Arabic:النمذجة الرياضية

مقدمة

النمذجة الرياضية هي عملية تحويل سؤال من العالم الحقيقي إلى تمثيل رياضي يمكن تحليله واختباره وتعديله. قد يكون النموذج معادلة بسيطة تربط متغيرين، أو مجموعة معادلات تصف تغير نظام مع الزمن، أو محاكاة حاسوبية تسمح لك بتجربة سيناريوهات لا يمكن اختبارها بسهولة في الواقع. النموذج ليس نسخة كاملة من الواقع؛ بل هو أداة مقصودة لاختيار الجوانب المهمة لسؤال محدد وترك تفاصيل أخرى خارج التحليل.

في هذا المقرر ستتعلم كيف تنتقل من الملاحظة والبيانات إلى المتغيرات والافتراضات والمعادلات، ثم كيف تقارن تنبؤات النموذج بالمشاهدات، وتفحص البواقي، وتغيّر المعلمات، وتجري تحليل حساسية، وتقرر متى يحتاج النموذج إلى تحسين. ستعمل على بيانات سكانية ومناخية حقيقية، وعلى نماذج للنمو وانتشار العدوى والحركة، مع التأكيد أن جودة النموذج تُقاس بملاءمته للغرض وبقدرته على تفسير البيانات ضمن حدود واضحة.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

يمكن تلخيص دورة النمذجة في السلسلة الآتية: سؤال واقعي ← متغيرات وبيانات ← افتراضات ← علاقات رياضية ← تقدير معلمات ← تنبؤ أو محاكاة ← تحقق وتفسير ← تنقيح. هذه الدورة ليست خطًا مستقيمًا؛ قد تعود إلى خطوة سابقة عندما تكشف البيانات ضعف افتراض أو عندما يظهر نمط منتظم في الأخطاء.

أهداف التعلم

بعد إنهاء المقرر ستستطيع	دليل على التعلم
صياغة سؤال واقعي قابل للنمذجة	تحديد المدخلات والمخرجات ونطاق الزمن والوحدات بوضوح
التمييز بين المتغير والمعلمة والافتراض	وصف دور كل عنصر في نموذج محدد
بناء نماذج خطية وأسّية ولوجستية بسيطة	كتابة المعادلات وتفسير الرموز والمعلمات
استخدام بيانات حقيقية في الملاءمة	إنشاء جدول ورسم ومقارنة القيم المرصودة بالمتنبأ بها
تشغيل محاكاة متقطعة	حساب حالات متتابعة وتفسير أثر تغيير المعلمات
اختبار نموذج	استخدام البواقي وخطأ التنبؤ وبيانات لم تدخل في الملاءمة
تحليل الحساسية وعدم اليقين	تفسير كيف تتغير النتائج عند تغير المعلمات أو الافتراضات
تقييم استخدام النموذج في قرار	ذكر الفائدة والقيود والمخاطر قبل تقديم توصية

من الواقع إلى لغة الرياضيات

المتطلبات السابقة

يفيدك أن تكون مرتاحًا مع الجبر، والنسب المئوية، والدوال والرسوم البيانية، والمتوسط الحسابي، وقراءة الجداول. سنستخدم فكرة معدل التغير كثيرًا. إذا كنت قد درست المشتقة فسترى بعض الصيغ التفاضلية، لكن كل فكرة أساسية ستُشرح أيضًا بصورة متقطعة يمكن تنفيذها بجدول أو ورقة حسابية.

السؤال والمتغيرات والوحدات

ابدأ بسؤال محدد، مثل: كيف يمكن وصف تغير عدد السكان خلال فترة معينة؟ أو كيف يتغير عدد المصابين في نموذج مبسط لعدوى؟ السؤال الضعيف مثل «ماذا سيحدث مستقبلًا؟» لا يحدد ما يجب قياسه. أمّا السؤال الجيد فيحدد كمية قابلة للرصد، وزمنًا أو مكانًا، وغاية للتفسير أو التنبؤ.

المتغير كمية تتغير، مثل الزمن $t$ أو عدد السكان $P$. المعلمة قيمة تضبط شكل العلاقة، مثل معدل النمو $r$. الافتراض تبسيط معلن، مثل اعتبار معدل النمو ثابتًا خلال فترة قصيرة. والوحدات ليست تفصيلًا شكليًا: إذا كان $P$ بمليارات الأشخاص و$t$ بالسنوات، فإن ميل نموذج خطي للسكان تكون وحدته مليارات الأشخاص لكل سنة.

