INVESTIGACIN CIENTFICA

Que es la investigacin cientfica

http://es.slideshare.net/wbulege/qu-es-la-investigacin-cientfica


kk




















MODELOS
1. Cules son las etapas fundamentales de la investigacin cientfica?
R. La investigacin cientfica tiene tres etapas fundamentales:
a) Determinacin del problema
b) Elaboracin de un modelo adecuado
c) Solucin del problema

2. Qu es un modelo?
R. Modelo es una representacin de un sistema real. Esta representacin
slo detalla las cualidades relevantes que son de inters para el estudio que
se est llevando a cabo.
Puede notarse que los modelos se utilizan en la vida diaria y en la ciencia para
tomar decisiones frente a un determinado problema.
3. Cul es la diferencia entre un modelo cualitativo y uno cuantitativo?
R.
Modelo Cualitativo

Modelo Cuantitativo
La mayor parte del pensamiento
relacionado con los problemas de
negocios comienza con los modelos
cualitativos

Cuando se construye un modelo
con smbolos para representar
constantes y variables cuantitativas,
entonces a este modelo se lo
llama modelo cuantitativo.
Hay muchos problemas que no
pueden cuantificarse exactamente
debido a uno o ms de los siguientes
motivos: tcnicas inadecuadas de
medicin, necesidad de muchas
variables, desconocimiento de
algunas variables, relaciones
especiales ignoradas, y relaciones
con tantas peculiaridades y
excepciones que son demasiado

Se considera que una ecuacin
matemtica es un modelo de este
tipo, porque representa una
abstraccin de las relaciones o
condiciones entre constantes y
variables.

4. Dar dos ejemplos de modelo: generales y especficos.
R. Ejemplos:

5. Qu se entiende por modelos icnicos? Dar un ejemplo.
R. los modelos icnicos son particulares y an individuales: sirven para un
determinado sistema y no se pueden extender su aplicacin. Resultan
fciles de comprender, ya que el nivel de abstraccin es mnimo, aunque vara.
As en una estatua, la abstraccin es menor que en el plano de una casa, que
es ms general.
En un modelo icnico se conservan las proporciones del objeto real mediante
una reduccin de escala y una seleccin de las propiedades representadas.
ejemplo


Una maqueta, donde se ha establecido
una reduccin de tamao conservando
las relaciones dimensionales bsicas.




6. Qu se entiende por modelos analgicos? Dar un ejemplo.
complejas para expresarlas en forma
cuantitativa.
Modelos Generales

Modelos Especficos
1. el modelo Y= b * X + a es un
modelo general ya que los
coeficientes a y b pueden
asumir cualquier valor real.

1. el modelo Y= 2,1 * X + 3 es
un modelo especfico, ya que
los coeficientes tienen valores
determinados.
R. En estos modelos aumenta el nivel de abstraccin, con respecto a
los modelos icnicos. Son representaciones fsicas de los objetos
materiales originales, en los cuales, el modelo no tiene un parecido directo (no
es imagen) con el objeto original; sin embargo puede establecerse una relacin
uno a uno entre las variables fundamentales del modelo y del objeto original.
Existen analogas entre las propiedades del sistema y las de su modelo, es
decir, hay semejanza pero no es una reproduccin fiel, salvo para algunas
propiedades.
Los modelos analgicos se utilizan sobre todo para explicar los
sistemas dinmicos, lo que representa una ventaja fundamental sobre los
icnicos.
ejemplo



Un mapa impreso, construido
mediante un conjunto de
convenciones cartogrficas
que hacen legibles
propiedades tales como las
altitudes, distancias,
localizacin fsica de objetos
geogrficos, etc.


7. Qu se entiende por modelos simblicos? Dar un ejemplo.
R. Los modelos simblicos representan la mxima abstraccin y, por
supuesto, la mxima generalidad; puede decirse que son universales. Estos
representan las propiedades relevantes del sistema original, mediante
cantidades, relaciones matemticas o lgicas.
Como ventaja se puede decir que son fciles de manipular; mejora la
comunicacin a travs de una expresin precisa del problema en contraste con
la descripcin verbal y, sobre todo, pueden integrarse con otros trabajos.



ejemplo



La representacin de un edificio
mediante la identificacin y codificacin
en una estructura geomtrica de sus
elementos bsicos.









