Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1) Lectura-1 PDF
1) Lectura-1 PDF
, ,
CONCEPTOS BASICOS DEL ANALISIS
DE SISTEMAS y SIMULACiN
INTRODUCCiN
Sistema
Al igual que muchas palabras cuyo significado deducimos en forma intuitiva, "siste-
ma" es difcil de definir en forma precisa. Un sistema es un conjunto de componentes in-
terrelacionados que poseen un lmite y funcionan como una unidad. Un sistema es cual-
quier conjunto de materiales y procesos que se comunican para realizar una serie de fun-
ciones. Un sistema es un conjunto de procesos interconectados caracterizado por muchas
vas recprocas de causa y efecto.
Claramente, cualquier conjunto de objetos que interactan puede ser considerado un
sistema. El principal atributo de un sistema es que podemos entenderlo slo al conside-
rarlo como un todo. Otro atributo importante de un sistema,o ms estrictamente hablando,
de nuestro concepto de sistema, es que se define de acuerdo con un propsito particular;
2.1
2.2.1
conceptosbsicosdel anlisisde sistemasy simulacin
por ejemplo, para contestar una pregunta, para demostrar una teora o para clasificar una
parte del mundo real. Algunos ejemplos comunes de sistemas ecolgicos incluyen los
ecosistemas,las comunidades, las poblaciones y los individuos. Sin embargo, el fUmen
de un venado y el planeta Tierra tambin pueden ser considerados sistemas.
Un sistema determinado del mundo real se puede visualizar de diferentes formas, de-
pendiendo de nuestro inters particular. Esta idea puede ser ejemplificada mediante una
analoga con una cmara de vdeo. Supongamos que comenzamos filmando con la cma-
ra enfocada en un rea de 10 m x 10 m desde una altura de 10 m. Desde esta perspectiva
vemos que la cmara enfoca un guanaco en una llanura. A medida que continuamos fil-
mando, vamos cambiando el foco cie la cmara, de forma tal que el campo visual aumenta
en un orden de magnitud cada cinco segundos. Despus de cinco segundos observamos
un rea de 100 m x 100 m desde una altura de 100 m; luego de 10 segundos enfocamos
un rea de 1000 m x 1000 m desde una altura de 1000m, y as sucesivamente. A medida
que la perspectiva cambia, observamos que el guanaco se encuentra en una pequea lla-
nura rodeada de un bosque, que el bosque se encuentra en una zona montaosa, y que
al este de las montaas se encuentra un gran desierto. Mientras contina cambiando la
perspectiva, vemos que el guanaco est, probablemente, en una llanura entre las monta-
as de la cordillera de los Andes, ya que se puede distinguir el contorno de Amrica del
Sur. Rpidamente vemos el hemisferio Occidental, luego el Sistema Solar y as continua-
mos hasta que vemos la Va Lctea.
Por supuesto que ninguna de estasperspectivas es ms real que la otra. Sin embargo,
todos coincidimos en que, dependiendo de nuestros intereses, algunas de estas perspec-
tivas sern ms adecuadas y tiles que otras. Si nuestro inters principal es el movimien-
to del guanaco en la llanura, no nos debera interesar la visin de las estrellas de la Va
Lctea ni la toma del guanaco en el rea de 10 m x 10 m. El sistema que deberamos ana-
lizar para obtener resultados relevantes de acuerdo con nuestro inters principal se en-
cuentra entre estos dos extremos.
Resumiendo estas ideas ms formalmente, los sistemas tienen dos propiedades de
importancia particular. Primero, los sistemas pueden estar anidados: un individuo es
parte de una poblacin, una poblacin es parte de una comunidad y as sucesivamente.
Sin embargo, a cualquier escala, e incluyendo cualquier nivel de detalle, los sistemas se
pueden estudiar usando el mismo conjunto de principios y tcnicas conocido como la
teora general de sistemas (von Bertalanffy 1964).Segundo, los sistemas con la misma es-
cala y con el mismo nivel de detalle se pueden sobreponer. Por ejemplo, el sistema que
definiramos para estudiar la dinmica poblacional de la especieA se sobrepondr con el
sistema que definamos para estudiar la dinmica poblacional de la especieB, si ambas es-
pecies compiten por el mismo recurso.
