Probabilidad

Probabilidad Compleja

Complejidad. El nuevo mundo entre la probabilidad y la posibilidad

Dinámicas no lineal se refieren a “desordenados sistemas complejos”, escribe Esko Kilpi en este excelente post que describe la interacción entre los patrones y conexiones. “La teoría del caos explica cómo los parámetros de las ecuaciones pueden producir patrones en el tiempo. Estos patrones se denominan atractores … En las altas tasas muy de, por ejemplo, el flujo de información, el sistema muestra un comportamiento totalmente al azar. El patrón es muy inestable. Sin embargo, hay un nivel entre la repetición / la estabilidad y la aleatoriedad y la inestabilidad. Este nivel se llama al borde del caos. Otros autores, como Ilya Prigogine, desde la visión de la termodinámica (evolucionando y viendo que no sirven para estructuras no-lineales) con sus estructuras disipativas. Por otro lado, el patrón en el tiempo se llama un atractor extraño. Lo extraño con un atractor extraño es que el movimiento en curso no es la misma pero siempre reconocible. ”

Todo estos desequilibrios te dan una manera de organizar las cosas. No se puede administrar o controlar un sistema caótico – incluso puede no predecir el resultado. Pero como este artículo sugiere, se puede identificar, y la posición, incluso, de los atractores. “En resumen, nuestra estrategia era controlar sólo lo que puede ser ordenado. Respecto de las actividades en el ámbito de lo que es, y debe ser, sin ordenar, que vistos de esta forma, nos da un cambio de paradigma en la organización y la forma de pensar a nivel de investigación en muchos de los entornos vivos (y artificiales) que establecen interacciones en sus procesos.

Las dinámicas no lineales tienen que ver con sistemas desordenados/confusos, complejos. Ejemplos de estos sistemas son el cerebro humano, la evolución de la vida en sí misma y el tiempo atmosférico. No hay un ciencia individual de no linealidad, sino que hay distintos flujos de investigación como la teoría del caos o la teoría de los sistemas adaptativos complejos. El último hilo recoge un agente y reglas de un enfoque basado en la interacción para modelizar la complejidad. El primero explica la conducta de los sistemas que se pueden modelizar mediante ecuaciones complejas en las que el resultado/output de un cálculo se toma como la entrada/input del siguiente. Estas ecuaciones son repetitivas e iterativas.

La teoría del caos explica cómo los parámetros de las ecuaciones crean modelos/patrones a lo largo del tiempo. Estos modelos se llaman atractores. Un parámetro podría ser el flujo de información o la cantidad de energía en el sistema. A tasas bajas el sistema se desplaza hasta mostrar un comportamiento repetitivo. A este modelo se le llama atractor de un punto. A tasas altas el modelo cambia. A tasas muy altas, por ejemplo, de flujo de información, el sistema muestra un comportamiento totalmente aleatorio. El modelo es altamente inestable. Sin embargo, hay un nivel entre repetición/estabilidad y aleatoriedad/inestabilidad. Este nivel se llama el eje del caos. El modelo a lo largo del tiempo se llama un atractor caótico/extraño. Lo extraño en un atractor caótico es que el movimiento progresivo nunca es el mismo, pero siempre es reconocible. El modelo es, paradójicamente, estable e inestable, predecible e impredecible al mismo tiempo. Estos modelos se llaman, espacialmente, fractales.

El caos describe una dinámica que no es una síntesis de orden y desorden. Se refiere al desorden ordenado o al desorden ordenado. El verdadero significado de estas palabras está transformado.

El tiempo (atmosférico) normalmente se usa como ejemplo de un sistema que muestra este patrón. En conjunto, los modelos del tiempo atmosférico se pueden predecir (más o menos) en períodos cortos de tiempo. Para períodos largos no se puede predecir el comportamiento. El comportamiento a largo plazo de un sistema como éste está determinado tanto por los cambios más pequeños en las partes más pequeñas del sistema como por las leyes que lo rigen. La conclusión es muy clara. La previsibilidad es siempre a corto plazo. Las predicciones a largo plazo sólo serían posibles si absolutamente todas las variables del sistema se pudiesen medir con exactitud absoluta. Pero es imposible conocer todas las variables y totalmente imposible medirlas con la exactitud requerida.

La variable más pequeña que se pase por alto o el cambio más diminuto puede incrementarse por iteraciones no lineales en un gran cambio transformador en la vida posterior de todo el sistema. Otra conclusión es que desde la perspectiva de la teoría del caos, un movimiento hacia el equilibro siempre es un movimiento hacia la muerte. Si un sistema es saludable, exitoso y vivo, está “en el eje del caos”, en donde no se puede ver el largo plazo.

La física clásica tomó entidades individuales y su movimiento (trayectorias) como unidad de análisis. Los teóricos del caos tal

...