Misma entrada + misma semilla + misma versión = mismo resultado.
METODOLOGÍA PÚBLICA
Cómo construimos un agente.
Una explicación práctica de la arquitectura: cómo el Public Lab conserva una ejecución determinista y cómo LangChain + Ollama participan en el runtime privado supervisado. Score is an analytical interface; decision remains human.
RESPUESTA CORTA
¿La arquitectura usa LangChain?
Sí, en la arquitectura privada/local. Venture Governance usa LangChain + Ollama en un runtime local supervisado, conectado mediante un adaptador server-only. El Public Lab visible mantiene sus cuatro agentes como funciones puras de TypeScript: no llama a modelos de pago ni expone prompts, cadenas o lógica privada en el navegador.
Orquestación local supervisada para herramientas, recuperación y flujos de agentes; no se expone al navegador.
El comportamiento surge de reglas, validación, datos sintéticos, pesos visibles y pruebas.
RECETA DE CONSTRUCCIÓN
Crear un agente, desde cero.
- 01
Definí una responsabilidad estrecha
Ejemplo: Finance evalúa economía, capital y escalabilidad. Un agente no debería “hacer de todo”.
role: "Finance" - 02
Diseñá entradas como datos
Problema, cliente, industria, capital, evidencia y tolerancia al riesgo se validan, sanitizan y acotan antes de analizarlos.
validate(input) - 03
Definí un contrato de salida
Score, confianza, evidencia, hallazgos, riesgos, supuestos, faltantes y recomendación. La estructura evita respuestas ambiguas.
AgentResult - 04
Implementá la lógica
En este demo son fórmulas públicas y acotadas. Con un LLM, el modelo debería devolver exactamente el mismo contrato validado.
buildAgentResult() - 05
Coordiná sin perder control
Los cuatro especialistas analizan la misma oportunidad, critican supuestos cruzados y un modelo comparativo combina las señales.
4 agents → ranking - 06
Agregá una puerta humana
La persona puede pedir evidencia, comparar, marcar incertidumbre o rechazar. Ningún score invierte ni ejecuta una empresa.
humanDecision - 07
Probá reproducibilidad y límites
Los tests verifican rangos finitos, pesos normalizados, esquema de salida, seguridad y límites ante evidencia débil.
test → evaluate → version
¿CÓMO SE “ENTRENA”?
Primero evaluás. Después considerás fine-tuning.
Para la mayoría de los agentes, “entrenar” significa mejorar instrucciones, herramientas, ejemplos, reglas y evaluaciones; no modificar los pesos neuronales del modelo.
El enfoque actual
Ajustás fórmulas y casos de prueba con datasets sintéticos versionados. Es barato, auditable y reproducible.
Cuando incorporás un LLM
Dás instrucciones mínimas y recuperás documentos autorizados. Medís exactitud, formato, citas, costo y latencia con un conjunto de evaluación separado.
Solo con evidencia suficiente
Creás ejemplos de alta calidad, separás train/validation/test, entrenás, comparás contra el modelo base y versionás. No uses decisiones sin revisar ni datos sensibles.
CURRÍCULO PÚBLICO · VERSIÓN 1.2.0
Mathematics, Finance y Strategy: antes y después.
Integramos bibliografía autoritativa como mapa metodológico, no como evidencia de una oportunidad ni como fine-tuning ficticio. Las fórmulas siguen siendo públicas, acotadas y reproducibles; cada resultado ahora declara métodos, fuentes y límites.
50 antes → 90 ahora
0100
Derivación ordinal acotada con notación, sustitución numérica, penalización por dispersión, puerta de evidencia y sensibilidad local reproducible.
Método incorporado
- Penalización explícita cuando los factores relevantes divergen.
- Puerta de evidencia para impedir conclusiones fuertes con soporte débil.
- Cada fórmula publica expresión simbólica, sustitución, resultado, interpretación y modelo Academy relacionado.
- Sensibilidad ±10 de una variable a la vez, Monte Carlo, actualización bayesiana y robustez de ranking como modelos auditables separados.
