Modelos

UNIVERSIDAD NACIONAL DE LOJA
REA DE LA EDUCACIN, EL ARTE Y LA

COMUNICACIN
TALLER DE APOYO
ESTADSTICA DESCRIPTIVA
Profesor:
EDUCACIN
BSICA
Lic. Mg. VICENTE MENDIETA LUDEA
Loja-Ecuador
20010-2011
1.- PRESENTACIN
En las ultimas dcadas se han producido muchos cambios en el desarrollo de la Estadstica
como campo de conocimiento que necesita ser aprendida o enseada y, utilizada con fines
cientficos, pedaggicos y sociales. Para entenderla es conveniente referirnos a lo que
seala el ms elemental de los diccionarios: Estadstica, es la rama de las matemticas que
aborda el tema de la recoleccin, presentacin, anlisis e interpretacin de grupos de datos
numricos. Estudio de los hechos que se pueden numerar o contar y del resultado de la
comparacin de las cifras que a ellos se refieren.
Estas definiciones ponen en claro que la estadstica abarca mucho terreno pues le
concierne la forma en que se obtienen los datos, como se manipulan y como se ponen en
prctica. Pero en realidad, lo ms importante en la Estadstica moderna es que hace posible
que extraigamos informacin til de conjuntos de datos relativamente escasos;
por
ejemplo, los datos limitados sobre una enfermedad (SIDA, AH1N1); datos difcil de obtener
sobre los efectos ambientales provocados por el calentamiento global o datos muy escasos
sobre la composicin qumica de astros distantes, etc.
No se puede desconocer, a propsito del vertiginoso desarrollo de la comunicacin, la
validez de los resultados estadsticos principalmente en el campo poltico para conocer
tendencias electorales, niveles de popularidad, ndices de inflacin, etc. que en muchos
casos se adelantan o sorprenden a quienes estn inmersos en dichos resultados.
En el campo pedaggico la estadstica tambin ha sufrido cambios, antes slo constaba en
los programas universitarios; hoy sus contenidos, dependiendo del nivel de dificultad, se
estudian desde la educacin bsica; lo cual, indudablemente permite ir entendindole de a
poco en su proceso de aprendizaje. La intencin de abordarla como objeto de estudio en la
programacin curricular de las diferentes carreras del rea de la Educacin, el Arte y la
Comunicacin de la Universidad Nacional de Loja, es la de aplicar la Estadstica a la
investigacin educativa para lo cual, bajo la metodologa de taller, los alumnos tendrn la
oportunidad de plantear ejemplos y resolver ejercicios que se relacionen con los procesos
de investigacin del mdulo.
El referente terico que se ha considerado para el presente taller pertenece a la cuarta
edicin de estadstica de Freund/Smith que ofrece una forma muy didctica para
comprender el lenguaje, notacin y aplicacin de los contenidos de estadstica.
Finalmente dejamos planteado que el alcance de este evento curricular no va mas all de
utilizar la estadstica como herramienta o instrumento de apoyo para procesar informacin
proveniente de las investigaciones, razn que justifica el que abordemos solamente
aquellos contenidos que permitan organizar, presentar y resumir datos estadsticos a
efectos de realizar anlisis e interpretaciones.
2.- OBJETIVOS
Utilizar la estadstica como instrumento para organizar, analizar e interpretar datos

provenientes de las prcticas investigativas que se realizan como parte de la formacin
profesional del estudiante.
Reconocer y aplicar el lenguaje estadstico en el planteamiento de ejemplos y

resolucin de ejercicios adaptando el referente terico a situaciones del entorno
estudiantil.
3.- REFERENTES TERICOS
Distribuciones de frecuencia
Grficos estadsticos
Medidas de tendencia Central
Medidas de dispersin
4.- METODOLOGA
El taller de estadstica aplicada a la investigacin educativa se desarrolla mediante la
modalidad de estudios presenciales durante media jornada de trabajo semanal de 16H00 a
18H30.
Implementa una metodologa participativa que permite a estudiantes, profesor y referentes
tericos interactuar dinmicamente a efecto de lograr aprendizajes significativos producto
de la ejemplificacin de situaciones estadsticas, demostraciones matemticas y resolucin
de ejercicios en un ambiente de amplia comunicacin pedaggica entre alumnos y entre
profesor y alumnos.
La utilizacin de esta metodologa potenciar el trabajo grupal e individual lo cual facilitar
las instancias de evaluacin y elementos de acreditacin que concluyan con la aprobacin
del taller.
5.- PRODUCTOS ACREDITABLES
Reportes individuales y grupales intra y extraclase.
Pruebas individuales de rendimiento sobre la resolucin de ejercicios estadsticos.
Elaboracin y sustentacin de un informe estadstico sobre informacin pertinente y

correspondiente al mdulo que cursan los estudiantes.
6.- EVALUACIN ACREDITACIN CALIFICACIN

La evaluacin es concebida como una oportunidad de mejora, por tanto, ser permanente
a fin de detectar dificultades, errores y limitaciones para superarlos democrticamente
entre alumnos, profesor y autoridades.
La acreditacin es individual y est dada por las evidencias de aprendizaje reflejados en los
productos acreditables de acuerdo a los siguientes criterios:
Validez terica de reportes y pruebas, esto significa que deben estar correctamente
elaborados y resueltos.
Creatividad, orden y estilo en la elaboracin y presentacin de trabajos.
Puntualidad para entregar los trabajos en los plazos previstos.
La calificacin es de 0 a 10 puntos en cada uno de los productos acreditables segn el

cumplimiento de los criterios de acreditacin.
Modelos ambientales y validacin

de mtodos
Docente: Ing. Rodrigo Proao
Ingeniero en Sistemas (EPN)
Master Gestin Telecomunicaciones y TICs
Egresado Maestra Evaluacin y Auditoria
Sistemas Tecnolgicos.
Docente Facultad Ingeniera (Informtica)
Jefe Sistemas (I.G.M.)
Auditor Sistemas (Grupo El Comercio)
Email: rodrigo.proano@ute.edu.ec
Telf: 0996017897
Horario del curso:

Martes:
Jueves:
17:30 - 19:30
17:30 - 19:30
Ingreso segn reglamento Universidad.

de mtodos
1. DESCRIPCION DE LA ASIGNATURA
La materia incluye conceptos de sistemas, modelos y
simulacin, generacin de variables aleatorias y la
caracterizacin de los modelos de sistemas continuos y
sistemas discretos. Se aplica la simulacin con orientacin a
sistemas ambientales especficos. Los estudiantes estarn
capacitados para analizar, modelar y experimentar con
sistemas de tal forma que tomen decisiones para el mejor
desempeo del sistema modelado dentro del contexto de
sistemas ambientales.

de mtodos
2. OBJETIVO GENERAL DE LA ASIGNATURA
Definir y aplicar los conocimientos que permitan analizar,
modelar y experimentar con sistemas, utilizando para tal
propsito un computador y software para simulacin

de mtodos
3. RESULTADOS DE APRENDIZAJE (OBJETIVOS ESPECFICOS DE APRENDIZAJE)
Resultado del aprendizaje

Describir
los
conceptos
principales de sistemas, modelos
y simulacin.
Identificar los requerimientos
para implementar modelos de
sistemas.
Aplicar los conceptos de sistemas
y modelos para crear modelos de
sistemas.
Nivel Forma de evidenciarlo

M
Casos de estudio tericos:

modelos de la naturaleza,
exmenes y pruebas.
Desarrollo de modelos bsicos
orientados
a
aspectos
ambientales en forma manual o
con ayuda del computador.
Propuesta de proyecto final de
simulacin de un modelo
ambiental.

de mtodos
3. RESULTADOS DE APRENDIZAJE (OBJETIVOS ESPECFICOS DE APRENDIZAJE)
Proponer
alternativas
simulacin de sistemas
para
Realiza
experimentos
y
simulaciones
y
contestar
preguntas de tipo what if
(Qu pasara si?).
Proyecto final de simulacin del

proyecto.
Proyecto final de simulacin del
proyecto.

de mtodos
4. METODOLOGA
a. Estrategias Metodolgicas
Lectura preparatoria por parte del alumno.

Exposiciones tericas de contenidos.
Trabajos en grupo.
Tareas y deberes.
Resolucin de problemas.
Conversatorio.
Estudio de caso.
Clases Interactivas.
Elaboracin conjunta de Estructura y Funcin.
Prcticas de apoyo.
Exmenes de evaluacin

de mtodos
4. METODOLOGA
b. Orientaciones Metodolgicas
El estudiante deber haber revisado la literatura

referenciada sobre los temas a tratar.
El estudiante debe revisar material adicional: artculos

tcnicos pginas web, etc.
Al comienzo de la hora de clase, se har un control de

las lecturas enviadas.
Envo de trabajos y ejercicios.
Evaluacin a travs de pruebas y exmenes.
Elaboracin de un proyecto final.
Todas las actividades realizadas se documentarn en

el portafolio.

de mtodos
5. NORMAS DE CONVIVENCIA
Se exige puntualidad, no se permitir el ingreso de los

estudiantes con retraso.
La copia de exmenes o quizes ser severamente castigada,

inclusive podra ser motivo de la prdida automtica del semestre,
(cdigo de tica de la Universidad).
Respeto en las relaciones docente- alumno y alumno-alumno

ser exigido en todo momento, esto ser de gran importancia en el
desarrollo de las discusiones en clase.
En los trabajos se debern incluir las citas y referencias de los

autores consultados (de acuerdo a normativas aceptadas, v. g. APA). Si
un plagio es evidenciado, podra ser motivo de la separacin del curso
del o los involucrados.

de mtodos
5. NORMAS DE CONVIVENCIA
Si es detectada la poca o ninguna participacin en las

actividades grupales de algn miembro de los equipos de
trabajo y esto no es reportado por ellos mismos, se asumir
complicidad de ellos y sern sancionados con la nota de cero
en todo el trabajo final (implica la prdida del curso) dado el
peso ponderado del trabajo en la nota final.
Los casos, trabajos, informes de laboratorio y otros

entregables solamente se recibirn el da o en la sesin
establecida en la programacin. No se aceptarn solicitudes
de postergacin.
No interrumpir con el uso de celulares.

de mtodos
Modelo de presentacin de trabajos :
El trabajo deber contener entre otros los siguientes elementos:
Cartula.
ndice.
Introduccin.
Antecedentes.
Desarrollo.
Conclusiones.
Bibliografa.
Referencias, utilizar normas APA para desarrollo de documentos.
CONSULTA E INVESTIGACIN (No copia textual)
Citar referencias (PLAGIO y PROPIEDAD INTELECTUAL)
OJO: redaccin y ortografa: se sancionar errores.

de mtodos
Modelo de presentacin de trabajos :
Digitales:
-Fsico y electrnico:
Nomenclatura estandarizada:
Inf_Mod_Sim_Apellido_Nombre.xxx
Inf_Mod_Sim _Num_Grupo.xxx
En archivos Word, Excel y similares, adems adjuntar el PDF respectivo.

Si son varios archivos, comprimir con Winzip o Winrar.
Enviar a travs de la plataforma hasta la fecha y hora indicada.

de mtodos
6. RECURSOS
Proyector.
Marcadores
Acceso a PCs
Correo electrnico.
Redes sociales.
Documentos tcnicos.
Laboratorios y prcticas en el laboratorio.
Software: SciLab, MathLab, Vensim, Arena o

similares.

7. EVALUACIN
de mtodos
%
Trabajos asistidos por el profesor (conferencias, seminarios,
orientacin para estudio de casos, foros, exposiciones,
presentaciones profesionales)
Actividades de aprendizaje colaborativo (trabajos en grupo en
interaccin con el docente, proyectos grupales, trabajos
colaborativos con TIC, proyectos de resolucin de problemas o
casos, exposiciones presentaciones profesionales)
Actividades de prcticas y experimentacin de los aprendizajes
(actividades en laboratorios, prcticas de campo, trabajos de
observacin dirigida, resolucin de problemas, talleres, proyecto
final.)
Aprendizaje autnomo (lecturas, anlisis y comprensin de
materiales bibliogrficos y documentales, indagacin y bsqueda
de informacin, ensayos, trabajos y exposiciones)
Examen bimestral
TOTAL
20%
20%
30%
10%
20%
100%

de mtodos
8. BIBLIOGRAFIA BSICA.
BSICA:
Plazas, L., Moncada G. (2012). Conceptos y fundamentos de simulacin Digital
[CFSD]. Bogot: ECOE ediciones.
Robinson, S. (2004). Simulation: The Practice of Model Development and Use.
England: John Wiley & Sons.
COMPLEMENTARIA:
Ross, S. M. (1999). Simulacin. Mxico: Prentice Hall
RECOMENDADA:
Garca D., E. (2006). Simulacin y anlisis de sistemas con Promodel. Mxico:

Pearson Educacin.
Manuales y tutoriales en lnea de ArcGis, VenSim, Arena.

de mtodos
BSICA:
Robinson, S. (2004). Simulation: The Practice of Model Development and Use.
England: John Wiley & Sons.
COMPLEMENTARIA:
Ross, S. M. (1999). Simulacin. Mxico: Prentice Hall
RECOMENDADA:
Garca D., E. (2006). Simulacin y anlisis de sistemas con Promodel. Mxico:
Pearson Educacin.
Manuales y tutoriales en lnea de ArcGis, VenSim, Arena.

de mtodos
DIRECCIONES ELECTRNICAS:
o
o
o
o
http://www.facso.uchile.cl/publicaciones/moebio/03
http://wmincades.scix.net/data/works/att/a937
http://materias.fi.uba.ar/docs/teoria.pdf
http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/gardu
no_a_f/capitulo2.pdf [1]
o
http://www.arcgis.com/home/support.html
o
https://www.arenasimulation.com/support/training
o
http://vensim.com/courses/

de mtodos
9. PROGRAMA DE LA ASIGNATURA.
SISTEMAS
Sistema: conjunto de objetos o entidades que

interactan entre s para alcanzar cierto
objetivo (Shannon, 1988).
Entidad: Los objetos o componentes que
forman parte del sistema.
Ej. Un auto est compuesto por un motor,
ruedas, carrocera, etc.
Atributo o Variable son las propiedades de las
entidades.
Las entidades se relacionan entre s a travs de
relaciones o funciones.
Material tomado de www.uniovi.es/documentos/asignaturas/.../presentacionSimulacion.ppt
CLASIFICACION DE SISTEMAS
SISTEMA CONTINUO: Las variables de estado
del sistema varan en forma continuo a lo largo
del tiempo
Ej: - Nivel de agua en un tanque.

- Avin en vuelo.
estado
tiempo
SISTEMA DISCRETO: Las variables de estado del
sistema cambian en un cierto instante o
secuencia de instantes, y permanecen
constantes el resto del tiempo. La secuencia de
instantes sigue un patrn peridico.
Ej. Nmero de clientes en un banco.
estado
t0
t1
t2
t3
t4
t5
t6
t7
tiempo
SISTEMA ORIENTADO A EVENTOS DISCRETOS: Las
variables de estado del sistema cambian en un cierto
instante o secuencia de instantes, y permanecen
constantes el resto del tiempo. La secuencia de instantes
sigue un patrn aleatorio.
Ej. Nmero de llamadas entrantes en una central
telefnica.
estado
t0 t1
t2t3 t4
t5
t6 t7
tiempo
SISTEMAS
COMBINADOS:
Combinan
subsistemas
que
siguen
metodologas
continuas y discretas. Poseen componentes
que deben ser modelados segn alguno de los
dos enfoques.
estado
t0 t1
t2t3 t4
t5
t6 t7
tiempo
RELACIONES
Las entidades se relacionan entre s a travs de
relaciones o funciones.
Estas relaciones pueden ser:
Estticas o estructurales: un auto posee
cuatro ruedas.
Dinmicas o funcionales: un auto consume
gasolina si se enciende el motor.
ESTADO DEL SISTEMA

Estado del Sistema: Los valores asumidos por los
atributos de las entidades en un momento dado
determinan el estado del sistema.
El estado del sistema puede ser:
Esttico o estacionario, esto significa que se
mantiene constante en el tiempo.
Dinmico o transitorio si evoluciona con el
tiempo.
TIPOS DE ESTADOS
Un estado estacionario es estable si el sistema

retorna a l luego de una perturbacin. Por el
contrario, un estado estacionario es inestable si el
sistema se aleja de l luego de una perturbacin. Este
alejamiento puede dar lugar a una respuesta
acumulativa (crece o decrece continuamente, o
alcanza otro estado estacionario) o a una respuesta
oscilatoria (crece y decrece continuamente).
TIPOS DE ESTADOS
Un ejemplo de estado estable, es un pndulo en su
posicin de reposo; en cambio, el pndulo invertido
es un ejemplo de estado inestable. Si el pndulo no
tiene friccin, la respuesta a una perturbacin ser
oscilatoria; en cambio, si existe friccin la
respuesta ser amortiguada.
VARIABLES
Los atributos tambin se denominan variables o

parmetros Los parmetros (P) son atributos que se
fijaron durante el diseo del sistema ya sea por el
diseador o por la naturaleza.
Por ejemplo: la cilindrada del motor, la aceleracin de
la gravedad.
VARIABLES
Las variables se clasifican a su vez en:

Variables de entrada o exgenas: Son fijadas por el
medioambiente del sistema.
Pueden ser manipulables (U) -se fijan a voluntad- (Ej.posicin del acelerador)
No manipulables (D). no se fijan a voluntad- (Ej.
Velocidad del viento).
Una variable de entrada no manipulable se denomina
perturbacin.
VARIABLES
Variables de salida (Y): Son las variables de estado, o

combinacin de ellas, que son medidas o traspasan la
frontera del sistema.
VARIABLES
Variables internas: Son las variables del sistema que

no son ni de entrada, ni de salida, ni parmetros.
VARIABLES
Variables de estado (X): Conforman el conjunto

mnimo de variables internas del sistema necesarias
para describir completamente su estado interno.
Ej. Calentador elctrico de agua
Ej. Estados en operacin
Ej. Estados en operacin
OTRA CLASIFICACION DE
SISTEMAS
De acuerdo a la naturaleza, un sistema puede ser (Law and
Kelton, 1991):
Determinstico: Si el sistema no contiene ningn

elemento aleatorio es un sistema determinstico. En
este tipo de sistema, las variables de salidas e
internas quedan perfectamente determinadas al
especificar las variables de entrada, los parmetros
y las variables de estado. Es decir, las relaciones
funcionales entre las variables del sistema estn
perfectamente definidas. El calentador elctrico
estudiado es un sistema determinstico. Ej. Sistema
de ecuaciones diferenciales modelando
una
reaccin qumica.
SISTEMAS
Estocstico: En este caso algn elemento del
sistema tiene una conducta aleatoria.
Entonces, para entradas conocidas no es posible
asegurar los valores de salida. Un ejemplo de
sistema estocstico es una mquina tragamonedas
en la cual una misma accin (tirar la palanca)
genera un resultado incierto (ganar o perder).
Ej. Banco, central telefnica.
SISTEMAS
Cuando un sistema determinstico es alimentado

con entradas estocsticas, la respuesta del sistema
es tambin estocstica. Por ejemplo, la
temperatura ambiente es una variable estocstica
que afecta la respuesta del calentador elctrico.
SISTEMAS
En el mundo real, los sistemas siempre tienen
elementos estocsticos ya sea por su propia
naturaleza o porque son fenmenos no
comprendidos actualmente; por ejemplo, a un
caverncola le poda parecer que las eclipses eran
fenmenos aleatorios, hoy son predichos. Sin
embargo, se puede considerar a un sistema real con
un sistema determinstico si su incertidumbre es
menor que un valor aceptado.
SISTEMAS
Continuo: Se tiene un sistema continuo cuando las
relaciones funcionales entre las variables del
sistema slo permiten que el estado evolucione en
el tiempo en forma continua (basta que una
variable
evolucione
continuamente).
Matemticamente, el estado cambia en infinitos
puntos de tiempo. El recipiente del calentador es
un subsistema continuo porque tanto M como T
evolucionan en forma continua durante la
operacin del sistema.
Ej.: Comportamiento global del trfico de una
autopista.
SISTEMAS
Discreto: Se tiene un sistema discreto cuando las
relaciones funcionales del sistema
slo permiten que el estado vare en un conjunto
finito (contable) de puntos
temporales. Las causas instantneas de los cambios
de estados se denominan eventos.
Ej. Movimiento individual de los coches en una
autopista.
SISTEMAS
El interruptor del calentador es un subsistema
discreto porque la intensidad I slo puede variar en
los instantes que se abre o se cierra el interruptor.
La apertura y el cierre del interruptor son eventos.
Un sistema continuo puede comportarse en forma
discreta si las entradas son discretas. Los sistemas
reales son combinaciones de continuos y discretos.
La forma de tratarlos se adopta de acuerdo a la
caracterstica dominante.
MODELOS
Un modelo es una forma de representacin de algn
dispositivo o sistema real.
El valor de un modelo se denota cuando ste mejora
nuestra comprensin de las caractersticas del
comportamiento en forma ms efectiva que si se
observar el sistema real.
MODELOS
Un modelo de un objeto puede ser una rplica exacta
de ste (aunque sea en un material diferente y a
escala diferente), o puede ser una abstraccin de las
propiedades dominantes del objeto.
MODELOS
Un modelo, comparado con el sistema verdadero que
representa, proporciona informacin a costo ms bajo
(lo ideal) y permite el logro de un conocimiento ms
rpido de las condiciones que no se observan en la
vida real.
Usualmente, su propsito es ayudarnos a explicar,
entender o mejorar un sistema.
Modelos
Es una abstraccin de la realidad.
Es una representacin de la realidad que ayuda a entender
cmo funciona.
Es una construccin intelectual y descriptiva de una entidad en
la cual un observador tiene inters.
Se construyen para ser transmitidos.
Supuestos simples son usados para capturar el
comportamiento importante.
Un modelo es un sistema desarrollado para entender la realidad y en
consecuencia para modificarla.
No es posible modificar la realidad, en cierta direccin, si es que no se
dispone de un modelo que la interprete.
IMPORTANCIA DE LOS MODELOS
IMPORTANCIA DE LOS MODELOS
Material tomado de miguelangelpes.wikispaces.com/file/view/MODELOS.ppt
Para qu sirve un modelo?
Ayuda para el pensamiento
Herramienta de prediccin
Para entrenamiento
e instruccin
Ayuda para la experimentacin
Ayuda para la comunicacin
el modelo o la realidad?
Modelos Mentales y Formales

