Sunteți pe pagina 1din 61

MANAGEMENTUL I MODELAREA

DATELOR EXPERIMENTALE
MASTERAT
BIOLOGIE APLICAT 1

DEFINIIA, ALGORITMUL,
CLASIFICAREA,
EVALUAREA I UTILIZAREA
MODELELOR
Conf. dr. Ioan Srbu

TEMATICA:
Definiii ale modelelor;

Principiile i algoritmul modelrii;


Categorii de modele;
Modele conceptuale;
Trecerea de la modelul conceptual la cel cantitativ;
Modele statistice i modele teoretice;
Evaluarea i utilizarea modelelor.

n conformitate cu dicionarul Oxford


modelul este o reprezentare a realitii, care prezint n manier simplificat
principalele trsturi ale unor aspecte ale lumii reale,
pentru a le face mai uor de neles i,
adesea, a facilita avansarea de prognoze (Allaby, 2005).

n conformitate cu DEX al limbii romne


un model nseamn o reprezentare simplificat
a unui proces sau a unui sistem;
este un sistem teoretic sau material,
cu ajutorul cruia pot fi studiate indirect
proprietile i transformrile altui sistem,
mai complex, cu care modelul prezint analogii.

1. PRINCIPIILE I ALGORITMUL MODELRII


Modelul = o reprezentare a unei entiti reale, a unui
lucru, idei sau condiii, care descrie i sintetizeaz

structura, dinamica sau funciile unui sistem sau


ale unui proces.
Procesul de modelare = un ir de etape,
care trebuie parcurse,
pentru a converti o idee,
mai nti ntr-un model conceptual,
i apoi ntr-o reprezentare
calitativ i/sau cantitativ.

Modelarea este o activitate universal


Toi practicienii, uneori i teoreticienii,
creeaz i testeaz modele de cele mai diferite forme,
idei i expresii.

Dac excludei modelul dintr-o cercetare,


vei fi nite simpli colecionari de fapte
sau de date primare.

De ce modelm?
Modelele:
- orienteaz, asist i susin studiile;
- testeaz ipotezele de lucru;
- permit nelegerea sistemelor i proceselor complexe;
- descriu, caracterizeaz i permit analiza
proprietilor emergente ale sistemelor;
- susin deontologia profesional;
- permit simularea i prognoza;
- permit experimentare n spaiu i timp virtual.
Pentru c tim i putem!

Definirea modelului:
- grafic (schi, desen etc.)
- informal (fr formule)
- formal (cu formule matematice)

Modelele sunt construite pentru a testa,


verifica, simula, prognoza, pentru a ne ajuta
s nelegem mai bine cum funcioneaz
procesele i sistemele vii.
Modelarea nu este un pas final al unui program
experimental, ci este o parte integrant a
cercetrii.

ALGORITMUL MODELRII
-

Definirea problemei:

scop, obiective, delimitare.

Dac nu tim ce vrem de la modelul pe care dorim s-l realizm,


foarte probabil nu vom obine nici un model.
-

Evaluarea complexitii :

adecvat sistemului i problemei;

alegerea judicioas a scrilor (spaial


temporal, tematic);
Complexitate = numr de variabile msurate, nr. de ecuaii, parametrii etc.

Legea lui D.B. Lee (1973):


Calculatoare mai mari, suport greeli mai mari
(modele mai complexe produc erori mai grave)

Comentariul lui Silwert (2001):


S-au cheltuit n decursul timpului milioane de dolari,
pentru a se demonstra valabilitatea legii lui Lee.
Un model mai complex nu este n mod necesar mai bun sau mai util.
Modelele trebuie pstrate n variante simple, pn cnd apare
evidena sau necesitatea pentru a le complica!

Conceptualizarea = etapa n care transpunem problema


particular ntr-o imagine sau o idee de ansamblu.

Transpunerea grafic a ideilor, a etapelor


i vizualizarea relaiilor ntre diferitele categorii de variabile,
formeaz modelul conceptual.

Prin adugarea de valori, evaluri cantitative ale proceselor


i elaborarea de ecuaii, obinem modelul cantitativ.