ACADEMY
mcda · sensitivity · tornado-sensitivity · monte-carlo · bayesian-update · rank-robustness · validation-priority · risk-matrix
Por qué no es 100: Faltan resultados observados para medir calibración, error predictivo y desempeño fuera de muestra.
40 antes → 90 ahora
0100
Índice financiero acotado con carga de capital logarítmica, riesgo, escalabilidad y puerta de evidencia.
Método incorporado
- Carga de capital visible; no se confunde capital inicial con CAC ni con payback.
- Unit economics se marca como no calculable hasta contar con precio, margen, CAC y retención.
- Break-even, escenarios, riesgo y prioridad de validación permanecen modelos públicos auditables.
- El Quant Desk separa selección, asignación restringida, stress testing y revisión humana sin ejecutar órdenes.
ACADEMY
break-even · scenarios · monte-carlo · risk-matrix · validation-priority · company-fair-value · mcda · bayesian-update · sensitivity
Por qué no es 100: Sin cohortes, cash flows y outcomes observados no se puede validar runway, LTV, dilución ni valuación.
30 antes → 90 ahora
0100
Índice estratégico acotado que combina defensibilidad, preparación de validación, reversibilidad y evidencia.
Método incorporado
- Teoría de valor con contrateoría y alternativa competitiva explícitas.
- Entrada y secuenciación comparadas por costo irreversible, tiempo a evidencia y reversibilidad.
- Próximo experimento con hipótesis, métrica, umbral previo y regla continuar/pivotar/detener.
ACADEMY
defensibility-lens · validation-priority · bayesian-update · scenarios · pareto · risk-matrix
Por qué no es 100: Faltan alternativas observadas, resultados de experimentos y un holdout estratificado para medir calidad estratégica.
30 antes → 90 ahora
0100
Bounded marketing index combining segment definition, willingness to pay, channel readiness, retention readiness and market learning with an evidence gate.
Método incorporado
- Define the segment through need, buying context, decision maker, trigger and current alternative.
- Measure customer value and willingness to pay with behavior and visible denominators, not stated interest alone.
- Keep channel acquisition, cohort retention and contribution-based lifetime value separate.
- Require market information to produce an owned, auditable response and a precommitted experiment rule.
ACADEMY
validation-priority · bayesian-update · break-even · scenarios · defensibility-lens
Por qué no es 100: Observed cohorts, purchases, retention and a segmented holdout are still required to measure predictive quality and generalization.
RÚBRICA REPRODUCIBLE
10 controles × 10 puntos.
Nueve controles pasan en el candidato actual. “Validación observada fuera de muestra” permanece abierta deliberadamente.
- 01Fuentes autoritativas versionadas10 pts · verificado
- 02Cada fuente vinculada a un método10 pts · verificado
- 03Métodos alineados con Academy10 pts · verificado
- 04Evaluación específica del dominio10 pts · verificado
- 05Bibliografía separada de evidencia10 pts · verificado
- 06Incertidumbre y límites explícitos10 pts · verificado
- 07Cálculo determinista y versionado10 pts · verificado
- 08Trazabilidad visible en cada resultado10 pts · verificado
- 09Evaluación automatizada del contrato10 pts · verificado
- 10Validación observada fuera de muestra10 pts · pendiente
7 libros y papers seleccionados.
- Data, Models, and DecisionsMIT Sloan School of Management · 2014 · University syllabus
Probability, statistics, simulation, optimization and explicit modeling of uncertainty for management decisions.
Course coverage guides method selection but does not validate the Lab's synthetic inputs or outputs. - Foundations of Decision AnalysisStanford University MS&E · 2023 · University curriculum
Decision framing, alternatives, preferences, information value, sensitivity, options and risk attitude.
A structured decision can still fail when probabilities, values or alternatives are misspecified. - Multi-Criteria Decision Analysis: Methods and SoftwareAlessio Ishizaka & Philippe Nemery · 2013 · Book
Normalización, elección de método y límites del score aditivo.
Un score multicriterio es comparativo; no es una probabilidad de éxito. - SMAA-2: Stochastic Multicriteria Acceptability Analysis for Group Decision MakingRisto Lahdelma & Pekka Salminen · 2001 · Paper
Aceptabilidad de rangos cuando pesos y mediciones son inciertos.
