Propiedades y atributos

01 · Punto de partida

Todo agente tiene una ficha

En el Tema 3 el agente recordaba su energía y su salud. Pero un agente real necesita más datos: ¿a qué grupo pertenece? ¿Qué tan rápido puede moverse? ¿Qué tan tolerante es? Esa ficha mezcla lo permanente con lo cambiante.

Diseñar bien la ficha es la mitad del modelo: si falta un atributo, la regla no puede decidir; si sobra, el modelo se vuelve imposible de calibrar.

• ¿Qué datos identifican al agente durante toda la corrida?
• ¿Qué datos cambian paso a paso?
• ¿Qué valores son válidos para cada atributo?
• ¿Qué atributos varían entre agentes y cuáles son iguales?

02 · Definición

Fijos, variables y derivados

Tres tipos de campos aparecen en casi toda ficha:

03 · Diseño

Cómo diseñar una buena ficha

Tres preguntas evitan la mayoría de los errores:

Identidad

Id único y grupo: permiten seguir al agente y separar comportamientos por tipo.

Capacidad

Límites fijos: velocidad máxima, energía máxima, radio. Evitan valores absurdos.

Preferencia

Rasgo fijo que modula la regla: tolerancia, riesgo, convicción. Fuente de diversidad.

Derivado

Cálculo bajo demanda: no ocupa memoria permanente ni se desincroniza.

04 · Diversidad

De la ficha a la heterogeneidad

Si todos los agentes nacen con la misma ficha, la población es homogénea. Basta variar un fijo —otra velocidad, otra tolerancia— para obtener heterogeneidad, la materia prima de ABM (Tema 26).

1. 1
   Elegir el rango.

   Velocidad máxima entre 0.02 y 0.06, tolerancia entre 0 y 5 vecinos.

2. 2
   Repartir valores.

   Azar uniforme, grupos 70/30 o curva normal según el fenómeno real.

3. 3
   Verificar la mezcla.

   Histograma y conteo por grupo: ¿la población creada se parece a la pensada?

05 · Representación en Python

Fijos en el constructor, variables en atributos

Los fijos entran por el constructor y casi no se tocan; los variables se actualizan en cada paso.

class Agente:
    def __init__(self, id, grupo, tolerancia, x=0.5, energia=10):
        self.id = id              # fijo: identidad
        self.grupo = grupo        # fijo: A o B
        self.tolerancia = tolerancia  # fijo: preferencia
        self.x = x                # variable: posición
        self.energia = energia    # variable: estado

    def ficha(self):
        return (self.id, self.grupo, self.tolerancia, round(self.x, 2), self.energia)

a = Agente(0, "A", tolerancia=2, x=0.4, energia=9)
b = Agente(1, "B", tolerancia=4, x=0.42, energia=9)
print(a.ficha())
print(b.ficha())

Misma posición y energía, distinta tolerancia: la diversidad vive en los fijos.

Crear una población diversa

La inicialización reparte los fijos con azar controlado por semilla: reproducible y variada a la vez.

import random
random.seed(11)

def crear_poblacion(n=6):
    poblacion = []
    for i in range(n):
        grupo = "A" if random.random() < 0.5 else "B"
        tolerancia = random.randint(1, 4)
        poblacion.append(Agente(i, grupo, tolerancia, x=random.random(), energia=10))
    return poblacion

pob = crear_poblacion(6)
for a in pob:
    print(a.ficha())

06 · Exploración

Laboratorio: repartir velocidades

Cada agente nace con una velocidad máxima fija sorteada de una campana con media y desvío que vos elegís. El desvío es la heterogeneidad: en 0 todos son clones; alto, cada uno es un mundo. Observá el histograma y las estadísticas.

Cada barra cuenta cuántos agentes caen en ese rango de velocidad. La línea punteada marca la media pedida. Pulsá Nueva población para otro sorteo con los mismos parámetros.

Preguntas para explorar

1. Poné desvío en 0. ¿Cómo es el histograma? ¿Qué ventaja y qué peligro tiene una población clonada?
2. Subí el desvío al máximo con media 0,04. ¿Aparecen velocidades imposibles? ¿Cómo las limitarías en código?
3. Generá 3 poblaciones con los mismos valores. ¿La media real coincide exactamente con la pedida? ¿Por qué?

07 · Comprensión

Confusiones frecuentes

08 · Práctica guiada

Ejercicios con Python

Ejercicio 1: leer la ficha

Ejecutá y distinguí fijos de variables. Luego cambiá solo la energía y razoná qué cambió.

class Agente:
    def __init__(self, id, grupo, x, energia):
        self.id = id
        self.grupo = grupo
        self.x = x
        self.energia = energia

a = Agente(7, "A", 0.3, 10)
print("fijo:", a.id, a.grupo)
print("variable:", a.x, a.energia)

Ejercicio 2: validar el dominio

Sin ejecutar primero: ¿qué imprime este constructor con tolerancia 99? ¿Debería permitirlo? Comprobalo y corregilo.

class Agente:
    def __init__(self, tolerancia):
        if not (0 <= tolerancia <= 8):
            raise ValueError("tolerancia fuera de 0..8")
        self.tolerancia = tolerancia

print(Agente(3).tolerancia)
print(Agente(99).tolerancia)

Ejercicio 3: contar grupos

Creá 200 agentes 70/30 y verificá el reparto. ¿Da exactamente 140/60?

import random
random.seed(4)

pob = ["A" if random.random() < 0.7 else "B" for _ in range(200)]
print("A:", sum(1 for g in pob if g == "A"), "B:", sum(1 for g in pob if g == "B"))

09 · Síntesis

Ideas para recordar

En el próximo tema estudiaremos el comportamiento: qué hace el agente en cada paso con su ficha completa.