من أفضل الاختبارات المبكرة فحص الاتساق البُعدي. في المعادلة $d=st$ مثلًا، إذا كانت المسافة $d$ بالكيلومتر والزمن $t$ بالساعة، فيجب أن تكون السرعة $s$ بالكيلومتر لكل ساعة حتى تتفق الوحدات.

من المبادئ إلى المعادلة ومن البيانات إلى العلاقة

هناك مساران شائعان لبناء النماذج. في النموذج الآلي أو الميكانيكي تبدأ من قواعد معروفة عن النظام، مثل قوانين الحركة أو حفظ الكمية. وفي النموذج التجريبي أو المعتمد على البيانات تبحث عن علاقة رياضية تلخص نمطًا في قياسات حقيقية. كثير من النماذج القوية تجمع المسارين: تحدد النظرية شكلًا معقولًا للعلاقة، ثم تستخدم البيانات لتقدير معلماتها.

مثال ميكانيكي: إذا قُذفت كرة رأسيًا وأهملنا مقاومة الهواء، يمكن تقريب ارتفاعها بالصيغة $h(t)=h_0+v_{0}t-\frac{1}{2}g{t}^2$ حيث $h_0$ الارتفاع الابتدائي، و$v_0$ السرعة الابتدائية، و$g$ تسارع الجاذبية. إذا قست الارتفاع الحقيقي بالفيديو ووجدت اختلافًا منتظمًا عن النموذج، فقد يكون إهمال مقاومة الهواء أو خطأ القياس أو تقدير السرعة الابتدائية جزءًا من التفسير.

نموذج خطي من بيانات حقيقية

دراسة حالة: سكان العالم

يوفر قسم السكان في الأمم المتحدة مجموعة بيانات توقعات سكان العالم، ويمكن الوصول إليها من بوابة بيانات السكان التابعة للأمم المتحدة. القيم الآتية مختارة ومقربة إلى ثلاثة منازل عشرية بوحدة مليار شخص، وهي مناسبة لتدريبك على بناء نموذج أولي لا لتقديم توقع ديموغرافي رسمي.

السنة	عدد السكان التقريبي بمليار شخص
2010	7.022
2015	7.470
2020	7.887
2023	8.092

لنبدأ بنموذج خطي يصل بين أول وآخر نقطة. الميل التقريبي هو $m=\frac{8.092-7.022}{2023-2010}\approx 0.0823$ مليار شخص في السنة. لذلك يمكن كتابة نموذج تعليمي بسيط: $P(t)=7.022+0.0823(t-2010)$

عند سنة 2020 يعطي النموذج نحو $7.845$ مليار، بينما القيمة في الجدول $7.887$ مليار. الفرق نحو $0.042$ مليار، أي قرابة 42 مليون شخص. هذا الفرق يسمى متبقيًا. لا يعني وجود متبقٍ أن النموذج عديم الفائدة، بل يخبرك بمدى ابتعاده عن البيانات وباتجاه الخطأ.

يوضح الرسم الفكرة العامة للانحدار الخطي: نقاط مرصودة وخط مستقيم يلخص اتجاهها.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

عند وجود نقاط كثيرة لا نختار نقطتين فقط، بل يمكن استخدام الانحدار الخطي لاختيار الثابتين $a$ و$b$ في $y=a+bx$ بحيث تكون مربعات البواقي صغيرة قدر الإمكان: $\underset{a,b}{min}\sum _i{(y_i-(a+b{x}_i))}^2$ الفكرة الأساسية هي أن الملاءمة الجيدة تحاول تقليل الأخطاء مجتمعة، لا إلغاء خطأ نقطة واحدة على حساب بقية النقاط.

