tv.um.es

En este vicio voy a intentar explicaros los métodos de interpolación local, mecánicos, es decir, los métodos de versos de la distancia media ponderada por inmerso a distancia, elevado, imponente, método de clínex y los métodos, y voy a empezar con los métodos de media ponderada socialista. Básicamente vamos a ver tres métodos que son el método, el vecino más próximo, más sencillo, el método de la media, porque el método de media ponderada, recordar que en estos métodos utilizados para estimar la variable que nos interesa en el punto de interpolación, vamos a utilizar solamente los puntos de muestreo más cerca y cuántos vamos a utilizar, pues desde los métodos mecánicos se elige un número a priori sin tener muy claro si va a ser si va a funcionar mejor o va a funcionar peor, y podemos, por ejemplo, coger los tres puntos más cercanas, como en este ejemplo, para simplificar permanente se suelen coger más, pero bueno, para hacer este ejemplo más sencillo y cogido, solamente fragmente 3. Otra opción sería coger canalizan, por ejemplo, cinco kilómetros, y decir y decidir que vamos a utilizar solamente 10 punto demostrado que estén a menos de cinco kilómetros del punto de interpolación. Bien, una vez que hemos hecho esto, tenemos varias opciones. El método más sencillo sería coger simplemente el punto más cercano. El punto de muestreo más cercana y asignamos a este punto, este punto donde estamos incorporando el valor. En el punto de muestro más cercano, si aquí tenemos 13º, grados, pues aquí ponemos un poquitín medio, que pondremos 15 medio. Es muy sencillo. No es el método de interpretación. Más exacto podríamos decir que sean más inexacto de todos, pero se ha utilizado mucho porque se podía utilizar antes de que hubiera de que hubiera ordenadores a partir de un mapa. Podéis obtener los polígonos, los polígonos de Thyssen, que es en lo que se basa el método del vecino más próximo. Otra idea más interesante sería, en vez de coger solamente lo más cercano, coger como decía antes el punto más cercano. Por ejemplo, tres puntos más cerca, y calculáramos un medir. Aquí hemos medido 13º, grados, aquí hemos medido 15, aquí hemos medido 17; por ejemplo, la media sería simplemente sumar estos tres números indiferente; tres que nos saldría 16 vale, por lo tanto, 16. Por lo tanto el valor que adjudicaría pues este punto, el valor que estimaríamos en este punto serían 15º grados sentido bien, un método más avanzado sería asumir que es farmacológico que esté el valor real. En este punto se va a parecer más al valor del punto más cercano, es decir, todo lo que vamos a coger para hacer la estimación, el más parecido a este punto más en el sistema, cerca y el menos parecido va a ser el que esté más lejos entonces. Una suposición lógica y tenemos que ver cómo la podemos transformar en una ecuación matemática, en un modelo matemático que nos permita estimar la temperatura. La variable que nos interese en este punto en concreto. Los hace haciendo en lugar de media una media ponderada. Si recordáis, media ponderada. Lo que hacíamos era. En vez de hacer en vez de sumar los trepan directamente y entre tres lo que hacíamos era multiplicar cada uno de los valores. Por un corriente de ponderación. Es decir, que si este valor es este 15 este 17 tenemos que guiar unos coeficientes de ponderación que le den más importancia al punto más cercano y le den menos importancia al punto más más alejado, para eso utilizamos esta fórmulas que tenéis aquí está el coeficientes de ponderación, va a ser igual a uno partido, por la distancia, elevado en exponente y es exponente generalmente, por no decir que casi siempre, 2. Ese inverso de la distancia elevados se va a dividir entre la suma de todas las inversiones, la distancia elevados, es decir, en el primer caso tendríamos uno entre uno elevados que sería 1, uno el segundo caso tendríamos uno dividido entre dos elevados sería, y en este caso tendríamos uno dividido en tres elevados, un la suma de estos tres de estos tres números es uno con 36, igual a uno con 36, un poco pequeña, y lo que tendríamos que hacer es difícil. Cada 1. Estos números. Entre uno con 36 pretendíamos 1, uno con 36, un cuarto que es, pero como 25 entre uno con 36 un Rodeno. Entre 36. Los valores que nos da esto son 0, con 73. Una entre pero con 73, cero con 18. Pero como hay 18 una, pero vale, vale, comprueba que la suma de estos números es aproximadamente, es decir, la suma de los coeficientes de ponderación coeficientes de ponderación va a ser igual algo y el coeficiente de ponderación del punto más cercano, mucho más alto que lo coeficientes de ponderación de los puntos más alejados. Por lo tanto, a la media ponderada le estamos dando mucho más peso al valor registrado aquí que al valor registrador. Vale? Pues esto es la media ponderada, por inversor a distancia que, bueno, las únicas variaciones que hay es que podemos elegir diferente el número de puntos para para interpolar diferente, umbral de distancia y diferente valor beca, error década. De todas maneras, ya que normalmente siempre hay dos precisamente