Limitaciones y peligros

01 · Punto de partida

El contrapeso honesto

En el Tema 42 celebramos las ventajas: barato, sin riesgo, repetible. Ahora el contrapeso: la simulación no prueba nada sobre la realidad por sí sola. Todo resultado vive dentro de supuestos, de un rango validado y de datos finitos. Fuera de ahí, el gráfico más lindo es decoración.

Conocer los límites no debilita la simulación: la vuelve defendible. Quien declara lo que su modelo no puede decir decide mejor que quien promete de más.

• ¿Qué supuestos sostienen este resultado?
• ¿Dentro de qué rango fue validado?
• ¿Qué pasa si el futuro rompe esos supuestos?
• ¿La decisión aguanta el peor límite honesto?

02 · Vocabulario mínimo

Supuesto, rango y sobreconfianza

03 · Tres peligros

Cómo se rompe una buena simulación

1. 1
   Supuestos ocultos.

   Lo no escrito no se discute: «demanda estable» escondida convierte un feriado en catástrofe.

2. 2
   Extrapolación.

   Usar el modelo fuera de su rango validado: vale hasta demanda 8, se lo usa en 15.

3. 3
   Sobreconfianza.

   El decimal del promedio se lee como certeza y se decide sin margen.

Supuesto

Condición asumida para modelar, que debe escribirse.

Extrapolación

Uso fuera del rango validado.

Sobreconfianza

Certeza mayor que la que permiten datos y supuestos.

Margen

Colchón de decisión ante lo no modelado.

04 · Protocolo

La honestidad en cinco pasos

Se escriben supuestos, se acota el rango validado, se prueba la ruptura (Tema 39), se decide con margen y se avisa qué rompería la conclusión.

05 · En Python

Supuestos como datos, no como olvido

Los supuestos viven en el código junto a los parámetros: quien lee el resultado lee también sus condiciones.

supuestos = {"demanda_max": 8, "dias": "normales", "cajeros_sanos": True}
valido = {"demanda": (2, 8), "tolerancia": 1.0}

def dentro_de_rango(demanda):
    lo, hi = valido["demanda"]
    return lo <= demanda <= hi


print("demanda 7:", "válido" if dentro_de_rango(7) else "extrapolación")
print("demanda 15:", "válido" if dentro_de_rango(15) else "extrapolación")

Avisar antes de extrapolar

La función no calcula fuera de rango en silencio: avisa y pide revalidar.

def espera(demanda, cajeros=1):
    if not dentro_de_rango(demanda):
        return "FUERA DE RANGO: revalidar antes de decidir"
    return round(max(0, 2 + 1.2 * (demanda - 2.5 * cajeros)), 2)


print(espera(6))
print(espera(15))

06 · Exploración

Laboratorio: hasta dónde vale

El modelo fue validado para demanda 2–8 (zona clara). Movete la demanda a probar y mirá qué pasa con el error real: dentro del rango el modelo acompaña; fuera, se despega porque la realidad se vuelve no lineal y el modelo sigue recto.

Zona clara: rango validado 2–8. Curva del error real, que se dispara fuera de rango aunque el modelo siga confiado.

Preguntas para explorar

1. Probá demanda 6 y después 13. ¿El error crece lineal o se dispara? ¿Qué lo explica?
2. Con demanda 13, ¿alcanzaría con pedir más réplicas para «arreglarlo»?
3. Subí el margen a 3 con demanda 10. ¿El margen tapa la extrapolación o solo la maquilla?

07 · Comprensión

Confusiones frecuentes

08 · Práctica guiada

Ejercicios con Python

Ejercicio 1: chequear el rango

Marcá qué demandas están dentro del rango validado 2–8.

def dentro(d):
    return 2 <= d <= 8

for d in [5, 8, 9, 15]:
    print(d, "válido" if dentro(d) else "extrapolación")

Ejercicio 2: avisar en la salida

Hacé que la función avise en lugar de devolver un número mudo fuera de rango.

def espera(demanda):
    if not 2 <= demanda <= 8:
        return "FUERA DE RANGO"
    return round(2 + 1.2 * (demanda - 2.5), 2)

print(espera(6))
print(espera(15))

Ejercicio 3: escribir los supuestos

Empaquetá supuestos y rango junto al resultado, como traza honesta.

ficha = {"resultado": 5.2, "rango": "demanda 2–8",
         "supuestos": ["días normales", "cajeros sanos"]}
print(ficha)

09 · Síntesis

Ideas para recordar

En el próximo tema, el error más común de todos: los errores de modelado.