Saltar navegación

Activa JavaScript para disfrutar de los vídeos de la Mediateca.

Seminario Pablo García Abia 2-2

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

74 visualizaciones

Más información Transcripción

Descargar la transcripción

Pero, si ya tengo en cuenta 00:00:00
el error experimental, que lo pinto como una barrita, 00:00:02
le llamo normalmente, esto se lo llama 00:00:05
la sigma, 00:00:06
por alguna razón, 00:00:08
pues, 00:00:11
vemos que 00:00:12
en promedio, si yo hago un promedio 00:00:15
de las cosas, 00:00:17
las desviaciones típicas son del orden de 00:00:18
una barra. 00:00:21
Vale, que esta tiene 0, 00:00:23
esta tiene 0,2, 00:00:25
tal, si lo hubiera hecho bien, de hecho, 00:00:27
solamente habría alguna que se desvía aquí 00:00:28
más de un promedio 00:00:30
de las desviaciones 00:00:33
es un asigno 00:00:35
o sea que si yo 00:00:37
voy calculando estas distancias 00:00:39
si yo calculo esta distancia 00:00:41
del centro a la barrita 00:00:45
en unidades de la barrita de oro 00:00:47
o sea, si yo estoy poniendo 00:00:49
mi valor medido 00:00:51
menos 00:00:52
el promedio, que le puedo llamar 00:00:54
n con barrita 00:00:57
Y eso lo divido por este error 00:00:58
Que es la sigma 00:01:00
Eso lo hago para todos 00:01:01
Y le sale más o menos uno 00:01:04
Si las cosas están bien hechas 00:01:05
Vamos a sumar esta 00:01:07
Esta 00:01:09
Esta 00:01:11
Esta 00:01:13
Y esta 00:01:15
No el número de alertos, sino en cuantas veces la barrita 00:01:17
Bueno, esta no es la barrita 00:01:19
Esta sale 0,9 00:01:21
La sumo 00:01:29
e o cual é este. 00:01:30
De hecho, 00:01:34
non veremos que, en realidad, 00:01:37
isto, 00:01:38
se o calculo desta forma, 00:01:41
con os cuadrados, 00:01:43
agora veremos que é isto 00:01:44
e por que ten un papel especial. 00:01:46
Bueno, 00:01:49
agora, dicir, seguimos hablando de cacharro 00:01:50
de los cósmicos, bueno, sí, porque 00:01:52
unha vez que hemos tomado os datos, vamos a hacer análisis 00:01:53
e un ejercicio que podemos hacer é isto, 00:01:56
é tomar os múnes 00:01:57
en segmento de trozos de iguales tiempos 00:02:00
ver que medias me sale 00:02:02
y verse claramente se estable con el tiempo 00:02:04
de hecho, cuando uno hace un experimento de su tipo 00:02:06
sería lo primero que quiere hacer 00:02:09
ver si hay variaciones de un momento a otro 00:02:10
del experimento 00:02:13
porque claro, uno solo combina 00:02:14
diferentes segmentos de tiempo 00:02:16
si no hay una variación significativa 00:02:18
cuando uno mete todo en la misma caja 00:02:21
pueden pasar dos cosas 00:02:22
si ese todo tiene algunas propiedades 00:02:25
hacemos una medida muy buena 00:02:27
Pero se ten propiedades diferentes 00:02:28
A medida se va a estropear 00:02:31
Imaginad que isto tuviera unha dependencia día e noite 00:02:32
Tal que 00:02:35
Por o día veo moitos 00:02:36
Cubones 00:02:41
E por a noite veo moi pocos 00:02:43
Entón 00:02:45
Vou facer aquí pintar 00:02:46
A barra de tempo que ocupa todo o día 00:02:49
E a lo mejor aquí veo o número de eventos 00:02:51
E veo unha modulación 00:02:54
O número de tiempo 00:02:55
E isto é o número de nube 00:03:00
y bueno, pues la frecuencia esta 00:03:01
sale así 00:03:05
puede haber un efecto de ese tipo 00:03:06
yo no lo sé 00:03:09
entonces claro, si yo quiero calcular la frecuencia 00:03:10
