Impacto de la sinéctica en las ecuaciones de

Chapman-Kolmogorov
Carolina Goméz, Alejandro Ortiz, Felipe Corredor, Jorge Cortés
Universidad Distrital Francisco José de Caldas
Bogotá D.C., Colombia
ancgomezc@correo.udistrital.edu.co
yaortizv@correo.udsitrtial.edu.co
lfcorredore@correo.udistrital.edu.co
jacortesm@correo.udistrital.edu.co

Resumen- En este documento se hará una introducción a través
de la sinéctica y procesos estocásticos hasta las ecuaciones de
Chapman-Kolmogorov con el propósito de exponer el impacto
que la sinéctica ha sido capaz de alcanzar con las ecuaciones y las
que pueden ser sus futuras implicaciones.
Abstract- In this document an introduction will be made
through Synectic and stochastic processes up to the
Chapman-Kolmogorov equations with the purpose of exposing
the impact that Synectic has been able to reach in the equations
and what may be their future implications.
Gordon, hasta 1961 fue publicada en su libro Synectics.
La sinéctica, concebida como teoría, comporta la acción
incorporada de numerosas personas que, a partir de una
configuración en grupo, aborda el planteamiento y la solución
de diferentes inconvenientes. Como se ha dicho, se apoya
poderosamente en la creatividad del hombre y hace un uso
consciente de mecanismos mentales preconscientes; allí radica
su verdadera operatividad.

Keywords - Synectic, Chapman-Kolmogorov equations.. La intención de la sinéctica como técnica es la resolución de

Palabras clave - Sinéctica, Ecuaciones de Chapman-Kolmogorov,
Procesos estocásticos, Creatividad, Solución de problemas.
I. INTRODUCCIÓN
Al intentar dar solución a un problema, es bastante común irse
por el mismo camino o metodología usada para resolver uno
parecido. Sin embargo, lo que nos propone la sinéctica es
dejar este lado racional y optar por el lado creativo para
solucionarlo, ésto, teniendo en cuenta otro tipo de técnicas.
Por otro lado, las ecuaciones de Chapman Kolmogorov hacen
parte de los procesos estocásticos, que al ser modelos
matemáticos, se suelen tomar caminos lógicos previamente
definidos para ser resueltos. De aquí es donde se siembra la
duda de cómo la sinéctica podría impactar en dichas
ecuaciones que tienen como objetivo descifrar la solución de
algún problema específico.
II. SINÉCTICA
El vocablo Sinéctica procede de la lengua anglosajona
Synectics. El término como tal se refiere a una disciplina para
la resolución de problemas haciendo uso de la creatividad,
siendo uno de sus principales objetivos la generación de
modelos de solución a problemas con base en la experiencia.
Como método tiene sus orígenes en los trabajos de Arthur D.
Little en 1944 partiendo de los trabajos de G.M. Price y W.J.J.
problemas complejos de forma correcta y creativa.
Para utilizar la sinéctica, es fundamental tener claridad en la
definición del problema para poder saber a dónde se quiere
llegar, sin tener que saber necesariamente cómo hacerlo.
Existen estrategias básicas de la sinéctica que permite que el
uso de la sinéctica sea posible, debido a que esta reúne en una
unidad diferentes elementos que son aparentemente ajenos
entre sí. Las estrategias son las siguientes:
A. “Hacer de lo extraño algo familiar”: en la búsqueda de
soluciones de problemas, se detallan las características del
problema, asimilándolas a situaciones o conceptos ya
conocidos, así, se familiariza con el problema. Esta estrategia
debe adoptarse con cuidado, pues al afianzar las características
del problema, se pueden generar soluciones muy superficiales.
Lo ideal es ver el problema de una forma innovadora, sin
perder de vista lo que ya es familiar.
B. “Hacer de lo familiar algo extraño”: esta estrategia propone
abrir la mente a distintas posibilidades, ver el problema desde
otro punto de vista, que se deforme la concepción que suele
tenerse sobre el problema, así se abre la puerta a la
imaginación productiva.
Para hacer más concreta esta última estrategia, Gordon y otros
autores de la sinéctica, proponen cuatro métodos que permiten
abrirse a diferentes e inusuales perspectivas, los cuales son:
1) Analogías personales: en este método, quien está
resolviendo el problema, se visualiza o se pone en el
lugar de los conceptos que están inmersos en el
problema. Por ejemplo, si algún químico trabaja con
diferentes moléculas, intentará imaginarse como la
molécula misma, intentando imaginar lo que sentiría
o experimentaría. Para este método es muy
importante superar el comportamiento racional.
2) Analogía directa: este método pretende que quien va
a abordar el problema, piense su solución o el camino
a esa solución, inspirándose en fenómenos u
organismos biológicos, lo que resulta siendo toda una
rama de estudio llamada técnicas bioinspiradas.
3) Analogía simbólica: para este método, es
particularmente necesario abrir la mente. Se trata de
buscar la construcción de la solución o la solución
como tal del problema, en imágenes cotidianas que
pueden parecer completamente ajenas al problema.
