El Elefante Económico

Simulador de Umbrales en Sistemas Complejos - Gráficos mejorados Simulador de Umbrales en Sistemas Complejos Este simulador permite explorar cómo distintos sistemas alcanzan sus umbrales críticos. Ajustá los sliders para ver cómo cambian las curvas y detectá el punto donde la derivada tiende a cero. 📊 Volatilidad Financiera Modelo: \( \sigma_p^2 = \frac{A}{n} + B \) Número de activos (n): 10 🏭 Saturación Logística Modelo: \( C(N) = c_f \cdot N + \frac{c_t}{N} + c_r \cdot N^2 \) Nodos logísticos (N): 10 🧠 Compresión en Machine Learning Modelo: \( V(k) = 1 - e^{-k/\tau} \) Componentes (k): 10 🏙️ Desigualdad Económica Modelo: \( H(\mu) = -\mu \log(\mu) \) Ingreso medio (μ): 1  ¿Qué hace cada slider? - n (activos): Aumenta la diversificación, reduciendo la volatilidad hasta que se estabiliza. - μ (ingreso medio): Modifica la entropía de la distribución salar...

Transiciones Fluidas Emergentes Transiciones Fluidas Emergentes: Un Modelo Conceptual Estados del sistema Un sistema dinámico puede representarse mediante un conjunto de estados \( S = \{s_1, s_2, \dots, s_n\} \), donde cada estado describe una configuración posible del sistema. Estos estados pueden ser discretos o continuos dependiendo del contexto físico o computacional. Variable de control La evolución del sistema está influenciada por una variable de control \( \lambda \), que puede representar parámetros físicos como temperatura, presión, o velocidad. Esta variable modula la probabilidad de transición entre estados. Distribución de probabilidad La probabilidad de que el sistema esté en el estado \( s_i \) está dada por \( P(s_i) \), y la distribución completa se denota como \( P(S) \). Esta distribución puede evolucionar en el tiempo según: ...

Simulador de Umbrales en Sistemas Complejos Simulador de Umbrales en Sistemas Complejos Este simulador permite explorar cómo distintos sistemas alcanzan sus umbrales críticos. Ajustá los sliders para ver cómo cambian las curvas y detectá el punto donde la derivada tiende a cero. 📊 Volatilidad Financiera Modelo: \( \sigma_p^2 = \frac{A}{n} + B \) Número de activos (n): 10 🏙️ Desigualdad Económica Modelo: \( H(\mu) = -\mu \log(\mu) \) Ingreso medio (μ): 1 🧠 Compresión en Machine Learning Modelo: \( V(k) = 1 - e^{-k/\tau} \) Componentes (k): 10 🏭 Saturación Logística Modelo: \( C(N) = c_f \cdot N + \frac{c_t}{N} + c_r \cdot N^2 \) Nodos logísticos (N): 10  ¿Qué hace cada slider? - n (activos): Aumenta la diversificación, reduciendo la volatilidad hasta que se estabiliza. - μ (ingreso medio): Modifica la entropía de la distribución salarial, mostrando el punto de compresión. - k (componen...

Visualización de Umbrales en Sistemas Complejos Visualización de Umbrales en Sistemas Complejos Muchos sistemas complejos alcanzan un punto crítico donde su comportamiento cambia radicalmente. Este punto puede modelarse como un umbral de concentración , donde la derivada de una función clave tiende a cero: $$ \frac{df(x)}{dx} \to 0 $$ La siguiente gráfica muestra una función logística comprimida, que representa cómo se estabiliza un sistema al acercarse a su umbral: Interpretación La función se estabiliza cerca de \( x = 5 \), donde su derivada se aproxima a cero. Este punto representa el umbral : el sistema deja de responder significativamente a cambios en la variable \( x \). Este comportamiento se observa en: 📊 Portafolios financieros: riesgo marginal se estabiliza 🏙️ Distribución salarial: desigualdad comprimida 🧠 Machine learning: reducción de dimensiones óptima 🏭 Logísti...

El Umbral de Saturación en Redes Logísticas El Umbral de Saturación en Redes Logísticas En sistemas de distribución, añadir más centros logísticos mejora la eficiencia hasta cierto punto. Más allá de ese umbral, el sistema se vuelve redundante y los costos marginales superan los beneficios. Este fenómeno puede modelarse como una singularidad de concentración . Modelo Matemático Sea \( N \) el número de centros logísticos, y \( C(N) \) el costo total del sistema, compuesto por: Costos fijos por centro: \( c_f \cdot N \) Costos de transporte promedio: \( c_t(N) \), que decrecen con \( N \) Costos de redundancia: \( c_r(N) \), que crecen con \( N \) Entonces: $$ C(N) = c_f \cdot N + c_t(N) + c_r(N) $$ Definimos el umbral de saturación como el punto donde la derivada del costo total respecto a \( N \) cambia de signo: $$ \frac{dC}{dN} = 0 $$ Este umbral indica que el sistema ha alcanzado su efic...

