Evaluacin de los Sistemas

Los progresos realizados en un sistema deben ser medidos o evaluados para conocer las deficiencias y problemas que ste presenta. Aunque una evaluacin cualitativa puede resultar til en las etapas iniciales del desarrollo del sistema, medidas cuantitativas bajo unas mismas condiciones resultan de vital importancia para ver el progreso real del sistema y compararlo consigo mismo o con otros. Los nmeros no aportan informacin si se desconoce de dnde proceden, es decir, qu representan. La evaluacin de cualquier tecnologa debe ir acompaada de un conjunto de medidas estndar propuestas para tal fin. La disponibilidad de bases de datos y de protocolos o procedimientos para la evaluacin de estos sistemas ha sido un componente muy importante, casi fundamental, en el progreso alcanzado en este campo y ha permitido compartir nuevas ideas, e incluso compararlas con otras ya consolidadas. Los progresos en la evaluacin de sistemas de comprensin del lenguaje hablado estn comenzando. As vamos a mencionar a continuacin diferentes acuerdos alcanzados [PRI90] en la evaluacin de sistemas: Conjuntos de Datos de Entrenamiento y de Prueba Independientes. La importancia de disponer de conjuntos de datos independientes para el entrenamiento/desarrollo y para la evaluacin de sistemas de reconocimiento de habla viene siendo aceptada desde hace bastante tiempo por la comunidad cientfica. Sigue siendo igual de importante para el desarrollo y evaluacin de los sistemas de comprensin de habla, aunque para estos ltimos nos interesar tener datos de prueba dnde aparezcan el mayor nmero de fenmenos del habla posibles (son importantes las construcciones gramaticales, los efectos propios del habla espontnea, etc.), para colocar al sistema en el mayor nmero de situaciones (lxicas, sintcticas y semnticas) posible. Sin embargo, es conveniente resaltar que el proceso de evaluacin no deja de ser parte del proceso de entrenamiento, pues en muchos casos los resultados de la misma sirven para depurar o mejorar el comportamiento final del sistema. Por tanto, es importante que exista un conjunto de datos independiente y realista, tan grande como sea posible, con el que se evale definitivamente un sistema y con cuyos resultados no se intente seguir desarrollando (mejorando) el sistema. Evaluacin del Sistema como Caja Negra. La evaluacin de los componentes de un sistema es una tarea importante durante el desarrollo del mismo, aunque no es especialmente til para comparar sistemas entre s, al menos que los sistemas a comparar sean muy similares, lo que no suele ser el caso. La motivacin para evaluar los componentes de un sistema es puramente interna, por tanto, no es absolutamente necesario llegar a acuerdos en la comunidad internacional sobre la metodologa de evaluacin de los mismos. Las medidas de evaluacin de los componentes internos de un sistema pueden utilizarse para evaluar las tecnologas empleadas en cada componente como una funcin de sus parmetros de diseo; por ejemplo, el funcionamiento de un mdulo de reconocimiento acstico puede ser evaluado como una funcin de la perplejidad alofnica y sintctica, el funcionamiento de un analizador sintctico (parser) como una funcin de la calidad (errores) de la secuencia de palabras (frase) de entrada. Adems, estas medidas son tiles para evaluar el progreso conseguido, y cmo los cambios en varios componentes afectan al resto de los mismos. Evaluacin Cuantitativa vs. Cualitativa. Una evaluacin cualitativa de un sistema (p. ej. lo que parece gustar a los usuarios del sistema) puede ser animador, pero mucho ms convincente para aquellos que no pueden observar el sistema son las medidas cuantitativas llevadas a cabo de forma automtica. Las medidas deberan ser estandarizadas en la medida de lo posible, y ser reproducibles, para considerarlas significativas. El proceso automatizado evita errores humanos debido a fatiga, falta de atencin, malas intenciones, etc. y adems, permite capturar muchos ms

