Personal tools

Difference between revisions of "MMS: M&S Principles"

From hpcwiki

Jump to: navigation, search
m (Contents)
Line 1: Line 1:
 
== Contents ==
 
== Contents ==
¿1. ¿Qué es Modelado Matemático?
+
1. ¿Qué es Modelado Matemático?
a. Definición
+
  a. Definición
b. Realidad vs. Modelo
+
  b. Realidad vs. Modelo
c. Objetivos del Modelado Matemático: descripción, predicción, optimización
+
  c. Objetivos del Modelado Matemático: descripción, predicción, optimización
 +
 
 
2. ¿Qué es Simulación por Computador?
 
2. ¿Qué es Simulación por Computador?
. Principios de programación: programación funcional y programación orientada a objetos.  
+
  a. Principios de programación: programación funcional y programación orientada a objetos.  
a. Solución numérica de problemas por aproximación  
+
  b. Solución numérica de problemas por aproximación  
b. Reproducción de comportamientos dinámicos
+
  c. Reproducción de comportamientos dinámicos
c. Experimentación Numérica  - Métodos Numéricos
+
  d. Experimentación Numérica  - Métodos Numéricos
 +
 
 
3. Proceso de Modelado y Simulación
 
3. Proceso de Modelado y Simulación
. Presentación general del ciclo de vida del modelado
+
  a. Presentación general del ciclo de vida del modelado
a. Especificación conceptual de un modelo - Problema a resolver - Pregunta de Investigación - Análisis del Sistema - Elección del modelo
+
  b. Especificación conceptual de un modelo - Problema a resolver - Pregunta de Investigación - Análisis del Sistema - Elección del modelo
b. Formalización Matemática. Especificiación del modelo. Modelos tipo. Navaja de Ockham (Occam).  Funciones de transferencia vs. ecuaciones de estado. Análisis dimensional. Tipos de modelos matemáticos.
+
  c. Formalización Matemática. Especificiación del modelo. Modelos tipo. Navaja de Ockham (Occam).  Funciones de transferencia vs. ecuaciones de estado. Análisis dimensional. Tipos de modelos matemáticos.
c. Formulación Numérica e Implementación computacional. Simulación
+
  d. Formulación Numérica e Implementación computacional. Simulación
d. Verificación funcional
+
  e. Verificación funcional
e. Validación: Comportamiento del modelo vs. comportamiento del sistema real
+
  f. Validación: Comportamiento del modelo vs. comportamiento del sistema real
 +
 
 
4. Primer ejemplo: El modelo SIR de propagación de epidemias
 
4. Primer ejemplo: El modelo SIR de propagación de epidemias
. Motivación y sustentación
+
  a. Motivación y sustentación
a. Modelación matemática
+
  a. Modelación matemática
b. Programación de la Simulación
+
  b. Programación de la Simulación
c. Análisis de resultados
+
  c. Análisis de resultados
 +
 
 
5. M&S y Conocimiento obtenido sobre el Sistema Real
 
5. M&S y Conocimiento obtenido sobre el Sistema Real
. Representación y simplificación
+
  a. Representación y simplificación
a. Epistemología del M&S
+
  b. Epistemología del M&S
 +
 
 
6. Elección de un modelo
 
6. Elección de un modelo
. Criterios: objetivo del modelado, características del sistema real, número de elementos, tipo de relaciones entre elementos, tipo de dominio, alcances
+
  a. Criterios: objetivo del modelado, características del sistema real, número de elementos, tipo de relaciones entre elementos, tipo de dominio, alcances
a. Formulaciones matemáticas
+
  b. Formulaciones matemáticas
 +
 
 
7. Tipos de modelos
 
7. Tipos de modelos
. Caja Negra vs. Caja blanca
+
  a. Caja Negra vs. Caja blanca
a. Estáticos vs. Dinámicos
+
  b. Estáticos vs. Dinámicos
b. Heurísticos vs. Empíricos
+
  c. Heurísticos vs. Empíricos
c. Lineales vs. No Lineales
+
  d. Lineales vs. No Lineales  
d. Determinísticos vs. Estocásticos
+
  e. Determinísticos vs. Estocásticos
e. Isomórficos vs. Homomórficos
+
  f. Isomórficos vs. Homomórficos
f. Parámetros amontonados vs. Parámetros distribuidos
+
  g. Parámetros amontonados vs. Parámetros distribuidos
g. Estacionarios vs. No Estacionarios
+
  h. Estacionarios vs. No Estacionarios
 +
 
