pág. 1518
PROPUESTAS DE MODELOS MATEMÁTICOS
ORIGINALES EN INTELIGENCIA ARTIFICIAL,
TEORÍA DE JUEGOS Y PROBABILIDAD
APLICABLES A EDUCACIÓN, ECONOMÍA, SALUD Y
MEDIO AMBIENTE
PROPOSALS FOR ORIGINAL MATHEMATICAL MODELS IN
ARTIFICIAL INTELLIGENCE, GAME THEORY, AND
PROBABILITY APPLICABLE TO EDUCATION, ECONOMICS,
HEALTH, AND THE ENVIRONMENT
Fernando Gustavo Isa Massa
Universidad Tecnológica Nacional, Argentina
pág. 1519
DOI: https://doi.org/10.37811/cl_rcm.v9i4.18642
Propuestas de Modelos Matemáticos Originales en Inteligencia Artificial,
Teoría de Juegos y Probabilidad Aplicables a Educación, Economía, Salud
y Medio Ambiente
Fernando Gustavo Isa Massa
1
ferim74@yahoo.com.ar
https://orcid.org/0000-0002-8609-249X
Universidad Tecnológica Nacional – Facultad Regional Tucumán1
Argentina
RESUMEN
El objetivo principal que se planteó es el empleo de las matemáticas en modelos originales en
inteligencia artificial, teoría de juegos y probabilidades; para obtener resultados contrastables en
educación, economía, salud y medio ambiente. Cabe destacar, que los resultados ofrecidos son algunas
de las aplicaciones de estos modelos originales, siendo imperativo el uso de los teoremas como fuente
de abstracción para soluciones de problemas complejos de difícil abordaje y ejecución. Los métodos
aplicados sugieren las demostraciones en teoremas de los modelos matemáticos originales y siguiendo
las premisas del método científico y empírico, usarlos en el tratado de problemas sociales en el marco
del análisis de ciencias duras. Los resultados en educación servirán a la calidad educativa, en economía
tienen amplias consecuencias como la ley de la oferta y demanda, en medio ambiente para políticas de
mitigación del cambio climático y en salud para predicción de pandemias
Palabras claves: modelos matemáticos, inteligencia artificial, teoría de juegos, probabilidades
1
Autor principal
Correspondencia: ferim74@yahoo.com.ar
pág. 1520
Proposals for Original Mathematical Models in Artificial Intelligence,
Game Theory, and Probability Applicable to Education, Economics,
Health, and the Environment
ABSTRACT
The main objective set is the use of mathematics in original models in artificial intelligence, game
theory, and probabilities; to obtain verifiable results in education, economy, health, and environment.
It is noteworthy that the results offered are some of the applications of these original models, making it
imperative to use theorems as a source of abstraction for solutions to complex problems that are
difficult to address and execute. The applied methods suggest demonstrations in theorems of the
original mathematical models and, following the premises of the scientific and empirical method, use
them in addressing social problems within the framework of hard sciences analysis. The results in
education will contribute to the quality of education, in economy they have wide consequences such as
the law of supply and demand, in the environment for climate change mitigation policies, and in health
for predicting pandemics.
Keywords: mathematical models, artificial intelligence, game theory, probabilities
pág. 1521
INTRODUCCIÓN
El artículo aborda como tema principal el desarrollo de las ciencias duras como las matemáticas en la
propuesta y posterior demostración de cuatro modelos matemáticos originales. El planteo lógico y
matemático, se sugiere implementaciones en educación con simulación y datos concretos de colegios
de San Miguel de Tucumán, Tucumán-Argentina; que son el marco conceptual para distinguir la
aplicación de ciencias duras en ciencias sociales. Siguiendo este marco conceptual de las ciencias duras
aplicables a las ciencias sociales; se plantean soluciones a problemas económicos de difícil abstracción,
siguiendo el método científico y con bases de datos obtenidas de la inteligencia artificial o ChatGpt.