Construirea modelului se refer la alctuirea acestuia,


n termeni de idei, concepte, expresii fizice,
ecuaii matematice, respectiv programe pe calculator.

Modelele se construiesc n dou feluri:


baz - vrf
vrf - baz

Modele baz - vrf:

- asamblarea de multe submodele


(multe elemente sau procese, eventual toate)
- tind s fie foarte complicate
- bune pentru nelegerea funcionrii sistemului
- nu dau rezultate prea bune n scopul pentru au fost create
- de obicei sunt modele teoretice (cauzale, explicative)

Modele vrf - baz


- pleac de la funcii generale
(de la comportamentul ntregului sistem
sau de la proprietile emergente)
- cele mai multe sunt de tip statistic
- adesea sunt modele empirice
(se bazeaz pe date experimentale)
- nu presupun considerarea mecanismelor intime
- sunt adesea restricionate la subiectul particular analizat.

Civa termeni de specialitate:


- Rularea modelului (funcionare repetat,
aplicare de mai multe ori, de exemplu pe calculator)
- Verificarea i depanarea modelului
(testarea i mbuntirea logicii interne)
- Validarea modelului
(evaluarea rezultatelor,
corespondena datelor prognozate cu cele reale,
corectitudinea interpretrii)
- Analiza senzitivitii
("ce-ar fi dac ...", adic schimbarea datelor iniiale,
sau utilizarea altor variabile, ecuaii etc.
i evaluarea rezultatelor n lumina modificrilor)

Definirea problemei
Selectarea complexitii

Schema algoritmului
procesului de modelare

Modelul conceptual
Model cantitativ
Rulare i verificare
Validare
Analiza de senzitivitate
Valorificare
Continuarea dezvoltrii temei

Nu exist corelaii directe ntre:


- valoarea modelului i complexitatea acestuia
- scara (spaial, tematic etc.) i complexitate
- utilitate i adevr absolut

"Modelul nu este identic cu adevrul; modelul este minciuna prin


care sesizm i descoperim adevrul"

Modelarea este un proces iterativ!


Modelele se dezvolt i evolueaz!
Un model mai bun =
- simulare mai realist
- prognoze mai bune
- rezultate mai bine validate
- unealt mai performant
- realism mai convingtor

- Nu exist "modele universale"


- Modelele trebuie s fie folositoare
- Modelele trebuie valorificate
- Rezultatele s fie clar prezentate

Ce software utilizam?
a. Criterii subiective:
- cel mai bun software este cel pe care l cunoti!
- poate este mai bine s operezi dect s
programezi!
- dac cerei ajutor calificat, explicai clar ceea ce
vrei s obinei (traducei din biologie n..)

b. Criterii obiective: ce vrem de la model, de la software


i unde vrem s ajungem?
Variante:
i. Limbaje generale de programare:
ex. C ++, Visual Basic, Pascal etc.
ii. Programe grafice cu opiuni simple i rigide:
ex. STELLA, SimuLink, ModelMaker
iii. "Calea de mijloc": programe cu opiuni largi,
includ multe funcii i proceduri, evit detalii tehnice,
permit controlul, multe posibiliti alternative:
ex. MATHCAD, SYSTAT, STATISTICA!

NOI ALEGEM CALEA DE MIJLOC!

ELEMENTELE CONSTITUENTE ALE


MODELELOR:
I. VARIABILE I FUNCII EXTERNE
II. VARIABILE DE STARE
III. ECUAII MATEMATICE
IV. PARAMETRI
V. CONSTANTE UNIVERSALE

2. CLASIFICAREA
MODELELOR

Modelele pot fi clasificate n funcie de abordare,


alctuire, scop i tipul datelor i rezultatelor.
Categoria de modele

Caracteristici

Formale
Informale

- (de obicei) exprimate prin ecuaii matematice


- nu sunt exprimate prin ecuaii

tiinifice
Management

Deterministe
Stocastice

- scopul este legat de explicare i cunoatere


- scop de gestiune i control a unui proces sau
sistem

- depind numai de datele de intrare


- rezultatele depind de distribuii probabilistice
sau de factori aleatori

Reducioniste
Holiste
Statice
Dinamice
Dinamice n timp
continuu
Dinamice n timp discret
Dinamice distributive
Dinamice integrate