datos que en un caso manual, y sacar conclusiones sobre el funcionamiento de ciertos procesos o hechos que ocurren, con una mayor fiabilidad. Captura de Datos para Evaluacin. Para capturar los datos que necesitamos para evaluar los sistemas de lenguaje hablado, se han desarrollado tcnicas y sistemas especiales conocidos como PNAMBIC (Pay No Attention to the ManBehind the Curtain) o Mago de Oz (Wizard of Oz), que implica la existencia de un experto cooperando con un sistema ms o menos automtico y completo, pero del que no es consciente el usuario, quin piensa que interacciona slo con un sistema completamente automtico. Realmente, el mago introduce las peticiones del usuario transcribiendo la frase hablada a texto y envindosela a la pantalla del usuario, as como interaccionando con un sistema de informacin (p.e. de gestin de bases de datos), para conseguir las respuesta a la pregunta o peticin del usuario y poder mandrsela. No se permite que el mago realice tareas complejas, slo puede enviar los datos obtenidos de la base de datos, o frases que indiquen ciertos problemas, indicaciones al usuario, como su pregunta requiere un proceso que sobrepasa las posibilidades del sistema. En general, la actuacin del mago viene condicionada por el hecho de que comprenda o no la pregunta del usuario y sobre su conocimiento sobre las posibilidades de la base de datos. Los datos deben ser analizados a posteriori para determinar si la actuacin del mago fue o no correcta. Convenios sobre las Transcripciones. La transcripcin de las sesiones, es decir, las frases que se muestran al usuario, representan el habla natural de ese locutor. Para llevar a cabo evaluaciones automticas, debemos llegar a un cierto acuerdo sobre los convenios a utilizar para representar lo que el usuario ha dicho, y se deben implementar procedimientos que aseguren que estos convenios son realmente utilizados. Respuestas Cannicas y Obtencin de Medidas. Las respuestas cannicas son, en general, las respuestas enviadas al usuario bajo el control del mago. Estas respuestas debern ser modificadas si el mago comete un error, o si la respuesta depende del contexto en que fue generada debido a la posible cooperacin (dilogo) entre el mago y el usuario. La obtencin de medidas se lleva a cabo con programas estndar y convenios para las entradas y salidas. Los conceptos de anlisis y sntesis se refieren a dos actividades complementarias en el estudio de realidades complejas. El anlisis consiste en la separacin de las partes de esas realidades hasta llegar a conocer sus elementos fundamentales y las relaciones que existen entre ellos. La sntesis, por otro lado, se refiere a la composicin de un todo por reunin de sus partes o elementos. Esta construccin se puede realizar uniendo las partes, fusionndolas u organizndolas de diversas maneras (Bajo, M.T., 2004).

Anlisis y Sntesis
La capacidad de anlisis y sntesis nos permite conocer ms profundamente las realidades con las que nos enfrentamos, simplificar su descripcin, descubrir relaciones aparentemente ocultas y construir nuevos conocimientos a partir de otros que ya poseamos. Por todo ello, tiene un carcter genrico y est relacionada con varias competencias (pensamiento crtico, resolucin de problemas, organizacin y planificacin o toma de decisiones, por poner algunos ejemplos). Los procesos de anlisis y sntesis depende en gran medida de tres elementos: 1) La informacin y conocimientos previos que posee el individuo o grupo que llevar a cabo la tarea, 2) su habilidad en la percepcin del detalle y de relaciones novedosas entre elementos propios de la realidad objeto de

estudio y de otros ajenos a ella, y 3) los objetivos del estudio, que ayudarn a establecer criterios para seleccionar la informacin relevante y organizarla en la construccin de la sntesis. Definicin: Reconocer y describir los elementos constitutivos de una realidad y proceder a organizar la informacin significativa segn criterios preestablecidos adecuados a un propsito. DEFINICIN DE MODELO Un modelo es una representacin de un objeto, sistema o idea, de forma diferente al de la entidad misma. El propsito de los modelos es ayudarnos a explicar, entender o mejorar un sistema. Un modelo de un objeto puede ser una rplica exacta de ste o una abstraccin de las propiedades dominantes del objeto. REQUISITOS DE UN MODELO FUNCIONAL Un modelo funcional es un instrumento que sirve a su propsito en forma adecuada y que deja satisfecho al utilizador. Un buen modelo funcional toma en cuenta todos los factores esenciales e ignora por completo los detalles superfinos. Por eso, es de suma importancia disponer de un propsito muy claro y preciso antes de comenzar a elaborar el modelo. Los requisitos primordiales para construir cualquier modelo son: Un propsito claramente definido. Identificar las consideraciones esenciales (incluir en el modelo). Desechar consideraciones superfluas (estas son fuente de confusin) . El modelo debe representar la realidad en forma simplificada.

