Usuario:
Modelo Conceptual
Descripción
Modelo E4.5 - Toma de Decisiones bajo Incertidumbre
El modelo conceptual busca comprender los mecanismos que dan origen a un comportamiento, y describirlos de la forma más simple posible. Para eso, el comportamiento se segmenta en temas (grupos): cada uno identifica los objetos o variables que participan —tanto en su funcionamiento normal como en sus posibles anomalías o desviaciones— y describe, mediante verbos, la forma en que esos objetos interactúan entre sí. El resultado es lo que llamamos una red semántica: la estructura con la que representamos y comunicamos el modelo conceptual, antes de introducir ecuación alguna.
ID:4324
Estructura de los Grupos
Descripción
El primer paso consiste en analizar la descripción general del modelo e identificar los distintos aspectos que intervienen en el fenómeno y que deben ser representados. Cada uno de estos aspectos se organiza como un grupo, entendido como una unidad conceptual coherente que describe una parte específica del funcionamiento del modelo.
Cada grupo reúne los objetos o conceptos relevantes para ese aspecto y las relaciones o verbos que describen cómo interactúan, se modifican o dependen unos de otros. De esta manera, cada grupo constituye una parte de la red semántica del modelo, mientras que el conjunto de los grupos permite representar de forma estructurada su funcionamiento global.
La división en grupos facilita además separar mecanismos, condiciones, procesos y resultados que cumplen funciones diferentes dentro del modelo, manteniendo al mismo tiempo las relaciones que existen entre ellos. Los grupos no son, por tanto, componentes aislados: pueden compartir conceptos y establecer relaciones entre sí, formando conjuntamente una única representación semántica del fenómeno.
La imagen anterior ofrece una visión general de los distintos aspectos en que se ha estructurado el modelo. A continuación se presentan los grupos identificados, indicando para cada uno su título y una breve descripción del aspecto del modelo que representa.
Grupo 1: Grupo 1: Canales sensoriales simultáneos
Integra simultáneamente señales visual, mecánica, química, eléctrica y térmica. Cada canal aporta una estimación del mismo entorno y una incertidumbre propia; la señal química queda como canal particular de este modelo.
Grupo 2: Grupo 2: Fiabilidad y ponderación bayesiana
La integración óptima pondera cada canal inversamente a su varianza de ruido. Menor varianza implica mayor precisión y mayor peso normalizado; los pesos convergen en una estimación multimodal.
Grupo 3: Grupo 3: Estimación integrada y reducción de varianza
La estimación combinada es una suma ponderada de estimaciones sensoriales. Bajo el cierre bayesiano independiente, su precisión es la suma de precisiones y su varianza es menor que la de cada canal individual.
Grupo 4: Grupo 4: Superaditividad bimodal
La respuesta bimodal se compara con la mejor respuesta unimodal. La superaditividad se expresa como un exceso positivo de la respuesta bimodal sobre el máximo unimodal.
Grupo 5: Grupo 5: Información de Shannon entre canales
La información de cada canal sobre el estímulo se cuantifica con información mutua. La información conjunta caracteriza cuánto aporta la combinación de canales, sin imponer independencia informacional no declarada.
Grupo 6: Grupo 6: Circuitos de integración
El procesamiento distribuido involucra circuito del lóbulo óptico, circuito antenal y circuito del cuerpo hongo. Sus contribuciones convergen en una representación robusta del entorno.
Grupo 7: Grupo 7: Latencia, rapidez y precisión final
La integración ocurre a escala de milisegundos. Una combinación más rápida de las señales mejora la precisión de la representación final según el storyboard; la forma exacta de esa dependencia queda fenomenológica.
ID:1192
Estructura de los Grupos
Descripción
El primer paso consiste en analizar la descripción general del modelo e identificar los distintos aspectos que intervienen en el fenómeno y que deben ser representados. Cada uno de estos aspectos se organiza como un grupo, entendido como una unidad conceptual coherente que describe una parte específica del funcionamiento del modelo.