teniendo en cuenta que estamos metiendo en el mismo saco 00:03:12
cosas que tienen una frecuencia más bajita 00:03:14
y cosas que tienen una frecuencia más alta 00:03:16
bueno, pero si lo meto en el mismo saco 00:03:18
saca una frecuencia de medio, sí 00:03:20
siempre cuando uno sepa lo que está haciendo 00:03:21
no importa meter las cosas en la misma caja 00:03:23
pero a veces ocurre que estos son efectos 00:03:25
que no están bajo control 00:03:27
y entonces tampoco sabes muy bien lo que mides 00:03:28
vale, en el caso del día de hoy 00:03:31
se quizás un ejemplo tomográfico porque sería muy simétrico 00:03:33
pero 00:03:36
bueno, habría que pensar cada caso 00:03:37
entonces 00:03:40
un ejercicio es hacer estas cosas 00:03:42
nosotros, si luego, si entrar 00:03:43
o Rolare, como igual queréis hacer algún tipo 00:03:46
de acústico 00:03:48
ya iremos viendo 00:03:48
para simplizar el ser 00:03:51
que vamos a hacer los tantos 00:03:54
cuando 00:03:55
cuando no quiere 00:03:57
calcular ou estimar 00:03:59
a compatibilidade dos seus datos 00:04:04
entre eles ou con un modelo determinado 00:04:05
temos que utilizar 00:04:08
certas técnicas matemáticas 00:04:10
que nos dá a estadística 00:04:12
entón 00:04:14
esas técnicas 00:04:15
son os métodos de reflexión 00:04:17
que habéis estudiado uns cuantos 00:04:20
e non hai 00:04:22
só un 00:04:24
pero o método dos mínimos cuadrados 00:04:25
é o 00:04:28
digamos, 00:04:28
uno de los principales, porque es sencillo. 00:04:29
¿De acuerdo? 00:04:33
Si yo quiero calcular, 00:04:34
por ejemplo, yo tengo un modelo, 00:04:37
que haya pintado una línea 00:04:39
blanca esta, 00:04:40
pero podría haber pintado, podría haber dicho, 00:04:43
voy a suponer que mis datos son compatibles, 00:04:45
no con una distribución uniforme, 00:04:48
sino que los rumores, 00:04:50
por algún razón, saben que los estoy midiendo 00:04:51
y cada vez hay más rumores. 00:04:53
Entonces puedo pensar que son compatibles con esta meta. 00:04:54
A ojo me diréis 00:04:56
No way 00:05:00
Pero bueno, ya si 00:05:01
Con esos cinco puntos 00:05:03
Es casi igualmente compatible 00:05:05
Otra cosa es que 00:05:07
Otra cosa es que yo tenga 00:05:09
Que es la más realista 00:05:10
Yo tengo estos puntos 00:05:12
Esto te puede ser compatible 00:05:13
O bien con la línea varilla 00:05:20
Que es la hipótesis de que 00:05:22
La frecuencia es uniforme 00:05:26
O yo puedo decir porque se me dio la pinza 00:05:29
Que son compatibles con una cosa que va 00:05:30
aquí se ve claramente 00:05:32
que la naranja no es la buena 00:05:35
no es el modelo bueno 00:05:36
en este caso tan gráfico 00:05:38
no lo es, pero hay veces que es difícil distinguir 00:05:41
un caso de otro, que tiene que haber una forma matemática 00:05:43
de distinguir un caso de otro 00:05:45
hay todo un área de la estadística 00:05:47
de la matemática de la estadística 00:05:50
que se dedica precisamente a este tipo de problemas 00:05:51
que es la toma de decisiones 00:05:53
y esto de la toma de decisiones 00:05:55
se utiliza en todas partes 00:05:58
en la bolsa, en todas partes 00:05:59
e, por suposto, se utiliza a física de partículas. 00:06:01
Entón, a ojo, é moi fácil. 00:06:07
É que estes puntos, mira, 00:06:10
están todos moi cerca da baile, 00:06:11
pero aquí, isto, 00:06:13
non se está cerca da alza de casualidade, 00:06:14