Variable de Estado
Una variable de estado es precisamente la que 'controla' (representa) por decirlo as, el estado actual del sistema, el cual (si es funcin del tiempo) vara en cada instante de tiempo. Como una variable de auxilio (v. auxiliar) para determinar qu salida(s) se produce(n) frente a tal(es) entrada(s). Obviamente, la variable de estado interacta con las variables de entrada y salida, y adems depende de ellas. Definicin ms formal: Variables de Estado: Describen el estado de un sistema o de uno de sus componentes, ya sea al comienzo, al final o durante un periodo de tiempo. Estas variables interaccionan con las exgenas y las endgenas del sistema, de acuerdo a las relaciones funcionales dispuestas. El valor que tome durante un periodo particular de tiempo, puede depender no solo de una o ms variables exgenas en determinado periodo precedente, sino adems del valor de ciertas variables endgenas de periodos anteriores.

DIAGRAMAS DE FASE
Para un sistema con dos variables de estado, el diagrama de fase es el conjunto de curvas que representan a una variable de estado en funcin de la otra, cada una de ellas para una condicin inicial diferente. El diagrama de fase permite determinar para un conjunto diferente de condiciones

iniciales si el sistema es estable o inestable, es decir, si converge a unas condiciones finales en estado estacionario.

VARIABLE FSICA
Una variable es algo que cambia respecto a algo, por ejemplo como cambia la posicin de un automvil respecto al tiempo, como cambian tus ingresos respecto a las horas que trabajas, etc.

Clasificacin de Modelos
Muchos problemas de decisin implican un gran nmero de factores o variables importantes o pueden tener muchas opciones a considerar por lo que se hace necesario la utilizacin de computadoras para su solucin. Por ejemplo una empresa puede contar con varias fbricas donde produce bienes para enviar a cientos de clientes. Decidir la programacin de las fbricas y determinar cules de ellas deben atender a cuales clientes, para minimizar costos, implica cientos de variables y restricciones que pueden tener millones de posibles soluciones. Los modelos de programacin lineal y programacin entera son las tcnicas ms utilizadas para resolver problemas grandes y complejos de negocios de este tipo. En ellos se aplican tcnicas matemticas para hallar el valor mximo (o el mnimo) de un objetivo sujeto a un conjunto de restricciones. La simulacin es una tcnica para crear modelos de sistemas grandes y complejos que incluyen incertidumbre. Se disea un modelo para repetir el comportamiento del sistema. Este tipo de modelo se basa en la divisin del sistema en mdulos bsicos o elementales que se enlazan entre s mediante relaciones lgicas bien definidas. El desarrollo de un modelo de simulacin es muy costoso en tiempo y recursos. Problemas dinmicos los problemas dinmicos de decisin implican un tipo particular de complejidad cuando hay una secuencia de decisiones interrelacionadas a travs de varios perodos. Por ejemplo modelos de inventario, para determinar cundo pedir mercadera y cunto debe mantenerse en existencia; los modelos PERT o de ruta Critica para la programacin de proyectos y los modelos de colas para problemas que involucran congestin.

Modelos Analgicos:
Se construyen mediante un conjunto de convenciones que sintetizan y codifican las propiedades del objeto real con el objetivo de facilitar la compresin de las mismas. Ejemplo; Un mapa impreso construido mediante un conjunto de convenciones cartogrficas que hacen legible propiedades tales como altitudes, localizacin fsica de objetos geogrficos, etc.

