情報の勉強高校 情報Ⅰ

第3章 コンピュータとプログラミング

モデル化とモデルの種類

案内図、模型もけい、料金の式……。どれも本物をそのまま写したものではなく、目的に合わせて大事なところだけを取り出した「モデル」です。このページでは、モデルとは何かと、モデルの分け方(表し方・時間・偶然)を図で整理します。

説明

1. 本物から「目的に要るところ」だけ取り出す

文化祭の日に校門で配る案内図を考えてみましょう。本物の校舎には、机の数、窓、掲示物、配線……と、数えきれないほどの情報があります。でも来た人が知りたいのは「どの部屋で何をしているか」「どう行けばよいか」だけです。

そこで案内図には、部屋の並び・出し物の名前・通路だけを残し、ほかは思い切って省きます。このように、本物(物や出来事)から目的に必要な部分だけを取り出して表したものをモデル、モデルを作ることをモデル化といいます。大事な部分だけを取り出して単純にすることを抽象化ちゅうしょうかともいいます。

本物の校舎(1階)1-A1-B1-C階段・トイレ机・窓・掲示物・配線……文化祭の案内図(モデル)1-Aおばけ屋敷1-Bカフェ1-C写真展トイレ入口部屋・出し物・通路だけ
案内図は「迷わず着く」という目的に要る部分だけを残したモデルです。

2. 目的が変わると、残すものも変わる

同じ「教室」でも、何のためのモデルかで残す要素が変わります。避難の練習なら出入口と通路、席がえなら机の位置と名前、冷房の効きなら部屋の広さ・人数・窓が大事です。

モデル化は、①目的を決める → ②必要な要素と、要素同士の関係を決める → ③図や式などで表す、の順に進めます。省いた要素は、そのモデルでは考えられません。モデルは要素を省いているので、本物と完全に同じにはならず、使える範囲にもかぎりがあります。これをモデルの限界といいます。省き方が目的に合っていないと、本物とのずれは大きくなります。

同じ「教室」目的:避難の練習残す● 出入口の位置● 通路の幅● 人数省く- 机の上の物- 人の名前目的:席がえ残す● 机の位置● 人の名前● 黒板の位置省く- 窓の大きさ- 部屋の温度目的:冷房の効き残す● 部屋の広さ● 人数● 窓・日当たり省く- 人の名前- 席の順番① 目的を決める② 要素と関係を決める③ 図や式で表すモデル化の進め方

「何を残すか」は、目的が決めます。まず目的をはっきりさせましょう。

3. 表し方で分ける:物理モデル・図的モデルずてきもでる・数式モデル

モデルは、どんな形で表すかで3つに分けられます。

  • 物理モデル:形のある物で表す。小さくした縮小モデル、大きくした拡大モデル、同じ大きさの実物モデル(実物大)があります。
  • 図的モデル:図で表す。案内図、路線図、フローチャート、状態遷移図じょうたいせんいずなど。
  • 数式モデル:数や式で表す。「料金 = 500 + 400 × 使った GB」など。

本によっては、図的モデルと数式モデルをまとめて論理モデルと呼んだり、数式モデルを数理モデルすうりもでると呼んだりします。コンピュータで計算して試しやすいのは数式モデルです。

物理モデル形のある物で表す・縮小:建物・橋の模型・拡大:ウイルスの模型・実物大:救命練習の人形図的モデル図で表す・案内図・路線図・フローチャート・状態遷移図数式モデル数や式で表すy = 400x + 500・料金の計算式・利息の計算式・落下の式図的+数式を「論理モデル」とまとめる本もある表し方で分ける

4. 時間で変わるか:静的モデルせいてきもでる・動的モデルどうてきもでる

次は、時間がたつと様子が変わるものかで分けます。教室の座席表は、朝も放課後も中身は同じです。このように時間による変化を考えないモデルを静的モデルといいます。

一方、スマホの電池の残り、1日の気温、レジに並ぶ人の数、感染症にかかった人の数は、時間とともに変わります。時間による変化を含むモデルを動的モデルといいます。動的モデルでは「1時間後」「1年後」のように時間を進めながら計算します。

静的モデル例:教室の座席表黒板ABCDEFGHIJKL8時も15時も同じ動的モデル例:スマホの電池の残り0%50%100%048時間時間とともに変わる

5. 偶然が入るか:確定モデル・確率モデル

3つめは偶然(不規則なこと)が入るかです。「電池の残りが1時間に 4 ポイントずつ減る(100% → 96% → …)」と決めたモデルは、何度計算しても同じ結果になります。このように規則がはっきり決まっていて偶然が入らないモデルを確定モデルといいます。

