2021’de Kristal Küre İle Geleceği Nasıl Tahmin Edebiliriz?
Kristal Küre ile İnsanlar her zaman geleceği tahmin etmeye çalıştılar. Mahsuller bu yıl iyi olacak mı? Bu bulutlar yağmur mu demek? Vadinin diğer tarafındaki kabilenin saldırması muhtemel mi?
Eski zamanlar da insanlar tahmin de bulunabilmek için pek çok farklı yöntem kullandı. Bazıları bir fincanın dibinde kalan çay yapraklarının desenlerini inceledi. Diğerleri kemikleri yere fırlattılar ve indiklerinden tahminlerde bulundular. Hatta bazıları geleceği tahmin etmek için ölü hayvanların iç organlarını veya bağırsaklarını inceledi. Ancak modern zamanlarda bilim adamları, önümüzdeki haftalarda veya yıllarda gerçekten ne olacağına dair büyük bir şansa sahipti. Kristal küreye ihtiyaçları yok. Sadece bol miktarda veri ve biraz matematik.
Kristal Küre İle Geleceği Nasıl Tahmin Et
İstatistik, verileri analiz etmek için kullanılan bir matematik alanıdır.
Mahallelerde daha fazla polis olması suçu azaltır mı?
İnsanlar maske takarsa COVID-19 ‘dan kaç hayat kurtarılabilir ?
Önümüzdeki Salı yağmur yağacak mı?
Tahminciler, Dünya hakkında bu tür tahminlerde bulunmak için olmayan bir dünya ortaya çıktı. Model denir. Küre Genellikle modeller bilgisayar programlarıdır. Bazıları elektronik tablolar ve grafiklerle doludur. Diğerleri SimCity veya Stardew Valley gibi video oyunlarına çok benzer.
Natalie Dean, Gainesville’deki Florida Üniversitesi’nde bir istatistikçi. Bulaşıcı hastalıkların nasıl yayılacağını tahmin etmeye çalışıyor. 2016’da ABD sivrisinekleri Zika virüsünü güney eyaletlerinde yayıyordu. Dean, Zika’nın bir dahaki sefere nerede çıkacağını anlamak için Boston, Massachusetts’teki Northeastern Üniversitesi’ndeki bilim insanlarıyla birlikte çalıştı.
Bu ekip, salgınları simüle etmek için karmaşık bir bilgisayar modeli yaptı. Dean,küre “Model insanları simüle etmiş ve sivrisinekleri simüle etmişti” diye açıklıyor. Ve model insanların simüle edilmiş hayatlar yaşamasına müsade etti. Okula gittiler. İşe gittiler. Bazıları uçaklarda seyahat etti. Model, bu yaşamların bir veya daha fazla ayrıntısını değiştirmeye devam etti.
Ekip, her değişiklikten sonra analizi tekrar çalıştırdı. Araştırmacılar, her türlü farklı durumu kullanarak virüsün belirli koşullar altında nasıl yayılabileceğini tahmin edebilirler.
Tüm modeller bu kadar süslü değil. Ancak tahminlerini yapmak için hepsinin veriye ihtiyacı var. Ne kadar fazla veri ve gerçek dünya koşullarını ne kadar iyi temsil ederse, tahminlerinin de o kadar iyi olması muhtemeldir.
Kristal Küre İle Matematiğin rolü
Tom Di Liberto bir iklim bilimci. Çocukken karı severdi. Aslında, TV hava durumu karı tahmin ettiğini her söylediğinde telaşlandı. Bir meteorolog ve iklimbilimci olarak büyüdü. (Ve karı hala seviyor.) Şimdi, Dünya’nın iklimi ısınmaya devam ettikçe, kar yağışı da dahil olmak üzere hava modellerinin nasıl değişebileceğini anlıyor. CollabraLink şirketi için çalışıyor. Ofisi, Ulusal Okyanus ve Atmosfer İdaresi’nin İklim Değişikliği Bürosu’ndadır. Silver Spring’de, Md., Washington, D.C.’nin hemen dışında.