Modelos Simblicos:
Representan la realidad mediante la identificacin y codificacin en una estructura geomtrica de sus elementos bsicos. Llegan a un nivel superior de abstraccin, ya que el objeto real queda representado mediante una simbolizacin matemtica. Ejemplo: La representacin de un edificio mediante la identificacin y la codificacin en una estructura geomtrica de sus elementos bsicos, por ejemplo, la estimacin de esfuerzos a la que est sometido.

Modelos conceptuales
Es aquella representacin del sistema por medio de definiciones organizadas en forma estructurada. Ejemplo: un diagrama causal. Los modelos de sistemas de actividad humana son una clase particular de modelo conceptual y son los ms usados, sin embargo para los modelos cualitativos en general podemos hacer referencia a cuatro clases de usos: a) Como una ayuda para aclarar las consideraciones de un rea de inters; b) como una ilustracin de un concepto; c) como una ayuda para definir la estructura y la lgica; d) como un prerrequisito del diseo. Un modelo de datos es una serie de conceptos que puede utilizarse para describir un conjunto de datos y las operaciones para manipularlos. Hay dos tipos de modelos de datos: los modelos conceptuales y los modelos lgicos. Los modelos conceptuales se utilizan para representar la realidad a un alto nivel de abstraccin. Mediante los modelos conceptuales se puede construir una descripcin de la realidad fcil de entender. En los modelos lgicos, las descripciones de los datos tienen una correspondencia sencilla con la estructura fsica de la base de datos. En el diseo de bases de datos se usan primero los modelos conceptuales para lograr una descripcin de alto nivel de la realidad, y luego se transforma el esquema conceptual en un esquema lgico. El motivo de realizar estas dos etapas es la dificultad

Los modelos verbales

Se ajustan al esquema de "si se cumple esta condicin, entonces lgicamente debera de ocurrir esto". Aunque algunas personas no tienen muy buena opinin de estos modelos verbales, pues carecen de rigor matemtico, estos modelos pueden llegar a ser muy potentes. La teora de Darwin de evolucin por seleccin natural era un modelo verbal y, sin embargo, revolucion la biologa. El modelo de Darwin estableca que si existe variacin en un carcter que est correlacionado con el xito reproductivo, y esta variacin es "heredable", entonces el carcter cambiar en sucesivas generaciones; es decir, evolucionar.

Modelo computacional
es un modelo matemtico en las ciencias de la computacin que requiere extensos recursos computacionales para estudiar el comportamiento de un sistema complejo por medio de la simulacin por computadora. El sistema bajo estudio es a menudo un sistema complejo no lineal para el cual las soluciones analticas simples e intuitivas no estn fcilmente disponibles. En lugar de derivar una solucin analtica matemtica para el problema, la experimentacin es hecha con el modelo cambiando los parmetros del sistema en la computadora, y se estudian las diferencias en el resultado de los experimentos. Las teoras de la operacin del modelo se pueden derivar/deducir de estos experimentos de computacionales. Ejemplos de modelos de computacionales comunes son modelos de el pronstico del tiempo, modelos del Earth Simulator, modelos de simulador de vuelo, modelos de plegamiento molecular de protenas, y modelos de red neural.

Modelos Formales o Matemticos:

Estn basados en hiptesis, y son enunciados de una manera explcita que no da lugar a ambigedades. Constituyen un intento preliminar por mejorar los modelos mentales que se tienen sobre problemas globales a largo plazo combinando la abundante informacin que ya tiene la mente humana y que contienen los registros escritos, con los nuevos instrumentos de procesamiento de la informacin que ha producido el creciente conocimiento humano, el mtodo cientfico, el anlisis de sistemas y la computadora

Modelo Sistema de control

Un sistema de control estudia la conducta del sistema con el fin de regularla de un modo conveniente para su supervivencia. Una de sus caractersticas es que sus elementos deben ser lo suficientemente sensitivos y rpidos como para satisfacer los requisitos para cada funcin del control. El control es uno de los cinco subsistemas corporativos (organizacin, planificacin, coordinacin y direccin son los restante) los cuales son muy difciles de separar con respecto al de control. De ello se desprende todo el proceso administrativo, debe considerarse como un movimiento circular, en el cual todos los subsistemas estn ligados intrincadamente, la relacin entre la planificacin y el control es muy estrecha ya que el directivo fija el objetivo y adems normas, ante las cuales se contrastan y evalan acciones. Es necesario ver al control para determinar si las asignaciones y las relaciones en la organizacin estn siendo cumplimentadas tal como se las haba previsto.

