1. Ejemplos de algunos modelos
1.1. Modelo icónico
1.1.1. una maqueta, donde se ha establecido una reducción de tamaño conservando las relaciones dimensionales básicas.
1.2. Modelo análogo
1.2.1. un mapa impreso, construido mediante un conjunto de convenciones cartográficas que hacen legibles propiedades tales como las altitudes, distancias, localización física de objetos geográficos, entre otros.
1.3. Modelo simbólico
1.3.1. la representación de un edificio mediante la identificación y codificación en una estructura geométrica de sus elementos básicos.
1.4. Modelo computacional
1.4.1. Ejemplos de modelos de computacionales comunes son modelos de el pronóstico del tiempo, modelos del Earth Simulator, modelos de simulador de vuelo, modelos de plegamiento molecular de proteínas, y modelos de red neural.
1.5. Modelos determinístico
1.5.1. la planificación de una línea de producción, en cualquier proceso industrial, es posible realizarla con la implementación de un sistema de gestión de procesos que incluya un modelo determinista en el cual estén cuantificadas las materias primas, la mano de obra, los tiempos de producción y los productos finales asociados a cada proceso.
2. Estructura UC y ST
2.1. Al momento de estudiar sistemas, estos se dividen en subsistemas, también se puede considerar que los subsistemas son partes constituyentes del sistema en cuyo caso se les llama elementos, Al conjunto formado por todos los elementos se le llama universo del discurso del sistema, el conjunto de elementos y su jerarquía de acoplamientos, por tanto, definen una estructura, que se conocerá como estructura del universo del discurso y los acoplamientos, y se abreviara por estructura-UC. Pero el sistema no queda completamente definido por su estructura-UC, Es necesario conocer que combinaciones de los valores de sus cantidades son posibles, es decir, que estados son posibles para el sistema El conjunto de los estados posibles del sistema y sus transiciones asociadas se conoce como estructura de estados-transiciones, y se abrevia por estructura ST
3. Evaluación de los Sistemas
3.1. A la hora de realizar o estudiar un sistema siempre se tiene que tener un proceso de evaluación en el cual en estas, se verán las ventajas y desventaja de determinado sistema además de prevenir futuros problemas, permitiendo hacer mejoras a este mismo, en este procedimiento queremos conocer el error del modelo en el futuro, para actuar a tiempo, el método de evaluación más simple consiste en dividir el conjunto de datos disponibles en partes más pequeñas ( Sistema – Subsistema ) para así mejorar su manejo y estudio
4. Modelo
4.1. Un modelo es una representación de un sistema. El propósito de los modelos es ayudarnos a explicar, entender o mejorar un sistema. La modelación de sistema muestra la forma en que el sistema tiene que funcionar.
4.1.1. Requisitos de un modelo funcional
4.1.2. Un propósito claramente definido.
4.1.3. Identificar las consideraciones esenciales
4.1.4. Desechar consideraciones superfluas
4.1.5. El modelo debe representar la realidad en forma simplificada.
5. Modelos matematicos
5.1. Modelo matemático
5.1.1. Son aquellos que representan funciones y ecuaciones que deben realizarse para resolver un problema.
5.2. Modelos Causales y No Causales
5.2.1. El estado de un sistema causal depende sólo de las condiciones presentes y pasadas, pero no de las futuras, es decir hay una relación de causalidad. Los sistemas físicos son causales, pero uno puede concebir modelos de ciertos sistemas que no lo sean.
5.3. Modelos Estáticos y Dinámicos
5.3.1. El estado de un sistema estático depende sólo de las condiciones presentes, y no de las pasadas. En contraposición, el estado de un sistema dinámico depende de lo que haya sucedido en el pasado, generalmente debido a que en el sistema hay algún tipo de almacenamiento de energía. Los sistemas dinámicos también se conocen como sistemas con memoria. Los modelos de sistemas dinámicos son ecuaciones diferenciales o de diferencia.
5.4. Modelos probabilisticos
5.4.1. Un modelo probabilístico es una representación matemática deducida de un conjunto de supuestos con el doble propósito de estudiar los resultados de un experimento aleatorio y predecir su comportamiento futuro, cuando se realiza bajo las mismas condiciones dadas inicialmente. El modelo permite conocer la distribución de probabilidades de los valores que toma la variable aleatoria
5.5. Modelos determinístico
5.5.1. Un Modelo determinístico es un modelo matemático donde las mismas entradas producirán invariablemente las mismas salidas, no contemplándose la existencia del azar ni el principio de incertidumbre. Está estrechamente relacionado con la creación de entornos simulados a través de simuladores para el estudio de situaciones hipotéticas, o para crear sistemas de gestión que permitan disminuir la incertidumbre.
5.6. Modelos linéales
5.6.1. Tratan de explicar el comportamiento de una variable aleatoria mediante su relación lineal con los valores de otras que pueden influirla
6. Otros modelos
6.1. Modelo análogo
6.1.1. Los modelos análogos se construyen mediante un conjunto de convenciones que sintetizan y codifican propiedades del objeto real para facilitar la "lectura" o interpretación de las mismas.
6.2. Modelo icónico
6.2.1. En los modelos icónicos, la relación de correspondencia se establece a través de las propiedades morfológicas, habitualmente un cambio de escala con conservación del resto de las propiedades topológicas
6.3. Modelo simbólico
6.3.1. Los modelos simbólicos se construyen representando el objeto real mediante una codificación matemática (geométrica, estadística, entre otros)
6.4. Modelo computacionales
6.4.1. Un modelo computacional es un modelo matemático en las ciencias de la computación que requiere extensos recursos computacionales para estudiar el comportamiento de un sistema complejo por medio de la simulación por computadora
6.5. Modelo de comportamiento
6.5.1. Los modelos de comportamiento se utilizan para describir el comportamiento del sistema en su totalidad. Entre los modelos de comportamiento existentes se distinguen dos de estos: modelos de flujo de datos, que modelan el procesamiento de los datos en el sistema, y modelos de máquinas de estado, que modelan como el sistema reacciona a los eventos. Estos modelos pueden usarse de forma separada o conjuntamente, dependiendo del tipo de sistema que se esté desarrollando.