8 aprile 2008Master in economia e politica sanitaria - Simulazione per la sanità 1 copertina Pietro...

8 aprile 2008 Master in economia e politica sanitaria - Simulazione per la sanità

1

cope

rtin

a

Pietro Terna [email protected]

Dipartimento di scienze economiche e finanziarie “G.Prato”

Università di Torino - Italia

Master in Economia e politica sanitaria 2007-2008 Simulazione per la sanità – 1/5

web.econ.unito.it/terna web.econ.unito.it/terna/materiale/master_ec_pol_san/


2


3

§ 1.1


4

_______________________________________

Un libro recente

_______________________________________


5

Pietro Terna, Riccardo Boero, Matteo Morini, Michele Sonnessa (a cura di) (2006),

Modelli per la complessità - La simulazione ad agenti in economia,

il Mulino, Bologna

Per l’indice ed il software di base:

abm.econ.unito.it


6

§ 1.2


7

_Esp

erim

ento

men

tale

e s

im. a

d ag

enti

_______________________________________

Simulazione ad agenti _______________________________________


8

Rappresentiamo in modo computabile la complessità del mondo reale


9

§ 1.3


10

_Esp

erim

ento

men

tale

e s

im. a

d ag

enti

_______________________________________

Esperimenti mentali e simulazione ad agenti _______________________________________


11

La simulazione, come branca della ricerca operativa, è lo strumento per realizzare, con

l'ausilio dell'informatica, modelli flessibili della realtà che possono essere utilizzati nel computer

Lo scopo è quello di descrivere e analizzare un sistema complesso con l'obiettivo di verificarne

il funzionamento in presenza di condizioni particolari o di cambiamenti desiderati

sim

ulaz

ione

com

e st

rum

ento

per

…


12

I modelli proposti sono popolati da agenti che agiscono e interagiscono (tra loro e con l’ambiente) e che

eventualmente modificano il proprio comportamento sulla base dell’apprendimento

La costruzione di questo tipo di modelli è semplificata dall’uso di protocolli di programmazione ad oggetti qual è

Swarm (www.swarm.org) e dall’adozioni di schemi di riferimento che chiariscano il ruolo dell’ambiente, degli

agenti, delle loro regole di comportamento e le modalità di modificazione di tali regole (sistemi di produzione o sistemi esperti, reti neurali, sistemi a classificatori,

algoritmi genetici, …)

sim

ulaz

ione

con

age

nti


13

inte

razi

one

tra

indi

vidu

i

da www.icosystem.com/

Collegamento a game_launch.htm.lnk

pt

A

B

pt pensa che A lo difenda da B

oppure di dover difendere A da B

animazione


14

da www.rennard.org/alife/english/antsgb.html

animazione

Inserire un ostacolo, ad esempio … (fare clic)

__

form

iche

Collegamento a ants.html.lnk


15

StarLogo TNG


16

Sperimentiamo la complessità con StarLogo TNG

termites2


17

Sperimentiamo la complessità con StarLogo TNG

Fish and Plankton


18

§ 1.4


19

_Mod

elli

______________________________________

Modelli

______________________________________


20

sim

ulaz

ione

e m

odel

li c

on a

gent

i

La simulazione con l’uso del computer

come via per compiere esperimenti mentali complessi,

ma anche per descrivere la complessità della realtà

simulazione = modelli con agenti

discussione


21

mo d

elli

• modelli letterario-descrittivi

• modelli matematico-statistici

• modelli di simulazione nel computer

Per approfondire, dal mio sito:

N.Gilbert, P.Terna (2000), How to build and use agent-based models in social science, Mind & Society, no. 1, pp.57-72.

La costruzione di modelli di simulazione, fondati su agenti autonomi interattivi e applicati alla ricerca nelle scienze sociali, ma anche alla realtà aziendale, può procedere ad esempio utilizzando la metodologia proposta dalla biblioteca di funzioni denominata Swarm (www.swarm.org). Gli agenti possono essere costruiti sulla base di regole o di strutture adattive (reti neurali, classifier system, …).


22

§ 1.5


23

_Met

odol

ogie

di s

imul

azio

ne _______________________________________

Metodologie di simulazione

_______________________________________

discussione


24

sim

ulaz

i one

• Simulazione strategica, system dynamics, http://sysdyn.clexchange.org/ (MIT System Dynamics in Education Project)

• Simulazione con agenti, la “nostra”, D. Parisi (2001), Simulazioni - La realtà rifatta nel computer. Mulino, Bologna; L. Tesfatsion (2001), Agent-Based Computational Economics: Growing Economies from the Bottom Up. ISU Economics Working Paper, n. 1, http://www.econ.iastate.edu/tesfatsi/acealife.pdf; in generale, http://www.econ.iastate.edu/tesfatsi/ace.htm

• Simulazione di processo o a eventi discreti

• Un bel confronto a http://www.xjtek.com/files/papers/fromsystemdynamics2004.pdf