El Lab implementa una aproximación acotada; no afirma ser SMAA-2 completa. - Monte Carlo Theory, Methods and ExamplesArt B. Owen · 2013–2023 · Open textbook
Error Monte Carlo, cuantiles, semillas y reducción de varianza.
Más simulaciones reducen error numérico, no corrigen supuestos defectuosos. - Bayesian WorkflowAndrew Gelman et al. · 2020 · Paper
Construcción iterativa, chequeo, validación y comparación de modelos bayesianos.
Calcular un posterior no reemplaza el chequeo del modelo ni la validación externa. - Why So Many Published Sensitivity Analyses Are FalseAndrea Saltelli et al. · 2019 · Paper
Distinguir sensibilidad local de análisis global e interacciones.
El tornado de una variable a la vez no captura interacciones entre supuestos.
11 libros y papers seleccionados.
- Analytics of FinanceLeonid Kogan · MIT Sloan School of Management · 2010 · University syllabus
Econometría financiera, inferencia, optimización dinámica y Monte Carlo para cartera y riesgo.
El curso guía cobertura metodológica; no valida retornos esperados ni datos sintéticos del Lab. - Hierarchical Reinforced Trader: A Bi-Level Approach for Optimizing Stock Selection and ExecutionZijie Zhao & Roy E. Welsch · 2024 · Paper
Separar la decisión de selección de activos de la asignación y ejecución bajo restricciones.
La arquitectura inspira separación de responsabilidades; el Public Lab no replica el modelo DRL ni opera en mercados. - Can ChatGPT Plan Your Retirement? Generative AI and Financial AdviceAndrew W. Lo & Jillian Ross · 2024 · Paper
Gobernanza, responsabilidad, incertidumbre y límites de agentes generativos en decisiones financieras.
La investigación no convierte una demostración pública en asesor fiduciario ni autoriza inversión automática. - Finance CurriculumHarvard Business School Finance Unit · 2026 · University curriculum
Capital budgeting, discounted cash flow, risk, financing policy, valuation and flexibility.
Curriculum coverage cannot substitute observed cash flows, financing terms or case-specific risk evidence. - Corporate Finance Course DescriptionsThe Wharton School · 2026 · University curriculum
Time value, capital budgeting, investment under uncertainty, capital structure and payout policy.
The frameworks require consistent cash-flow definitions, horizons, denominators and risk treatment. - Entrepreneurial Finance: The Art and Science of Growing Ventures, 2nd ed.Luisa Alemany & Job Andreoli · 2026 · Book
Forecast, due diligence, financiación y valuación de nuevas empresas.
Los marcos necesitan datos propios; la bibliografía no valida una oportunidad concreta. - Venture Capital and the Finance of Innovation, 3rd ed.Andrew Metrick & Ayako Yasuda · 2021 · Book
Cap tables, rondas, instrumentos, términos y retornos VC.
Un waterfall educativo no sustituye revisión legal de documentos de inversión. - Valuing Young, Start-up and Growth CompaniesAswath Damodaran · 2009 · Paper
Separar going concern, supervivencia, reinversión y valor de distress.
Un DCF temprano depende fuertemente de supuestos y no es un precio observable. - Entrepreneurship as ExperimentationWilliam R. Kerr, Ramana Nanda & Matthew Rhodes-Kropf · 2014 · Paper
Capital por etapas, experimentos baratos y decisiones de continuidad.
Priorizar aprendizaje no autoriza gasto ni inversión automática. - Squaring Venture Capital Valuations with RealityWill Gornall & Ilya Strebulaev · 2020 · Paper
Preferencias, seniority y protecciones al interpretar valuaciones de rondas.
Precio de la última preferred multiplicado por todas las acciones no equivale necesariamente a fair value. - Characteristics, Contracts, and Actions: Evidence from Venture Capitalist AnalysesSteven Kaplan & Per Strömberg · 2002 · Paper
Separar oportunidad, management, términos, riesgos internos y externos.
Evidencia histórica de procesos VC no demuestra investabilidad de un caso nuevo.
13 libros y papers seleccionados.