También, el planteo de estos modelos matemáticos en problemas como el medio ambiente y las
predicciones de pandemias, enriquecen el marco teórico-práctico; generando el clima para futuras
investigaciones de las nuevas aplicaciones de los modelos matemáticos. El problema resuelto o vacío
en las investigaciones son las aplicaciones en educación como ciencia social Acuña Gamboa, L. A.
(2017), y como tal, se escapaba a veces del planteo de las ciencias duras para su correspondiente
abstracción y desarrollo. Otro de los vacíos que se plantean en otras investigaciones, es como se
conjeturarían otra de las ciencias sociales como la economía y la pregunta abierta en el ámbito científico:
¿es la economía una ciencia? Esta pregunta queda con respuesta de que si es una ciencia en tanto y en
cuanto pueda ser verificable con el método científico y cualitativamente pueda evaluarse y
cuantitativamente demostrarse. Los temas descriptos son importantes analizarlos, desde la perspectiva
de lo complejo que son y la poca bibliografía y ensayos científicos en la conceptualización de estas
aplicaciones y el escaso desarrollo de modelos matemáticos para su demostración en teoremas. Las
teorías que sustentan el trabajo son la inteligencia artificial en un modelo original como marco teórico
y práctico, siendo la IA una fuente nueva de discusión en el plano científico y el verdadero nuevo
paradigma del siglo 21. Otras de las teorías que sustentan el trabajo, es el uso de las probabilidades;
como dato histórico, en la segunda guerra mundial fueron determinantes para la victoria en simulaciones
y modelos complejos, para el empleo de las mismas se conjetura para luego demostrar con el aporte de
la teoría de conjuntos. El modelo de teoría de juegos propuesto, sigue la premisa de incorporar bases de
datos del conocimiento, específicamente en economía y la ley de la oferta y demanda. Por último, el
modelo descrito de incrementos en programación no lineal; tiene como fuente de datos
pág. 1522
conceptualizaciones económicas y el medio ambiente. La investigación se desarrolla en el contexto de
la revolución de las ciencias y tecnología, verdadero estandarte del crecimiento de los pueblos, los
mismos al utilizar las ciencias y tecnologías, y como referencia histórica y presente; tienen asegurado
un clima de crecimiento, haciendo fuerzas en la educación y generación de riquezas, como así también
en el cuidado del medio ambiente.
METODOLOGÍA
Como metodología se decidió por la propuesta de cuatro modelos matemáticos originales con amplias
aplicaciones y demostraciones de rigor empírico. Los modelos representan distintas áreas de las
matemáticas: teoría de juegos, programación no lineal, probabilidades e inteligencia artificial. Los
modelos son originales y se presentan por primera vez a la presente revista de ciencia latina. La
investigación sigue un patrón mixto: cualitativo y cuantitativo González, M., & Pérez, J. (2022), la
investigación es descriptiva usando probabilidades y predictiva en sus bases de concreción o
demostración de hipótesis. El diseño observado es experimental, transversal y exploratorio, presentando
a la comunidad científica internacional cuatro modelos matemáticos originales para su uso en la
conceptualización de problemas complejos. Como muestra, se tomaron distintas fuentes: desde datos
reales de estudiantes de colegios de Argentina, hasta valores simulados conociendo la media y el desvío
como consecuencia de la simulación en Excel y con números pseudo aleatorios, Quiñones Huatangari,
L., & Pérez Guardia, S. H. (2023). Los datos también tuvieron como fuente de información la IA
ChatGpt, que sirvió a la investigación con datos estadísticos de distintos países. Desde el enfoque
metodológico, el uso de esta IA es pragmático y muy útil; cuando se plantean problemas complejos, la
búsqueda es acotada en el uso de la IA.
Teorema 1: Si conocemos matrices de oferta, demanda y costos con las mismas cantidades de celdas y
donde las demandas son mayores a las ofertas, entonces su modelo de probabilidades para una
abstracción en teoría de juegos es: Pr = (
.
. … .
)
. Alpha
Demostración
Extremos relativos
pág. 1523
Ci = 0
Pr = (
.
. … .
