Storyboard

Caso base sin acoplamiento social: un único agente responde al campo neto percibido según E02. Incluye la razón de momios (odds) y el valor esperado del resultado, que permiten explorar cómo un cambio en el campo se traduce en una ganancia esperada la salida típica de este mini-simulador.

>Modelo

ID:('ky', 1598)

Storyboard

$P_i=\dfrac{1}{1+e^{-2\beta_i h_i}}$

Variables

$P_i$

Probabilidad de escoger la alternativa positiva

$1$

$h_i$

Campo neto percibido por el agente

$J$

$\beta_i$

Sensibilidad inversa del agente

$1/J$

>Modelo

ID:('gm', 14052)

Storyboard

$\mathrm{Odds}_i=e^{2\beta_i h_i}$

Variables

$mathrm{Odds}_i$

Razón de momios de la decisión

$1$

$h_i$

Campo neto percibido por el agente

$J$

$\beta_i$

Sensibilidad inversa del agente

$1/J$

>Modelo

ID:('gm', 14053)

Storyboard

$EV_i=P_iV_{win}+(1-P_i)V_{lose}$

Variables

$P_i$

Probabilidad de escoger la alternativa positiva

$1$

$V_{lose}$

Valor del resultado desfavorable

$J$

$V_{win}$

Valor del resultado favorable

$J$

$EV_i$

Valor esperado de la decisión

$J$

>Modelo

ID:('gm', 14054)

Storyboard

$h_{eq}=h_{target}+b_{bias}$

Variables

$h_{eq}$

Campo de equilibrio con sesgo

$J$

$h_{target}$

Campo objetivo ajustable

$J$

$b_{bias}$

Sesgo constante de decisión

$J$

>Modelo

ID:('gm', 14055)

Storyboard

$\dfrac{dh_i}{dt}=\dfrac{h_{eq}-h_i}{\tau_h}$

Variables

$h_{eq}$

Campo de equilibrio con sesgo

$J$

$h_i$

Campo neto percibido por el agente

$J$

$dfrac{dh_i}{dt}$

Tasa de cambio del campo percibido

$J/s$

$ au_h$

Constante temporal de adaptación

$s$

>Modelo

ID:('gm', 14056)

Storyboard

$h_i(t+\Delta t)=h_i(t)+\dfrac{dh_i}{dt}\Delta t+\sigma_h\sqrt{\Delta t},\eta_h$

Variables

$eta_h$

Variable aleatoria normal estándar

$1$

$h_i(t+Delta t)$

Campo actualizado

$J$

$h_i$

Campo neto percibido por el agente

$J$

$dfrac{dh_i}{dt}$

Tasa de cambio del campo percibido

$J/s$

$sigma_h$

Intensidad de fluctuación del campo

$J/s¹?²$

$Delta t$

Paso de integración temporal

$s$

>Modelo

ID:('gm', 14057)

Storyboard

$\ln(\mathrm{Odds}_i)=2\beta_i h_i$

Variables

$mathrm{Odds}_i$

Razón de momios de la decisión

$1$

$h_i$

Campo neto percibido por el agente

$J$

$\beta_i$

Sensibilidad inversa del agente

$1/J$

>Modelo

ID:('gm', 14058)

Storyboard

$\dfrac{dP_i}{dh_i}=2\beta_iP_i(1-P_i)$

Variables

$P_i$

Probabilidad de escoger la alternativa positiva

$1$

$dfrac{dP_i}{dh_i}$

Sensibilidad de probabilidad al campo

$1/J$

$\beta_i$

Sensibilidad inversa del agente

$1/J$

>Modelo

ID:('gm', 14059)

Storyboard

$\dfrac{dEV_i}{dh_i}=(V_{win}-V_{lose})\dfrac{dP_i}{dh_i}$

Variables

$dfrac{dEV_i}{dh_i}$

Sensibilidad del valor esperado

$1$

$V_{lose}$

Valor del resultado desfavorable

$J$

$V_{win}$

Valor del resultado favorable

$J$

$dfrac{dP_i}{dh_i}$

Sensibilidad de probabilidad al campo

$1/J$

>Modelo

ID:('gm', 14060)

Descripción

Red de modelo

• Método alternativo
• Método tradicional
• Estrategia
• 2D
• 3D

Ecuación

Número

Primero, seleccione la ecuación:   a ,  luego, seleccione la variable:   a 

---

Símbolo

Ecuación

Resuelto

Traducido

Cálculos

Símbolo

Ecuación

Resuelto

Traducido

 Variable   Dado   Calcule   Objetivo :   Ecuación   A utilizar

Variables

$P_i$

P_i

Probabilidad de escoger la alternativa positiva

1

$mathrm{Odds}_i$

Odds_i

Razón de momios de la decisión

1

$dfrac{dEV_i}{dh_i}$

dEV_dh

Sensibilidad del valor esperado

1

$eta_h$

eta_h

Variable aleatoria normal estándar

1

$h_i(t+Delta t)$

h_i_next

Campo actualizado

J

$h_{eq}$

h_equilibrium

Campo de equilibrio con sesgo

J

$h_i$

h_i

Campo neto percibido por el agente

J

$h_{target}$

h_target

Campo objetivo ajustable

J

$b_{bias}$

b_bias

Sesgo constante de decisión

J

$V_{lose}$

V_lose

Valor del resultado desfavorable

J

$V_{win}$

V_win

Valor del resultado favorable

J

$EV_i$

EV_i

Valor esperado de la decisión

J

$dfrac{dh_i}{dt}$

dh_i_dt

Tasa de cambio del campo percibido

J/s

$sigma_h$

sigma_h

Intensidad de fluctuación del campo

J/s¹?²

$ au_h$

tau_h

Constante temporal de adaptación

s

$Delta t$

dt_sim

Paso de integración temporal

s

$dfrac{dP_i}{dh_i}$

dP_dh

Sensibilidad de probabilidad al campo

1/J

$\beta_i$

beta_i

Sensibilidad inversa del agente

1/J

ID:(0, 1598)