом. Если по результатам проверки адекватности выявляются недопустимые расхождения между системой и ее моделью, в модель вносят необходимые изменения. В общем случае под адекватностью понимают степень соответствия модели тому реальному явлению или объекту, для описания которого она строится.

Вместе с тем, создаваемая модель ориентирована, как правило, на исследование

определенного подмножества свойств этого объекта. Поэтому можно считать, что адекватность модели определяется степенью ее соответствия не столько реальному объекту, сколько целям исследования. В наибольшей степени это утверждение справедливо относительно моделей проектируемых систем (то есть в ситуациях, когда реальная система вообще не существует).

При проверке гипотез методами математической статистики необходимо иметь в виду, что статистические критерии не могут доказать ни одной гипотезы — они могут лишь указать на отсутствие опровержения.Итак, каким же образом можно оценить адекватность разработанной модели реально существующей системе? Процедура оценки основана на сравнении измерений на реальной системе и результатов экспериментов на модели и может проводиться различными способами. Наиболее распространенные из них:

по средним значениям откликов модели и системы; по дисперсиям отклонений откликов модели от среднего значения откликов системы; по максимальному значению относительных отклонений откликов модели от откликов системы.

Названные способы оценки достаточно близки между собой по сути, поэтому

ограничимся рассмотрением первого из них. При этом способе проверяется гипотеза о близости среднего значения наблюдаемой переменной Y среднему значению отклика реальной системы Y*.

В результате N0 опытов на реальной системе получают множество значений

(выборку) Y*. Выполнив NM экспериментов на модели, также получают множество значений наблюдаемой переменной Y.

Затем вычисляются оценки математического ожидания и дисперсии откликов модели и системы, после чего выдвигается гипотеза о близости средних значений величин Y* и Y (в статистическом смысле). Основой для проверки гипотезы является t-статистика (распределение Стьюдента). Ее значение, вычисленное по результатам испытаний, сравнивается с критическим значением tКР взятым из справочной таблицы. Если выполняется неравенство tn

Друзья! Приглашаем вас к обсуждению. Если у вас есть своё мнение, напишите нам в комментарии.

Источник

Учитель информатики

Сайт учителя информатики. Технологические карты уроков, Подготовка к ОГЭ и ЕГЭ, полезный материал и многое другое.

§13. Модели и моделирование.

Информатика. Учебник для 9 класса (по учебнику К. Ю. Полякова, Е.А. Еремина, базовый уровень)

§13. Модели и моделирование.

Что такое модель?

Ключевые слова:

При слове «модель» у многих, наверное, появляется мысль о моделях самолётов, кораблей, танков и другой техники, которые стоят на полках магазинов. Однако слово «модель» имеет более широкое значение. Например, игрушки, в которые играют дети всех возрастов, — это модели реальных объектов, с которыми они сталкиваются в жизни (или столкнутся в будущем).

Говоря о модели, мы всегда указываем на какой-то другой объект (процесс, явление), например: «Глобус — это модель Земли». Здесь другой объект — это Земля, он называется оригиналом. Объект становится моделью только тогда, когда есть оригинал, модели без оригинала не существует.

Зачем вообще нужны модели? Они появляются тогда, когда мы хотим решить какую-то задачу, связанную с оригиналом, а изучать оригинал трудно или даже невозможно:

• оригинал не существует; например, учебники истории — это модели общества, которого уже нет; возможные последствия ядерной войны учёные изучали на моделях, потому что ставить реальный эксперимент было бы безумием;
• исследование оригинала дорого или опасно для жизни, например, при управлении ядерным реактором, испытании скафандра для космонавтов, создании нового самолёта или корабля;
• оригинал сложно или невозможно исследовать непосредственно, например Солнечную систему, молекулы и атомы, очень быстрые процессы в двигателях внутреннего сгорания, очень медленные движения материков;
• нас интересуют только некоторые свойства оригинала; например, чтобы испытать новую краску для самолёта, не нужно строить самолёт.

Итак, модель всегда связана не только с оригиналом, но и с конкретной задачей, которую мы хотим решить с помощью модели.

Вместе с тем одна и та же модель может описывать множество самых разных оригиналов. Например, в различных задачах атом, муха, человек, автомобиль, высотное здание, даже планета Земля могут быть представлены как материальные точки (если размеры соседних объектов и расстояния между ними значительно больше).

Модель — это объект, который обладает существенными свойствами другого объекта или процесса (оригинала) и используется вместо него.

Назовите свойства самолёта, существенные с точки зрения:

а) конструктора;
б) дизайнера;
в) экономиста;
г) лётчика;
д) бортпроводника;
е) пассажира.

Практически всё, что мы делаем с помощью компьютеров, — это моделирование. Например, база данных библиотеки — это модель реального хранилища книг, компьютерный чертёж — это модель детали и т.д.

