La Similación intenta:
1. Descubrir el comportamiento de un sistema
2. Postular teorías o hipótesis que expliquen el comportamiento observado
3. Usar esas teorías para predecir el comportamiento futuro del sistema, es decir mirar los efectos que se producirían en el sistema mediante los cambios dentro de él o en su método de operación (tiempo en minutos)
Una vez analizados los dos casos, se pudieron formular 4 metas:
1 * Existencia de métodos para la simulación general
2 * Casos de aplicación de la simulación apoyada en gráficos
3 * Cuando utilizar números aleatorios y cuando utilizar los números pseudoaleatorios
4 * Sugerencias para la validación de la simulación
Meta #1
Existen diferentes modelos de simulación, como por ejemplo:
1. MODELOS DETERMINISTICOS: Ni las variables endógenas y exógenas se pueden tomar como datos al azar. Aquí se permite que las relaciones entre estas variables sean exactas o sea que no entren en ellas funciones de probabilidad. Este tipo determinístico quita menos de cómputo que otros modelos
2. MODELOS ESTOCASTICOS: Cuando por lo menos una variable es tomada como un dato al azar las relaciones entre variables se toman por medio de funciones probabilísticas, sirven por lo general para realizar grandes series de muestreos, quitan mucho tiempo en el computador son muy utilizados en investigaciones científicas
3. MODELOS ESTATICOS: Es que en ellos no se toma en cuenta el tiempo dentro del proceso, por ejemplo: los modelos de juegos, modelos donde se observa las ganancias de una empresa
4. MODELOS DINAMICOS: Si se toma en cuenta la variación del tiempo, ejemplo: la variación de la temperatura, del aire durante un día, movimiento anual de las finanzas de una empresa. En estos modelos físicos podemos realizar modelos a escala o en forma natural, a escala menor, e escala mayor, sirven para hacer demostraciones de procesos como para hacer experimentos nuevos.
5. MODELOS A ESCALA: Son los modelos sencillos de maquetas -> casa -> baño, cuartos, etc. También se pueden tener a tamaño natural a menor o mayor escala, bidimensional, tridimensional.
6. MODELO TEÓRICO: El 'modelo teórico' debe contener los elementos que se precisen para la simulación. Un ejemplo con trabajo de laboratorio es un programa de estadística con ordenador que genere números aleatorios y que contenga los estadísticos de la media y sus diferentes versiones : cuadrática- aritmética-geométrica-armónica. Además debe ser capaz de determinar la normalidad en términos de probabilidad de las series generadas. La hipótesis de trabajo es que la media y sus versiones también determinan la normalidad de las series. Es un trabajo experimental de laboratorio. Si es cierta la hipótesis podemos establecer la secuencia teorema, teoría, ley. Es el modelo principal de todo una investigación científica, gracias a ello podemos definir o concluir la hipotesis, las predicciones, etc.
7. MODELO CONCEPTUAL: El modelo conceptual desea establecer por un cuestionario y con trabajo de campo, la importancia de la discriminación o rechazo en una colectividad y hacerlo por medio de un cuestionario en forma de una simulación con una escala de actitud. Después de ver si la población es representativa o adecuada, ahora la simulación es la aplicación del cuestionario y el modelo es el cuestionario para confirmar o rechazar la hipótesis de si existe discriminación en la población y hacia que grupo de personas y en que cuestiones. Gran parte de las simulaciones son de este tipo con modelos conceptuales.
8. MODELO SISTÉMICO: El modelo sistémico es más pretencioso y es un trabajo de laboratorio. Se simula el sistema social en una de sus representaciones totales. El análisis de sistemas es una representación total. Un plan de desarrollo en el segmento de transportes con un modelo de ecología humana, por ejemplo. El énfasis en la teoría general de sistemas es lo adecuado en este tipo de simulaciones. Este método, que es para un Sistema complejo, es sumamente abstracto, no se limita a la descripción del sistema, sino que debe incluir en la simulación las entradas y salidas de energía y procesos de homeostasis, autopoiesis y retroalimentación.
Tanto el programa de estadística, como la escala de actitud, como el sistema total, son perfectas simulaciones de la realidad y modelizan todos los elementos en sus respectivas hipótesis de trabajo. Son también un microclima y el ambiente o el escenario en los procesos de simulación/experimentación. Otras propiedades que deben contener las simulaciones es que sean repetibles indefinidamente. Que eviten el efecto de aprendizaje que incita al encuestador a rellenar él mismo los cuestionarios y que se podrá evitar con algún control, que sean flexibles o mejorables y que no sea invasivo o cambiar la población de las muestras sucesivas.
META #2
La simulación se puede aplicar en casi todos los casos de la vida cotidiana.
Existen herramientas para hacer la simulación mas entendible, como por ejemplo los programas que convierten los resultados de la similacion en imagenes, esta herramienta es utilizada para los casos complejos, donde es un tanto complicado interpretar los resultados, pero la utilización de estos programas es un costo extra en el proyecto, por lo cual solo se utiliza cuando es realmente necesario.
META #3
Los números aleatorios son aquellos obtenidos al azar, es decir, que todo numero tenga la misma probabilidad de ser elegido y que la elección de uno no dependa de la elecciñon del otro. Estos se utilizan cuando se requiere una impredicibilidad en unos determinados datos.
Los números pseudoaleatorios son aquellos generados por medios de una función (determinista, no aleatoria) y que aparentan ser aleatorios. Se generan a partir de un valor inicial aplicando iterativamente la función.
META #4
Para poder validad la simulación es necesario seguir una serie de pasos:
1.- Cada corrida genera resultados.
2.- Si se realiza otra corrida se obtiene resultados diferentes.
3.- ¿Cuantas veces se debe correr el programa? Aún cuando en cada corrida los resultados son diferentes estadísticamente estos pueden ser confiables.
4.- Establecer las hipótesis para cada tipo de resultados, aún cierto nivel de significancia.
Por ejemplo si se hacen 5 simulaciones se puede probar que probabilísticamente elementos semejantes en el sistema tienen un comportamiento y eficacia semejantes.
5.- Simultáneamente realizar pruebas de hipótesis y se puedan comparar los resultados con algún patrón de información previamente conocido para tener un panorama más amplio y confiable.
6.- Si la hipótesis no fue aceptada entonces se debe revisar exhaustivamente todo el programa las funciones, procedimientos entradas y salidas de información, hasta encontrar si hay un posible error.
No hay comentarios:
Publicar un comentario