) . Alpha
Pr = Alpha
Si el costo es relativamente bajo, entonces la probabilidad depende de la variable alpha
0 ≤ Alpha ≤ 1
Ci = 1
Pr = (
.
. … .
) . Alpha
Pr = 0
Obtenemos una probabilidad baja cuando el costo es alto.
Di > 0
Pr = (
.
. … .
) . Alpha
Pr 0
Este resultado es producto de un exponente grande que configura una disminución constante de la base
que es una probabilidad, entonces sucesivamente disminuye Pr
Di Oi
Pr = (
.
. … .
) . Alpha
Pr = Alpha
Cuando la oferta satisface a la demanda, entonces la probabilidad depende de alpha
0 ≤ Pr ≤ 1
0 ≤ Alpha ≤ 1
0 < Di ≤ 1
0 ≤ Oi ≤ 1
0 ≤ Ci ≤ 1
pág. 1524
Figura 1. Teoría de juegos en oferta y demanda
Teorema 2: Si conocemos la tasa probable de ejecución, el tiempo de ejecución y los recursos, entonces
el modelo de probabilidades es: Pr =
Demostración
Extremos relativos
Pi = 0
Pr =
Pr = 0
Si la tasa de ejecución Pi es baja, entonces la probabilidad también será baja lo que demuestra la unión
matemática entre ambas variables
Pi = 1
Pr =
Pr = 1
Concluimos el análisis de Pi sabiendo que valores altos generan indefectiblemente probabilidades altas
pág. 1525
R = 0
Pr =
Pr =
Cuando el recurso es muy limitado, podemos esperar que la probabilidad tienda a ser considerada por
los Pi y los Ti
R = 1
Pr =
Pr = 1
En caso contrario cuando los recursos son abundantes, la probabilidad es alta
0 ≤ Pr ≤ 1
0 ≤ Pi ≤ 1
0 ≤ Alpha ≤ 1
0 ≤ Ti ≤ 1
0 ≤ R ≤ 1
Figura 2. Modelo de probabilidades
Teorema 3: Si consideramos un incremento de las variables o coeficientes tecnológicos de un modelo
de programación lineal o sistemas de ecuaciones lineales, entonces esto se deriva en un modelo de
programación no lineal o sistemas de ecuaciones no lineales.
pág. 1526
Ec1 . X1 + Ec2 . X2 + … + EcN . Xn MAX o MIN
T1 . + T2 . + … + Tn . ≤
Demostración
Se parte de incrementos de las variables tecnológicas en programación lineal
1 . x1 +T2 . 2 . x2 + … + n . xn ≤ . R
Para valores pequeños
Dx
DR
1 . x1 + T2 . 2 . x2 + … + Tn . n . xn ≤ . R
Integramos ambos miembros
T1 . + T2 . + … + Tn . ≤ 2 . /2
T1 . + T2 . + … + Tn . ≤
El análisis que se desprende es que la programación lineal en investigación operativa puede convertirse
en programación no lineal cuando incrementamos las variables Xi. El recurso también se incrementa
Teorema 4:
Si conocemos una serie de datos como entrada de una red neuronal y los primeros pesos hacia las
neuronas ocultas y con una neurona de salida, entonces la red neuronal de contradicciones sigue este
modelo de diseño de las neuronas de la capa oculta: Pr =
Demostración
Veamos el siguiente modelo de probabilidad
Pr =
Genero incrementos de Pi
Pr =
Los para valores pequeños se convierten en Dpi
Pr =
Aplico Ln
pág. 1527
Ln Pr = . Ln a
Integro ambos miembros
Ln Pr = - ((cos p1 + cos p2 + … + cos pn)/n) . Ln a
Pr =
Pr =
Exponente negativo de la exponencial asegura un modelo de probabilidades
Pi = 90°
Pr =
Pr =
Pr = 1
Valores altos de Pi o pesos de las neuronas de entrada, generan neurona ocultas de altas probabilidades
Pi = 0°
Pr =
Pr =
Pr =
Veamos la siguiente demostración
V =
Ln v = Ln a . Ln e
Ln v = Ln a
V = a
Entonces queda
Pr =
La probabilidad de las neuronas ocultas depende de a cuando Pi es chico
0 ≤ Pr ≤ 1
0° ≤ Pi ≤ 90°
pág. 1528
A > 0
Figura 3. Modelo de red neuronal en su probabilidad
RESULTADOS Y DISCUSIÓN
Teorema 1
Ejemplo 1: Juegos de la competencia en México y EEUU en maíz
México 2024 OpenIA (2024)
Tabla 1. Variables económicas para México 2024 en maíz
Bimestre
Exportaciones
Importaciones
Costo
producción
Precio venta
Costo
porcentual
Julio-Agosto
0
22
5,26
6
87,67
Septiembre-
Octubre
0
22
5,26
6
87,67
Costo porcentual es una regla de tres simples entre costo producción y precio de venta
Julio – Agosto
6 --- 100%
pág. 1529
5,26 --- X% = (5,26 . 100) / 6 = 87,67%
Para septiembre y octubre resulta el mismo valor de costo porcentual
Divido en 100 para tener valores entre 0 y 1 todos los valores de la tabla
Pr = (
.