Modelos Mentales. Depende
de nuestro punto de vista,
suele ser incompletos y no
tener un enunciado preciso,
no
son
fcilmente
transmisibles.
Ideas, conceptualizaciones
Modelo Formales. Estn
basados en reglas, son
transmisibles.
Planos, diagramas, maquetas
Piedra de Sayhuite, Abancay
Taller en clase
Ejercicio
Diga a qu categora (mental o formal) pertenecen los siguientes
sistemas. Justifique la respuesta:
1. Opinin sobre el problema del gobierno en Venezuela.
2. Opinin sobre el nuevo ministro de Relaciones Laborales
escrito en El Comercio.
3. Dibujo hecho a mano acerca de la nueva casa.
4. Plano de la nueva casa.
5. Orden en que llegan los insumos a una mquina.
6. Distribucin de probabilidad del orden en que llegan los
insumos a una mquina.
7. Orden que sigue un documento para ser aprobado.
8. Flujograma de aprobacin de documentos.
MODELOS Y SISTEMAS
FUNCIN DE LOS MODELOS

El concepto de la representacin de algn objeto,
sistema o idea, con un modelo, es tan general que es
difcil clasificar todas las funciones que satisfacen los
modelos.
Cinco usos legtimos y comunes:

1.
2.
3.
4.
5.
Una ayuda para el pensamiento.

Una ayuda para la comunicacin.
Para entrenamiento e instruccin.
Una herramienta de prediccin.
Una ayuda para la experimentacin
13
Clasificacin de los modelos de

simulacin
Algunos de estos esquemas de clasificacin son los

siguientes:
1. Esttico vs. Dinmico
2. Determinstico vs. Estocstico
3. Discreto vs. Continuo
4. Fsico (o icnico) vs. analgico vs. simblico
Modelos estticos
Son aquellos que no toman en cuenta,

explcitamente, a la variable tiempo.
Ejemplo: costo de la cantidad de camas reservadas
(en un hospital)
Ej. Clculo de integrales definidas.
Modelos dinmicos
Los modelos dinmicos son una representacin de la
conducta dinmica de un sistema, Mientras un
modelo esttico involucra la aplicacin de una sola
ecuacin, los modelos dinmicos, por otro lado, son
reiterativos.
Los modelos dinmicos constantemente aplican sus
ecuaciones considerando cambios de tiempo.
Ej. Cinta transportadora en una fbrica.
Modelo determinstico
En stos ni las variables exgenas, ni las endgenas,
se obtienen por medio del azar, debido a que se
suponen relaciones exactas para las caractersticas de
operacin. Son variables con valores preestablecidos.
Es aquel en el cual se establecen las condiciones para
que al ejecutar el experimento se determine el
resultado.
Ej. Un sistema de Ecuaciones Diferenciales modelando
una reaccin qumica.
17
Modelos estocstico
Los valores de la o las variables, se obtienen al azar.
Es aquel en el cual informacin pasada, no permite la
formulacin de una regla para determinar el resultado
preciso de un experimento.
Ej. Banco.
Modelos continuos
En modelos continuos, el cambio de valores se basa

directamente en los cambios de tiempo.
La simulacin continua es anloga a un depsito en
donde el fluido que atraviesa una tubera es
constante. El volumen puede aumentar o puede
disminuir, pero el flujo es continuo.
Ej. Comportamiento global del trfico de una
autopista.
Modelos discretos
El estado de los cambios en los modelos slo se
dan cuando esos eventos ocurren.
La llegada de rdenes, o las partes que estn
siendo ensambladas, as como los clientes que
llaman.
Una fbrica que ensambla partes es un buen
ejemplo de un sistema de evento discreto. Las
entidades individuales (partes) son ensambladas
basadas en eventos (recibo o anticipacin de
rdenes).
Ej. Movimiento individual de los coches en una
autopista.
Modelos fsicos
Llamados as, debido a que se semejan al sistema en
estudio.
Durante muchos aos, los ingenieros han usado
modelos de tamao natural y han reducido y puesto a
escala a los mismos para probarlos. (NASA, lneas
areas comerciales)
Modelo analgico
Los modelos anlogos poseen algunas
propiedades similares a los objetos
representados pero sin ser una rplica
morfolgica de los mismos.
Un ejemplo de un modelo anlogo es un
mapa impreso que se construye mediante
un
conjunto
de
convenciones
cartogrficas, que conducen a un
resultado final claramente distinto del
objeto representado. Mediante esta
transformacin se persigue hacer legibles
propiedades tales como altitud, distancia,
localizacin fsica de objetos geogrficos,
sus relaciones importancia.
Modelos simblicos
Los modelos simblicos se
construyen mediante reglas
notablemente ms abstractas ya
que esta denominacin suele
aplicarse a los casos en los que el
objeto real se representa
mediante
una
codificacin
matemtica.
Un ejemplo de modelo simblico
es la representacin de un
edificio
mediante
la
identificacin y codificacin en
una estructura geomtrica de sus
elementos bsicos. El modelo as
construido permite la aplicacin
de algoritmos para, por ejemplo,
la estimacin de esfuerzos a los
que esta sometido.
Espectro continuo de modelos de

simulacin
Estructura de un modelo de
simulacin
Definir el sistema
Componentes
Entidades.
Atributos.
Actividades.
Eventos.
Variables de estado.
simulacin
Entidad: denota un objeto o componente de
inters en un sistema, por ejemplo, un cliente,
un servidor o una mquina.
Atributos: denota una propiedad de una
entidad, por ejemplo, la prioridad de los
clientes en la fila de espera.
simulacin
Actividades: todo proceso que provoque
cambios en el sistema se conocer como
actividad, Ejemplo: programar un nuevo
modulo en un sistema acadmico.
Eventos: Un evento es un hecho que ocurre
instantneamente y que cambia el estado del
sistema, como por ejemplo la llegada de un
nuevo cliente a un banco.
simulacin
Variables de estado:
Las variables de estado describen el estado de un sistema o uno
de sus componentes, ya sea al comienzo, al final o durante un
periodo.
Estas variables interaccionan con las variables exgenos del
sistema y con las endgenas, de acuerdo con las relaciones
funcionales supuestas para el sistema.
El valor de una variable de estado, durante un periodo particular
de tiempo, puede depender no solamente de los valores de una o
ms variables exgenos en algn periodo precedente, sino
tambin del valor de ciertas variables de salida en periodos
anteriores.
Caractersticas de los modelos

Abstracto
Enfatiza los elementos importantes y oculta los irrelevantes
Comprensible
Fcil de comprender por los observadores
Preciso
Representa de forma fiel el sistema que modela
Predictivo
Se pueden usar para deducir conclusiones sobre el sistema que modela
Barato
Mucho ms barato y sencillo de construir que el sistema que modela
Los modelos de ingeniera eficaces deben satisfacer todas estas

caractersticas.
EXPERIMENTAR
CON EL SISTEMA
REAL
FORMAS
DE
ESTUDIAR
UN
SISTEMA:
Modelo
fsico
EXPERIMENTAR CON UN
MODELO DEL SISTEMA
(VALIDACIN)
Solucin
analtica
Modelo
matemtico
Simulacin
30
Simulacin
La simulacin involucra el diseo de modelos de un sistema, llevando a cabo
experimentos en l.
El propsito de stos ("que pasa si") experimentos son determinar cmo el
sistema real realiza y predice el efecto de cambios al sistema a travs del
tiempo.
Por ejemplo, se acostumbra emplear la simulacin al contestar preguntas
como:
Qu efectos tiene un incremento en la tasa poblacional en una comunidad?
Qu pasara si aumento el nmero de programas para evitar que los nios

jvenes y adultos comentan robos?
VENTAJAS DE LA SIMULACION
Permite estudiar sistemas reales que no se pueden evaluar

analticamente.
Hace posible estimar el comportamiento de un sistema existente si
se modifican algunas de las condiciones de funcionamiento actuales.
Se pueden comparar distintas alternativas de diseo (o de formas
de operar de un sistema), para ver cual se comporta mejor.
Permite estudiar en poco tiempo la evolucin de un sistema en un
periodo largo de tiempo y al revs.
Se puede utilizar para validar un modelo analtico.
DESVENTAJAS DE LA SIMULACION
No produce resultados exactos, sino estimaciones. Esto
hace necesario el uso de tcnicas estadsticas.
Desarrollar un modelo de simulacin suele ser caro y
lleva tiempo.
Es difcil demostrar la validez del modelo. Si el modelo no
es vlido, los resultados son poco tiles.
Es difcil encontrar el ptimo: slo se puede encontrar el

mejor entre varias alternativas.
ERRORES MAS FRECUENTES EN LOS

ESTUDIOS DE SIMULACION
No tener bien definidos los objetivos al comienzo del
estudio.
Elegir un nivel de detalle inapropiado.
Tratar un estudio de simulacin como si fuera
principalmente un problema de programacin.
Confiar en simuladores que hacen la simulacin
accesible a todo el mundo.
Analizar los datos de salida a partir de una sola
ejecucin, tratndola como la solucin verdadera
Fallar en la comunicacin con las personas que
conocen realmente el sistema.
No modelizar correctamente las distintas fuentes de
aleatoriedad del sistema real.
Taller Nro. 3
Buscar en internet que herramientas existen para
realizar modelos y simulacin (al menos 5) y realizar
un breve anlisis de las mismas.
MTODOS, TCNICAS E INSTRUMENTOS DE

RECOLECCION DE INFORMACIN

RECOLECCION DE DATOS
Un buen instrumento determina en gran medida la calidad de la

informacin, siendo esta la base para las etapas subsiguientes y
para los resultados.
Desde el inicio de la investigacin se hace necesario decidir sobre
el enfoque a utilizar, lo que determina las caractersticas de todo
el estudio.
Para la eleccin y desarrollo del instrumento se debe tomar en
cuenta todos los momentos anteriores de la investigacin.
La metodologa utilizada en la recoleccin de datos debe estar
acorde con el enfoque terico conceptual que se ha desarrollado
en el resto del estudio.

Al momento de definir como se va a abordar la recoleccin

de los datos, se debe definir el tipo de informacin
requerida (cuantitativa, cualitativa o ambas).
Mtodo: Representa la estrategia concreta e integral de
trabajo para el anlisis de un problema o cuestin
coherente con la definicin terica del mismo y con los
objetivos de la investigacin.
Mtodo: Medio o camino a travs del cual se establece la
relacin entre el investigador y el consultado para la
recoleccin de los datos, se citan la observacin y la
encuesta.

Tcnica: conjunto de reglas y procedimientos que permiten al
investigador establecer la relacin con el objeto o sujeto de la
investigacin.
Instrumento: mecanismo que usa el investigador para recolectar y
registrar la informacin; formularios,pruebas, test, escalas de
opinin, listas de chequeo.
El mtodo orienta la tcnica, pueden existir distintas tcnicas de
recoleccin de informacin, pero no varios mtodos, sin ser
validados como tales.
El objetivo del mtodo es llegar a no tenerlo. Huazhuan.
En investigacin cuantitativa el investigador puede usar varias
tcnicas; entrevistas y cuestionarios, ayudados por entrevistas
grupales, historias de vida y observacin etnogrfica. (cualitativas)

El ideal es que el investigador internalize el mtodo para que

este se transforme en un quehacer natural.
Para la eleccin del mtodo, las tcnicas y los instrumentos
deberemos tener
Claramente definido que se busca, y ser creativos en el diseo del como
lo buscamos.
las fuentes de informacin: Primaria y Secundaria.
1- Fuentes Primarias: Se obtiene informacin por contacto

directo con el sujeto de estudio; por medio de observacin,
cuestionarios, entrevistas, etc.
2- Fuentes Secundarias: Informacin obtenida desde
documentos; historia clnica, expediente acadmico,
estadsticas, datos epidemiolgicos, Censo.
FUENTES DE INFORMACN
1- LA OBSERVACIN: Es el registro visual de lo que ocurre
en una situacin real, clasificado y consignando los datos
de acuerdo con algn esquema previsto y de acuerdo al
problema que se estudia.
Ventajas:
Permite obtener datos cuantitativos y cualitativos.
Se observan caractersticas y condiciones de los individuos.
Tambin conductas , actividades, caractersticas o factores
ambientales.
Puede ser utilizada en cualquier tipo de investigacin y en
cualquier rea del saber.
Es un mtodo que no depende de terceros o de registros; con ello
se eliminan sesgos y ambigedades.
LA OBSERVACIN
Desventajas:
Se requiere de mucha habilidad y agudeza para ver los fenmenos
estudiados.
Demanda gran cantidad de tiempo.
Tiene sesgos; el humano ve lo que quiere ver.
Al momento de la interpretacin pueden distorsiones los hechos e ir
ms all de lo que vimos en realidad.
Para reducir los problemas se utiliza:

Definir claramente los objetivos perseguidos.
Determinar claramente la unidad de observacin.
Las condiciones en que se asumir la observacin y las conductas que
debern registrarse.
LA OBSERVACIN
1- La Observacin Participante: El investigador se involucra total
o parcialmente con la actividad objeto de investigacin.
La observacin se hace desde el interior del grupo.
Pueden intervenir las emociones del investigador.
2- La Observacin NO Participante:El investigador no se involucra

en la actividad objeto de estudio.
Los datos pueden ser ms objetivos.
Al no integrarse al grupo los datos pueden no ser exactos, reales y
veraces.
Todos los errores de la observacin se pueden minimizar por

medio de una buena definicin operacional de las variables.
FORMAS DE OBSERVACIN
1-La Observacin Simple, No estructurada, No regulada, No
controlada: El investigador utiliza lineamientos generales parta
observar y luego escoge lo que estima relevante a los efectos
de la investigacin propuesta.
Fundamentalmente usada para estudios exploratorios.
2- La Observacin Sistemtica, estructurada, regulada o
controlada: El investigador dispone de un instrumento
estructurado y estandarizado para medir las variables en
estudio de una manera uniforme.
Utilizada para probar hiptesis en que se especifica claramente
que se estudia.
Se usan listas de cotejo, grabadoras, filmadoras, etc.
ERRORES RELACIONADOS CON LA OBSERVACIN
Cuando los fenmenos a observar no se dan de la

misma manera en todos los sujetos de observacin.
Cuando el observador tiene ideas prejuiciadas.
Cuando el instrumento no es valido o es poco exacto o
est mal definido.
LA ENCUESTA
Consiste en obtener informacin de los sujetos en
estudio, proporcionados por ellos mismos, sobre
opiniones, conocimientos, actitudes o sugerencias.
Existen dos maneras de obtener informacin:
1- La Entrevista: Las respuestas son formuladas
verbalmente y se necesita de la presencia del
entrevistador. y
2- El Cuestionario: Las respuestas son formuladas por
escrito y no se requiere de la presencia del investigador.
LA ENTREVISTA
Es la comunicacin interpersonal establecida entre el
investigador y el sujeto de estudio a fin de obtener
respuestas verbales a las interrogantes planteadas sobre el
problema propuesto.
Ventajas:
Es aplicable a toda persona,( muy til con analfabetos, nios o en
aquellos con alguna limitacin fsica o psicolgica),
Permite estudiar aspectos psicolgicos o de otra ndole donde se
desee profundizar en el tema.
Permite obtener informacin ms completa,
A travs de ella el investigador puede: Aclarar el propsito del
estudio, especificar claramente la informacin que necesita, aclarar
preguntas y permite usar triangulacin.
Permite captar mejor el fenmeno estudiado ya que permite observar
lenguaje no verbal.
TIPO DE ENTREVISTA
1- ENTREVISTA ESTRUCTURADA.
Se elabora un formulario estandarizado.

Idnticas preguntas y en el mismo orden a todos los sujetos.
Los sujetos eligen la respuesta de 2, 3 o pocas ms alternativas.
Los comentarios y explicaciones son los mismos para todos.
Ventajas:
Respuestas cortas y precisas.

Informacin fcil de procesar.
El entrevistador no requiere gran entrenamiento.
Informacin uniforme.
Desventajas:
La informacin puede ser muy superficial.
Limitada la posibilidad de profundizar en un aspecto determinado.
Difcil obtener informacin confidencial.
TIPO DE ENTREVISTA
2- ENTREVISTA NO ESTRUCTURADA.
Es flexible y abierta, pero regida por los objetivos de la investigacin.
Las preguntas, su contenido, orden y formulacin es controlado por el
investigador, el que puede adaptarlas dependiendo delas situaciones y
caractersticas de los sujetos en estudio.
El entrevistado tambin cuenta con libertad para dar sus respuestas.
Se utiliza un instrumento gua que contiene las orientaciones de los
temas a tratar.
Muy til para estudios exploratorios, descriptivos y cualitativos
Ventajas:
Adaptable y aplicable a toda clase de sujetos en diversas situaciones.
Permite profundizar en los temas de inters.
Orienta posibles hiptesis y variables cuando se exploran reas nuevas.
TIPO DE ENTREVISTA
Desventajas:
Requieren mucho tiempo.

Muy costosos por el tiempo de las entrevistas.
Limitado para personas con problemas de la palabra.
Dificultad para tabular datos que han sido recopilados de distinta forma.
Se requiere crear confianza y comodidad entre el entrevistado y el
entrevistador.
Se requiere habilidad tcnica para obtener la informacin y mayor
conocimiento respecto del tema.
Debido a que son entrevistas en profundidad habitualmente se utilizan
muestras pequeas.
CONSIDERACIONES PARA LAS ENTREVISTAS

Para evitar el rechazo o atrasos al aplicar entrevistas:
Establecer los contactos necesarios para el buen fin de las entrevistas.
Entrevistador debe estar bien capacitado. El entrevistador debe establecer
una buena comunicacin con el entrevistado, uso de vestuario adecuado,
lenguaje adecuado, escuchar adecuadamente, no apresurar al
entrevistado, etc.
Buen registro de la informacin a fin de poder interpretarla
adecuadamente.
El entrevistador debe:
Dejarle un mensaje positivo al entrevistado.