pero estes están moi lejos por arriba 00:06:16
e estes están moi lejos por baixo. 00:06:17
Ésa é a forma de decirlo, 00:06:19
a forma coloquial de decirlo. 00:06:21
Uno non quer hacer realmente, 00:06:23
isto lo podéis hacer luego, 00:06:24
porque é moi chulo, 00:06:25
se pode hacer incluso con unha vaca, 00:06:26
se pode ponerla, 00:06:27
E é isto que os contado 00:06:28
Que hemos feito un pouco de carrerilla 00:06:36
Hacia outra forma sistemática 00:06:38
Calculamos unha función 00:06:39
Que se chama equicuadrado 00:06:41
E o equicuadrado consiste en sumar 00:06:42
Para todos estes puntitos de aquí 00:06:48
Que vamos a chamar aquí 00:06:52
Para igual a 1, igual a 2 00:06:53
Hasta n 00:06:56
N ahora é o número de 00:06:58
N pequenas é o número de intervalos 00:07:00
Que he medido 00:07:03
Pues voy a hacer la siguiente cuenta 00:07:03
Es la misma que hice antes y es 00:07:06
Yo he medido 00:07:08
El número de un mes medido es 00:07:11
M de 1 00:07:13
He medido 00:07:14
En el primero medí 00:07:16
M sub 1, M sub 2, M sub 3 00:07:18
Y hasta el resto 00:07:21
L de la mitad 00:07:26
Que es simplemente la media 00:07:28
La suma 00:07:29
Y esto 00:07:31
Lo llevo al cuadrado 00:07:34
E agora vemos por que 00:07:36
Lo levo al cuadrado 00:07:38
E lo divido por 00:07:39
La barrita de error al cuadrado 00:07:41
Una cosa curiosa es que 00:07:44
La sigma, os he dicho que era 00:07:48
Raíz de n 00:07:50
Raíz de n es cada una de estas medidas 00:07:51
Es m sub i 00:07:53
O sea que sigma, sigma sub i son diferentes 00:07:55
Es el error de cada medida 00:07:58
Sigma sub i al cuadrado 00:07:59
Es la raíz de m sub i 00:08:02
Al cuadrado 00:08:04
O sea, que podría costar 00:08:06
Simplemente 00:08:10
O que me gusta poner 00:08:11
Simula al cuadrado 00:08:14
Porque queda máis claro 00:08:15
Que estás aquí midiendo 00:08:17
Desviaciones en torno 00:08:20
Al error 00:08:22
Bueno, pues 00:08:23
Lo mismo 00:08:25
Esto se define desta manera 00:08:28
Porque 00:08:30
É unha función cuadrática 00:08:31
Que dásele propiedades 00:08:33
en el caso también de que la estadística 00:08:34
sea muy grande 00:08:37
esto tiende a un estimado 00:08:38
gausado también 00:08:41
normal y coagente 00:08:42
si yo calculo esto, fijaos una cosa 00:08:43
si los puntos están todos 00:08:47
si yo tengo un modelo 00:08:48
que es el amarillo 00:08:50
que está realmente de acuerdo con los datos 00:08:51
va a pasar que las desviaciones típicas 00:08:54
por eso se llama desviación estándar 00:08:56
standard deviation, desviación estándar 00:08:58
porque son típicas 00:09:00
las desviaciones típicas de mis medidas respecto a la media 00:09:01
en promedio van a estar separadas 00:09:04
unha sigma 00:09:06
entón, se eu isto lo sumo 00:09:07
e ademais teño a precaución de normalizarlo 00:09:10
porque aquí non lo é 00:09:11
e divido por n grande 00:09:12
que é a suma 00:09:15
de las medidas 00:09:17
en este caso é m pequeno 00:09:19
para no liarnos con la vida 00:09:22
é un pico a dado normalizado 00:09:24
isto é de doble de unidade 00:09:26
pero 00:09:28
en el caso de la naranja 00:09:32
vemos que, aunque unos están más o menos cerca 00:09:34
estos ya 00:09:36
empiezan a estar muy lejos 00:09:37
¿qué pasa? que tengo un término 00:09:38
tengo términos que son muy grandes 00:09:41
y se separan mucho de uno 00:09:42
y el hecho de que sea el cuadrado, fijaros que previene 00:09:44
