Saltar navegación

Activa JavaScript para disfrutar de los vídeos de la Mediateca.

Seminario Pablo García Abia 2-4

Ajuste de pantalla

El ajuste de pantalla se aprecia al ver el vídeo en pantalla completa. Elige la presentación que más te guste:

Subido el 6 de febrero de 2019 por Cie madrid

13 visualizaciones

Más información Transcripción

Descargar la transcripción

Se A é moi pequeno, 00:00:01
o cociente este é moi grande, 00:00:06
e isto en seguida se atenúa, 00:00:07
e se A é grande, isto apenas se atenúa. 00:00:09
Entón, veis que isto só se chama 00:00:13
a pendiente de la exponencial. 00:00:14
De hecho, se hago a derivada, 00:00:21
a derivada da exponencial é a exponencial, 00:00:22
pero se eu teño unha A, 00:00:24
a única diferencia entre F e F' 00:00:25
é un factor de 1 partido por A. 00:00:27
Por iso, 1 partido por A se chama a pendiente. 00:00:30
Entón 00:00:31
Esa f 00:00:34
Esa función que yo estoy ponendo ahí 00:00:37
Que es mi modelo teórico 00:00:39
A mi modelo teórico es f de x 00:00:40
Que depende de un parámetro 00:00:42
A veces se pone aquí subíndice 00:00:44
Depende de un parámetro a 00:00:45
C, tamén depende de c 00:00:47
Pero c en realidad, si yo calculo la integral de todo esto 00:00:49
Y calculo la integral de todo esto 00:00:52
C es la constante de la relación 00:00:54
Que se mende la suma del número de datos 00:00:57
Si aquí en este cuadro he entrado 00:00:58
125 mones, C tiene que ser 00:01:00
125, cuando yo 00:01:02
hago el ajuste con un programa, ajusto las tres 00:01:04
cosas, A y C, pero nosotros 00:01:06
simplemente podíamos decir, bueno, que se lo calcula 00:01:08
solamente A, porque 00:01:10
entonces, bueno, esto con la calculadora es un poquito más 00:01:11
complicado, así que 00:01:17
yo aquí tengo las cosas 00:01:19
en canales de 00:01:21
un segundo, o como sea 00:01:23
un poco más sencillo, como aquí 00:01:25
5, 4, 3 00:01:26
1 y 0 00:01:30
En realidad, yo aquí estoy haciendo las cosas 00:01:32
Por ejemplo, desde 1 en adelante 00:01:35
De 0 a la 0,1 00:01:37
Y entonces voy a tener ahí 00:01:39
Pues 0,1 en 0,1 00:01:41
Y entonces, calco el x cuadrado 00:01:48
Y tengo el valor medido 00:01:53
Para eventos que están entre 1 y 1,1 00:01:56
El número de eventos que hay entre 1,1 00:02:00
1,1 y 1,2 00:02:03
E estas son as medidas 00:02:07
Que teñen o seu error 00:02:11
Que é a raíz parada do número de eventos 00:02:13
¿Quién é M barra? 00:02:15
M barra antes era o promedio das M 00:02:17
Era moi fácil 00:02:19
Agora M é o que me dice 00:02:19
A exponencial para este rango 00:02:22
Entón 00:02:25
A exponencial 00:02:27
E agora te queda valores A 00:02:29
A non sei quanto pode valer 00:02:30
É positivo 00:02:32
Pode valer 1, 5, 10 00:02:33
non teño idea 00:02:36
pero bueno 00:02:37
le podo dar valores 00:02:41
entón podo poner aquí os valores 00:02:42
e en vez de n 00:02:44
vou poner o valor a 00:02:44
vamos a suponer que c o coloque 00:02:46
entón como sei o valor de a 00:02:49
pois simplemente 00:02:51
vai pasar o mesmo que pasaba aquí 00:02:52
que cando eu de con el a bueno 00:02:55
que le vou chamar a sub 0 00:03:00
vou tener que é un mínimo de q cuadrado 00:03:02
cando me aleje para baixo ou para arriba 00:03:06
o x cuadrado vai ser o peor 00:03:08
entón, eu eixo, digo, a vale 1 00:03:10
pongo aquí un 1 00:03:13
e entón 00:03:15
o valor da exponencial é 00:03:16
cando delta t vale 1 00:03:19
delta t, como he puesto t, pero en francés 00:03:20
delta t, é x 00:03:23
perdón 00:03:25
é x, é delta t 00:03:26
cando x vale 1 00:03:30
isto vale e elevado a menos 1 partido por a 00:03:31
e ese 00:03:34
é o valor 00:03:35
que me tenía que haber dado aquí arriba por c 00:03:36
c por elevado a menos tal 00:03:39
me va a dar ese valor 00:03:41
e é o que pongo, non digo que isto lo hagáis 00:03:42
a mano, é para que intentáis como funciona 00:03:45
porque non va a ser un problema 00:03:47
vale? 00:03:48
me voy al siguiente numerito 00:03:51
tiene unha x un punto diferente, que está en 2 00:03:52
menos 2, e a vale 1 00:03:55
e elevado a menos 2 00:03:57
elevado a menos 3, elevado a menos 4 00:03:58
elevado a menos 5, e me da unha predicción 00:04:01
que é a curva amarilla 00:04:03
Si A en vez de 1 00:04:04
Como que A valga 2 00:04:06
