Modelos: complejidad y realidad
3.4.2. Simulación cuantitativa
La simulación cuantitativa ha sido la más usada desde la apa-
rición de las computadoras. Generalmente los modelos son de natu-
raleza algorítmica y orientados al pronóstico y la previsión. La
calidad de las soluciones calculadas puede ser evaluada a partir de
herramientas matemáticas del análisis numérico y la complejidad de
los algoritmos debe tenerse en cuenta.
A la hora actual podemos distinguir dos tipos de modelos al-
gorítmicos: los probabilísticos y los determinísticos, dependiendo de
la naturaleza de las soluciones calculadas.
Los modelos probabilísticos aplican métodos Estadísticos y de
desarrollo de la investigación de operaciones. La propiedad funda-
mental es la siguiente: las soluciones son válidas en un dominio de
definición de las variables independientes. Los métodos de extrapo-
lación de los resultados son escasos y su validez no sobrepasa el en-
torno del dominio de definición de los datos utilizados. Más allá es
necesario introducir condiciones que bordean el conjunto de solu-
ciones calculadas y que ponen de manifiesto nuevas condiciones de
validez de las mismas.
En el campo probabilístico destacan, también, los modelos for-
mulados en la investigación de operaciones, algunos de ellos basa-
1
9
dos en la teoría de colas, las cadenas de Markov, los métodos de
20
Montecarlo y otros y, actualmente, conocemos un desarrollo inte-
1
9 Los procesos o cadenas de Markov son herramientas bien conocidas para la modelización
de una amplia gama de fenómenos en los que los cambios en el tiempo de una variable alea-
toria conforman una secuencia de valores temporales, en los que además su situación futura
depende únicamente de su estado actual, no de sus estados pasados. En: Jiaru Bai, Cristina
del Campo, L. Robin Keller, “Modelos de cadenas de Markov en la práctica: una revisión de
opciones de software de bajo coste”, p.1. Ver en: https://faculty.sites.uci.edu/lrkeller/files/
2
016/06/investigacion_operacional_2016_Bai_delCampo_Keller.pdf (09-11-2020).
2
0 Los métodos de Monte Carlo son una importante herramienta para la evaluación de riesgo
frecuentemente utilizada en finanzas, en la valuación de proyectos y para la evaluación de
riesgo a la salud humana y de ecosistemas frente a diferentes contaminantes. Estos métodos
permiten encontrar soluciones probabilísticas para modelos en los que, debido a la incerti-
dumbre y a la variabilidad de los elementos que lo conforman, una solución determinística
pierde sentido ya que es sólo una posible realización de un proceso que contiene compo-
nentes aleatorios. En: Carlos Gay, Francisco Estrada, Cecilia Conde, José Luis Bravo, “Uso
de métodos de Monte Carlo para la evaluación de la vulnerabilidad y riesgo en condiciones
actuales y bajo cambio climático”. Ver en: http://aeclim.org/wp-content/uploads/2016/
02/0067_PU-SA-V-2006-C_GAY.pdf (09-11-2020)
BOLETÍN ANH Nº 204–Vol XCVIII • 289–309
303