- Strategy CurriculumHarvard Business School Strategy Unit · 2026 · University curriculum
Coverage of industry structure, competitive behavior, comparative costs, positioning and sustained advantage.
A curriculum defines learning coverage; it neither validates a recommendation nor permits copying protected cases or readings. - 15.900 Competitive Strategy SyllabusMIT Sloan School of Management · 2022 · University syllabus
Value creation, competition, break-even reasoning, bargaining power and strategy frameworks applied to practical problems.
Used only as a coverage map; the PDF and its assigned readings are not incorporated into the corpus. - Strategic Management: Competitive and Corporate StrategyThe Wharton School · 2026 · University curriculum
Value chains, industry and network analysis, corporate scope, outsourcing, acquisitions and alliances.
Learning outcomes guide questions; they do not prove synergy, execution or value creation in a specific case. - The Five Competitive Forces That Shape StrategyMichael E. Porter · 2008 · Paper
Compradores, proveedores, sustitutos, entrantes y rivalidad.
La estructura sectorial no reemplaza evidencia específica sobre la vía de entrada. - Firm Resources and Sustained Competitive AdvantageJay B. Barney · 1991 · Paper
Test whether an advantage rests on valuable, scarce and difficult-to-replicate resources or capabilities.
Labels such as brand, data or network do not prove advantage without provenance and durability evidence. - Dynamic Capabilities and Strategic ManagementDavid J. Teece, Gary Pisano & Amy Shuen · 1997 · Paper
Processes, assets, path dependence, replicability and adaptation under technological change.
The Lab does not observe real organizational routines or infer reconfiguration capacity from a synthetic score. - Exploration and Exploitation in Organizational LearningJames G. March · 1991 · Paper
Separate operational refinement from search and protect long-run learning with budgets, milestones and exit rules.
The balance depends on context; the framework does not prescribe a universal allocation. - Strategy Implementation: Taking Stock and Moving ForwardWeiser, Jarzabkowski & Laamanen · 2020 · Paper
Translate strategy into observable work across structure, resources, monitoring, framing and negotiation.
Implementation readiness neither proves the strategic theory nor authorizes execution. - Enabling Entrepreneurial ChoiceAjay Agrawal, Joshua Gans & Scott Stern · 2021 · Paper
Comparar estrategias y secuenciar pruebas antes de comprometer una vía de entrada.
El valor de una vía depende de supuestos de entorno y ejecución que deben validarse. - Does a Theory-of-Value Add Value? Evidence from a Randomized Field ExperimentRajshree Agarwal et al. · 2024 · Paper
Relaciones causales, contrateorías y cambios centrales versus operativos.
Una teoría causal sigue siendo una hipótesis hasta superar pruebas discriminantes. - Real Options Theory in Strategic ManagementLenos Trigeorgis & Jeffrey Reuer · 2017 · Paper
Staging, flexibilidad, compromiso y reversibilidad bajo incertidumbre.
El Lab usa un índice ordinal de opción; no una valuación financiera de opciones reales. - Bayesian EntrepreneurshipDavid H. Hsu et al. · 2026 · Book
Priors, experimentación y actualización explícita de creencias estratégicas.
Una actualización depende de likelihoods declaradas y no debe cambiar el ranking silenciosamente. - Beyond Black Boxes: Experimental Evidence on Agentic AI Systems for StrategyArnaldo Camuffo et al. · 2025 · Paper
Evaluar calidad, arquitectura, integración humana y ajuste usuario-problema.
Mayor confianza del usuario no implica automáticamente mejor calidad estratégica.
6 libros y papers seleccionados.
- Marketing Management Course DescriptionsThe Wharton School · 2026 · University curriculum
Segmentation, targeting, customer value, branding, pricing, distribution and promotion.
Curriculum coverage does not establish demand, reach, willingness to pay or retention for a specific venture. - Marketing Management MajorThe Wharton School · 2026 · University curriculum
Choosing customers and getting, keeping and growing them through superior value.
Customer value and growth require explicit cohorts and contribution economics. - Marketing Analysis Tools for ManagersHarvard Business School Working Knowledge · 2010 · University curriculum
Quantitative marketing plans, customer lifetime value and segment analysis.