Me va a dar 00:04:09
Unha curva un pouco diferente 00:04:10
Me va a dar 00:04:13
Si A é máis grande 00:04:15
Cando A é moi grande 00:04:19
Isto se temo máis rápido 00:04:21
Pero se pongo A moi grande 00:04:22
Me va a hacer unha exponencial así 00:04:24
Por aquí debaixo 00:04:26
E se A é moi pequeno 00:04:28
Me va a dar unha exponencial por aquí arriba 00:04:31
Entón, ya veis que 00:04:33
diferentes valores de A van a hacer que se parezcan 00:04:36
los datos más a una exponencial que a otra 00:04:38
E entón, haciendo este mismo juego 00:04:40
voy a ser capaz 00:04:45
de, dando los diferentes valores de su A 00:04:46
de A, calcular un río cuadrado 00:04:49
cuyo mínimo me va a dar 00:04:51
el valor correcto de la exponencial 00:04:53
y además me va a dar un error 00:04:54
Esto lo hacéis con un software 00:04:56
que puede ser 00:04:59
en Windows, en R, hay una forma de hacer esto 00:05:00
Ese código 00:05:03
o que é o taller dos códigos 00:05:05
e o que pode pasar 00:05:07
hai unha forma máis sencilla de facer isto 00:05:08
e é o seguinte 00:05:11
como as exponenciales son complicadas 00:05:11
parece 00:05:15
unha pode echarme o gorro 00:05:15
e dicir 00:05:19
isto le llamo I 00:05:20
a isto le llamo I 00:05:21
ao logaritmo disto le llamo I 00:05:24
ao logaritmo de F 00:05:26
e me sale o logaritmo de C 00:05:28
que le llamo B 00:05:31
Logaritmo de C 00:05:33
Menos X partido por A 00:05:35
Bueno, é un logaritmo de periano 00:05:39
O logaritmo de periano de E 00:05:40
Que é o logaritmo 00:05:43
E entón, se os fijáis 00:05:44
Isto é unha recta 00:05:46
Isto é unha recta que é de la forma 00:05:48
A mayúscula 00:05:50
Más 00:05:53
Bueno, por X 00:05:54
Más B por X 00:05:56
Onde A é o logaritmo de periano de C 00:05:58
E B é menos 1 partido por A 00:06:00
Entón, se eu faco o logaritmo da función 00:06:02
E faco o logaritmo da distribución 00:06:08
O que teño son dois rectas 00:06:11
Entón, o único que teño que fazer 00:06:13
É un ajuste a unha recta, que é moito máis fácil 00:06:23
Onde, eu sei, é un partido por A, é o mesmo 00:06:28
Eu podo facelo con B 00:06:33
E cando sepa quanto vale B 00:06:35
ya sé que A 00:06:36
vale menos 1 para o que yo quiero 00:06:38
y A simplemente está relacionado 00:06:39
con 00:06:43
la frecuencia a la que llevan los números 00:06:44
hay que almacenarse 00:06:47
parámetros, sabe de 00:06:49
es fácil porque aquí 00:06:54
en este caso está I 00:06:58
en realidad está I, es el M barra que yo pongo 00:06:59
ahí en el tipo de datos 00:07:01
es la posición 00:07:03
para cada dos de ellos 00:07:05
y para cada parámetro A y B 00:07:07
Eu teño un valor na tradición 00:07:09
Normalmente, isto vai dicir 00:07:10
Que se tu coxes un código como o que tenemos en R 00:07:14
Haces un ajuste lineal 00:07:16
Por que haces un ajuste lineal? 00:07:18
Porque é un truco un pouco sucio 00:07:19
É un truco que non é así 00:07:22
Hai outra forma de facelo 00:07:23
Que é como a de Chema 00:07:24
Podes dar outra función de R 00:07:25
Outra función de R que te ajustes 00:07:28
A unha función arbitrária 00:07:30
Se pode facer das dois formas 00:07:32
O que é o cuadrado? 00:07:33
As propiedades son as mesmas 00:07:41
Se compares con un número 00:07:42
con unha recta con a exponencial 00:07:45
o que te da 00:07:46
o mínimo 00:07:47
é o valor que te unides 00:07:50
cando cambia en unidade tens o error 00:07:51
e o único que isto vai sendo máis estrecho 00:07:54
cuanto máis datos tens 00:07:56
Algúnas dúas? 00:07:58
Non, non, que ten dúas 00:08:06
dúas ou preguntas así 00:08:06
cosas que 00:08:09
na parte da exponencial 00:08:10
entendo que asusta un pouco 00:08:13
pero como tampouco non vais a facer con a calculadora 00:08:15
es para que entendáis luego que 00:08:17
hay un programa que no habéis hecho a largo 00:08:19
como hemos hecho a largo 00:08:24
de un techo de ni siquiera con calculadora de viva voz 00:08:26
el ejemplo fácil 00:08:28
el programa hace lo mismo 00:08:30
solo que tiene que calcular 00:08:31
un programa que hace una minimización 00:08:33
y te da valor de los parámetros 00:08:35
por ejemplo, te da valor de C e I 00:08:38
lo que está haciendo es 00:08:39
utilizar los valores de C e I 00:08:41
él está haciendo este plot 00:08:44
internamente en su memoria 00:08:45
