¿Se puede llamar a los resultados de una simulación “evidencia” que respalde alguna hipótesis?

Sí, aunque el grado de apoyo está limitado por lo cerca que está la simulación del entorno real en el que se supone que opera la hipótesis.

A modo de analogía, probamos algunos medicamentos nuevos en otros mamíferos. Eso es comparable a una simulación: estamos utilizando el sujeto de prueba como un proxy de cómo responderán los humanos. A medida que entendemos mejor la biología humana y nuestra posición ética se desarrolla lejos de las pruebas en animales, estamos empezando a usar simulaciones en lugar de algunos pasos de pruebas.

En algunas zonas, tenemos muy buenas simulaciones. En el diseño de automóviles y aviones (entre otros), es cada vez más común probar los diseños en una computadora porque podemos simular el entorno en el que operan en una computadora que con un modelo a escala.

En otras áreas, las simulaciones proporcionan una manera de probar hipótesis que de otra manera serían difíciles de probar. No podemos probar cómo las áreas específicas del cerebro funcionan in situ (hay demasiadas otras variables porque el cerebro es demasiado complejo), pero podemos modelar cómo está conectada la región en una simulación de red neuronal y aprender cosas sobre cómo funciona .

Ah, y no necesitas las comas invertidas. Una simulación puede ser una prueba, no hay duda, pero hay que tener en cuenta las limitaciones.

Sí. De hecho, esa es la principal aplicación de la simulación en ciencia e ingeniería. Muchos productos y procesos se simulan para determinar su comportamiento sin tener que construirlos físicamente.

Por supuesto, la confiabilidad de la evidencia así obtenida depende de la precisión del modelo y sus datos de entrada; Se aplica el principio GIGO.

Sí.

Remuestreo (estadísticas)

Editar:
Honestamente, no soy un experto en bootstrapping o jackknifing (razón por la cual te dejé solo con un enlace), pero estos métodos usan remuestreo para probar hipótesis en lugar de usar las probabilidades reales, que pueden ser mucho más difíciles de calcular.