Stel, je hebt een hypothese die iets voorspelt over een aspect van de fysische werkelijkheid. Vervolgens wil je deze hypothese toetsen door een computermodel los te laten op dit aspect van de werkelijkheid en de uitkomsten vergelijken met de hypothese. Komen de resultaten overeen, dan kunnen we de hypothese als waar, als theorie beschouwen. Als je nu al de hypothese in je model stopt, heb je dan niet bij voorbaat een uitkomst die overeenkomt met de hypothese. Of is dat nu weer een gekke kronkel van mij.
Volgens mij is de juiste volgorde: je draait een implementatie van het model zonder de hypothese en vergelijkt de resultaten met de waarnemingen. Daarna draai je een implementatie van het model mét de hypothese en vergelijkt de resultaten met de waarnemingen. Is er een significant verschil tussen beide resultaten én komt het model mét de hypothese beter overeen met de waarnemingen dan het model zonder hypothese, kan gesteld worden dat de hypothese iets meetbaars beschrijft van de werkelijkheid en derhalve bijdraagt aan de juistheid van de model.
Als het model de werkelijkheid beter beschrijft mét de hypothese is natuurlijk nog zaak te controleren of de specifieke deelaspecten, relevant aan de hypothese, overeenkomen met datgene dat je verwacht. Dat moet allemaal weer blijken uit verdere analyse van de resultaten uit het model. Uiteraard is zo'n toets van de significantie van de verschillen al wel een sterke aanwijzing.
In theorie is het volgende bijvoorbeeld mogelijk: er is een hypothese ontwikkeld over het ontstaan van regen. Deze hypothese wordt geïmplementeerd en het blijkt dat het model met de nieuwe hypothese significant beter scoort. Je gaat analyseren en wat blijkt? Er valt weliswaar meer regen in het nieuwe dan in het oude model, maar het moment waarop de regen ontstaat en waar is niet anders. De nieuwe hypothese heeft dus geen effect op datgene waar het eigenlijk over ging: de vorming van regen. Het had wel invloed op iets anders: de totale waterinhoud in de atmosfeer. Op dat soort onverwachte effecten moet altijd gecontroleerd worden en indien gevonden, onderzocht. Het kan ook nog zijn dat de hypothese niet goed geïmplementeerd is in het model, programmeurs maken immers ook fouten.
Het gaat erom dat je het model de gehele werkelijkheid laat beschrijven en veronderstelt dat de geteste hypothese -iets toevoegt- aan die beschrijving. Het model moet dus niet losgelaten worden op een aspect van de werkelijkheid, maar op de totale werkelijkheid.
Concreet: hoe kan in een klimaat-computermodel van de atmosfeer een hypothese een plaats krijgen die zegt dat de CO2-concentratie in de atmosfeer het broeikaseffect zal beïnvloeden?
Dat kan door middel van de toevoeging van een parameterisatie van de straling. Zo'n module berekent aan de hand van concentraties van gassen en natuurkundige wetten
1 hoeveel infrarode straling geabsorbeerd en opnieuw geëmitteerd wordt.
De hypothese is in dit geval de volgende: is de hoeveelheid energie, geabsorbeerd door een CO2 molecuul en opnieuw geëmitteerd, mede gezien de totale hoeveelheid moleculen, voldoende om te zorgen voor een netto opwarming van de atmosfeer?
Gr. Ben
1 Om specifiek te zijn het aspect van stralingsabsorptie: het aanslaan van één van de vibratiemodi van een molecuul door straling met een bepaalde frequentie, de molecuul gaat over naar een hoger energieniveau, emitteert een foton van gelijke energie en frequentie maar in willekeurige richting en vervalt tenslotte terug naar zijn grondstaat.
Quote selectie