utiliza valores de C e I 00:08:47
e que valores utiliza, bueno, pois hai unhos métodos curiosos 00:08:49
para ver os valores 00:08:51
porque tú podes tener 00:08:52
información previa dos valores 00:08:55
simplemente de como son os datos 00:08:57
por exemplo, no caso da exponencial 00:08:59
tú podes facer unha recta 00:09:00
e podes ver, se tens un 00:09:02
isto é unha recta descendente 00:09:04
e eu sei que facer un programa 00:09:06
que na curso teña unha recta descendente 00:09:09
e os datos van desta forma 00:09:11
e o único que vou facer é 00:09:12
coxer un pequeno conjunto de datos de aquí e facerla media 00:09:14
Cojo un pequeno conjunto 00:09:17
Atrás de aquí a otra media 00:09:19
E entón ya tengo a pendiente 00:09:20
E a pendiente a origen 00:09:22
Tengo un punto de partida 00:09:23
Solamente para hacer ese tipo de construcción 00:09:24
Ou podo hacer un promedio de todo 00:09:27
E saber qual é o punto objetivo de la recta 00:09:29
E logo podo jugar con a pendiente 00:09:31
E é a forma normalmente na que se hace 00:09:33
Se linearizan as cousas que se dice 00:09:36
Isto é linearizar 00:09:38
Aqui hemos linearizado un problema que non é linear 00:09:38
Lo hemos linearizado 00:09:41
E entón agora juego con a recta 00:09:43
Juego con a recta 00:09:44
Ten un valor inicial burdo que é este 00:09:46
E a partir de ahí 00:09:48
Doi valores 00:09:49
Primeiro doi unhos valores que poden estar moi lejos 00:09:51
E me di cuenta de que me he ido moi lejos 00:09:54
Pero de hecho, nisiquera 00:09:56
Tenho que calcular o equi cuadrado con todos os puntos 00:09:57
Porque o equi cuadrado sempre suma 00:09:59
Entón, eu podo empezar a facer o equi cuadrado 00:10:01
De, se meus puntos son en esta recta 00:10:04
Eu podo intentar facer un equi cuadrado con esta recta 00:10:06
Pero en cuanto doi o primer valor 00:10:09
Eu ten un equi cuadrado horroroso 00:10:12
entonces, ya me voy dando cuenta 00:10:13
de que me he ido muy lejos 00:10:16
no hace falta que calcule el pi cuadrado con todos los puntos 00:10:17
entonces digamos que tengo una especie de margen ahí 00:10:19
si el pi cuadrado es más de 50 unidades 00:10:22
paso, pruebo otro parámetro 00:10:24
entonces pruebo parámetros muy rápido 00:10:26
hasta que el pi cuadrado le sea una cosa razonable 00:10:28
y luego simplemente se dedica 00:10:31
a hacer oscilaciones 00:10:32
aquí, o sea, si tú ves el valor 00:10:34
del parámetro 00:10:36
este es el número de ensayos que hace 00:10:37
el ordenador 00:10:40
E o valor do parámetro 00:10:42
Primeiro de un valor extremo por arriba 00:10:44
Logo de un extremo por abaixo 00:10:46
Enseguida se ven aquí e rapidamente convergen 00:10:47
Isto é como unha aproximación de Newton 00:10:50
Sabe que cuadrado aquí 00:10:52
Dice algo que cuadrado de 100 00:10:56
E aquí de menos 100 escala 00:10:57
Dice, bueno, pues me lo hago, me voy a unha zona de la que tal 00:10:59
E en un par de iteraciones 00:11:02
Ya lo ha conseguido 00:11:03
Non coge números equidistantes 00:11:04
Va probando valores que cada vez se acercan más 00:11:06
E logo a partir de aquí 00:11:09
ya te calcula la parábola 00:11:10
y lo hace muy rápido 00:11:12
una vez que tiene la parábola 00:11:13
es un cálculo muy tonto 00:11:15
con una parábola, saca el error 00:11:17
entonces, rápidamente 00:11:19
extremadamente rápido, te da el valor 00:11:21
del parámetro 00:11:24
el valor del parámetro y su error 00:11:26
de hecho aquí te va a dar dos parámetros 00:11:28
te va a dar C y te va a dar R 00:11:29
porque está por la acción 00:11:31
donde dar valores equidistantes 00:11:34
es didáctico, pero no se hace así nunca 00:11:41
non ten mucho sentido 00:11:44
bueno 00:11:45
algún comentario 00:11:54
ou te deixo que escribas 00:11:57
non, non, que si 00:12:00
que te deixo que apunte o que quieras 00:12:03
porque eu era unha outra cosa 00:12:05
vale, bueno, e acabamos en cinco minutos 00:12:09
íbamos a comentar un poquito de sistemáticos 00:12:12
un detalle 00:12:14
porque poden ser importantes 00:12:15
pero en cinco minutos 00:12:17
porque tamén se va un poco del ámbito 00:12:18
A poquita 00:12:20
Bueno, y casi tampoco voy a escribir mucho 00:12:22
Para la pregunta 00:12:26
Cuando aquí hemos hablado todo de la estadística 00:12:28