دراسة حالة ثانية: شذوذ درجة الحرارة العالمية

تتيح ناسا بيانات GISTEMP لشذوذ درجة حرارة سطح الأرض مقارنة بمتوسط مرجعي. يمكنك تنزيل الجداول من مجموعة بيانات ناسا GISTEMP. القيم السنوية الآتية، بالدرجة المئوية فوق متوسط 1951–1980، مفيدة لتدريب قصير على الملاءمة والتفسير:

السنة	الشذوذ الحراري العالمي التقريبي بالدرجة المئوية
2020	1.01
2021	0.85
2022	0.89
2023	1.17
2024	1.28

إذا رمزنا إلى $x=t-2020$ وطبقنا انحدارًا خطيًا على هذه النقاط الخمس نحصل تقريبًا على $A(t)=0.868+0.086(t-2020)$ للتدريب على الحساب فقط. متوسط القيمة المطلقة للبواقي لهذا الخط نحو $0.10$ درجة مئوية.

هذا المثال مهم لأنه يوضح حدًا جوهريًا: خط مستقيم ملائم لخمس سنوات ليس نموذجًا مناخيًا طويل الأجل. المناخ يتأثر بعمليات فيزيائية وتذبذبات طبيعية وقوى خارجية، لذلك لا يجوز تحويل اتجاه قصير إلى ادعاء طويل المدى دون بيانات أطول ونموذج مناسب. النمذجة الجيدة لا تسأل فقط «ما الخط الأفضل؟» بل أيضًا «هل هذا الشكل الرياضي مناسب للسؤال؟».

النمو الأسّي واللوجستي

النمو الأسّي

عندما تكون الزيادة في كل فترة متناسبة تقريبًا مع الكمية الحالية، يظهر نموذج أسّي. في صورة مستمرة: $\frac{dP}{dt}=rP$ وحله $P(t)=P_0{e}^{rt}$ حيث $r$ معدل النمو. إذا كان $r$ موجبًا وثابتًا، فإن الزيادة المطلقة تكبر مع الزمن لأن الأساس الذي تُحسب منه النسبة يكبر.

النمو الأسّي قد يكون مناسبًا في مرحلة مبكرة لنظام لا تظهر فيه حدود قوية، لكنه يصبح غير واقعي في كثير من الأنظمة على المدى الطويل لأن الموارد والمساحة والتغذية الراجعة تفرض قيودًا.

النمو اللوجستي وسعة التحمل

يضيف النموذج اللوجستي حدًا يبطئ النمو كلما اقتربت الكمية من سعة عليا $K$: $\frac{dP}{dt}=rP(1-\frac{P}{K})$ عندما تكون $P$ صغيرة بالنسبة إلى $K$ يكون العامل $1-P/K$ قريبًا من واحد، فيشبه النمو الأسّي. وعندما تقترب $P$ من $K$ يصبح العامل قريبًا من الصفر فيتباطأ النمو.

الشكل المميز للدالة اللوجستية: نمو بطيء ثم أسرع ثم تباطؤ قرب حد علوي.

لا تعني $K$ دائمًا «عددًا ثابتًا أبديًا». في نظام بيئي مثلًا قد تتغير سعة التحمل مع تغير الموارد أو المناخ أو السلوك، ولذلك يجب التعامل معها كمعلمة ضمن افتراضات محددة.

محاكاة متقطعة للنمو اللوجستي

يمكنك تشغيل محاكاة بجدول دون استخدام التفاضل. استخدم الصيغة $P_{n+1}=P_n+r{P}_n(1-\frac{P_n}{K})$ ولنأخذ مثالًا تعليميًا: $P_0=1$ و$r=0.25$ و$K=10$. بعد خطوة واحدة: $P_1=1+0.25\times 1\times (1-0.1)=1.225$ وبعد خطوة أخرى يصبح $P_2\approx 1.494$، ثم $P_3\approx 1.811$. استمر في الجدول عشرين خطوة ولاحظ كيف يتغير مقدار الزيادة.

تجربة حساسية فورية: أعد المحاكاة مرة مع $r=0.15$ ومرة مع $r=0.40$ مع بقاء $K$ ثابتًا. قارن سرعة الاقتراب من الحد الأعلى. ثم غيّر $K$ إلى 8 ولاحظ أن المعلمة لا تغيّر السرعة فقط بل تغيّر المستوى الذي يقترب منه النموذج.