- includ ct mai multe detalii i subsisteme


- utilizeaz principii i funcii generale, emergente
ale sistemului ca ntreg

- independente de timp
- variabilele sunt funcii de timp, eventual i spaiu
sau ali parametri independeni care variaz
- urmresc procesul fr ntrerupere n timp, fiind
modelate cel mai adesea prin ecuaii difereniale
- sistemul se studiaz la anumite momente de
timp, care alctuiesc un ir discret; ecuaiile
utilizate de obicei fiind de tip recurent.

- definite prin modificarea gradual a mai multor


variabile, adesea independente, exprimate prin
ecuaii difereniale pariale
- definite la scar temporal lung, exprimate prin
valori medii ale variabilelor de stare i proces

Liniare
Neliniare

- sunt considerate ecuaii de gradul I


- ecuaii de grad superior sau funcii neliniare

Cauzale (cutie alb)


Necauzale (cutie neagr)

- datele de intrare i rezultatele sunt conectate


prin relaii de tip cauz - efect
- sunt comparate intrrile cu ieirile, fr analiza
mecanismului intim cauzal

Populaionale
Suprapopulaionale
(Cenotice)
Ecosistemice (Holiste)
Modele ale
bio(eco)sferei

Modele care descriu structura i/sau


funcionarea sistemelor supraindividuale la
diferite niveluri de organizare (populaie,
comunitate sau asociaie, biocenoz, ecosistem,
biom, biosfer respectiv ecosfer etc., supra- i
subdiviziuni ale acestora).

Bioenergetice

- descriu i caracterizeaz fluxul energetic

Biogeochimice

- circuitul materiei sau cicluri ale unor


elemente i substane n natur

Modele bazate pe
indivizi
(MBI)

- analizeaz comportamentele elementelor


constituente ca baz explicativ pentru
funcionarea ntregului;

Agregative

- grupeaz elementele constituente dup


anumite criterii.

- Modele spaiale
- Modele orientate pe obiecte
- Reele neuronale

Alte categorii:

- Modele fractale
- Modele tip Monte Carlo
- Modele de optimizare
- Modele bazate pe teoria haosului
- Modele bazate pe teoria jocurilor
...etc.

Elemente ale modelelor dinamice:


- traiectoria sistemului
- starea staionar a sistemului
(steady state)
- echilibrul sistemului
- cicluri limit

3. MODELUL CONCEPTUAL

Procesul de conceptualizare =
trecerea de la o idee la expresia imaginativ a acesteia
- parte integrant a oricrui studiu
- sunt de obicei scheme sau diagrame
- de exemplu conin blocuri ...
(etape, sarcini, comenzi, ntrebri, declaraii etc.)
- ... ntre care amplasm linii sau sgei
(relaii, legturi, interaciuni, ordinea de parcurgere etc.)

Categorii de modele conceptuale:


1. Modele verbale
2. Scheme i desene
3. Diagrame n blocuri (tip cutie):
- cutie neagr
- cutie alb
- cutie gri
4. Modele I/O (Input/ Output)
5. Modele matriciale

Exemplu: o comunitate format din 4 specii (A, B, C, D)


ntre care pot exista relaii (1) sau nu (0):
Expresie matricial:

A
B
C
D

A
B

C
D

A
0
1
0
0

1
1
0

0
1

Expresie grafic
(model conceptual sub
forma unui graf)

Mai complex...

ctre:
(este
prdat de)

A
B
C
D

de la (prdeaz pe...):
A
B
C
D
1
0
0
0
1
0
1
0
0
0
0
1
0
1
1
0

A
B

Digraf orientat
C

i mai complex...
Coeficieni de competiie:
A
0
0.1
0.7
0.2

A
B
C
D
0.1

B
0
0
0.3
0
A
0.3

0.2

C
0.25
0.15
0
0

0.25

0.7

0.15
0.45

D
0
0.45
0.55
0

0.55

Digraf,
numeric,
orientat

4. TRECEREA DE LA MODELUL CONCEPTUAL


LA MODELUL CANTITATIV

Un model cantitativ este un set de expresii matematice


i valori ataate blocurilor i sgeilor modelelor conceptuale.