Os dije al principio que cuando uno hace una medida 00:12:31
Hay que comparar en términos de algo 00:12:33
En términos de algo es en términos del error estadístico 00:12:34
Pero estamos asumiendo que hay otro tipo de errores 00:12:37
Y los errores experimentales 00:12:39
Pueden ser pequeños comparados con el estadístico 00:12:41
O pueden ser grandes 00:12:43
Si son pequeños comparados con el estadístico 00:12:44
Está bien saber cuáles son 00:12:47
Pero un simplemente 00:12:48
Finalmente vos dáis estadística 00:12:49
Cando son moi grandes 00:12:51
Con o tamaño da estadística 00:12:52
De alguna forma te limitan 00:12:54
Tu estadística 00:12:56
En sentido de que 00:12:58
Se o error estadístico e o error sistemático 00:12:59
Son do mesmo orden 00:13:01
Non ten sentido que aumente a estadística 00:13:02
Para bajar o seu error 00:13:04
Porque o que me está limitando 00:13:05
É o sistemático 00:13:06
E o sistemático teña que ver 00:13:07
Con 00:13:09
Non é con o bien ou mal que está 00:13:10
O seu experimento 00:13:13
Sino con que eu tenga bajo control 00:13:14
Todos os ingredientes do experimento 00:13:15
E me explico 00:13:17
hubiéramos que ir aquí cuadrados 00:13:17
porque ya me irí cuadrados 00:13:19
ni hay sigmas, ni hay nada 00:13:22
cuando estamos midiendo 00:13:23
los... 00:13:30
con el archivo, tú tamén te lo conoces 00:13:34
les contarás como decidir 00:13:37
si, si, claro, cuando decimos 00:13:39
el tiempo muerto 00:13:40
y que horas están 00:13:42
milisegundos 00:13:44
0,1 00:13:47
0,2 00:13:48
entonces un grafito 00:13:50
A chica que estaba facendo restas 00:13:51
Estaba ahí en ese horno de 20 segundos 00:13:54
E le dije, creo que sí que es coincidencia 00:13:56
O menos 00:13:58
Si, no digo que 00:14:00
Si tú quitas un pouco o tempo muerto 00:14:01
Si, que son 0 00:14:04
Se cortas en 20 milisegundos 00:14:05
Me parece, te quitas ese pico 00:14:10
E o resto sale unha distribución exponencial 00:14:12
Perfecta, é un ajuste e sale perfecto 00:14:14
Pero eu sou sin mirar coincidencias 00:14:17
O seguinte, os tempos 00:14:18
del ruido, tiene una exponencial 00:14:21
perfecta, ¿vale? 00:14:22
Si luego creo que os podéis quedar, os lo vamos a enseñar. 00:14:24
Pero queda realmente perfecto. 00:14:27
Entonces, os quiero comentar dos estados 00:14:28
que nos han sido. 00:14:30
Cuando el error asociado 00:14:31
a medida viene de que 00:14:35
tu aparato de medida no es perfecto. 00:14:37
Entonces, si yo quiero medir una cosa de un metro 00:14:39
y tengo una regla que no es de titanio, 00:14:41
que es de goma, 00:14:43
pues claro, yo quiero medir esta distancia 00:14:45
y como hago mi regla, 00:14:47
en función de mi nerviosis, 00:14:49
y demás, como es de goma 00:14:51
yo la voy a encoger un poquito, la voy a estirar un poquito 00:14:52
entonces, yo este metro 00:14:54
este un metro 00:14:56
a veces voy a medir un metro diez 00:14:57
o cero noventa y cinco, vale 00:15:00
pero si lo mides muchas veces 00:15:02
te saldrá un metro, o no 00:15:04
porque el problema del error sistemático 00:15:06
que tiene que ver con el procedimiento de medida es que 00:15:08
si tú eres una persona muy nerviosa 00:15:10
tendrás a estirar la regla un poquito más 00:15:12
y te saldrá siempre, por eso es un error sistemático 00:15:14
sistemáticamente alto 00:15:16
otro puede tener un poco más de laxitud 00:15:17
que te saldrá sistemáticamente bajo. 00:15:20
É un problema que viene 00:15:22
de cuánto te dejan encoger o estirar la peña. 00:15:23
Entón, se a peña se deja escoger 00:15:26
e estirar moito, é unha regla 00:15:28
para medir e o sistemático é moi grave. 00:15:30
Se na realidad é moi poco elástica, 00:15:32
é de un plástico casi duro, 00:15:34
pois igual apenas te afecta que tu estires 00:15:36
ou no estires de ella. É un efecto tonto 00:15:37
porque, na realidad, todos sabemos que son rígidas. 00:15:39
Pero, por iso, se cerro al hecho de que 00:15:41
cando un metro con un metro 00:15:43
e as peñas están separadas 00:15:45
por milímetros, 00:15:47
cando te cae en medio, uno tiende a ver 00:15:48
sempre que es la raya siguiente y otra vez la raya anterior 00:15:51
y es simplemente una cuestión de apreciación 00:15:53
cando la precisión de tu aparato 00:15:55