El Umbral de Compresión en Machine Learning El Umbral de Compresión en Machine Learning En algoritmos de reducción de dimensionalidad como PCA, existe un punto donde eliminar más variables no mejora la interpretabilidad ni la eficiencia. Este punto puede modelarse como un umbral de compresión . Modelo Matemático Sea \( X \in \mathbb{R}^{n \times p} \) una matriz de datos con \( p \) variables. Aplicamos PCA y obtenemos componentes principales \( \lambda_1, \lambda_2, \dots, \lambda_p \). Definimos la varianza explicada acumulada como: $$ V(k) = \frac{\sum_{i=1}^{k} \lambda_i}{\sum_{i=1}^{p} \lambda_i} $$ El umbral se alcanza cuando: $$ \frac{dV(k)}{dk} \to 0 $$ Este punto indica que añadir más componentes no mejora la representación del sistema, y se ha alcanzado una compresión óptima.

El Umbral de Desigualdad en Economías en Desarrollo El Umbral de Desigualdad en Economías en Desarrollo La curva de Kuznets sugiere que la desigualdad aumenta en las primeras etapas del desarrollo económico y luego disminuye. Podemos modelar el umbral de desigualdad como el punto donde los outliers dejan de influir en la distribución salarial. Modelo Matemático Sea \( f(x) \) la función de densidad salarial, y \( x \) el ingreso. Definimos la desigualdad como la entropía de la distribución: $$ H = -\int f(x) \log f(x) \, dx $$ El umbral se alcanza cuando la derivada de la entropía respecto al ingreso medio \( \mu \) tiende a cero: $$ \frac{dH}{d\mu} \to 0 $$ Esto indica que la compresión de la desigualdad ha alcanzado un punto donde las políticas redistributivas tienen impacto marginal.

El Umbral de Volatilidad en Portafolios Financieros El Umbral de Volatilidad en Portafolios Financieros En la gestión de portafolios, existe un punto donde añadir más activos no reduce significativamente el riesgo. Este punto puede modelarse como un umbral de concentración , análogo a una singularidad en física. Modelo Matemático Sea un portafolio con n activos, cada uno con peso \( w_i \), varianza \( \sigma_i^2 \), y covarianza \( \rho_{ij} \). La varianza total del portafolio es: $$ \sigma_p^2 = \sum_{i=1}^{n} w_i^2 \sigma_i^2 + \sum_{i=1}^{n} \sum_{j \neq i}^{n} w_i w_j \rho_{ij} \sigma_i \sigma_j $$ Definimos el umbral de Dirac como el punto donde la derivada de la varianza respecto al número de activos tiende a cero: $$ \frac{d\sigma_p^2}{dn} \to 0 $$ Este umbral indica que el sistema ha alcanzado una concentración óptima, y añadir más activos no mejora la eficiencia del portafolio.

Umbrales de Concentración: Singularidades en Sistemas Complejos Umbrales de Concentración: Singularidades en Sistemas Complejos En física, el delta de Dirac representa una concentración infinita en un solo punto. En estadística, una distribución que se comprime hasta el límite puede comportarse como una singularidad. ¿Qué pasa si llevamos esta idea a sistemas económicos, financieros, logísticos o computacionales? Esta serie de artículos explora cómo distintos sistemas alcanzan umbrales de concentración : puntos críticos donde el comportamiento cambia radicalmente, y el sistema deja de responder a estímulos marginales. Estos umbrales pueden pensarse como transiciones de fase, como bifurcaciones, o incluso como colapsos informativos. 🔹 Artículos de la serie Finanzas: El Umbral de Volatilidad — ¿Cuándo deja de tener sentido diversificar? link Economía: El Umbral de Desigualdad — ¿Cuándo las políticas redistributivas ya no modif...

El Umbral del Cambio: De la Física a las Finanzas y la Economía El Umbral del Cambio: De la Física a las Finanzas y la Economía Por Maximiliano Mozetic En física, el concepto de la longitud de Planck marca un límite conceptual, un punto donde las leyes conocidas del espacio-tiempo dejan de tener sentido. En la teoría de la concentración, podríamos proponer un análogo: el umbral del infinito , el punto donde una distribución de datos deja de comportarse como una entidad extendida y comienza a actuar como una masa puntual, acercándose a un ideal matemático. Pero, ¿puede esta idea ayudarnos a comprender el comportamiento de sistemas complejos en el mundo real? Exploremos su poder de abstracción aplicándolo a dos campos fundamentales: las finanzas y la economía. El Umbral de la Volatilidad en Finanzas En las finanzas, la diversificación es un pilar fundamental. Se basa en el principio de que al combinar activos n...