Jams dar consejos,
Jams hacer juicios morales,
Jams rebatir al entrevistado.
CUESTIONARIO
Mtodo que utiliza un instrumento o formulario impreso,
destinado a obtener respuestas sobre el problema en
estudio y que el sujeto investigado llena por s mismo.
El cuestionario puede aplicarse a grupos o individuos
estando presente el investigador.
Incluso puede enviarse por correo a los destinatarios.
Ventajas:
Costo relativamente bajo.
Proporciona informacin sobre un mayor nmero de personas en un
perodo breve.
Fcil para obtener, cuantificar, analizar e interpretar datos.
Menores requerimientos de personal capacitado.
Mayor posibilidad de mantener anonimato de los encuestados.
Eliminacin de los sesgos que introduce el encuestador.
CUESTIONARIO
Desventajas:
Es poco flexible, la informacin no puede variar ni profundizarse.
Si el cuestionario se enva por correo, es posible que no sean devueltos o que
no se obtengan respuestas.
No utilizable en personas que no saben leer ni escribir.
No permite aclarar dudas.
Resulta difcil obtener cuestionarios completamente contestados.
Se deben obtener grandes muestras.
En general, el proceso de recoleccin de informacin para una

investigacin, mtodos, tcnicas e instrumentos y las fuentes de
las mismas suelen combinarse, cada uno de ellos con sus ventajas
y desventajas.
PROBABILIDADES
Estadstica Inferencial
Cul es la probabilidad de aprobar la asignatura de modelos

ambientales?
Cul es la probabilidad de no sufrir un accidente cuando voy a

clases?
En este tema vamos a:
Estudiar qu entendemos por probabilidad.

Ver algunas reglas de clculo de probabilidades.
Ver cmo se aplican las probabilidades.
Tema 1: Probabilidades
Nociones de probabilidad
Hay dos maneras principales de entender la probabilidad:
Frecuentista (objetiva): Probabilidad de un suceso es la frecuencia

relativa (%) de veces que ocurrira el suceso al realizar un experimento
repetidas veces.
Subjetiva (bayesiana): Grado de certeza que se posee sobre un

suceso. Es personal.
En ambos tipos de definiciones aparece el concepto de

suceso. Vamos a recordar qu son y algunas operaciones
que se pueden realizar con sucesos.
E espacio muestral
Sucesos
Cuando se realiza un experimento aleatorio diversos resultados son
posibles.
El conjunto de todos los resultados posibles se llama espacio muestral y
se denota por E.
Se llama suceso a un subconjunto de dichos resultados.
E espacio muestral
Se llama suceso contrario (complementario) de un suceso A,

al formado por los elementos que no estn en A, se anota A
Se llama suceso unin de A y B, AUB, al formado por los resultados

experimentales que estn en A o en B (incluyendo los que estn
en ambos
Se llama suceso interseccin de A y B, AB o simplemente AB, al formado
por los resultados experimentales que estn simultneamente en A y B
E espacio muestral
A
E espacio muestral
UNIN
B
E espacio muestral
E espacio muestral
A
A
INTERSEC.
B
Definicin de probabilidad y prob. condicional
Se llama probabilidad a cualquier funcin, P, que asigna a cada

suceso A un nmero real P(A), verificando las siguientes reglas
(axiomas)
0P(A) 1
E espacio muestral
P(E)=1
100%
P(AUB)=P(A)+P(B) si A B=
E espacio muestral
A
B
es el conjunto vaco.
Se llama probabilidad de A condicionada a B, o probabilidad de A

sabiendo que ocurri B:
E espacio muestral
P( A B)
PB ( A) P( A / B)
P( B)
A
B
Intuir la probabilidad condicionada

A
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,10
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,08
Probabilidad de A sabiendo que ha pasado B?
P(A|B)=1
P(A|B)=0,8
Intuir la probabilidad condicionada

A
B
B
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,005
P(A) = 0,25
P(B) = 0,10
P(A B) = 0
Probabilidad de A sabiendo que ha pasado B?
P(A|B)=0,05
P(A|B)=0
Cualquier problema de probabilidad puede resolverse en teora mediante

aplicacin de los axiomas. Sin embargo, es ms cmodo conocer algunas
reglas de clculo:
P(A) = 1 - P(A)
P(AUB) = P(A) + P(B) - P(AB)
P(AB) = P(A) P(B|A)=P(B) P(B|A)
Dos sucesos son independientes si el hecho de que ocurra uno no afecta

la ocurrencia del otro. En lenguaje probabilstico:
Prob. de que ocurra A y B es la prob. de que ocurra A por la probabilidad de que ocurra B
sabiendo que ocurri A.
A y B independientes P(A|B) = P(A)
Dicho de otra forma:
A y B independientes P(A B) = P(A) P(B)
EJEMPLO: En una muestra de 1000 individuos elegidos al azar, entre

una poblacin de enfermos de osteoporosis 760 eran mujeres.
Qu porcentaje de mujeres hay en la muestra?
Si elegimos a un individuo de la poblacin, qu probabilidad hay de que

sea mujer:
(760/1000)*100=0,76*100=76%
La noc. frec. de prob. nos permite aproximarlo a P(Mujer)=076
Cul es la probabilidad de que elegido un individuo de la poblacin sea

hombre:
P(Hombre)=P(Mujer)=1-0,76=0,24
Se sabe de otros estudios que entre los individuos con osteoporosis, aprox.
la cuarta parte de las mujeres y la tercera parte de los hombres fuman.
Elegimos a un individuo al azar de la poblacin de enfermos.
Qu probabilidad hay de que sea mujer fumadora?
P(Mujer Fumar) = P(Mujer) P(Fumar|Mujer) = 0,76 x 0.25 = 0,19
Qu probabilidad hay de que sea un hombre fumador?
P(Hombre Fumar) = P(Hombre) P(Fumar|Hombre) = 0,24 x 1/3 = 0,08
Sistema exhaustivo y excluyente de sucesos

Particin medible de un espacio muestral
A1
A2
Son una coleccin de sucesos

A1, A2, A3, A4
Tales que la unin de todos ellos forman

el espacio muestral, y sus intersecciones
son disjuntas.
A3
A4
10
Divide y vencers
A2
A1
Todo suceso B, puede ser descompuesto

en componentes de dicho sistema.
B
B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )
A3
A4
Nos permite descomponer el problema B en

subproblemas ms simples. Creanlo . Funciona.
11
Probabilidad total
A2
A1
podemos calcular la probabilidad de B.
A3
Si conocemos la probabilidad de B en cada

uno de los componentes de un sistema
exhaustivo y excluyente de sucesos,
entonces
A4
P(B) = P(BA1) + P(BA2 ) + P( BA3 ) + P( BA4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) +
12
Ejemplo: En una aula el 70% de los alumnos son mujeres. De ellas

el 10% son fumadoras. De los varones, son fumadores el 20%.
Qu porcentaje de fumadores hay en total?
P(F) = P(FH) + P(FM)

= P(F|H) P(H) + P(F|M) P(M)
=0,2 x 0,3 + 0,1 x 0,7
= 0,13 =13%
Probabilidad Total.
Hombres y mujeres
forman
una particin del espacio
muestral
Se elije a un individuo al azar y resulta

fumador. Cul es la probabilidad de que sea un hombre?
P(H|F) = P(F H)/P(F)

= P(F|H) P(H) / P(F)
Mujeres
Varones
R. Bayes = 0x2 x 0,3 / 0,13
= 0,46 = 46%
fumadores
13
Expresin del problema en forma de arbol
0,1
Mujer
0,7
Fuma
0,9
No fuma
Estudiante
0,2
0,3
P(H | F) = 0,3x0,2/P(F)
Los caminos a travs de nodos
representan intersecciones.
Fuma
Hombre
Las bifurcaciones representan

uniones disjuntas.
0,8
No fuma
P(F) = 0,7 x 0,1 + 0,3x0,2
Se puedes resolver el problema

usando cualquier tcnica.
14
Regla de Bayes
A2
A1
Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces
si ocurre B, podemos calcular la
probabilidad (a posteriori) de ocurrencia
de cada Ai.
PB ( A i ) P( A i / B)
A3
P( A i B)
P( B)
A4
donde P(B) se puede calcular usando el teorema de la probabilidad total:
P(B)=P(BA1) + P(BA2 ) + P( BA3 ) + ( BA4 )
=P(B|A1) P(A1) + P(B|A2) P(A2) +

15
EJEMPLOS
16
Generacin de Nmeros
Seudo-Aleatorios
En la prctica ninguna funcin
produce datos aleatorios
verdaderos.
Las funciones producen nmeros
pseudo-aleatorios.
Generacin de Nmeros
Seudo-Aleatorios
Un elemento importante en simulacin es tener
rutinas que generen variables aleatorias con
distribuciones especficas: uniforme, normal, etc.
Para ello la base es generar una secuencia de
nmeros aleatorios distribuidos uniformemente entre
0 y 1.
Y para ello la clave es generar nmeros enteros

aleatorios y uniformemente distribuidos en un cierto
intervalo de una manera eficiente.
Tcnicas para generar nmeros

aleatorios
La mayora de los mtodos (generadores) comienzan

con un nmero inicial (semilla), a este nmero se le
aplica un determinado procedimiento y as se encuentra
el primer nmero random.
Usando este nmero como entrada, el procedimiento es
repetido para lograr un prximo nmero random.
Tcnicas para generar nmeros

aleatorios
Mtodo Del Cuadrado Medio: comienza con un nmero inicial (semilla).
Este nmero es elevado al cuadrado. Se escogen los dgitos del medio de este
nuevo nmero (segn los dgitos que se deseen) y se colocan despus del
punto decimal. Este nmero conforma el primer nmero random.
Ejemplo:
X0 = 5497
X02 = (5497)2 = 30,217,009 ===> X1 = 2170

R1 = 0.2170
X12 = (2170)2 = 04,708,900 ===> X2 = 7089
R2 = 0.7089
X22 = (7089)2 = 50,253,921 ===> X3 = 2539
Operacin mod
k mod m es el residuo de hacer la divisin de

k entre m
Sea x un entero grande

45 mod 12 =
(5+55x) mod 5 =
(5+55x) mod 11 =
5
Mtodo de la Congruencia Lineal
El nmero aleatorio se encuentra de la siguiente manera:

R = x /m
Ejercicio 1
a = 12
c= 0
Usar Excel para calcular los nmeros aleatorios

que se producen para m = 15, a = 12 y c = 0
con las semillas x0 = 0, hasta 14.
m = 15
x0
10
11
12
13
14
x1
x2
x3
x4
x5
x6
x7
x8
x9
x 10
x 11
x 12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
Ejercicio

Para x0 = 1: Cul es el perodo, la longitud es del

ciclo y la longitud de la cola ?.
R: 5, 4, 1.
10
Ejercicio
11

GCL Multiplicativos
Periodo completo = Cuando tiene el mximo periodo

posible, m 1.
Los hay con m potencia de 2 (m = 2k ) que son rpidos pues el
residuo en divisiones con potencia de 2 puede hacerse rpidamente.
Aunque tienen la desventaja que no son de periodo completo
pueden ser suficientes para muchas aplicaciones.
12
Cuando m no es potencia de 2 el generador es menos rpido; se

acostumbra elegir un nmero m que sea primo y la relacin entre m y
a debe ser especial para que el generador tenga un periodo
completo o al menos grande.
13
14
Ejercicio 2
Suponiendo que se utilice el generador de nmeros
seudo-aleatorios.
y que la semilla se escoge eligiendo al azar un entero

entre 1 y 26 1 inclusive, determine el promedio de
la longitud del periodo y su desviacin estndar.
15
Varianza y Desviacin Estndar

para una muestra de datos.
x X x n
Varianza:
S
2
i 1
Desviacin Estndar:
16
n 1
s s2
2
i
n 1
Ejercicio
1. Determina el rango, la varianza y la desviacin estndar para los
siguientes datos:
2
4
3
5
2
2
0
1
R = Rango 5; Varianza 2.5536 y Desviacin Estndar 1.5980

siguientes datos:
-2
-4
-3
-5
-2
-2
0
-1
17

siguientes datos:
6
12
9
15
6
6
0
3
Ejercicio
Frecuentemente se utilizan generadores de nmeros seudoaleatorios en forma encadenada; por ejemplo, el nmero que
sale de
xn+1 = (81 xn + 121) mod 255

es utilizado por
yn+1 = (625 xn+1 + 48) mod 63
18
para producir el nmero yn+1 que es el que se reporta.

Usando la semilla x0 = 23 y los datos anteriores, determine los
primeros 2 nmeros aleatorios generados (y1 y y2).
Otro ejercicio
Frecuentemente se utilizan generadores de nmeros seudoaleatorios en forma encadenada; por ejemplo, el nmero que
sale de
xn+1 = (45 xn + 71) mod 127

es utilizado por
yn+1 = (125 xn+1 + 11) mod 63
19
para producir el nmero yn+1 que es el que se reporta.

Usando la semilla x0 = 49 y los datos anteriores, determine los
primeros 2 nmeros aleatorios generados (y1 y y2).
Probando generadores de
nmeros aleatorios
Es importante asegurarse de que el generador usado
produzca una secuencia suficientemente aleatoria.
Para esto se somete el generador a pruebas
estadsticas. Si no pasa una prueba, podemos asumir
que el generador es malo. Pasar una prueba es una
condicin necesaria pero no suficiente. Un generador
puede pasar una prueba y luego no pasarla si se usa
otra semilla u otro segmento del ciclo.
20
Cmo sabemos que nuestro

generador es bueno?
PRUEBAS GRFICAS
Grfica de Serie de Tiempo.
Tablas de frecuencias e histogramas
PRUEBA ESTADSTICA
Prueba Ji-cuadrada
Usar el ejemplo: xn+1 = (75 xn) mod 231 1
Con semilla = 1, los primeros 200 nmeros generados.
21
Grfica de Serie de Tiempo

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
11
21
31
41
51
61
71
81
91
101 111 121 131 141 151 161 171 181 191 201
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
22
20
40
60
80
100
120
140
160
xn+1 = (75 xn) mod 231 1

Con semilla = 1, los primeros 200 nmeros generados
180
200
Es
importante
observar que
NO exista
ningn
patrn o
tendencia.
Cmo sabemos que nuestro

generador es bueno?
Cul de estas series de nmeros
parecen venir de un buen generador?
Generador Uniforme?
Generador Uniforme
1.25
random
1
0.75
0.5
0.25
0
-0.25 0
-0.5
1
0.8
0.6
0.4
0.2
0
0
23
50
100
Tabla de frecuencias e histograma

Intervalo Frecuencia
24
21
19
20
16
25
20
20
17
20
22
200
Histograma
30
25
Frecuencias
[0, 0.1)
[0.1, 0.2)
[0.2, 0.3)
[0.3, 0.4)
[0.4, 0.5)
[0.5, 0.6)
[0.6, 0.7)
[0.7, 0.8)
[0.8, 0.9)
[0.9, 1.0)
20
15
10
5
0
[0, 0.1) [0.1,
0.2)
[0.2,
0.3)
[0.3,
0.4)
[0.4,
0.5)
[0.5,
0.6)
Intervalo
[0.6,
0.7)
[0.7,
0.8)
[0.8,
0.9)
[0.9,
1.0)
Nmeros aleatorios entre 0 y 1

f(x)
1, 0 x 1
f(x) =
1
0, en otro caso
F(x)
0, x < 0
F(x) =
x, 0 x 1
1, x<1
25
Nmeros aleatorios entre 0 y 1

* La probabilidad de observar un valor en un particular intervalo es
independiente del valor previo observado.
* Todo punto en el rango tiene igual probabilidad de ser elegido.
* Si el intervalo (0,1) es dividido en n sub-intervalos de igual longitud, el
nmero esperado de observaciones en cada intervalo es N/n. (N nmero
de observaciones totales).
El objetivo de cualquier esquema de generacin (generador), es producir

una secuencia de nmeros entre 0 y 1 que simule las propiedades ideales
de distribucin uniforme y de independencia.
26
Prueba estadstica Ji-cuadrada

Esta es la prueba ms comnmente usada. En general, puede ser usada
para cualquier distribucin.
A partir de un histograma, se comparan las frecuencias observadas
con las frecuencias obtenidas de la distribucin especfica (frecuencias
esperadas).
Intervalo
I1
I2
Ik
27
Frecuencia
Observada
O1
O2
Ok
Total
Frecuencia
Esperada
E1
E2
Ek
Total

Hiptesis nula.
Ho: no hay diferencia entre frecuencias

observadas y esperadas.
Hiptesis alternativa. Ha o H1 : existe una diferencia entre
frecuencias observadas y esperadas.
Estadstico de prueba:
28
Si el ajuste es exacto, c02 es cero, pero por aleatoriedad no lo

ser. Se puede demostrar que tiene distribucin ji-cuadrado con
k-1 grados de libertad.
Distribucin Ji-cuadrada
29
Ejercicio:
Determine el 95 percentil de la distribucin ji-cuadrada con 6 grados de libertad.

Los grados de libertad son iguales a: nmero de filas - 1
Regin de Rechazo:
c c ,k 1
2
0
30
En esta prueba se debe

cuidar que las frecuencias
esperados sean mayores
o iguales a 5.

