Читать книгу Dinámica científica y medidas de complejidad - Miguel Fuentes - Страница 14

Se ha enfatizado en la importancia de la contribución de la mecánica estadística y la teoría de MaxEnt al estudio de sistemas complejos y fenómenos naturales en general. En un trabajo reciente, Beck y Cohen introdujeron una generalización natural de la mecánica estadística [Beck y Cohen, 2003; Cohen, 2004]. La idea es muy simple, pero también muy potente. Cuando se trata de sistemas complejos de no-equilibrio con estados cuasiestacionarios a largo plazo sujetos a fluctuaciones espacio-temporales, se puede obtener la distribución de probabilidad, que tiene características muy peculiares, calculando el promedio sobre estas fluctuaciones. Un ejemplo típico de estas características puede ser el así llamado comportamiento de distribuciones de eventos extremos (como los terremotos, fluctuaciones y caídas de bolsas financieras, etc.), caracterizados usualmente por funciones escalables como las mencionadas al comienzo de este capítulo. Esta característica está presente en una variedad de fenómenos emergentes, por ejemplo los asociados a la autoorganización crítica [Zelinka et al., 2013].

Para ser más explícitos, veamos un ejemplo de cómo funciona la teoría. Supongamos que tenemos un sistema compuesto por muchos subsistemas. Cada subsistema tiene partículas que difunden a velocidades características promedio bien caracterizadas por un parámetro de difusión. En consecuencia, cada subsistema se caracterizará por una distribución bien definida caracterizada por el parámetro de difusión particular que tiene. Pero si consideramos el sistema completo (la agregación de todos los subsistemas) debemos promediar usando todas estas distribuciones particulares.

Es fácil darse cuenta del poder de este concepto y de la generalización que puede hacerse siguiendo estos métodos [Hanel, Thurner y Gell-Mann, 2011].