Modelado y Simulación

Modelado y Simulación

1. Los modelos de simulación son un conjunto de hipótesis sobre el funcionamiento del comportamiento del objeto de una simulación

   • Determinista o estocástico: hace referencia a si su comportamiento es predecible o no
     • Determinista: para un conjunto acotado y definido de entradas, el modelo dará como resultado un conjunto único de salidas.
     • Estocástico: para entradas aleatorias, el modelo ofrecerá salidas aleatorias.
   • Sistema estático o sistema dinámico: hace referencia al tiempo de la simulación
     • Estático: reproducen el proceso o sistema en un momento determinado.
     • Dinámico: reproducen el proceso o sistema evolucionando a lo largo del tiempo.
   • Discreto o continuo: hace referencia a los momentos temporales considerados en los modelos dinámicos
     • Discreto: las variables de entrada y de salida del modelo cambian en un conjunto de momentos en el tiempo (muestras).
     • Continuo: las variables cambian ininterrumpidamente en el tiempo

2. Principios basicos de conocimiento

   • Simulación: método por el cual los modelos se responden aplicando métodos numéricos con ayuda de un ordenador de los cuales no se tiene solución de manera analítica.
   • Modelo: es una representación de un sistema desarrollada para un propósito especifico
     • Tipos de modelos
       • Modelo matemático: las relaciones entre las magnitudes de interés del sistema (distancias, velocidades, flujos, etc.) son descritas mediante relaciones matemáticas
       • Modelos físicos: tales como las maquetas a escala que construyen los arquitectos.
       • Modelo verbal: es en el cual el comportamiento del sistema es descrito mediante palabras.
       • Modelo mental: es la forma en la que se busca comprender y predecir el comportamiento de los sistemas.
   • Experimento: es el proceso de extraer datos de un sistema sobre el cual se ha ejercido una acción externa.
     • Formas de experimentar
       • Con un modelo de sistema
       • Con un sistema real
   • Sistema: es cualquier objeto cuyas propiedades se desean estudiar,
     • Problemas basicos en el conocimientos de los sistemas
       • Diseño: de un sistema se investigan diferentes estructuras alternativas para un sistema completamente nuevo o para el rediseño de uno ya existente.
       • Inferencia: sobre un sistema se intenta conocer la estructura del sistema a partir de las observaciones que pueden realizarse del mismo.
       • Analisis: al realizar un análisis del sistema se intenta comprender el comportamiento del sistema, existente o hipotético, empleando para ello el conocimiento que se tiene de su estructura.
     • Niveles de conocimiento de los sitemas
       • Nivel 3 Estructura: en este nivel sabemos como recrear los datos observados en el Nivel 1 (datos) de una manera específica: en términos de componentes interconectados entre si
       • Nivel 2 Generacion: en este nivel somo capaces de recrear estos datos usando una representación mas compacta, mediante formula matemáticas o algoritmos
       • Nivel 1 Datos: en este nivel disponemos de una base de datos de medidas y observaciones de nuestro sistema fuente.
       • Nivel 0 Fuente: identificamos la porción del mundo real a modelar y las maneras mediante las cuales vamos a observarlo

3. Las principales aplicaciones de los modelos de simulación son el análisis predictivo y la toma de decisiones basada en datos Estos modelos son la única manera de resolver problemas complejos del mundo real en campos como la biología, la física, la economía, la medicina

   • Método Montecarlo: es una técnica matemática que se utiliza para estimar los resultados posibles de un suceso incierto.
   • Modelado basado en agentes: se utiliza para simular sistemas complejos y dinámicos. Un agente es una pieza de software capaz de analizar su entorno, procesar la información y actuar sobre él
   • Simulación de eventos discretos: aquellos en los que las variables que definen su estado en cada momento cambian únicamente en un conjunto discreto de instantes de tiempo (muestras). Esto facilita su implementación en un programa informático.
   • Modelado dinámico de sistemas: modelos de simulación de sistemas que varían con el tiempo. Se caracterizan por variables que determinan el estado del sistema en cada instante y un conjunto de reglas que establecen cuál será el siguiente estado del sistema.

4. Analisis y simulacion de sistemas complejos

   • Modelos matematicos
     • Se utilizan para simular la dinámica de las interacciones entre el sistema y su entorno. Se expresan como ecuaciones diferenciales o ecuaciones en diferencias
   • Modelos Computacionales
     • Se utilizan para simular y estudiar sistemas biológicos complejos, pronosticar el tiempo, diseñar aviones y entrenar pilotos, simular terremotos.
   • Modelos FIsicos
     • Se utilizan para estudiar el comportamiento de un sistema real
   • Modelos Abstractos
     • Se utilizan para estudiar las consecuencias de medidas económicas antes de aplicarlas.