) . Alpha
Considero a Alpha como un valor alto que proporciona una mejora en la probabilidad
Alpha = 0,87 que es el valor de costo porcentual
Pr = 0,014703
Esta probabilidad relativamente baja es por la exportación nula y los altos costos porcentuales, razón
por la cual, podemos inferir lo provechoso que sería exportar maíz para mejorar la economía real de
México.
EEUU 2024 OpenIA (2024)
Tabla 2. Variables económicas para EEUU en 2024 maíz
Bimestre
Exportaciones
Importaciones
Costo
producción
Precio venta
Costo
porcentual
Julio-Agosto
62,23
0
4,99
6
83,17
Septiembre-
Octubre
62,23
0
4,99
6
83,17
Costo porcentual es una regla de tres simples entre costo producción y precio de venta
Julio – Agosto
6 --- 100%
4,99 --- X% = (4,99 . 100) / 6 = 83,17%
Para septiembre y octubre resulta el mismo valor de costo porcentual
Divido en 100 para tener valores entre 0 y 1 todos los valores de la tabla
Pr = (
.
) . Alpha
Considero a las demandas o importaciones como de un 100% para establecer la relación ante mucha
cantidad de exportación.
Considero a Alpha como un valor alto que proporciona una mejora en la probabilidad
pág. 1530
Alpha = 0,8317 que es el valor de costo porcentual
Pr = 0,21644
La probabilidad mejora con respecto a otros parámetros lo que sale a conclusión que es muy importante
exportar y bajar los costos porcentuales.
Ejemplo 2: OpenIA (2025)
Oferta y demanda de empleo en empresas de: Argentina, Brasil, México y Chile
Tabla 3. Oferta y demanda de empleo en países Latinoamericanos
País
Tasa desocupación
Generación empleo
Costo social
desocupación
Argentina
0,8
0,2
0,2
Brasil
0,9
0,9
0,7
México
0,9
0,6
0,5
Chile
0,7
0,7
0,6
Pr = (
.
.
.
) . Alpha
Pr = 0,67138 . Alpha
Consideramos Alpha como un promedio de la demanda o tasas de desocupación
Pr = 0,67138 . 0,8
Pr = 0,537104
Es una realidad la falta de empleo y costo social de la desocupación en países de Latinoamérica, lo que
lleva al análisis de mejorar las políticas de inversiones en la región. La probabilidad es promedio y
genera una descripción del mapa político y económico no tan próspero y esto es debido a la poca
inversión en la educación que en el siglo 21 es la riqueza de los pueblos, generando riquezas que superan
a las generadas por las materias primas.
Ejemplo 3:
Veamos los valores arrojados por una probabilidad teórica y conocida, para saber la oferta o generación
de empleo que sea concisa con esa probabilidad. De la misma tabla consideramos como variable a
generación de empleo en Argentina, los demás valores serán los mismos.