la siguiente situación, es que 00:09:47
si no estuviera el cuadrado, estos se mirían 00:09:48
de forma positiva 00:09:51
pero estos se mirían en la misma magnitud 00:09:52
de forma negativa, y se iban a compensarlos 00:09:55
con otros, entonces me iba a decir que están 00:09:58
muy de acuerdo cuando no lo están 00:09:59
Se hace el cuadrado porque me interesa la distancia 00:10:01
Y la distancia es una unidad que es cuadrática 00:10:03
¿De acuerdo? 00:10:07
O sea, la distancia es 00:10:08
Pues una vez cuadrada por la segunda vez cuadrada 00:10:09
Pero es el termo equilátero 00:10:11
¿De acuerdo? 00:10:13
Entonces, las distancias son siempre positivas 00:10:14
Por eso se va al cuadrado 00:10:17
Porque quiero hacer la suma de las distancias positivas 00:10:18
Entonces, esto 00:10:20
Si es mucho mayor que 1 00:10:21
Me está diciendo que el modelo no es bueno 00:10:23
¿Ve? 00:10:25
Me está diciendo que esto no vale 00:10:26
¿Ve? 00:10:28
Y si es uno, me está diciendo que sí 00:10:28
Que es igual 00:10:31
Entonces, este me dice que el modelo sí es bueno 00:10:31
Dice, bueno, hay un caso ahí que no es contemplado 00:10:34
¿Qué ocurriría 00:10:39
Si esto sale mucho menor que uno? 00:10:40
Si, que sea un gran desmarro 00:10:43
Y que sea un buen vuelo 00:10:45
Que sea un próximo acero 00:10:46
Es super bueno 00:10:48
¿Alguien está de acuerdo? 00:10:49
Yo no 00:10:55
O sea, no sé por qué, pero creo que no 00:10:56
Vale, bueno, ya tu instinto te dice algo 00:10:58
Mi instinto me dice 00:11:01
O sea, el humor alistaba 00:11:02
Alineado con la... 00:11:04
Fijaos unha cosa, estoy diciendo 00:11:05
Que sea muy grande, es malo 00:11:07
Para mi modelo 00:11:10
Que sea uno que siempre está unido 00:11:11
Que sea cero, tiene que ser la caña 00:11:13
Si, que me haría muy grande 00:11:16
Bueno, vamos a ver ese caso 00:11:18
Ese caso es 00:11:24
Voy a dibujarlo aquí 00:11:25
e se dibuco 00:11:27
se dibuco moi pequeno, me lo decís 00:11:29
en cambio, aunque somos tres, cuatro 00:11:31
estamos moi cerca 00:11:33
non se se ve 00:11:34
bueno, esto lo voy a borrar 00:11:35
voy a reciclar parte del gráfico 00:11:38
pero está pequeno 00:11:41
ese sería el caso típico 00:11:43
invento la media primero porque va a decidir el hipocasio 00:11:44
es el caso típico en el que tengo 00:11:47
que mis datos son así 00:11:49
que pasa? que si yo no hago las desviaciones 00:11:50
aquí 00:11:58
son moi pequeños 00:11:59
y eso 00:12:01
¿qué os parece? 00:12:04
que he hecho 00:12:07
y esta pregunta no la hago 00:12:07
no es una pregunta retórica 00:12:08
la pregunto porque es un tema 00:12:11
a la que se enfrenta mucha gente que lleva varios años 00:12:12
de tesis haciendo análisis de datos 00:12:15
y lo hacen 00:12:17
o hacemos con manos 00:12:18
quizá por una mala formación o lo que sea 00:12:20
esta situación se da de nuevo 00:12:22
esto lo he visto en plots en CEMES 00:12:25
en la clase 00:12:27
hay gente que se enorgullece 00:12:28
de eso así. 00:12:30
Pensadme, 00:12:35
o sea, 00:12:35
non quero a resposta exacta, 00:12:35
quero un pensamento alto. 00:12:37
Que está pasando ahí? 00:12:38
As filiaciones son grandes 00:12:40
ou son pequeñas? 00:12:41
Si. 00:12:43
E por que son pequeñas? 00:12:44
A lo mejor, 00:12:46
se non pintar errores, 00:12:47
veis que están todas 00:12:48
fora da linea, 00:12:49