Ejercicio 3
Generador:
xn+1 = (75 xn) mod 231 1
Con semilla = 1, los primeros 200 nmeros generados.
Realizar la prueba estadstica ji-cuadrada para probar si los
valores vienen de una distribucin uniforme.
Usar nivel de significancia = = 0.05
Ho: Los valores provienen de una distribucin uniforme.
Ha: Los valores NO provienen de una distribucin uniforme.
31

Ejercicio 3
Frecuencia
Intervalo
Observada
[0, 0.1)
[0.1, 0.2)
[0.2, 0.3)
[0.3, 0.4)
[0.4, 0.5)
[0.5, 0.6)
[0.6, 0.7)
[0.7, 0.8)
[0.8, 0.9)
[0.9, 1.0)
Total
10
c
2
0
32
i 1
Frecuencia
Esperada
21
19
20
16
25
20
20
17
20
22
200
Oi Ei
20
20
20
20
20
20
20
20
20
20
200
(observado - esperado) 2
esperado
0.05
0.05
0
0.8
1.25
0
0
0.45
0
0.2
2.8
Ei
2.8
Estadstico de prueba

Ejercicio 3
Regin de Rechazo:
c c ,k 1
2
0
c2 ,k 1 c 02.05,9
16.919
33
2.8 no es mayor que 16.919,

por lo que el estadstico de
prueba NO cae en la regin
de rechazo.
Conclusin: Ho NO se rechaza.
Los valores generados s parecen
venir de una distribucin uniforme
Ejercicio 4
Generador:
xn+1 = (57 xn) mod 215 1
Con semilla = 1, considere los primeros 100 nmeros generados
entre 0 y 1.
Realizar la prueba estadstica ji-cuadrada para probar si los valores
vienen de una distribucin uniforme.
Usar 10 intervalos.
Usar nivel de significancia = = 0.05.
34
Ejercicio 5
Usando el mtodo del cuadrado medio y
semilla = 5896, se generaron los
primeros 80 nmeros aleatorios.
Realizar la prueba estadstica jicuadrada para probar si los valores
provienen de una distribucin uniforme.
Usar 8 intervalos y un nivel de
significancia = = 0.05.
35
Intervalo
Frecuencia
[0, 0.125)
[0.125, 0.25)
[0.25, 0.375)
[0.375, 0.5)
[0.5, 0.625)
[0.625, 0.75)
[0.75, 0.875)
[0.875, 1.0)
16
12
11
11
8
6
7
9
80
Ejercicio 6
Generador:
xn+1 = (57 xn) mod 215 1
Con semilla = 14, considere los primeros 100
nmeros generados entre 0 y 1.
Realizar la prueba estadstica ji-cuadrada
para probar si los valores vienen de una
distribucin uniforme.
Usar 8 intervalos.
Usar nivel de significancia = = 0.05.
36
Intervalo
Frecuencia
[0, 0.125)
[0.125, 0.25)
[0.25, 0.375)
[0.375, 0.5)
[0.5, 0.625)
[0.625, 0.75)
[0.75, 0.875)
[0.875, 1.0)
22
7
18
13
21
4
9
6
100
Generacin de variables
aleatorias discretas
Suponga que un determinado fenmeno aleatorio tiene la
siguiente distribucin de probabilidad:
Variable
18 cm.
37
Probabilidad Acumulada
0.3
0.3
19 cm.
0.4
0.7
20 cm.
0.3
0 R 0.3
entonces x = 18 grs.
0.3 < R 0.7
0.7 < R 1
Para esto, se necesitan nmeros aleatorios R entre 0 y 1.
Ejercicio 7
Usar el generador:
xn+1 = (57 xn) mod 215 1
Con semilla = 1.
a) Generar 100 valores de la distribucin:

Variable
18 cm.
38
Probabilidad
0.3
19 cm.
0.4
20 cm.
0.3
b) Utilizar la prueba ji-cuadrada para decidir si los valores

generados realmente parecen tener la distribucin de
probabilidad anterior ( = 0.05).
c) Usar 20 semillas y observar en cuntos casos la prueba se
rechaza.
Nmeros aleatorios con distribucin

normal
En Excel.
=NORMINV(RAND(),500,50)
aleatorio entre 0 y 1 media desv. std.
(puedes usar tu
propio generador)
39
Ejercicio 8
Usar el generador:
xn+1 = (59 xn) mod 217 1
Con semilla = matrcula menor del equipo.
a) Generar 500 valores de la distribucin uniforme continua entre 0 y 1 con el

generador.
b) Usar esos valores para generar 500 nmeros aleatorios de la distribucin
normal con media 100 y desviacin estndar 16 (distribucin del puntaje de
IQ).
c) Utilizar la prueba ji-cuadrada para decidir si los valores generados realmente

parecen tener la distribucin normal ( = 0.01).
En la tabla de frecuencias, calcular a mano 3 frecuencias esperadas (mostrar
procedimiento usando editor de ecuaciones). Escribir conclusin (s o no se
trata de un buen generador de nmeros normales).
d) Construir el histograma de frecuencias observadas y el histograma de
frecuencias esperadas.
40
e) Usar 20 semillas y observar en cuntos casos la prueba se rechaza. Indicar

qu semillas se usaron y cul fue el valor del estadstico en cada caso.
Teora de Modelos y Simulacin

Enrique Eduardo Tarifa
Facultad de Ingeniera - Universidad Nacional de Jujuy
Introduccin a la Simulacin
Introduccin
Cuando alguien tiene la responsabilidad de conducir un sistema dado, como por ejemplo: un
banco, una ciudad, un sistema de transporte, etc., debe tomar continuamente decisiones acerca
de las acciones que ejecutar sobre el sistema. Estas decisiones deben ser tales que la
conducta resultante del sistema satisfaga de la mejor manera posible los objetivos planteados.
Para poder decidir correctamente es necesario saber cmo responder el sistema ante una
determinada accin. Esto podra hacerse por experimentacin con el sistema mismo; pero
factores de costos, seguridad y otros hacen que esta opcin generalmente no sea viable. A fin
de superar estos inconvenientes, se reemplaza el sistema real por otro sistema que en la
mayora de los casos es una versin simplificada. Este ltimo sistema es el modelo a utilizar
para llevar a cabo las experiencias necesarias sin los inconvenientes planteados anteriormente.
Al proceso de experimentar con un modelo se denomina simulacin. Al proceso de disear el
plan de experimentacin para adoptar la mejor decisin se denomina optimizacin. Si el plan
de experimentacin se lleva a cabo con el solo objeto de aprender a conducir el sistema,
entonces se denomina entrenamiento o capacitacin.
En este punto, es conveniente plantear las siguientes definiciones:
Sistema: Conjunto de objetos o ideas que estn interrelacionados entre s como una
unidad para la consecucin de un fin (Shannon, 1988). Tambin se puede definir como
la porcin del Universo que ser objeto de la simulacin.
Modelo: Un objeto X es un modelo del objeto Y para el observador Z, si Z puede
emplear X para responder cuestiones que le interesan acerca de Y (Minsky).
Simulacin: Simulacin es el proceso de disear un modelo de un sistema real y
llevar a cabo experiencias con l, con la finalidad de aprender el comportamiento del
sistema o de evaluar diversas estrategias para el funcionamiento del sistema (Shannon,
1988).
Aplicaciones de la simulacin
La simulacin es conveniente cuando:
No existe una formulacin matemtica analticamente resoluble. Muchos sistemas
reales no pueden ser modelados matemticamente con las herramientas actualmente
disponibles, por ejemplo la conducta de un cliente de un banco.
Existe una formulacin matemtica, pero es difcil obtener una solucin analtica. Los
modelos matemticos utilizados para modelar un reactor nuclear o una planta qumica
son imposibles de resolver en forma analtica sin realizar serias simplificaciones.
Teora de Modelos y Simulacin. Introduccin a la Simulacin.
No existe el sistema real. Es problema del ingeniero que tiene que disear un sistema
nuevo. El diseo del sistema mejorar notablemente si se cuenta con un modelo
adecuado para realizar experimentos.
Los experimentos son imposibles debido a impedimentos econmicos, de seguridad,
de calidad o ticos. En este caso el sistema real esta disponible para realizar
experimentos, pero la dificultad de los mismos hace que se descarte esta opcin. Un
ejemplo de esto es la imposibilidad de provocar fallas en un avin real para evaluar la
conducta del piloto, tampoco se puede variar el valor de un impuesto a para evaluar la
reaccin del mercado.
El sistema evoluciona muy lentamente o muy rpidamente. Un ejemplo de dinmica
lenta es el problema de los cientficos que estudian la evolucin del clima. Ellos deben
predecir la conducta futura del clima dadas las condiciones actuales, no pueden
esperar a que un tornado arrase una ciudad para luego dar el mensaje de alerta. Por el
contrario, existen fenmenos muy rpidos que deben ser simulados para poder
observarlos en detalles, por ejemplo una explosin.
Entre las posibles desventajas de la simulacin se pueden citar:

El desarrollo de un modelo puede ser costoso, laborioso y lento.
Existe la posibilidad de cometer errores. No se debe olvidar que la experimentacin se
lleva a cabo con un modelo y no con el sistema real; entonces, si el modelo est mal o
se cometen errores en su manejo, los resultados tambin sern incorrectos.
No se puede conocer el grado de imprecisin de los resultados. Por lo general el
modelo se utiliza para experimentar situaciones nunca planteadas en el sistema real,
por lo tanto no existe informacin previa para estimar el grado de correspondencia
entre la respuesta del modelo y la del sistema real.
Actualmente la simulacin presta un invalorable servicio en casi todas las reas posibles,
algunas de ellas son:
Procesos de manufacturas: Ayuda a detectar cuellos de botellas, a distribuir
personal, determinar la poltica de produccin.
Plantas industriales: Brinda informacin para establecer las condiciones ptimas de
operacin, y para la elaboracin de procedimientos de operacin y de emergencias.
Sistemas pblicos: Predice la demanda de energa durante las diferentes pocas del
ao, anticipa el comportamiento del clima, predice la forma de propagacin de
enfermedades.
Sistemas de transportes: Detecta zonas de posible congestionamiento, zonas con
mayor riesgo de accidentes, predice la demanda para cada hora del da.
Construccin: Predice el efecto de los vientos y temblores sobre la estabilidad de los
edificios, provee informacin sobre las condiciones de iluminacin y condiciones
ambientales en el interior de los mismos, detecta las partes de las estructuras que
deben ser reforzadas.
Diseo: Permite la seleccin adecuada de materiales y formas. Posibilita estudiar la
sensibilidad del diseo con respecto a parmetros no controlables.
Educacin: Es una excelente herramienta para ayudar a comprender un sistema real
debido a que puede expandir, comprimir o detener el tiempo, y adems es capaz de
brindar informacin sobre variables que no pueden ser medidas en el sistema real.
Capacitacin: Dado que el riesgo y los costos son casi nulos, una persona puede
utilizar el simulador para aprender por s misma utilizando el mtodo ms natural para
aprender: el de prueba y error.
La importancia de la Simulacin es evidente al considerar el impacto que tuvieron algunos

trabajos, como ser:
La Perestroyka: Estudios de simulacin efectuados en Rusia en las dcadas del 70 y
80 convencieron a los dirigentes de la necesidad de plantear un fuerte cambio en la
economa de ese pas.
La cada de la bolsa de New York en 1988: La utilizacin de programas de
simulacin por parte de los corredores de la bolsa caus una falsa inestabilidad que
provoc la cada.
El regreso del Apolo 13: La simulacin jug un rol fundamental en la determinacin
del plan de emergencia. La nave retorn con xito a pesar de las graves averas.
Los Voyagers: Gracias a la simulacin se pudieron establecer los itinerarios ptimos
para estas naves con un mnimo consumo de energa aprovechando la atraccin
gravitacional de los planetas.
Proyecto Monte Carlo: Von Newman y Ulam (1945) emplearon simulacin para
estudiar reacciones nucleares.
Los modelos del planeta: Algunos plantean la posibilidad de un calentamiento global
debido al efecto invernadero. Otros plantean la posibilidad de un enfriamiento y
predicen una nueva era glaciar.
Capacitacin de tropas: En el operativo Tormenta del desierto llevado a cabo en la
guerra contra Irak, las tropas de todas las fuerzas estadounidenses que participaron
(fuerza area, marina y ejrcito) fueron entrenadas con simuladores.
Capacitacin de policas: Se utiliza entornos virtuales para que el polica aprenda a
conducirse en situaciones de riesgo.
Simuladores de vuelos: Fue una de las primeras aplicaciones de los simuladores.
Actualmente se utilizan para entrenar pilotos de aviones comerciales y de combate.
Tipos de simulacin
De acuerdo a la naturaleza del modelo empleado, la simulacin puede ser por (Fishman,
1978):
Identidad: Es cuando el modelo es una rplica exacta del sistema en estudio. Es la
que utilizan las empresas automotrices cuando realizan ensayos de choques de
automviles utilizando unidades reales.
Cuasi-identidad: Se utiliza una versin ligeramente simplificada del sistema real. Por
ejemplo, los entrenamientos militares que incluyen movilizacin de equipos y tropas
pero no se lleva a cabo una batalla real.
Laboratorio: Se utilizan modelos bajo las condiciones controladas de un laboratorio.
Se pueden distinguir dos tipos de simulaciones:
o Juego operacional: Personas compiten entre ellas, ellas forman parte del
modelo, la otra parte consiste en computadoras, maquinaria, etc. Es el caso de
una simulacin de negocios donde las computadoras se limitan a recolectar la
informacin generada por cada participante y a presentarla en forma ordenada
a cada uno de ellos.
o Hombre-Mquina: Se estudia la relacin entre las personas y la mquina. Las
personas tambin forman parte del modelo. La computadora no se limita a
recolectar informacin, sino que tambin la genera. Un ejemplo de este tipo de
simulacin es el simulador de vuelo.
Simulacin por computadora: El modelo es completamente simblico y est

implementado en un lenguaje computacional. Las personas quedan excluidas del
modelo. Un ejemplo es el simulador de un sistema de redes de comunicacin donde la
conducta de los usuarios est modelada en forma estadstica. Este tipo de simulacin a
su vez puede ser:
o Digital: Cuando se utiliza una computadora digital.
o Analgica: Cuando se utiliza una computadora analgica. En este grupo
tambin se pueden incluir las simulaciones que utilizan modelos fsicos.
El simulador por computadora

Este libro se centrar en la simulacin por computadoras. Un simulador por computadora est
compuesto por las siguientes partes:
Un modelo: Es un modelo simblico. Puede ser un conjunto de ecuaciones, reglas
lgicas o un modelo estadstico.
El evaluador: Es el conjunto de procedimientos que procesarn el modelo para
obtener los resultados de la simulacin. Puede contener rutinas para la resolucin de
sistemas de ecuaciones, generadores de nmeros aleatorios, rutinas estadsticas, etc.
La interfaz: Es la parte dedicada a interactuar con el usuario, recibe las acciones del
mismo y presenta los resultados de la simulacin en una forma adecuada. Esta unidad
puede ser tan compleja como la cabina utilizada en los simuladores de vuelos
profesionales.
Resolucin analtica vs. simulacin

Algunos modelos simblicos pueden resolverse analticamente. La ventaja de una solucin
analtica es que da una visin integral sobre la conducta del sistema. Variando sus parmetros
es posible identificar fcilmente cambios importantes en el comportamiento, detectar puntos
crticos y sacar conclusiones generales para el tipo de sistema analizado. Por ejemplo, la
solucin analtica del movimiento pendular permite concluir que el periodo (T) de cualquier
pndulo es independiente de la posicin inicial, pero depende de la longitud (l) del mismo:
l
T =
(1)
g
En el caso del movimiento de un resorte, variando el coeficiente de friccin se puede
identificar dos tipos de respuestas caractersticas: la oscilatoria (con friccin nula) y la
oscilatoria amortiguada (con friccin no nula).
Cuando se desea calcular las races del polinomio cuadrtico:
P( x) = a x 2 + b x + c
se dispone de la siguiente solucin analtica:
b b2 4 a c
x1,2 =
2a
(2)
(3)
Esta solucin analtica permite calcular fcilmente las nuevas races cuando se varan los
coeficientes del polinomio. Tambin, es claro que habr problemas cuando el argumento de la
raz cuadrada se haga negativo.
Sin embargo, no siempre es posible obtener una solucin analtica, ya sea por la naturaleza del
modelo o de los experimentos que se desean realizar. En este caso, el modelo deber ser
tratado por algn tipo de mtodo numrico. Esto es, el modelo ser resuelto para un caso
particular, y la solucin ser un nmero, un vector o una matriz; pero no se tendr una funcin
analtica. Debido a esto, el anlisis de los resultados es ms complejo que el requerido por una
solucin analtica. A continuacin se da un ejemplo utilizando la simulacin de Monte Carlo.
Simulacin de Monte Carlo

La simulacin de Monte Carlo es un mtodo que emplea nmeros aleatorios uniformemente
distribuidos en el intervalo [0,1] que es utilizado para resolver problemas donde la evolucin
con el tiempo no es de importancia. A continuacin, se analizarn dos ejemplos para
comparar una solucin analtica con una solucin obtenida por simulacin.
Determinacin del rea de una figura

Cuando se desea calcular el rea de un crculo de radio r = 10 cm no existen mayores
problemas, ya que tanto el rea a como su permetro p pueden evaluarse analticamente con
las siguientes frmulas:
a = r2
(4)
p = 2 r
(5)
En este caso la solucin es a = 314.16 cm2 y p = 62.83 cm.

Sin embargo, cuando se desea determinar el rea de una forma irregular, por ejemplo la
superficie plana de Argentina, el problema debe necesariamente ser resuelto con un mtodo
numrico; es decir, simulacin. La determinacin del rea del crculo utilizando la simulacin
de Monte Carlo implica la siguiente secuencia:
1. Crear un cuadrado de lado 2.r que encierre al crculo (Figura 1).
2. Colocar n puntos al azar dentro del cuadrado.
3. Asignar a c el nmero de puntos que quedaron dentro del crculo.
4. Como la probabilidad de colocar un punto dentro del crculo es igual al cociente del
rea del crculo dividida el rea del cuadrado, el rea del crculo se puede estimar en
funcin del rea del cuadrado (fcilmente calculable) con:
( )
c
c
a crculo = a cuadrado= 4r 2
n
n
(6)
Figura 1: Determinacin del rea de un crculo
Es importante notar que para un dado n, el resultado ser distinto cada vez que se realice la
simulacin. Es decir, que el resultado ser un nmero aleatorio. A medida que n aumente, la
varianza del resultado disminuir y el valor medio se aproximar a la solucin analtica. Para
un n = 100, el resultado de una simulacin es 320 cm2; mientras que para n = 10000, un
resultado es 313 cm2.
El mismo principio se puede aplicar para figuras complejas como se muestra en la Figura 2.
Conociendo la escala, se puede fijar un cuadrado arbitrario y calcular el rea de Argentina.
Sin embargo, la determinacin del permetro de la figura es un problema de mayor magnitud
para el cual se necesita recurrir a la teora de fractales.
Figura 2: Determinacin del rea de una figura compleja.
Evaluacin de integrales
Suponga que se desea evaluar la siguiente integral que no tiene solucin analtica:
I = g ( x) dx
b
(7)
Si bien para este caso en particular existen mejores mtodos para hacerlo, cuando se deben
resolver integrales mltiples con integrandos mal condicionados la simulacin de Monte
Carlo puede ser una buena alternativa.
Suponga que x es un nmero aleatorio con distribucin uniforme continua en el intervalo
[a,b], f(x) es la correspondiente funcin de densidad de probabilidad que es igual a 1/(b-a);
entonces, el nmero y = g(x) es tambin un nmero aleatorio cuyo valor medio (E(y) o y)
est dado por:
b
b
b
1
1
I
E ( y) = g ( x) f ( x) dx = g ( x )
dx =
g ( x) dx =
(8)
a
a
ba
b a a
ba
Por lo tanto:
I = (b a ) E(y )
(9)
Sin embargo, E(y) no es conocido; slo puede ser estimado con el promedio de una muestra.
Por el mismo motivo, I slo puede ser estimado por el nmero aleatorio Y que se calcula de la
siguie nte manera:
n
Y = (b a )
yi
i =1
g (x )
= (b a ) i =1
(10)
Note que E(Y) = I y Var(Y) = (b-a).Var(y)/n, donde Var(y) (o y2) es la varianza de y.

La Tabla 1 muestra los resultados obtenidos para la siguiente integral:
I = sen( x) dx
0
(11)
La solucin analtica es igual a 2.

