術數預測系統的BUG!?

我相信大部分理性而誠實的術數師都一定會認同術數預測是有BUG。


不過, 這BUG其實是怎樣出現, 恐怕不是我等術數新手一時三刻就能參透。


不過, 在小弟近來忙於幫忙太太處理一些論文的實驗數據之時, 明白了科學研究人員所謂MODELING(科学模型)是什麼回事，看來亦有助解答以上問題。


以上面的SCATTER PLOT(散佈圖)為例, 黑色的交叉點就是客觀觀測到的現實參數, 而MOEDLING的目的就是開發一組新規律/算式, 嘗試模擬/解釋各參數之間的互動關係。 而理論上，預測將來其他觀測到的參數，都應該符合這規律/算式的趨勢。


但係MODELING的困難在那裡? 現實觀測到的數據很多時只有很大概的趨勢, 像上圖一樣已經最少有三四條規律/算式可以某程度上模擬到數據的趨勢。 以可靠度而言, 大概是A>B>C>D。 但要留意, 就算開發出的規律/算式能模擬到約70~80%數據, 總有部分數據參數, 是不合理地脫離大體數據的變化規律，在統計學上叫OUTLIER(離群值)。 OUTLIER的出現, 可能是觀測實驗時出錯, 亦可能是這些數據其實有其另一平面的發展趨勢(例如, Z軸)，總括而言，就是整合現有數據變化規律的一個兩難, 亦對將來其他數據預測造成盲點。


將以上科學實驗和統計的概念，再搬回我們一開始談的術數預測問題，是不是覺得，怎麼好像有些地方非常相似?