Cele mai multe categorii de modele prezentate la clasificare,


sunt totodat i cantitative.

Exemplu:
C = rata de prdare (variabila independent)
P = disponibilitatea przii (variabila dependent)
Trei modele = trei ipoteze

12.03
C( P )
0.03

15
10

Modelul 1

5
0

0.01

C=a*P

Modelul 2
C=(b * P) / (1 + d * P)

0.5
C( P )
0.014

0.4
0.2
0

0.01

Modelul 3
C = d * P * e-j*P

.8
C( P)
0.014

0.5

0.01

Ali doi termeni (concepte) de specialitate:

CALIBRAREA MODELULUI

(dezvoltarea treptat a modelului i modificarea acestuia,


n paralel cu desfurarea studiului, pn la potrivirea
datelor prognozate de model cu cele reale, obinute prin
experimente sau evaluri)

DETECIA TIINIFIC

(metod i procedur prin care pornind de la model,


simulnd i experimentnd pe acesta, deducem
legiti i explicaii ale fenomenelor naturale)

5. PRINCIPII ALE EVALURII


I UTILIZRII MODELELOR

Evaluarea modelului
- relevarea semnificaiei rezultatelor;
- verificarea i testarea logicii interne;
- testarea comportamentului modelului;
- potrivirea datelor prognozate cu cele reale;
- analiza de senzitivitate;
- relevarea utilitii acestuia.
Utilizarea, exploatarea i comunicarea modelului

Evaluarea se refer la verificarea utilitii modelului


de a deservi un scop pentru care a fost creat.
Nu exist modele universale!
n general, un model care este extrem de util pentru
un anumit scop, devine repede inutil sau fals pentru alte
condiii sau scopuri.
n evaluarea modelelor se consider o varietate de aspecte
i trsturi calitative i cantitative ale acestora,
att n ceea ce privete structura, rezultatele,
ct i comportamentul lor.

5.1. Aflarea i testarea soluiei (soluiilor)

Exemplu de aflare i testare (verificare) a soluiei

Exemplu: model conceptual OD - DBO


Aer

O*2 Oxigen atmosferic

DBO

O2
OD

Deficit
biochimic de
oxigen

Oxigen
dizolvat
Ap

dDBO
r DBO
dt
dO 2
r DBO k (O 2 * O 2)
dt

Soluie numeric:
Soluii analitice:

DBOt DBO0 e

Ecuaii:

500

OD i

DBO i

r t

e k t e rt
O 2t DBO0 r
O 2 0 e k t O 2 * (1 e k t )
k r

3.369

600

400

200

20

40

ti

60

80

100

100

- Construirea modelului conceptual;


- Construirea ecuaiilor;
- Soluii i verificri ale rezultatelor;
- Cel mai simplu este s prelum din literatur rezultatele
modelelor cunoscute, consacrate, dac acestea exist.
- Generarea soluiei numerice pentru valori iniiale cunoscute,
este adesea mult mai facil dect cunoaterea i
evaluarea soluiei analitice; eventual o bun variant
este s le aflm pe ambele i s comparm rezultatele.

5. 2. Testarea logicii interne a modelului


Este rezonabil modelul?
Variabilele de stare rmn pozitive?
Modelul se comport aa cum este de ateptat?

5. 3. Validarea modelului
n timpul validrii testm dac modelul este capabil s
reproduc datele reale, att calitativ ct i cantitativ.
Prin aceasta ne confruntm cu consecinele modelului.
Dac produsul modelului este similar cu observaiile,
nseamn c modelul este validat pentru moment.
Aceasta nu nseamn c modelul este corect,
ci doar c nu l-am dovedit a fi fals.
n caz contrar, trei categorii de aciuni pot fi desfurate:
suspectm datele, modelul sau parametrii.

n primul rnd se verific precizia i acurateea datelor.