Tabla 1: Integral con simulacin de Monte Carlo.
n
Y
10
2.213
20
1.951
40
1.948
80
1.989
160
1.993
Etapas de una simulacin

En el desarrollo de una simulacin se pueden distinguir las siguientes etapas (Banks et al.,
1996):
Formulacin del problema: En este paso debe quedar perfectamente establecido el
objeto de la simulacin. El cliente y el desarrollador deben acordar lo ms
detalladamente posible los siguientes factores: los resultados que se esperan del
simulador, el plan de experimentacin, el tiempo disponible, las variables de inters, el
tipo de perturbaciones a estudiar, el tratamiento estadstico de los resultados, la
complejidad de la interfaz del simulador, etc. Se debe establecer si el simulador ser
operado por el usuario o si el usuario slo recibir los resultados. Finalmente, se debe
establecer si el usuario solicita un trabajo de simulacin o un trabajo de optimizacin.
Definicin del sistema: El sistema a simular debe estar perfectamente definido. El
cliente y el desarrollador deben acordar dnde estar la frontera del sistema a estudiar
y las interacciones con el medioambiente que sern consideradas.
Formulacin del modelo: Esta etapa es un arte y ser discutida ms adelante. La
misma comienza con el desarrollo de un modelo simple que captura los aspectos
relevantes del sistema real. Los aspectos relevantes del sistema real dependen de la
formulacin del problema; para un ingeniero de seguridad los aspectos relevantes de
un automvil son diferentes de los aspectos considerados por un ingeniero mecnico
para el mismo sistema. Este modelo simple se ir enriqueciendo como resultado de
varias iteraciones.
Coleccin de datos: La naturaleza y cantidad de datos necesarios estn determinadas
por la formulacin del problema y del modelo. Los datos pueden ser provistos por
registros histricos, experimentos de laboratorios o mediciones realizadas en el
sistema real. Los mismos debern ser procesados adecuadamente para darles el
formato exigido por el modelo.
Implementacin del modelo en la computadora: El modelo es implementado
utilizando algn lenguaje de computacin. Existen lenguajes especficos de simulacin
que facilitan esta tarea; tambin, existen programas que ya cuentan con modelos
implementados para casos especiales.
Verificacin: En esta etapa se comprueba que no se hayan cometidos errores durante
la implementacin del modelo. Para ello, se utilizan las herramientas de debugging
provistas por el entorno de programacin.
Validacin: En esta etapa se comprueba la exactitud del modelo desarrollado. Esto se
lleva a cabo comparando las predicciones del modelo con: mediciones realizadas en el
sistema real, datos histricos o datos de sistemas similares. Como resultado de esta
etapa puede surgir la necesidad de modificar el modelo o recolectar datos adicionales.
Diseo de experimentos: En esta etapa se decide las caractersticas de los
experimentos a realizar: el tiempo de arranque, el tiempo de simulacin y el nmero
de simulaciones. No se debe incluir aqu la elaboracin del conjunto de alternativas a
probar para seleccionar la mejor, la elaboracin de esta lista y su manejo es tarea de la
optimizacin y no de la simulacin. Debe quedar claro cuando se formula el problema
si lo que el cliente desea es un estudio de simulacin o de optimizacin.
Experimentacin: En esta etapa se realizan las simulaciones de acuerdo el diseo

previo. Los resultados obtenidos son debidamente recolectados y procesados.
Interpretacin: Se analiza la sensibilidad del modelo con respecto a los parmetros
que tienen asociados la mayor incertidumbre. Si es necesario, se debern recolectar
datos adicionales para refinar la estimacin de los parmetros crticos.
Implementacin: Conviene acompaar al cliente en la etapa de implementacin para
evitar el mal manejo del simulador o el mal empleo de los resultados del mismo.
Documentacin: Incluye la elaboracin de la documentacin tcnica y manuales de
uso. La documentacin tcnica debe contar con una descripcin detallada del modelo
y de los datos; tambin, se debe incluir la evolucin histrica de las distintas etapas del
desarrollo. Esta documentacin ser de utilidad para el posterior perfeccionamiento
del simulador.
Sistemas
Un sistema es una seccin de la realidad que es el foco primario de un estudio y est
compuesto de componentes que interactan con otros de acuerdo a ciertas reglas dentro de
una frontera identificada para el propsito del estudio. Un sistema puede realizar una funcin
que no es realizable por sus componentes individuales.
Los objetos o componentes que forman parte del sistema se denominan entidades, por
ejemplo: un auto est compuesto por un motor, ruedas, carrocera, etc. Estas entidades poseen
propiedades denominadas atributos, por ejemplo: la potencia del motor, y se relacionan entre
s a travs de relaciones o funciones. Estas relaciones pueden ser:
Estticas o estructurales: un auto posee cuatro ruedas.
Dinmicas o funcionales: un auto consume nafta si se enciende el motor.
Los valores asumidos por los atributos de las entidades en un momento dado determinan el
estado del sistema. El estado puede ser esttico o estacionario, esto significa que se mantiene
constante en el tiempo; o por el contrario, puede ser dinmico o transitorio si evoluciona con
el tiempo. Un sistema puede presentar los dos tipos de conductas; generalmente, cuando inicia
su funcionamiento pasa por un estado dinmico y luego alcanza un estado estacionario o de
rgimen.
Un estado estacionario es estable si el sistema retorna a l luego de una perturbacin. Por el
contrario, un estado estacionario es inestable si el sistema se aleja de l luego de una
perturbacin. Este alejamiento puede dar lugar a una respuesta acumulativa (crece o decrece
continuamente, o alcanza otro estado estacionario) o a una respuesta oscilatoria (crece y
decrece continuamente). Un ejemplo de estado estable, es un pndulo en su posicin de
reposo; en cambio, el pndulo invertido es un ejemplo de estado inestable. Si el pndulo no
tiene friccin, la respuesta a una perturbacin ser oscilatoria; en cambio, si existe friccin la
respuesta ser amortiguada.
Los atributos tambin se denominan variables o parmetros (Figura 3). Los parmetros (P)
son atributos que se fijaron durante el diseo del sistema ya sea por el diseador o por la
naturaleza, por ejemplo: la cilindrada del motor, la aceleracin de la gravedad. Las variables
se clasifican a su vez en:
Variables de entrada o exgenas: Son fijadas por el medioambiente del sistema.
Pueden ser manipulables (U) -se fijan a voluntad- o no (D). Un ejemplo del primer
caso es la posicin del pedal del acelerador, y del segundo caso es la velocidad del
viento. Una variable de entrada no manipulable se denomina perturbacin.
Variables de salida (Y): Son las variables de estado, o combinacin de ellas, que son
medidas o traspasan la frontera del sistema.
Variables internas: Son las variables del sistema que no son ni de entrada, ni de
salida, ni parmetros.
Variables de estado (X): Conforman el conjunto mnimo de variables internas del
sistema necesarias para describir completamente su estado interno.
P
U
Figura 3: Variables de un sistema.
A continuacin se analiza el calentador elctrico de agua mostrado en la Figura 4, se supone

que la potencia del mismo no es suficiente para llegar al punto de ebullicin. La clasificacin
correspondiente es:
Parmetros: el voltaje V, la resistencia Rc, las dimensiones del recipiente, el
coeficiente global de transferencia de calor U, la capacidad calorfica del agua Cp, el
espesor del cable, etc.
Variables de entrada manipulables: la posicin del interruptor p, el caudal de la
corriente de entrada Fe y su temperatura Te, el caudal de la corriente de salida Fs.
Variables de salida: la temperatura Tm indicada por el termmetro, la potencia
disipada Wd, la temperatura de la corriente de salida Ts.
Variables de estado: la masa de agua M, la temperatura del lquido T. Note que la
intensidad I y la potencia de calentamiento W son variables internas del sistema; pero
no son de estado porque pueden calcularse a partir del resto de las variables. Entonces,
ellas no pertenecen al conjunto mnimo de variables que deben ser especificado y, por
lo tanto, no son variables de estado. En cambio, los valores iniciales de M y T deben
ser especificados para que el estado del sistema quede completamente determinado.
Perturbaciones: la temperatura ambiente Ta.
Fs,Ts
Ta
Tm
Fe,Te
Wd
M,T
V
I
Rc,W
Figura 4: Calentador elctrico.
Durante la operacin del sistema se podrn observar los siguientes estados:

Estado inicial: El interruptor est abierto, el recipiente vaco, no entra ni sale lquido.
El estado del sistema no vara durante esta etapa. Es un estado estacionario.
Carga de agua: Se hace Fe > 0, el recipiente recibe agua y M aumenta continuamente
durante esta etapa. Es un estado dinmico.
Recipiente lleno: Cuando el nivel del agua es el deseado se interrumpe la
alimentacin. Nuevamente el sistema est en un estado estacionario.
Calentamiento: Una vez alcanzado el nivel de agua deseado, se cierra el interruptor.
La temperatura T del agua aumenta continuamente. Es un estado dinmico.
Rgimen: a medida que aumenta la temperatura del sistema, la potencia disipada hacia
el exterior Wd tambin aumenta. Esta potencia adems depende de Ta, de las
dimensiones del recipiente y de U. Cuando la potencia disipada iguala a la potencia W
de calentamiento, la temperatura del sistema adopta tambin un valor constante. De
este modo, el sistema alcanza un nuevo estado estacionario.
Descarga de agua: Alcanzada la temperatura deseada y mantenida durante el tiempo
requerido, se abre el interruptor y el sistema se descarga haciendo Fs > 0. M
disminuye continuamente hasta valer cero. La temperatura tambin disminuye. Se
trata de un estado dinmico que culmina cuando el sistema est completamente vaco
retornando a su estado inicial.
Clasificacin de sistemas
De acuerdo a su naturaleza, un sistema puede ser (Law and Kelton, 1991):
Determinstico: Si el sistema no contiene ningn elemento aleatorio es un sistema
determinstico. En este tipo de sistema, las variables de salidas e internas quedan
perfectamente determinadas al especificar las variables de entrada, los parmetros y
las variables de estado. Es decir, las relaciones funcionales entre las variables del
sistema estn perfectamente definidas. El calentador elctrico estudiado es un sistema
determinstico.
Estocstico: En este caso algn elemento del sistema tiene una conducta aleatoria.
Entonces, para entradas conocidas no es posible asegurar los valores de salida. Un
ejemplo de sistema estocstico es una mquina tragamonedas en la cual una misma
accin (tirar la palanca) genera un resultado incierto (ganar o perder). Cuando un
sistema determinstico es alimentado con entradas estocsticas, la respuesta del
sistema es tambin estocstica. Por ejemplo, la temperatura ambiente es una variable
estocstica que afecta la respuesta del calentador elctrico. En el mundo real, los
sistemas siempre tienen elementos estocsticos ya sea por su propia naturaleza o
porque son fenmenos no comprendidos actualmente; por ejemplo, a un caverncola le
poda parecer que las eclipses eran fenmenos aleatorios, hoy ellas son predichas. Sin
embargo, se puede considerar a un sistema real con un sistema determinstico si su
incertidumbre es menor que un valor aceptado.
Continuo: Se tiene un sistema continuo cuando las relaciones funcionales entre las
variables del sistema slo permiten que el estado evolucione en el tiempo en forma
continua (basta que una variable evolucione continuamente). Matemticamente, el
estado cambia en infinitos puntos de tiempo. El recipiente del calentador es un
subsistema continuo porque tanto M como T evolucionan en forma continua durante la
operacin del sistema.
Discreto: Se tiene un sistema discreto cuando las relaciones funcionales del sistema
slo permiten que el estado vare en un conjunto finito (contable) de puntos
temporales. Las causas instantneas de los cambios de estados se denominan eventos.
10
El interruptor del calentador es un subsistema discreto porque la intensidad I slo

puede variar en los instantes que se abre o se cierra el interruptor. La apertura y el
cierre del interruptor son eventos. Un sistema continuo puede comportarse en forma
discreta si las entradas son discretas. Los sistemas reales son combinaciones de
continuos y discretos. La forma de tratarlos se adopta de acuerdo a la caracterstica
dominante.
Modos de simulacin
Como ya se plante anteriormente, cuando se simula se experimenta con un modelo para
obtener ciertos resultados. Un modelo es tambin un sistema, y de acuerdo al tipo de variables
de salida del modelo el modo de simulacinser (Figura 5):
Anlisis: Es el modo ms empleado, en l las variables de salida del modelo
representan a las variables de salida del sistema real. Este modo se utiliza para estimar
la respuesta del sistema real ante entradas especificadas. Debido a que imita un
sistema que realmente funciona, el modelo es matemticamente ms estable y se
asegura la existencia de una solucin.
Diseo: En este modo las salidas del modelo representan a los parmetros del sistema
real. Se utiliza en la etapa de diseo de un equipo donde el problema es determinar los
parmetros para los cuales el sistema producir las salidas deseadas para las entradas
especificadas.
Control: Las variables de salida del modelo representan a las variables de entrada del
sistema real. Este modo sirve para determinar los valores que debern adoptar las
entradas del sistema para producir los resultados deseados. Se utiliza cuando se desea
determinar las condiciones de operacin de un sistema.
Por lo general, los simuladores se operan en modo diseo dejando al usuario la tarea de iterar
para obtener los resultados provistos por los otros modos. Por ejemplo, para estimar el voltaje
requerido para el calentador (modo diseo), se pueden realizar varias simulaciones en modo
anlisis para un conjunto de valores de voltaje, y se selecciona el que produce la salida
deseada.
P
P
P
U
D
X
Modo Anlisis
U
D
Modo Diseo
U
D
Modo Control
Figura 5: Modos de simulacin.
Modelado
Modelado es el proceso de construccin de un modelo. Un modelo es una representacin de
un objeto, sistema, o idea. Usualmente, su propsito es ayudar explicar, entender o mejorar un
sistema (Shannon, 1988). Los modelos son tiles para:
El pensamiento: Al construir un modelo necesariamente se debe ordenar y completar
el conocimiento que del sistema real se posee.
11
La comunicacin: Un modelo elimina la ambigedad del lenguaje para comunicarse

con expertos.
El entrenamiento y la instruccin: Un modelo puede ser utilizado para entrenar con
costo y riesgo casi nulos. Por ejemplo, los submarinos a escala utilizados por la marina
alemana para entrenar en secreto antes de la segunda guerra mundial; o tambin, el
sistema de barcos a escalas utilizados actualmente en Francia para entrenar a los
capitanes de barcos petroleros.
La prediccin: Un modelo sirve para predecir la conducta del sistema real. Es el caso
de los modelos utilizados para predecir, mediante simulacin, la evolucin del clima
mundial. El modelo de la teora de la relatividad predice, sin hacer una simulacin,
que no es posible superar la velocidad de la luz.
La experimentacin: La experimentacin con un modelo es barata y segura. Se emplea
frecuentemente en el diseo de un sistema; por ejemplo, las pruebas que se realizan en
un tnel de viento con un modelo a escala de un avin o de un automvil.
El modelado es un arte. Cualquier conjunto de reglas para desarrollar modelos tiene una
utilidad limitada y slo puede servir como una gua sugerida. El arte de modelar consiste en la
habilidad para analizar un problema, resumir sus caractersticas esenciales, seleccionar y
modificar las suposiciones bsicas que caracterizan al sistema, y luego enriquecer y elaborar
el modelo hasta obtener una aproximacin til. Los pasos sugeridos para este proceso son:
1. Establecer una definicin clara de los objetivos.
2. Analizar el sistema real.
3. Dividir el problema del sistema en problemas simples.
4. Buscar analogas.
5. Considerar un ejemplo numrico especfico del problema.
6. Determinar las variables de inters.
7. Escribir los datos obvios.
8. Escribir las ecuaciones tericas o empricas que describen los fenmenos presentes y
relacionan las variables de inters.
9. Si se tiene un modelo manejable, enriquecerlo. De otra manera, simplificarlo.
Generalmente, simplificar un modelo implica:
Convertir variables en constantes.
Eliminar o combinar variables.
Suponer linealidad.
Agregar suposiciones ms potentes y restricciones.
Restringir los lmites del sistema.
Para enriquecerlo se procede de la forma contraria. Durante el proceso de modelado se debe
alcanzar un equilibrio entre el grado de detalle y el riesgo de falta de exactitud. El mejor
modelo, es el modelo ms simple que puede resolver el problema con el grado de exactitud
requerido.
Un modelo debe ser:
Fcil de entender por parte del usuario.
Dirigido a metas u objetivos.
Sensato, en cuanto no de respuestas absurdas.
Fcil de manipular y controlar por parte del usuario. Es decir, debe ser sencillo
comunicarse con el modelo.
12
Completo, en lo referente a asuntos importantes.

Adaptable, con un sencillo procedimiento para modificar o actualizar el modelo.
Evolutivo, debe ser sencillo al principio y volverse ms complejo en el tiempo.
A modo de ejemplo de lo planteado, considere que se desea construir un modelo para

determinar el tiempo y la velocidad de contacto con el suelo de un paracaidista. El objetivo ya
est planteado. El sistema ser el paracaidista. Las caractersticas esenciales sern la
velocidad de descenso, la fuerza de friccin, la altura inicial, etc. A fin de mantener el modelo
en la forma ms simple posible se supondr despreciable la variacin de la aceleracin de la
gravedad con respecto a la altura, se supondr despreciable tambin la elevacin de la
temperatura provocada por la friccin, se supondr un cuerpo estndar para el paracaidista,
etc. Luego, se determinarn las variables que representan a las caractersticas esenciales: v,
Fr, h0, etc. El paso siguiente ser formular las ecuaciones que vinculen dichas variables,
como por ejemplo:
dv
Fr
= g +
dt
m
dh
(12)
=v
dt
Fr = Cr v2
donde g es la aceleracin de la gravedad, h es la altura, m es la masa del paracaidista, t es el
tiempo, y Cr es el coeficiente de friccin.
El modelo es manejable, pero se puede simplificar si es que se determina que la velocidad
terminal (la que equilibra el peso con la fuerza de friccin) se alcanza pronto. Si esto es as, se
podr utilizar un modelo ms simple considerando que la velocidad es constante.
Clasificacin de modelos
Como ya fue planteado, un modelo es tambin un sistema; por lo tanto valen todas las
definiciones y clasificaciones que se establecieron anteriormente. Debido a que un modelo es
una simplificacin o abstraccin de un sistema real, no es necesario, salvo en los aspectos
relevantes, que el modelo guarde una total correspondencia con el sistema real. Entonces,
habr casos en que ser conveniente utilizar un modelo discreto para modelar un sistema
continuo (por ejemplo, la integracin numrica de una funcin utilizando la regla del
trapecio), o utilizar un modelo estocstico para modelar un sistema determinstico (por
ejemplo, la determinacin del rea de un figura utilizando la simulacin de Monte Carlo), y
todas las combinaciones posibles.
Modelos tericos vs. experimentales

Si el modelo que se construye slo se orienta a reproducir las salidas del sistema real sin
intentar modelar su comportamiento interno; entonces, ser un modelo experimental o de caja
negra. En cambio, si el modelo tambin intenta reproducir las relaciones funcionales del
sistema ser un modelo con base terica. Un modelo experimental requiere una gran cantidad
de datos para poder calibrarlo o ajustarlo correctamente, y su rango de validez est limitado a
este conjunto de datos. En contraposicin, un modelo terico requiere una cantidad menor de
datos y puede ser utilizado fuera del rango de los mismos ya que el rango de validez del
modelo est dado por la teora utilizada y no por los datos.
13
Un ejemplo simple se presenta cuando se desea determinar el espacio recorrido por un cuerpo
mvil a velocidad constante en funcin del tiempo. Para una velocidad dada, se puede
construir una grfica de espacio vs. tiempo a partir de medidas experimentales. Esta grfica
slo podr emplearse para el caso en que la velocidad del mvil sea idntica a aquella que se
utiliz en los experimentos. Adems, slo proveer informacin para los tiempos que
pertenezcan al intervalo de experimentacin. Estos problemas no se presentan si se utiliza un
modelo terico simple: e = v.t; ni siquiera son necesarios los datos experimentales.
Para el calentador de agua se puede construir un modelo experimental que permita estimar el
tiempo de calentamiento requerido para calentar una cantidad dada de agua hasta una
temperatura deseada. Para ello ser necesario medir la temperatura Tmi en N determinados
instantes ti y luego ajustar grficamente una curva t vs. Tm, o ajustar matemticamente con el
criterio de mnimos cuadrados los coeficientes a de un polinomio P(a,t) resolviendo el
siguiente problema de optimizacin:
N
Min (P( a ,Tmi ) ti )

a
(13)
i =1
Luego, el tiempo requerido para alcanzar una temperatura especificada ser dado por este
polinomio ya ajustado.
Un problema del modelo anterior es que se torna totalmente intil cuando se cambia la
cantidad de agua en el recipiente. Este problema puede ser resuelto incorporando la variable
M al modelo; pero sern necesarios nuevos datos experimentales para distintos valores de M.
La incorporacin de ms variables puede llegar a hacer necesario que se reemplace el
polinomio por un modelo ms potente como por ejemplo una red neuronal. Otro problema es
que el modelo no puede ser utilizado para temperaturas que estn fuera del intervalo de las
temperaturas de los datos experimentales. Un modelo con base terica requerira mucho
menos experimentos, o quizs ninguno, y el rango de temperatura posibles sera mayor.
Modelos de caja negra