Puede verse como tener dos imágenes en paralelo
que resuelvan de alguna manera el mismo
mecanismo, o que trabajen o actúen de la misma
forma.
4) Analogía fantástica: consiste en despojarse por
completo del pensamiento lógico, y en esa libertad
darle paso a ideas fantásticas que ni siquiera están
fuera del marco de lo posible, que pueden resultar en
soluciones concretas.
III. PROCESOS ESTOCÁSTICOS
Los procesos estocásticos son modelos matemáticos que
tienen aplicaciones en todos aquellos procedimientos que
poseen variables que cambian con el tiempo u otra variable
independiente, las cuales se caracterizan por ser aleatorias y
pueden estar o no relacionadas entre sí.
Estos procesos nos dan como resultado una predicción del
siguiente fenómeno o el valor de la siguiente variable de una
forma más precisa, pero nunca perfecta, es decir, nunca
obtenemos un resultado 100% seguro.
A. Tipos de Procesos Estocásticos
Hay dos tipos diferentes de procesos estocásticos, cuya
definición se puede resumir en aquellos que son predecibles y
los que no lo son:
1) Proceso estocástico estacionario: Son aquellos en los
cuales su distribución de probabilidad varía de forma
constante durante un intervalo de tiempo.
2) Proceso estocástico no estacionario: A diferencia de
el otro tipo de proceso, su distribución de
probabilidad varía de forma caótica e impredecible,
son dominados por el azar. Sin embargo ésto no
significa que en algún momento pase a ser un
proceso estacionario.
B. Aplicaciones
Los procesos estocásticos tienen aplicaciones en distintos
campos, como lo son la ingeniería, las finanzas, negocios,
sociología e incluso meteorología y medio ambiente o
biología o química.
IV. CADENAS DE MARKOV
Al tener una serie de eventos en la que la probabilidad de
que ocurra un evento depende de un evento anterior, se trata
de una cadena de markov. Las cadenas de Markov tienen algo
que se puede llamar como memoria del último evento, lo que
va a condicionar las posibilidades de los futuros eventos. Esta
dependencia es la que diferencia las cadenas de Markov con
las series de eventos independientes (como lanzar un dado o
una moneda).
La probabilidad de que ocurra un evento depende
únicamente del evento inmediatamente anterior, que tiene
probabilidades fijas.
Una característica importante de una cadena de Markov es
el comportamiento a largo plazo. Este comportamiento es un
vector de probabilidades que indica la probabilidad de estar en
un estado después de cierto número de repeticiones.
Las cadenas de Markov han tenido una aplicación
importante en los negocios y finanzas, ya que permiten
analizar y estimar futuros patrones de conducta de los
individuos dependiendo de la experiencia y los resultados
anteriores.
V.ECUACIONES DE CHAPMAN-KOLMOGOROV
En los procesos de Markov, existe la posibilidad de pasar de
un estado a otro en una secuencia finita con una probabilidad
definida. Estas ecuaciones representan la probabilidad de
pasar de un estado hacia otro en saltos de tiempos definidos.
La ecuación de Chapman-Kolmogorov, es una expresión
matemática a la que llegaron simultáneamente pero de forma
independiente, el matemático inglés Sydney Chapman y el
matemático ruso Andréi Kolmogórov.
Esta es una identidad que tienen que saciar las probabilidades
de transición para cualquier proceso de Markov. En esta
identidad el orden de tiempos es importante. Esta ecuación
también se cumple una vez que y es un vector con r elementos
o una vez que la y sólo toma valores discretos (en esta
situación la integral se suple por una suma).
Dado que P1 y P1|1 determinan del todo un proceso de
Markov, éstas no tienen la posibilidad de ser cogidas
arbitrariamente sino que tienen que revisar las próximas
identidades:
(i) La ecuación de Chapman-Kolmogorov
(ii) La relación trivial (Bayes y propiedad jerárquica)
𝑃1(𝑦2, 𝑡2) = ∫ 𝑃1|1(𝑦2, 𝑡2|𝑦1𝑡1)𝑃1(𝑦1, 𝑡1)𝑑𝑦1
o a la inversa, cualquier persona 2 funcionalidades no
negativas P1 y P1|1 que verifican estas interrelaciones definen
unívocamente un proceso de Markov [1].
A. Aplicaciones de las ecuaciones de Chapman-Kolmogorov
La resolución de las ecuaciones para computar la
distribución de probabilidad de estado estacionario de un
sistema compuesto por un circuito secuencial, cuya secuencia
de entradas es modelada por una cadena de Markov
discreta.[6]
Análisis probabilístico de interacciones de
Proteína-Proteína (PPIs) para la computación, medición,
análisis, modelado, comparación y agrupación de las redes de
datos biológicos.[7]
Método de fijación de precios derivados, basado en la
aplicación de las ecuaciones de Chapman-Kolmogorov.[8]
VI. SINÉCTICA Y ECUACIONES DE
CHAPMAN-KOLMOGOROV
Con la conceptualización realizada anteriormente, se puede
observar que tanto el campo de la sinéctica como el de las
ecuaciones de Chapman-Kolmogorov, son bastante amplios y
requieren años de investigación y profundización en el tema.
