## [Modelo Basado en Agentes](/es/node/66877) Definición Marco de simulación que representa entidades individuales (animales, personas, vectores) como agentes autónomos con variables de estado y reglas de comportamiento explícitas; los agentes interactúan localmente en el espacio o en redes y las interacciones micro‑nivel heterogéneas y estocásticas generan patrones emergentes a nivel del sistema útiles para explorar intervenciones, efectos de heterogeneidad y resultados dependientes del contexto. ## Principio Principio Las dinámicas a nivel macro emergen de reglas a micro‑nivel, de la heterogeneidad individual y de interacciones locales; cambios en el comportamiento de los agentes, en la estructura de contactos o en el entorno pueden producir resultados no lineales e inesperados que los modelos compartimentales agregados no capturan. ## Demostración Demostración Escenario ilustrativo → Situación: Un modelo ABM de una red regional de explotaciones representa cada explotación como agente con reglas de movimiento para animales y personal. Reconocimiento: El ABM muestra que restricciones de movimiento dirigidas a explotaciones con alta conectividad evitan grandes brotes, mientras que reducciones uniformes de la tasa de contacto producen efectos menores. Acción: Los responsables priorizan controles de movimiento en nodos centrales identificados. Consecuencia: La perspectiva a nivel de agente revela estrategias de control que explotan la heterogeneidad de la red en lugar de medidas uniformes. ## Aplicación incorrecta Aplicación incorrecta Tratar una única ejecución de un ABM como un pronóstico preciso sin cuantificar la variabilidad estocástica, la incertidumbre de parámetros y la sensibilidad a la especificación de reglas; el error es equiparar una realización a una predicción en lugar de usar conjuntos y análisis de incertidumbre. ## Consecuencia Consecuencia Usados con calibración adecuada, análisis de sensibilidad y simulaciones en conjunto, los ABM iluminan el papel de la heterogeneidad, la estructura espacial y el comportamiento en la transmisión y pueden identificar intervenciones focalizadas; sin un tratamiento riguroso de la incertidumbre y validación, los resultados pueden inducir a error la toma de decisiones. ## Inversión Inversión Para poblaciones grandes bien mezcladas con contactos homogéneos, o cuando la cuestión aborda el comportamiento promedio más que la heterogeneidad espacial o individual, los modelos compartimentales más simples (SIR/SEIR basados en EDO) pueden ser preferibles por su transparencia y menor coste computacional. ## Límite Límite Claramente dentro: simulaciones que modelan individuos explícitamente con reglas de decisión autónomas, interacciones locales y cambios de estado. Caso límite: modelos de meta‑población o por parches que agregan individuos en subunidades — mantienen cierta heterogeneidad pero simplifican detalles intra‑parche. Claramente fuera: modelos compartimentales deterministas agregados que no representan individuos explícitamente. ## Tensión semántica Tensión semántica Alta fidelidad y capacidad para representar heterogeneidad ↔ mayor demanda de datos, coste computacional y menor interpretabilidad analítica; los ABM capturan procesos realistas a costa de una complejidad mayor en validación e interpretación. ## Síntesis Síntesis Los modelos basados en agentes son herramientas de investigación: convierten supuestos explícitos sobre comportamiento individual y estructura de contactos en comportamientos sistémicos emergentes, por lo que son poderosos para la exploración de escenarios y el descubrimiento de mecanismos, pero su utilidad exige cuantificación rigurosa de la incertidumbre y un ajuste claro del alcance del modelo a la cuestión de política.