Моделирование, численный эксперимент и погрешность
Никогда серьёзно не занимался моделированием, всегда всё делалось на коленке, побыстрее посчитать, опубликовать и забыть.
Сейчас подумал вот что. Моделирование иногда связывают с понятием численного эксперимента. При этом есть род погрешности, связанный с несовершенством модели. То есть мы можем провести моделирование несколько раз (или один раз, но получить набор однотипных величин, например, вероятностей квантовых переходов между однотипными уровнями) и собрать набор значений. На выходе нам нужно одно число, так что мы берём среднее. Помимо среднего у нас, конечно, будет дисперсия.(зачёркнут бред) Так вот, каков её статус? Несёт ли она какую-нибудь пользу? Например, некоторые экспериментальные ошибки неустранимы и связаны с физическими эффектами (особенно статистическими или квантовыми), типа уширения линий и т.п., и несут в себе определённую информацию. А несут ли в себе информацию ошибки моделирования?
Вряд ли то, что я написал, достаточно легко понять, но немножко лень формулировать мысль более чётко, вдруг и так сойдёт.
Вопрос возник в связи с моделированием штарковской лестницы методом матриц переноса.
EDIT
Итак, прошло две недели, и я смог сформулировать вопрос: «Как по величине расхождения теории и результатов моделирования можно судить о пригодности модели? Какое расхождение считать допустимым, а какое говорит о том, что выбранные приближения не годятся?»
Немного подробностей про источник проблемы: Моделирование, численный эксперимент и погрешность (комментарий)