modelleringlimieten

Modelleringlimieten verwijzen naar de grenzen van een model: wat een model kan verklaren, voorspellen of toepassen onder gegeven aannames, data en rekenkracht. Ze ontstaan door tekortkomingen in kennis, gegevens, structuur en uitvoering en bepalen wanneer de uitkomsten verantwoord gebruikt kunnen worden.

Epistemische beperkingen ontstaan door onzekerheid over de werking van het systeem en onvolledige parameterrichtlijnen. Data-gerelateerde beperkingen omvatten kleine steekproeven, bias en meetfouten. Structurele beperkingen voortvloeien uit vereenvoudigde aannames zoals lineariteit of onafhankelijkheid. Computationele beperkingen betreffen rekenkundige complexiteit en beperkte schaalbaarheid. Interpretatieve beperkingen ontstaan wanneer een model weinig inzicht geeft en resultaten moeilijk te vertalen zijn naar besluitvorming.

Gevolgen kunnen onzekerheid of gebrek aan generaliseerbaarheid van voorspellingen omvatten; extrapolatie buiten het gevalideerde gebied kan leiden tot verkeerde besluiten; en bias of over- en onderfitting kan de besluitvorming beïnvloeden.

Mitigatie omvat validatie en kalibratie, onzekerheids- en gevoeligheidsanalyses, modelkritiek en het gebruik van ensembles en scenarioanalyse. Het is belangrijk aannames expliciet te documenteren en de grenzen van toepasbaarheid en betrouwbaarheid in rapportages duidelijk aan te geven.

Voorbeelden zijn klimaat- en weersmodellen, epidemiologische modellen, financiële risicomodellen en complexe machine learning-toepassingen, waar aannames en gegevens veel invloed hebben op betrouwbaarheid.

Zie ook: modelvalidatie, onzekerheidsmeting, modelrisico en ethische aspecten van modellering.