Razões além da previsão para construir modelos?

Joshua Epstein escreveu um artigo intitulado "Why Model?" disponível em http://www.santafe.edu/media/workingpapers/08-09-040.pdf, no qual são apresentadas 16 razões:

1. Explique (muito diferente de prever)
2. Guia de coleta de dados
3. Ilumine a dinâmica do núcleo
4. Sugerir analogias dinâmicas
5. Descubra novas perguntas
6. Promover um hábito científico da mente
7. Resultados limitados (colchetes) a intervalos plausíveis
8. Ilumine as incertezas do núcleo.
9. Oferecer opções de crise em tempo quase real
10. Demonstrar tradeoffs / sugerir eficiências
11. Desafie a robustez da teoria predominante através de perturbações
12. Expor a sabedoria predominante como incompatível com os dados disponíveis
13. Treinar profissionais
14. Disciplinar o diálogo político
15. Educar o público em geral
16. Revelar o aparentemente simples (complexo) para ser complexo (simples)

(Epstein detalha muitas das razões em mais detalhes em seu artigo.)

Eu gostaria de perguntar à comunidade:

• existem razões adicionais que Epstein não listou?
• existe uma maneira mais elegante de conceituar (talvez um agrupamento diferente) essas razões?
• alguma das razões de Epstein é falha ou incompleta?
• são suas elaborações mais claras dessas razões?

Razão 17. Escreva um papel.

Meio que apenas brincando, mas não realmente. Parece haver um pouco de sobreposição entre alguns de seus pontos (por exemplo, 1, 5, 6, 12, 14).

Economizar

Eu construo matemática / estatística de mecanismos celulares. Por exemplo, como uma determinada proteína afeta o envelhecimento celular. O papel do modelo é principalmente previsão, mas também para economizar dinheiro. É muito mais barato empregar um único modelador do que (digamos) alguns biólogos de laboratório úmido com os custos de equipamento associados. É claro que a modelagem não substitui completamente o experimento, apenas ajuda o processo.

Para se divertir!

Tenho certeza de que a maioria dos estatísticos / modeladores faz seu trabalho porque gosta disso. Ser pago para fazer algo que você gosta é muito bom!

redução de dimensão

Às vezes, pode haver muitos dados; portanto, a formação de um modelo inicial permite análises adicionais.

regulamento

As agências governamentais exigem que as empresas forneçam relatórios usando certos modelos. Isso fornece um grau de padronização na supervisão. Um exemplo é o uso do Valor em Risco no setor financeiro.

Ao controle

Um aspecto importante da literatura de modelagem dinâmica está associado ao controle. Esse tipo de trabalho abrange muitas disciplinas, desde política / economia (veja, por exemplo, Stafford Beer), biologia (veja, por exemplo, o trabalho de N Weiner, de 1948, sobre cibernética) até a teoria contemporânea de controle do espaço de estados (veja uma introdução em Ljung, 1999).

O controle está meio que relacionado aos 9 e 10 de Epstein e às respostas de Shane sobre julgamento / regulação humana, mas achei que fazia sentido ser explícito. De fato, no final da minha carreira de engenheiro, eu daria uma resposta muito concisa aos usos da modelagem: controle, inferência e previsão. Eu acho que a inferência, com o que quero dizer filtragem / suavização / redução de dimensão, etc., é talvez semelhante aos pontos 3 e 8 de Epstein.

É claro que nos meus últimos anos eu não seria tão ousado a ponto de limitar os propósitos da modelagem ao controle, inferência e previsão. Talvez um quarto, cobrindo muitos dos pontos de Epsteins, deva ser "coerção" - a única maneira de "educar o público" é nos encorajar a criar nossos próprios modelos ...

Isso está intimamente relacionado a alguns dos outros, mas:

Eliminar o julgamento humano

A tomada de decisão humana está sujeita a muitas forças e preconceitos diferentes. Isso significa que você não apenas obtém respostas diferentes para a mesma pergunta, mas também pode ter resultados realmente abaixo do ideal. Exemplos seriam o viés de excesso de confiança ou a ancoragem.

Tomar uma ação (útil).

Estou parafraseando outra pessoa aqui, mas suponha que construamos um sistema de saúde pública em torno do modelo de que as doenças infecciosas são devidas a espíritos malévolos que se espalham pelo contato. A ciência dos micróbios pode ser um modelo infinitamente melhor, mas você pode evitar um bom número de contágios. (Eu acho que isso foi na leitura de uma história da cibernética, mas não me lembro quem fez isso.)

O ponto é que, na linha de "todos os modelos ruins, alguns úteis", precisamos formular modelos e refiná-los, a fim de realizar ações úteis com conseqüências duradouras. Caso contrário, podemos também jogar moedas.

Problemas repetitivos que envolvem alguma forma de benefício / custo

No meu campo, modelamos o mesmo conjunto de variáveis ​​em diferentes locais, período de tempo e magnitudes

Na minha opinião, 16 são muitas razões, uma especificação muito fina e um tipo de sobreposição às vezes. Em vez disso, eu simplificaria pessoalmente grupos amplos. Podemos classificar os objetivos do estudo em 3 categorias principais: teste de hipótese única, estudo exploratório e previsão.