INSTITUTO TECNOLÓGICO DE LA ZONA OLMECA

INGENIERÍA EN AGRONOMÍA

ASIGNATURA
MODELOS MATEMÁTICOS APLICADOS A LA AGRICULTURA

ACTIVIDAD 3
INVESTIGACIÓN DE LA UNIDAD 1

ALUMNO
JONATHAN MENDEZ ARPAIZ

NO. DE CONTROL
19950039

DOCENTE
FRANCISCO JAVIER CATZÍM ROJAS

SEMESTRE
7MO

Villa Ocuiltzapotlan, Centro, Tabasco, 22 De Septiembre del 2022

Índice

1.Conceptos básicos de Modelos matemáticos.

1.1Tipos de modelos matemáticos.

1.1.1 Modelos empíricos.

1.1.2 Modelos mecanicistas.

1.1.3 Modelos teleonómicos.

 1. Conceptos básicos de modelos matemáticos

Un modelo matemático es una representación simplificada, a través de

ecuaciones, funciones o fórmulas matemáticas, de un fenómeno o de
la relación entre dos o más variables. La rama de las matemáticas que
se encarga de estudiar las cualidades y estructura de los modelos es
la llamada “teoría de los modelos”.

1.1 Tipos de modelos matemáticos

Una clasificación de los modelos matemáticos podría basarse en una

serie de características dicotómicas:

 Empíricos o teóricos. El carácter empírico o teórico constituye la

característica fundamental de un modelo. Un modelo teórico se
basa en las leyes físicas que rigen los procesos, un modelo
empírico se basa en relaciones estadísticamente significativas
entre variables que en rigor sólo son válidas para el contexto
espacio-temporal en el que se calibraron.

 Estocásticos o deterministas. Los primeros incluyen generadores

de procesos aleatorios dentro del modelo que modifican
ligeramente algunas de las variables. De esta manera, para un
mismo conjunto de datos de entrada, las salidas no serían
siempre las mismas. Por el contrario, un modelo determinista es
aquel en el que dado un conjunto de parámetros y variables de
 entrada va a producir siempre el mismo conjunto de variables de
salida.

 Estáticos o dinámicos. Se refiere a la forma en que se trata el

tiempo. Los modelos estáticos dan un resultado agregado para
todo el período de tiempo considerado. Los modelos dinámicos
devuelven las series temporales de las variables consideradas a
lo largo del período de estudio.

 Agregados o distribuidos. En el primer caso toda el área de

estudio se considera de forma conjunta, por ejemplo una cuenca
hidrográfica. Se tiene un único valor para todos los parámetros
del modelo. El modelo predice unas salidas para las entradas
aportadas sin informar de lo que ocurre dentro del sistema. En
un modelo distribuido, tendremos el área de estudio dividida en
porciones cada una de ellas con su propio conjunto de
parámetros y sus propias variables de estado. Cada porción
recibe un flujo de materia y energía de algunas de sus vecinas
que a su vez reemite a otras. Si se opta por un modelo
distribuido es necesario establecer un modelo de datos
espaciales que permita asignar valores de los parámetros y las
variables de estado a los diferentes puntos del área de estudio.
 1.1.1Modelos empíricos

El carácter empírico o físico constituye la característica fundamental de

un modelo. Un modelo físico se basa en las leyes físicas que rigen los
procesos, un modelo empírico se basa en relaciones estadísticamente
significativas entre variables. Las ecuaciones que describen un modelo
estadístico no son por tanto físicamente o dimensionalmente
consistentes ni universales, ya que en rigor sólo son válidas para el
contexto espacio-temporal en el que se calibraron. Se caracterizan por
un alto poder predictivo pero una escasa capacidad explicativa, es
decir reproducen el funcionamiento del sistema razonablemente bien
pero no permiten saber por que el sistema funciona así. Los modelos
estadísticos se conocen también como modelos de caja negra ya que
no permiten descubrir el funcionamiento interno del sistema. Los
modelos físicos se denominan, por contraposición, modelos de caja
blanca. Se trata de modelos en los que las transferencias de materia y
energía entre sus componentes se rigen mediante ecuaciones físicas y
que además cumplen las leyes de conservación de la materia y la
energía, tanto para el conjunto del modelo como para cada uno de los
submodelos. Una posibilidad intermedia son los modelos de caja gris o
conceptuales. Se trata de modelos en los que el sistema se
descompone en una serie de componentes que se resuelven como
modelos empíricos pero cuya integración se basa en principios físicos
o al menos en cierto conocimiento a priori de como funciona el
sistema. Para poder construir un modelo físico es necesario un alto
conocimiento acerca de como funciona el sistema a modelizar. El
modelo resultante permite transformar unas variables de entrada en
variables de salida. En el caso de los modelos empíricos la falta de
conocimiento acerca del sistema se compensa con datos de calidad y
en cantidad suficiente de las variables de entrada y de salida. A partir
de estos datos podemos construir un modelo empírico que nos
permita, posteriormente, obtener las variables de salida a partir de un
nuevo conjunto de valores para las variables de entrada.