8. Cul es la diferencia entre un modelo matemtico y uno
probabilstico?
R.
Modelo Matemtico

Modelo probabilstico
Cuando el modelo funciona en
condiciones de certidumbre, se utiliza la
ecuacin matemtica, que es
determinista. Hay estricta causalidad (a
tal causa tal efecto), y por lo tanto se
puede hablar de variables dependientes
e independientes.

Pero la ciencia, en la mayora de los
casos se enfrenta con problemas del
mundo natural, donde los fenmenos
son aleatorios y producidos por multitud
de causas; entonces, se estudia la
casualidad con los modelos estadsticos
o probabilsticos.
En el modelo determinstico o
matemtico todas las variables son
controlables.
Ejemplo es el modelo lineal


Yi = + . Xi
modelo matemtico


En el modelo probabilstico se indican
las variables controlables y las
incontrolables.
Ejemplo es el modelo lineal

Yi = + . Xi + i
modelo probabilstico
El tercer trmino del modelo
probabilstico determina la aleatoriedad
que se tiene en las respuestas


















Ventajas y limitaciones de la Simulacin
Las tcnicas de la simulacin son muy tiles, porque permiten experimentar con un modelo del
sistema en vez del sistema real que est funcionando. El experimento con el sistema mismo podra
resultar demasiado costoso en trminos de dinero y, en muchos casos, sera demasiado
arriesgado. Por ejemplo, en la implantacin de un nuevo sistema de cuentas corrientes en un
banco, no sera conveniente poner el sistema sin haberlo simulado previamente. De acuerdo a su
historia y, a la frecuencia de los movimientos en las cuentas, se puede experimentar en el
computador y observar cmo funcionar el sistema en diversas condiciones. La metodologa de
simulacin permite que se manipule una rplica del verdadero sistema, para efectuar
corridas de pruebas antes de comprometer recursos verdaderos del banco. Esto es una
importante ventaja de la simulacin.
Cuando se instalan nuevas mquinas y equipo en una fbrica, pueden ocurrir congestiones
y problemas imprevistos. La simulacin puede evitar esas posibles dificultades, porque
permite al gerente de produccin advertir ciertos problemas que de otro modo no se tendran en
cuenta. Los estudios de simulacin constituyen una forma muy valiosa y conveniente de
descomponer en subsistemas un sistema complicado. A su vez, cada subsistema puede simularse
individual o conjuntamente con otros.

