Учените разработиха най-точната система за предсказване на бъдещето, използвайки математиката

Международен екип от математици, ръководен от професор Таехо Ким от университета Лигай, е разработил нов метод за прогнозиране, който позволява по-точно съвпадение между прогнозираните стойности и действителните данни. Подходът се нарича Maximum Agreement Linear Predictor (MALP) и е базиран на оптимизиране на коефициента на конкордация (Concordance Correlation Coefficient, CCC). Този показател оценява колко добре са разположени двойките точки в диаграмата на разсейване по линията на равенство, тоест колко точно прогнозите съвпадат с действителните резултати.

За разлика от метода на най-малките квадрати, който минимизира средната грешка, MALP е фокусиран върху постигането на максимално съответствие между прогнозата и наблюдението. Според професор Ким понякога е важно не само да се намали грешката, но и да се осигури най-високо съответствие. Коефициентът на конкордантност, за разлика от коефициента на корелация на Пиърсън, отчита не само връзката между променливите, но и систематичните разлики между тях.

Новият метод беше тестван върху компютърни симулации и данни от реалния свят. По-специално, той е бил приложен към анализа на офталмологични изображения, сравнявайки производителността на две устройства за оптична кохерентна томография — Stratus OCT и Cirrus OCT. Тъй като медицинските институции преминават към по-новата система Cirrus, изследователите се стремят да осигурят последователност на измерванията. MALP показва по-добро съответствие с действителните данни, докато методът на най-малките квадрати има по-малка средна грешка.

Екипът също така е използвал MALP, за да анализира данните за мастната тъкан на 252 възрастни. Както при компютърната томография, новият метод е осигурил по-близко съответствие между прогнозите и действителните стойности. В същото време класическият подход отново е показал малко по-ниска средна грешка. Изследователите подчертават, че изборът на метод зависи от целта: ако минимизирането на грешката е важно, си струва да се използват традиционните инструменти, но ако последователността е основното нещо, MALP ще бъде по-ефективен.

Според професор Ким, резултатите от изследването биха могли да бъдат полезни в медицината, биологията, икономиката и инженерството. Екипът планира да разшири метода отвъд линейните модели, създавайки по-общ подход — Maximum Agreement Predictor. Това ще позволи принципът на максимално съгласие да се приложи към по-сложните, нелинейни системи за прогнозиране.