Cada grupo reúne los objetos o conceptos relevantes para ese aspecto y las relaciones o verbos que describen cómo interactúan, se modifican o dependen unos de otros. De esta manera, cada grupo constituye una parte de la red semántica del modelo, mientras que el conjunto de los grupos permite representar de forma estructurada su funcionamiento global.
La división en grupos facilita además separar mecanismos, condiciones, procesos y resultados que cumplen funciones diferentes dentro del modelo, manteniendo al mismo tiempo las relaciones que existen entre ellos. Los grupos no son, por tanto, componentes aislados: pueden compartir conceptos y establecer relaciones entre sí, formando conjuntamente una única representación semántica del fenómeno.
La imagen anterior ofrece una visión general de los distintos aspectos en que se ha estructurado el modelo. A continuación se presentan los grupos identificados, indicando para cada uno su título y una breve descripción del aspecto del modelo que representa.
Grupo 1: Grupo 1: Utilidad esperada y elección normativa
La elección normativa compara acciones mediante la suma de utilidades de resultados ponderadas por sus probabilidades. La utilidad esperada cambia con probabilidades y magnitudes de resultado; la acción óptima es la de mayor valor esperado. Este grupo proporciona la referencia frente a la cual se interpretan desviaciones sistemáticas.
Grupo 2: Grupo 2: Difusión de deriva y umbral de decisión
La evidencia ruidosa se acumula en el tiempo con una deriva determinada por la relación señal/ruido. La decisión ocurre al alcanzar un umbral; aumentar el umbral prolonga el tiempo de decisión y eleva la exactitud. La actividad acumulativa neural se representa como observable del estado de evidencia.
Grupo 3: Grupo 3: Descuento hiperbólico y reversión de preferencias
El valor subjetivo de una recompensa futura disminuye hiperbólicamente con su demora. Dos recompensas con demoras diferentes pueden cambiar su orden de preferencia al acercarse ambas en el tiempo. La curvatura del descuento controla la intensidad de la inconsistencia temporal.
Grupo 4: Grupo 4: Error de predicción y aprendizaje por refuerzo
La recompensa recibida se compara con el valor esperado. La diferencia genera un error de predicción: positivo ante recompensa inesperadamente alta, negativo ante omisión o resultado inferior y cercano a cero cuando la predicción es precisa. Ese error actualiza el valor esperado.
Grupo 5: Grupo 5: Aversión al riesgo y utilidad marginal decreciente
Una utilidad cóncava para ganancias produce utilidad marginal decreciente y preferencia por una opción segura frente a una lotería con igual recompensa esperada. El grado de curvatura determina la prima de riesgo. Este mecanismo constituye una desviación interpretable respecto de comparar solo valores monetarios esperados.
Grupo 6: Grupo 6: Teoría prospectiva: ganancias, pérdidas y búsqueda de riesgo
Los resultados se evalúan respecto de un punto de referencia. La función de valor es cóncava en ganancias, convexa en pérdidas y más pronunciada para pérdidas mediante aversión a la pérdida. Así, el signo respecto del punto de referencia puede invertir la actitud frente al riesgo y conecta la decisión con recursos variables.
ID:1578
Grupo 1: Grupo 1: Utilidad esperada y elección normativa
Descripción
La elección normativa compara acciones mediante la suma de utilidades de resultados ponderadas por sus probabilidades. La utilidad esperada cambia con probabilidades y magnitudes de resultado; la acción óptima es la de mayor valor esperado. Este grupo proporciona la referencia frente a la cual se interpretan desviaciones sistemáticas.
Pregunta clave: ¿Cómo opera utilidad esperada y elección normativa?
La elección normativa compara acciones mediante la suma de utilidades de resultados ponderadas por sus probabilidades. La utilidad esperada cambia con probabilidades y magnitudes de resultado; la acción óptima es la de mayor valor esperado. Este grupo proporciona la referencia frente a la cual se interpretan desviaciones sistemáticas.