Моделирование — это создание и исследование моделей для изучения оригиналов.

С помощью моделирования можно решать задачи четырёх типов:

• изучение оригинала (в научных и учебных целях);
• анализ («что будет, если …») — прогнозирование влияния различных воздействий на оригинал;
• синтез («как сделать, чтобы …») — управление оригиналом;
• оптимизация («как сделать лучше всего …») — выбор наилучшего решения в данных условиях.

Назовите задачи, которые решаются в каждом случае.

а) Даниил считает, как купить новый планшетный компьютер по минимальной цене.
б) Кирилл выясняет, будет ли плавать в воде кусок пластика.
в) Константин проверяет, выдержит ли верёвка вес альпиниста.
г) Василий хочет сделать такой стол, который выдержит нагрузку в 200 кг.
д) Алёна изучает строение молекулы воды.

Какие бывают модели?

Существует множество классификации моделей, каждая из которых отражает какое-то одно свойство. Универсальной классификации моделей нет.

По своей природе модели делятся на материальные (физические, предметные) и информационные.

Материальные модели «можно потрогать» — это игрушки, уменьшенные копии самолётов и кораблей, чучела животных, учебные модели молекул и т. п.

Информационные модели — это информация о свойствах оригинала и его связях с внешним миром. Среди них выделяют вербальные модели (словесные, мысленные) и знаковые модели, записанные с помощью какого-то формального языка:

• графические (схемы, карты, фотографии, чертежи);
• табличные;
• математические (формулы);
• логические (варианты выбора на основе анализа условий);
• специальные (ноты, химические формулы и т. п.).

Различают статические и динамические модели.

В статических моделях предполагается, что интересующие нас свойства оригинала не изменяются во времени.

Динамические модели описывают движение, развитие, изменение.

Какие из этих моделей статические, а какие — динамические:

а) модель полёта шарика;
б) фотография;
в) видеозапись;
г) история болезни;
д) анализ крови;
е) модель молекулы воды;
ж) модель развития землетрясения;
з) модель вращения Луны вокруг Земли?

Динамические модели могут быть дискретными и непрерывными.

Модель называется дискретной, если она описывает поведение оригинала только в отдельные моменты времени. Например, модель колонии животных определяет их численность один раз в год.

Непрерывная модель описывает поведение оригинала для всех моментов времени из некоторого временного промежутка. Например, формула у = sin х и график этой функции — это непрерывные модели. Так как компьютер работает только с дискретными данными, все компьютерные модели — дискретные.

По характеру связей модели делятся на детерминированные и вероятностные.

В детерминированных моделях связи между исходными данными и результатами жёстко заданы, при одинаковых исходных данных всегда получается один и тот же результат (например, при расчёте по известным формулам).

Вероятностные модели учитывают случайность событий в реальном мире, поэтому при одних и тех же условиях результаты нескольких испытаний модели могут отличаться. К вероятностным относятся модели броуновского движения частиц, полёта самолёта с учётом ветра, движения корабля при морском волнении, поведения человека. В результате эксперимента с такими моделями определяют некоторые средние величины по результатам серии испытаний, например среднюю скорость движения частиц, среднее отклонение корабля от курса и т. п. Несмотря на случайность, эти результаты достаточно стабильны, т. е. мало меняются при повторных испытаниях.

Используя дополнительные источники, выясните, от каких иностранных слов произошли слова «вербальный», «статический», «динамический», «детерминированный».

По материалам параграфа составьте в тетради схемы различных классификаций моделей.

Имитационные модели используются в тех случаях, когда поведение сложной системы нельзя (или крайне трудно) предсказать теоретически, но можно смоделировать её реакцию на внешние условия. Для того чтобы найти оптимальное (самое лучшее) решение задачи, нужно выполнить моделирование при многих возможных вариантах и выбрать наилучший из них. Такой метод часто называют методом проб и ошибок.

Имитационные модели позволяют очень точно описать поведение оригинала, но полученные результаты справедливы только для тех случаев, которые мы моделировали (что случится в других условиях — непонятно). Примеры использования имитационных моделей:

• испытание лекарств на мышах, обезьянах, группах добровольцев;
• модели биологических систем;
• экономические модели управления производством;
• модели систем массового обслуживания (банки, магазины и т. п.). Для понимания работы процессора можно использовать его имитационную модель, которая позволяет вводить команды в определённом формате и выполнять их, и показывает изменение значений регистров (ячеек памяти) процессора. Подобные модели применяют в том случае, когда нужно написать программу для системы, на которой её невозможно отлаживать (например, для микропроцессора, встроенного в бытовую технику). Такой подход называют кросс-программированием: программа пишется и отлаживается в одной системе, а работать будет в другой. В этом случае другую систему приходится моделировать с помощью имитационной модели.