está más allá de lo que 00:15:57
quieres medir, tienes una imprecisión 00:15:59
que te viene precisamente 00:16:01
de que la graduación no es 00:16:02
no va a coincidir nada con tu metro 00:16:04
exactamente, con lo que quieres medir 00:16:06
entonces, ese es el problema 00:16:08
tienes 00:16:10
la regularidad de tu medida no es suficientemente buena 00:16:11
cuando yo mido 00:16:14
cando eu mido os intervalos de tempo 00:16:16
estes de 10 segundos 00:16:19
e cuento 00:16:21
contar é fácil, non me equivocar 00:16:22
pero si podo equivocarme 00:16:24
cando vale o problema 00:16:26
0,01 00:16:27
o que viene 00:16:31
dos datos do detector 00:16:35
ten un rollo interno de microsegundos 00:16:36
a precisión é altísima 00:16:38
por eso sabemos que o sistemático vai ser moi pequeno 00:16:40
porque o que for grande vai ser 00:16:42
de 100 microsegundos 00:16:44
pero eso se anda ahorrada en un abrato electrónico 00:16:47
pero se lo hiciéramos a hablar con un cronómetro 00:16:49
nuestra presión podría ser de décimas de segundo 00:16:51
entonces, ese error donde va 00:16:53
ese error va que a veces 00:16:55
o bien admitimos muones de más 00:16:56
o estamos capando muones 00:16:59
porque hemos parado, lo que os decía antes 00:17:00
hemos parado un poquito antes o un poquito después 00:17:03
eso afecta a la estadística 00:17:05
de cada medida, pero es un error 00:17:07
sistemático, porque si yo 00:17:09
en ese mismo intervalo de 10 personas mediendo 00:17:11
10 personas van a medir 00:17:13
10 cosas diferentes 00:17:15
Pero son os mesmos movones 00:17:16
Porque unha parado o reloj un poquito antes 00:17:18
E outra un poquito despues 00:17:20
E outra justo en medio 00:17:21
E se van a pelear, porque cando las nadie había pasado 00:17:22
Es que era justo antes, porque yo vi que pasou antes de tal 00:17:25
Eso é un error sistemático 00:17:28
Entón, que sistema de cos hai? 00:17:29
Sin entrar en os detalles 00:17:31
É o propio proceso de medida, o reloj 00:17:33
Entón, se estáis medindo o tempo 00:17:35
Sabéis que cualquier cosa que tenga que ver con o tempo 00:17:37
Va a tener un error sistemático 00:17:39
Pero como vamos a ver o fluxo 00:17:41
E o fluxo nos interesa 00:17:43
la geometría del detector 00:17:45
pues cualquier cosa que tenga que ver 00:17:46
con la geometría del detector 00:17:49
también va a ser un sistemático 00:17:51
el flujo no se puede medir a menos que tengamos un programa de simulación 00:17:52
yo voy a intentar antes de que acabe el curso 00:17:55
modificar el programa 00:17:57
que no me lleva mucho, pero es que no tengo mucho tiempo 00:17:59
para ver si lo podéis utilizar para medir el flujo 00:18:01
para hacer estos datos porque sería bonito 00:18:03
yo creo que se puede hacer 00:18:05
pero cuando yo me pongo a la aceptancia geométrica 00:18:06
ese número que me dice que tanto por ciento 00:18:09
de eventos estoy perdiendo 00:18:11
Porque a geometría mía non é de 4D 00:18:13
Sino que está un pouco limitada 00:18:15
Eu só vou facer con unha simulación 00:18:17
Ese simulación vou facer con un millón de eventos 00:18:20
E ese millón de eventos 00:18:22
Tiene o seu error estadístico 00:18:23
Ese error estadístico 00:18:25
O error estadístico, na circunstancia, na circunstancia vai facer 00:18:26
Vai facer 0,47 00:18:29
Más menos 0,02 00:18:32
Este error estadístico 00:18:34
Por os datos simulados que eu teño 00:18:36
En realidad, aunque é estadístico 00:18:38
É un sistema 00:18:40
o sea, é de origen estadístico, pero é un sistemático 00:18:41
en mi medida 00:18:44
entón, cando eu calculo 00:18:46
o error en o fluxo, teño que tener en cuenta 00:18:47
este error como un error sistemático 00:18:50
a eficiencia, por exemplo 00:18:52
os tubos non sempre detectan 00:18:55
a señal 00:18:58
a veces, por razón que sea, pasa unha partícula 00:18:58
e este 00:19:02
alguna vez non deixa señal 00:19:03
por razón que sea 00:19:04
porque se ha cargado el gas, porque está polarizado 00:19:06
por cualquier razón 00:19:10
entonces a veces uno pierde señales 00:19:11
y eso más o menos se puede calcular, no es fácil 00:19:13
entonces uno tiene una eficiencia de efección de señales 00:19:15
el tubo 1 tiene una eficiencia 00:19:18
que es la eficiencia del 1 00:19:20
y el 2 tiene la eficiencia del 2 00:19:21
