¿Qué es un modelo?

Construir un modelo para una situación real

significa destacar sus rasgos y propiedades mas
importantes para, a través de esta
simplificación, comprender mejor la situación y
resolver los problemas que ella plantee.

«Un modelo es un objeto, concepto o conjunto de

relaciones que se utilizan para representar y
estudiar, en forma simple y comprensible, una
situación o un fenómeno de la realidad»
Algunas clasificaciones de modelos:
Según resultados:
 Modelos Normativos: aquellos que se usan como guía,
te dicen cómo tenes que actuar ya que dan un criterio
del mejor curso de acción.
Ejemplos:
• La religión es un M. N. del comportamiento moral.
• Método científico es un M. N. para la resolución de
Problemas.
• Método de Regularización del tránsito porque nos dicen
las formas más seguras que tenemos para viajar.
 Modelos descriptivos: describen la realidad
pero no dicen si son buenos o malos, mejor o
peor. Son herramientas de trabajo ya que ayudan a
ver cómo se comporta un determinado sistema
para poder realizar mejoras.
Ejemplos:
 Modelos de crecimiento poblacional.
 De producción de una industria.
 Modelos económicos.
Según cómo el modelo se aproxima a la realidad:
• Modelos concretos: son modelos físicos que tienen
características comunes o idénticas con la realidad que
se quiere modelar y del que se esperar aprender algo.
Ejemplos:
Representaciones a escalas de un objeto o prototipo
- Pequeños y económicos:
 Maqueta de un edificio.
 Modelo de un aeroplano a escala para ver los efectos de
las diferentes formas de las alas.
 Imitaciones de procesos biológicos humanos a través de
animales de laboratorio para probar tratamientos
médicos y su utilidad en los humanos.
-Grandes y no económicos:
Modelos microscópicos para la configuración
molecular (para medir y manipular)

Observación:
Si consideramos o esperamos que el modelo físico
a escala nos brinde toda la conducta del fenómeno
real, estamos cometiendo un grave error, por que,
por ejemplo, un barco a escala si lo colocamos en
un estanque de agua para estudiarlo, no va a fluir
de la misma manera que si lo coloc´´aramos en el
mar, «SON SIGNIFICATIVAMENTE DIFERENTES»
Características de los modelos concretos:
Son tangibles.
Duplicarlos y compartirlos es difícil.
Son fáciles de comprender.
Su utilización es muy baja y rara vez son
normativos
 Modelos abstractos o simbólicos: son opuestos a los
modelos concretos, no tienen características comunes
con los originales. Estos pueden ser:

1. Modelos analógicos: representan relaciones a

través de medios diferentes pero análogos al
original.
Por ejemplo: mapas de carreteras, el velocímetro de
un auto, representaciones mediante: cuadros,
gráficos o diagramas, etc.
Características:
Intangibles.
Duplicarlos y compartirlos es más fácil que los
modelos concretos, al igual que modificarlos y
manipularlos.
Su comprensión es más difícil.
Tienen un amplio alcance y rara vez son
normativos.
2. Modelos Matemáticos o cuantitativos: usan la matemática
para representar relaciones entre los datos de interés. Los
conceptos se representan por variables cuantitativas (en
forma numérica) y todas las relaciones tienen una
representación matemática en lugar de física o analógica.
Ejemplos:
Modelos de:
- Gestión en empresas.
- Producción industrial.
- financieras,.
- Programación lineal, etc.
Características:
Intangibles.
Su comprensión es más difícil a los anteriores
modelos.
Duplicarlos y compartirlos es más fácil, al igual que
manipularlos y modificarlos.
Son de amplio alcance y pueden ser normativos y
descriptivos.
Dentro de los Modelos Matemáticos encontramos la
clasificación según su función:
a. Modelos predictivos: Nos informan del
comportamiento de la variables en un futuro, es
decir, lo que debería ser. A éste tipo de modelos
corresponden aquellos basados en técnicas
estadísticas y/o económicas, es decir, modelos de
previsión (proyección de la soja).
b. Modelos evaluativos: una técnica evaluativa
corresponde a medir diferentes alternativas y así
poder comparar los resultados de ellas. Este tipo
de modelos se corresponde con los
denominados árboles de desición.
c. Modelos de optimización: Son aquellos que tratan de
identificar el óptimo del problema, es decir, buscan la
mejor de las alternativas posibles. Son los que están
basados en las técnicas de programación matemática.

Otra clasificación de los Modelos Matemáticos se

basa en la realidad que se pretende modelar:

a. Modelos Determinísticos: Todos los datos se

conocen con certeza.
b. Modelos probabilísticos o estocásticos: no se conocen
todos los datos (son modelos más realistas). Las variablas
aleatorias no tienen un valor conocido por lo que se lo
debe tener en cuenta en el modelo.
Para la construcción de éste modelo se requiere el
conocimiento de probabilidad y estadística.
c. Modelos estáticos versus modelos dinámicos: en el estático
la variable tiempo no es relevante, mientras que en el
dinámico esta variables es fundamental ya que es de la que
dependen las variables restantes. (t es considerada una
variable continua).
 ¿A qué nos referimos cuando hablamos de
procesos de modelización?
Objetivo: Tomar decisiones para hacer algo o predecir lo que
puede suceder bajo ciertas restricciones y poder adelantarnos a
los hechos para tomar decisiones ADECUADAS ( no buenas o
malas, mejores o peores, sino adecuadas).
- Este proceso empieza en el mundo real con una situación
problemática, puede ser en un país, empresa, en una población
determinada, un viaje, etc.
- Usar sólo la INTUICIÓN para tomar decisiones es errado!.
Necesitamos comprender el uso de la intuición y esa ruta
implica abstraer los aspectos problemáticos de la situación
real en un modelo que represente la más esencial de la
situación. Una vez que se construye el modelo, se somete a
un análisis para generar resultados o conclusiones.
Ejemplo: municipalidad de San Javier- crecimiento poblacional
Ejemplo parecido al de la fotocopia
- Supongamos que queremos viajar en auto desde San
Javier a Rosario y legar para el almuerzo.
Podemos consultar un mapa de ruta y fijarnos la distancia
que hay entre dichas ciudades.
Luego podemos estimar la velocidad promedio a la que
viajaremos y así podremos estimar el tiempo que
tardaremos en llegar a destino.
Supongamos que:
x o d: representa la distancia entre dichas ciudades.
v: la velocidad promedio que llevaríamos.
t: el tiempo que nos llevaría llegar
El modelo que nos representa el tiempo estimativo
para llegar a destino sería:

t = x/v

Ahora supongamos que:

x: 336km, v = 100km/hs
Por lo tanto: t = 336km:100km/hs = 3,36hs

Es decir que nos tomaría 3hs 21 min 36 seg llegar a

Rosario, con la cual podremos tomar decisión
sobre a qué hora saldremos de San Javier.
OJO!!!: Este modelo es una simplificación de
la realidad ya que no tiene en cuenta todos
los factores que pudieran influir en el viaje,
como por ejemplo: reparaciones en las
carreteras, paradas que realicemos, cortes de
ruta, etc.
- Ahora supongamos turno en el médico a las 9hs y
no podemos llegar tarde, por lo que necesitamos
que nuestro modelo sea un poco más preciso. Lo
que debemos hacer es involucrar otros factores
como:
N: las paradas que podríamos llegar a realizar.
tn: tiempo que nos tomará cada una de las paradas.
P: cantidad de peajes que pudieran haber en la ruta.
tp: tiempo que nos lleve cada peaje.

Por lo que el tiempo estimado que nos llevaría

llegar a Rosario quedaría expresado de la siguiente
manera:
 t = x/v + N. tn + P. tp

Supongamos ahora que:

N: 4 paradas.
tn: 15 minutos cada parada.
P: 2 peajes
tp: 3 minutos en cada peaje.
Por lo tanto:
t = 336km:100km/hs +4.15min +2.3min =
3hs 21min 36seg + 60min + 6min =
4hs 27min 36seg
Es decir que a partir de éste resultado
podemos decidir Salir de San Javier a las 4hs
33min 24 seg o bien salir antes ( por ejemplo
a las 4hs 15min) y asegurarnos de llegar con
tiempo por si hay algún otro factor que no
tengamos previsto como: lluvias, cortes de
rutas, etc.
 Construcción de un modelo:
La construcción de un modelo se suele dividir en 3 pasos,
los cuales NO garantizan el éxito de la modelización, pero
orientarán el trabajo:
Paso 1: Estudio del ambiente de la situación real.
 Investigar detalladamente la situación real y analizarla
para comprenderla adecuadamente.
 El problema planteado debe ser una abstracción
apropiada de la real y los datos deben ser conocidos. El
estudio de la situación y la experiencia son relevantes
para poder realizar la abstracción.
Paso 2: Formulación de una representación selectiva de la
situación:
Acá se comienza el proceso de abstracción de la situación
por modelar. Contempla 2 Fases:
a. Identificación de las entradas y salidas del modelo: Se
determinan en forma general, pero precisa, los elementos
sobre los cuales trabajará el modelo (variable de entrada:
en el ejemplo que vimos con anterioridad serían la
velocidad promedio y la distancia que habría entre las dos
ciudades), y los resultados que deben ser producidos
(variables de salida: el tiempo estimado en llegar a
Rosario).
b. Refinamiento de las entradas y salidas: Seleccionadas
las variables para el modelo, se hace una clasificación de
las mismas:
1. Las variables se denominan «variables exógenas» y
suelen ser de 2 tipos:
 Variables de precisión: son las que controlamos, como
por ejemplo el precios de venta de un producto.
 Parámetros: son variables que están bajo el control de
otras personas, de la naturaleza o el azar. Por
ejemplo: el estado del tiempo, precios de la materia
prima, salario mínimo, etc.

Los parámetros se trabajan como si fueran valores

conocidos o se les coloca un valor estimativo para poder
realizar un análisis del modelo.
2. Las salidas se denominan «variables endógenas» y son
de 2 tipos:
 Medidas de desempeño: Son variables que permiten medir
el grado en el cual se ha alcanzado la meta. Representan
los criterios que se emplean para determinar hasta qué
punto se han alcanzado los objetivos (Función objetivo).
Por ejemplo: si la meta y/o objetivo es analizar la
rentabilidad de una empresa, la medida de desempeño
puede ser el ingreso por concepto de ventas de un
producto
 Variables de consecuencia: son las que muestran otras
consecuencias que ayudan a entender e implementar los
resultados del modelo. No forman parte del objetivo del
modelo pero resultan del análisis del mismo. Por ejemplo:
La subdivisión de los ingresos, el número de los artículos
que se tienen que vender.
Paso 3: Construcción simbólica y análisis del modelo:
La construcción simbólica por lo general inicia con una
representación gráfica de la realidad. Cuando se establecen
hipótesis sobre la relación entre las variables, se da inicio a
la formulación de las ecuaciones del modelo.
Los números por sí solos No hacen el modelo, sino que
cuando se describen relaciones entre esos números
empieza a existir el modelo, en su forma primitiva.
Una vez construido el modelo se hace una «fase de
validación» del mismo. Es decir, se usan para el modelo
datos históricos «como entradas», sobre las variables de
decisión y los parámetros y se determina si los resultados
obtenidos al ingresas dichos datos son similares a los de la
época conocida.