Debido a las limitaciones del conocimiento actual o por la complejidad involucrada, todo
modelo con base terica siempre tiene una parte con base emprica. En efecto, debido a que
no existe una teora apropiada o su implementacin es demasiada compleja, siempre es
necesario recurrir a experimentos para determinar el valor del algn parmetro o definir
alguna relacin entre las variables.
En el caso del calentador de agua, se puede desarrollar un modelo con base terica que
considere la ley de Ohm, las leyes de Kirchhoff, el efecto Joule, etc. Sin embargo, la
capacidad calorfica Cp del agua generalmente es estimada utilizando un polinomio que es
funcin de la temperatura T. ste es un modelo de caja negra ya que slo modela la relacin
existente entre la entrada T y la salida Cp sin contemplar los mecanismos internos; adems, es
necesario llevar a cabo experimentos para establecer los valores de los coeficientes del
polinomio.
Cuando se desarrolla un modelo estadstico, se puede utilizar un sinnmero de funciones
tericas de distribucin; pero invariablemente ser necesario determinar algn parmetro en
forma experimental, como por ejemplo el valor medio y la varianza de la muestra.
14
El modelo de caja negra ms simple es un polinomio. Si el orden del mismo ya est fijado, el
problema se reduce a determinar los valores de los coeficientes que minimicen la sumatoria
de los cuadrados de los errores, tal como se plante en la seccin anterior. Si el orden del
polinomio debe tambin ser determinado, entonces el orden ptimo y los coeficientes surgen
de minimizar la varianza de los errores de la muestra, es decir de resolver el siguiente
problema de optimizacin ms general:
Min S 2
M ,a
s.a :
(14)
S2 =
( yi P (M , a, xi ))2
i =1
N M 1
donde se desea ajustar los coeficientes a y el orden M del polinomio P que es funcin de x
para que los valores devueltos minimicen la varianza de los errores de una muestra con N
puntos experimentales (xi,yi).
Por ejemplo, dada la siguiente tabla de datos:
Tabla 2: Tabla de datos.
xi
yi
0
1
4
9
10
14
15
8
14
80
385
485
945
1095
Las siguientes tablas muestran los resultados obtenidos cuando se ajustaron polinomios de
orden 0 a 4. El orden 4 se realiz slo como verificacin. Como puede apreciarse, el mejor
ajuste se obtiene con el polinomio de orden 2. La Figura 6 muestra el ajuste lineal y
cuadrtico realizado para estos datos.
Tabla 3: Ajuste de promedio P(x) = a.
xi
yi
0
8
1
14
4
80
9 385
10 485
14 945
15 1095
P(xi)
430.285713
430.285713
430.285713
430.285713
430.285713
430.285713
430.285713
(P(xi)-yi)2
178325.223
173293.794
122700.08
2050.79576
2993.65325
264930.798
441845.084
(P(xi)-yi)2 =
1186139.43
S =
a=
430.29
a=
71.19
197689.90
Tabla 4: Ajuste lineal P(x) = a x + b.

xi
yi
0
P(xi)
-108.716392
(P(xi)-yi)2
13622.7163
15
1
14
4
80
9 385
10 485
14 945
15 1095
-37.5274306
176.039455
531.984264
603.173226
887.929073
959.118035
2655.0761
9223.57691
21604.3739
13964.9114
3257.09065
18463.9083
(P(xi)-yi)2 =
82791.6535
S =
b=
-108.72
16558.33
Tabla 5: Ajuste cuadrtico P(x) = a x2 + b x + c.
P(xi)
10.0872009
(P(xi)-yi)2
4.35640772
1
14
4
80
9 385
10 485
14 945
15 1095
12.2130497
78.5633996
389.056662
481.141716
949.436606
1091.499
3.19319146
2.06382077
16.4565037
14.8863562
19.6834699
12.2570268
(P(xi)-yi)2 =
72.8967766
S2 =
18.22
xi
yi
0
a=
5.00
b=
c=
-2.87
10.09
Tabla 6: Ajuste cbico P(x) = a x3 + b x2 + c x + d.
8
14
P(xi)
8.74519553
12.6470264
(P(xi)-yi)2
0.55531638
1.83053753
4
80
9 385
10 485
14 945
15 1095
80.8057072
388.397437
479.887368
948.983835
1092.52686
0.64916416
11.5425803
26.1390075
15.8709448
6.11643007
(P(xi)-yi)2 =
62.7039808
xi
yi
0
1
S =
a=
b=
0.02
4.62
c=
d=
-0.74
8.75
20.90
Tabla 7: Ajuste de orden 4 P(x) = a x4 + b x3 + c x2 + d x + e.
8
14
P(xi)
9.03207003
12.2682245
(P(xi)-yi)2
1.06516856
2.99904626
4
80
9 385
10 485
14 945
15 1095
80.8087961
388.71443
479.816645
948.395223
1092.95794
0.6541512
13.796989
26.8671729
11.5275423
4.17000636
(P(xi)-yi)2 =
61.0800766
S2 =
30.54
xi
yi
0
1
a=
b=
0.00
-0.03
c=
d=
e=
5.01
-1.75
9.03
16
Ajuste de polinomios
1200
1000
800
y
y = 71.18x - 108.72
600
yi
Ajuste lineal
Ajuste cuadrtico
400
200
y = 5x - 2.87x + 10.09
0
-200
10
15
20
Figura 6: Ajuste polinomial.
Cuando el problema involucra ms de una variable independiente se suele dejar de lado el

polinomio a favor de una funcin que tenga alguna base terica o emprica. Este es el caso de
los modelos estadsticos donde las funciones a ajustar no son polinomios. La ley de los gases
ideales es otro ejemplo.
Si los errores de los datos experimentales son despreciables y si se pueden despreciar tambin
los errores de una interpolacin lineal o cuadrtica dentro del los intervalos de la muestra;
entonces, es posible utilizar como modelo directamente la tabla de datos experimentales (x,y)
a partir de la cual para un x dado se estimar el correspondiente y utilizando una interpolacin
lineal o cuadrtica.
Si no es posible ajustar los datos experimentales utilizando un polinomio, una funcin o una
tabla; entonces, puede ser conveniente recurrir a un modelo ms complejo como es el caso de
una red neuronal. Las mismas son utilizadas para modelar sistemas con mltiples variables y
fuertemente no lineales.
Bibliografa
Banks J., Carson J.S., Nelson B.L, 1996, Discrete-Event System Simulation. Second
Edition., Prentice-Hall, New Jersey.
Fishman G.S., 1978, Conceptos y mtodos en la simulacin digital de eventos discretos,
Limusa, Mxico.
Kelton W.D., Sadowski R.P., Sadowski D.A., 1998, Simulation with Arena, Mc Graw Hill,
Boston.
Ogunnaike B.A., Harmon Ray W., 1994, Process Dynamics, Modeling and Control,
Oxford, New York.
Shannon R.E., 1988, Simulacin de Sistemas. Diseo, desarrollo e implementacin, Trillas,
Mxico.
Law A.M., Kelton W.D., 1991, Simulation Modeling & Analysis, Second Edition,
McGraw-Hill, New York.
17
Marzo
2011
Newsletter
eLAC2015
Las TIC como herramientas para

la sustentabilidad ambiental
El rol de las TIC en la gestin

de desastres naturales
Las TIC y el medio ambiente, un tema

a incluir en las agendas pblicas
Computacin en nube: una alternativa

en el cuidado del medio ambiente
14
Foto: Dreamstime.com
TIC y medio ambiente

1
Newsletter
eLAC n 14
Marzo
2011
Los residuos tecnolgicos, un

problema social y ambiental
Ing. Ana Gabriela

Valdiviezo Black
El auge por la innovacin, el desarrollo tecnolgico y el consumo parece no tener fin; cada da
se producen miles de dispositivos y partes electrnicas que facilitan nuestra vida, pues estamos
inmersos en la era de las nuevas versiones, nuevos modelos y nuevas funcionalidades tecnolgicas,
sin reparar en las consecuencias ambientales y sociales que esto conlleva, generando un conflicto
medio ambiental al aumentar desmedidamente los residuos tecnolgicos.

Pese a los beneficios innegables de la tecnologa, esta situacin se torna alarmante, considerando
la cantidad de desechos tecnolgicos que se registran anualmente en el mundo entero, lo que no
impacta nicamente el tema ambiental, sino que al mbito social, pues cientos de comunidades de
varios pases del mundo trabajan diariamente en el reciclaje de basura electrnica sin tener una
regulacin al respecto. Por ello, es necesario que todos los pases trabajen conjuntamente en la
bsqueda de estrategias, mecanismos y soluciones regionales y mundiales que permitan realizar
una gestin sustentable y eficiente de estos residuos.
A nivel de la regin, son escasas y aisladas las iniciativas, proyectos y polticas vinculadas con
el manejo responsable de los residuos electrnicos; como respuesta a esta problemtica, en
Directora de
el marco de la tercera Conferencia Ministerial sobre la Sociedad de la Informacin de Amrica
Telecomunicaciones y
Servicios Postales, Ecuador Latina y el Caribe, los representantes de los pases miembros declararon su convencimiento de
avanzar en el desarrollo de polticas pblicas que permitan el establecimiento de lineamientos
claros para el uso de tecnologas alineadas con la conservacin del medio ambiente y el adecuado manejo de desechos
tecnolgicos. Asimismo, dentro del Plan de accin sobre la Sociedad de la Informacin y del Conocimiento de Amrica
latina y el Caribe (eLAC2015) se tiene como lineamiento: Promover el uso de las tecnologas de la informacin y las
comunicaciones para la mitigacin del impacto del cambio climtico y ampliar su uso para la prevencin, mitigacin y
atencin de los desastres naturales o situaciones de emergencia, y dentro de este lineamiento consta la meta 11, la cual
establece la formulacin de polticas pblicas para incentivar la gestin integral de desechos derivados de las TIC y su uso.
Con la finalidad de hacer posible el cumplimiento de esta meta, los pases miembros acordaron constituir el Grupo de Trabajo
de Desechos Tecnolgicos (GdTDT) y Ecuador a travs del Ministerio de Telecomunicaciones y de la Sociedad de la
Informacin, MINTEL ha sido designado como coordinador de este Grupo de Trabajo. Para cumplir con el desafo que le
ha sido otorgado, generar conjuntamente con los pases de la regin polticas y acciones estratgicas que le permitan la
consecucin de cinco objetivos operativos que se ha planteado en el marco de la meta 11 del Plan de Accin eLAC2015.
Dentro de las acciones propuestas por Ecuador, en el plan de trabajo del GdTDT estn:
Realizar un diagnstico y valoracin regional respecto del manejo de residuos tecnolgicos, con el fin de contar con
informacin base para establecer polticas y aprovechar las mejores prcticas vinculadas con este mbito.
Crear un portal web para intercambio de informacin tcnica, cientfica y legal en el mbito de residuos tecnolgicos
y polticas ambientales, el cual incluir un foro virtual para fortalecer los mecanismos de dilogo e intercambio de
informacin entre los pases de la regin.
Crear un repositorio de informacin tcnica que sirva como base de consulta con informacin cientfica sobre: tratamiento formal
y gestin sustentable de desechos electrnicos, uso de compuestos contaminantes en partes electrnicas, transformacin y
reso de componentes electrnicos, tratamiento y traslado de los desechos tecnolgicos, problemtica ambiental asociada a
los residuos tecnolgicos y dems temtica vinculada, para lo cual se solicitar la cooperacin de los pases miembros.
Elaborar una gua regional de mejores prcticas, polticas, acciones, planes y proyectos para el manejo de desechos
tecnolgicos y mitigacin del impacto ambiental que estos producen.
Publicitar y fomentar iniciativas orientadas a capacitar a las sociedades de los pases miembros en adopcin de buenas
prcticas en el manejo de residuos tecnolgicos.
Todas estas acciones propuestas requieren de la participacin inmediata, activa y colaborativa de los pases miembros,
pues la responsabilidad en la conservacin ambiental no es un tema de inters local o nacional, sino una obligacin que
nos involucra a todos y debe convertirse en un desafo prioritario a nivel mundial.
Cmo las TIC pueden ayudar a

enfrentar el cambio climtico
Sr. Malcolm Johnson
Director de la Oficina de Normalizacin de las Telecomunicaciones

de la Unin Internacional de Telecomunicaciones (UIT)
Actualmente es imposible pensar en un mundo sin tecnologas de la informacin y de las comunicaciones (TIC). Su uso cada
vez ms generalizado ha cambiado la vida de mucha gente e impulsado el crecimiento econmico, pero su contribucin a las
emisiones de gases de efecto invernadero (GEI) sigue creciendo. No obstante, el uso de las TIC brinda grandes oportunidades
de reducir estas emisiones, sobre todo en industrias como las de generacin de energa, eliminacin de desechos, construccin
y transporte. Las TIC tambin reducen necesidades en el sector manufacturero al reemplazar bienes materiales por productos
virtuales, como las descargas de msica en lnea. Por medio de las TIC se pueden celebrar reuniones virtuales (para reemplazar
o reducir viajes) y crear sistemas de transporte inteligentes para disminuir las emisiones y la congestin vehicular. Las TIC son
parte de mallas elctricas inteligentes que ayudan a distribuir y usar la energa de manera ms eficiente y a integrar fuentes
de energa renovables. Sobre ellas se sustentan proyectos de gobernanza, salud y educacin electrnicos que logran llegar a
muchos ms miembros de la comunidad; adems, son muy tiles en el monitoreo ambiental y climtico, incluido el pronstico
del tiempo, y fundamentales para las comunicaciones de alerta temprana y mitigacin en caso de catstrofes.
Las TIC son tecnologas

transversales que pueden
impulsar la profunda
transformacin necesaria en los
esfuerzos mundiales para luchar
contra el cambio climtico. Se
trata de una oportunidad: los
lderes con visin de futuro
ya reconocen la necesidad de
avanzar y considerar que las
TIC son fundamentales para
crear un nuevo modelo de
desarrollo social y econmico.
Las TIC son esenciales para ayudar a los pases a adaptarse y prepararse
Para adaptarse al cambio climtico es preciso tomar medidas para mitigar sus efectos y
planificar para el futuro. Adems de impartir educacin e informacin mediante transmisiones,
Internet y dems medios, cabe mencionar la importancia del monitoreo remoto de la Tierra
por satlite y sensores en el suelo y los mares. Esto puede servir, por ejemplo, para extraer
datos sobre deforestacin o patrones de cultivos que indican una posible escasez de
alimentos. Adems, las TIC son vitales cuando se trata de advertir sobre desastres naturales
que pueden sobrevenir como consecuencia del cambio climtico, as como para hacer frente
a sus efectos, al permitir que los equipos humanitarios respondan de distintas maneras.
El papel y las actividades de la Unin Internacional de Telecomunicaciones

Los pases en desarrollo suelen estar ms expuestos a las catstrofes naturales y ms
necesitados de los sistemas modernos de alerta temprana y mitigacin. En su Conferencia de
Plenipotenciarios celebrada en Mxico en 2010, la UIT aprob una resolucin sobre el papel
Dr Hamadoun I. Tour
de las telecomunicaciones y las TIC en el cambio climtico y la proteccin del medio ambiente,
Secretario General de la UIT
donde se seala la necesidad de prestar asistencia a los pases en desarrollo en esta materia y
se encarga a la UIT que trabaje con otras partes interesadas para desarrollar herramientas que contribuyan a este objetivo. La UIT
tambin ha realizado cinco simposios sobre TIC, medio ambiente y cambio climtico, que forman parte de su visin para tomar
medidas sobre este tema. Adems, la UIT asesora a los gobiernos sobre el establecimiento de marcos normativos y jurdicos
pertinentes y puede ayudar a trazar planes nacionales de telecomunicacin en caso de emergencia. Adems ofrece asesora
para incorporar los planes generales para el sistema de comunicaciones de un pas en los planes nacionales de adaptacin al
cambio climtico. Una de las tecnologas ms poderosas para hacer frente al cambio climtico es la banda ancha. En mayo de
2010, la UIT, junto con la UNESCO, cre la Comisin sobre Banda Ancha para el Desarrollo Digital, compuesta por lderes de alto
nivel, cuyo objetivo es promover su difusin. La Comisin tiene varios grupos de trabajo, incluido uno sobre el cambio climtico.
Estndares y medicin
La UIT cumple un papel muy importante en limitar las emisiones de GEI mediante el establecimiento de estndares tcnicos
para limitar y reducir los requerimientos de energa de los equipos y servicios de TIC y asegurar la interoperabilidad de equipos
y redes vitales de TIC. Un ejemplo es el estndar mundial adoptado por la UIT para el cargador universal energticamente
eficiente para celulares, que podra eliminar la necesidad de fabricar hasta 82.000 toneladas de cargadores redundantes al ao
y al menos 13,6 millones de toneladas de emisiones de CO2. En 2010, el grupo de estudio 5 del sector de normalizacin de la
UIT comenz el proceso de aprobacin de un nuevo estndar que establece un marco para evaluar los efectos ambientales
de las TIC y esboza metodologas para evaluar estos impactos en cuanto a bienes, redes y servicios, as como su uso en
organizaciones, ciudades e incluso pases. Estas metodologas transparentes, que se desarrollan en estrecha cooperacin
con la UNFCCC, debieran poder usarse en el futuro para hacer comparaciones valiosas de emisiones relacionadas con las
TIC, lo que podra facilitar la inclusin de proyectos de TIC en el marco del mecanismo de desarrollo limpio o su sucesor.
Las TIC como herramientas para

la sustentabilidad ambiental
La preocupacin por el medio ambiente no es una moda pasajera ni propia slo de ecologistas. En
la actualidad, el cuidado del planeta se ha convertido en un tema de especial relevancia tanto para los
ciudadanos, las organizaciones civiles y los gobiernos. Amrica Latina y el Caribe no se queda atrs en
esta tendencia mundial, y comienza a incorporar herramientas para luchar contra el cambio climtico.
Las tecnologas de la informacin y de las comunicaciones
(TIC) son hoy en da fundamentales en todas las reas de
la sociedad. Y en la bsqueda por cuidar el medio ambiente
y ayudar en las catstrofes naturales no se quedan atrs;
por el contrario, las TIC se han establecido como un
factor esencial en esta materia y as lo han entendido los
gobiernos y la sociedad civil en el mundo.
As lo consigna el Monitor mundial de la sociedad de la
informacin (MMSI): TIC y sustentabilidad ambiental,
elaborado el ao 2010. El MMSI resalta los simposios orientados
al tema que se han organizado mundialmente, destacando en
la regin el de TIC y cambio climtico realizado en Ecuador
por la Unin Internacional de Telecomunicaciones (UIT) el ao
2009. En esa ocasin se reunieron mltiples sectores de la
sociedad para estimular las acciones orientadas a confrontar
los efectos del cambio climtico.
La importancia que ha adquirido el tema del cambio
climtico en la regin, as como la bsqueda de soluciones
que puedan minimizar el impacto ambiental a travs de las
TIC, es altamente relevante, puesto que Amrica Latina y el
Caribe enfrenta un peligro constante de eventos tales como
inundaciones, huracanes o sequas como consecuencia de
los cambios climticos, consigna el reporte. Otro dato que
entrega este informe es que un uso ms eficiente y efectivo
de las TIC puede ayudar a reducir las emisiones globales
de gases de efecto invernadero aproximadamente en un
15% al ao 2020, a travs de iniciativas tales como video
conferencias, comercio electrnico, gobierno electrnico o
edificios inteligentes.
Otra iniciativa relevante para reducir el impacto de la

contaminacin es la correcta gestin de los residuos
electrnicos. La rpida aparicin de nuevas tecnologas
genera un alto nmero de desechos electrnicos, los
cuales pueden ser reciclados y reutilizados, ya sea en su
totalidad o parcialmente.
Durante la III Conferencia Ministerial sobre la sociedad de la
informacin de Amrica Latina y el Caribe, llevada a cabo en
Lima, Per, en noviembre del 2010, los pases de la regin
que forman parte del Plan de Accin Regional eLAC2015
acordaron como uno de sus lineamientos el promover el uso
de las tecnologas de la informacin y las comunicaciones
para la mitigacin del impacto del cambio climtico y ampliar
su uso para la prevencin, mitigacin y atencin de los
desastres naturales o situaciones de emergencia, debido a
la utilidad que pueden tener las TIC para monitorear, mitigar
y adaptarse a los efectos negativos del cambio climtico.
El Plan de Accin Regional tambin sostiene que,
desde el punto de vista de la sostenibilidad, el enfoque
regional se debe aplicar a travs de polticas de gestin
integral de residuos elctricos y electrnicos, sobre la
base de la relacin positiva de los actores, desarrollando
mecanismos para la coordinacin entre los distintos
sectores: pblico, privado, descentralizado y sociedad
civil. De forma complementaria, plantea el documento, el
aprovechamiento cientfico y operativo de las TIC hace
posible la comprensin cientfica y la deteccin de los
fenmenos naturales que generan riesgos y desastres
naturales. Por esta razn, estas tecnologas deben
Foto: Dreamstime.com
Newsletter
eLAC n 14
Marzo
2011
utilizarse para adoptar medidas preventivas y reactivas, y

establecer sistemas de alerta temprana.
As, se plantean dos metas relacionadas con el lineamiento:
formular polticas pblicas para incentivar la gestin integral
de desechos derivados de las tecnologas de la informacin
y las comunicaciones y su uso y promover la cooperacin y
el establecimiento de polticas en la regin para el uso de las
tecnologas de la informacin y las comunicaciones en materia
de desastres naturales, cambio climtico y prevencin y
atencin de emergencias, con arreglo a estndares comunes
y mejores prcticas, dado que los fenmenos naturales no
estn circunscritos a los mbitos nacionales.
Estado Plurinacional de Bolivia