El modelo matemático empírico es aquel modelo que sirve para

predecir con anticipación una variable y si esta puede afectar la
solución o la respuesta, así como el motivo por el cual no sufre
afecciones, de tal manera que gracias a este modelo matemático es
posible comprender la totalidad de un sistema, así como tener menor
capacidad predictiva. Aparte es importante mencionar que los modelos
matemáticos empíricos son determinados gracias a técnicas de
regresión, usualmente además son usados en la productividad.

Esta clase de modelos tienen su origen en las aproximaciones

empíricas, que son el producto de llevar a cabo una observación o de
hacer un experimento, a todo esto se le conoce con el nombre de
ecuaciones heurísticas, cada una de estas ecuaciones generalmente
son la descripción estática que existe entre la  relación que existe con
el proceso considerado y las condiciones ambientales. 

Por lo general los modelos matemáticos empíricos son la

representación del análisis de la regresión pero a un nivel cualitativo;
además estos modelos no son versátiles y tienen la capacidad de
tomarse mucho tiempo para poder identificar los diferentes
parámetros, de tal manera que con estos modelos no se tendrá la total
seguridad de que el modelo que ha sido desarrollado pueda ser
necesario para poder describir a otro; una de las ventajas de este
modelo matemático es que se encuentrán disponibles.

Dentro de lo que estudia un modelo matemático empírico, se

considera que la especificación de este debe de estar basado en la
observación del tipo de la relación que existe entre una variable de
respuesta y los factores que la afectan.

En el momento que no se tiene conocimiento específico del modelo

teórico para llevar a cabo un proceso, se da la oportunidad de poder
plantear un modelo empírico, claro está que se hace llevando a cabo
ensayos de cambio en alguna condición de operación y llevando un
registro de las alteraciones de la variable de un proceso.

Es posible el llegar a afirmar, que los modelos empíricos, pueden ser

utilizados cuando se trata sobre todo de:

- Procesos que son considerados muy complejos para poder ser

modelados a partir de los principios fundamentales de estos.
- Poder determinar los parámetros desconocidos que tiene el modelo
de un sistema, esto a través de la realización de cálculos tomando en
cuenta los datos de la planta en estado estacionario, aunque existen
otros que pueden ser determinados realizando pruebas dinámicas.

- La verificación de la consistencia del modelo matemático que ha sido

planteado teóricamente para un determinado sistema.

1.1.2 Modelos mecanicistas

"Los modelos explicativos o mecanicistas generalmente son modelos

determinísticos. Normalmente, un modelo mecanicista es tenido
mediante un conjunto o sistema de ecuaciones diferenciales ordinarias
no-lineales, las cuales describen el comportamiento de las variables de
estado del sistema, aquellas variables que representan las
propiedades relevantes o atributos del sistema considerado.

El desarrollo de un modelo matemático mecanicista requiere de

suficiente comprensión de los procesos biológicos, fisiológicos,
químicos y físicos de un sistema biológico. El uso de un modelo
mecanicista demanda análisis, calibración y validación apropiados.
1.1.3 Modelos teleonomicos

 es un término ideado por Jacques Monod, que se refiere a la calidad

de aparente propósito y de orientación a objetivos de las estructuras y
funciones de los organismos vivos, la cual deriva de su historia y de su
adaptación evolutiva para el éxito reproductivo. Los modelos
teleonómicos son aplicables a comportamientos dirigidos por metas
y se formulan explícitamente en términos de objetivos.
Bibliografías

DEVANEY R.L. An Introduction to Chaotic Dynamical Systems , 2a

ed. Perseus Books Publishing, L.L.C., 1989.

DEVANEY R.L. First Course in Chaotic Dynamical Systems:

Theory and Experiment. Addison - Wesley, 1992.

DEVANEY R.L. Chaos, Fractals, and Dynamics: Computer

Experiments in Mathematics. Addison - Wesley, 1990. bitemgleick
GLEICK, J. Chaos: Marking a New Science. Penguin Books. Viking
Penguin, Inc., 1987.

GROSSMAN, S.I. Algebra lineal con aplicaciones, 4 ´ a ed. McGraw

Hill Interamericana de M´exico S.A., M´exico, D.F., 1991.

DE GUZMAN, M.; ET al. Estructuras fractales y sus aplicaciones.

Labor. Serie Matem´aticas. Barcelona, 1993.

HOLMGREN, R.A. A first course in discrete dynamical systems, 2a

ed. Springer - Verlag, New York, Inc., 1996. bitemmandelbrot
MANDELBROT, B. The Fractal Geometry of Nature. W. H. Freeman
and Company, 1983.

PEITGEN, H.O.; ET al. Fractals for the classroom. Part one:

Introduction to Fractals and Chaos. Springer-Verlag, 1992.