Игровые модели позволяют учитывать действия противника, например, при моделировании военных действий, соревнований, конкуренции в бизнесе. Задача игрового моделирования — найти лучшую стратегию в игре — план действий, который даёт наилучшие результаты даже в том случае, когда противник играет безошибочно. Этими вопросами занимается теория игр — раздел математики, одним из создателей которого был американский учёный Джон фон Нейман.

Адекватность моделей

Итак, при моделировании мы заменяем один объект (объект — оригинал) другим. Поэтому всегда возникает вопрос, можно ли верить полученным результатам. Иначе говоря, будет ли оригинал вести себя так же, как и модель?

Адекватность модели — это совпадение существенных свойств модели и оригинала в рассматриваемой задаче.

Используя дополнительные источники, выясните, от какого иностранного слова произошло слово «адекватный».

Адекватность означает, что результаты моделирования:

• не противоречат выводам теории, например законам сохранения (вещества, энергии и т. п.);
• подтверждаются экспериментом с оригиналом.

Таким образом, адекватность модели окончательно можно доказать только экспериментом: если результаты нашего моделирования близки к наблюдаемым на практике, это означает, что модель адекватна.

Для того чтобы вычислить ошибку моделирования, нужно модуль разности между результатом моделирования X и результатом эксперимента X_* разделить на результат эксперимента и умножить на 100%:

Величина «дельта икс» — называется относительной ошибкой. На практике модель обычно считается адекватной, если относительная ошибка не превышает 10%.

Феофан построил математическую модель, которая позволяет прогнозировать изменение веса кошки. Для какого периода времени модель Феофана адекватна?

Нужно понимать, что любая модель отличается от оригинала, поэтому она может быть адекватна только при определённых условиях — в той задаче, для решения которой она создавалась. Например, модель деления амёб (через некоторый интервал времени каждая амёба делится надвое) адекватна только при малом количестве амёб и небольших интервалах наблюдения, иначе амёбы заполнили бы всё пространство.

Во многих случаях результаты моделирования — это некоторые числа, измеренные или рассчитанные по результатам эксперимента с моделью. Это могут быть, например, сила, расстояние, скорость, ускорение, давление и др. Чаще всего эти величины для модели и оригинала будут различаться, поэтому нужно уметь пересчитывать «модельные» данные в соответствующие значения для оригинала. Этими вопросами занимается теория подобия. Простейший пример — работа с картой. Расстояние, измеренное по карте, нужно умножить на масштабный множитель, тогда получится соответствующее расстояние на реальной местности.

Выводы

• Модель — это объект, который обладает существенными свойствами другого объекта, процесса или явления (оригинала) и используется вместо него.

• Моделирование — это создание и исследование моделей для изучения оригиналов.

• С помощью моделирования можно решать задачи четырёх типов:

1) изучение оригинала;
2) анализ — прогнозирование влияния различных воздействий на оригинал;
3) синтез — управление оригиналом;
4) оптимизация — выбор наилучшего решения в данных условиях.

• Универсальной классификации моделей нет. По своей природе модели делятся на материальные и информационные.

• Адекватность модели — это совпадение существенных свойств модели и оригинала в рассматриваемой задаче. Проверить адекватность можно только путём эксперимента с оригиналом.

Нарисуйте в тетради интеллект-карту этого параграфа.

Вопросы и задания

1. Что вы думаете по поводу другого определения модели: «Модель — это упрощённое представление реального объекта, процесса или явления»?
2. Приведите примеры разных моделей человека. Для решения каких задач они предназначены?
3. Приведите примеры моделей, с которыми мы работаем на компьютерах.
4. К какому типу (типам) можно отнести следующие модели?

Используйте разные классификации.

5. Какую модель — вероятностную или детерминированную — вы рекомендуете выбрать для исследования движения судна в шторм? Почему?
6. Сравните достоинства и недостатки имитационных и теоретических моделей (например, записанных в виде формул).
7. Верно ли, что модели, используемые при создании компьютерных игр, это игровые модели? Обоснуйте вашу точку зрения.
8. Как можно доказать, что модель неадекватна?
9. Почему ни одна модель не может быть полностью адекватна оригиналу?
10. Выполните по указанию учителя задания в рабочей тетради.

Подготовьте сообщение

а) «Анализ и синтез»
б) «Детерминированные и вероятностные модели»
в) «Игровые модели»
г) «Адекватность моделей»

Источник

ОБ АДЕКВАТНОСТИ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ

Так, возникло понятие «адекватность» и стало необходимым при проверке математических моделей.

Любая математическая модель характеризуется в первую очередь, необходимостью математических вычислений, что повлекло за собой появление вычислительного эксперимента. Во время планирования вычислительного эксперимента задействуют различные методы математического моделирования. Причем от методов, которые употребляются в математической статистике до методов, присущих теории катастроф.