Para nuestros propsitos es conveniente pensar en trminos de un "sistema de inte-
rs" subjetivo que se define de acuerdo con un problema espefico y en forma personal.
Debemos definir cuidadosamente los lmites del "sistema de inters" de acuerdo con el
problema que estemos estudiando. Como veremos ms adelante, ste es el primer paso
en el anlisis de sistemas y no es una tarea trivial.
Anlisis de sistemas
16
2.2.2
conceptosbsicos
ras y tcnicas que sirve para estudiar, describir y hacer predicciones acercade sistemas
complejos, y que frecuentemente hace uso de la matemtica avanzada, procedimientos
estadsticos y computadoras. Sin embargo, la esencia del anlisis de sistemas no radica
en el conjunto de tcnicas cuantitativas, sino en la universalidad y la flexibilidad de su
enfoque.
2.2.3 Modelo
Modelos fsicos versus abstractos. Los modelos fsicos generalmente son rplicas
fsicas a menor escaladel objeto en estudio. Como un ejemplo de este tipo de modelo, po-
demos considerar las maquetas arquitectnicas que, por su reducida escala,nos ayudan
a visualizar las relaciones espaciales de una obra en construccin. De acuerdo con nues-
tra defInicin original de modelo, el modelo fsico recin descrito tambin es una abstrac-
cin de la realidad. Los modelos abstractos usan smbolos en lugar de rplicas a menor
escala, para representar el sistema estudiado. El simbolismo usado puede ser el lenguaje
escrito o una descripcin verbal. Los modelos matemticos corresponden a un tipo espe-
cial de modelos abstractos que usan la matemtica como lenguaje. stos son fundamen-
talmente iguales a otros modelos abstracto$, ya que proveen una descripcin de los sis-
temas que estn representando. Dado que la notacin matemtica es ms especfica que
el lenguaje, un modelo matemtico es menos ambiguo que muchos de los modelos
verbales. Convertir un modelo verbal en un modelo matemtico no es un proceso inhe-
rentemente difcil. El modelo verbal "los requisitos energticos del individuo A son de
100 kcal/da cuando la temperatura ambiental es OCy aumenta 2 kcal/da por cada gra-
do centgrado de disminucin de la temperatura ambiental", se puede traducir fcilmen-
te en un modelo matemtico "Y = 100 -2X", donde Y representa los requisitos energti-
cos (kcal/ da) y X la temperatura ambiental (OC)".Las dificultades aparecencuando el
modelo verbal no es una descripcin adecuada del sistema, como ocurre frecuentemente
cuando tratamos con modelos complejos.
17
conceptosbsicosdel anlisisde sistemasy simulacin
y = 100 -2X
18
conceptosbsicos 19
Y=a-bX
donde a y b son constantes(a = 100,b = 2). Podemos convertir este modelo en un modelo
estocsticorepresentando a y/o b como una variable aleatoria. Supongamos que represen-
tamos b como una variable aleatoria que puede tomar los valores de 2.0 2.5 con la mis-
ma probabilidad. Cada vez que calculamos una prediccin del modelo, debemos elegir
al azar un valor para b desde la distribucin de valores que hemos especificado. Po-
dramos lanzar una moneda: cara significa b = 2.0 Y cruz significa b = 2.5. Las predicciones
del modelo para el requerimiento energtico de un individuo cuando la temperatura am-
biental es -10C (o cualquier otra temperatura excepto OC)no ser la misma. Si la mo-
neda muestra cara, entonces calculamos
Modelos de simulacin versus analticos. Los modelos analticos son aquellos que
se pueden resolver matemticamente en forma cerrada. Entre algunos ejemplos se pue-
den mencionar los modelos de regresin, los modelos de distribuciones estadsticas te-
ricas estndar y algunos modelos basados en ecuacionesdiferenciales simples. Con estos
modelos se puede obtener una solucin general aplicable a todas las situaciones que el
modelo puede representar. El modelo que representa el crecimiento poblacional en un
ambiente con recursosilimitados (crecimiento exponencial)es un modelo analtico simple
Nt = Noert
donde
Podemos resolver este modelo del tamao poblacional (Nt) para cualquier momento
(t) sustituyendo el valor de t por el valor deseado, suponiendo que ya hayamos definido
el tamao inicial de la poblacin (No) y la tasa intrnseca de crecimiento poblacional (r).