Di Liberto, hava ve iklim modellerinin tamamen atmosferde olanları parçalamakla ilgili olduğunu söylüyor. Bu eylemler denklemlerle açıklayıcı olur. Denklemler, nesneler arasındaki ilişkileri temsil etmenin matematiksel bir yoludur. Sıcaklık, nem veya enerjiyi etkileyen ilişkiler gösteriyor olabilirler. Küre Modeli “Fizikte atmosferin ne yapacağını tahmin etmemize izin veren denklemler var” diye açıklıyor. “Modellerimize bu denklemleri koyuyoruz.” Örneğin, yaygın bir denklem F = ma’dır. Kuvvetin (F) kütle (m) çarpı ivme (a) olduğunu açıklar.
İlişki gelecekteki rüzgar hızının tahmin edilmesine yardımcı oldu. Sıcaklık ve nemdeki değişiklikleri tahmin etmek için benzer denklemler bulundu.
Di Liberto, “Bu sadece temel fizik,” diye açıklıyor. Bu, hava ve iklim modelleri için denklemler bulmayı kolaylaştırır.
Kristal Küre İle Desen Tanıma
Peki ya bu kadar bariz denklemlerden yoksun bir model oluşturuyorsanız? Emily Kubicek bu tür şeylerle çok çalışıyor.
Los Angeles, Kaliforniya bölgesinde bir veri bilimcisi. Walt Disney Company’nin Disney Media & Entertainment Distribution iş kolunda çalışıyor. Yeni bir dondurma çeşidinin kimden hoşlanacağını bulmaya çalıştığınızı hayal edelim, diyor. Hindistan cevizi kamkat diyelim. Yeni lezzeti örnekleyen tüm insanlar hakkında model verilerinize koyarsınız. Onlar hakkında bildiklerinizi dahil edersiniz: cinsiyetleri, yaşları, etnik kökenleri ve hobileri. Ve tabii ki, en sevdikleri ve en az sevdikleri dondurma lezzetlerini de dahil edersiniz. Sonra yeni tadı beğenip beğenmediklerini koyarsınız.
Kubicek bunlara eğitim verileri diyor. Kristal Küre Modelini öğretecekler.
Kristal Küre Modeli bu verileri sıralarken, kalıpları arar. Daha sonra insanların özellikleriyle yeni tadı beğenip beğenmediklerini eşleştiriyor. Sonunda, model, satranç oynayan çocuklar, Hindistancevizi-kamkat dondurmasından keyif alabileceklerini görebilir.
Modele yeni veriler. Birinin dondurmayı beğenip beğenmeyeceğini tahmin etmek için “Aynı matematiksel denklemi yeni verilere uyguluyor” diye açıklıyor. Ne kadar çok veriye sahip olursanız, modelinizin gerçek bir modelin mi yoksa sadece rastgele ilişkilendirmelerin – istatistikçilerin verilerde “gürültü” dediği şeyi tespit etmesi o kadar kolay olur. Bilim adamları modeli daha fazla veriyle besledikçe, tahminlerinin güvenilirliğini de iyileştirirler.
Kristal Küre İle Sıcak kir
Elbette, küre modelinin öngörü sihrini gerçekleştirmesi için sadece çok fazla veriye değil, aynı zamanda iyi verilere de ihtiyacı var. Di Liberto, “Bir model bir çeşit Kolay Pişir Fırına benzer,” diyor. “Kolay Pişir Fırını ile malzemeleri bir uca koyarsınız ve diğer uca küçük bir kek çıkar.”
İhtiyacınız olan veriler, modelden ne tahmin etmesini istediğinize bağlı olarak farklılık gösterir.
Michael Lopez, Ulusal Futbol Ligi için New York’ta bir istatistikçidir. Topu aldığında geri koşmanın ne kadar iyi olacağını tahmin etmek isteyebilir. Bunu tahmin etmek için Lopez, o futbolcunun kaç kez bir mücadele atlattığına dair veri toplar. Ya da topu aldıktan sonra belirli bir miktar açık alana sahipken nasıl performans gösterdiğini.
Lopez çok özel gerçekleri arar. “Bizim işimiz kesin olmaktır” diye açıklıyor. “Koşunun kırabildiği tam sayıya ihtiyacımız var.” Ve, modelin “topu aldığında [mücadelenin] önündeki tam açık alan miktarını” bilmesi gerektiğini ekliyor.