En algunos casos, la experiencia del diseo de un modelo de simulacin y su implementacin
en un computador, puede ser ms valiosa que la misma simulacin.
El empleo de los juegos de negocios ha sido sumamente benfico para el adiestramiento del
personal administrativo en todos los niveles. Permite que los jugadores observen la reaccin
recproca de sus decisiones en las polticas y objetivos de la compaa, en condiciones de
incertidumbre y que los participantes averigen rpidamente sus capacidades y deficiencias. Esta
clase de simulacin crea un alto grado de motivacin personal y de aprendizaje, porque la
retroalimentacin proporciona una base para la evaluacin y correccin individual. Deja que
cada participante ponga a prueba cursos alternativos de accin antes de tomar una decisin
definitiva. Como casi todos los juegos de negocios emplean computadoras, dan a los
participantes cierta familiaridad con el procesamiento electrnico de datos.
La simulacin incluye el tiempo en el anlisis de situaciones, esencialmente, dinmicas. En una
simulacin por computador en las operaciones de negocios, pueden comprimirse los resultados de
varios aos en unos cuantos minutos de funcionamiento.
Tambin hay que reconocer las limitaciones de la simulacin. No produce simulaciones ptimas y,
cada corrida de simulacin, es como un experimento aislado que se efecta bajo una serie de
condiciones dadas, definida por una serie de valores para la solucin de entrada. Por lo tanto, se
necesitarn muchas corridas de simulacin.
Al ser ms fcil su utilizacin puede dar por resultado la sustitucin de las tcnicas matemticas
analticas cuando stas son las ms adecuadas.
La simulacin est sujeta a los problemas de inclusin de variables correctas, funciones
adecuadas, etc.; como cualquier otro modelo simblico.
Ventajas y desventajas de la Simulacin
Algunas posibles ventajas de la simulacin son:
La mayora de los sistemas complejos del mundo real con elementos estocsticos no
pueden ser descriptos precisamente por un modelo matemtico que pueda ser
evaluado analticamente. As, una simulacin es comnmente el nico tipo de investigacin
posible.
La simulacin le permite a uno estimar la performance de un sistema existente bajo algn
conjunto proyectado de condiciones operativas.
Los diseos de sistemas propuestos alternativos (o polticas operativas alternativas para
un sistema) pueden ser comparadas va simulacin para ver cul satisface mejor un requerimiento
especfico.
En una simulacin podemos mantener mucho mejor control sobre las
condiciones experimentales que lo que generalmente sera posible cuando experimentamos con el
sistema en s mismo.
La simulacin nos permite estudiar un sistema con un largo horizonte de tiempo (por
ejemplo un sistema econmico) en un tiempo comprimido, o alternativamente estudiar los
funcionamientos detallados de un sistema en un tiempo expandido.
Algunas desventajas de la simulacin son:
Cada ejecucin de un modelo de simulacin estocstico produce slo estimaciones de las
caractersticas reales de un modelo para un conjunto particular de parmetros de entrada. As, se
requerirn varias corridas independientes del modelo para cada conjunto de parmetros de
entrada a ser estudiado. Por esta razn, los modelos de simulacin no son tan buenos en
optimizacin como lo son en comparacin de un nmero fijo de diseos de sistemas alternativos
especificados. Por otro lado, si un modelo analtico es apropiado, puede fcilmente producir
las caractersticas reales exactas del modelo para una variedad de conjuntos de parmetros de
entrada. As, si un modelo analtico vlido est disponible o puede ser desarrollado en forma
simple, este ser preferible a un modelo de simulacin.
Los modelos de simulacin son comnmente costosos y consumidores de tiempo
para desarrollar.
El gran volumen de nmeros producidos por un estudio de simulacin o el impacto
persuasivo de una animacin realstica por lo general crean una tendencia a tenerle mayor
confianza al resultado de un estudio. Si un modelo no es una representacin vlida de un sistema
bajo estudio, los resultados de la simulacin, sin importar lo impresionantes que parezcan,
proveern poca informacin til sobre el sistema actual.
En algunos estudios, tanto la simulacin como los modelos analticos podran ser tiles. En
particular, la simulacin puede usarse para chequear la validez de suposiciones necesarias en un
modelo analtico. Por otro lado, un modelo analtico puede sugerir alternativas razonables para
investigar en un estudio de simulacin.
Riesgos al momento de realizar una Simulacin
Asumiendo que se ha tomado una decisin prudente de utilizar la simulacin, existen varios
riesgos a lo largo del camino hacia la terminacin exitosa de un estudio de simulacin. Estos
riesgos son:
Fallar en no tener un conjunto de objetivos bien definidos al comienzo del estudio
de simulacin.
Inapropiado nivel de detalle del modelo.
Fallar en no comunicarse regularmente con la administracin a lo largo del estudio
de simulacin.
Tratar un estudio de simulacin como si ste fuera principalmente un ejercicio complicado
de programacin.
Fallar en no tener personas con entrenamiento en estadstica y operaciones-investigacin
en el equipo de modelado.
Usar software de simulacin comercial que puede contener errores o cuyas sentencias
pueden no estar bien documentadas y pueden no implementar la lgica de modelado deseada.
Confiar en simuladores que hacen la simulacin accesible para cualquiera.
Mal uso de animacin.
Fallar en no tener en cuenta correctamente los orgenes de la aleatoriedad en el sistema
actual.
Usar distribuciones arbitrarias (por ejemplo normal o uniforme) como entrada de la
simulacin.
Analizar los datos de salida de una corrida de simulacin usando frmulas estadsticas que
suponen independencia.
Realizar una repeticin simple de un diseo de sistema particular y tratar las estadsticas
de salida como las respuestas reales.
Comparar diseos de sistemas alternativos sobre la base de una repeticin para cada
diseo.
Usar medidas de performance equivocadas.