#IBMs #NetLogo #Modelización
Este capítulo del podcast aborda la predicción, fundamental para el comportamiento adaptativo en modelos basados en agentes (ABMs), explorando predicciones tácitas versus explícitas. Usa el Modelo de Inversores para ilustrar cómo el horizonte temporal de la predicción afecta resultados y decisiones riesgo-ganancia. Introduce la técnica crucial de analizar submodelos de comportamiento de forma independiente (en hojas de cálculo, etc., usando gráficos de contorno) para entender el comportamiento individual a fondo antes de integrar al modelo completo. Presenta la actualización bayesiana para modelar cómo los agentes aprenden a estimar riesgos.
Suscríbete: Apple Podcasts | RSS
