Información general de la asignatura
MODELADO Y SIMULACIÓN
- 009031
- ÁREA ACADÉMICA INDUSTRIAS Y TECNOLOGÍAS DIGITALES
PRESENTACION
El modelado y la simulación de sistemas se ha convertido en parte fundamental
de la ciencia y la ingeniería. El desarrollo de la computación ha dotado a
ingenieros y científicos de equipos y software que permiten realizar tareas de
cálculo numérico que en otros momentos de la historia estaban fuera del
alcance de lo que es humanamente posible realizar, a pesar de que el
conocimiento teórico fuera suficiente para hacer una descripción del problema
o fenómeno en cuestión. Al tiempo que las herramientas computacionales han
permitido resolver problemas antes intratables, éstas han permitido el
surgimiento de nuevos descubrimientos y la aplicación de las leyes de la
naturaleza en contextos y situaciones novedosas.
OBJETIVO DE APRENDIZAJE
El curso dará una visión general de la modelación, basándose en los siguientes
principios:
1.El estudiante tiene una visión global del modelado y la simulación que le permite explicar la importancia del modelado en términos de los problemas de las ciencias y la ingeniería.
2.Al hacer frente a un modelo y un conjunto de resultados, el estudiante está en capacidad de comprender y dar sentido a los resultados; especialmente en relación con el problema al que éste está relacionado.
3.El estudiante es capaz de hacer modificaciones o ajustes de modelos existentes; aplicando modelos conocidos a problemas nuevos.
4.El estudiante es capaz de plantear un problema en los diferentes tipos de modelación: agentes, modelos fenomenológicos, modelación estocástica y dinámica de sistemas.
1.El estudiante tiene una visión global del modelado y la simulación que le permite explicar la importancia del modelado en términos de los problemas de las ciencias y la ingeniería.
2.Al hacer frente a un modelo y un conjunto de resultados, el estudiante está en capacidad de comprender y dar sentido a los resultados; especialmente en relación con el problema al que éste está relacionado.
3.El estudiante es capaz de hacer modificaciones o ajustes de modelos existentes; aplicando modelos conocidos a problemas nuevos.
4.El estudiante es capaz de plantear un problema en los diferentes tipos de modelación: agentes, modelos fenomenológicos, modelación estocástica y dinámica de sistemas.
CONTENIDOS TEMATICOS
Semana 1
Presentar los conceptos de sistema, modelo y simulación.
Comprender el proceso de modelado y simulación.
Realizar una clasificación de los modelos.
Taller de aplicarán los conceptos discutidos en esta semana.
Semana 2
Aplicar, formular e interpretar el modelo de Regresión.
Introducción a los modelos fenomenológicos.
Bases teóricas y aplicación del modelo de regresión.
Estimación de parámetros.
Aplicación. Interpretación de resultados en Regresión usando R.
Taller de aplicación
Semana 3
Aplicar, formular e interpretar los modelos de diseño de experimentos.
Introducción al diseño de experimentos.
Bases teóricas y aplicación del diseño experimental.
Análisis de varianza a una vía.
Aplicación. Interpretación de resultados en diseño de experimentos usando R.
Taller de análisis de regresión y ANOVA
Semana 4
Algoritmos de generación de números aleatorios y sus características.
El método monte Carlo, pasos y ejemplos.
Quiz sobre los temas vistos en clase.
Semana 5
Probabilidades de transición, matriz de transición.
Clasificación de estados
Simulación de cadenas de Markov.
Qquiz individual sobre los temas vistos en clase.
Semana 6
Principios para la formación de modelos y técnicas de simulación de sistemas. Condiciones para su uso, componentes de los modelos.
Modelamiento de casos y ejemplos prácticos.
Quiz sobre los temas vistos en clase.
Semana 7
Elementos de la dinámica de sistemas
Construcción de hipótesis dinámicas.
Modelamiento de flujos y niveles.
Quiz
Semana 8
Arquetipos sistémicos
Presentación matemática del modelo depredador-presa.
Modelo de dinámica de sistemas del modelo depredador-presa
Quiz
Semana 9
Arquetipos sistémicos.
Presentación del modelo de crecimiento logístico.
