Supuestos y restricciones

01 · Punto de partida

Todo modelo tiene letra chica

«Aumento constante», «sin tope», «demanda pareja»: cada modelo se sostiene sobre decisiones que se dan por ciertas. Esos supuestos y sus restricciones de validez son parte del modelo tanto como las ecuaciones. El supuesto oculto es el bug más caro: el programa corre y la decisión falla.

• ¿Qué doy por cierto sin haberlo medido?
• ¿Hasta qué valores vale este modelo?
• ¿Qué pasa si el supuesto se rompe?
• ¿Dónde está escrito para que otros lo critiquen?

02 · Definiciones

Lo que se cree y lo que se limita

03 · Inventario

Cazar supuestos antes de que cacen

1. 1
   Listalos en voz alta.

   Todo «obvio» va al papel: lo obvio es donde se esconden.

2. 2
   Clasificalos por riesgo.

   ¿Qué rompe la decisión si falla? Eso se testea primero.

3. 3
   Convertí límites en restricciones.

   «Vale hasta demanda 120» es una guarda programable.

4. 4
   Publicalos con el modelo.

   Supuesto no declarado no existe para quien decide.

Validez

Rango donde el modelo responde como promete.

Guarda

Chequeo que rechaza escenarios fuera de validez.

Sensibilidad

Prueba de cuánto duele que un supuesto falle.

Documentación

El lugar visible donde viven supuestos y restricciones.

04 · En el código

Supuestos que se leen, restricciones que frenan

El supuesto vive en comentarios y diccionarios; la restricción, en assert y validaciones que fallan fuerte ante escenarios prohibidos.

05 · En Python

Letra chica ejecutable

SUPUESTOS = ["aumento diario constante", "sin tope en el horizonte"]
RESTRICCIONES = {"demanda_min": 0, "demanda_max": 120}


def estimar(demanda):
    # Restricción programada: fuera de rango, error claro.
    if not (0 <= demanda <= 120):
        raise ValueError("demanda fuera de validez 0-120")
    return 100 + 3 * demanda


print(SUPUESTOS)
print(estimar(50))

Romper el supuesto a propósito

def estimar(demanda):
    if not (0 <= demanda <= 120):
        raise ValueError("demanda fuera de validez 0-120")
    return 100 + 3 * demanda


for d in [50, 120, 200]:
    try:
        print(d, estimar(d))
    except ValueError as e:
        print(d, "rechazado:", e)

06 · Exploración

Laboratorio: la validez tiene borde

El modelo lineal promete hasta la demanda marcada (zona válida). La realidad se ameseta en el tope. Pasá la demanda del borde y mirá explotar el error.

La banda marca la zona válida. Fuera de ella el modelo promete y la realidad dispone.

Preguntas para explorar

1. Llevá la demanda a 200. ¿Cuánto erra el modelo fuera de validez?
2. Bajá el tope a 300. ¿La zona válida sigue siendo honesta?
3. ¿Qué guarda programarías para este modelo?

07 · Comprensión

Confusiones frecuentes

08 · Práctica guiada

Ejercicios con Python

Ejercicio 1: leer la letra chica

Ejecutá y explicá qué garantiza este modelo y qué no.

SUPUESTOS = ["aumento diario constante", "sin tope en el horizonte"]

def estimar(demanda):
    if not (0 <= demanda <= 120):
        raise ValueError("demanda fuera de validez 0-120")
    return 100 + 3 * demanda


print(estimar(50))
print(SUPUESTOS)

Ejercicio 2: forzar la guarda

Pedí demandas 0, 120 y 121. ¿Qué pasa en el borde?

def estimar(demanda):
    if not (0 <= demanda <= 120):
        raise ValueError("demanda fuera de validez 0-120")
    return 100 + 3 * demanda


for d in [0, 120, 121]:
    try:
        print(d, estimar(d))
    except ValueError as e:
        print(d, "rechazado")

Ejercicio 3: escribir la letra chica

Documentá supuestos y restricciones de un pronóstico por tendencia a 2 pasos.

ficha = {
    "supuestos": ["régimen vigente", "sin quiebres en el horizonte"],
    "restricciones": {"horizonte_max": 2, "ruido_max": 2.0},
}
print(ficha)

09 · Síntesis

Ideas para recordar

En el próximo tema ordenaremos el relato: la representación conceptual de un sistema.