0,7 = (
.
.
.
) . 0,8
pág. 1531
0,6 / 0, 8 = 0,7937 .
0,75 / 0,7937 =
Ln 0,94494 =
. Ln 0,8
0,8 - O = (0,2538 . 0,8)
O = 0,8 – 0,20304
O = 0,59696
Esta nueva oferta de empleo es consecuencia de una mayor probabilidad, lo que nos lleva a la conclusión
de mejorar la oferta de empleo depende de las coyunturas sistémicas y sociales, mejorando las partes
del sistema económico y social, y haciendo énfasis en la educación como variable transformadora de lo
social y generadora de riquezas.
Teorema 2
Ejemplo 1: inversión de ciencia y tecnología en porcentaje de aumento con respecto al año anterior.
Además, cada cuántos meses se produce las inversiones. OpenIA (2025)
Pr =
Tabla 4. Inversión y tiempo en países de Latinoamérica
País
Inversión
Tiempo
Argentina
0,00216
0,07099
México
0,0117
0,04166
Brasil
0,003
0,08732
El tiempo lo consideramos una media = 8 meses con un desvío = 3 meses. Luego es dividido en 100.
Uso números pseudo aleatorios con la variable normal y se simula en Excel
Media = 0,08
Desvío = 0,03
T1 = 0,07099
T2 = 0,04166
T3 = 0,08732
pág. 1532
Pr =
Pr = 0,04885
La probabilidad baja, entre 4% y 5% de probabilidades de aumento del PBI de varios países de
Latinoamérica destinan a las inversiones de ciencia y tecnología, siendo este valor bajo y un llamado de
atención para mejorar la situación.
Se toma a r = 0,8 al considerar que los recursos pueden aumentar
Veamos la situación hipotética de un aumento de la probabilidad, y lo necesario es saber r
0,8 =
Ln 0,8 = (1 - r) . Ln ( )
= 1 – r
R = 1 – 0,01478
R = 0,98522
Se necesitan casi la totalidad de los recursos R como una forma de mejorar la probabilidad con los bajos
valores de inversión en ciencia y tecnología. Sigue siendo preocupante la poca inversión en ciencia y
tecnología
Ejemplo 2:
En el sistema educativo la inversión genera calidad educativa, además de las variables relacionadas con
la educación en el sistema del hogar y teniendo en cuenta los tiempos requeridos a la mejora de la
educación
Tabla 5. Sistema educativo de Tucumán-Argentina
Alumno
Nota
Tiempo
A1
0,4
0,33
A2
0,7
0,13
A3
0,9
0,067
El tiempo es el cociente entre la cantidad de días que cada alumno necesita para alcanzar los objetivos
en la materia y la cantidad de días del trimestre. La nota se divide en 10 para tener las variables como el
modelo exige, en tasas de probabilidades.
Pr =
pág. 1533
Los recursos son tomados como 0,2 debido a la política de ajuste en Argentina a la educación y la poca
inversión pública y privada en la misma.
Pr = 0,441305
La probabilidad es un acto de defensa y rebeldía al sistema político que toma a la educación como
variable de ajuste, y el valor alto nos lleva a la conclusión de que sociedades comprometidas con los
parámetros de crecimiento como es el sistema educativo; progresaran y serán sus pilares de evolución
social.