25

§ 1.6


26

_Sim

ulaz

ione

e r

appr

esen

tazi

one

dell

a re

altà

_______________________________________

Caratteristiche comuni della simulazione nella rappresentazione della realtà

_______________________________________


27

spec

ific

azio

ne

con Burton (2001), tre caratteri della simulazione

Specificazione

la simulazione richiede la specificazione del mondo che stiamo studiando, semplice o complesso

la costruzione di un modello di simulazione non consente di immaginare “scatole nere” di cui trascurare il contenuto

anzi, impone la formulazione di ipotesi da verificare in ogni parte del modello

con la simulazione introduciamo specificazioni di comportamento molto dettagliate, non ipotesi generali di comportamento (es. ottimizzante in presenza di vincoli)


28

vers

atil

ità

con Burton (2001)

Versatilità

con un modello ben costruito possiamo

svolgere test su ipotesi,

esplorare nuove idee,

generare basi di dati,

costruire mondi più “ampi” di quello reale

evolvere popolazioni di agenti e di regole


29

effi

cien

za

con Burton (2001)

Efficienza

risultati utili con sforzi minori di quelli richiesti dagli esperimenti (difficoltà nella conduzione degli esperimenti in economia)

(o dalla ricerca di dati sul campo)

inoltre consente di seguire cammini multipli, di esplorare possibilità evolutive, di ipotizzare sequenze temporali di eventi …


30

Burton R. (2001), Afterword, in A. Lomi e E.R. Larsen (a cura di), Dynamics of Organizations – Computational Modeling and Organization Theories. Menlo Park, CA, AAAI Press / The MIT Press.


31

§ 1.7


32

_Em

erge

nza

e co

mpl

essi

tà _______________________________________

Emergenza e complessità

_______________________________________

discussione


33

emer

genz

a e

com

ples

sità I fenomeni emergenti e

la complessità

provare con

valori standard; min-max 170-310; min 170


34

emer

genz

a e

com

ples

sità

(2)

Due parole chiave, non sempre ben usate: emergenza e complessità

• emergenza imprevista o imprevedibile

• complicato o complesso

Emergenza e complessità


35

§ 1.8


36

_Un

prob

lem

a “n

ostr

o”

_______________________________________

Un problema “nostro”

_______________________________________


37

prob

lem

a da

trat

tare

Il problema della mobilità dei pazienti oncologici

Persone che si spostano per ragioni sanitarie

• indizio di insoddisfazione?

• correlazione con ragioni di studio e lavoro

• esigenze di altri familiari

• indicazione del medico

• informazioni tra pazienti

• differenze tra strutture (es. mancanza della radioterapia)

• età (più mobilità nei giovani)

• costi sociali

• costi vivi

Più opzioni di cura

• chi sceglie?

• chi ha le informazioni?

• il medico?

• il paziente?

Strutture

• adeguato numero di interventi

• attività di ricerca

• bassa mortalità

Soglia minima per gli ospedali

• al di sotto aumenta la mortalità

• collegamenti tra ospedali (rinvii a unità più specializzate)

Comportamento di un paziente ben informato

• “ben informato” da un medico “perfettamente informato” o …

• gradi diversi di informazione Problemi di riferimento: El Farol; scelte locali nelle formiche e comportamenti aggregati


38

§ 1.9


39

_Pro

gram

maz

ione

_______________________________________

Programmazione

_______________________________________


40

la p

rogr

amm

azio

ne

Come al momento presente non è immaginabile uno scienziato sociale che non abbia basi di matematica, statistica e specificamente di econometria, con l’affermarsi della simulazione altrettanto può dirsi della capacità di programmare

A quale livello? Ovviamente, usando strumenti evoluti, ma con consapevolezza in merito ai fondamenti della programmazione

discussione


41

prog

ram

maz

ione

impe

rati

va, d

ichi

arat

iva,

ret

i neu

rali

• programmazione imperativa

• sequenze di ordini e strumenti per scriverle

• gli oggetti e i metodi e le metafore del mondo reale

• la programmazione grafica (Scratch, StarLogo TNG)

• programmazione dichiarativa

• definizioni e “motori” per applicarle

• soft computing

• reti neurali (parallelismo, subsimbolismo, autorganizzazione)

• algoritmi genetici

• sistemi a classificatore

Strumenti per programmare


42

impe

rati

va, d

ichi

arat

iva

Programmazione imperativa in C, il calcolo del fattoriale

int n=5; float f=1;

for (i=2; i<=5; i++) f=f*i;

Programmazione dichiarativa in Mathematica (con notazione simile a Prolog), il calcolo del fattoriale

fatt[n_]:= n fatt[n-1]

fatt[0]=1


43

Programmare con Scratch

http://weblogs.media.mit.edu/llk/scratch/


44

int e

l lig

e nza

art

ific

iale

Intelligenza artificiale

(da programmazione a finalizzazione)


45

_Ret

i neu

rali

art

ific

iali

_______________________________________

Reti neurali artificiali

_______________________________________


46

neur

one

Reti neurali artificiali: il neurone


47

ret e

ne u

rale

Reti neurali artificiali: la rete


48

ret e

ne u

rale

2

Formalmente:

))(( xAfBfy

Per approfondire, dal mio sito:

P.Terna (2000a), Economic Experiments with Swarm: a Neural Network Approach to the Self-Development of Consistency in Agents' Behavior, in F. Luna and B. Stefansson (eds.), Economic Simulations in Swarm: Agent-Based Modelling and Object Oriented Programming. Dordrecht and London, Kluwer Academic.


