Un modelo es una representación matemática simplificada de una realidad. Por lo tanto, un modelo matemático se define como la representación abstracta de algún aspecto de la realidad y se conforma por dos partes, la primera son todos aquellos aspectos que caracterizan la realidad modelizada, y la segunda no son más que las relaciones existentes entre los elementos antes mencionados Un modelo matemático de un proceso se define como un conjunto de ecuaciones que expresan las características esenciales del fenómeno o proceso en términos matemáticos. Estos modelos se caracterizan por su universalidad, empleo de un lenguaje preciso, sin ambigüedades y facilidades de manipulación analítica e implementación computacional. Relacionados con la abstracción y la interpretación: El primero de ellos nos obliga a encontrar cuales son los elementos m´as importantes del problema y cuales son los accesorios. Para saber si un elemento es o no importante tendremos que ver su efecto relativo en la evoluci´on del sistema. En cuanto a la interpretaci´on, debemos de entenderla como la manera en que las componentes del modelo (par´ametros, variables) y su comportamiento pueden estar relacionadas con las componentes, caracter´ısticas y comportamiento del sistema real que queremos modelar. Poseen: Estructura: Descripción cualitativa del proceso mediante ciertas ecuaciones Parámetros: Valores constantes que modifican la estructura. Fases generales de un modelo matemático: 1. Construcción del modelo. Transformación del objeto no-matemático en lenguaje matemático. 2. Análisis del modelo. Estudio del modelo matemático. 3. Interpretación del análisis matemático. Aplicación de los resultados del estudio matemático al objeto inicial no-matemático.
Características del modelo matemático
1. Formulación Pensar claramente Identificación de variables y sus relaciones Disciplina Pensamiento estratégico y táctico Criterio para modelos exitosos 2. Generalidad Modelo acercado a la realidad para un solo proposito 3. Alcance Modelos matemáticos transferibles No deben ser prefabricados 4. Complejidad Realismo Restricciones de aditividad y normalidad Jerarquía Sobre-simplificación y modelos muy ambiciosos Complejidad 5. Ajuste Precisión relativa 6. Sensibilidad Robustez 7. Predicción 8. Metodología Construcción de modelos parciales Modelado por modulos 9. Identificación Estimación de parámetros 10. Validación Auto-consistencia Modelos rígidos son inconvenientes Clasificación de modelos matemáticos
Criterios para evaluar un modelo matemático
1. Fidelidad o concordancia. 2. Exactitud 3. Repetitividad. 4. Reproducibilidad. 5. Costo. 6. Tiempo. 7. Complejidad. 8. Capacidad. 9. Rango de acción. 10. Posibilidad de aplicación. Ventajas del modelado matemático 1. Universalidad. 2. Lenguaje preciso y prácticamente sin ambigüedades. 3. Facilidad de manipulación analítica. 4. Implementación computacional Clasificación de modelos matemáticos 1. Teóricos o de caja blanca Basados en una propuesta o teoría de entendimiento del fenómeno en estudio. De acuerdo con Volke et al. (2005), el modelo teórico, puesto que se basa en una teoría, será correcto siempre y cuando la teoría lo sea y sólo para el ámbito de condiciones para el cual ella sea propuesta. Intenta reproducir las relaciones funcionales del sistema. Un modelo teórico requiere una cantidad menos de datos y puede ser utilizado fuera del rango de los mismos ya que el rango de validez del modelo está dado por la teoría utilizada y no por los datos. Sus principios de formulación son las ecuaciones de conservación (materia, energía y/o entropía) Criterios o Solidez del razonamiento o Adecuación a la realidad (a los datos o, al menos, a sus tendencias) Limitaciones o Complejidad conceptual o Capacidad de ajuste limitada 2. Semi-teóricos o de caja gris Es una combinación de los dos tipos (teóricos y empíricos), donde algunas características del proceso están descritas mediante correlaciones empíricas para la condición dada. Estos modelos se emplean fundamentalmente cuando el conocimiento fenomenológico resulta insuficiente para describir la situación física real del sistema que se modela. Capacidad de extrapolar los resultados a diferentes escalas y regímenes de operación. 3. Empíricos Se basan en aproximaciones empíricas producto de la observación y experimentación y se pueden considerar como un conjunto de ecuaciones heurísticas; cada una de esas ecuaciones es usualmente la descripción estática de una relación entre el proceso considerado y las condiciones ambientales. Sólo se orienta a reproducir la salidas del sistema real sin intentar modelas su comportamiento interno. Criterios o Sencillez o Bondad del ajuste o Mínimo número de parámetros o Parámetros fácilmente interpretables Limitaciones o Válido sólo para situaciones observadas Modelos matemáticos basados en la naturaleza de las ecuaciones 1. Modelos determinísticos Modelo matemático donde las mismas entradas producirán invariablemente las mismas salidas, no contemplándose la existencia al azar ni el principio de incertidumbre. Son aquellos que a cada valor de la variable independiente corresponde otro valor de la variable dependiente. Son especialmente útiles en los sistemas que evolucionan con el tiempo, como son los sistemas dinámicos. En ellos podemos conocer el estado del sistema transcurrido cierto tiempo una vez que hemos dado valores a los distintos parámetros que aparecen en el modelo. - Características Relacionado con la creación de entornos simulados a través de simuladores para el estudio de situaciones hipotéticas. Para crear sistemas de gestión que permitan disminuir la incertidumbre. Componentes de un modelo probabilístico 2. Modelos probabilísticos Un modelo se define como probabilístico cuando siempre que se somete a un mismo estimulo, reacciona de forma diferente. El modelo probabilístico es la forma que puede tomar un conjunto de datos obtenidos de muestreos de datos con comportamiento que se supone aleatorio. Es un tipo de modelo matemático que usa la probabilidad, y que incluye un conjunto de asunciones sobre la generación de algunos datos muéstrales, de tal manera que asemeja a los datos de una población mayor. Los modelos probabilísticos están ampliamente basados en aplicaciones estadísticas para la evaluación de eventos incontrolables ( o factores), así como también la evaluación del riesgo de sus decisiones. El centro de interés se mueve desde un modelo determinístico a uno probabilístico usando técnica estadísticas subjetivas para estimación, prueba y predicción. El modelo permite conocer la distribución de probabilidades de los valores que toman la variable aleatoria.