Modelo de sistema dinmico

Un sistema dinmico es un sistema complejo que presenta un cambio o evolucin de su estado en un tiempo, el comportamiento en dicho estado se puede caracterizar determinando los lmites del sistema, los elementos y sus relaciones; de esta forma se puede elaborar modelos que buscan representar la estructura del mismo sistema. Al definir los lmites del sistema se hace, en primer lugar, una seleccin de aquellos componentes que contribuyan a generar los modos de comportamiento, y luego se determina el espacio donde se llevar a cabo el estudio, omitiendo toda clase de aspectos irrelevantes.

Un modelo matemtico
se define como una descripcin desde el punto de vista de las matemticas de un hecho o fenmeno del mundo real, desde el tamao de la poblacin, hasta fenmenos fsicos como la velocidad, aceleracin o densidad. El objetivo del modelo matemtico es entender ampliamente el fenmeno y tal vez predecir su comportamiento en el futuro. El proceso para elaborar un modelo matemtico es el siguiente:

Encontrar un problema del mundo real Formular un modelo matemtico acerca del problema, identificando variables (dependientes e independientes) y estableciendo hiptesis lo suficientemente simples para tratarse de manera matemtica. Aplicar los conocimientos matemticos que se posee para llegar a conclusiones matemticas. Comparar los datos obtenidos como predicciones con datos reales. Si los datos son diferentes, se reinicia el proceso. Es importante mencionar que un modelo matemtico no es completamente exacto con problemas de la vida real, de hecho, se trata de una idealizacin. Hay una gran cantidad de funciones que representan relaciones observadas en el mundo real; las cuales se analizarn en los prrafos siguientes, tanto algebraicamente como grficamente.

Un modelo probabilstico
es como su nombre lo indica un Modelo en que las acciones o alternativas posibles estn signadas por el azar, es decir dependen de eventos aleatorios; y que estos han sido estudiados y medidos con auxilio de la estadstica, lo que te permite estimar la probabilidad de ocurrencia de un evento concreto. Estos modelos se usan en el anlisis de Teoras de Cola, rboles de Decisin, etc. Puedes plantear por ejemplo el modelo para determinar la probabilidad que salga tu seleccin de nmeros en un juego de lotera.

Modelo determinstico
Se relacionan dos cantidades por medio de una funcin; por ejemplo si t mide el tiempo en aos y C el nmero de cajas que hay en una bodega, tu puedes saber cuntas cajas hay en cada instante a travs de una funcin: puede ser por ejemplo C(t)=t as por ejemplo, sabes que en un ao hay una caja, en dos aos hay 4 cajas y as. Este no es un ejemplo realista pero creo que sirve para dar una idea

2:
En trminos generales modelos determinsticos, son aquellos, en donde todas las variables son conocidas, o se pueden obtener a travs de despejes y esas cosas. Por ejemplo:

supongamos que tienes un almacn en donde la demanda es de x productos por da, y el almacn se llena de y productos a la semana, por lo tanto se puede obtener el costo el costo de almacenamiento sin ningn problema. Un modelo probabilstico (lo contrario a determinstico), s cuando la demanda por ejemplo no la conoces, entonces tienes que recurrir a mtodos de estimacin estadstica, o a simulaciones probabilsticas.

