0-0 刚开始的这几个讲稿应该都是宏观讲一下要学的东西,所以这篇主要是理论科学哲学的实践方法,扫了一眼,大概是如何做一个实验! 有趣!
上篇讲了如何建模还记得吗!!来复习一下:
Idealization: 首先建一个数学模型
Discretization: 将它转化为离散/数值问题
Simulation: 计算模拟的结果
Verification:验证是否于数学模型一致
Validation: 看看能不能用在现实世界
两种方法用来建模:
- 数据驱动模型:一开始看数据来建模的,比如现实世界的图像目标并且对这个模型建模。
- 方案驱动模型: 用物理定律(数学公式)或者和数据相似的数学模型来建模的。
会有些争议是数学先还是数据先(先有鸡先有蛋?)。
在建模的时候是需要实验的!也就是
- verification
- validation
这两个!
所以!啥是实验!!!(我们老师真??)
字典说:
实验是基于一些可控条件下的一个测试,这个测试是用于展示一个已知的事实,或者是测试一个假设的有效性(真实性),或者是证明之前没有尝试过的东西的效用。
所以我们怎么设计一个好的实验呢?
Hornbæk的建议:
在我们做一个实验之前:
- 考虑好实验的validity(正确性)和reliability(可靠性)。
- Design so as to rule out alternative hypotheses (设计这个来排除其他的假设)
- 考虑好实验方案和措施
在做实验的时候:
- 最小化实验参数
- 最小化实验者的影响
在做完实验之后:
- 做好数理统计分析
- 讨论正确性和错误的原因
Ingvor的建议是搞清楚以下几个问题:
- 这个实验的目的是啥?
- 有多少个参数会影响这个实验?
- 是否有足够的数据来评价这个实验?
- 需要多少时间来执行这个实验?
- 是否将实验的理论期望值也列出?
Erleben(Kenny大神)的建议是:
Start Backwards
- 在做实验之前要先计划好!
- 要做一个和你之前的方案不同的解决方法!(原话是C