y esto idealmente es del 100% pero nunca es del 100% 00:19:23
yo puedo utilizar un método experimental 00:19:26
con un detector complementario 00:19:28
puedo utilizar dos detectores 00:19:29
y más o menos tengo una idea de cuáles son 00:19:32
a lo mejor es del 98% 00:19:34
0,98 00:19:36
pero como lo voy a hacer estudiando 00:19:37
procesos, tamén tendrá o seu error. 00:19:40
Eu podo estimar que isto é 0.96 00:19:42
más 0.05 00:19:43
e a de todo o hacer 00:19:45
0.96 más 0.11 00:19:47
Estos errores que venen 00:19:51
da estadística que eu he utilizado 00:19:53
para calcular ese número 00:19:56
son sistemáticos. 00:19:57
É un sistemático que afecta a medida que eu quero hacer. 00:19:59
Porque cando eu estou contando 00:20:02
numores, a mi me interesa N 00:20:03
pero é o N verdadeiro. 00:20:05
O N con o gorrito divino. 00:20:07
Pero, en el cuadro divino, 00:20:10
tenéis que tener en cuenta que 00:20:12
ha perdido un mones por la frecuencia 00:20:13
e ha perdido un mones por la eficiencia. 00:20:15
Podemos calcular la frecuencia combinada de los dos. 00:20:18
Que falle uno o que falle otro, 00:20:22
entonces, esto sería más o menos el producto de los dos. 00:20:24
E, entonces, esto me va a dar un número de un mones medido. 00:20:29
Entón, yo, cando quiera, 00:20:33
mediría el flujo. 00:20:35
El flujo depende de n. 00:20:36
El flujo es el n divino 00:20:38
partido por el tiempo dividido 00:20:41
cuando yo lo que estoy haciendo 00:20:44
es un espectro relacionado 00:20:45
con un n medido 00:20:47
y un tiempo medido 00:20:48
que por el hecho de ser medidos 00:20:50
tienen sus errores 00:20:52
sistemáticos, que en nuestro caso 00:20:54
va a ser el principal 00:20:57
en errores de aceptancia y en las eficiencias 00:20:58
luego hay un error que viene 00:21:01
y hago esto a cabo 00:21:03
del propio método de análisis 00:21:04
que cuando hacemos análisis tengamos un algoritmo 00:21:06
para decidir cuándo ha habido la coincidencia 00:21:08
O, por exemplo, cando facemos o ajuste 00:21:11
Se estemos empezando en uno 00:21:14
Pero alguén quere empezar un poquito antes 00:21:16
Porque ha visto a exponencial un poquito antes 00:21:17
Outro un poquito despues 00:21:19
Entón, de como se elige 00:21:20
A forma de hacer o ajuste 00:21:23
Hai unha pequena variación 00:21:25
Dos parámetros da exponencial 00:21:27
E iso tamén é un sistema 00:21:29
De acordo? 00:21:32
Veis que en general son moi pequeños 00:21:34
Tendrían que ser, as eficiencias 00:21:35
Tendrían que ser moi altas 00:21:37
Pero se son pequenas, se son grandes 00:21:38
O sea, la eficiencia pode ser grande ou pequena 00:21:40
Pero uno lo que tiene que determinarlo con mucha precisión 00:21:42
Suelen ser grandes 00:21:44
Pero a que fuera del 50% 00:21:46
Si siempre es del 50% 00:21:47
A ti no te importa 00:21:49
Sabes que al final tienes un factor 2 en algún sitio 00:21:50
El problema es que tú cuando lo determinas 00:21:52
Te digan, no, es que es un 50% 00:21:55
Y ese 50% lo sé con un 10% 00:21:57
Es ese 10% sobre el 50% 00:22:00
Lo que te está matando 00:22:03
De alguna forma 00:22:06
e afecta porque en realidad 00:22:07
unha cosa é o que tú queres ver 00:22:10
e outra cosa é o que estás vivendo 00:22:11
e son todos estes parámetros 00:22:13
e este parámetro 00:22:15
os que ten estes errores instrumentales 00:22:16
que se chaman de resistencia 00:22:18
yo me paro aquí 00:22:19
se pode discutir moito máis 00:22:20
pero por nos tenéis unha idea básica 00:22:23
de todos os ingredientes de análisis 00:22:24
vale? 00:22:25
a parte da estadística 00:22:27
a calidad das medidas 00:22:28
os valores medios 00:22:30
os errores 00:22:32
que é un chi cuadrado 00:22:33
hai parámetros 00:22:34
si habéis hecho ajustes de mínimos cuadrados 00:22:36
está el parámetro de correlación que dice como de bonos el ajuste 00:22:38
o sea que podes hacer en vez de un qui cuadrado 00:22:41
mínimos cuadrados, aunque mínimos cuadrados suele ser 00:22:42
para cuestiones lineales 00:22:44
pero no para cuestiones más complicadas 00:22:46
pero nosotros utilizamos los qui cuadrados 00:22:48
y luego pues hemos visto 00:22:51
como se utiliza el qui cuadrado para 00:22:52
un punto de x sencilla, de un numerito 00:22:54
