Está en la página 1de 4

12/13/17

Workshop en simuación basada en agentes

Bogotá, Colombia – 12 y 13 de diciembre

Simulación basada en agentes


Una metodología para la investigación en ciencia e ingeniería
Datos y calibración
David Anzola Pinzón
Nelson Gómez Cruz
John Vargas
Daniel Rodríguez Cardenas

Centro de Innovación - INNOVA


Escuela de Administración
Universidad del Rosario

Simulación basada en agentes


Workshop en simuación basada en agentes
12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 2

Agenda El uso de los datos


Usando datos del mundo real en los modelos 1. Justificar el comportamiento de los agentes.
• Fuentes de información:
• Comportamientos en las reglas • Inspección de datos
• Observaciones
• Parámetros
• Experimentos de laboratorio y de campo
• GIS • Modelos participativos
• Calibración • GIS
• ¿Qué es calibración? 2. Parametrización:
• Conceptos claves de la calibración • Configurando los parámetros de entrada
• ¿Cómo calibrar un modelo?
• Parámetros que representan claramente los atributos de un agente
• Parámetros embebidos en el comportamiento del modelo
3. Calibración:
Si tiene preguntas, por favor interrumpa! • Comparación de los datos de salida con el mundo real, por medio
de la configuración de parámetros
Simulación basada en agentes Simulación basada en agentes
Workshop en simuación basada en agentes Workshop en simuación basada en agentes
12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 3 12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 4

1
12/13/17

Respaldando el modelo con datos cuantitativos Respaldando el modelo con datos cualitativos

Inspección de datos Métodos cualitativos


• Correlación entre los atributos de los agentes y los • Entrevistas
comportamientos adoptados
• Observación
• Incrementar/disminuir la probabilidad de que un agente
• Participación
adopte un comportamiento si se le agrega un atributo

Emplee herramientas de desarrollo conceptual sobre el


Formas de implementarlo
comportamiento del modelo
• Análisis por agrupamiento (clustering) – clasificar los agentes
• Diagramas de flujo
por sus decisiones/comportamientos
• Narrativas
• Marco conceptual de comportamiento de agentes
En la practica, el proceso de desarrollo del comportamiento de
los agentes es una mezcla de teoría y recolección de datos
cualitativos y cuantitativos

Simulación basada en agentes Simulación basada en agentes


Workshop en simuación basada en agentes Workshop en simuación basada en agentes
12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 5 12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 6

Configurando poblaciones de agentes Configurando parámetros embebidos

Tenemos un censo u observación de datos de varios atributos Regularmente cuando se implementan reglas de comportamiento,
se usan umbrales u otros mecanismos
• Edad
• If edad > umbral-edad [ do X and Y]
• Ingresos
• Gustos
Estos umbrales se convierten entonces en parámetros del modelo
Cuando estos atributos representan correctamente lo que se
quiere en el modelo, podemos asignar los datos en el agente
Aproximación pragmática
Formas de hacerlo • ¿Se tienen datos previos?
• Asignar valores a un atributo del agente con base en una • ¿Puedo hacer una suposición sensata?
distribución, media y desviación estándar. Ejemplo, random-
normal 50 10 • ¿El modelo es muy sensible al parámetro?

• Generar un archivo externo con datos reales - muestreo

Simulación basada en agentes Simulación basada en agentes


Workshop en simuación basada en agentes Workshop en simuación basada en agentes
12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 7 12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 8

2
12/13/17

GIS Algunos comentarios sobre los datos

Sistemas de información geográfica – GIS adjunta datos


referenciados geográficamente • En la práctica, muchos datos no son variables o
1. Tipo vector – latitud/longitud, múltiples variables para tienen mala calidad – no asuma que hay datos
un punto. disponibles hasta que los encuentre y los observe
cuidadosamente!
2. Tipo raster - una variable para cada patch en la retícula.
• Un corte por secciones (ventanas de tiempo) de los
datos pueden informar sobre sus características y
Esto puede ser muy útil… comportamientos – esto nos brinda un
1. Si se requieren detalles espaciales que se identifiquen mecanismo para explicar - es allí donde la SBA es
con el mundo real (recursos, usos del suelo...) fuerte.
2. Si se requiere que la simulación se vea sobre una • La SBA es una herramienta poderosa para generar
plataforma más real. datos sobre futuros comportamientos
Advertencia!
• ¿Es necesario que el modelo se vea tan sofisticado?
• Los sistemas complejos son fundamentalmente inciertos –
¿implica una predicción geográfica?

Simulación basada en agentes Simulación basada en agentes


Workshop en simuación basada en agentes Workshop en simuación basada en agentes
12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 9 12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 10

¿Qué es calibración? Conceptos claves sobre la calibración


1. Tener menos información sobre el mundo real de
la que se representa en el modelo – Esto
• Es la parametrización del modelo con el fin de crear genera incertidumbre sobre los valores de los
patrones de salida similares a los del mundo real – parámetros utilizados
encontrar los parámetros en los que el modelo • Mantenga siempre el número de parámetros y sus cambios
exhibe comportamientos interesantes al mínimo.

• Parametrización es el ejercicio de probar variables 2. “overfitting” el modelo es muy cercano a un caso


de entrada en el modelo. o configuración, pero no representa
comportamientos generales.
• Calibración es el caso especial de la parametrización
donde el objetivo es encontrar patrones del mundo- 3. ¿Son fiables los datos de salida del modelo?
real 4. No cree parámetros que sean difíciles de medir
• La SBA es una herramienta poderosa para generar empíricamente o que simplemente no existen.
datos sobre futuros comportamientos
• La calibración del modelo frecuentemente no se
reporta ¿Hay algún sesgo por parte del
investigador?

Simulación basada en agentes Simulación basada en agentes


Workshop en simuación basada en agentes Workshop en simuación basada en agentes
12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 11 12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 12

3
12/13/17

Pasos importantes sobre la calibración Resumen


• Hemos considerado cómo se pueden
1. Use pocos parámetros. utilizar los datos en el modelo
• Parámetros inciertos. • Respaldando el diseño del modelo
• Importancia. • Parametrización del modelo
• Evitar efectos similares. • Calibración del modelo
2. Categorías (lo suficientemente cerca) o de
mejor ajuste (óptimo) ¿Qué tipo usar?
3. Series de tiempo - ¿Los resultados serán • Es importante dejar claro que la
usados sobre el tiempo? experimentación, calibración y análisis
4. Identificar criterios de calibración, ¿qué del modelo, siempre es necesaria!
salidas produce?
5. Diseñar y conducir experimentos –
behaviourSpace • Tarea opcional. Piense en las múltiples
maneras de analizar y visualizar los datos
6. Analizar experimentos - ¿Qué parámetros le
brindan los “mejores” resultados? generados – excel, R, SPSS!

Simulación basada en agentes Simulación basada en agentes


Workshop en simuación basada en agentes Workshop en simuación basada en agentes
12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 13 12/13/17 La nueva herramienta para investigación en ciencia e ingeniería 14