範例並非預測。

計算範例能說明什麼

簡單的計算就能讓複雜的概念變得易於理解。例如，假設貨物的關稅計算可以說明為什麼邊境費用和零售價格的上漲幅度不必相同。兩期收益分析可以說明為什麼收益和損失相等並不能互相抵銷。其價值在於揭示關係，而不是假裝範例可以預測真實結果。

這種區別必須明確。在教學範例中出現的整數並非當前市場報價，也不是對特定公司的估值。文章中如果以某汽車製造商為例，應明確說明，而不應讓讀者誤以為數據來自特斯拉的帳目。真實揭露和人為設定的教學價值顯然應歸為不同的範疇。

假設與適用範圍

假設決定了計算結果的意義。例如，儲蓄範例假設存款發生在每月月初還是月末？年殖利率是實質殖利率，還是按期劃分的名目殖利率？是否包含稅金？兩個計算器顯示不同的結果，可能是因為它們的假設不同，而不是因為它們的計算有誤。

好的解釋會在要求讀者解讀輸出結果之前，先闡明這些假設。它還會說明哪些因素被忽略了。恆定通膨情境並不能重現家庭實際的食品雜貨支出變化。不考慮提款的收益計算無法涵蓋所有退休帳戶。一個簡單的模型應該在其限制內發揮作用，而不是被虛假的精確性所美化。

敏感度與數字精確性

敏感性分析通常比單一答案更有價值。降低假設收益率、提高成本或降低利用率，看看結論會如何改變。如果一個商業案例僅在一種異常有利的組合下有效，那麼這種依賴本身就是結論的一部分。將其隱藏在最終的完美數據背後，會削弱分析的說服力。

精確度應以證據為準。即使計算結果精確到小數點後兩位，其算術上也可能正確，但前提假設仍有很大的不確定性。小數位數並不能消除這種不確定性。在編輯工作中，將計算精度與預測置信度區分開來，是避免誇大讀者所獲知識的最簡單方法之一。

有用的計算留下什麼問題

我們的工具旨在使關係可重現。它們不負責選擇投資、承諾收益或取代合格的建議。最有用的結果可能是引發關於某個假設的新問題，而不是螢幕上顯示一個更大的數字。這才是計算器的成功使用，而不是需要掩蓋的限制。

讀者應該能夠使用相同的輸入重複範例並獲得相同的答案。如果無法做到這一點，則在重複使用該結果之前，應調查其中的差異。