y para unha función exponencial 00:22:56
que es lo que proponemos pedir 00:22:58
y el papel de los sistemáticos 00:22:59
esto también suena 00:23:02
todo un poco abstracto 00:23:04
yo lo único que os sugiro 00:23:05
y al resto de los compañeros 00:23:07
que han venido, es que cuando 00:23:10
hagáis el experimento y analicéis 00:23:11
los datos, no, porque ahora 00:23:13
me limito a hacer una media aritmética porque 00:23:15
o tal, bueno, o sea, intentar incorporar 00:23:17
lo que habéis aprendido, y yo supongo que 00:23:19
hacéis cosas, hacerlas en grupo y discutirlas 00:23:21
en grupo, que es la mejor forma de tal 00:23:23
y estos ejercicios que hemos hecho, hacerlos 00:23:25
con los datos, es decir, 00:23:27
30 horas, separo 00:23:28
mi número de muores 00:23:31
yo sé que en total voy a tener 10.000 00:23:33
no sé cuantos, bueno, os voy a separar en trozos 00:23:35
de un minuto, y voy a hacer el ejercicio 00:23:37
ese que nos dijo Pablo, de cojo 10 trozos 00:23:39
de un minuto, y veo los promedios 00:23:41
cuanto me sale, y voy a hacer yo aquí cuadrado 00:23:43
a mano a ver cuantos me salen, anda, pues mira 00:23:45
pues sale esto, os tiene buena pinta 00:23:47
podéis hacerlo a mano, con datos reales 00:23:49
y saldrá mucho mejor que lo que hemos hecho, vale 00:23:51
y cualquier duda me 00:23:53
si son una referencia 00:23:54
estadística básica para 00:23:57
la medida experimental 00:23:58
os mando 00:24:00
hay libros, a ver 00:24:02
hay un articulillo 00:24:05
de estas cosas, que son las dos 00:24:06
porque hay una parte que es la probabilidad 00:24:09
que uno tiene más mirársela 00:24:10
y otra cosa es la estadística 00:24:12
en el libro este que hace el resumen de las propiedades 00:24:13
de las partículas elementales 00:24:16
como sumarios o resúmenes 00:24:17
esos resúmenes están muy bien porque están muy condensados 00:24:20
pero tienes que tener un cierto conocimiento para entenderlo 00:24:22
o sea, no es así un tutorial 00:24:24
es como una referencia rápida 00:24:26
os lo puedo pasar 00:24:28
y por otro lado tengo 00:24:29
bueno, hay algunos que os puedo recomendar 00:24:32
pero son libros da mesma 00:24:34
están negros, por suposto 00:24:36
e habrá outras cousas 00:24:37
como a cintro con el nube 00:24:39
hemos dado, digamos, como a primera capa superficial 00:24:41
porque as estadísticas 00:24:49
además que a estadística, moitas veces 00:24:49
eu, os mamores que teño 00:24:52
están planteando sobre outros 00:24:53
parámetros 00:24:57
máis ou menos estadística de sociología 00:24:58
estadística, non se ve 00:25:00
menos dirigida a estadística para 00:25:01
medios comunitarios 00:25:04
non é tan diferente, porque hai unha parte 00:25:05
yo os he contado 00:25:08
la parte de la 00:25:09
comparación de hipótesis 00:25:11
sin la parte formal de la comparación de hipótesis 00:25:13
aquí 00:25:15
he insinuado al principio 00:25:17
bueno, tienes unha recta horizontal e unha recta con pendiente 00:25:19
vamos a separar entre las dos e utilizamos un qui cuadrado 00:25:21
pero eso 00:25:24
estoy comparando dos hipótesis 00:25:25
e aí non he justificado matemáticamente 00:25:26
porque yo descarto unha e non a outra 00:25:28
en un qui cuadrado é máis grande que en el caso de la otra 00:25:30
pero cando estes en un análisis de datos 00:25:33
máis complejo 00:25:35
eso hay que cuantificarlo de alguna forma 00:25:36
tienes que decir, vale, yo he descartado 00:25:38
una, pero, y si estás 00:25:40
descartando la buena, ¿cuál es la probabilidad 00:25:42
de que la buena hayas tenido mala suerte y los datos 00:25:44
te hayan salido de alguna forma? Entonces, es 00:25:46
cuando entras con todo esto de los 00:25:48
niveles de confianza 00:25:50
los pivalios, el famoso pivalio que te está 00:25:51
diciendo, ¿cuál es la probabilidad 00:25:54
de que yo, cuando 00:25:56
digo que esta es la hipótesis buena 00:25:58
cuál es la probabilidad de que me quedábalo fuera 00:26:00
o al revés, ¿no? 00:26:02
os falsos positivos, os falsos negativos 00:26:03
etcétera, e todo ese tipo de cosas 00:26:06
tiene unha maquinaria 00:26:07
que requiere, bueno 00:26:09
unha introducción, só a iso requieren un par de horas 00:26:11
pero bueno, se queréis 00:26:15
un día, a mí a hacer extras 00:26:17
