Hola y bienvenidos a la unidad 6 de la Introducción al modelado basado en agentes En esta unidad vamos a ver como se pueden analizar los MBA y esto nos lleva a la pregunta, una vez que tengo un MBA, qué hago con él? La respuesta clásica es que vamos a modificar algunas entradas y algunas salidas, ver qué sucede y entonces analizar los resultados, esta es la respuesta principal que podemos dar durante toda esta unidad vamos a ver como hacer eso, cómo podemos cambiar las entradas en una forma estratégica para hacer que las salidas reflejen lo que está sucediendo para hacer esto, vamos a ver un nuevo modelo, quiero tener un modelo con el cual trabajar y éste está en algún sentido relacionado con el modelo que construimos en la unidad 4 que de hecho es el modelo de dispersión de enfermedades En la unidad 4, estábamos buscando un modelo de dispersión de información y ahora estamos buscando una enfermedad física éste es un modelo interesante para tener en cuenta, se utiliza en muchos contextos diferentes, es la base de hecho del modelo de dispersión de información pero la idea básica es la siguiente: si tenés una enfermedad, tenemos individuos que están infectados y cada individuo puede infectar 5 personas antes de que se recupere esto se denomina a veces el modelo de SIR el factor básico de reproducción hay tres pasos en la infección, en el que la enfermedad va a infectar a 156 personas porque la primer persona infecta 5 y a su vez estas personas infectan otras 5, entonces en el paso 3, uno alcanza 156 personas infectadas, en el paso previo se tiene 25, para llegar a 150, el paso anterior hay 5 para llegar a 55 y eso es 1 % de la dispersión original hasta llegar a 156 Por el otro lado, en muchos casos, las enfermedades se dispersan en forma veloz por una comunidad y el nro de posibles infecciones rápidamente se cortará debido a que la enfermedad se queda sin nuevos hospedadores queremos investigar las relaciones entre estos ejemplos de rápido crecimiento y los límites de los recursos, que pueden ocurrir y estas dos nociones ocurren en muchos sistemas complejos para observar por fuera de las enfermedades, y por eso es que estamos hablando de esto este modelo que describí, es un tipo de estándar de abordaje epidemiológico es aceptable que los recuperados tengan un tipo de abordaje como para modelizar la dispersión de una enfermedad, de hecho en este caso estamos hablando de suceptibles e infectados en cualquier caso pero hay otras complicaciones en este modelo que no hemos tomado en cuenta este modelo asume, por ejemplo, que existe información uniforme entre la población, en otras palabras, cada persona tiene las mismas probabilidades de interactuar con cualquier otro, y sabemos que ese no es el caso yo no interactúo con la misma gente todos los días, pero hay alguna gente con la que es más probable que interactúe que con otros también hay susceptibilidades diferentes a la enfermedad algunas personas pueden ser más susceptibles que otras personas y por último, existe la posibilidad de interactuar con el entorno y puede ser el caso, que algunas enfermedades que pueden dispersarse por un área concreta por un tiempo determinado y entonces no es solo la gente en general la que está en riesgo sino la gente que vive en esa área debido a todas estas cosas, hay modos en los que podemos mejorar este modelo estándar y con los MBA estamos frente a un buen modo de ver la dispersión de las enfermedades construimos este modelo especial, especialmente para este capítulo del libro y lo voy a usar a lo largo de toda esta unidad para ver qué es lo que pasa entonces déjenme que les muestre como funciona este modelo aquí tenemos el modelo de dispersión de enfermedades, en caso de que no lo encuentren fácilmente, está en la biblioteca de modelos de NetLogo, bajo la etiqueta IABM textbook, bajo el capítulo 6 dispersión de enfermedades voy a abrirlo y chequear todo aquí vamos, aquí está el modelo, justo aquí, bien y ustedes verán que hay una serie de diferentes parámetros, ahora hablaremos de ellos, voy a cambiar esta variable de ambiente de NetLogo que se usa por defecto vamos a usar la variable de "movilidad", en una primer corrida, como resultado ustedes pueden configurar la cantidad de conexiones por nodo y el decaimiento de la enfermedad, pero primero veamos el número de personas que puede infectarse hacemos click en el setup y vemos como se crean una cantidad de individuos dispersos por todo el mundo, la mayoría tienen color gris, lo que indica que no poseen la enfermedad, pero hay tres que son rojos y a medida que le permitimos al modelo que corra, vemos como se mueven y cuando se mueven lo hacen a través del espacio, ahora a medida que interactuan con otros individuos en el modelo, ellos se van infectando también y ahora vemos que hay más infectados y este modelo es un modelo simple espacial, dicho sea de paso, asume las mismas hipótesis del modelo SIR, los supuestos originales del modelo SIR, es que la probablidad de que interactúen los individuos es la misma, pero no lo es, sino que depende de como comienzo el mundo tenga mayores o menores probabilidades de interactuar con individuos infectados pero eventualmente el modelo termina infectando a toda la población y podemos ver esta linda curva en forma de S que es similar al del proceso de difusión la principal forma que vamos a investigar en las siguientes lecciones es como la densidad de la población afecta la tasa actual de infecciones si más gente vive en espacios pequeños eso implica que la enfermedad se dispersa más rápido o más lento, si quieren pueden jugar incrementando la población y ver si sucede más rápido o achicarla y ver si sucede más rápido y así continuando definitivamente parece que en una baja población, la enfermedad tarda más en dispersarse, lo cual es interesante, porque en verdad hay menos gente para infectar de lo que habría en una población mayor, pero esto puede ser que sea simplemente un tema de densidad de población y no tanto un tema de cantidad Investiguemos eso!