Abschluss SoSe 2011

(1)

Abschluss SoSe 2011

LS Sozialwissenschaftliche Methodenlehre und Sozialstatistik C. Dudel

C. Dudel|Abschluss|SoSe 2011 1|18

(2)

Thema der Veranstaltung

Computersimulationen als Beispiel für den Themenkomplex „Modelle und Daten“.

(3)

Themenblöcke

1 Einführung

2 R

3 Demographische Modelle

4 Multilevel Modelle

5 Zelluläre Automaten

6 Praktisches Beispiel

(4)

Themenblöcke

1 Demographische Modelle

2 Multilevel Modelle

3 Zelluläre Automaten

(5)

Demographische Modelle

Leslie-Modell und Verzweigungsprozesse

Vereinfachende Annahmen teils besondere Effekte:

stabile Bevölkerung

Auch bei an sich realistischem Modell Probleme:

Parameter

Stochastische und deterministische Modelle haben unterschiedliche Implikationen

(6)

Demographische Modelle

Parameter

(7)

Demographische Modelle

Parameter

(8)

Demographische Modelle

Parameter

(9)

Multilevel Modelle

Unterschiedliche Diffusionsprozesse Makro-Ebene beein usst Mikro-Ebene

Unterschiedliche, plausible Annahmen führen zu unterschiedlichen Modellen

Identi kationsproblem: Welches Modell? Welche Parameter?

(10)

Multilevel Modelle

(11)

Multilevel Modelle

(12)

Multilevel Modelle

(13)

Zelluläre Automaten

Game of Life und Schellings Modell Räumliche Komponente

Bottom-Up & Emergenz Parameter?

(14)

Zelluläre Automaten

(15)

Zelluläre Automaten

(16)

Zelluläre Automaten

(17)

Thema der Veranstaltung

Computersimulation als Beispiel für den Themenkomplex

„Modelle und Daten“.

Grundlegende Ideen von Simulationsmodellen Umsetzung von Simulationen

Vergleich von simulierten Daten mit „echten“ Daten

(18)

Wichtige Ideen und Konzepte

Deterministische und stochastische Modelle Makro- und Mikrosimulation

Top-Down und Bottom-Up Emergenz

Modelle mit und ohne räumlicher Dimension

(19)

Umsetzung von Simulationen

Funktionen und Methoden Schleifen, Schleifen, Schleifen!

Visualisierung: statisch und animiert Abbruchkriterien

Nicht-modellimanente Entscheidungen bei Umsetzungen

Mikro-Konzeption (einzelne Einheiten) kann bei Programmierung teils aggregiert werden

(20)

Umsetzung von Simulationen

(21)

Umsetzung von Simulationen

(22)

Umsetzung von Simulationen

(23)

Umsetzung von Simulationen

(24)

Umsetzung von Simulationen

(25)

Modelle und Daten

Vergleich Modell und Daten oft schwierig!

Überhaupt Daten vorhanden?

Vergleichsgrö e?

Messung von Abweichung?

Wann sind Abweichungen hoch?

(26)

Modelle und Daten

Vergleich Modell und Daten oft schwierig!

Überhaupt Daten vorhanden?

Vergleichsgrö e?

Messung von Abweichung?

Wann sind Abweichungen hoch?

(27)

Modelle und Daten

Ursachen für Abweichungen?

Fehler in Modellparametern bzw. Daten Fehler in Vergleichsdaten

Mangelnde Vergleichbarkeit von Modellergebnissen und Daten

Fehlerhafte Modellannahmen/-konstruktion

(28)

Und in der Praxis?

Modellvalidierung eher selten! Hier vorgestellte Themen eher Ausnahmefälle…

(29)

Ablaufschema Simulationen

1 Zu betrachtender Prozess wird festgelegt

2 Eigenschaften, Regeln, Zusammenhänge des Prozesses feststellen

3 Formulierung von 2. in „computergerechte“ Regeln, Festlegung von Parametern

4 Programmieren & Programm ausführen

5 Ergebnis: Simulierte Daten

6 Ggf. wieder bei 2. starten

(30)

Ausblick: Modellekonstruktion

Theoretische Perspektive Mathematische Perspektive

(31)

Ausblick: Modelle

Demographische Modelle: Spezielle Methoden zur Berücksichtigung von Unsicherheit, Heterogenität, … Multilevel Modelle: statistische Verfahren und

Mikrodaten (Ereignisanalyse); spezielle Verteilungen Schellings Modell: Berücksichtigung

sozio-ökonomischer Faktoren, städtebaulicher Faktoren, …

(32)

Ausblick: Modelle

(33)

Ausblick: Modelle

(34)

Ausblick: Software

Rzwar gut geeignet, aber auch etliche Alternativen, insb.

für Agenten-basierte Modelle:

NetLogo Swarm

…

Ansonsten „Low-Level“ Programmiersprachen

(35)

Lehrevaluation

…