一方、「次の客が何分後に来るか」「くじが当たるか」は、毎回同じになるとは限りません。偶然を含むモデルを確率モデルといい、コンピュータでは乱数らんすうで偶然を表します。動かすたびに結果が変わりうる(たまたま同じになることもある)ので、何回も試して全体の傾向を見ます。「確定的モデル」「確率的モデル」とも呼びます。

確定モデル100% から1時間に4ポイント減る8時間後は?1回目68%2回目68%3回目68%いつも同じ確率モデル次の客は乱数で何分後に来る?1回目3分2回目1分3回目5分回によって変わる

6. 3つの見方を組み合わせて分類する

3つの分け方は別々の見方なので、1つのモデルを3つの見方で同時に分類できます。例えば「預金の利息を1年ずつ計算する式」は、式で表すので数式モデル、年を進めるので動的、偶然が入らないので確定モデルです。

分類するときは、①何で表しているか ②時間を進めて考えるか ③乱数(偶然)を使うか、の3つを順に確かめます。

モデル表し方時間偶然教室の座席表図的静的確定料金プランの式数式静的確定預金の利息を1年ずつ計算数式動的確定乱数で客が来るレジの列数式動的確率見る順:何で表す? → 時間を進める? → 乱数を使う?

7. モデルを動かして試す:シミュレーション

モデルを使って「こうしたらどうなるか」を試すことをシミュレーションといいます。本物で試すと危ない、お金や時間がかかる、やり直せない、ということも、モデルなら何度でも試せます。天気予報、車の衝突実験、建物や家具の配置の検討、避難の仕方、感染症の広がり方の予想などで使われています。シミュレーションには、表計算ソフトウェア、プログラム、専用のシミュレーションソフトウェアを使います。

結果が本物とずれたら、省いた要素や数の決め方を見直してモデルを直し、もう一度試します。同じ出来事でも、どの要素を入れるか・どんな式にするかで、結果や正確さ(精度せいど)が変わります。このくり返しで、モデルは目的に合ったものになっていきます。次の単元から、確定モデルと確率モデルのシミュレーションを実際にやってみます。

① モデル化目的・要素・式② シミュレーションモデルで試す③ 本物と比べる結果を評価する④ モデルを直す要素や数を見直す目的に合うまでくり返す

ひとことで言うとモデルは目的に合わせて要素を絞ったもの。表し方・時間・偶然の3つで分ける。

例題

例題1 目的に合わせて要素を選ぶ

生徒会で、昼休みの購買の混み具合をモデル化し、待つ時間を短くするにはレジを何台にすればよいかを調べることにしました。次の要素のうち、モデルに入れるものはどれですか。また、省いてよいものはどれですか。
(ア)生徒が購買に来る時刻 (イ)1人の会計にかかる時間 (ウ)レジの台数 (エ)購買の壁の色 (オ)パンの名前

例題2 3つの見方で分類する

次の2つのモデルを、表し方(物理・図的・数式)、時間(静的・動的)、偶然(確定・確率)の3つの見方で分類しましょう。
(1)プールに 1分に 0.5 トンずつ水を入れるとして、満水になるまでの時間を、1分ずつ水の量を計算して求める。
(2)遊園地の1日の入場者数を、天気の変わり方を乱数で決めながら、1日ずつ1か月分計算する。

練習

1
次のうち、図的モデルはどれですか。
2
次のうち、動的モデルはどれですか。
3
次のうち、確率モデルはどれですか。
4
「ペットボトルロケットがどこまで飛ぶかを予想する」ためのモデルに、必ず入れたい要素を2つ選んでください。
5
スマホの電池が、使い方を変えなければ1時間に 4 ポイントずつ減る(92% → 88% → …)という数式モデルで考えます。今 92% のとき、60% になるのは何時間後ですか。

さわってみよう

数式モデルをプログラムにして動かしてみましょう。「料金プラン」「電池の残り」は偶然が入らない確定モデル、「さいころ」は乱数を使う確率モデルです。それぞれ何回か動かして、結果が変わるかどうかを比べてください。「書きかえる」で数を変えることもできます。

「料金プラン」と「電池の残り」は何度動かしても同じ結果(確定モデル)、「さいころ」は動かすたびに結果が変わることがある(確率モデル)と分かったはずです。料金プランでは、使う量が 5GB より多いか少ないかで安いプランが入れ替わることも分かります。

やってみよう(共通テスト形式)

このサイトで作った問題です(過去の試験問題ではありません)。

生徒会の A さんと B さんは、朝の自転車置き場の入口が混んで、遅刻しそうになる人がいる問題を話し合っている。

A:入口の様子をモデル化して、入口を増やしたらどうなるか、シミュレーションしてみよう。
B:目的は「入口を増やすと、全員が自転車をとめ終わるまでの時間がどれだけ短くなるかを知ること」だね。まず、モデルにどんな要素を入れるか決めよう。