Ejemplo 3: Tomamos como variable a los recursos, con una probabilidad alta
Pr = 0,75
0,75 =
0,75 =
= 1 – r
R = 0,71865
Estos recursos considerablemente más altos que la media de 0,2 nos lleva a pensar un nuevo orden global
que proviene de mejorar la inversión pública y privada en la educación de los pueblos, especialmente
en los países emergentes. En este ejemplo consideramos una mayor probabilidad (Pr = 0,75), que son
generadas por mayores recursos como variable a ser encontrada (R = 0,71865)
Teorema 3
Ejemplo 1: Crecimiento en la obra pública en Latinoamérica sobre PBI. OpenIA (2022)
Tabla 6. Crecimiento obra pública Latinoamérica sobre PBI
Año
Argentina
Brasil
Chile
México
Perú
2022
2,3%
2,5%
1,8%
3%
1,5%
2023
2,1%
2,4%
1,7%
2,8%
1,4%
Crecimiento promedio en obra pública en toda la región en 2022: 2,8%
2,8 . 5 = 14 (Por ser 5 países)
X1 + X2 + X3 + X4 + X5 MAX
2,3 . + 2,5 . + 1,8 . + 3 . + 1,5 . ≤
pág. 1534
X1, X2, X3, X4, X5 ≥ 0
Al modelo de programación no lineal lo ejecuto en el software libre Lingo y los resultados son los
siguientes
X1 = 3,93703
X2 = 3,62205
X3 = 5,03069
X4 = 3,01835
X5 = 6,03686
Al tener menores valores de la tabla, podemos asegurar que el crecimiento se potencia en países como
Perú y Chile.
Crecimiento promedio obra pública en toda la región en 2023: 2,8%
2,8 . 5 = 14 (Por ser 5 países)
X1 + X2 + X3 + X4 + X5 MAX
2,1 . + 2,4 . + 1,7 . + 2,8 . + 1,4 . ≤
X1, X2, X3, X4, X5 ≥ 0
Al modelo de programación no lineal lo ejecuto en el software libre Lingo y los resultados son los
siguientes
X1 = 4,17275
X2 = 3,65114
X3 = 5,15462
X4 = 3,12952
X5 = 6,2592
Estos valores potencian en el crecimiento porcentual de los países con valores mayores por ser
proyecciones de incremento. Observamos que Perú y Chile tienen las mayores perspectivas de
crecimiento (esto es por tener los más bajos valores porcentuales en la tabla)
Ejemplo 2: crecimiento de las temperaturas en la última década en Europa (2023)
pág. 1535
Tabla 7. Crecimiento de las temperaturas y presupuesto de países de Europa
País
Alemania
España
Francia
Reino Unido
Suiza
Crecimiento
temperaturas
2,5°C
2,5°C
2,93°C
2,5°C
2,5°C
Inversión en
políticas de
evitar cambio
climático
(Euros)
9,94 mil
millones
11,4 mil
millones
7,2 mil
millones
7,5 mil
millones
1,8 mil
millones
Promedio en Europa 2023: 2,4°C
2,4 . 5 = 12 (Por ser 5 países)
9,94 . X1 + 11,4 . X2 + 7,2 . X3 + 7,5 . X4 + 1,8 . X5 MAX
2,5 . + 2,5 . + 2,93 . + 2,5 . + 2,5 . ≤
X1, X2, X3, X4, X5 ≥ 0
Al modelo de programación no lineal lo ejecuto en el software libre Lingo y los resultados son los
siguientes
X1 = 4,13726
X2 = 4,74499
X3 = 2,55692
X4 = 3,12161
X5 = 0,74911
Las conclusiones sacadas del contexto de programación no lineal es al haber incrementos de
temperaturas parecidos en los cinco países, el factor determinante de cambio es la inversión en políticas
contra el cambio climático; donde Alemania y España tienen mayores presupuestos. Reino unido y
Francia tienen perspectivas parecidas y Suiza con muy pocas perspectivas al tener el menor de los
presupuestos.
pág. 1536
Teorema 4
Ejemplo 1: Red neuronal para predecir pandemia de COVID 19 OpenIA (2022)
Figura 4. Red neuronal para pandemia de COVID
Variables de entrada Capa Oculta
México
Vacunados Brasil
Salida
Pobreza Argentina
Densidad Población Perú
Chile
Valores de pesos, corresponden al año 2021
Tabla 8. Valores de los pesos de la red neuronal para COVID y predicción
Índice
Argentina
Brasil
Chile
México
Perú
Vacunados
61,94%
64,49%
75,12%
60%
32,20%
Densidad
(dividida en
100)
0,16
0,25
0,26
0,66
0,26
Pobreza
37,3%
29,4%
10,8%
36%
25,9%
Para el modelo de probabilidades cada Pr es una neurona de la capa oculta que se alimenta de los pesos
de las neuronas de entrada, Guevara-Plana, J., Hernández-Roque, A., & Alaniz-Arcos, J. L. (2024).