نماذج ديناميكية: انتشار العدوى

نموذج SIR المبسط

يقسم نموذج SIR مجتمعًا افتراضيًا إلى ثلاث فئات: قابلون للإصابة $S$، ومصابون ناقلون للعدوى $I$، ومتعافون أو خارجون من سلسلة العدوى $R$. إذا استخدمنا نسبًا بحيث $S+I+R=1$، يمكن كتابة النموذج: $\frac{dS}{dt}=-\beta SI$ $\frac{dI}{dt}=\beta SI-\gamma I$ $\frac{dR}{dt}=\gamma I$

المعلمة $\beta$ تمثل شدة انتقال العدوى في هذا النموذج، و$\gamma$ معدل الخروج من حالة العدوى. في الظروف المبكرة عندما تكون نسبة القابلين للإصابة قريبة من واحد، يعطي المقدار $R_0\approx \beta /\gamma$ مؤشرًا مبسطًا على قدرة العدوى على الانتشار داخل افتراضات النموذج.

مثال مرئي على تغير فئات نموذج SIR مع الزمن عند مجموعة محددة من المعلمات والقيم الابتدائية.

محاكاة يومية بطريقة أويلر

ابدأ بقيم تعليمية $S_0=0.99$ و$I_0=0.01$ و$R_0=0$، وخذ $\beta =0.30$ و$\gamma =0.10$ وخطوة زمنية مقدارها يوم واحد. تكون الإصابات الجديدة التقريبية في اليوم الأول $0.30\times 0.99\times 0.01=0.00297$، والمتعافون الجدد $0.10\times 0.01=0.001$. لذلك: $S_1=0.98703$ $I_1=0.01197$ $R_1=0.001$

في الخطوة التالية تستخدم القيم الجديدة بدل القديمة. بهذه الطريقة تبني جدول محاكاة يومًا بعد يوم. إذا خفضت $\beta$ مع ثبات بقية الافتراضات، ينخفض تدفق الأفراد من فئة القابلين للإصابة إلى فئة المصابين في الحساب.

هذا نموذج تعليمي مبسط، وليس أداة لاتخاذ قرار طبي أو لتوقع وباء حقيقي دون معايرة ببيانات وبائية مناسبة. في الواقع قد تختلف معدلات الاتصال بحسب العمر والمكان، وقد تتغير المعلمات مع الزمن، وقد توجد فترات حضانة أو مناعة جزئية أو بيانات ناقصة. كل إضافة تجعل النموذج أغنى، لكنها تزيد أيضًا عدد المعلمات والحاجة إلى بيانات للتحقق.

اختبار النموذج وتنقيحه

البواقي ومقاييس الخطأ

إذا كانت القيمة المرصودة $y_i$ والمتنبأ بها ${\hat{y}}_i$، فنعرف المتبقي مثلًا بالصيغة $e_i=y_i-{\hat{y}}_i$ المتبقي الموجب يعني أن النموذج تنبأ بقيمة أقل من المشاهدة، والمتبقي السالب يعني أنه تنبأ بقيمة أعلى.

من المقاييس البسيطة متوسط الخطأ المطلق: $MAE=\frac{1}{n}\sum _i|e_i|$ القيمة الأصغر أفضل عند مقارنة نماذج على البيانات نفسها وبالوحدة نفسها، لكنها لا تخبرك وحدها بسبب الخطأ ولا تضمن نجاح النموذج خارج الفترة التي لائمته عليها.

راقب شكل البواقي لا مجموعها فقط. إذا كانت موجبة في بداية السلسلة وسالبة في وسطها ثم موجبة في نهايتها، فهناك انحناء لم يلتقطه خط مستقيم. النمط المنظم في البواقي دليل على أن النموذج يفوّت بنية موجودة في البيانات.

بيانات التدريب وبيانات التحقق

إذا قدرت المعلمات باستخدام كل البيانات ثم اختبرت النموذج على البيانات نفسها فقط، فقد تبالغ في تقدير قدرته على التنبؤ. طريقة أفضل هي استخدام جزء من البيانات للملاءمة والاحتفاظ بجزء آخر للتحقق. في سلسلة زمنية يجب احترام ترتيب الزمن؛ من المعقول أن تلائم سنوات أقدم ثم تختبر سنوات أحدث بدل خلط المستقبل بالماضي عشوائيًا.