 
8. Segundo ejemplo: Introducción a la percolación  
 
8. Segundo ejemplo: Introducción a la percolación  
. Motivación
+
  a . Motivación
a. Modelación
+
  b. Modelación
b. Ejemplo de programado de la simulación 2D
+
  c. Ejemplo de programado de la simulación 2D
c. Análisis de resultados
+
  d. Análisis de resultados
 +
 
 
9. Herramientas numéricas y computacionales para la implementación de simulaciones
 
9. Herramientas numéricas y computacionales para la implementación de simulaciones
 +
 
10. Análisis de resultados de un modelo
 
10. Análisis de resultados de un modelo
 
  . Métodos estadísticos
 
  . Métodos estadísticos
 +
 
11. Tercer ejemplo: El modelo de haz de fibras, ejemplo de modelado de un proceso de fractura.
 
11. Tercer ejemplo: El modelo de haz de fibras, ejemplo de modelado de un proceso de fractura.
. Motivación
+
  a. Motivación
a. Modelación
+
  b. Modelación
b. Ejemplo de programado de la simulación 2D
+
  c. Ejemplo de programado de la simulación 2D
 +
 
 
12. Cuarto Ejemplo: Modelado por elementos finitos
 
12. Cuarto Ejemplo: Modelado por elementos finitos
. Motivación
+
  a. Motivación
a. Modelación
+
  b. Modelación
b. Ejemplo de programado de la simulación 2D
+
  c. Ejemplo de programado de la simulación 2D

Revision as of 10:12, 22 January 2014

Contents

1. ¿Qué es Modelado Matemático?

 a.	Definición
 b.	Realidad vs. Modelo
 c.	Objetivos del Modelado Matemático: descripción, predicción, optimización

2. ¿Qué es Simulación por Computador?

 a.	Principios de programación: programación funcional y programación orientada a objetos. 
 b.	Solución numérica de problemas por aproximación 
 c.	Reproducción de comportamientos dinámicos
 d.	Experimentación Numérica  - Métodos Numéricos

3. Proceso de Modelado y Simulación

 a.	Presentación general del ciclo de vida del modelado
 b.	Especificación conceptual de un modelo - Problema a resolver - Pregunta de Investigación - Análisis del Sistema - Elección del modelo
 c.	Formalización Matemática. Especificiación del modelo. Modelos tipo. Navaja de Ockham (Occam).  Funciones de transferencia vs. ecuaciones de estado. Análisis dimensional. Tipos de modelos matemáticos.
 d.	Formulación Numérica e Implementación computacional. Simulación
 e.	Verificación funcional
 f.	Validación: Comportamiento del modelo vs. comportamiento del sistema real

4. Primer ejemplo: El modelo SIR de propagación de epidemias

 a.	Motivación y sustentación
 a.	Modelación matemática
 b.	Programación de la Simulación
 c.	Análisis de resultados

5. M&S y Conocimiento obtenido sobre el Sistema Real

 a.	Representación y simplificación
 b.	Epistemología del M&S

6. Elección de un modelo

 a.	Criterios: objetivo del modelado, características del sistema real, número de elementos, tipo de relaciones entre elementos, tipo de dominio, alcances
 b.	Formulaciones matemáticas

7. Tipos de modelos

 a.	Caja Negra vs. Caja blanca
 b.	Estáticos vs. Dinámicos
 c.	Heurísticos vs. Empíricos
 d.	Lineales vs. No Lineales 
 e.	Determinísticos vs. Estocásticos
 f.	Isomórficos vs. Homomórficos
 g.	Parámetros amontonados vs. Parámetros distribuidos
 h.	Estacionarios vs. No Estacionarios

8. Segundo ejemplo: Introducción a la percolación

 a .	Motivación
 b.	Modelación
 c.	Ejemplo de programado de la simulación 2D
 d.	Análisis de resultados

9. Herramientas numéricas y computacionales para la implementación de simulaciones

10. Análisis de resultados de un modelo

.	Métodos estadísticos

11. Tercer ejemplo: El modelo de haz de fibras, ejemplo de modelado de un proceso de fractura.

 a.	Motivación
 b.	Modelación
 c.	Ejemplo de programado de la simulación 2D

12. Cuarto Ejemplo: Modelado por elementos finitos

 a.	Motivación
 b.	Modelación
 c.	Ejemplo de programado de la simulación 2D