1.8. Моделирование объектов и систем, не допускающих активных экспериментов.

Все, что было сказано ранее, относилось к моделям объектов и процессов, допускающих активное экспериментирование с факторами. Однако в природе существует много объектов и систем, не допускающих активный эксперимент. Проведение такого эксперимента либо не возможно из за отсутствия средств воздействия на объект (систему), либо может повредить объект или разрушить его.

В этом случае исследователь должен ограничиваться только пассивным наблюдением и измерением доступных ему свойств и параметров изучаемого объекта. При внимательном наблюдении за объектом всегда можно определить и измерить влияющие на объект природные факторы и зависящие от них показатели интересующих нас свойств объекта. При этом число измеряемых параметров может быть слишком большим. Проблема состоит в том, чтобы из всего множества измеряемых параметров отобрать необходимое минимально возможное количество наиболее существенных для данного исследования параметров.

Для решения данной проблемы используются методы математической статистики. К ним относятся методы корреляционного и факторного анализа.

1.9. Проблема оценки правдоподобия моделей не существующих (проектируемых) систем.

Если система (процесс) вообще не существует, а только предполагается (проектируется), то экспериментальное построение ее (его) математической модели в принципе не возможно. Однако априорная оценка свойств проектируемого процесса или системы необходима всегда. Создатель системы или процесса всегда должен предвидеть и оценивать последствия своей деятельности. За эти последствия он несет не только моральную, но и социальную ответственность.

Математическое моделирование на ЭВМ позволяет решить эту проблему с достоверностью, которая определяется компетентностью самого создателя в своем деле и от эффективности применяемых им методов моделирования. Применение “хороших” методов математического моделирования позволяет разработчикам сложных систем получать правдоподобные оценки проектируемых систем и прогнозировать возможные эффекты от применения этих систем.

В нашем представлении хороший метод моделирования должен вытекать из общих законов теории познания и основываясь на законах логики, теории вероятностей, математической статистики и других строгих научных дисциплин, давать исследователю набор принципов, правил и алгоритмов, выполнение которых неизбежно приведет к построению модели, правдоподобной заданному процессу. При этом гарантируется вполне определенная степень правдоподобия.