С середины двадцатого века центром математического моделирования становится понятие адекватности.

«Если математика является «чистым порождением ума» (своеобразной «игрой в бисер»), то непонятно, почему мир обязан с ней сообразовываться. Если же она является формой абстрагирования в «аминокислотном» человеческом сознании присущих миру (или возможных в нем при отсутствии запрещающих ограничений) структур и отношений, то возникает вопрос об «адекватности», «изоморфности» математических структур структурам реальности» (Д. Гильберт) [1].

Адекватность математической модели особенно важна в задачах эксплуатации, где непосредственно можно сопоставлять расчетные и фактические значения параметров и проверять правильность модели. По многим причинам теоретические значения некоторых коэффициентов в этих соотношениях существенно отличаются от фактических. Точнее, теоретическая модель оказывается недостаточно хорошей для описания реального объекта.

F-тестом или критерием Фишера (F-критерием, φ*-критерием) — называют любой статистический критерий, тестовая статистика которого при выполнении нулевой гипотезы имеет распределение Фишера (F-распределение доверительного интервала [2].

Критерий Фишера является очень удобным в проверке адекватности математических моделей. Удобство использования критерия Фишера состоит в том, что проверку гипотезы можно свести к сравнению с табличным значением. Если рассчитанное значение F-критерия не превышает табличного, то, с соответствующей доверительной вероятностью, модель можно считать адекватной. При превышении табличного значения эту приятную гипотезу приходится отвергать. Этот способ расчета дисперсии адекватности, подходит, если опыты в матрице планирования не дублируются, а информация о дисперсии воспроизводимости извлекается из параллельных опытов в нулевой точке или из предварительных экспериментов.

1) опыты во всех точках плана дублируются одинаковое число раз (равномерное дублирование),

2) число параллельных опытов не одинаково (неравномерное дублирование).

Проверка адекватности математической модели системы (или ее отдельных элементов) осуществляется путем проведения экспериментальных исследований и сопоставления их результатов с результатами аналитических расчетов, выполненных для конкретных условий проведения эксперимента[3].

Если расчетное значение с k₁=(m) и k₂=(n-m-1) степенями свободы больше табличного при заданном уровне значимости, то модель как уже было выше сказано считается значимой.

где m – число факторов в модели.

Оценка статистической значимости парной линейной регрессии производится по следующему алгоритму:

Выдвигается нулевая гипотеза о том, что уравнение в целом статистически незначимо: H₀: R 2 =0 на уровне значимости α.

Далее определяют фактическое значение F-критерия:

где m=1 для парной регрессии.

Например, табличное значение критерия со степенями свободы k₁=1 и k₂=48, F_табл = 4

Если фактическое значение F-критерия меньше табличного, то говорят, что нет основания отклонять нулевую гипотезу.

В противном случае, нулевая гипотеза отклоняется и с вероятностью (1-α) принимается альтернативная гипотеза о статистической значимости уравнения в целом.

Пример. По совокупности 25 предприятий торговли изучается зависимость между признаками: X — цена на товар А, тыс. руб.; Y — прибыль торгового предприятия, млн. руб. При оценке регрессионной модели были получены следующие промежуточные результаты:

Какой показатель корреляции можно определить по этим данным? Рассчитайте величину этого показателя, на основе этого результата и с помощью F-критерия Фишера сделайте вывод о качестве модели регрессии.

Решение. По этим данным можно определить эмпирическое корреляционное отношение:

Поскольку фактическое значение F > Fтабл, то найденная оценка уравнения регрессии статистически надежна.

Таким образом, доказывается адекватность математической модели.

Такие проверки, несмотря на их трудоемкость, проводятся регулярно и, как правило, дают вполне удовлетворительные результаты, подтверждая пригодность всех моделей для практического использования[4]

Из всего вышесказанного можно сделать вывод, что понятие «адекватность» имеет полное право занять достойное место, среди четких математических определений. Именно с помощью этого понятия можно внести в хаотический мир некоторых математических понятий порядок [1].

Список используемых источников

2. Вяхирев, Р. Российская газовая энциклопедия: учебное пособие/ Р. Вяхирев; ред. Р.И. Вяхирев; Изд-во Большая Российская Энциклопедия, 2004г.

3. Адекватность и точность математических моделей. Верификация результатов моделирования [Электронный ресурс] – Режим доступа: http://studopedia.ru/ 4. F-статистика. Критерий Фишера [Электронный ресурс] – Режим доступа: http://math.semestr.ru/corel/fisher.php

В рамках реализации «Государственной молодежной политики Российской Федерации на период до 2025 года» и направления «Вовлечение молодежи в инновационную деятельность и научно-техническое творчество» коллективами преподавателей различных вузов России в 2009 году было предложено совместное проведение электронной научной конференции «Международный студенческий научный форум».

Источник