1. Tanto la simulación basada en agentes como la dinámica de sistemas tienen el potencial de complementar modelos no formales (normalmente verbales) de sistemas complejos y modelos matemáticos más abstractos Para poder aprovechar al máximo el potencial que cada una de estas técnicas nos ofrece, debemos ser conscientes de las diferencias que existen entre ellas y de aquellas características que las separan de los métodos tradicionales de modelado científico. De esta forma podremos valorar cuáles son sus ventajas y sus limitaciones
2. Primera aproximación al proceso de modelado científico
2.1. Según algunos filósofos como Hesse (1963) y Hughes (1997), los modelos científicos se construyen para desarrollar procesos de inferencia sobre ciertos aspectos de sistemas reales previamente observados
3. Una abstracción del proceso de Modelado Científico
3.1. A menudo el modelador diseña un primer modelo con el cual obtiene unos resultados iniciales. A la luz de los resultados obtenidos, el modelador suele volver a las etapas iniciales del proceso de modelado para perfeccionar el modelo mediante la revisión de algunas de sus premisas. de los cuales ahy dos procesos verificacion y validacion
3.2. Nuevas formas de implementar y analizar modelos formales
3.2.1. Tradicionalmente, en el dominio de las ciencias naturales, los modelos científicos se han formalizado en ecuaciones matemáticas y, por lo tanto, las condiciones iniciales y las predicciones derivadas de éstas han tenido en general un formato numérico.
4. Modelado computacional de Sistemas Complejos
4.1. Las principales propiedades que caracterizan a un sistema complejo resultará evidente que la mayoría de los sistemas sociales son claramente complejos.
4.2. Sistemas Complejos
4.2.1. En particular, su naturaleza descentralizada, la presencia de bucles de causalidad y retroalimentación no lineales, y el hecho de contener varias unidades más o menos autónomas
4.3. La simulación computacional como herramienta de análisis de modelos formales
4.3.1. Un modelo computacional es un modelo formal (que por lo tanto puede expresarse en lenguaje matemático como un conjunto de ecuaciones), y la simulación computacional es una herramienta que nos permite estudiarlo más allá de los límites actuales de las matemáticas.
4.4. Esquema de modelado computacional de sistemas complejos
4.4.1. Conviene resaltar que todo conocimiento que podamos extraer de manera formal y libre de error se referirá necesariamente al modelo formal, no a la primera abstracción ni, por supuesto, al sistema real. Una imprudencia que debemos evitar en el modelado de sistemas complejos consiste en combinar mentalmente nuestra primera abstracción no formal y el sistema real, e intentar interpretar los resultados de nuestro modelo formal directamente sobre el sistema real.
5. Dinámica de Sistemas
5.1. La filosofía de la dinámica de sistemas gira en torno al concepto de retroalimentación, o causalidad circular entre variables observables las cuales describen algún atributo de los componentes del sistema.
5.2. El foco de atención en la dinámica de sistemas reside en la relación existente entre variables observables
5.2.1. En la mayoría de los sistemas complejos no tienen relaciones lineales causa-efecto. Estas relaciones se caracterizan por las siguientes propiedades.
5.2.1.1. La cauda precede al efecto
5.2.1.2. Existe una fuerte correlación empírica entre causa y efecto
5.2.1.3. Esta relación no es el resultado de ninguna otra variable