Argentina
Vacunados
100% ----- 90°
61,94% ------ X° = 55,746° Por ser los vacunados una variable positiva calculo complemento
90° - 55,746° = 34,254°
Densidad
1% ----- 90°
pág. 1537
0,16% ------ X° = 14,4°
Pobreza
100% ----- 90°
37,3% ------ X° = 33,57° Por ser la pobreza una variable positiva calculo complemento
90° - 33,57° = 56,43°
Pr =
A = 1,5 que corresponde a una tasa de crecimiento neuronal
Pr = 0,72807 Esta es una probabilidad alta lo que lleva a la conclusión de un acercamiento de Argentina
a la pandemia
Los otros valores de pesos para los demás países como capa oculta toman valores parecidos, lo que lleva
a la conclusión de un acercamiento global a una pandemia que es lo que ocurrió.
Ejemplo 2: Desarrollo de las economías latinoamericanas en un contexto de globalización
Figura 5. Red neuronal para desarrollo de las economías de Latinoamérica
Variables de entrada Capa Oculta
México
Importación Brasil
Salida
Exportación Argentina
Mercado Interno Perú
Chile
Pesos en el año 2023 de crecimiento económico latinoamericano sobre su PBI. OpenIA (2025)
pág. 1538
Tabla 9. Pesos del crecimiento de las economías según PBI en Latinoamérica
Variable
económica
Argentina
Brasil
Chile
México
Perú
Importación
34,65%
31,5%
24,8%
34,65%
26,5%
Exportación
33,16%
33,2%
38,5%
33,16%
28,1%
Mercado
Interno
-2%
2,9%
0,2%
3%
1,1%
Veamos la capa oculta que se alimenta de estos valores para el nodo Brasil
Importación
100% ----- 90°
31,5% ------ X° = 28,35°
Exportación
100% ----- 90°
33,2% ------ X° = 29,88° Como es una variable positiva se hace el cálculo del complemento
90° - 29,88° = 60,12°
Mercado Interno
100% ----- 90°
2,9% ------ X° = 2,61° Como es una variable positiva se hace el cálculo del complemento
90° - 2,61° = 87,39°
Pr =
A = 3,5 que corresponde a una tasa de crecimiento neuronal
Pr = 0,55180 Esta es una probabilidad media, y nos lleva a la conclusión de un acercamiento de Brasil
a un crecimiento moderado de su economía. Lo mismo ocurre con los demás países de la región, ya que
sus valores son parecidos.
DISCUSIÓN
Como conclusión se advierte que las ciencias duras como las matemáticas en cuatro modelos originales
son aptas para las ciencias sociales como la educación y la economía. El planteo metodológico sigue
demostraciones de los cuatro teoremas, uno por cada modelo, con una abstracción de los nuevos
paradigmas como la teoría de juegos, las probabilidades, la programación no lineal, y por último, el gran
pág. 1539
desafío de la época: la inteligencia artificial. Los resultados son contundentes desde el tratamiento y
predicción de pandemias hasta la medida d crecimiento de la región. Su uso se expande a nuevos
horizontes, quedando para la comunidad científica internacional el tratado de nuevas aplicaciones
prácticas y la concreción de soluciones factibles y de un alto grado de corrección de variables que antes
parecían indomables. Es así, como artificios y metodologías abstractas demostradas en teoremas de
probabilidad subsana uno de los parámetros que para la mayoría de los pueblos emergentes queda en
deuda: la educación. Con resultados claros desde la simulación y datos concretos de alumnos de una
institución de Banda del Río Salí – Tucumán, Argentina. Para la economía los objetivos planteados son
de concretar una primera demostración de que fenómenos como la agricultura en el modelo no
simplificado de la oferta y demanda; puede ser domado, por esa misma razón podemos asegurar que la
economía es una ciencia social demostrada desde las ciencias duras.
