Tilbage til Seminar Tilbage til RUC-Modeldag

 

Abstracts til 17. RUC-modeldag

(d. 14. april 2005 kl. 9.00-16.00)

 

 

Peder Voetmann Christiansen (IMFUFA, RUC)
Induktivt-deduktivt modelarbejde i fysik.

Til indledning præsenteres Peirce's definitioner af de tre logiske slutningsformer abduktion, deduktion og induktion. Energibåndsformalismen leverer en værktøjskasse til fysisk modelbygning. Kassens indhold (de basale ikoner) repræsenterer induktive erfaringer fra fysikkens laboratorie-virkelighed. Brug af ikonerne er en abduktiv og deduktiv matematisk praksis og fører til teoremer, der kan betragtes som naturlove.

 

Holger Bech Nielsen (Niels Bohr Institut, København)

Mit syn på matematiske modellers brug i fysik

Det centrale element i fysik som videnskab er at finde og bruge matematiske modeller til beskrivelse af naturen. Jeg vil i mit diskussionsoplæg komme med nogle specielle pointer og eksempler, som knytter sig til mine egne favoritideer og til den nuværende situtation i højenergifysikkens forskningsmiljø:

1) Groft sagt sidder højenergifysikkerne og venter på Large Hadron Collider, der er næste skud på den højenergiteknologiske stamme. I "ventetiden" spekulerer vi teoretikere over superstrengteorien, som jeg er en af flere forældre til og som er et bud på en "Grand Unification Theory" (eller "teori om alt"). Denne teori har til stor overraskelse for ihvertfald nogle vist sig at have interne symmetrier og interessante ækvivalenser til andre matematiske modeller. Dette har gjort studiet af strengteorien fra et matematisk synspunkt til et hovedinteressefelt for mange af os.

2) Et andet eksempel er en personlig kæledæggeteori, som jeg betegner "tilfældig dynamik". Groft sagt går den ud på at regne de grundlæggende naturlove for tilfældige og umådeligt komplicerede. En måde at se på det er, at vi forsøger kun at give empirien adgang til modellen via matematikken, fortolkningen og visse grænseovergange.

3) Den moderne lette adgang til computere har ført til helt nye forskningsfelter, f. eks. QCD-gitter-beregninger (QCD= Quantum Chromo Dynamics), og andre fremgangsmåder i anvendelsen af de matematiske modeller i fysikken. Et grundlæggende faktum her er at simuleringer og eksperimenter kun er mulige med massiv computerhjælp.

4) I det mindste i min ungdom fik man et nok lidt biased indtryk af fysikken ved at blive introduceret til det bedst forståede først. Her er det et fremskridt, at vi nu har en hel afdeling for ikke-lineær og/eller kaos fysik.


Jørgen Hoffmann-Jørgensen (Institut for Matematiske Fag, Aarhus)

Om brugen og interpretationen af sandsynlighedsteoretiske modeller

Stokastiske modeller anvendes indenfor for stort set alle videnskaber og indenfor en mangfoldighed konkrete problemstillinger fra vores dagligdag. Stokastiske modeller kan deles i to hovedgrupper.
(1): Statistiske modeller, som anvendes til at estimere givne størrelser, der ikke at umiddelbare målelige, samt til at afgøre plausibiliteten af givne hypoteser - ofte udtrykt ved en test-sandsynlighed.
(2): Sandsynlighedsteoretiske modeller, som ofte er af en kvalitativ natur, der beskriver de forventede overordnede egenskaber modellen, men som også kan give kvantitative resultater i form af sandsynligheder og/eller fordelinger af de relevante størrelser.
I indlægget vil jeg indskrænke mig til sandsynlighedsteoretiske modeller. I modsætning til de fleste matematiske modeller udgør interpretationen af en sandsynlighedsteoretisk model et ikke-trivielt problem. F.eks. hvad betyder udsagnet "Sandsynligheden for regn i morgen er 30%"? Sandsynlighedsbegrebet er et forholdsvis nyt begreb som opstod i midten af 1500-tallet, og simpelthen ikke eksisterede før den tid. Dette betyder at de fleste menneskers intuition om sandsynligheder er uklar og ofte direkte forkert; til trods for den udbredte anvendelse af sandsynligheder. Sandsynlighedsteorien opgave er at beskrive tilfældige hændelser; dvs. uforudsigelige, uberegnelige og kaotiske hændelser. Så vores opgave er at beskrive det ubeskrivelige, forudsige det uforsigelige, og finde orden hvor ingen orden findes. Dette kan synes som en umulig og paradoksal opgave, og det er noget af et mirakel, at det faktisk er lykkes med stort held. Men det betyder også, at sandsynlighedsteoretiske modeller ofte giver tilsyneladende paradoksale resultater, som strider mod de fleste menneskers intuition, men som ikke desto mindre stemmer overens med virkeligheden. Det er vigtigt at gøre sig klar på, at en sandsynlighed er et kollektiv begreb, som ofte siger meget lidt om et enkelt udfald. I indlægget vil jeg komme ind på de tre mest anvendte interpretationer af sandsynligheder, og nogle af de problemer man står overfor, når man skal interpretere udfaldet af en sandsynlighedsteoretisk model.

 

Svend Kreiner (Biostatistisk Afdeling, Institut for Folkesundhedsvidenskab, København)
Statistisk problemløsning: modelsnedkeri og/eller data-mining?
Statistiske analyser omtales i visse sammenhænge som induktive, men selvom det naturligvis ikke er helt ved siden af, så er det alligevel et udtryk for en alt for overforenklet synsvinkel. Den statistiske analyse er en kompleks og sammensat metode, der - afhængig af problemstillingen - kombinerer flere deduktive og induktive elementer. Foredraget, der inddrager eksempler fra en af flere aktuelle undersøgelser der har vist, at danskerne er nogle af verdens lykkeligste og tilfredse mennesker, vil fokusere på den statistiske problemløsning og den rolle som forskellige matematiske og logiske argumenter spiller for analysen.