Modelo de difusión de enfermedades.
Otras aplicaciones del modelo de crecimiento logístico.
Quiz
Semana 10
Arquetipos sistémicos.
Modelo de límite al crecimiento.
Modelo de tragedia de los comunes
Quiz
Semana 11
Arquetipos sistémicos.
Modelo de tragedia de los comunes.
Modelo Path Dependence.
Quiz
Semana 12
Introducción y Conceptos de agentes
Metodología para determinar la agenciación
Modelo de Crecimiento logístico
Semana 13
Componentes de un MBA
Los Agentes
El Entorno
Ejemplos
Introducción al Netlogo
Taller Grupal
Semana 14
Acciones de Agentes
Elegir Agentes
El tiempo en Netlogo
Extendiendo a los agentes
Ejercicios
Quiz individual
Semana 15
Procedimientos
Familias de Agentes
Manejo de Variables
Uso de condicionales
Ejercicios
Ejercicio Práctico de programación
Semana 16
Dscusión con la que participarán activamente los estudiantes, con el fin de identificar el papel del modelado y la simulación en sus programas académicos y actividades profesionales. También se discutirá acerca de la posibilidad de tratar el mismo fenómeno o problema con diferentes técnicas de modelado y simulación.
Presentar los conceptos de sistema, modelo y simulación.
Comprender el proceso de modelado y simulación.
Realizar una clasificación de los modelos.
Taller de aplicarán los conceptos discutidos en esta semana.
Semana 2
Aplicar, formular e interpretar el modelo de Regresión.
Introducción a los modelos fenomenológicos.
Bases teóricas y aplicación del modelo de regresión.
Estimación de parámetros.
Aplicación. Interpretación de resultados en Regresión usando R.
Taller de aplicación
Semana 3
Aplicar, formular e interpretar los modelos de diseño de experimentos.
Introducción al diseño de experimentos.
Bases teóricas y aplicación del diseño experimental.
Análisis de varianza a una vía.
Aplicación. Interpretación de resultados en diseño de experimentos usando R.
Taller de análisis de regresión y ANOVA
Semana 4
Algoritmos de generación de números aleatorios y sus características.
El método monte Carlo, pasos y ejemplos.
Quiz sobre los temas vistos en clase.
Semana 5
Probabilidades de transición, matriz de transición.
Clasificación de estados
Simulación de cadenas de Markov.
Qquiz individual sobre los temas vistos en clase.
Semana 6
Principios para la formación de modelos y técnicas de simulación de sistemas. Condiciones para su uso, componentes de los modelos.
Modelamiento de casos y ejemplos prácticos.
Quiz sobre los temas vistos en clase.
Semana 7
Elementos de la dinámica de sistemas
Construcción de hipótesis dinámicas.
Modelamiento de flujos y niveles.
Quiz
Semana 8
Arquetipos sistémicos
Presentación matemática del modelo depredador-presa.
Modelo de dinámica de sistemas del modelo depredador-presa
Quiz
Semana 9
Arquetipos sistémicos.
Presentación del modelo de crecimiento logístico.
Modelo de difusión de enfermedades.
Otras aplicaciones del modelo de crecimiento logístico.
Quiz
Semana 10
Arquetipos sistémicos.
Modelo de límite al crecimiento.
Modelo de tragedia de los comunes
Quiz
Semana 11
Arquetipos sistémicos.
Modelo de tragedia de los comunes.
Modelo Path Dependence.
Quiz
Semana 12
Introducción y Conceptos de agentes
Metodología para determinar la agenciación
Modelo de Crecimiento logístico
Semana 13
Componentes de un MBA
Los Agentes
El Entorno
Ejemplos
Introducción al Netlogo
Taller Grupal
Semana 14
Acciones de Agentes
Elegir Agentes
El tiempo en Netlogo
Extendiendo a los agentes
Ejercicios
Quiz individual
Semana 15
Procedimientos
Familias de Agentes
Manejo de Variables
Uso de condicionales
Ejercicios
Ejercicio Práctico de programación
Semana 16
Dscusión con la que participarán activamente los estudiantes, con el fin de identificar el papel del modelado y la simulación en sus programas académicos y actividades profesionales. También se discutirá acerca de la posibilidad de tratar el mismo fenómeno o problema con diferentes técnicas de modelado y simulación.
