MODELOS Y MODELADO. Gilberto Gallopín.

Transcripción

1 MODELOS Y MODELADO Gilberto Gallopín [email protected] Seminario Prospectiva y Pensamiento Estratégico INTA, IIPyPP, 2 al 6 de junio de 2014 C.A.B.A.

2 PROSPECTIVA Y MODELOS La Prospectiva es una disciplina muy amplia, que utiliza diferentes metodologías y técnicas. Aquí, enfocaré en una de las herramientas utilizadas para explorar el futuro: los Modelos, y específicamente los modelos matemáticos de simulación (más adelante hablaré sobre los Escenarios cualitativos, la otra gran herramienta)

3 DOS CONCEPTOS CENTRALES DE LA PROSPECTIVA Objetivo no es predecir el futuro, sino explorar futuros posibles (incluyendo futuros deseables) Hay modelos y escenarios exploratorios (qué podría pasar) y normativos (qué queremos que pase). El MML es un ejemplo de ambos, ya que se corrió en modo exploratorio, y también en modo normativo (optimizado)

4 ESCENARIOS & MODELOS: MODOS COMPLEMENTARIOS DE EXPLORAR EL FUTURO Escenario: una secuencia hipotética de eventos que resultan en una imagen del futuro, con el propósito de enfocar la atención en procesos causales, puntos de decisión, y bifurcaciones donde las acciones humanas podrían cambiar el curso de eventos

5 Modelo: una representación simplificada de la realidad donde se supone que existe algún tipo de correspondencia entre los elementos y relaciones del modelo y los de la realidad Modelos matemáticos: representan los elementos y relaciones como variables y relaciones matemáticas o funciones (determinísticas o estocásticas) que obedecen las leyes de las Matemáticas El MML es un claro ejemplo de modelo matemático de simulación dinámica y también de optimización. En prospectiva, se utilizan a veces otros tipos de modelos matemáticos (de agentes, de simulación espacial, etc.)

6

7

8 ESCENARIOS CUALITATIVOS Pueden incluir factores cuantificables y no cuantificables. Más comprehensivos que los modelos de simulación Transparentes (importante para la participación) Definitivamente no predictivos, sino exploratorios del futuro Capaces de incluir incertidumbre dura y verdadera novedad Siempre enfocados al futuro MODELOS DE SIMULATION Limitados a los factores y relaciones cuantificables. Son más precisos que los escenarios cualitativos Opacos a los usuarios no tecnicos Exploratorios ó (en algunos casos específicos) predictivos Pueden manejar la incertidumbre probabilística No todos son orientados al futuro. Cuando se usan para explorar futuros alternativos se suelen llamar escenarios cuantitativos

9 QUÉ ES UN MODELO? Una representación aproximada e idealizada de la realidad, donde los elementos o componentes del modelo se corresponden, de alguna manera, con ciertos elementos de la realidad (estrictamente, de la imagen de la realidad que tiene el que hace el modelo) y las interrelaciones entre elementos del modelo son de algún modo equivalentes a las interrelaciones entre los elementos correspondientes de la realidad

10 Cualquiera que usa un sistema A que no interactúa directa o indirectamente con un sistema B, está usando A como un modelo de B (Apostel) En última instancia, un modelo es la expresión de algo que queremos entender en términos de otro algo que creemos entender

11 MODELOS MATEMÁTICOS Un modelo matemático representa los elementos y las interrelaciones como variables y relaciones o funciones matemáticas (deterministas o estocásticas) que obedecen las leyes de las Matemáticas. Estáticos (ej. Modelo Digital del Mundo básico para SIG) o dinámicos (los valores de las variables cambian en el tiempo) Analíticos (con soluciones generales aplicando la herramienta matemática) o de simulación (con soluciones particulares aplicando algoritmos de computación).

12 MODELOS MATEMÁTICOS DE SIMULACIÓN Los modelos de simulación son, como los analíticos, de naturaleza lógico-matemática, pero en vez de describir directamente el comportamiento global del sistema describen la operación del sistema en términos de eventos individuales de los componentes elementales del sistema. La simulación divide la construcción del modelo en componentes menores y combina esas partes en su orden natural; la computadora puede calcular el efecto de la interacción entre partes, a partir de los valores iniciales de los componentes y sus interacciones, simulando la operación real del sistema y registrando su comportamiento agregado. Esto se puede repetir para varias configuraciones alternativas y valores de las entradas, y comparar los resultados.

13 Se aplican las ecuaciones (reglas de cambio) al "estado actual" para obtener el "nuevo estado", el que es a su vez el nuevo estado actual, para producir un segundo nuevo estado. El requerimiento principal para esto es que las reglas sean expresadas en términos del estado del sistema y sus entradas, y no en función directa del tiempo. La idea básica es muy sencilla, aunque los modelos puedan ser muy complicados.

14

15 Funcionamiento de un modelo de simulación digital I t I t+1 I t+2 s t s t+1 s t+2 O t O t+1 O t+2 t t+1 t+2 tiempo

16 MODELITO STELLA

17 E(t) = E(t - dt) + (growth - extraction - natural_reduction) * dt INIT E = 100 growth = beta*(e-t)*(k-e) extraction = extractive_plan natural_reduction = red_rate*e beta = 0.01 K = 120 red_rate = stock_to_extract = E/( + extraction+1) stock_to_threshold = E/ + T T = 10 extractive_plan = GRAPH(TIME) (0.00, 2.00), (1.00, 10.0), (2.00, 19.5), (3.00, 23.5), (4.00, 28.5), (5.00, 32.0), (6.00, 34.0), (7.00, 36.5), (8.00, 35.5), (9.00, 35.5), (10.0, 35.5), (11.0, 35.5), (12.0, 33.5)

18 Manejo de fauna - STELLA

19

20 FINALIZANDO El futuro ya no es lo que era, y la propspectiva a todas las escalas cobra mayor importancia. Hoy hay mejores herramientas, algunas amistosas con el usuario (ej. En modelado Vensim, Stella, y otras para modelos de agentes) Pero la complejidad (y su percepción) ha aumentado y hay nuevos desafíos Los sistemas educativos no han avanzado lo suficiente en la introducción del la ID y la visión integradora

21