Si el tamao inicial de la poblacin es de 100 individuos y la tasa intrnseca de crecimiento
poblacional es de 0.1, el tamao de la poblacin en el momento 5 es:
N5 = 100&.1(5)
= 164.9
y en el momento 8 es:
N8 = 100&.1(8)= 222.6
Nt+l = f (Nt,EJ
donde
2.2.4 Simulacin
respiracin en funcin del peso y la temperatura ambiental (tasa cons y tasa resp son
constantes que usaremos ms adelante para describir el modelo en forma cuantitativa.)
Dado que conocemos el peso inicial del animal, podemos construir un modelo de
simulacin para predecir las fluctuaciones del peso del animal en el marco de un conjunto
de temperaturas ambientales. La representacin matemtica de los modelos de simula-
cin puede tomar diferentes formas. Podramos construir el modelo de simulacin para
nuestro ejemplo usando las siguientes ecuacionesl:
pesot+
= peso, + Llpeso,,/. (1.1)
donde
1 Las ecuacionesde diferencia tambin se pueden escribir en una forma ligeramente diferente pero equivalente a la forma
de la ecuacin 1.1: peso,= peso,-]+ /:.peso'-I".
conceptosbsicos 23
donde tasa cons es una constante que, supongamos, es igual a 0.05 g/ g-da. De la misma
forma para respiracin podramos escribir:
respiracin(I,I+1)
- f (temperatura" peso,)
tasa resp ..peso
L\pesoo,l
- consumoO,l -respiracinO,l
5-5=0
y
tasa cons * peso]
consumol,2
0.05(100) = 5
L1peSO},2
= consumol,2-respiracinl,2
5 -4.75 = 0.25
= peSOt+ ~peSOt,2
100 + 0.25 = 100.25
Nuestro modelo de simulacin predice que un animal que pesa 100 g al inicio de la
simulacin pesar 100.25g despus de dos das, si la temperatura ambiental para los das
O y 1 es de 20C y 19C, respectivamente. CO2MODOl
peSO2
24 conceptosbsicosdel anlisisde sistemasy simulacin
El objetivo de la etapa final del anlisis de sistemas es responder las preguntas que
fueron identificadas al comienzo del proyecto (Figura 2.2). Esto implica disear y simu-
lar con el modelo los mismos experimentos que realizaramos en el mundo real para res-
ponder nuestras preguntas. Tambin analizamos, interpretamos y comunicamos los
resultados de las simulaGionesusando los mismos procedimientos generales que usara-
mos para analizar, interpretar y comunicar los resultados de un experimento realizado en
el mundo real.
El diseo experimental para nuestro modelo de la fluctuacin del peso podra incluir
tres simulaciones, en las cuales la temperatura ambiental es (1) normal (simulacin de
referencia con valores de temperatura ambiental de 20C y 19C los das O y 1, respecti-vamente),
(2) ms clida (21C y 20C) Y (3) ms fra (19C y 18C). Si tuviramos una ver-
sin estocsticadel modelo (la que desarrollaremos ms adelante), podramos correr el
nmero necesariode rplicas y comparar el promedio del peso final predicho en el marco
de cada uno de los regmenes de temperatura usando un anlisis de la varianza.
2.3.4
etapastericasen el anlisisde sistemas 27
este caso debemosretomar a una etapa anterior, frecuentemente al desarrollo del modelo
conceptual o al desarrollo del modelo cuantitativo. Durante la evaluacin del modelo
debemos revisarlo para detectar cualquier incoherencia y as retornar a una etapa ante-
rior. La identificacin de estas incoherencias ayuda a comprender el sistema y es uno de
los beneficios del proceso de desarrollar un modelo. En el Captulo 8 demostraremos con
ms detalle la naturaleza iterativa de la construccin de un modelo.