Spanish, Argentinian subtitles

← abm 7 3 rigor

Get Embed Code
1 Language

Showing Revision 5 created 01/07/2019 by diego diaz.

  1. una vez que tenemos estas dos diferentes
    dimensiones acerca de la validación, la
  2. validación de frente y validación empírica
    micro versus macro
  3. podemos combinarlas, tomando las nociones
    de entrada y salida, pensemos que las
  4. diferencias convencionales para las
    validaciones son para proveer alguna
  5. indicación de que el modelo está validado
  6. en un artículo que escribimos con Rust,
    discutimos los estándares para la
  7. validación y sugerimos que se deberían
    manejar cada uno de estos estándares
  8. cuando desarrollamos nuestros modelos
  9. una es la validación de micro
    confrontación, mostramos que los elementos
  10. del modelo implementado para los agentes
    se corresponden con los elementos del
  11. mundo real, nos aseguramos que los agentes
    de verdad, se ven parecidos a los agentes
  12. del mundo real, en términos de sus
    propiedades y de su conducta
  13. la siguiente es la validación de la macro
    confrontación, donde los resultados de la
  14. salida y los procesos mediante los cuales
    las cosas suceden en el modelo, coinciden
  15. en algún sentido con los patrones de
    conducta del mundo real
  16. la siguiente es la validación de la
    entrada empírica, donde los parámetros y
  17. las formas en que asignamos los valores de
    entrada, se corresponden empíricamente con
  18. algunos de los datos que pudimos obtener
    del mundo real del mundo real del fenómeno
  19. y por último y lo más importante y lo que
    la gente piensa en validaciones empíricas
  20. es que los números que mi modelo está
    produciendo se corresponden con datos del
  21. mundo real, y esto puede ser alcanzado en
    un número diferente de formas
  22. uno puede simplemente estilizar los hechos
    por ejemplo, nosotros sabemos que la
  23. difusión sigue una curva en forma de S
  24. mostramos en nuestro modelo, en el modelo
    sobre difusión del que hablamos en el
  25. capítulo 4, se corresponde con esto
  26. podemos tener datos del mundo real,
    podemos poner números reales
  27. acerca de los patrones del mundo real y
    mostrar que nuestro modelo produce salidas
  28. que se corresponden con eso, de hecho
    una de las cosas de las que vamos a hablar
  29. en las próximas charlas, es que a veces
    hay que considerar alguna clase de
  30. estándar de oro, para realizar la
    validación
  31. y también puede realizarse una validación
    cruzada, imaginemos que tenemos nuestro
  32. modelo y alguien más tiene un modelo que
    está validado
  33. una cosa que se puede hacer es mostrar que
    nuestro modelo produce resultados
  34. similares al otro modelo, esto a veces se
    denomina "modelo acoplado" cuando uno
  35. acopla los dos modelos juntos y se muestra
    que están vinculados
  36. pero estos estándares usados para la
    validación, en realidad, deberíamos hacer
  37. un seguimiento de cada una de estas cajas
    a medida que avanzamos en la construcción
  38. del modelo y en mostrar que es válido
  39. podemos discutir los primeros tres para
  40. modelos uniformes, al menos los dos
    primeros, en términos de validación
  41. empírica de entrada, una de las cosas que
    hacemos es una suerte de experimento con
  42. el modelo original como base, donde
    especificamos las entradas
  43. para que estén en el mismo rango de las
    entradas empíricas que observamos en la
  44. historia del modelo base y queremos ver si
    nuestro modelo en los resultados que se
  45. ven en la salida, se corresponden con los
    datos del mundo real y de la manera en la
  46. que lo hacemos
  47. es ver las predicciones en términos de las
    tasas de adopción y debido a que tenemos
  48. necesariamente los mismos mercados y cosas
    así, solamente miramos las correlaciones
  49. entre nuestro modelo y el verdadero modelo
    de adopción de innovaciones que ocurrieron
  50. en el pasado, por ejemplo, aire
    acondicionado, calentadores de camas,
  51. cafeteras, secadoras, congeladores,
    refrigeradores y como pueden ver la
  52. versión del modelo basado en agentes se
    corresponde muy bien con los datos del
  53. mundo real y de hecho en algunos casos lo
    hace mejor, que el modelo base
  54. y hay un par de razones de porqué ocurre
    esto, pero lo importante es notar es que
  55. podemos, empíricamente, validar la salida
    de nuestro modelo con la del mundo real
  56. y esa es una de las clases del estándar de
    oro, que ya mencionamos
  57. como una forma de validación de modelos
  58. ahora voy a hablar un poco en las próximas
    charlas acerca de cómo tenemos que hacer
  59. esa clase de validación y lo haremos con
    mayor detalle
  60. por las dudas que la explicación acerca de
    como hicimos la validación de nuestro
  61. modelo base es exactamente como queremos
    esta es una forma muy simple de un modelo
  62. de difusión que construimos para el texto
    que escribimos con Rust y en él nosotros
  63. tenemos agentes diferentes, que no están
    conectado por ninguna red, pero que pueden
  64. adoptar y que es el número de agentes que
    hay en el modelo
  65. y lo que hicimos para validarlo contra el
    mundo real fue hacer experimentos con
  66. comportamientos aleatorios y les voy a
    mostrar uno para heladeras
  67. y asignamos los valores de pq a los mismos
    valores empíricos de p y q que tomamos del
  68. modelo original, puede estar
    sobredimensionado pero es mejor ajustar
  69. los valores a un rango particular, pero
    resulta que generan muy buenos resultados
  70. si los usamos en la forma en que el modelo
    original los usa como están en el artículo
  71. así que asignamos estos parámetros, luego
    corremos el modelo con un número aleatorio
  72. de semillas
  73. y luego contamos el número de adoptadores
  74. y esto nos permite comparar los resultados
    de estos datos con los que teníamos en R
  75. con los datos empíricos reales que fueron
    recolectados para el número de adoptadores
  76. de heladeras de cada año para un período
    concreto de tiempo
  77. esto funciona muy bien y podemos validar
    satisfactoriamente nuestro modelo