En ese sentido, lo que se propone en el presente artículo, es la
necesidad de cuestionarse el cómo se está realizando
investigación o innovación para la solución de problemas, sin
dejar a un lado la materia teórica de las Ecuaciones de
Chapman-Kolmogorov. Para lograr esto, se pueden aplicar los
métodos que se plantean en la sinéctica: analogía personal,
analogía directa, analogía simbólica y analogía fantástica.
De esta forma, los investigadores y expertos en ecuaciones
de Chapman-Kolmogorov, sin perder de vista las
implicaciones teóricas que tienen estas, deben cuestionar la
forma de abordar el problema que quieren resolver. Por
ejemplo, las ecuaciones de Chapman-Kolmogorov, son
frecuentemente utilizadas para las predicciones de algún
fenómeno puntual. Particularmente, se puede mencionar el
pronóstico del clima, determinar si el día de mañana va a
llover, teniendo en cuenta que ayer y hoy llovió. Visualizando
esta imagen, podemos aplicar una analogía simbólica para
encontrar una predicción acertada, pensando en la forma en la
que cae una gota de agua en el follaje de un árbol, haciendo la
similitud de la transición de estados, como el paso del agua en
las hojas.
Otro buen ejemplo, es la relación que se puede encontrar
entre la aplicación de las Ecuaciones de
Chapman-Kolmogorov para plantear un método de fijación de
precios derivados, y la decantación que se da naturalmente en
los suelos, en donde el agua que contiene diferentes
sustancias, son un largo listado de factores que se deben tener
en cuenta a la hora de fijar un precio.
Así, es como este artículo pretende plantar la duda de cómo
se han tratado los problemas de forma milenaria. Si bien, toda
la construcción de la lógica resulta bastante importante,
compleja y enriquecedora, esta puede limitar la posibilidad de
encontrar soluciones al problema que se quiere abordar. Abrir
la mente a la posibilidad de utilizar los diferentes métodos que
propone la sinéctica, puede derivar en encontrar soluciones
que ni siquiera se habían pensado como posibles, o quizá que
ni siquiera se habían contemplado en lo más lejano del
imaginario humano.
VII. CONCLUSIÓN
El uso de la sinéctica en la solución de problemas
previamente definidos, en todos los campos del conocimiento
y específicamente en las ecuaciones de Chapman-Kolmogorov
es de gran aporte al obtener modelos alternativos que permitan
resolverlos de formas más óptimas apoyados en la creatividad.
REFERENCIAS
[1] J. J. Torres Agudo, “PROCESOS DE MARKOV”. (2010).
Universidad de Granada, 32,
http://www.ugr.es/~jtorres/leccion3.pdf.
[2] L. R. Rodriguez, “PLANTEAMIENTO Y SOLUCIÓN DE
UN ´ SISTEMA DE ECUACIONES INTEGRALES QUE
MODELAN LA DISPONIBILIDAD DE UN SISTEMA EN
SERIE REPARABLE”
[3] G. O. Young, “Synthetic structure of industrial plastics
(Book style with paper title and editor),” in Plastics, 2nd
ed. vol. 3, J. Peters, Ed. New York: McGraw-Hill, 1964, pp.
15–64.
[4] W.-K. Chen, Linear Networks and Systems (Book style).
Belmont, CA: Wadsworth, 1993, pp. 123–135.
[5] J. A. del Valle F., “Introducción a las cadenas o procesos
de Markov”, Universidad Nacional Autónoma de México.
https://www.ingenieria.unam.mx/javica1/ingsistemas2/Simula
cion/Cadenas_de_Markov.htm
[6] Ana T. Freitas, Arlindo L. Oliveira, “Implicit Resolution of
the Chapman-Kolmogorov Equations for Sequential Circuits:
An Application in Power Estimation” IST-INESC, Lisboa.
[7] Md. Sarwar Kamal, Mohammad Ibrahim Khan
“Chapman–Kolmogorov equations for global PPIs with
Discriminant-EM”, International Journal of Biomathematics,
Bangladesh.
[8] Federico Aluigi a,b , Massimiliano Corradini a , Andrea
Gheno, “Chapman–Kolmogorov lattice method for derivatives
pricing”University of Rome III, Roma.
[9] Montes, A. (s. f.). ESTRATEGIA SINÉCTICA - Issuu.
issuu.
https://issuu.com/am12211049/docs/libro-creatividad/s/12026
416.
[10] Gómez Cumpa, J. (2005). Desarrollo de la creatividad
(64a ed.). Universidad Nacional "Pedro Ruiz Gallo".
[11] Romero, J. y Moré, R. (2013). Sistema de solución
creativa para problemas recurrentes-Itacone. Ingeniería y
competitividad, 15(1), 21–35.