الإفراط في الملاءمة يحدث عندما يصبح النموذج معقدًا لدرجة أنه يتبع الضوضاء أو التفاصيل العرضية في بيانات التدريب. نموذج أبسط قد تكون أخطاؤه داخل التدريب أكبر قليلًا لكنه ينجح بصورة أفضل على بيانات جديدة.

تحليل الحساسية وعدم اليقين

تحليل الحساسية يسأل: إذا تغيرت معلمة قليلًا، كم تتغير النتيجة؟ في نموذج لوجستي يمكن تغيير $r$ بنسبة عشرة بالمئة ومقارنة زمن الوصول إلى مستوى معين. وفي نموذج SIR يمكن تغيير $\beta$ ضمن مجال معقول ومقارنة قمة $I$ وموعدها.

عدم اليقين قد يأتي من القياس، أو من تقدير المعلمات، أو من شكل النموذج نفسه. بدل تقديم رقم واحد بلا سياق، من الأفضل أحيانًا تقديم مجموعة سيناريوهات: منخفض، ووسطي، ومرتفع، مع توضيح أي افتراض يولد كل سيناريو.

تفسير النماذج واستخدامها بمسؤولية

النموذج أداة للتفكير وليس آلة حقيقة. يجب أن تميز بين ما تُظهره البيانات وما يفترضه النموذج وما تستنتجه أنت. علاقة إحصائية قوية لا تثبت وحدها السببية. والتنبؤ خارج نطاق البيانات يسمى استقراءً وقد يكون شديد الحساسية لشكل النموذج.

قبل استخدام نموذج في قرار، اسأل: ما الغرض؟ من يتأثر؟ ما المتغيرات التي لم تُقَس؟ ما الافتراضات التي قد تتغير؟ هل توجد مجموعات ممثلة تمثيلًا ضعيفًا في البيانات؟ ما تكلفة الخطأ؟ وهل يمكن مراقبة الأداء وتحديث النموذج عند وصول بيانات جديدة؟

يمكنك اعتبار النموذج جيدًا للغرض عندما يحقق توازنًا بين البساطة، وقابلية التفسير، والدقة المناسبة، والقدرة على التحقق، والوضوح بشأن الحدود. قد يكون نموذجان مختلفان كلاهما مفيدًا إذا كان لكل منهما سؤال مختلف.

مهام تفاعلية

اختبار: اختبر معرفتك

ما الخطوة الأنسب قبل اختيار معادلة لنموذج جديد؟ (صياغة السؤال وتحديد المتغيرات والوحدات) (!اختيار أكثر معادلة تعقيدًا) (!تجاهل البيانات غير المريحة) (!تثبيت كل المعلمات على القيمة نفسها)

ما المقصود بالمتبقي في نموذج تنبؤي؟ (الفرق بين القيمة المرصودة والقيمة التي تنبأ بها النموذج) (!مجموع كل القيم المرصودة) (!عدد المعلمات في النموذج) (!وحدة قياس المتغير المستقل)

ماذا يوحي ظهور نمط منظم في البواقي؟ (أن النموذج قد يفوّت بنية مهمة في البيانات) (!أن النموذج أصبح صحيحًا تمامًا) (!أن الوحدات لا أهمية لها) (!أن البيانات لا تحتاج إلى تحقق)

ما الميزة الأساسية للنموذج اللوجستي مقارنة بنمو أسي بسيط؟ (يتضمن آلية تباطؤ عند الاقتراب من حد أعلى) (!يجعل كل المعلمات مساوية للصفر) (!يمنع استخدام الزمن كمتغير) (!لا يحتاج إلى أي افتراضات)

أي وصف يطابق المعلمة؟ (قيمة تضبط سلوك النموذج وقد تُقدّر من البيانات) (!كمية يجب أن تتغير في كل سطر من الجدول) (!خطأ مطبعي داخل المعادلة) (!رسم بياني لا علاقة له بالنموذج)

لماذا نحتفظ ببيانات للتحقق لم تدخل في الملاءمة؟ (لاختبار قدرة النموذج على العمل مع بيانات جديدة) (!لزيادة عدد الرموز في المعادلة) (!لضمان أن كل البواقي تساوي صفرًا) (!لإلغاء الحاجة إلى تفسير النتائج)