pero o problema 00:12:50
é que hai pintado os errores. 00:12:50
Ah, é isto. 00:12:52
Pero, o que é que tú has dicho? 00:12:52
Que os errores son moi grandes. 00:12:53
Claramente. 00:12:55
O sea, 00:12:55
que hai moita desviación 00:12:55
dentro de cada unha. 00:12:57
Son moi grandes 00:12:58
respecto a que son moi grandes. 00:12:58
É que é esa a pregunta. 00:13:02
cando preguntas son moi grandes, 00:13:03
o sea, cando tú haces análisis de datos, 00:13:05
é esa dificultad esto. 00:13:07
Tienes que decir, 00:13:08
las dos sobrantes son pequeñas 00:13:09
en relación con qué, 00:13:10
¿de acuerdo? 00:13:11
Un inciso que antes, 00:13:13
los dos del principio, 00:13:14
hoy se me ha escapado. 00:13:15
Yo unha pregunta que hago es, 00:13:16
antes de explicar esto, 00:13:19
a ver, estudiante, le digo, 00:13:20
yo estoy viendo la rosa, 00:13:25
98 es compatible con 100. 00:13:28
Yo tengo dos experimentos, 00:13:32
uno me da esto. 00:13:33
y luego echo otro y me sale el 47 00:13:33
y los comparo los dos con 100 00:13:36
y digo, 98 es compatible con 100 00:13:38
¿qué os parece? 00:13:43
os lo estoy preguntando 00:13:45
sí 00:13:47
pero, sí, sí, no 00:13:48
en términos de qué 00:13:53
yo veo caras de duda 00:13:55
hasta tu silla 00:13:58
siendo un poco dudoso 00:14:00
sí, en términos de qué 00:14:01
porque 00:14:03
si yo he medido esto 00:14:05
con un error 00:14:07
de más menos 10 00:14:08
es compatible 00:14:11
pero si esto lo he medido con un error 00:14:12
de 0,01 00:14:15
esto 00:14:16
no corresponde para esto 00:14:18
este modelo es malo para esto 00:14:20
si yo he medido esto 00:14:22
con un evento y me sale 47 más menos 30 00:14:24
está dos sigmas 00:14:27
que tampoco están diferentes 00:14:29
entonces siempre queda una referencia 00:14:30
respecto a aquí 00:14:32
Por iso digo 00:14:33
No te podes enseñar nunca un número 00:14:34
Porque un número nunca se pode comparar 00:14:37
Con unha predicción 00:14:39
E aquí estamos querendo entender 00:14:40
Se o nosso rei de cósmicos é constante no tempo 00:14:43
É unha razoa 00:14:46
E dices, non sabía que queria medir iso 00:14:48
Se queres medir o fluxo 00:14:50
Unha persoa mede o fluxo 00:14:51
Cando está convencida de que o fluxo é un parámetro 00:14:53
Que caracteriza aos cósmicos 00:14:55
Se pensas que o fluxo de cósmicos 00:14:56
Va aumentando con o tempo 00:14:58
Pois non vas a medir o fluxo 00:14:59
podes medir a variación do fluxo de tempo 00:15:01
pero vamos a medir o fluxo 00:15:04
como un término absoluto 00:15:05
os numones llegan 00:15:06
100 por metro cuadrado de segundo 00:15:08
ou 60 ou 50 00:15:10
non pasa nada 00:15:12
se mirar a dependencia 00:15:14
simplemente tendrá que medir outra cosa 00:15:16
e aquí nos habíamos empeñado en medir o fluxo 00:15:17
é o foco do curso 00:15:21
é o fin da muscula 00:15:23
bueno, entón 00:15:25
llevando isto alli 00:15:27
estas desviaciones 00:15:29
estas desviaciones son moi pequeñas 00:15:31
en términos de esas barras de error 00:15:34
podes decir que as desviaciones son moi pequeñas 00:15:36
ou que os errores son moi grandes 00:15:38
pero claro, se os errores son estadísticos 00:15:39
son os que son 00:15:41
son os que son 00:15:42
o error de 10 é 3 00:15:44
o error de 25 é 5 00:15:46
entón 00:15:49
o que son pequeñas 00:15:50
son as desviaciones 00:15:53
e por que me ha salido así? 00:15:54