49

§ 1.10


50

_L’a

rtif

icia

le p

er c

apir

e il

rea

le _______________________________________

L’artificiale (per capire il reale)

_______________________________________


51

agen

ti a

rtif

icia

li, v

ita

arti

fici

ale,

mon

di a

rtif

icia

li

• Agenti artificiali

• Vita artificiale

• Mondi artificiali


52

§ 1.11


53

_pro

viam

o a

prog

ram

mar

e _______________________________________

Proviamo a programmare

_______________________________________


54

Pyt

hon

da python.org Python-2.4.msi (msi sta per Microsoft installer; il file si trova anche su web.econ.unito.it/terna/materiale/master_ec_pol_san/ NB, circa 10

Mbyte); al CORIPE c’è la versione 2.2 che per i nostri fini va bene

1+1aa=1aprint a---2/32./3.a=2b=3a/ba/float(b)b=3.a/b---b=-1if b < 0:

print "b e’ negativo"else:

print "b e’ nullo o positivo" RIENTRARE A SINISTRAb=1

RIESEGUIRE SENZA RISCRIVERE---range(10)range(1,8,2)for i in range(3):

print iprint i*10


55

Pyt

hon

2

Programmi:

caricare, con Open, if.py e per.py

(sono on line all’indirizzo precedente; eseguire con F5)


56

_______________________________________

CamaleontiIdea di Marco Lamieri, tesina di Riccardo Taormina

_______________________________________


57

Una regola semplice in un ambiente complesso


58

Preservare l’identità!

Reinforcement learning e pattern recognition

Proviamo!


59

§ appendice


60

_Dis

cuti

amo

(PB

L)

____________________________________

Discutiamo (PBL)

______________________________________


61

pbl

Utilizziamo il problem based learning come strumento didattico, qui in una versione semplificata

Il PBL (si vedano ad esempio http://www.samford.edu/pbl/pbl_main.html oppure http://www.udel.edu/pbl/ oppure ancora http://edweb.sdsu.edu/clrit/home.html) è una tecnica volta a far emergere dal lavoro di un gruppo sia la consapevolezza dell’apprendimento necessario su una determinata tematica, sia l’incentivo a servirsi di tutti gli strumenti, tradizionali o innovativi, per mettere a fuoco il contenuto e i problemi sottesi da un tema di discussione. Ecco un semplice esempio: “Piero da giovane andava sempre al mare d’estate nella stessa spiaggia a sud di Ancona; ora non può più andarci, perché il mare è inquinato e di mattino sulla spiaggia c’è una sostanza bianca maleodorante”. Obiettivi didattici: geografia delle Marche, conoscenza delle alghe, inquinamento. Il gruppo chiamato a discutere il tema – volutamente semplice e sfumato – individua le conoscenze al proprio interno, definisce l’albero dei concetti, ricerca il materiale necessario con gli strumenti disponibili, tra cui l’internet.

PBL


62

pbl:

mod

elli

Discutiamo:

i modelli e i modi o gli strumenti per costruirli

Obiettivo didattico: passare dal concetto di modello alle modalità di costruzione dei modelli


63

pbl:

met

odol

ogie

sim

ulaz

ione

Discutiamo:

quali metodologie di simulazione possiamo immaginare di usare

Obiettivo didattico: dal modello alla computazione, con più strade possibili


64

pbl:

em

erge

nza

e co

mpl

essi

tà

Discutiamo:

quali significati attribuire ai termini

‘emergenza’ e ‘complessità’

Obiettivo didattico: lo stretto legame tra modello, simulazione e osservatore; la complessità come via per scoprire il mondo reale


65

pbl:

met

o lol

o gie

di

prog

r am

maz

ion e

Discutiamo:

esistono metodologie molto diverse per programmare un computer; individuiamone almeno tre

Obiettivo didattico: programmare un computer significa …; differenze tra metodologie di programmazione, linguaggi, strumenti applicativi, finalità …

8 aprile 2008Master in economia e politica sanitaria - Simulazione per la sanità 1 copertina Pietro...

Documents

Transcript of 8 aprile 2008Master in economia e politica sanitaria - Simulazione per la sanità 1 copertina Pietro...