Modelos matemáticos

INTRODUCCIÓN
Terminología

Definición de modelo matemático

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.

3. Modelos lineales y no lineales