El Umbral de la Volatilidad: Más Allá de la Diversificación Más Allá de la Diversificación: ¿Existe un Umbral de Volatilidad? En el mundo de las inversiones, la diversificación es un mantra. Nos dicen que es la única comida "gratis" en finanzas: una forma de reducir el riesgo sin sacrificar los retornos esperados. Pero, ¿hasta dónde llega este principio? ¿Llega un punto en el que añadir un activo más ya no importa? Aquí exploraremos una idea fascinante: el Umbral de la Volatilidad , un concepto análogo al "umbral del infinito" que, desde la perspectiva de la concentración, nos ayuda a entender los límites de la diversificación. La Ley de los Rendimientos Decrecientes El principio de la diversificación se basa en que los precios de los activos no se mueven de forma idéntica. Si un activo cae, es probable que otro suba, o al menos no caiga tanto. El resultado es que la volatilidad total de ...

El Umbral del Infinito: Una Aproximación Empírica desde la Concentración El Umbral del Infinito: Una Aproximación Empírica desde la Concentración Autor: Maximiliano Mozetic Fecha: Agosto 2025 Introducción En física, la longitud de Planck marca el límite donde la geometría clásica del espacio-tiempo deja de tener sentido. ¿Existe un equivalente en matemáticas? En este artículo proponemos una idea operativa: el umbral del infinito , definido como el punto donde una distribución deja de comportarse como una entidad extendida y comienza a actuar como una masa puntual, acercándose al delta de Dirac. Modelo de compresión logarítmica Consideramos un modelo empírico para el percentil 95 de una distribución de Laplace, en función del tamaño muestral $N$: $$ c(N) = a \cdot \ln(N) + b $$ Con parámetros estimados: $$ a = 1.442,\quad b = -6.626 $$ Invariantes de compresión ...

El destino de los pares de Goldbach El destino de los pares de Goldbach El sorprendente resultado asintótico del modelo de distribución de Mozetič Un problema milenario, un enfoque moderno La conjetura de Goldbach , uno de los problemas más antiguos y obstinados de las matemáticas, afirma que todo número par mayor que 2 es la suma de dos números primos. Mientras los matemáticos luchan por encontrar una demostración formal, el economista Mozetič propuso una perspectiva completamente diferente: en lugar de preguntarse "si" existen los pares de Goldbach, se preguntó "¿cómo" se distribuyen? Para responder a esto, Mozetič introdujo la desviación normalizada , una medida que nos dice cuán lejos están los primos de un par de Goldbach del centro de simetría $N/2$. La definió como: $$t = \frac{2p - N}{N}$$ ...

📘 Distribución Laplaciana de desviaciones en los pares de Goldbach Una aproximación analítica al centro de simetría 1. Introducción La conjetura fuerte de Goldbach afirma que todo número par mayor que 2 puede escribirse como suma de dos números primos. Aunque ha sido verificada computacionalmente para valores enormes de $N$, aún no se ha logrado una demostración general. Más allá de la existencia de tales pares, surge una pregunta más profunda: ¿cómo se distribuyen estos pares respecto al centro de simetría $N/2$? Inspirado por la noción de simetría relativa propuesta por Mozetič, este ensayo explora la estructura interna de los pares de Goldbach desde una perspectiva estadística. Introducimos la desviación normalizada: $$t = \frac{2p - N}{N}$$ Esta medida nos permite estudiar la distribución de los pares en torno al centro. A partir de ella, proponemos un modelo basado en la distribución de Laplace, que revela una sorprendente regularidad. 2. Marco te...

El "azar" que tenemos racionalizada por la matemática, deja de ser azar para los que conocen sus leyes, sigue siendo azar para los que no. El Azar siempre es ejemplificado por medio de la ruleta. Cuando el crupier arroja la pelotita sobre la ruleta, luego de haberla girado, la misma toma una trayectoria y rebota de diferentes formas, hasta alzancar un número. Si supieramos la fuerza y la dirección con que el crupier envía la pelotita hacia la ruleta, y las imperfecciones de la misma, sabríamos como rebotaría y por ende donde caería la misma. Hoy existen simulaciones computacionales que pueden resolver estos casos, con bajos errores. De esta forma, si el crupier pudiera medir la fuerza y la dirección del lanzamiento, conociendo la superficie y el terreno, la banca podría conocer de antemano cual sería el resultado. Los jugadores no, pensando que es imposible aquellos cálculos por parte del crupier y la banca. Pero quiero plantear un azar todavía más amplio que el racionalizado...

 Hola Colegas, Muchas gracias por leer el blog, se registran muy grandes cantidades de vistas en los últimos meses. Todo gracias a ustedes. Para celebrar, publiqué en Zenodo, un repositorio de publicaciones de la UE, dos ensayos matemáticos. Y seguimos, adelante con todo! Los links: https://zenodo.org/records/16618940 https://zenodo.org/records/16537781 Muchas gracias por seguirnos. Saludos, Maxi