Modelos lineales
Constituyen una de las metodologas estadsticas ms ampliamente. Utilizadas en la modelizacin y el anlisis de datos de todo tipo. Se introducen en campos tan diversos como la experimentacin industrial, la construccin y validacin de tests psicolgicos o el anlisis de datos de chips de DNA de la moderna era post-genmica. Los modelos lineales se encuentran adems en la base de tcnicas tan populares como la regresin y el anlisis de la varianza. En la prctica, si deseamos utilizar estas tcnicas sin errores y con la profundidad necesaria, es preciso un exhaustivo conocimiento de los conceptos y propiedades de los modelos lineales subyacentes. En este libro se explican estos fundamentos y se desarrollan sus aplicaciones prcticas con todo detalle. Adems de las dos tcnicas principales, el temario contiene tcnicas de diagnstico del modelo, regresin robusta y anlisis de componentes de la varianza. Numerosos ejemplos y ejercicios de cada concepto o tcnica ayudan en su estudio. En especial, se desarrollan todos los ejemplos utilizando R, un software libre de gran potencia y muy apreciado entre los estadsticos de todo el mundo.

Los modelos causales

Son enfoques estructurados avanzados a partir del estudio del proceso salud - enfermedad desde diversas posiciones en la epidemiologa, los cuales son capaces de superar las interpretaciones unicausales, reduccionistas y biologizadoras puras. Conocidos al mismo tiempo como aquellos modelos donde los problemas de salud se explican por la relacin agente - husped, en un determinado ambiente. En los ltimos 100 aos, existen tres (03) modelos que han estado presente en los estudios epidemiolgicos como son el de (causa simple/ efecto simple), (causa mltiple/ efecto simple) y (causa mltiple/ efecto mltiple); este ltimo es muy complejo y es el ms aceptado hasta la actualidad El primero de ellos y el ms simple de todos es el modelo de causa y efecto simple; lo que quiere decir que una sola c usa es suficiente para producir un efecto observado. Ejemplos seran:

Pensamiento Sistmico.
Esta disciplina conforma un marco conceptual de conocimientos y herramientas que se han desarrollado para que los patrones totales resulten ms claros y sea ms fcil modificarlos. Las herramientas suponen una visin del mundo sumamente intuitiva que traemos los seres humanos desde la infancia. Los negocios y las empresas tambin son sistemas, ligadas por tramas invisibles de actos interrelacionados que a menudo tardan aos en exhibir plenamente sus efectos mutuos, donde los empleados forman parte del sistema y se les hace difcil ver todo el patrn de cambio. Normalmente se ven partes del sistema que no resuelven el problema en conjunto. Por esta razn es vital que las cinco disciplinas se desarrollen en su conjunto, lo que representa un desafo porque es mucho ms difcil integrar herramientas nuevas que aplicarlas por separado. Al aplicarlas conjuntamente los beneficios son inmensos. El pensamiento sistmico o quinta disciplina integra las dems disciplinas, fusionndolas en un cuerpo coherente de teora y prctica, les impide ser recursos separados, esta orientacin motiva la interrelacin entre las disciplinas. En el pensamiento sistmico el todo supera la suma de las partes. El pensamiento sistmico requiere las disciplinas concernientes al dominio personal, modelos mentales, visin compartida y aprendizaje en equipo para realizar todo su potencial, permite comprender la percepcin que tiene la organizacin inteligente de si misma y del mundo, de la interaccin de sus ambientes externos e internos. Esto considera a la organizacin conectada con el mundo, donde en vez de considerar que un factor externo ocasiona los problemas de la organizacin son los actos de la misma la que crean los problemas. Una organizacin inteligente es un mbito donde la gente descubre continuamente como crea su realidad y como puede modificarla. Cuando la organizacin inteligente aprende en equipo existe un desplazamiento mental o cambio de enfoque, que lo denominamos "Metanoia" que es el trnsito de una perspectiva a otra. Es el cambio de pensamiento a travs del aprendizaje de la organizacin. Una organizacin es inteligente cuando aprende y continuamente expande su capacidad para crear su futuro. No le basta con sobrevivir, debe conjugar el aprendizaje para la supervivencia o adaptativo con el aprendizaje generativo que aumenta la capacidad creativa de la organizacin. El verdadero aprendizaje llega al corazn de lo que significa ser humano, nos recreamos a nosotros mismos, nos capacitamos para hacer algo que antes no podamos hacer y percibimos el mundo y nuestra relacin con l. Tambin ampliamos nuestra capacidad de creacin y formar parte del proceso generativo de la vida.