CLV remains assumption-sensitive and should not be calculated from revenue alone or a short unrepresentative cohort. - Market Orientation: Antecedents and ConsequencesBernard J. Jaworski & Ajay K. Kohli · 1993 · Paper
Market information, cross-functional response and environmental context.
Observed associations do not guarantee performance in every segment or organization. - Market Orientation and Performance: An Integration of Disparate ApproachesG. Tomas M. Hult et al. · 2005 · Paper
Cultural and information-processing approaches mediated by organizational responsiveness.
Collecting information without an owned response is not market learning. - Is Market Orientation a Source of Sustainable Competitive Advantage or Simply the Cost of Competing?V. Kumar et al. · 2011 · Paper
Longitudinal performance implications and competitive durability of market orientation.
Market orientation may be necessary without being sufficient for differentiation or superior performance.
ALCANCE PÚBLICO
¿Qué ejecuta este Lab?
El Public Lab usa datos sintéticos y ejecuta únicamente Mathematics, Finance, Strategy y Marketing. El producto privado está fuera de este repositorio.
- 01Definir la tesis
La persona establece el problema, los límites y los supuestos editables.
- 02Generar oportunidades sintéticas
Una semilla reproducible crea un conjunto acotado para la demostración.
- 03Aplicar cuatro perspectivas
Mathematics, Finance, Strategy y Marketing devuelven resultados estructurados.
- 04Comparar señales
Los modelos públicos muestran desacuerdos, evidencia, incertidumbre y riesgos.
- 05Revisar humanamente
La persona compara, pide evidencia o rechaza; ningún score aprueba una inversión.
Observado, sintético y supuesto no son lo mismo.
Los datos observados provienen de evidencia aportada. Los sintéticos se generan para la demo. Los supuestos son creencias editables y las simulaciones los varían.
Cuatro responsabilidades públicas.
Mathematics prueba robustez; Finance modela economía; Strategy formula ventaja y experimentos; Marketing diferencia mercado teórico de demanda accesible.
Una recomendación no es aprobación.
Guardar, comparar, pedir evidencia, marcar prometedor, incierto o rechazar. Ninguna acción invierte, financia o despliega una compañía.
DASHBOARD READING
Leé un patrón de señales, no un número aislado.
El score es una prioridad relativa bajo supuestos visibles; it is not a probability of startup success.
Compará el resultado con evidencia, riesgo e incertidumbre.
Un score alto con evidencia débil exige validación.
La diferencia entre especialistas es información para inspeccionar.
No score approves an investment. La decisión y la responsabilidad permanecen humanas.
FINANCE AGENT · QUANT DESK · VERSIÓN PÚBLICA 1.0
Selección, construcción, riesgo y comité: cuatro capas dentro de Finance.
El Quant Desk combina MCDA, actualización de señales según evidencia, escenarios y sensibilidad de Academy con una heurística pública de asignación inversa a riesgo. La heurística existe porque el catálogo todavía no contiene un optimizador institucional dedicado; por eso se etiqueta, acota y prueba en lugar de ocultarse detrás de un score.
Base, expansión, inflación o estrés modifican retornos sintéticos sin presentarse como pronóstico.
Volatilidad, contribución marginal, correlación y escenarios se calculan de forma determinista.
Evidencia, concentración, caja, volatilidad, liquidez y turnover limitan los pesos.
La salida es una propuesta de investigación y requiere fuentes vivas, controles y autorización humana.
ORBITAL SYSTEMS SIMULATION · VERSIÓN 2.0.0
De la superficie terrestre a la inserción orbital, con cada límite a la vista.
El laboratorio integra gravedad variable, atmósfera exponencial, arrastre, Mach, calentamiento aproximado, masa variable, dos etapas, química abstracta, energía orbital y Monte Carlo en unidades SI. Los perfiles nominal, conservador y adverso son reproducibles por semilla. Cada resultado separa cálculo, supuesto, dato sintético, incertidumbre y limitación; no es diseño, navegación, fabricación ni certificación de una misión real.
Problema de dos cuerpos
a = -μr / |r|³Cómo la posición y la velocidad evolucionan bajo gravedad central.