Acestea pot fi testate prin tehnici de tip AC/CC
(asigurarea calitii i controlul calitii datelor),
metode standardizate de colectare i
prelucrare statistic a datelor.
n al doilea rnd trebuie revizuit modelul, n ceea ce privete
presupunerile, relaiile, complexitatea, ecuaiile.
Nepotrivirea dintre date i model poate releva goluri n
nelegerea noastra referitoare la proces sau la sistem.
n sfrit poate ar trebui reconsiderate valorile parametrilor
(a coeficienilor care fac legtura dintre datele reale i
ecuaiile modelului). Acest lucru se poate realiza prin calibrare.

- Verificm dac nu a fost depit domeniul de aciune


al modelului, dac nu au fost violate constrngerile i
limitrile.
- Este important ca datele reale pe baza crora se
construiesc unele modele (n general cele statistice),
trebuie s fie altele dect cele utilizate n evaluarea
lor, n caz contrar este imposibil s realizm o validare
obiectiv.
- Aici se pot intercala n mod judicios i teste statistice
care au scopul de a evalua semnificaia diferenelor
dintre cele dou seturi de date.

5. 4. Analiza de senzitivitate a modelului


- n timpul analizei de senzitivitate sunt modificate valorile
parametrilor, eventual sunt ncercate ecuaii alternative
i diverse combinaii de variabile, pentru a estima i evalua
comportamentul i eficiena modelului.
- Analiza de senzitivitate se poate realiza n dou feluri:

Analiza de senzitivitate global


Valorile parametrilor sunt modificate n cadrul unei
amplitudini mari, dar plauzibile, i se evalueaz efectul
acestui demers asupra valorii (valorilor) uneia sau a mai
multor variabile. Aceasta ajut la sesizarea mai bun a
relaiilor de tip cauz-efect.

Analiza de senzitivitate local


Se estimeaz efectul modificrii ntr-o amplitudine
restrns (frecvent foarte mic) a unuia sau mai multor
parametri. Acest fapt se poate face prin funciile de senzitivitate.
Acestea reprezint senzitivitatea unei variabile yi a modelului
la modificarea unui parametru pj.
Formula general a unei funcii este:

p j yi
S ij
yi p j

- Media senzitivitii tuturor variabilelor modelului se poate


calcula n funcie de fiecare parametru i aceast informaie
este utilizat pentru a ierarhiza parametrii modelului, n funcie
de efectul pe care l au asupra rezultatului.
- Acetia sunt cei asupra crora trebuie acionat i care
trebuie utilizai n procedurile de monitoring i management,
precum i cei asupra crora se vor concentra viitoarele
prioriti de cercetare.
- O alt variant este de a modifica fiecare element
constituent al modelului, n mod sistematic, i de a analiza
semnificaia rezultatelor dup un algoritm.

- Exist posibilitatea de a include n analiz o doz


de incertitudine, sub forma unor parametri cu variaie aleatoare.

Prin analiza de senzitivitate analizm mai detaliat


nivelul de ncredere pe care l putem avea
n capacitatea modelului de a rspunde la o ntrebare
sau de a rezolva o anumit problem.

5. 5. Utilizarea modelului

- Scopul acestei etape este de a atinge obiectivele


pe care le-am fixat la nceputul activitii de modelare.
- Schema general a utilizrii modelului seamn foarte mult
cu cea a designului experimental n cercetarea empiric.
- La nceput se dezvolt i execut un design experimental
pentru simulare.
- Apoi se interpreteaz rezultatele simulrii, prin utilizarea
acelorai unelte analitice i scheme interpretative, pe care
le folosim i n evaluarea rezultatelor de laborator sau de teren.
- n sfrit, aceste rezultate trebuie comunicate,
adic fcute cunoscute potenialilor interesai, beneficiari,
sau comunitii specialitilor.