Lopez’e göre önemli olan, büyük veri kümelerini yararlı bilgilere dönüştürmektir. Örneğin, model bir oyunda oyuncuların hangi koşullar altında yaralandığını gösteren bir grafik veya tablo oluşturabilir. Bu, ligin güvenliği artırmak için kurallar koymasına yardımcı olabilir.
Ama hiç yanlış anlarlar mı? Lopez, “Her zaman” diyor. “Bir şeyin olma olasılığının yalnızca yüzde 10 olduğunu söylersek ve bu, zamanın yüzde 30’unda olursa, muhtemelen yaklaşımımızda bazı değişiklikler yapmamız gerekir.”
Bu, son zamanlarda ligin “beklenen acele yarda mesafesi” denen bir şeyi ölçme yöntemiyle oldu. Bu, bir takımın sahada bir futbolu ne kadar uzağa taşıyabileceğinin bir tahminidir. Kaç yarda kazanıldığına dair pek çok veri var. Ancak bu veriler size top taşıyıcısının neden başarılı olduğunu veya neden başarısız olduğunu söylemiyor. Daha kesin bilgiler eklemek, NFL’nin bu tahminleri geliştirmesine yardımcı oldu.
Di Liberto, “Malzemeleriniz zayıfsa, matematiğinizin ne kadar iyi olduğu veya modelinizin ne kadar iyi olduğu önemli değildir” diyor. “Kolay Pişir Fırınınıza bir yığın kir koyarsanız, kek alamazsınız. Sadece sıcak bir kir yığını elde edeceksin. “
Yıkayın, durulayın, tekrarlayın
Kural olarak, model ne kadar karmaşıksa ve ne kadar çok veri kullanılırsa, tahmin o kadar güvenilir olacaktır. Ama dağlar kadar iyi veri yoksa ne yaparsınız?
Stand-in’leri arayın.
Örneğin, COVID-19’a neden olan virüs hakkında öğrenilecek çok şey var. Bununla birlikte bilim, diğer koronavirüsler hakkında (birkaçı soğuk algınlığına neden olan) çok şey biliyor. Ve kolayca yayılan diğer hastalıklar hakkında pek çok veri var. Bazıları en az onun kadar ciddidir. Bilim adamları bu verileri COVID-19 virüsü ile ilgili veriler için stand-in olarak kullanabilir.
Bu yüzden yeni çıkan korona virüs salıgın’ının nelere neden olacağını tahmin edebilirler. Sonra bilim adamları, modellerine bir dizi olasılık koydu. Florida’dan Dean, “Sonuçların farklı varsayımlarla değişip değişmediğini görmek istiyoruz” diyor. “Varsayımı ne kadar değiştirirseniz değiştirin, aynı temel yanıtı alırsanız, kendimize çok daha fazla güveniriz.” Ancak yeni varsayımlarla değişirse, “bu, bunun hakkında daha fazla veriye ihtiyacımız olduğu anlamına gelir.”
Burkely Gallo sorunu biliyor. Hava tahminlerini iyileştirmeye yardımcı olmak için Ulusal Hava Durumu Servisi’ne (NWS) araştırma sağlayan bir kuruluş için çalışıyor. İşi: Kasırgaları tahmin etmek. Bunu Norman, Okla’daki federal Fırtına Tahmin Merkezi’nde yapıyor.
Kasırgalar yıkıcı ve oldukça nadirdirler ve bir anda ortaya çıkıp dakikalar sonra kaybolabilirler. Bu, onlar hakkında iyi veri toplamayı zorlaştırır. Bu veri eksikliği, bir sonraki kasırganın ne zaman ve nerede meydana geleceğini tahmin etmeyi de zorlaştırıyor.
