Badeforhæng med tilfældigt punktfelt – matematisk Science design

Punktprocesser – matematikken bag tilfældige placeringer

Hvor skal det næste punkt placeres?

I et regelmæssigt gitter er svaret bestemt på forhånd.

Afstanden følger et system.

Rækkerne gentager sig.

Symmetrien kan aflæses.

Men hvad sker der, hvis positionerne i stedet bestemmes af tilfældighed?

Så bevæger vi os ind i et matematisk område kaldet rumlige punktprocesser.

En punktproces er grundlæggende en matematisk model for en samling positioner:

X = {x₁, x₂, x₃, …}

Hvert xᵢ angiver placeringen af ét punkt i et bestemt rum.

Det kan være et todimensionalt område som motivets flade.

Men punkterne kan repræsentere noget langt mere konkret.

Træer i en skov.

Stjerner på himlen.

Celler i væv.

Forekomsten af bestemte planter.

Partikler i et materiale.

Eller registrerede hændelser på et geografisk kort.

Spørgsmålet er ikke kun, hvor punkterne befinder sig.

Det interessante er, hvilken proces der kan have placeret dem dér.

En af de vigtigste matematiske modeller er Poisson-punktprocessen.

Her antager vi i den simpleste homogene udgave, at punkterne optræder uafhængigt og med samme gennemsnitlige intensitet over hele området.

Intensiteten betegnes ofte:

λ

Hvis vi undersøger et område A med arealet |A|, er det forventede antal punkter:

E[N(A)] = λ|A|

Antallet af punkter i området kan beskrives med Poisson-fordelingen:

P(N(A)=k) = ((λ|A|)^k e^(−λ|A|)) / k!

Her er k det antal punkter, vi spørger efter sandsynligheden for.

Ligningen fortæller noget vigtigt om tilfældighed.

Vi kan ikke på forhånd sige præcist, hvor mange punkter et bestemt lille område vil indeholde.

Men vi kan beregne sandsynligheden.

Og når vi betragter større områder eller mange realisationer af processen, træder statistiske mønstre frem.

Tilfældighed er derfor ikke det samme som mangel på struktur.

Der findes en matematisk struktur i sandsynligheden.

Motivet indeholder samtidig cirkler i forskellige størrelser.

Det kan matematisk fortolkes ved at give hvert punkt en ekstra egenskab.

Vi kan skrive:

(xᵢ, mᵢ)

hvor xᵢ er positionen, mens mᵢ er en såkaldt mark.

I dette motiv kunne marken være cirklens radius:

mᵢ = rᵢ

Vi har dermed ikke længere kun en punktproces, men en markeret punktproces.

Hvert punkt fortæller både:

Hvor?

og:

Hvor stort?

I andre modeller kunne marken repræsentere noget helt andet.

Et træ kan have en art og en stammediameter.

En stjerne kan have en lysstyrke.

En registreret hændelse kan have en styrke.

En biologisk celle kan have en størrelse eller type.

Det gør markerede punktprocesser anvendelige i mange videnskabelige sammenhænge.

Men når man ser et punktmønster, opstår et andet interessant spørgsmål:

Er punkterne virkelig tilfældige?

To fordelinger kan ved første blik se tilfældige ud og alligevel være skabt af vidt forskellige processer.

Nogle processer skaber klynger.

Punkterne har tendens til at optræde tæt på hinanden.

Andre skaber frastødning.

Her bliver det mindre sandsynligt, at to punkter ligger meget tæt.

En Poisson-proces fungerer som et vigtigt referencepunkt, fordi den i sin klassiske form hverken indeholder tiltrækning eller frastødning mellem punkterne.

Matematikere og statistikere kan derfor analysere afstandene mellem punkter for at undersøge den skjulte struktur.

Man kan eksempelvis studere afstanden fra et punkt til dets nærmeste nabo.

Hvis de observerede afstande systematisk er meget små, kan det tyde på klyngedannelse.

Hvis afstandene er usædvanligt store og ensartede, kan der være tale om en proces med frastødning.

Det betyder, at et tilsyneladende simpelt billede af spredte prikker kan indeholde statistisk information om den proces, der skabte det.

Denne type matematik bruges blandt andet inden for økologi og geografi, astronomi, materialeforskning og biologisk billedanalyse.

Den viser også en interessant forbindelse mellem videnskab og design.

I grafisk design kan tilfældig placering bruges til at bryde et strengt gitter og skabe et mere levende udtryk.

Men ægte tilfældighed er vanskelig for mennesker at efterligne.

Når vi selv forsøger at placere punkter “tilfældigt”, har vi ofte en tendens til at fordele dem mere jævnt, end en virkelig tilfældig proces ville gøre.

Vi undgår ubevidst klynger.

Vi skaber afstand.

Vi designer tilfældigheden.

En matematisk tilfældighedsproces har ingen sådan æstetisk intention.

Og netop derfor kan dens resultater få deres egen særlige visuelle karakter.

Science-kollektionen undersøger mødet mellem disse to verdener.

Her bliver sandsynlighed ikke vist som tabeller og statistiske diagrammer.

Den bliver til en komposition af små cirkler på en flade.

Et punkt er næsten ingenting.

Men mange punkter rejser et matematisk spørgsmål:

Er der et mønster i tilfældigheden?

Badeforhænget er fremstillet i polyesterstof, som giver et blødt og tekstilt fald. Stoffet kan vaskes og stryges.

Hos smuktbad.dk fås badeforhænget i alle størrelser – også skræddersyet efter individuelle mål. Designet er eksklusivt og findes kun hos smuktbad.dk. Du kan desuden vælge rynkebånd til gardinskinne og tyngdebånd.

Højdepunkter

• Inspireret af punktprocesser, sandsynlighed og rumlig statistik
• Varierende cirkelstørrelser giver motivet karakter af en markeret punktproces
• Minimalistisk Science design, hvor tilfældighed bliver til grafisk komposition

Badeforhængets fordele

• Fås i alle størrelser – også skræddersyet efter mål
• Fremstillet i polyesterstof, som kan vaskes og stryges
• Mulighed for rynkebånd til gardinskinne og tyngdebånd

Tilfældighed kan se enkel ud.

Et punkt her.

Et andet dér.

Men bag den tilsyneladende uorden findes spørgsmål, som matematikken kan undersøge.

Hvor mange?

Hvor tæt?

Hvor store?

Er de uafhængige, eller påvirker de hinanden?

Når vi begynder at stille de spørgsmål, bliver de små cirkler til data.

Data bliver til sandsynligheder.

Og sandsynligheden bliver til design.