el hecho de que no sepamos a priori cuál es el valor de distancia más más adecuado en lo que diferencia a los métodos local, a los métodos locales mecánicos y de los métodos locales probabilístico método probabilístico en el criado, hacemos el drama precisamente para saber cuál es la distancia más apropiada, cuál es la distancia, umbral más apropiada. Intentar entender un poco mejor el modelo de interpolación por explosiones. Vamos a volver un momento a los modelos de regresión. Aquí tenéis un ejemplo donde vemos que hay una relación entre altitud y temperatura, como ya dijimos en su momento, pero en este caso la relación como veis, lineal evidentemente es un caso muy extraño, es lo que se produjera en la realidad, pero bueno, si me sirve para explicarlo lo que quiero explicar, bueno, esto es claramente un modelo no lineal, como hemos dicho, pero en principio podríamos intentar hacer un modelo y podemos intentar utilizar un modelo de revisión lineal, interpolación. Si lo hiciéramos obtendríamos si esta línea vale como modelo, recordar como modelo lineales, temperaturas igual a veces de uno o altitud. En este caso, y vemos que el único medio que nos sale sería un 2, dos con 21. Este error se calcula como la media de los, los errores ha cuadrado los residuos al cuadrado. Es decir, a punto que regulamos la diferencia entre el valor real del barrio estimado, en este caso sería esta diferencia. En este caso sería esta diferencia, etc. Pues todos esos valores a cuadrado calculamos la media y a esa media le calculamos la raíz cuadra, sí si quiere ver los resultados del modelo, el sumari del modelo. No tenemos aquí. Pues en principio nos sale una pendiente negativa, como era de esperar, con un valor muy alto, un residuo, un perdón, un error típico, bastante, pero bueno, dentro de lo razonable y un grado de 60. Si estamos aplicando el 66 con siete por 100 de la crianza con el modelo, lo que significa que, en principio el modelo, pues no es, no parece del todo malo. Si miramos los gráficos, así nos vamos a dar cuenta de que el primer gráfico se muestra un patrón muy claro, vale? Eso significa que hay un problema, pero bueno, es algo que ya sabíamos desde el principio viendo los datos. Si recordáis, cuando dije que cuando hubiera un problema en ordinalidad podíamos utilizar otros métodos, uno de esos métodos podría ser, por ejemplo, revisión, revisión económica podría consistir en ajustar un una parábola. Un modelo práctico es una fábula, sólo debería, y si en el instituto la eso y este modelo tiene esta ecuación crea temperaturas igual a la vez, pero más de uno por la elevación han vez dos por la elevación al cuadro, vale siempre 40, se ajusta bastante mejor a contactos y de hecho, pues el error que dio bajaba a la mitad. Vale? Cuenta igual que digamos que el modelo lineal no se ajusta, porque porque quedaban había diferencias importante, y además están diferencias e agrupaban, algunos valores de altitud, grados, en el caso del modelo cuadrática, pasa un poco lo mismo. Entonces, cómo podríamos intentar solucionarlo? Bueno, pues viendo un paso, más allá de utilizar un modelo cuadra, utilizaremos un modelo cúbico modelo cúbico. Consiste en que vamos a esta central. Tenéis? Como veis, este modelo se ajusta bastante mejor y hemos un medio 17. Volvemos lo hemos bajado bastante en relación con el modelo de clínex. Lo importante tener en cuenta es que como veis un modelo cúbico funciona mejor que un modelo ético, un modelo lineal, y siempre es un modelo flexibles para poder adaptar mejor a la variabilidad que queremos, que queremos analizar bien en qué consistía, el modelo de clínex en una sola mención como tenemos aquí. El modelo de doctrinas, en una dimensión consistiría ajustar, cubica, has pero no para todos los puntos al mismo tiempo, sino solamente en algunos rango de los puntos. Un primer rango ajustaríamos una, una cúbica para otro rango ajustaríamos, una cúbica diferente rango, ajustaríamos, una cúbica diferente, etc. Y el método de expiren nos permiten también conseguir que haya una cierta suave en la transición de una de las púbicas a otra de las críticas y vamos a ver un ejemplo de cómo quedaría, pero tenéis aquí a quien magenta sus cuentas, no muy diferentes de la cúbica, porque la cúbica ubicaría era un modelo bastante bueno, pero aquí se descuenta la cuenca, se iba un poco, demasiado hacia arriba y el modelo ha conseguido ajustar mejor. Esto, a base de que, bueno, pues a base de estos datos los estamos ajustando solamente mismos. Este este trozo de la curva recular. Vamos solamente con estos puntos, mientras que este trozo del acuerdo está calculado con estos puntos, sobre la curva, con estos puntos, etcétera, como si hubiéramos hecho, hubiéramos cogido la lge equis, lo hubiéramos dividido en trocitos, y cada trozo lo hemos ajustado con una cúbica diferente, vale. El procedimiento de bienes es que él mismo se encarga de analizar cuántos puntos de corte hay que coger y cuál es la redistribución. de puntos de corte, y se descuenta el medio, pues hemos conseguido bajarlo bastante. En qué consiste