ID:4799
Grupo 2: Grupo 2: Difusión de deriva y umbral de decisión
Descripción
La evidencia ruidosa se acumula en el tiempo con una deriva determinada por la relación señal/ruido. La decisión ocurre al alcanzar un umbral; aumentar el umbral prolonga el tiempo de decisión y eleva la exactitud. La actividad acumulativa neural se representa como observable del estado de evidencia.
Pregunta clave: ¿Cómo opera difusión de deriva y umbral de decisión?
La evidencia ruidosa se acumula en el tiempo con una deriva determinada por la relación señal/ruido. La decisión ocurre al alcanzar un umbral; aumentar el umbral prolonga el tiempo de decisión y eleva la exactitud. La actividad acumulativa neural se representa como observable del estado de evidencia.
ID:4800
Grupo 3: Grupo 3: Descuento hiperbólico y reversión de preferencias
Descripción
El valor subjetivo de una recompensa futura disminuye hiperbólicamente con su demora. Dos recompensas con demoras diferentes pueden cambiar su orden de preferencia al acercarse ambas en el tiempo. La curvatura del descuento controla la intensidad de la inconsistencia temporal.
Pregunta clave: ¿Cómo opera descuento hiperbólico y reversión de preferencias?
El valor subjetivo de una recompensa futura disminuye hiperbólicamente con su demora. Dos recompensas con demoras diferentes pueden cambiar su orden de preferencia al acercarse ambas en el tiempo. La curvatura del descuento controla la intensidad de la inconsistencia temporal.
ID:4801
Grupo 4: Grupo 4: Error de predicción y aprendizaje por refuerzo
Descripción
La recompensa recibida se compara con el valor esperado. La diferencia genera un error de predicción: positivo ante recompensa inesperadamente alta, negativo ante omisión o resultado inferior y cercano a cero cuando la predicción es precisa. Ese error actualiza el valor esperado.
Pregunta clave: ¿Cómo opera error de predicción y aprendizaje por refuerzo?
La recompensa recibida se compara con el valor esperado. La diferencia genera un error de predicción: positivo ante recompensa inesperadamente alta, negativo ante omisión o resultado inferior y cercano a cero cuando la predicción es precisa. Ese error actualiza el valor esperado.
ID:4802
Grupo 5: Grupo 5: Aversión al riesgo y utilidad marginal decreciente
Descripción
Una utilidad cóncava para ganancias produce utilidad marginal decreciente y preferencia por una opción segura frente a una lotería con igual recompensa esperada. El grado de curvatura determina la prima de riesgo. Este mecanismo constituye una desviación interpretable respecto de comparar solo valores monetarios esperados.
Pregunta clave: ¿Cómo opera aversión al riesgo y utilidad marginal decreciente?
Una utilidad cóncava para ganancias produce utilidad marginal decreciente y preferencia por una opción segura frente a una lotería con igual recompensa esperada. El grado de curvatura determina la prima de riesgo. Este mecanismo constituye una desviación interpretable respecto de comparar solo valores monetarios esperados.
ID:4803
Grupo 6: Grupo 6: Teoría prospectiva: ganancias, pérdidas y búsqueda de riesgo
Descripción
Los resultados se evalúan respecto de un punto de referencia. La función de valor es cóncava en ganancias, convexa en pérdidas y más pronunciada para pérdidas mediante aversión a la pérdida. Así, el signo respecto del punto de referencia puede invertir la actitud frente al riesgo y conecta la decisión con recursos variables.
Pregunta clave: ¿Cómo opera teoría prospectiva: ganancias, pérdidas y búsqueda de riesgo?
Los resultados se evalúan respecto de un punto de referencia. La función de valor es cóncava en ganancias, convexa en pérdidas y más pronunciada para pérdidas mediante aversión a la pérdida. Así, el signo respecto del punto de referencia puede invertir la actitud frente al riesgo y conecta la decisión con recursos variables.
ID:4804