En el Estado Plurinacional de Bolivia, el Sistema
de Informacin Ambiental (SIA), perteneciente a
la Cmara Nacional de Industrias, posee informacin medioambiental de Bolivia centralizada y
computarizada en un solo sistema, con componentes
alfanumricos y cartogrficos. Por otra parte, dentro
del Vice ministerio de Telecomunicaciones se est
elaborando la nueva Ley de Telecomunicaciones,
que se basa en cinco ejes, uno de los cuales es el
medio ambiente; por esta razn, se presta atencin
a los temas que involucran el correcto desecho de
equipos electrnicos y de telecomunicaciones, a
las emisiones electromagnticas, el despliegue de
radio bases u otras bases de comunicacin dentro
de reas protegidas, as como a la elaboracin de
fichas ambientales para cada construccin civil
correspondiente a telecomunicaciones, entre otros.
En el pas tambin ha habido estudios realizados
por ONG, como la Fundacin Swiss Contact o la
Fundacin Quipus, que diagnostican el posible
impacto ambiental tanto de los aparatos electrnicos
existentes en Bolivia como de los desechos que
stos generan; adems, la fundacin REDES
represent a Bolivia en el grupo de trabajo de
residuos electrnicos en el plan de accin regional
para la sociedad de la informacin eLAC2010, hasta
el establecimiento del nuevo eLAC2015. Por otra
parte, algunas municipalidades han llevado a cabo
iniciativas de recoleccin de basura electrnica
desde mediados de la dcada del 2000.
Iniciativas en la regin
Ya sea gubernamentales o no, en Amrica Latina y el Caribe
ya se estn implementando diversas iniciativas tendientes a
minimizar el impacto del cambio climtico a travs de las TIC,
as como otras la mayora que se enfocan en la gestin
de los residuos electrnicos y su reciclaje. A continuacin se
presentan algunas de las acciones llevadas a cabo por los
pases de la regin en esta rea.
Argentina
En respuesta a la problemtica de los residuos tecnolgicos,
se realiza desde el 2008 en Argentina el Seminario de
gestin sustentable de residuos de aparatos elctricos y
electrnicos, con el objetivo de abordar la problemtica y
fomentar un programa de gestin de residuos de aparatos
elctricos que promueva la recoleccin, seleccin, desmonte
y valorizacin de piezas y materiales susceptibles de
reutilizacin y reciclaje en nuevos procesos industriales, o su
donacin. Adems, se ha desarrollado Parques Nacionales
y Escuelas Interactivas, un programa de equipamiento
informtico, conexin a internet satelital y capacitacin
presencial y virtual, con el objetivo de reducir la brecha digital
en las comunidades involucradas, a la vez que promover
la conservacin del agua, la fauna y la flora y fomentar el
desarrollo sustentable mediante la educacin. El programa
promueve la educacin ambiental a travs de las TIC, y
adems ha situado a las escuelas, al conectarlas a Internet,
como epicentro de diversas actividades, tanto educativas
como sociales, culturales y de recreacin.
Brasil
En mayo del 2010, el ministerio del medio ambiente y

la ONG Cempre de Brasil firmaron un acuerdo para la
creacin del primer inventario de produccin, recoleccin
y reciclaje de basura electrnica en el pas. El objetivo
del acuerdo es el de medir la generacin y el destino de
los residuos electrnicos en Brasil, as como ayudar a la
generacin de polticas pblicas e identificar los principales
cuellos de botella de la cadena de reciclaje. En el pas hay
adems iniciativas de reciclaje electrnico, como la que
lleva a cabo la Universidad de Sao Paulo, donde el ao
2009 se abri un centro de recuperacin y procesamiento
de residuos electrnicos. Por otra parte, el proyecto CI, de
computadores para la inclusin, funciona desde 2004 con
una red de reciclaje de equipos TIC descartados, los cuales
son reacondicionados y luego donados a telecentros,
escuelas y libreras en el pas. Adems, se realiza desde el 2004 la Feria Internacional de Tecnologa de Medio Ambiente
(FIEMA), bajo los auspicios desde el 2007 de la Fundacin PROAMB, organizacin con 20 aos de experiencia en el
rea ambiental. Esta feria busca llevar un nmero creciente de empresas y organizaciones, nacionales e internacionales de
orientadas a la produccin tecnolgica, soluciones y servicios enfocados en el medio ambiente y el desarrollo sostenible.
En los distintos segmentos que participan en Fiema Brasil existen expositores que trabajan en introducir las TIC como
solucin para resolver los problemas ambientales, as como los de eliminacin y reciclaje de equipos informticos.
Chile
Colombia
Chilenter es una fundacin chilena, que

tiene como lema contribuir al uso social
de la tecnologa y que se constituye en
un gestor ambientalmente sustentable,
ya que incorpora en su quehacer los
principales lineamientos recomendados
a nivel internacional y nacional para la
gestin de residuos electrnicos. En
el pas, Chilenter es el principal actor
en el mbito de la reutilizacin de la
tecnologa obsoleta, con capacidad para
reacondicionar aproximadamente 15
mil computadores al ao. El proceso de
reacondicionamiento consiste en habilitar
equipos dados de baja a travs de
procedimientos tcnicos y administrativos
exhaustivos, entre ellos el diagnstico, la
seleccin de partes y piezas, el ensamble
de los computadores, la instalacin y
configuracin del sistema operativo y el
control de calidad de los equipos. Por su
parte, el Comit para la Democratizacin
de la Informtica en Chile, CDI, a travs
de su campaa Dona tu computador,
recolecta equipos que ya no estn en uso
para ser reacondicionados e instalados
en escuelas y telecentros. Adems, en
Chile existe el portal web SINIA Sistema
Nacional de Informacin Ambiental,
administrado por el Ministerio del Medio
Ambiente y conformado por un conjunto
de bases de datos, equipos, programas
y procedimientos dedicados a gestionar
la informacin acerca del ambiente y los
recursos naturales del pas, de manera
integrada e interpretable. A travs de este
portal se puede acceder directamente a
los distintos sistemas de informacin que
actualmente se integran al SINIA.
El ao 2013 habr en Colombia entre 80 y 140 mil toneladas de residuos

electrnicos que correspondern a computadores en desuso, segn el
MMSI. Es por esto que el Centro Nacional de Residuos Electrnicos
(CENARE) de ese pas trabaja para conseguir la reduccin de esas cifras
y a la vez fomentar las TIC en el aula. As, a travs de donaciones, el centro
ha recibido 211 mil computadores, de los cuales 130 mil fueron donados
a colegios y el resto se convirti en residuos. Con stos, CENARE trabaja
adems en el proyecto de robtica y automtica educativa, que busca
integrar a los nios de las escuelas pblicas a la ciencia y tecnologa
al construir robots con elementos en desuso de los computadores
desarmados. El programa de gestin de residuos tecnolgicos de
Colombia fue destacado por la UNESCO, que en un informe cit al pas
como un ejemplo de buenas prcticas en la materia. Adems, desde
el 2001 que en el pas se aplica una exencin tributaria para fomentar
la incorporacin de tecnologas que beneficien al medio ambiente y la
salud, y peridicamente se realizan campaas de recoleccin de residuos
electrnicos, particularmente telfonos mviles y computadores.
Costa Rica
En respuesta a la accin que pueden tener las TIC sobre el ambiente se
inici en Costa Rica el 2009 la construccin del Medidor de la Amistad
de la TI con el Ambiente, desarrollado por el Centro de Sistemas de la
Informacin de Scotiabank junto con el Club de Investigacin Tecnolgica
de Costa Rica. Su objetivo es medir el impacto de las TIC en el ambiente
y promover informacin comparable entre distintas organizaciones, de
manera de generar un cambio en el comportamiento y reducir dicho impacto.
El desarrollo de este medidor se basa en la idea de que es fundamental que
las TIC utilizadas sean amigables con el ambiente, para mejorar la eficiencia
de las organizaciones y la calidad de vida de todos. Adems, existe la
organizacin Costa Rica neutral, que en su pgina web permite a travs
de una sencilla calculadora virtual estimar la cantidad de emisiones de una
casa, oficina o tienda. Por otra parte, la Comisin Nacional de Emergencia
del pas posee un sistema de comunicacin para minimizar el impacto de
desastres naturales a travs de alerta temprana, que a travs de sistemas
radiales, de Internet y satelitales mantiene a la comunidad y a la CNE misma
alerta de las posibles amenazas naturales. Asimismo, el Observatorio
Vulcanolgico y Sismolgico de Costa Rica utiliza mensajes de texto para
mantener a la comunidad informada.
Ecuador
De acuerdo a la informacin del MMSI, en Ecuador ha habido mltiples iniciativas de carcter privado, especialmente
de las compaas de telfonos mviles, que buscan reciclar los aparatos electrnicos. Adems, la Superintendencia de
Telecomunicaciones (SUPERTEL) ha recomendado establecer regulaciones para los aparatos inteligentes en trminos de
conversin de energas, tipo de enchufes usados y reutilizacin de los dispositivos; por otra parte, la SUPERTEL busca
promover la integracin de las tecnologas para la prestacin de servicios y el desarrollo de reciclaje y la eliminacin segura
de los residuos tecnolgicos. Desde finales de 2009, adems, se viene desarrollando a travs de la empresa Vertmonde
una iniciativa de gestin integral y reciclaje de residuos elctricos y electrnicos en Quito. Durante el 2011 se volver a
desarrollar esta iniciativa en la ciudad de Quito y Guayaquil en el primer semestre. Adicionalmente, se iniciar una campaa
de reciclaje con la participacin de toda la comunidad comercializadora de equipo tecnolgico, en la que se recolectarn
los residuos generados por mayoristas y su canal de distribucin. Al final de 2011 se espera recolectar ms del 90% de los
residuos generados o acopiados por esta comunidad, as como contar con una lnea base de la cantidad y tipo de residuos
generados por este sector, con el fin de implementar el mismo modelo a nivel nacional.
Cuba
En la lucha contra el cambio climtico y la necesidad de cuidar el medio ambiente es fundamental la informacin. Es por eso
que en Cuba, sta se ha centralizado en sitios web destinados a entregar datos sobre el medio ambiente, los cuales ofrecen
estadsticas ambientales, publicaciones referentes al tema, links a sitios relacionados, indicadores de consumo de energa
elctrica en los ministerios e informacin sobre proyectos, entre otras cosas. Uno de ellos, el Portal de Educacin Ambiental de
Cuba, cuenta con el apoyo de la oficina regional de la UNESCO en ese pas, y busca lograr la integracin de resultados, propiciar
una mayor divulgacin de stos y continuar incrementando y compartiendo experiencias exitosas en el mbito medio ambiental.
El Caribe
Una excelente iniciativa regional que involucra
a los pases del Caribe es la Caribbean
Information Platform on Renewable Energy,
CIPORE (Plataforma de informacin de
energas renovables del Caribe), un sistema
de informacin y comunicacin sobre el uso
regional de energa renovable, que tiene como
objetivo reunir toda la informacin de cada pas
con respecto a estas energas en un punto nico
de acceso. La pgina web http://cipore.org tiene
mltiples informaciones sobre el uso de energas
renovables, las cuales se pueden filtrar adems
por tipo solar, geotermal, elica, nuclear, hdrica
y biomasa. En la pgina se pueden encontrar los
enlaces a las agencias, ministerios de energa
y universidades de cada pas preocupadas de
las energas renovables, as como encontrar
informacin detallada de distintas iniciativas y
proyectos de energas renovables en el Caribe.
La pgina cuenta con informacin en ingls,
francs, espaol y holands.
Per
Segn el MMSI, en Lima existen tres compaas formales que recolectan
desechos electrnicos; sin embargo, slo procesan un 3% de las 15 mil
toneladas de telfonos celulares y computadores cuya vida til acaba
cada ao en Per. Por lo mismo, el Ministerio del Medio Ambiente
ha decidido apoyar las campaas privadas -un proyecto conjunto de
IPES, el Ministerio de Medioambiente y la municipalidad- y desde junio
del 2010 se lleva a cabo un programa piloto en la municipalidad de
Santiago de Surco, enfocada en apoyar las campaas de recoleccin
de basura electrnica, el cual se quiere replicar en todo el pas. Per
adems cuenta con el SINIA, Sistema Nacional de Informacin
Ambiental, una red que facilita la sistematizacin, acceso y distribucin
de la informacin ambiental, as como el uso e intercambio de sta. A
travs de su web la poblacin puede acceder a informacin compuesta
por indicadores ambientales, mapas temticos, documentos, informes
sobre el estado del ambiente y legislacin ambiental.
Uruguay
La implementacin del plan Ceibal en Uruguay la experiencia de

un computador por alumno ha dado excelentes dividendos en
materia de educacin, pero presenta un desafo para el cuidado del
medio ambiente. Es por esto que diversas iniciativas de reciclaje
de basura electrnica se llevan a cabo en el pas. Una de ellas
es la que desarrolla el departamento logstico del Plan Ceibal, que trabaja con una compaa de servicios logsticos para
enfrentarse a esta problemtica. Entre otras cosas, el departamento analiza la cantidad de basura electrnica que es y ser
generada por el Plan Ceibal, con la intencin de reutilizar las partes que puedan ser recicladas de los laptops entregados
a los nios. De esta forma se quiere adems minimizar las futuras compras de partes especficas de computadores que se
requieran para reparar las llamadas ceibalitas. Existen adems empresas como Crecoel Cooperativa para el Reciclaje de
Componentes Electrnicos, un emprendimiento que busca el desmantelamiento y recuperacin de materiales de equipos
y componentes electrnicos. La cooperativa cobra por este servicio a las empresas y entidades pblicas, pero no a quienes
lleven menos de un metro cbico de desechos.
Repblica Bolivariana de Venezuela

Desde el ao 2007, el gobierno venezolano ha implementado un plan de desarrollo social y econmico, enfocado en profundizar
polticas pblicas especficas. Entre estas iniciativas est el rediseo del sistema nacional de ciencia, tecnologa e innovacin
para apoyar a programas que utilicen a las TIC para el medio ambiente, as como aquellos que ayuden a la educacin en esta
rea. Adems, en Venezuela se busca establecer sistemas de alerta nacional que utilicen a las TIC como herramienta de aviso,
as como estaciones climticas automatizadas que promuevan el intercambio de informacin crtica. Un problema que enfrenta
Venezuela, resultado del cambio climtico, es el deshielo de los glaciares de la Sierra Nevada, en Mrida. Para monitorear
este fenmeno existe la Red bioclimtica de Mrida, que utiliza un sistema de Informacin bioclimtico basado en la web, que
permite un fcil acceso a datos sin procesar de cada estacin participante de la red, as como la posibilidad de envo de datos de
estaciones tanto convencionales como automatizadas a un sitio central de acopio, utilizando una interfaz web. Adems, entrega
una herramienta de consulta de datos climticos por estacin, ubicacin geogrfica, perodo de tiempo, entre otras variables, y
el acceso a datos procesados, como grficos, mapas, tablas y animaciones.
Newsletter
eLAC n 14
Marzo
2011
Las TIC y el medio ambiente,

un tema a incluir en las
agendas pblicas
Las tecnologas de la informacin y de las comunicaciones

(TIC) han probado tener un rol clave para asistir a la sociedad
en la mitigacin y la adaptacin al cambio climtico. Eso es lo
que plantea la Hoja de ruta del Cairo: TIC y sustentabilidad
medioambiental, documento preparado en el 5to Simposio
TIC, medio ambiente y cambio climtico, organizado por la
Unin Internacional de Comunicaciones (UIT) en noviembre
de 2010. La finalidad de esta hoja de ruta es llegar a los
hacedores de polticas pblicas y actores relevantes de los
pases y crear una mayor conciencia entre ellos sobre el rol
positivo de las TIC en el cuidado del medio ambiente.
Segn el informe, los gobiernos y empresas en el mundo han
adoptado e implementado programas e iniciativas de TIC
para el medio ambiente, destinadas a tratar con los desafos
medio ambientales, especialmente el calentamiento global. Sin
embargo, segn el reporte, los pases, especialmente aquellos
en vas de desarrollo, no han alcanzado an un claro nivel de
entendimiento de la amenaza que presenta el cambio climtico,
as como del potencial de las TIC para enfrentarse al mismo.
Por esa razn es que en octubre del 2010 la Conferencia
Plenipotenciaria de la UIT adopt una nueva resolucin para
el rol de las TIC y la proteccin del medio ambiente, que
identifica la necesidad de asistir a los pases en desarrollo para
que puedan aprovechar estas tecnologas a favor de la lucha
contra el cambio climtico. Posteriormente, en el Simposio
del Cairo, y a partir de las discusiones ah sostenidas, se
cre la hoja de ruta con las siguientes de recomendaciones
de uso de las TIC a favor del medio ambiente.
Paso 1: compartir las mejores prcticas y aumentar la
sensibilidad sobre los beneficios asociados al uso de
las TIC verdes.
Este paso busca estimular y, cuando es posible, estipular
que haya un amplio intercambio de las mejores prcticas y
de informacin para maximizar la difusin de las TIC verdes
y de las soluciones TIC inteligentes en los sectores pblicos
y privados. Busca adems promover la enseanza sobre
las TIC verdes y aumentar la conciencia de las implicancias
medio ambientales de estas tecnologas.
Paso 2: demostrar xito y viabilidad.
Se quiere fomentar el desarrollo de metodologas e
indicadores para medir y monitorizar los impactos
ambientales en el ciclo de vida de servicios y dispositivos
TIC, incluyendo las mediciones relativas a las emisiones de
gases de efecto invernadero. Adems, este paso apunta
a utilizar proyectos pilotos y emblemticos para ayudar a
difundir las soluciones TIC inteligentes ms promisorias en
sectores tales como edificios, transporte y energa.
Paso 3: implicar al sector privado,

la sociedad civil y la comunidad acadmica.
El documento plantea que estos sectores tienen un rol
preponderante en la proteccin del medio ambiente a
travs de la innovacin y el correcto uso de las TIC para
enfrentar el cambio climtico. Por eso, busca entre otras
cosas que se promueva la investigacin y desarrollo (I+D)
amigable con el ambiente y socialmente responsable.
Paso 4: promover la cooperacin
nacional, regional e internacional.
Cooperar en esos niveles es esencial para fomentar
un camino hacia economas sustentables bajas en
carbono, plantea este paso. Adems, permitira lograr
mayor inversin verde y un manejo sustentable de los
recursos naturales, as como el desarrollo y la difusin de
tecnologas limpias. Busca adems estimular a los pases
desarrollados a ayudar a las naciones en vas de desarrollo
en sus esfuerzos para incluir y adoptar reformas polticas
hacia un crecimiento ms verde.
Paso 5: integrar las polticas de TIC, cambio
climtico, ambiente y energa de los gobiernos.
Este paso plantea la necesidad de cerrar la brecha entre
las TIC, el medio ambiente y los expertos en energa,
as como los responsables polticos, para permitir la
integracin de las TIC en las polticas de medio ambiente
y energa. Por otra parte, busca integrar el uso de las TIC
en la adaptacin de los planes nacionales para hacer
uso de ellas como una herramienta que permita hacer
frente a los efectos del cambio climtico y minimizar el
impacto ambiental de la administracin pblica a travs
de polticas, aplicaciones y servicios TIC. Finalmente,
plantea el establecimiento de objetivos de poltica
transparentes para mejorar las estrategias de gobierno,
con un seguimiento y evaluacin del cumplimiento de
las mismas.
Paso 6: desarrollar e implementar una estrategia
nacional de TIC verdes pro crecimiento.
Plantea que se debe tener una estrategia de ese estilo
a nivel nacional, municipal y de comunidades, as como
de organizaciones individuales. La estrategia TIC verde
tiene que ser vista como un componente de la estrategia
de desarrollo nacional, y el utilizar las TIC en apoyo
al manejo medio ambiental debe pasar por todos los
sectores de la economa y niveles de la sociedad. El
soporte tcnico debe ser provisto a los pases que lo
requieran, en especial aquellos en vas de desarrollo,
para ayudarlos a formular e implementar estrategias de
TIC verdes.
El rol de las TIC en la gestin