non me importa 00:26:19
é decir, puedo colocar algo 00:26:20
a parte esa que os digo 00:26:23
del Particle Data Group 00:26:25
pero iso é 00:26:27
es abafado, pero bueno 00:26:28
pero buscaré un libro e os lo recomendo 00:26:30
me viene ben porque a miñaxi tamén se recomenda aos estudiantes do máster 00:26:33
que esta parte 00:26:36
é unha parte que é un pouco fluida 00:26:39
isto é o que se fala de 00:26:40
test de hipótesis 00:26:45
é o que máis se trabaja 00:26:47
en estadística 00:26:49
pero é unha complicación do que 00:26:51
o visto é 00:26:59
o equipo de grados 00:27:00
é dicho que se comporta 00:27:04
para altos números de eventos 00:27:05
se comporta 00:27:09
igual que a personalidade de todas estas funciones 00:27:09
e marcas estadísticas 00:27:14
se comportan 00:27:15
con unha gausiana 00:27:17
e entón al final 00:27:18
tú estás comparando 00:27:20
a gausiana asociada 00:27:21
a un modelo 00:27:22
e a gausiana asociada 00:27:22
a outro modelo 00:27:23
e esas dos gausianas 00:27:23
de dos modelos 00:27:26
poden 00:27:27
solapar moito 00:27:27
entón tenen 00:27:29
poca valor de discriminación 00:27:30
pero poden solapar 00:27:31
moi pouco 00:27:32
sempre solapar algo 00:27:33
por moi diferentes que sean 00:27:34
entón 00:27:35
ese sempre solapar algo 00:27:36
é un límite 00:27:37
que tú al final pones 00:27:38
o 5% 00:27:39
é o de confianza 00:27:40
o 95% 00:27:42
é o de confianza leve 00:27:43
é un límite que pones 00:27:43
de que 00:27:44
se sonapan moi poquito, moi poquito, moi poquito, 00:27:45
é cando tú, intuitivamente, podes dicir 00:27:48
isto é unha silla e non é un armario. 00:27:49
Esencialmente é iso. 00:27:52
Mis norolas me dicen isto é unha silla e non é un armario 00:27:53
porque as gauseras que describen a silla 00:27:56
e as gauseras que describen o armario 00:27:58
están moi separadas. 00:27:59
Agora, se eu te digo 00:28:02
isto é unha mesa ao comedor ou unha mesa ao estudio, 00:28:04
pois sí, obre, 00:28:07
é de estudio, pero porque está neste aula. 00:28:08
Pero igual se está un restaurante en unha esquina 00:28:10
non sabe distinguirlo a priori, 00:28:11
porque tus dos gauseras 00:28:13
de identificación 00:28:14
de mesas de estudio 00:28:16
y mesas de comedor 00:28:17
están muy cerca 00:28:18
de la verdad 00:28:19
es muy difícil 00:28:19
separar 00:28:21
entonces 00:28:22
todo esto 00:28:22
da a toda una rama 00:28:23
de las estadísticas 00:28:24
de hypothesis testing 00:28:25
que 00:28:27
bueno 00:28:27
ahí he hecho el trabajo 00:28:28
de mucha gente 00:28:29
en el ECC 00:28:30
los experimentos 00:28:32
y ahora 00:28:33
hoy día 00:28:34
en cualquier otro experimento 00:28:34
una buena parte 00:28:36
de los análisis 00:28:36
de las discusiones 00:28:37
es como utilizar 00:28:38
estos métodos estadísticos 00:28:39
que ya están implementados 00:28:40
en paquetes de software 00:28:42
super complejos 00:28:43
que tienen en cuenta 00:28:43
los errores estadísticos, los sistemáticos 00:28:44
las correlaciones de los errores sistemáticos 00:28:47
porque se va un poco de bolo 00:28:49
lo dije un poco al principio 00:28:51
que el experimento A y B 00:28:53
estaban correlacionados 00:28:54
normalmente lo que está correlacionado no son los sistemáticos 00:28:55
perdón, los estadísticos 00:28:58
suelen estar correlacionados los sistemáticos 00:29:00
las eficiencias, no, que utilizan 00:29:03
un monte Carlo para la contaminación 00:29:04
de no sé qué 00:29:07
utilizan un modelo para simular 00:29:08
la señal electrónica de no sé cuál 00:29:10
todas esas cosas 00:29:12
sí que están coleccionadas 00:29:13
y entonces esos países de software 00:29:15
tienen todo eso en cuenta 00:29:17
para poder hacer esas peticiones 00:29:18
Muchas gracias 00:29:20
A vosotros 00:29:23
Autor/es:
Pablo García Abia
Subido por:
Cie madrid
Licencia:
Reconocimiento - No comercial - Sin obra derivada
Visualizaciones:
13
Fecha:
6 de febrero de 2019 - 8:24
Visibilidad:
Público
Centro:
C RECURSOS CENTRO DE FORMACIÓN PARA INTERCAMBIOS INTERNACIONALES
Duración:
29′ 26″
Relación de aspecto:
1.78:1
Resolución:
1280x720 píxeles
Tamaño:
638.20 MBytes

Del mismo autor…

Ver más del mismo autor

EducaMadrid, Plataforma Educativa de la Comunidad de Madrid

Plataforma Educativa EducaMadrid