Dezvoltarea i executarea unui design


experimental pentru simulri
Principiile designului experimental pe care le aplicm
n orice cercetare, n teren sau laborator,
le implementm i la nivelul experimentrii sau simulrii,
respectiv a utilizrii modelului pe calculator.
Presupunerile realizate a priori n faza de conceptualizare,
ar trebui s asigure un ghid pentru designul experimental,
deoarece acestea reprezint ipotezele pe care le testm.
Dac modelul conine elemente stocastice, este necesar
specificarea numrului de replicri (rulri, colectri de
rezultate), care s permit obinerea unor rezultate
statistic semnificative.

- Rulm modelul cu ceea ce tim despre sistem,


sau n condiii care corespund la ceea ce am numi
"prob martor", i apoi, n mod adecvat,
vom simula diferitele tratamente.
- Vom modifica parametrii i valorile variabilelor
dup principii de tipul blocurilor,
a designului factorial, serial etc. adecvat condiiilor de
definire a problemei abordate.
- Vom calcula numrul necesar de replicri pentru fiecare
analiz ca i cum ar fi probe din mediul real.

Analiza i interpretarea rezultatelor simulrii


- Stabilirea ipotezelor, alegerea adecvat a testelor,
calcularea parametrilor statistici, decizii i interpretarea
rezultatelor.
- n primul rnd se compar datele prognozate de model
cu cele din mediul real (observaii, determinri etc.).
- Comparaiile seturilor de date dintre diferitele condiii de
simulare se va realiza prin teste adecvate categoriei de date
i a stategiei de design experimental ales.
- Aceleai restricii i reguli care se aplic n testarea
statistic a datelor experimentale, sunt valabile i n analiza
rezultatelor diverselor simulri.

Comunicarea rezultatelor i valorificarea modelului

Modelele cel mai adesea nu sunt, i nu trebuie s fie,


un scop n sine.

Ele trebuie s foloseasc la ceva, i acel ceva trebuie valorificat.


Valorificare nseamn explicaie tiinific, rapoarte de
cercetare, lucrri, propuneri de management, decizii politice,
soluii economice etc.
Modelele trebuie fcute cunoscute, ele sunt obiect al
comunicrii.

La fel cu celelalte etape ale acestei faze,


comunicarea nu difer de principiile i algoritmii care
faciliteaz sau ghideaz procesul de elaborare a
lucrrilor de specialitate n biologie.
Trebuie s descriem n mod explicit i clar problema,
s o punem n context tematic i istoric,
s specificm obiectivele,
baza informaional pe care construim studiul,
metoda i tehnica folosit
(aici se include descrierea formal a modelului,
aspecte conceptuale, matematice, informatice,
softuri utilizate etc.), rezultatele procedurilor de evaluare
i a experimentelor simulate,
limitrile sau domeniul de valabilitate ale acestora,
interpretri i discuii adecvate,
precum i concluziile la care am ajuns.

Frecvent este mult mai important s comunicm i


s interpretm tendine ale fenomenelor sau proceselor
analizate, mai degrab dect valorile absolute prognozate
ale acestora.

Prea muli cercettori devotai analizei i modelrii au


caracteristica de a intra mult prea mult n detalii,
adesea tehnice i relevante doar pentru structura modelului,
n loc s se concentreze asupra rezultatelor i semnificaiei,
precum i a prognozelor generale care decurg din
utilizarea acestuia.

Model: me=a+b*fact1+c*fact2+d*fact1*fact1+w*fact1*fact2+v*fac

z=(0.6211085)+(0.1412512)*x+(-0.0318823)*y+(-0.0524606)*x*x+(0.0127711)*x*y+(-0
.000781)*y*y

C:16
C:18
C:19

0.248
0.297
0.347
0.396
0.445
0.494
0.543
0.592
0.641
0.690
above

C:2
C:5
C:6
C:23
C:10C:7
C:3
C:17 C:24 C:25
C:21
C:15
C:9 C:12C:4
C:22
C:1
C:20 C:11
C:8 C:14 C:13

3D Surface Plot (MIHAI.STA 10v*25c)

z=2.098+0.981*x-0.132*y-0.218*x*x-0.396*x*y+0.062*y*y

-0.091
0.318
0.727
1.136
1.545
1.955
2.364
2.773
3.182
3.591
above