BIBLIOGRAFIA BASICA OBLIGATORIA
1. Dyner, I., Zapata, G. E. P., & Arango, S. (2008). Modelamiento para la
simulación de sistemas socio-económicos y naturales. Universidad Nacional de
Colombia (Medellín).
2. Frank R. Giordano, William P. Fox and Steve B. Horton, A First Course in Mathematical Modeling, Capítulo 1, BROOKS/COLE, Cengage Learning (2013).
3. García-Valdecasas, José Ignacio. Simulación basada en agentes. Introduccion a NetLogo. Centro de Investigaciones Sociológicas. 2016.
4. Kai velten, Mathematical Modeling and Simulation. Introduction for Scientists and Engineers, Capítulo 1, WILEY-VCH Verlag GmbH & Co. KGaA, Weinheim (2009).
5. Macal, C., North, M. (2010). TUTORIAL ON AGENT-BASED MODELING AND SIMULATION PART 2: HOW TO MODEL WITH AGENTS. Proceedings of the 2006 Winter Simulation Conference
6. L. F. Perrone, F. P. Wieland, J. Liu, B. G. Lawson, D. M. Nicol, and R. M. Fujimoto, eds.
7. Sterman, J. D. J. D. (2000). Business dynamics: systems thinking and modeling for a complex world (No. HD30. 2 S7835 2000).
8. Teahan, W. Artificial Intelligence - Agent Behaviour I. Bookboon.com. 2010.
9. Velten, Kai. Mathematical Modelling and Simulation. (Chapter 2). WILEY-VCH Verlag GmbH & Co. KGaA, Weinheim. 2009.
10. Walpole & Myers. Probabilidad y Estadística para ingeniería y ciencias. PEARSON. México. 2012
11. Wilensky, U. Netlogo. Disponible en: http://ccl.northwestern.edu/netlogo/. Center for Connected Learning and Computer-Based Modeling. Evanston, IL: Northwestern University. 2017.
2. Frank R. Giordano, William P. Fox and Steve B. Horton, A First Course in Mathematical Modeling, Capítulo 1, BROOKS/COLE, Cengage Learning (2013).
3. García-Valdecasas, José Ignacio. Simulación basada en agentes. Introduccion a NetLogo. Centro de Investigaciones Sociológicas. 2016.
4. Kai velten, Mathematical Modeling and Simulation. Introduction for Scientists and Engineers, Capítulo 1, WILEY-VCH Verlag GmbH & Co. KGaA, Weinheim (2009).
5. Macal, C., North, M. (2010). TUTORIAL ON AGENT-BASED MODELING AND SIMULATION PART 2: HOW TO MODEL WITH AGENTS. Proceedings of the 2006 Winter Simulation Conference
6. L. F. Perrone, F. P. Wieland, J. Liu, B. G. Lawson, D. M. Nicol, and R. M. Fujimoto, eds.
7. Sterman, J. D. J. D. (2000). Business dynamics: systems thinking and modeling for a complex world (No. HD30. 2 S7835 2000).
8. Teahan, W. Artificial Intelligence - Agent Behaviour I. Bookboon.com. 2010.
9. Velten, Kai. Mathematical Modelling and Simulation. (Chapter 2). WILEY-VCH Verlag GmbH & Co. KGaA, Weinheim. 2009.
10. Walpole & Myers. Probabilidad y Estadística para ingeniería y ciencias. PEARSON. México. 2012
11. Wilensky, U. Netlogo. Disponible en: http://ccl.northwestern.edu/netlogo/. Center for Connected Learning and Computer-Based Modeling. Evanston, IL: Northwestern University. 2017.
RESULTADO DE APRENDIZAJE
B2 - Integrar y contribuir al desarrollo de nuevas tecnologías y técnicas de modelado de sistemas para formular y resolver problemas complejos, optimizar sistemas y procesos, a través de ideas y soluciones innovadoras.
MEDIOS EDUCATIVOS
"Plataforma en línea AVATA.
Biblioteca digital para acceder a material de referencia."