TIPOS DE SISTEMAS
Existe una gran diversidad de sistemas y una amplia gama de tipologas para clasificarlos, de acuerdo con ciertas caractersticas bsicas. En cuanto a su constitucin, los sistemas pueden ser fsicos o abstractos: Sistemas fsicos o concretos: compuestos de equipos, maquinarias y objetos y elementos reales. En resumen, estn compuestos de hardware. Pueden describirse en trminos cuantitativos de desempeo.

Sistemas abstractos: compuestos de conceptos, planes, hiptesis e ideas. Los smbolos representan atributos y objetos que muchas veces slo existen en el pensamiento de las personas. En resumen, cuando se componen de software. En realidad, hay complementariedad entre sistemas fsicos y sistemas abstractos: los primeros (maquinas, por ejemplo) necesitan un sistema abstracto (programacin) para operar y cumplir sus funciones. Lo recproco tambin es verdadero: los sistemas abstractos slo se vuelven realidad cuando se aplican en algn sistema fsico. Hardware y software se complementan. En el ejemplo de una escuela que necesita salones de clase, pupitres, tableros, iluminacin, etc. (sistema fsico), para desarrollar un programa de educacin (sistema abstracto) o de un centro de procesamiento de datos, donde el equipo y los circuitos procesan programas de instrucciones para computador. En cuanto a su naturaleza, los sistemas pueden ser cerrados o abiertos: Sistemas cerrados: no presentan intercambios con el ambiente que los rodea pues son hermticos a cualquier influencia ambiental. Los sistemas cerrados no reciben ninguna influencia del ambiente ni influyen en este. No reciben ningn recurso externo ni producen algo para enviar afuera. Los autores han denominado sistema cerrado a aquellos sistemas cuyo comportamiento es totalmente determinista y programado, y operan con muy pequeo intercambio de materia y energa con el ambiente. Sistemas abiertos: presentan relaciones de intercambio con el ambiente a travs de entradas (insumos) y salidas (productos). Los sistemas abiertos intercambian materia y energa con el ambiente continuamente. Son eminentemente adaptativos, pues para sobrevivir deben readaptarse constantemente a las condiciones del medio. Mantiene un juego reciproco con las fuerzas del ambiente y la calidad de su estructura se optimiza cuando el conjunto de elementos del sistema se organiza, aproximndose a una operacin adaptativa. La adaptacin es un proceso continuo de aprendizaje y auto organizacin.

2:
Tipos de modelos Un modelo puede ser tan sencillo como una simple explicacin con palabras de lo fundamental de una realidad. A este tipo se le suele llamar modelo verbal. En otros modelos usamos diagramas en los que se dibujan de una forma simplificada los componentes del sistema sealando con flechas las acciones de unos sobre otros. Son modelos grficos. Algunos pueden ser muy esquemticos, pero cuando en cada flecha se indica el tipo de accin que tiene lugar y se sealan diferentes compartimentos y tipos de interaccin, pueden llegar a ser muy complicados. En los modelos numricos se usan magnitudes y ecuaciones matemticas para describir con exactitud los distintos componentes del sistema y las relaciones entre ellos. El desarrollo de los ordenadores ha hecho posible manejar una gran cantidad de datos y por eso ahora se usan, cada vez ms, modelos computacionales, en los que con programas de ordenador se imita el funcionamiento de sistemas complejos. Este tipo de modelos son los

ms perfeccionados y han permitido simular relativamente bien, procesos muy complicados como el funcionamiento de la atmsfera o las fluctuaciones de las poblaciones de peces, entre otros muchos. Gracias a ellos se han logrado grandes avances como, por ejemplo, predicciones fiables del clima. Componentes de un modelo Un ejemplo sencillo, como el de la figura, sirve para ver las distintas partes que suelen tener los modelos en ecologa y las interacciones entre los componentes.

