Modelado y simulación de un entorno microeconómico

Por: García Escobar, Loreto RocíoColaborador(es): Glaría Bengoechea, Jaime (Comisión de tesis ) [, prof. guía] | Palacios Alvarado, Andrea Estela [coaut.] | UTFSM. Departamento de Electrónica (1994-)Tipo de material: TextoTextoDetalles de publicación: Valparaíso: UTFSM, 2009Descripción: vi, 129 h.: ilTema(s): BC / MEM (memorias UTFSM con resúmenes)Clasificación CDD: M ELO Nota de disertación: Tesis (Ing. Civil Electrónico, mención Control e Instrumentación) -- Prof. guía: Jaime Glaría B. Tema: [Resumen del autor]Tema: Este trabajo de memoria presenta la aplicación de Dinámica de Sistemas para modelar un mercado microeconómico, en particular el mercado de la carne bovina en Chile. Este ejercicio permite analizar la viabilidad y conveniencia de esta herramienta en sistemas un poco más flexibles, pero no por esto menos complejos, tales como la economía. Una de las principales ventajas encontrada, es que al aplicar un enfoque dinámico, es posible estudiar la trayectoria recorrida por las variables del sistema, para llegar a puntos de equilibrio; esto permite estudiar la estabilidad de las dinámicas asociadas al mercado, lo que no es posible visualizar en las tradicionales curvas de oferta y demanda. Ahora bien, este y otros beneficios se sustentan en la fidelidad del modelo con la realidad y es aquí donde radica una de las principales limitaciones de éste. Durante el desarrollo de este trabajo, una de las principales dificultades enfrentadas fue encontrar información útil y fiable, necesaria para cuantificar las relaciones existentes entre las variables del modelo. Es necesario contar con bastante tiempo, conocimientos de las ciencias económicas, e idealmente, la asesoría de alguien que conozca a fondo el escenario a modelar; esto, con el objetivo, de llegar a tener un entendimiento cabal de las dinámicas asociadas a dicho escenario, y cuantificar de forma más limpia y precisa las relaciones internas del sistema. Finalmente, se aplicó un método predictivo al modelo obtenido, en particular, redes neuronales. Sin embargo, luego de reiterados intentos, no fue posible obtener una predicción satisfactoria. Se sospecha que la información que otorga el modelo, no cumple con ciertos requisitos de variabilidad mínimas para que la red efectúe el aprendizaje.
Etiquetas de esta biblioteca: No hay etiquetas de esta biblioteca para este título. Ingresar para agregar etiquetas.
Valoración
    Valoración media: 0.0 (0 votos)

Incluye anexos

CD Rom incluye tesis en formato PDF

Tesis (Ing. Civil Electrónico, mención Control e Instrumentación) -- Prof. guía: Jaime Glaría B.

h. 88 - 89

[Resumen del autor]

Este trabajo de memoria presenta la aplicación de Dinámica de Sistemas para modelar un mercado microeconómico, en particular el mercado de la carne bovina en Chile. Este ejercicio permite analizar la viabilidad y conveniencia de esta herramienta en sistemas un poco más flexibles, pero no por esto menos complejos, tales como la economía. Una de las principales ventajas encontrada, es que al aplicar un enfoque dinámico, es posible estudiar la trayectoria recorrida por las variables del sistema, para llegar a puntos de equilibrio; esto permite estudiar la estabilidad de las dinámicas asociadas al mercado, lo que no es posible visualizar en las tradicionales curvas de oferta y demanda. Ahora bien, este y otros beneficios se sustentan en la fidelidad del modelo con la realidad y es aquí donde radica una de las principales limitaciones de éste. Durante el desarrollo de este trabajo, una de las principales dificultades enfrentadas fue encontrar información útil y fiable, necesaria para cuantificar las relaciones existentes entre las variables del modelo. Es necesario contar con bastante tiempo, conocimientos de las ciencias económicas, e idealmente, la asesoría de alguien que conozca a fondo el escenario a modelar; esto, con el objetivo, de llegar a tener un entendimiento cabal de las dinámicas asociadas a dicho escenario, y cuantificar de forma más limpia y precisa las relaciones internas del sistema. Finalmente, se aplicó un método predictivo al modelo obtenido, en particular, redes neuronales. Sin embargo, luego de reiterados intentos, no fue posible obtener una predicción satisfactoria. Se sospecha que la información que otorga el modelo, no cumple con ciertos requisitos de variabilidad mínimas para que la red efectúe el aprendizaje.

2