في نموذج SIR المبسط، ماذا يحدث مباشرة عند زيادة شدة الانتقال مع ثبات بقية القيم؟ (يزداد تدفق الأفراد من القابلين للإصابة إلى المصابين) (!تختفي فئة المصابين فورًا) (!يتوقف الزمن في المحاكاة) (!تصبح كل الفئات متساوية تلقائيًا)

ما هدف تحليل الحساسية؟ (فحص مقدار تغير النتائج عند تغيير المعلمات أو الافتراضات) (!حذف كل البيانات المخالفة للتوقع) (!اختيار أكبر رقم في مجموعة البيانات) (!تحويل النموذج إلى رسم بلا معادلات)

لماذا قد يكون الاستقراء بعيدًا عن نطاق البيانات خطيرًا؟ (لأن العلاقة التي نجحت داخل النطاق قد لا تستمر خارجه) (!لأن كل الرسوم البيانية تصبح مستقيمة) (!لأن الوحدات تتحول تلقائيًا) (!لأن البيانات التاريخية تصبح غير حقيقية)

أي عبارة تصف النموذج الرياضي بصورة أدق؟ (تمثيل مبسط صُمم لغرض محدد ويجب اختبار حدوده) (!نسخة كاملة من الواقع لا يمكن أن تخطئ) (!مجموعة أرقام لا تحتاج إلى افتراضات) (!تنبؤ مؤكد بالمستقبل في كل الظروف)

لعبة الذاكرة

المتغير	كمية تتغير داخل المسألة أو عبر الزمن
المعلمة	قيمة تضبط شكل النموذج أو معدل تغيره
الافتراض	تبسيط معلن يحدد ما يتضمنه النموذج وما يهمله
المتبقي	فرق بين مشاهدة وتنبؤ مطابق لها
التحقق	مقارنة أداء النموذج ببيانات أو حالات مناسبة للاختبار
الحساسية	دراسة أثر تغيير مدخل أو معلمة في الناتج

السحب والإفلات

طابق مرحلة النمذجة مع العمل المناسب لها.	العمل
صياغة السؤال	تحديد الكمية التي تريد تفسيرها أو التنبؤ بها
جمع البيانات	الحصول على قياسات موثوقة مع وحداتها وسياقها
بناء العلاقة	كتابة معادلة أو قاعدة تمثل الروابط المفترضة
تقدير المعلمات	اختيار قيم تجعل النموذج متوافقًا قدر الإمكان مع البيانات
التحقق	اختبار النموذج على مشاهدات أو حالات مناسبة للمقارنة
التنقيح	تعديل افتراض أو معادلة عندما تكشف الأخطاء مشكلة منهجية

كلمات متقاطعة

النموذج	ما التمثيل المبسط الذي يربط كميات حقيقية بعلاقات رياضية؟
المعلمة	ما القيمة التي تضبط سلوك النموذج وقد تُقدّر من البيانات؟
البواقي	ما اسم فروق القيم المرصودة عن القيم المتنبأ بها؟
المحاكاة	ما العملية التي تشغّل قواعد النموذج خطوة بعد خطوة لدراسة تطوره؟
التحقق	ما العملية التي تقارن تنبؤات النموذج ببيانات مناسبة للاختبار؟
الحساسية	ما الدراسة التي تفحص أثر تغيير المعلمات في النتائج؟

مهام مفتوحة

سهل

1. رسم السكان: حوّل جدول سكان العالم في المقرر إلى رسم مبعثر، وارسم فوقه خط النموذج الخطي، ثم اكتب جملتين عن مواضع أكبر البواقي.
2. بطاقة افتراضات: اختر موقفًا يوميًا مثل زمن الرحلة إلى المدرسة واكتب ثلاثة متغيرات ووحداتها وثلاثة افتراضات قد تحتاجها لبناء نموذج أولي دون جمع بيانات شخصية.
3. محاكاة يدوية: أكمل عشر خطوات للنموذج اللوجستي المعطى، وارسم القيم مقابل رقم الخطوة، ثم صِف كيف تتغير الزيادة من خطوة إلى أخرى.
4. حساب البواقي: استخدم نموذج السكان الخطي لحساب تنبؤي 2015 و2020، ثم احسب البواقي وفسر إشارة كل متبقٍ.