Supone un cuerpo central aislado y omite perturbaciones salvo que se activen por separado.Perturbación J2
a = a₂body + aJ₂Cómo el achatamiento terrestre produce una deriva orbital secular demostrativa.
No sustituye un modelo geopotencial de alto orden ni una efeméride operacional.Dinámica del cohete
T = ṁ Isp g₀; Δv = Isp g₀ ln(m₀ / mf)La relación entre empuje, consumo de propelente, masa y delta-v analítico.
La ecuación de Tsiolkovski es una comprobación ideal; no reemplaza la integración del ascenso.Atmósfera y arrastre
D = ½ρvrel² Cd ACómo densidad, velocidad relativa, área y coeficiente de arrastre determinan Max-Q.
La atmósfera pública es simplificada y no sirve para certificación estructural o térmica.Mach y carga térmica aproximada
M = vrel / a(h); q̇proxy = k √(ρ/ρ₀) vrel³Cómo velocidad, altitud y densidad modifican el régimen compresible y un indicador térmico.
Es un proxy pedagógico sin geometría de nariz, química de alta temperatura ni validación de materiales.Química de propulsión abstracta
Ve,ef = Isp g₀ ηcomb; ṁ = T / Ve,efLa relación educativa entre eficiencia, temperatura, presión, masa molecular, velocidad de escape y caudal.
Usa familias ficticias; no contiene formulaciones, proporciones, mezcla, construcción ni operación de motores reales.Integración numérica
dr/dt = v; dv/dt = ΣaCómo Euler, RK4 y RK45 aproximan el mismo sistema dinámico con errores distintos.
Una tolerancia menor reduce error numérico, pero no corrige un modelo físico incompleto.Elementos orbitales
ε = |v|² / 2 - μ / |r|Cómo convertir posición y velocidad en geometría orbital, energía y periodo.
Órbitas circulares o ecuatoriales requieren convenciones explícitas para ángulos degenerados.Transferencia de Hohmann
Δvtotal = |Δv₁| + |Δv₂|Dos impulsos tangenciales y el tiempo de transferencia entre órbitas circulares coplanares.
Supone impulsos instantáneos, dos cuerpos y órbitas coplanares; no garantiza un óptimo operativo.Monte Carlo orbital
xₖ ~ D(seed); yₖ = f(xₖ)Cómo dispersiones sintéticas reproducibles producen percentiles de resultados orbitales.
Los percentiles describen supuestos sintéticos, no frecuencias empíricas observadas.Sobre educativo de seguridad
margen = (límite − carga) / límiteMárgenes declarados para empuje/peso, Max-Q, calentamiento, aceleración, reserva, guiado y separación.
Los límites son sintéticos y no garantizan seguridad, confiabilidad ni certificación de un vehículo real.Marcos de referencia
rECEF = R₃(θ) rECILa diferencia entre estado inercial, Tierra rotante y representación local de lanzamiento.
Confundir marcos o unidades puede generar resultados plausibles visualmente pero físicamente inválidos.Conservación y error
ε = |v|² / 2 - μ / |r|; h = r × vCómo energía, momento angular y deriva revelan error de integración en dos cuerpos.
Las cantidades dejan de ser invariantes exactos cuando actúan empuje, arrastre o perturbaciones.RACING DIGITAL TWIN · VERSIÓN 1.0.0
Dinámica, telemetría y límites: cada canal declara de dónde sale.
El gemelo combina un modelo bicicleta, círculo de fricción, drag/downforce, masa y potencia variables por control, térmica de neumáticos y frenos, fusión GNSS–IMU–ruedas, Monte Carlo y un sobre educativo. Los nueve sensores y 44 canales son sintéticos: no hay conexión a hardware, transmisión al vehículo ni función de control.
Modelo bicicleta
δ = atan(Lκ); r = vκRelaciona curvatura, dirección, velocidad y yaw en una vuelta idealizada.
Omite dinámica 6-DOF, compliance, geometría completa y control real.Círculo de fricción
u = √(ax² + ay²) / (μg + Fdown/m)Expone cuánto grip combinado consumen frenado, tracción y curva.