entonces el método de quienes en dos dimensiones bueno, vamos a este ejemplo donde tenemos con datos inventados, un la coordenada equis, la coordinada y valores de temperatura, supuestamente una serie de observatorios, y que lo veis aquí con un círculo. Proporcionar a la temperatura bien, exploración clínex sería hacer, como hemos visto antes en vez de en un solo con un solo dejé con dos ejes en vez de dividir en una serie de regiones lo que haremos será dividir este cuadro, dado este territorio, en una serie de regiones vale. En estas regiones, Interpol, vemos un modelo de un modelo, despliegues, perdón, regiones interpueblos. Vemos una y otra cuestión. Hay que tener en cuenta que cuando vemos en dos dimensiones la cúbica se complica bastante, porque tenemos solamente los métodos, los perdón, no tenemos solamente los términos que se refieren a equis, sino que tenemos los términos que se refieren ahí y términos de interacción entre entre, quise y debemos tener en una situación de bastante más complejas, pero realmente da igual porque esto lo va a hacer. Al final el ordenador, la idea básica es que vamos a dividir en una serie de regiones, en estas regiones calibraremos un modelo de este tipo y. Al final la acciones se consigue más de unas de una regiones, a otra de manera se minimicen los saltos. Aunque ya lo dije en la otra en la presentación puede ocurrir que en algunos casos y que aparezcan, lo que se llama sutil es decir que dos en la zona donde es donde se ponen dos modelos diferentes, ubican diferentes puede dar un salto, un salto importante. Vale? Sí si vemos el resultado de hacerme interpolación por expedientes en estos en estos datos, pues veremos. Vemos que tiene un resultado aparentemente bastante bueno; la temperatura es más baja en la zona donde debe ser más baja y donde debe ser más alta no se produce en artefacto circulares; vale; aunque en realidad todo esto es un círculo lo podíamos; podíamos decir un círculo, pero se producen círculos en torno a los puntos de muestreo, que es el problema que ocurre con los métodos de medias ponderadas, basados en inversores de distancia; de hecho se suelen exprime; ese es el mejor de los de interpretación local, el más exacto con diferencia y ya a pues sí es el mejor o no; pues está un poco sujeto a debate y muchas veces del tipo de datos que estemos manejando. Vamos a ver ahora en qué consiste el método de thing. Para interpolar tenemos los mismos puntos que hemos visto antes. Si recordáis, y a partir de esos puntos de muestreo puntos en rojo hemos generado la red de irregular deberían cuenta. Tenemos varios ángulos, cada uno de esos pueblos se han generado uniendo diferentes puntos de, demuestre triángulo. Sería excelente, vale? Hay una serie de criterios a la hora de opción y en general, se trata de que queden lo más equilátero posible, sean, se parezcan lo máximo posible a un triángulo para los lados igual que obviamente esto no siempre, siempre va a poder ser así y por eso telemadrid rendirse rurales -ángulos, con triángulos diferentes de diferentes formas. La idea básica de todas maneras es que cuando nosotros queramos interpolar por ejemplo este punto lo que tenemos, lo que tenemos que tener en cuenta es dentro del triángulo. Está el punto, vale? Punto estaba, dentro del triángulo. Por lo tanto lo que vamos a hacer es tener en cuenta los los valores observatorios. Los puntos de muestre que forman los vértices, vale? Antes hemos visto que o antes hemos dicho hablar de métodos de poder que aquí teníamos federados aquí federados, y aquí 17, también vimos que esta distancia eran tres kilómetros de distancia, dos kilómetros. Por último, está distancia. Vale, bueno, pues ahora lo que podemos hacer es una media ponderada por la distancia, pero lo que se suele hacer cuando utilizan útil es una media distancia, pero lo utilizando como eficiente, como política, un sin elevar ninguno de los de los términos. De esa manera vamos a tener qué punto. Ponderación es uno partido seguro que si bueno, para el segundo punto. Y para el tercer punto. La suma de estos tres números va a ser 1, 83, por lo tanto de consideración será uno partido, porque uno con 83, pero con cinco. Pido por uno con 83 pero el 33 partido por uno con 83 esto es igual a. Con 55. Pero con 27. 0. Qué de nuevos humano y esto, señores de ponderación, que utilizaremos para resolver esta media ponderada a partir de estos valores, dentro de lo que es el método de interpolación? Portin, vale. Si os dais cuenta cuanto más altos señales ética en el caso anterior heredado, sin suelo, cuanto más altos el política malva que sea la diferencia de distancia entre unos. Con esto termino en el vídeo de métodos de interpolación local pero que se haya, pido que lo mejor de todas maneras, como lo voy a publicar esta misma tarde o el lunes mañana la sesión de chat de la sesión de prácticas. Si tenéis alguna duda, me lo planteáis y no me ha dicho nada respecto al método de criado, mañana también nos preguntáis, qué problemas tenéis y hacemos otro para resolverlo? Cómo lo hacemos? Hasta luego el cuidados