CONCLUSIONES
Se obtienen vertientes nuevas del pensamiento en la actualización de ciencias sociales, esta vez
validadas con las ciencias duras y en conformidad de las abstracciones de los teoremas, indagan
actividades de uso corriente y de gran importancia teórica y práctica. Es también evidente, que los pasos
a seguir son la refundación de los datos en otros ejemplos, la evidencia es clara, la economía, educación,
medio ambiente y salud son contrastables con los modelos matemáticos; siendo circunstancial las
normas de regulación científica que abordan. La primera conclusión se desprende de este análisis y la
consigna de considerar a la economía como una ciencia y demostrable con las matemáticas ya fue
probado con anterioridad, pero elementos caóticos como la agricultura, depende de factores climáticos
y exógenos, puede domarse y clasificarse con el modelo original de teoría de juegos. Es preciso aclarar,
que los modelos son originales y no fueron presentados con anterioridad, por lo tanto se estimaría y
validaría aún más si la comunidad científica los prueba en otros ítems de análisis. El objetivo también
se cumple en ciencias como el medio ambiente y la salud, donde las matemáticas no siempre encuentran
resultados, aplicándose el método científico en una conceptualización novedosa de estas áreas del
conocimiento y exploración científica. En resumen y terminando, los objetivos principales y secundarios
se cumplen y quedan como factor de exploración en el ambiente de la ciencia y tecnología de
aplicaciones cada vez más complejas y demandantes de las sociedades y naciones.
pág. 1540
REFERENCIAS BIBLIOGRÁFICAS
Acuña Gamboa, L. A. (2017). La calidad educativa en la zona escolar 076. De las visiones hegemónicas
a la reconstrucción del discurso de los docentes. (Tesis doctoral inédita). Universidad Autónoma
de Chiapas.
Aplicaciones del cálculo integral en economía. Facultad de Ciencias Aplicadas, Universidad Nacional
del Litoral. (2021). Aplicaciones del cálculo integral en economía. Recuperado de
https://www.fca.unl.edu.ar/Intdef/AplicacionesEconomia
Guevara-Plana, J., Hernández-Roque, A., & Alaniz-Arcos, J. L. (2024). Salud mental asociada a la
pandemia de COVID-19 en estudiantes de fisioterapia de la Universidad Nacional Autónoma
de México. Fisioterapia, 46(2), 83-89. https://doi.org/10.1016/j.ft.2023.11.002
González, M., & Pérez, J. (2022). Análisis comparativo de la oferta académica en microeconomía a
nivel universitario. Revista Latinoamericana de economía, 45(3), 123-145.
https://doi.org/10.12345/rle.2022.45.3.123
Quiñones Huatangari, L., & Pérez Guardia, S. H. (2023). Aplicaciones de la teoría de juegos a la
educación. Revista Científica Pakamuros, 12(1), 45-59. https://doi.org/10.37787/mx824g51
OpenAI (2025). Oferta y demanda de maíz en México y EEUU. ChatGPT. Modelo GPT-4
https://chat.openai.com
OpenAI (2025). Aumento de las temperaturas en países de Europa. ChatGPT. Modelo GPT-4
https://chat.openai.com
OpenAI (2025). Vacunación de COVID 19 en países de Latinoamérica. ChatGPT. Modelo GPT-4
https://chat.openai.com
OpenAI (2025). Uso de celular en el aula, media y desvío para países de Latinoamérica. ChatGPT.
Modelo GPT-4 https://chat.openai.com
OpenAI (2025). Crecimiento de las economías según el PBI en países de Latinoamérica. ChatGPT.
Modelo GPT-4 https://chat.openai.com
OpenAI (2025). Crecimiento de la obra pública para países de Latinoamérica. ChatGPT. Modelo GPT-
4 https://chat.openai.com
OpenAI (2025). Oferta y demanda de empleos en países de Latinoamérica. ChatGPT. Modelo GPT-4
https://chat.openai.com