a mi, a mi, vaya susto 00:15:56
hai multitud de razones 00:15:58
pode ser un problema con el cacharro 00:16:00
ou pode ser un problema con el ojo del que mira 00:16:03
que eso pasa, que a veces uno como que 00:16:05
optimiza su análisis, si tú tienes un prejuicio 00:16:07
de que las cosas tienen que salir de una forma 00:16:09
cometes el riesgo 00:16:11
consciente y a menudo inconsciente 00:16:13
de descargar tus criterios 00:16:16
para que te salga eso 00:16:17
eso no es ser deshonesto 00:16:19
simplemente es que somos seres humanos 00:16:21
por eso muchos análisis, hoy día prácticamente 00:16:23
todos, tanto en el AHC, busca batería oscura 00:16:25
y demás, se hacen análisis 00:16:27
que se llama blind analysis 00:16:29
de modo que tú diseñas con simulaciones 00:16:31
tus análisis, miras 00:16:33
una muestra de los datos que además 00:16:35
la desbarajustas de modo que ocultes la información 00:16:37
que quieres medir, después sumar o restante 00:16:39
a la cantidad que tú no le confieses a la gente 00:16:41
y eso es para comprobar la calidad de la simulación 00:16:43
y una vez que lo has hecho 00:16:46
es cuando ya 00:16:47
le quitas la sabana oscura a los datos 00:16:49
y los miras 00:16:51
y de hecho a veces un problema es que hay que volver a taparlos 00:16:52
e intentar arreglar un posible problema 00:16:55
sin mirar, porque si los estás 00:16:57
mirando, pode parecer 00:16:59
ou pode, sin querer, estar moviendo 00:17:01
los diales para que 00:17:03
te sabrá lo que viene. 00:17:05
Luego veremos que en ese juego 00:17:08
es donde entra lo sistemático, 00:17:09
que é a parte, digamos, importante 00:17:11
de las medidas. 00:17:13
Esto pode pasar por un número de razones. 00:17:15
Pode pasar, por ejemplo, 00:17:18
porque los periodos están 00:17:20
de alguna forma correlacionados. 00:17:21
Esto con los cósmicos non pode pasar. 00:17:24
Pero pode ser todo tipo de medida que yo, 00:17:26
sen saberlo, os datos están correlacionados 00:17:27
e cando están correlacionados 00:17:29
este es el error estadístico de cada uno de ellos 00:17:31
pero ahora veremos que los errores 00:17:33
estos, este raíz de n 00:17:35
es si los errores son independientes 00:17:37
entre sí. Si los errores están 00:17:39
correlacionados, esto tiene unos factores 00:17:41
que hacen que las barras de error sean de diferente tamaño 00:17:43
y hay que reducirlas 00:17:45
y eso a veces se calcula 00:17:47
por ejemplo en la física de partículas 00:17:49
la gente del Particle Data Group se dedica a hacer ese tipo 00:17:51
de análisis y cuando ven que el error 00:17:53
que o metro cuadrado é moito máis pequeno que 1 00:17:55
o que facen é aplicar factores 00:17:58
de corrección dos errores 00:18:05
corrección 00:18:07
ou da matriz de correlación 00:18:09
é dicir, calcular correlaciones entre os datos 00:18:10
e le metes un factor 00:18:13
de reducción aos errores 00:18:16
poden estar relacionados, por exemplo 00:18:17
no caso dos cómicos, non, pero isto é unha medida 00:18:19
de un parámetro de 00:18:21
tu mides o número de deltados, pero ao final tamén 00:18:22
tú medida depende de outra serie de cosas que has utilizado 00:18:27
Tus métodos de sustracción del barro 00:18:30
Del fondo 00:18:32
Tu modelo de una serie de cosas 00:18:33
Si la gente utiliza todos esos modelos 00:18:35
Esos modelos tienen sus errores añadidos 00:18:38
