預測

預測，粵拼：jyu6 caak1，係指對將來會發生乜事，作出一啲宣言。喺科學方法當中，科研必要嘅一環，就係按照手上嘅理論，預測跟住落嚟會見到乜嘢事發生。

科學做法

喺科學上，科學理論（尤其係入便嗰啲公式）同埋電腦模擬都成日會攞嚟做預測。

科學理論

以下呢段係 an excerpt from 科學理論.[編輯]

科學上講嘅理論（粵拼：lei5 leon6 ）係一套套經過精心設計、用嚟解釋現實世界發生緊咩事嘅知識框架。理論唔係隨便估估下，而係要由既定嘅一套套概念、定律同埋假設組成。要稱得上係理論，必須要符合幾個條件：

有解釋力：話到畀人聽點解某啲現象會發生。
有預測力：憑住理論，研究者可以推測未來會發生咩事。
有返咁上下可否證度。

無論係自然科學定社會科學，研究者做得研究，動機通常得幾個：一係想建立新理論，一係想修補現有理論嘅漏洞，甚至係想搵證據去反駁舊有嘅諗法。

電腦模擬

以下呢段係 an excerpt from 電腦模擬 § 哲學諗頭.[編輯]

電腦模擬係廿一世紀初嘅科研方法。科學係用科學方法^[1]嚟追求知識，而科學方法涉及以下嘅步驟^[2]：

根據手上已知係真嘅事實，諗一啲理論出嚟（「基於我哋經已觀察到嘅呢啲現象，我推測啲現象背後嘅法則係噉噉噉，令呢種現象出現」），而為求精確，呢啲理論通常都想係用數學模型嘅方式表達嘅；
跟手就靠邏輯嘅思考，去諗吓呢柞理論會做點樣嘅預測（「如果我提倡嘅呢個理論係真確嘅，理應會...」）；
然後就做實驗同觀察嚟攞數據，驗證吓個理論嘅預測係咪真確（「如果我呢個理論係真確，呢個實驗理應會得出某個某個結果，而個實際嘅實驗結果係...」）；
如果數據顯示，個理論係做唔到準確嘅預測嘅話，就要一係根據攞到嘅數據睇吓個理論要點改先可以令佢做到準確啲嘅預測，一係就要諗新理論取代舊理論^[3]。

用電腦模擬做科研想要做嘅就係幫手預測複雜系統嘅行為：原則上，「理論會作出乜嘢預測」呢點可以由個研究者齋靠諗嚟做得到，例子可以睇吓好似基本牛頓力學入面嗰啲相對簡單嘅物理定律－呢啲定律吓吓都係一條式得嗰幾個變數，研究者可以輕易噉用人手計出「根據呢條定律，如果變數 $x$ 嘅數值係咁多咁多，變數 $y$ 嘅數值應該會係咁多咁多」。不過當研究緊嗰樣現象有返咁上下複雜嗰陣，「齋靠個研究者用腦諗」好多時就會難令人信服^[4]^{:p. 6}，例如係群動噉，好難說服人話「齋靠研究者用腦諗，就會準確計到群動三定律會出點嘅樣嘅移動」。於是研究者就將自己個理論（用數學模型嘅方式表示）編寫成電腦程式，然後再行呢個程式，睇吓個程式會引致乜嘢結果－呢啲結果就會係佢個理論會作出嘅預測^[5]^[6]。

統計做法

而喺統計學上亦有各種嘅技術，可以用嚟建立統計模型，靠住過往嘅數據對將來作出預測。

以下呢段係 an excerpt from 統計模型 § 基礎概念.[編輯]

統計模型係一啲用嚟描述數據點樣產生出嚟嘅數學模型。呢啲模型通常會包含若干個參數，而呢啲參數可以根據實際情況作調整。舉個例子，想像依家研究擲銀仔，擲銀仔有兩個可能情況，公或者字，而呢個過程可以用伯努利分佈嚟表示，其概率質量函數 $f$ 係^[7]：

f(k;p)={\begin{cases}p&{\text{if }}k=1,\\q=1-p&{\text{if }}k=0.\end{cases}}

呢個模型模擬緊手上嘅現象，將現象用數學方式表達出嚟。呢個模型中只有一個參數 $p$ ，代表公（或者字）出現嘅概率。喺現實世界，絕大部分嘅模型，都只能夠做到近似產生數據嘅過程，亦未必可以包含晒所有會影響結果嘅因素。

無論係咩統計模型，都可以大致想像成以下呢啲結構：

應變數 = 自變數預測嘅大概趨勢 + 隨機上落

應變數 = 平均 + 喺平均周圍嘅變化

應變數 = 系統性質嘅變化 + 隨機性質嘅變化

呢種結構最簡單個款，就係線性嘅迴歸分析。

困難之處

睇埋

引述

↑ scientific method
↑ Curd, M., & Cover, J. A. (1998). Philosophy of science: The central issues. C. Pincock (Ed.). New York: WW Norton.
↑ Godfrey-Smith 2003, Chapter 14: "Bayesianism and Modern Theories of Evidence".
↑ McClelland, J. L. (2009). The place of modeling in cognitive science (PDF). Topics in Cognitive Science, 1(1), 11-38.
↑ Winsberg, E. (2001). Simulations, models, and theories: Complex physical systems and their representations (PDF). Philosophy of Science, 68(S3), S442-S454.
↑ Winsberg, E. (2003). Simulated experiments: Methodology for a virtual world (PDF). Philosophy of science, 70(1), 105-125.
↑ Bertsekas, Dimitri P. (2002). Introduction to Probability. Tsitsiklis, John N., Τσιτσικλής, Γιάννης Ν. Belmont, Mass.: Athena Scientific.

書目

Ialenti, Vincent (2020). Deep Time Reckoning: How Future Thinking Can Help Earth Now. The MIT Press. ISBN 9780262539265.
Rescher, Nicholas (1998). Predicting the future: An introduction to the theory of forecasting. State University of New York Press. ISBN 0-7914-3553-9.

[1] scientific method

[2] Curd, M., & Cover, J. A. (1998). Philosophy of science: The central issues. C. Pincock (Ed.). New York: WW Norton.

[3] Godfrey-Smith 2003, Chapter 14: "Bayesianism and Modern Theories of Evidence".

[電腦模擬_mcclelland2009-4] McClelland, J. L. (2009). The place of modeling in cognitive science (PDF). Topics in Cognitive Science, 1(1), 11-38.

[5] Winsberg, E. (2001). Simulations, models, and theories: Complex physical systems and their representations (PDF). Philosophy of Science, 68(S3), S442-S454.

[電腦模擬_winsberg2003-6] Winsberg, E. (2003). Simulated experiments: Methodology for a virtual world (PDF). Philosophy of science, 70(1), 105-125.

[7] Bertsekas, Dimitri P. (2002). Introduction to Probability. Tsitsiklis, John N., Τσιτσικλής, Γιάννης Ν. Belmont, Mass.: Athena Scientific.

[1]

[2]

[3]

[4]

[5]

[6]

[7]