De la ecuación a la imagen: simulación y visualización matemática en RStudio
DOI:
https://doi.org/10.64325/IJIP.v1i1.9Palabras clave:
computación científica, modelos matemáticos, RStudio, simulación computacional, visualización científicaResumen
Este artículo reflexiona sobre el papel de la simulación computacional y la visualización matemática como herramientas centrales para explorar modelos avanzados cuya complejidad supera, en muchos casos, el tratamiento analítico tradicional. Se argumenta que, al implementarse en R y desarrollarse en el entorno RStudio, las ecuaciones dejan de operar únicamente como expresiones simbólicas y se transforman en sistemas dinámicos susceptibles de experimentación computacional. A través de la generación de gráficas, superficies, redes y representaciones tridimensionales, la simulación permite interpretar estructuras abstractas, identificar patrones, analizar estabilidad y reconocer comportamientos emergentes. En este marco, se enfatiza que la visualización no sustituye el rigor matemático, sino que lo complementa al conectar formalización teórica y percepción, favoreciendo la apropiación del conocimiento científico.
Descargas
Referencias
Card, S. K., Mackinlay, J. D., & Shneiderman, B. (Eds.). (1999). Readings in information visualization: Using vision to think. Morgan Kaufmann.
Cleveland, W. S., & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554. DOI: https://doi.org/10.1080/01621459.1984.10478080
Downey, A. B. (2023). Modeling and simulation in Python: An introduction for scientists and engineers (2nd ed.). No Starch Press.
Eddelbuettel, D., & Balamuta, J. J. (2021). Extending R with C++: A brief introduction to Rcpp. Chapman and Hall/CRC.
Gentleman, R., & Lang, D. T. (2007). Statistical analyses and reproducible research. Journal of Computational and Graphical Statistics, 16(1), 1–23. https://www.tandfonline.com/doi/abs/10.1198/106186007X178663 DOI: https://doi.org/10.1198/106186007X178663
Hutchins, E. (1995). Cognition in the wild. MIT Press. DOI: https://doi.org/10.7551/mitpress/1881.001.0001
Irizarry, R. A. (2022). Introduction to data science: Data analysis and prediction algorithms with R (2nd ed.). CRC Press.
Knuth, D. E. (1984). Literate programming. The Computer Journal, 27(2), 97–111. DOI: https://doi.org/10.1093/comjnl/27.2.97
Langtangen, H. P., & Linge, S. (2020). Programming for computations: A gentle introduction to numerical simulations. Springer.
Latour, B. (1986). Visualization and cognition: Drawing things together. In H. Kuklick (Ed.), Knowledge and society: Studies in the sociology of culture past and present (Vol. 6, pp. 1–40). JAI Press.
LeVeque, R. J. (2007). Finite difference methods for ordinary and partial differential equations: Steady-state and time-dependent problems. Society for Industrial and Applied Mathematics (SIAM). DOI: https://doi.org/10.1137/1.9780898717839
Matloff, N. (2021). Statistical regression and classification: From linear models to machine learning. CRC Press.
Munzner, T. (2014). Visualization analysis and design. CRC Press. DOI: https://doi.org/10.1201/b17511
Navarro, D., Foxcroft, D., & Faulkenberry, T. J. (2021). Learning statistics with R: A tutorial for psychology students and other beginners (2nd ed.). SAGE Publications.
Norman, D. A. (1993). Things that make us smart: Defending human attributes in the age of the machine. Addison-Wesley.
Peng, R. D. (2011). Reproducible research in computational science. Science, 334(6060), 1226–1227. DOI: https://doi.org/10.1126/science.1213847
Peng, R. D. (2020). R programming for data science. Leanpub.
Press, W. H. (Ed.). (2007). Numerical recipes: The art of scientific computing (3rd ed.). Cambridge University Press.
Tufte, E. R. (2001). The visual display of quantitative information (2nd ed.). Graphics Press.
Ware, C. (2020). Information visualization: Perception for design (4th ed.). Elsevier.
Wickham, H., & Grolemund, G. (2023). R for data science: Import, tidy, transform, visualize, and model data (2nd ed.). O’Reilly Media.
Wilke, C. O. (2020). Fundamentals of data visualization: A primer on making informative and compelling figures. O’Reilly Media.
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Jesús Francisco Carpio Mendoza (Author)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