Que repercuten en la medida 00:18:41
Y que si tú no tienes en cuenta 00:18:42
Que todo el mundo utiliza los mismos modelos 00:18:43
No te das cuenta de que esos errores están correlacionados 00:18:45
Eso pasa muchísimo 00:18:48
Porque si el experimento A 00:18:49
Mide un parámetro 00:18:51
Mide el parámetro P 00:18:52
Utilizando las herramientas 00:18:55
X y Z 00:18:57
as herramientas X 00:18:58
tendrá unha medida 00:19:00
e se o experimento B 00:19:01
mide isto utilizando 00:19:03
en vez de, o sea, mide a mesma cosa 00:19:06
pero utiliza o método P 00:19:07
e utiliza o método Q 00:19:08
e utiliza as herramientas seguidas 00:19:10
isto non vai estar prodecionado 00:19:11
pero todo o tempo sabes 00:19:13
que nos están utilizando diferentes datos 00:19:15
pero con o mesmo método de análisis 00:19:17
e con as mesmas herramientas 00:19:19
e tal, entón, al final, isto te dá unha correlación 00:19:21
aunque sean experimentos onde a gente non se ha visto 00:19:23
Bueno, esto es para consola general 00:19:25
Solo para justificar 00:19:28
Que el cuadrado no necesariamente 00:19:30
Tiene que ser muy pequeño 00:19:32
Que a veces uno busca que los ajustes 00:19:33
Les salgan pequeños 00:19:36
Esto es fácil de calcular incluso a mano 00:19:38
Podemos hacer el ejercicio 00:19:40
Y uno lo puede hacer 00:19:41
Podéis hacerlo en una hoja Excel 00:19:42
En casa, por ejemplo 00:19:46
Voy a coger varias medidas 00:19:48
A ojo 00:19:50
Y esas medidas, pues voy a poner que tengo 00:19:52
Cinco medidas 00:19:54
Que se parezcan a 10 más o menos 00:19:55
10, 7, 9 00:19:57
14 y 11 00:19:59
Me voy a suponer que son medidas de cósmicos 00:20:01
En 10 segundos 00:20:04
Y entonces me calculo el pi cuadrado 00:20:05
Como el error es la raíz cuadrada del número 00:20:07
Es muy fácil, porque es 10 00:20:09
Y entonces el valor medio 00:20:10
También, porque es 00:20:13
Sumar y dividir por 5 00:20:14
Y entonces puedo calcularme este pi cuadrado 00:20:16
Cuando comparo con el valor medio 00:20:19
Me saldrá un 1 00:20:22
Pero decís 00:20:24
Bueno, pero si quiero calcular 00:20:27
Con la recta a la alza 00:20:29
Claro, ya no tengo que comparar 00:20:32
M con M medio 00:20:34
Si tengo que comparar M con lo que me dice la función a la alza 00:20:35
Que no es el valor medio 00:20:38
Me dirá lo que sea 00:20:38
Aquí la función a la alza me dice esto 00:20:40
Aquí me dice esto 00:20:43
Aquí me dice esto 00:20:44
Como esta recta es de la forma 00:20:45
Más B 00:20:51
x este es igual a x 00:20:52
y esto es igual a y 00:20:55
pues para cada valor de x 00:20:56
yo voy a tener un valor de 00:21:01
o sea, para unha recta 00:21:02
que me voy a inventar 00:21:05
que inventas a y que inventas b 00:21:06
y ves que te sale ficoado 00:21:07
y te sale muy 00:21:09
que en realidad sale mucho mayor que 1 00:21:10
este método 00:21:14
que ya os estoy contando 00:21:16
un orden diferente que otras veces 00:21:18
es el que nosotros utilizamos 00:21:19
vamos en serio 00:21:20
no tomamos en serio 00:21:26
la hipótesis de que el flujo vaya cambiando 00:21:29
vaya aumentando siempre como hace la curva A 00:21:31
pero si podemos hacer otro tipo de test 00:21:34
que es lo que vosotros vais a hacer 00:21:36
o que vosotros vais a hacer claramente 00:21:38
voy a borrar unas cuantas cosas 00:21:39
y voy a hacerlo con un poquito más de tarde 00:21:41