問1
このモデルに入れなくてよい要素として最も適当なものを選べ。
問2
A:生徒が来る時刻は毎日ばらばらだから、乱数で決めて、1秒ずつ時間を進めて計算しよう。
このモデルの分類として最も適当なものを選べ。
問3
B:まず数式モデルで見当をつけよう。120台が入口の前に並んでいて、入口が1つだと 1台に 6 秒かかるとする。
入口を2つにし、さらに1台にかかる時間を 5 秒に短くできたとすると、120台がとめ終わるまでに何分かかるか。数で答えよ。
問4
実際に入口を2つにしてみたが、時間は計算ほどは短くならなかった。理由の考え方として最も適当なものを選べ。

この単元が出た過去問の解説

ちょっと寄り道:豆知識・こぼれ話

試験に出るとはかぎりませんが、知っていると情報がもっと面白くなる話です。

地下鉄の路線図は、わざと地図と違う?

1933年、ロンドンの地下鉄で、新しい路線図が配られました。考えたのは、地下鉄の信号部門で技術図面を描く仕事をしていたハリー・ベックです。駅同士の本当の距離や線路の曲がり方を思い切って捨て、線を縦・横・斜めだけで描き、駅をほぼ同じ間隔で並べました。乗る人が知りたいのは「何線の何番目の駅か」「どこで乗りかえるか」なので、それ以外を省いたのです。はじめは大胆すぎると言われましたが、使いやすさから評判になり、今では世界の多くの路線図がこの描き方をまねています。目的に合わせて要素を絞った、図的モデルのよい見本です。

参考:ロンドン交通局(TfL)「Harry Beck's Tube map」、London Museum「How Harry Beck revolutionised the Tube map」

天気予報の計算を、6万4000人でやる計画

大気の動きを式(数式モデル)で表し、計算で天気を予報する方法を最初に本気で試したのは、イギリスのルイス・フライ・リチャードソンです。彼は手計算で、ある地点の6時間後の予報を出すのに約6週間かかり、しかも結果は大きく外れました。1922年の本で彼は、世界の天気を実際の天気より速く計算するには、計算係が約6万4000人いる大きな「予報工場」が必要だと見積もっています。この夢は電子計算機の登場で現実になり、日本の気象庁も1959年からコンピュータによる数値予報を始めました。

参考:L. F. Richardson『Weather Prediction by Numerical Process』(1922)、英国気象庁(Met Office)「celebrating 100 years of scientific forecasting」、P. Lynch「Richardson's Forecast-factory: the $64,000 Question」、気象庁「数値予報の歴史」

「モデルはみんな間違っている」?

イギリス生まれの統計学者ジョージ・ボックスは、1970年代の論文で「すべてのモデルは間違っているが、役に立つものもある」という意味の言葉を残しました。モデルは本物の一部を省いて作るので、本物と完全に同じにはなりません。大事なのは「正しいかどうか」より「目的に対して役に立つかどうか」だ、という考え方です。このページの「省いた要素は、そのモデルでは考えられません」という話と同じことを言っています。

参考:G. E. P. Box, “Science and Statistics”, Journal of the American Statistical Association, 1976/G. E. P. Box, “Robustness in the Strategy of Scientific Model Building”, 1979

わからなかったら、ここへもどる

あわせて読む

次はこれ

先生・おうちの方へ

つまずきやすい所:①モデルを「模型」だけだと思っている(図や式もモデル)。②分け方が3種類あり、1つのモデルを3つの見方で同時に分類できることがつかめない。③静的・動的と確定・確率を取り違える(時間の見方と偶然の見方)。

呼び方の違い:分け方は本によって違います。図的モデルと数式モデルをまとめて「論理モデル」、数式モデルを「数理モデル」、確定・確率を「確定的・確率的」と呼ぶ本があります。物理モデルを実物・拡大・縮小に分ける本もあります。このページでは並べて示しています。

授業で使うとき:例題1のように、まず目的を決めてから要素を選ばせると、「目的によって残す要素が変わる」ことが実感しやすくなります。さわってみようのプログラムは、確定モデルと確率モデルの違いを、動かした結果で比べられます。

学習指導要領:情報Ⅰ (3)ア(ウ) / 参考:高等学校学習指導要領(平成30年告示)解説 情報編 情報Ⅰ (3)ア(ウ)・イ(ウ)、文部科学省「高等学校情報科『情報Ⅰ』教員研修用教材」第3章 学習16(モデル化とシミュレーション、モデルの分類)