No sustituye un modelo de neumático calibrado ni datos de pista.Drag y downforce
F = ½ρv²CACómo la velocidad eleva resistencia y carga vertical aerodinámica.
Coeficientes constantes, sin balance por rake, yaw ni interacción con el suelo.Estado térmico del neumático
dT/dt = Quso + Qfreno − QambienteUna aproximación de calentamiento, enfriamiento y presión por temperatura.
Modelo de un nodo; no representa carcasa, banda, compuesto ni degradación física completa.Temperatura de frenos
dTb/dt = Qfrenado − QaireAcumulación y disipación térmica sintética durante frenadas repetidas.
No calcula desgaste, material, ventilación ni riesgo real de incendio.Fusión de estado vehicular
x̂k = x̂k|k−1 + K(zk − Hx̂k|k−1)Combina GNSS, IMU y ruedas para estimar velocidad, yaw, confianza y error.
Es un filtro educativo simplificado, no una ECU, VCU o sistema de control.Monte Carlo de vuelta
xk ~ D(seed); yk = f(xk)Percentiles de tiempo, temperatura, finalización y salida de pista bajo dispersiones sintéticas.
No usa historial de pilotos, neumáticos, clima ni circuitos reales.Sobre educativo de operación
margen = (límite − carga) / límiteCompara grip, neumáticos, frenos, carga lateral y confianza sensorial con límites visibles.
No garantiza seguridad en pista ni reemplaza reglamento, ingeniería o dirección de carrera.MODELOS DEMOSTRATIVOS · VERSIÓN 3.2.0
Mecánicas visibles y límites explícitos.
MCDA
How visible criteria and normalized weights contribute to one comparative score.
The score is relative to this run and is not a probability of startup success.Monte Carlo
Hundreds or thousands of possible outcomes under editable uncertainty and a reproducible seed.
Synthetic distributions amplify the quality - or weakness - of their assumptions.Sensitivity
How ranking changes when agent importance, criteria or tolerances change.
Interactive reweighting is exploratory; the tornado model provides the explicit one-at-a-time calculation.Bayesian Update
How prior confidence changes after a new piece of evidence under visible likelihood assumptions.
The posterior is conditional on public assumptions and is not an observed success probability.Scenarios
Downside, base and upside results under different operating assumptions.
Three scenarios cannot represent every plausible future or correlated shock.Risk Matrix
Risk probability, impact, uncertainty and proposed mitigation.
Ordinal risk values require human ownership, evidence and domain review.Pareto
Opportunities that remain competitive across two objectives without collapsing every trade-off.
The frontier changes when the selected objectives or assumptions change.Least Squares
A straight descriptive trend through the current synthetic opportunities and each residual.
Association does not imply causality and a 6-12 item sample is not predictive.Tornado Sensitivity
The score range produced by changing one public dimension at a time around the current value.
One-at-a-time analysis does not capture interactions between changing assumptions.Break-even
Contribution per retained customer, customers required, adoption required and payback under current assumptions.
It is an illustrative unit-economics threshold, not a valuation or financial forecast.Rank Robustness
How often each opportunity remains first or in the top three across seeded weight perturbations.
SMAA-style perturbations test public weights only; they are not historical calibration.Validation Priority
An ordinal value-of-information-style index for the next evidence request from each public agent.
The index is not monetary EVSI and does not authorize research, spending or investment.Defensibility Lens
A transparent view of imitation exposure, switching-cost assumptions and possible structural advantages.
It is a deterministic context lens, not a fifth agent or proof that a durable moat exists.Macroeconomic Lens
Sensitivity to financing, demand, currency, supply-chain and time-horizon conditions.
It does not forecast GDP, inflation, interest rates or foreign exchange and is not financial advice.Company Fair Value
A five-year DCF blended with an EV/EBITDA cross-check from user-supplied figures.
It does not verify filings or prices and is not a buy, sell or hold recommendation.Negative Beta Screen
Which records in a disclosed synthetic universe have a beta below zero.
Beta is backward-looking and unstable; a negative estimate is not proof of hedging or fair value.Esta página describe solo el demo sintético con Mathematics, Finance, Strategy y Marketing. El producto privado está fuera de este repositorio.