一階建模與定性分析
模型的局限
每個模型都是一個刻意的謊言,卻訴說著有用的真理。要建立一個方程,你得拋棄現實的大部分——摩擦、天氣、事物雜亂的個別性——只保留對你的問題重要的東西。正是這點讓模型可解且富啟發。但這也意味著每個模型都有一道邊緣,越過它,簡化便不再無害,而開始變成謬誤。知道那道邊緣在哪,與寫出方程同樣是建模的一部分。
局限以三種誠實的方式現身。第一,假設:指數增長模型假設資源無限,故一旦擁擠便失效;牛頓冷卻假設溫度均勻一致,故對厚實的烤肉便失效;線性空氣阻力假設運動緩慢,故對高速跳傘者便失效。第二,有效範圍:一個在一小時內可信的模型,放到一年可能荒謬;一個在平衡點附近良好的模型,遠離它便可能誤導——外推到測試範圍之外,是典型的失誤。第三,被完全略去的東西:隨機性、延遲、空間變化、模型從未納入的回饋,都可能主宰真實行為。
成熟的態度不是不信任模型——它們正是我們理解並預測世界的方式——而是記著它們的保固範圍來使用。把你的假設大聲說出來,用資料核對預測,留意它們在何處崩潰,並在簡單模型失效時取用更豐富的模型。模型是地圖,不是疆域:找路時不可或缺,忘了它只是地圖便危險。
指數增長對一個細菌群落最初幾小時擬合得極好,但一旦養分耗盡便嚴重高估——模型的邊緣已到,改用邏輯斯諦方程方能恢復誠實。
模型是地圖,不是疆域:在其範圍內精確,越界便會誤導。
對過去資料擬合良好,並不保證在該範圍外能做出好的預測;代價最高的建模錯誤,往往來自把模型外推到遠超它驗證過的條件之外。
又称
另见