Bu durumlarda topluluklar çok kullanışlıdır. Gallo, bunları bir tahminler koleksiyonu olarak tanımlıyor. “Modeli küçük bir şekilde değiştiriyoruz, ardından yeni bir tahmin çalıştırıyoruz” diye açıklıyor. “Sonra onu başka bir küçük şekilde değiştiririz ve başka bir tahmin yürütürüz. Çözüm “zarfı” denen şeyi elde ederiz. Umarız gerçeklik bu zarfın içinde bir yere düşer. “
Gallo, çok sayıda tahmin biriktirdikten sonra modellerin doğru olup olmadığına bakar. Kasırgalar tahmin edildikleri yerde ortaya çıkmazsa, geri döner ve modelini geliştirir. Bunu geçmişten gelen bir dizi tahmin üzerinde yaparak, gelecekteki tahminleri iyileştirmeye çalışıyor.
Ve tahminler gelişti. Örneğin 27 Nisan 2011’de Alabama’da bir dizi hortum çarptı. Fırtına Tahmin Merkezi, bu fırtınaların hangi ilçeleri vuracağını tahmin etmişti. Buna rağmen öldürülen insanlar oldu. Bunun bir nedeni, kasırga uyarıları ile ilgili yanlış alarmlar geçmişi nedeniyle, bazı insanların sığınmamış olmasıdır.
NWS’nin Birmingham
Ala’daki ofisi, yanlış alarmları azaltıp azaltamayacağını görmek için yola çıktı. Bunu yapmak için tahminlerine daha fazla veri ekledi. Bunlar, dönen bir bulutun tabanının yüksekliği gibi verilerdi. Ayrıca, hangi tür hava sirkülasyonunun kasırga üretme olasılığının daha yüksek olduğuna da baktı. Bu yardımcı oldu. Bir NWS raporuna göre, araştırmacılar yanlış pozitiflerin payını neredeyse üçte bir oranında azaltmayı başardılar.
Di Liberto, bu “arka planın” tahminin tersi olduğunu söylüyor. Gerçekte ne olduğunu ne kadar iyi tahmin edebileceğini görmek için bildiklerinize geri dönüp onu modellerle test edersiniz. Hind-döküm ayrıca araştırmacıların modellerinde neyin işe yarayıp neyin yaramadığını anlamalarına yardımcı olur.
Di Liberto, “Örneğin,” Bu model Atlantik’teki kasırgalarla yağışları aşırıya kaçma eğiliminde “diyebilirim” diyor. Daha sonra, bu modelle yapılan bir tahmin 75 inç yağmur öngördüğünde, bunun bir abartı olduğunu varsayabiliriz. “Tek yöne dönme eğiliminde olan eski bir bisikletiniz var gibi. Bunu biliyorsun, bu yüzden sürerken kendini ayarla. “
Bir şans oyunu
Atalarımız bağırsaklara danıştıklarında, çoğu kez yanılıyor olsalar bile, sorularına çok kesin yanıtlar almış olabilirler. Tahıl stoklasan iyi olur dostum. Önümüzde kıtlık var. Matematik bu kadar kesin cevaplar vermiyor.
Veriler ne kadar iyi, küre modeli ne kadar iyi veya tahminci ne kadar akıllı olursa olsun, tahminler bize ne olacağını söylemez. Bunun yerine bize bir şeyin olma olasılığını – ne kadar olası olduğunu – söylerler. Bu nedenle, hava tahmincileri yarınki maçta yüzde 70 yağmur veya Noel’de yüzde 20 kar ihtimali olduğunu söylüyor. Eğer iyi ,tahminci ve yetenekli olursa o kadar güvenilir olacaktır. Güvenilir olabilmesi için tahminci yetenekli olması gerekiyor.
Hava durumu hakkında çok miktarda veri var. Tahminciler sonuçlarını her gün uygulamaya ve test etmeye başlar. Bu nedenle, hava durumu tahminleri son yıllarda önemli ölçüde iyileşmiştir. Beş günlük hava durumu tahminleri, ertesi gün tahminlerinin 1980’de olduğu gibi bugün de doğrudur.
Yine de her zaman bir miktar belirsizlik vardır. Küresel salgınlar gibi oldukça nadiren gerçekleşen olayları tahmin etme ve doğru yapmak çok zor olabilir. Tüm aktörleri (virüs gibi) ve koşulları açıklamak için çok az veri var. Ancak matematik, mevcut verilerle oldukça sağlam tahminler yapmanın en iyi yoludur.
#Enilginçbilgileriçin #okupark # eğitimselbilgifarklılığıyaratmakiçin