de desastres naturales
Los terremotos de Hait y Chile, entre otras
catstrofes naturales sucedidas en la regin,
han demostrado el alto potencial que tienen
las herramientas tecnolgicas para ayudar a la
comunicacin y coordinacin en las regiones
afectadas por este tipo de desastres, as como
en situaciones de emergencia.
Inundaciones, terremotos, huracanes y tsunamis son
algunos de los desastres naturales que afectan a Amrica
Latina y el Caribe cada cierto tiempo. En estos escenarios,
la comunicacin se hace esencial, tanto durante la
catstrofe, para la transmisin de informacin relevante,
como posterior a ella, para organizar la reconstruccin.
Los terremotos que afectaron a Hait en enero de 2010 y a
Chile en febrero de ese mismo ao pusieron de manifiesto
la importancia de las tecnologas de la informacin y de las
comunicaciones (TIC) en las situaciones de emergencia.
El terremoto de Hait implic la cada y colapso de las redes
de telecomunicaciones con el consecuente detrimento en
la respuesta de emergencia. El sismo da el nico cable
submarino de fibra ptica que conecta la isla con el exterior,

pero dado que la mayora de los operadores posee conexin
satelital, el impacto no alcanz gran magnitud. En Chile,
las redes mviles en la zona del epicentro se encontraban
operando, al tercer da del evento, alrededor del 20% de
su capacidad y fueron prcticamente restablecidas en
menos de un mes de transcurrido el movimiento telrico,
segn consigna el Monitoreo del Plan eLAC2010: Avances

y desafos de la Sociedad de la Informacin en Amrica
Latina y el Caribe, publicado por la CEPAL.
Posterior a estos desastres naturales, Internet jug un
rol fundamental para la localizacin de las vctimas, la
gestin de la informacin y la reconstruccin de las zonas
daadas. Las redes sociales en particular Facebook y
Twitter, fuertemente se alzaron como herramientas de
comunicacin que facilitaban la difusin de informacin y
el contacto entre las personas, a travs de grupos y de
hashtags (etiquetas) alusivos a las catstrofes.
La web adems rpidamente comenz a albergar sitios donde
se centralizaba informacin sobre personas desaparecidas,
encontradas, estados de los caminos, puntos de abastecimiento
de combustible y de comida, entre otros. La colaboracin de
todos los usuarios a travs de Internet ayud a la difusin de
la informacin, tanto a travs de las redes sociales como de
portales colaborativos. Google incluso lanz una pgina para
encontrar a personas desaparecidas en ambos eventos
ssmicos Google Person Finder Hait y Chile, en la cual se
poda buscar a personas en esa situacin. La generosidad
tambin hizo su aparicin a travs de la red, y rpidamente
se crearon grupos en las redes sociales y pginas de Internet
que llamaban a efectuar donaciones a los afectados por las

catstrofes naturales.
En este contexto, los centros de acceso comunitarios a
Internet, como los telecentros, infocentros o bibliotecas,
jugaron un rol muy importante para que la comunidad pudiera
acceder a los servicios de las redes sociales y de las pginas
web con informacin. Las personas se congregaron en

ellos, explica Mara Anglica Celedn, directora ejecutiva
de la Asociacin de Telecentros Activos de Chile, ATACH,
quien adems aclara que es fundamental que el gobierno
subsidie a este tipo de centros, por el rol esencial que
cumplen con la comunidad en estos eventos. La directora
ejecutiva agrega que en Chile los telecentros jugaron un
rol muy importante en la difusin de informacin e incluso
apoyaron a los municipios que quedaron incomunicados y
a los servicios de emergencia. Adems, el Comit para la
Democratizacin de la Informtica (CDI- Chile) desarroll
una iniciativa que consisti en la implementacin de un
telecentro mvil, que se iba desplazando por el pas y
atendiendo a las comunas ms
afectadas por el terremoto.
Los telfonos celulares no se
quedaron fuera de la ayuda. Aunque
la posibilidad de comunicarse por voz
era remota, debido a la saturacin de
las lneas telefnicas, los mensajes
de texto (SMS) mantuvieron
conectadas a las personas y fueron
tambin fuente de informacin
relevante para quienes no podan
comunicarse telefnicamente ni a
travs de internet.
El documento constata adems que como parte de las

iniciativas regionales de cooperacin en temas relativos
a desastres se encuentra la Agencia de respuesta de
emergencia ante desastres (CDRA, por sus siglas en ingls),
la Red de estudios sociales en prevencin de desastres en
Amrica Latina (La Red), el Centro de coordinacin para
Estudio analizar el rol de los

telecentros en el terremoto de Chile
Posterior al terremoto del 27 de febrero de 2010 en Chile, las comunicaciones se volvieron
fundamentales. Una de las formas de contacto fue a travs de Internet, y en ese sentido
jugaron un rol fundamental los centros comunitarios o telecentros. Para analizar este
tema en profundidad, la Asociacin de Telecentros Activos de Chile ATACH-, con el
apoyo de la Universidad de Washington, se encuentra realizando un estudio que permita
identificar, describir, sistematizar y extraer aprendizajes de los casos estudiados que
representen los distintos tipos de experiencias de comunicacin ciudadana a travs de los
puntos de acceso a Internet que se implementaron. Anglica Celedn, directora ejecutiva
de ATACH, explica que uno de los productos esperados del estudio es un manual de
uso efectivo de las TIC en caso de desastres naturales, as como un mdulo de formacin a
distancia que se d a travs de la academia ATACH con la misma finalidad.
Si bien las TIC han demostrado ser

de gran relevancia posterior a un
fenmeno natural, tambin pueden
ser utilizadas para la prevencin de
los desastres provenientes de ellos.
Un terremoto o tsunami es imposible de predecir, segn
los expertos, pero con conocimientos bsicos de cmo
actuar en situaciones como esas y en otras catstrofes
naturales puede reducirse el nmero de vctimas que cobra
la naturaleza. Es por eso que las campaas preventivas
son fundamentales, y hoy en da existen numerosas
iniciativas tendientes a ello. El Programa para la Prevencin
y Respuesta a Desastres Naturales de Microsoft Mxico es
parte de ellas. El programa tiene como objetivo compartir
tecnologa, conocimiento, soluciones y mejores prcticas
que habiliten la adopcin de soluciones de TIC para la
pronta respuesta a eventos desastrosos. Lo anterior a
travs de la suma de esfuerzos con diversos organismos
del sector pblico en Mxico y el mundo.
Otra iniciativa que se ha impulsado es la de crear juegos

en lnea orientados a nios y jvenes sobre este tema. La
Oficina para la Reduccin de Desastres de las Naciones
Unidas lanz en el ao 2007 un videojuego cuya finalidad
es instruir a quienes lo usan a aprender a reducir el impacto
de los desastres naturales. Por otra parte, El Monitoreo
del plan eLAC2010 constat que los portales nacionales
y regionales son una aplicacin que ayuda a la gestin,
informacin y prevencin de situaciones de emergencia.
10
Algunos portales de las organizaciones encargadas de

enfrentar las emergencias y catstrofes se encuentran en
una etapa informativa, mientras que otros han avanzado
para entregar informacin en tiempo real y capacitacin
respecto de temas de catstrofes para la prevencin y
alerta de la ciudadana.
la prevencin de desastres naturales en Amrica Central

(CEPREDENA), el Programa de prevencin de desastres
naturales en Amrica Central (PREVAC), el Centro regional
de informacin sobre desastres de Amrica Latina y el Caribe
(CRID), y la Estrategia internacional para la reduccin de
desastres en las Amricas (ISDR, siglas en ingls).
Por su parte, el Plan de Accin Regional eLAC2015
aprobado durante la III Conferencia Ministerial sobre
la Sociedad de la Informacin de Amrica Latina y
el Caribe plantea que el aprovechamiento cientfico
y operativo de las TIC hace posible la comprensin
cientfica y la deteccin de los fenmenos naturales que
generan riesgos y desastres naturales, razn por la cual
estas tecnologas deben utilizarse para adoptar medidas
preventivas y reactivas, y establecer sistemas de alerta
temprana. As, se plantea como meta el promover
la cooperacin y el establecimiento de polticas en la
regin para el uso de las tecnologas de la informacin y
las comunicaciones en materia de desastres naturales,
cambio climtico y prevencin y atencin de emergencias,
con arreglo a estndares comunes y mejores prcticas,
dado que los fenmenos naturales no estn circunscritos
a los mbitos nacionales.
Una empresa puede consumir grandes

cantidades de energa y tener altas
emisiones de gases de carbono. Esta
situacin pone al medio ambiente en
riesgo; sin embargo, la nube puede
ser una alternativa para la reduccin
de estos consumos.
El cloud computing o computacin en nube es definida por
el Instituto Nacional de Estndares y Tecnologa (NIST
en ingls) como un modelo para habilitar un acceso
conveniente, por demanda, a un conjunto compartido de
recursos computacionales configurables, tales como redes,
servidores, almacenamiento, aplicaciones y servicios, los
que pueden ser rpidamente aprovisionados y liberados
con un esfuerzo mnimo de administracin o de interaccin
con el proveedor de servicios.
Desde el ao 2008, ha habido una tendencia por parte de
las empresas particularmente las grandes a adoptar estas
soluciones de computacin, debido a que se estima que
esta herramienta mejora la gestin empresarial, tanto en
trminos de eficiencia como de gestin, generando mayor
productividad, reduccin de costos y una menor carga en la
gestin de productos.
Adems, segn un estudio realizado por Accenture y WSP
Environment and Energy, por encargo de Microsoft, la
nube tambin es beneficiosa para el medio ambiente y
puede ayudar a las compaas a reducir su consumo de
energa y sus emisiones de carbono en aproximadamente
un 30%. El informe Cloud computing and sustainability:
the environmental benefits of moving to the cloud,
consigna que los grandes centros de datos, como los de
Microsoft o Google, se benefician de economas de escala
y eficiencias operacionales. Las pequeas empresas, de
aproximadamente 100 empleados, que se mudan desde
servidores in situ a la nube pueden tener un ahorro en su
consumo energtico y en sus emisiones de carbono de hasta
Foto: Free-pictures-photos.com
Computacin
en nube: una
alternativa en
el cuidado del
medio ambiente
un 90%, segn lo encontrado por los investigadores. En las

empresas de mediano tamao, de aproximadamente mil
empleados, estos porcentajes son desde un 60% a un 90%.
Los investigadores que se centraron en las tres aplicaciones
de negocio de Microsoft ms comunes, de correo electrnico,
de intercambio de contenidos y de plataforma de gestin de
relacin con los clientes calcularon la huella de carbono de
la infraestructura de un servidor y del almacenamiento para
100, 1.000 y 10.000 usuarios, y concluyeron que escoger a
la nube por sobre la infraestructura fsica tiene un impacto
significativo en la reduccin de las emisiones de carbono.
Los encargados del estudio tambin calcularon que un 32%
de las emisiones se ahorraran al mover 50.000 correos
electrnicos de usuarios en Norteamrica y Europa desde
servidores individuales a uno en la nube.
Segn el estudio, los factores que permiten que la computacin
en nube logre estas impresionantes cifras en la reduccin
del consumo elctrico y de las emisiones de carbono son
esencialmente cuatro: las provisiones dinmicas, es decir,
la reduccin de prdida de recursos informticos a travs
de una mejor adecuacin de la capacidad del servidor a la
demanda real; el multi-arrendamiento, esto es armonizar las
cargas relativas a servir a un gran nmero de organizaciones
y usuarios en la infraestructura compartida; la utilizacin del
servidor, que implica emplear servidores con una tasa de
funcionamiento ms alta; y la utilizacin de datos avanzados
para el diseo de infraestructuras, ya que se puede reducir la
prdida de energa a travs de la mejora de la refrigeracin,
el acondicionamiento de energa, entre otros.
Los resultados del estudio de Microsoft se condicen con los
encontrados en el estudio Cloud Computing Energy Efficiency
de la consultora Pike Research, enfocada en las tecnologas
verdes. El estudio llevado a cabo por esta firma estima que la
computacin en nube ayudar a reducir los gastos globales
de energa de los centros de datos en un 38% hacia el 2020.
En el estudio se consigna que los beneficios de la nube son
sustanciales, y que tendrn importantes implicancias en la
reduccin tanto del consumo energtico que puede disminuir
de 23.000 millones de dlares en 2010 a 16.000 millones de
dlares en 2020 como de las emisiones de los gases de
efecto invernadero. Se resalta adems el hecho de que muy
pocas tecnologas limpias tienen la capacidad de reducir el
gasto energtico y la emisin de gases de efecto invernadero
con tan poca perturbacin en los negocios.
11
Newsletter
eLAC n 14
Marzo
2011
Noticias
Breves
Una aplicacin para iPhone ayuda a reciclar los residuos electrnicos

La web de reciclaje Earth911.com se preocupa de ayudar a encontrar puntos verdes en los Estados Unidos para quienes
quieren reciclar todo tipo de materiales, incluyendo aquellos bienes tecnolgicos en desuso, como televisores, telfonos
celulares y muchos ms. Pensando en todos aquellos usuarios de iPhones desarrollaron la aplicacin iRecycle, que
permite no slo encontrar el lugar ms cercano dnde deshacerse de la basura electrnica sino tambin averiguar qu
tipo de productos aceptan. La aplicacin tambin entrega datos sobre eventos verdes en el rea del habitante y muestra
las ltimas noticias en el mundo del reciclaje.
Pendrives de cartn
En lnea con la ecologa, el estudio ruso Art Lebedev desarroll los Flashkus, memorias flash USB desechables que estn
insertas en planchas de cartn. Los dispositivos tienen capacidad de 4GB, 8GB y 16GB, y vienen en un set prepicado, por
lo cual cada memoria se corta y se usa fcilmente. Su valor an no est especificado, pero su produccin es de muy bajo
costo, por lo que se estima que el precio debiera ser muy econmico comparado con los actuales dispositivos existentes.
Por un Chile Verde

Chile Verde es un proyecto de difusin medio ambiental, patrocinado entre otros por UNESCO, que rene iniciativas
de personas, empresas u organizaciones que ejecutan proyectos relacionados con el medio ambiente y el cuidado de
ste a lo largo de todo Chile. En 2010 reuni 80 iniciativas, difundidas en un libro (descargable gratuitamente en su sitio
web), una exposicin y el sitio web www.porunchileverde.cl. Dentro de las ochenta iniciativas seleccionadas por expertos
y recogidas en el libro, dos tienen relacin con las tecnologas de la informacin y de las comunicaciones. RECYCLA
Chile es una empresa de reciclaje de residuos de aparatos elctricos y electrnicos que ha creado la primera planta
de reciclaje de e-waste en Amrica latina, acogindose voluntariamente a la normativa ambiental vigente en pases
desarrollados, y actualmente recicla aproximadamente un 5% de la basura electrnica de Chile. Adems, el proyecto
fomenta la reinsercin de ex reos rehabilitados, mujeres en cumplimiento de condenas carcelarias nocturnas y personas
con discapacidad. Por su parte, www.desechos.cl es un portal informativo que pretende fomentar el reciclaje de pilas y
otros materiales mediante un sistema de clasificacin para los diferentes tipos de residuos. El portal busca ordenar la
forma en que se desecha la basura y socializar esta informacin en distintos foros de discusin en portales, centros de
enseanza ambientales, colegios y universidades. Actualmente se encuentran abiertas las postulaciones a la segunda
versin de Chile Verde, hasta el 31 de marzo, a travs de su pgina web.
Europa apunta a mejorar el reciclaje de los residuos electrnicos

El aumento de la basura electrnica en el mundo es preocupante en gran parte producto de la constante renovacin de
los equipos como televisores, computadores y telfonos inteligentes, y en Europa la cifra es muy alta: anualmente se
generan entre 8,3 y 9,1 millones de toneladas de residuos tecnolgicos, cifra que aumenta ao a ao, y de la cual slo
un 22% es recogida y tratada adecuadamente. La comisin de Medio Ambiente espera mejorar esos nmeros y que para
el ao 2016 se recoja el 85% de la basura electrnica que crea cada pas, y que se reciclen entre el 50 y el 75% de los
productos desechados. Adems, en febrero de este ao el parlamento europeo aprob por amplia mayora una serie
de modificaciones a la propuesta de la Comisin Europea, que actualiza una directiva vigente desde 2003 y apunta a
evitar que los restos de esos dispositivos terminen en manos de nios que los desarman para convertirlos en chatarra,
quedando expuestos a componentes txicos.
Este material ha sido elaborado con la ayuda financiera de la Unin Europea. Su contenido es responsabilidad exclusiva de la CEPAL y en ningn caso
se debe considerar que refleja la opinin oficial de la Unin Europea. Las opiniones expresadas en esta publicacin son responsabilidad
de los autores y pueden no coincidir con aquellas de las organizaciones involucradas.
Editora: Laura Palacios - Diseo: Francisca Lira - CEPAL - Divisin de Desarrollo Productivo y Empresarial - Av. Dag Hammarskjld 3477, Vitacura, Santiago, Chile
Telfono: +562 210 2239 o +562 210 2000 - Fax: +562 210 2590 - Pgina en internet: www.cepal.org/socinfo
Email: socinfo@cepal.org - cuenta de twitter @socinfo_cepal
12

Modelos

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Modelos

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDAD NACIONAL DE LOJA

REA DE LA EDUCACIN, EL ARTE Y LA

Lic. Mg. VICENTE MENDIETA LUDEA

Utilizar la estadstica como instrumento para organizar, analizar e interpretar datos

Reconocer y aplicar el lenguaje estadstico en el planteamiento de ejemplos y

3.- REFERENTES TERICOS

Medidas de tendencia Central

5.- PRODUCTOS ACREDITABLES

Reportes individuales y grupales intra y extraclase.

Pruebas individuales de rendimiento sobre la resolucin de ejercicios estadsticos.

Elaboracin y sustentacin de un informe estadstico sobre informacin pertinente y

6.- EVALUACIN ACREDITACIN CALIFICACIN

Creatividad, orden y estilo en la elaboracin y presentacin de trabajos.

Puntualidad para entregar los trabajos en los plazos previstos.

La calificacin es de 0 a 10 puntos en cada uno de los productos acreditables segn el

Modelos ambientales y validacin

Horario del curso:

Ingreso segn reglamento Universidad.

Modelos ambientales y validacin

Modelos ambientales y validacin

Modelos ambientales y validacin

Resultado del aprendizaje

Nivel Forma de evidenciarlo

Casos de estudio tericos:

Modelos ambientales y validacin

Proyecto final de simulacin del

Modelos ambientales y validacin

Lectura preparatoria por parte del alumno.

Modelos ambientales y validacin

El estudiante deber haber revisado la literatura

El estudiante debe revisar material adicional: artculos

Al comienzo de la hora de clase, se har un control de

Envo de trabajos y ejercicios.

Evaluacin a travs de pruebas y exmenes.

Elaboracin de un proyecto final.

Todas las actividades realizadas se documentarn en

Modelos ambientales y validacin

Se exige puntualidad, no se permitir el ingreso de los

La copia de exmenes o quizes ser severamente castigada,

Respeto en las relaciones docente- alumno y alumno-alumno

En los trabajos se debern incluir las citas y referencias de los

Modelos ambientales y validacin

Si es detectada la poca o ninguna participacin en las

Los casos, trabajos, informes de laboratorio y otros

No interrumpir con el uso de celulares.

Modelos ambientales y validacin

Modelos ambientales y validacin

En archivos Word, Excel y similares, adems adjuntar el PDF respectivo.

Modelos ambientales y validacin

Laboratorios y prcticas en el laboratorio.

Software: SciLab, MathLab, Vensim, Arena o

Modelos ambientales y validacin

Modelos ambientales y validacin

Garca D., E. (2006). Simulacin y anlisis de sistemas con Promodel. Mxico:

Modelos ambientales y validacin

Modelos ambientales y validacin

Modelos ambientales y validacin

Sistema: conjunto de objetos o entidades que

Material tomado de www.uniovi.es/documentos/asignaturas/.../presentacionSimulacion.ppt

Ej: - Nivel de agua en un tanque.

ESTADO DEL SISTEMA

Un estado estacionario es estable si el sistema

Los atributos tambin se denominan variables o