La adopción tecnológica: entre dos paradigmas de simulación

La simulación se ha convertido en una herramienta computacional fundamental para entender los procesos. Explora el siguiente enlace para conocer como dos formas diferentes de simulación generan el mismo resultado.

https://gestainnovacion.blogspot.com/2019/12/la-adopcion-tecnologica-entre-dos.html

Explora el blog http://gtinnovacion.blogspot.com/2017/09/entendiendo-la-innovacion-un-modelo-de.html donde encontraras el modelo simulable de este fenomeno.

La innovación en Antioquia estudiada mediante la simulación basada en agentes

Explora el siguiente vínculo para conocer conceptualmente el abordaje de la innovación en estructuras regionales aplicando procesos de simulación y herramientas computacionales, para representar fenómenos sociales.

https://gestainnovacion.blogspot.com/2019/12/la-innovacion-en-antioquia-estudiada.html

Explora el blog http://gtinnovacion.blogspot.com/ para conocer más acerca de Gestión Tecnológica, Innovación y los procesos.

Modelos de halving para bitcoin: un acercamiento desde la simulación

Explora el siguiente vínculo para conocer como la simulación de sistemas puede aplicarse a procesos de criptomonedas.

https://gestainnovacion.blogspot.com/2019/12/modelos-de-halving-para-bitcoin-un.html

9.Definición del problema y conceptualización de modelos dinámicos

Durante la construcción de su modelo causal, es importante, por regla general, utilizar las siguientes instrucciones, estas proporcionaran de manera exitosa, una  manera clara y entendible de lo que desea comunicar.

1. Cada uno de sus diagramas debe encajar cómodamente y de forma legible en una página en su redacción. 
2. Los diagramas deben incluir los bucles esenciales para explicar la dinámica, pero que sean suficientemente simples para entender. 
3. Su cliente no entenderá un diagrama que incluya todas las variables. 
4. Asegúrese de seguir las convenciones y reglas para diagramas causales y modos de referencia. Estos incluyen: 

• Proporcionar unidades de medida. 
• Etiquetar la polaridad de cada enlace en sus diagramas causales. 
• Identificar la polaridad de los bucles importantes. 
• Dar a los bucles importantes un nombre significativo. 
• Utilice variables con un sentido claro de dirección. 
• Etiquetar claramente los gráficos. 

Pensamiento operativo y consistencia dimensional 

Formule sus diagramas causales para que capturen realidades de los procesos que usted busca representar. Las unidades de medida para las variables deben ser obvias y conformes a la práctica habitual. En muchos casos, la ecuación para un concepto clave debe deducirse fácilmente del diagrama causal y las unidades. 

Por ejemplo, considere un modelo de un proceso de trabajo. Una formulación clave muestra cómo la cantidad del trabajo realizado cada día es determinado. El diagrama siguiente indica que la tasa de trabajos completados se ve incrementado por los recursos, el esfuerzo y la habilidad: 

Sin embargo, las definiciones y unidades de medida para las entradas de la tasa de trabajos terminados son poco claras. ¿Se miden los recursos: en personas o $$$ o $$$ al mes? ¿Qué es "esfuerzo" y cómo medimos "habilidad"? Un diagrama mucho mejor es: 

Cada variable tiene un sentido claro de dirección y unidades de medida obvias. De esta información un lector puede fácilmente inferir la ecuación para la tasa de trabajos terminados:

8.Dinámica de sistemas

Modelos dinámica de sistemas

7. Simulación de Líneas de espera

LÍNEAS DE ESPERA

6.Variables aleatorias y distribuciones de probabilidad

1. Variables aleatorias

Es una función que asocia un número real a cada elemento del espacio muestral. Las variables aleatorias pueden ser discretas o continuas.

1.1 Variables aleatorias discretas

Si un espacio muestral contiene un número finito de posibilidades o una serie con tantos elementos como números enteros existen, se llama espacio muestral discreto (Álvarez y Rojas 2015).

1.2 Variables aleatorias continuas

Si un espacio muestral contiene un número infinito de posibilidades igual al número de puntos en un segmento de línea, se llama espacio muestral continuo (Álvarez y Rojas 2015).

Generación de variables aleatorias

Los modelos de simulación usan distribuciones estadísticas para  representar actividades que son,

por lo general, impredecibles o  inciertas.

• Tiempos entre llegadas
• Tiempos de servicios
• Demandas

2. Distribuciones de probabilidad

Es la asignación de un suceso definido a través de una función. Esta definición ocurre sobre el conjunto de todos los sucesos y sobre el rango de la variable aleatoria.

También tiene una estrecha relación con las distribuciones de frecuencias.

Referencia

Álvarez,L. Rojas,J. Variables aleatorias y distribuciones de probabilidad, 2015 Universidad de Medellín