Comment construire un modèle mathématique

Instructions

1. Rassemblez les informations suivantes: ce que vous que- déjà des sources de pertinentes Data- votre assumptions- ce que vous souhaitez prévoir avec les moyens Modèle- de vérifier que le modèle sera construit correctement-et façons de valider le modèle.

2. des diagrammes simples croquis qui décrivent les éléments du modèle et la façon dont ils sont reliés les uns aux autres. Comme pour toute tâche complexe, la visualisation aide.

3. Procéder à une revue de la littérature à travers. Il n`y a pas besoin de réinventer la roue si quelqu`un d`autre a mis au point un modèle qui peut répondre à vos besoins déjà. Cependant, vous devez comprendre toutes les hypothèses et l`applicabilité d`un modèle avant de l`utiliser.

4. 
   
   
   
   

   Procéder à une toute révision des données que vous prévoyez d`utiliser. Identifier les écarts et les incohérences entre et dans les ensembles de données. Souvent, il manque des données, donc bien réfléchir à la façon dont vous allez gérer les données manquantes. Si possible, quantifier les incertitudes associées aux données.

5. Commencez avec un modèle simple. En général, il y a un simple compromis entre la complexité et la précision. Selon le principe du rasoir d`Occam, parmi les modèles avec puissance prédictive similaire, le plus simple est le plus souhaitable.

6. Identifier les variables importantes et constantes et de déterminer comment ils se rapportent les uns aux autres. Les variables les plus importantes sont les variables d`entrée et de sortie. Dans le modèle, vous pouvez avoir d`autres types de modèles tels que les variables de décision, des variables aléatoires ou des variables d`état.

7. Construire des équations qui relient les variables les unes aux autres. Encore une fois, le plus simple sera le mieux.

8. Identifier les paramètres des équations et élaborer un plan comment estimer les paramètres à partir des données. Ceci pourrait se faire simplement en ajustant les équations aux données. Cependant, plus de modèles complexes peuvent nécessiter des méthodes d`étalonnage des paramètres sophistiqués.

9. Validez votre modèle contre un ensemble de données qui n`a pas été utilisée pour construire le modèle.

10. Constamment tester votre modèle et mettre à jour vos équations en fonction des nouvelles données et informations.