متوسط

1. مقارنة خطي وأسّي: استخدم بيانات السكان الواردة هنا لتلائم نموذجًا خطيًا ونموذجًا أسّيًا بسيطًا في ورقة حسابية، وقارن الخطأ والرسوم وحدود كل نموذج.
2. محاكاة SIR: أنشئ جدولًا لعشرين يومًا لنموذج SIR، ثم غيّر شدة الانتقال مرة واحدة فقط وقارن قمة نسبة المصابين وموعدها مع ذكر أن المثال تعليمي لا تنبؤ طبي.
3. اتجاه قصير المدى: ارسم بيانات GISTEMP الخمس، وقارن الخط الخطي بالبيانات، ثم اكتب فقرة تشرح لماذا لا يكفي هذا المدى القصير لاستنتاج نموذج مناخي طويل الأجل.
4. مقابلة حول النمذجة: أجرِ مقابلة قصيرة مع معلم رياضيات أو علوم أو مهني يستخدم البيانات، واسأله عن مثال لنموذج وافتراضاته وكيف يتحقق من نتائجه، ثم لخّص الأفكار من دون نشر بيانات شخصية.

متقدم

1. اختبار خارج العينة: اجمع سلسلة بيانات عامة موثوقة لا تتضمن بيانات شخصية، واستخدم الجزء الأقدم لتقدير نموذج ثم اختبره على الجزء الأحدث، وقدّم جدول أخطاء واستنتاجًا عن قابلية التعميم.
2. خريطة حساسية: اختر نموذجًا لوجستيًا أو نموذج SIR وغيّر معلمتين ضمن مجالات معقولة، ثم أنشئ جدولًا أو خريطة لونية تبين أي معلمة تؤثر أكثر في ناتج تختاره.
3. تجربة المقذوف: صوّر حركة كرة آمنة في مكان مناسب ومن دون إظهار أشخاص، واستخرج أزمنة وارتفاعات تقريبية، وقارنها بنموذج تربيعي ثم ناقش مصادر الخطأ والافتراضات التي يمكن تحسينها.
4. تقرير قرار قائم على نموذج: ابنِ نموذجًا لمشكلة مدرسية قابلة للقياس مثل تقدير استهلاك ماء أو وقت انتظار باستخدام بيانات مجمعة غير شخصية، واكتب تقريرًا أو أنشئ فيديو قصيرًا يوضح البيانات والمعادلة والتحقق والحساسية وحدود التوصية.

مجالات تعلم مرتبطة

النمذجة الرياضية الدوال والرسوم البيانية الإحصاء وتحليل البيانات الانحدار الخطي النمو الأسّي المعادلات التفاضلية الاحتمالات وعدم اليقين علوم البيانات النمذجة في علم الأوبئة البيانات والنماذج المناخية

مسرد

النموذج

تمثيل رياضي مبسط لنظام أو ظاهرة، صُمم للإجابة عن سؤال محدد.

المتغير

كمية يمكن أن تتغير بين حالة وأخرى أو مع الزمن.

المعلمة

قيمة تضبط سلوك النموذج وقد تكون معروفة أو مقدرة من البيانات.

الافتراض

شرط أو تبسيط يحدد ما يعده النموذج مهمًا وما يهمله.

الملاءمة

عملية اختيار قيم معلمات تجعل تنبؤات النموذج قريبة من البيانات وفق معيار محدد.

المتبقي

الفرق بين قيمة مرصودة والقيمة التي تنبأ بها النموذج للحالة نفسها.

التحقق

اختبار مدى نجاح النموذج عند مقارنته ببيانات أو حالات مناسبة لم تُستخدم بالطريقة نفسها في البناء.

المحاكاة

تشغيل قواعد النموذج حسابيًا عبر خطوات أو زمن لرؤية كيف يتطور النظام.

تحليل الحساسية

فحص مقدار تغير النتيجة عندما تتغير معلمة أو فرضية ضمن مجال معين.

عدم اليقين

نقص الدقة أو المعرفة الناتج من القياس أو المعلمات أو شكل النموذج أو تغير النظام.

الاستقراء

استخدام النموذج للتنبؤ خارج نطاق البيانات التي بُني أو اختُبر عليها.

الإفراط في الملاءمة

متابعة النموذج لتفاصيل وضوضاء بيانات التدريب بدرجة تضعف أداءه على بيانات جديدة.