El modelo de comportamiento
Dentro del modelo de comportamiento se involucrar el desarrollo de un diagrama de flujo de datos y un diagrama de entidad-relacin preliminares, adems de la elaboracin de las entradas iniciales del diccionario. Para explicar el modelo de comportamiento utilizaremos el enfoque de particin por acontecimiento, el cual incluye los siguientes cuatro pasos: Se dibuja una burbuja, o proceso, para cada acontecimiento de la lista. La burbuja se nombra describiendo la respuesta que el sistema debe dar al acontecimiento asociado. Se dibujan las entradas y salidas apropiadas de tal forma que la burbuja pueda dar la respuesta requerida, y se dibujan los almacenes, como sea apropiado, para la comunicacin entre burbujas. El borrador de DFD que resulta se compara con el diagrama de contexto y la lista de acontecimientos para asegurar que est completo y sea consistente El primer paso es directo y mecnico: si existen 25 acontecimientos en la lista, se deben dibujar 25 burbujas. El segundo paso tambin es directo y mecnico: a cada burbuja se le da un nombre apropiado, basado en la

respuesta requerida. Esto significa que se debe examinar el acontecimiento y preguntar qu respuesta debe dar el sistema a este Acontecimiento?. El tercer paso definitivamente no es mecnico, pero usualmente es bastante directo. Para cada burbuja dibujada, identifique las entradas que requiere para efectuar su trabajo. Identifique las salidas que cada una produce e identifique los almacenes a los que cada burbuja debe tener acceso Esto normalmente se hace entrevistando al usuario o usuarios apropiados y concentrndose en cada acontecimiento y su burbuja asociada. Las preguntas son: Qu necesita esta burbuja para hacer su trabajo? y Qu salidas genera?. En muchos casos el acontecimiento est determinado por el flujo. El sistema detecta la ocurrencia de un acontecimiento por la llegada de algn dato de un terminador externo, esto es, se pueden requerir entradas adicionales (de otros terminadores, y de almacenes de datos) para que un proceso produzca su salida requerida. De manera similar, como parte de la respuesta dibuje las salidas adecuadas producidas por el proceso. En muchos casos, esto implicara devolver salidas a los terminadores fuera del sistema; sin embargo, puede tambin involucrar salidas que se envan a los almacenes de datos, para ser usadas como entradas de otros procesos. Entradas y salidas de un proceso

El cuarto paso es una actividad de verificacin de consistencia. Verifique cada entrada del diagrama de contexto para ver si est conectada con alguna entrada de alguno de los procesos del DFD preliminar, y verifique tambin que cada salida producida por algn proceso en el DFD preliminar se enve a un almacn o sea una salida externa incluida en el diagrama de contexto. Existen dos casos especiales: (1) acontecimientos nicos que causan respuestas mltiples y, (2) acontecimientos mltiples que causan la misma respuesta. En el primer caso, un solo acontecimiento puede causar mltiples respuestas, cada una de las cuales se modela con su propia burbuja en el DFD preliminar. Slo es apropiado si todas las respuestas usan el mismo flujo de datos de entrada, y slo si todas las respuestas son independientes entre s. De manera inversa, habr situaciones ocasionales en las que un proceso se asocia con ms de un acontecimiento. Es vlido y apropiado slo si la respuesta de la burbuja es idntica para los diversos acontecimientos, y slo si los datos de entrada y salida son idnticos para las diversas respuestas a acontecimientos. Obsrvese que en los ejemplos anteriores ninguno de los procesos en el diagrama de flujo de datos preliminar est conectado con otro; las burbujas no se comunican directamente con otras. En vez de eso se comunican entre s atravs de otros almacenes de datos. Una vez hecho esto se procede a un proceso de limpieza, el cual se describir posteriormente, para producir un modelo bien organizado del proceso y un modelo de datos para presentarlo al usuario final. Este enfoque se llam particin por acontecimientos.

Modelo de estructura ST
Cuando su estructura ST de ambos sistemas sea iguales que aun sus rasgos sean diferentes

Modelo de estructura UC
El modelo de estructura UC del sistema original para un problema es cuando sus estructuras UC de ambos sistemas sean iguales aunque sus rasgos sean diferentes.

Modelo por comportamiento

Un sistema es el modelo e un modelo de comportamiento de otro sistema cuando el comportamiento de ambos sistemas es el mismo, y sus rasgos son diferentes