y incluso podemos 00:21:43
aumentar los números igual con la calculadora 00:21:46
del móvil 00:21:48
entonces voy a reciclar este gráfico 00:21:48
esto de momento 00:21:55
lo puedo dejar aquí 00:21:57
Y vamos a ver como se hacen estas cosas 00:21:59
Esto se podría hacerlo 00:22:02
Podría hacerlo con los datos de los otros 00:22:03
Bueno, pues 00:22:06
Yo tengo estos datos que me he inventado 00:22:10
Voy a sacar con vuestra ayuda 00:22:12
El valor medio 00:22:16
Aquí son 10 00:22:17
9 más 11 son 20 00:22:19
10, 30, 40, 44 00:22:21
Y 7 00:22:24
51, si no me equivoco 00:22:25
Voy a poner aquí un 13 00:22:28
Me sale 50 00:22:31
Entre 5 a 10 00:22:32
Bueno, como quiero tener cosas un poco extremas 00:22:34
Voy a poner aquí un 14 00:22:38
Y aquí un 8 00:22:40
¿Vale? 00:22:43
Si no todo ajusta ahí y tal 00:22:45
Entonces aquí el valor medio 00:22:48
De esto 00:22:50
El n medio 00:22:51
Es 10 00:22:54
Pero eso es trampa, digamos 00:22:56
Vamos a ver como lo haríamos realmente 00:23:00
Como se hace un experimento 00:23:02
Cando hai que hacer unha medida de algo 00:23:03
E non quero hacer unha simple media 00:23:04
Entón, bueno 00:23:08
Eu non me apitar aquí de momento 00:23:10
A recta 00:23:12
Sei que o sistema de inventos é 10 00:23:13
Aqui tengo 10 00:23:15
Os errores podes poner aproximados 00:23:17
E son igual 00:23:20
Se poden hacer de forma esa 00:23:21
Este sale 10, este sale 7 00:23:23
Este sale 8 00:23:26
Este sale 14 00:23:27
E este sale 00:23:29
Entón 00:23:30
Imaginad 00:23:32
Isto non é que tenga sentido 00:23:36
Porque se hace de outra forma 00:23:39
Pero vamos a facer este método 00:23:40
Para calcular qual é o valor do fluxo 00:23:42
Que é máis compatível 00:23:45
Con esa distribución de datos 00:23:46
E vamos a facerlo 00:23:48
Utilizando o método del cuadrado 00:23:51
E desde que voy a borrar 00:23:53
Unas cuadradas que tenen 00:23:55
bueno, pues 00:24:03
yo hago la suma y digo 00:24:18
como yo ya sabía que el flujo 00:24:19
va a ser uniforme, ya lo digo 00:24:22
lo que puedo hacer es comparar eso con varias hipótesis 00:24:24
una hipótesis es que sea 00:24:26
un cierto valor 00:24:28
vale, otra hipótesis 00:24:29
es que sea 10, puede ser que sea 9 00:24:32
puede ser que sea 00:24:34
puede ser que sea 12 00:24:37
8, entonces 00:24:39
Para cada unha desa hipótesis 00:24:41
Isto é un ejercicio para a casa 00:24:43
Que é simplemente para familiarizarse con o método 00:24:45
Vou a calcular el pi cuadrado 00:24:47
Entón, empezo con el 12 00:24:49
E o que vou facer é dibujar aquí 00:24:50
Un gráfico que non soube facer 00:24:52
Que é 00:24:55
Aqui é o valor do número de moles 00:24:55
Que vou chamar M 00:24:59
Que en realidad é unha hipótesis 00:25:00
Este é o valor medio de M 00:25:04
Que non estou inventando 00:25:06
A ver se é o bueno ou non é o bueno 00:25:07
Pero non é o metido 00:25:08
e aquí pongo 00:25:12
el pi cuadrado este normalizado 00:25:15
que he puesto 00:25:17
entonces, bueno, voy a poner aquí 00:25:18
10, 11 00:25:21
y 8 00:25:26
entonces vamos a empezar con el de 8 00:25:28
vamos a suponer que el error de todas estas cosas es 3 00:25:33
lo voy a sacar factor común 00:25:37
al error 00:25:39
que es raíz de 3 al cuadrado que es 3 00:25:41
Luego ya sé que aquí cuadrado va a ser 00:25:43
Es un quinto 00:25:45
Con un tercio 00:25:49
Y luego voy a hacer esta suma 00:25:50
Entonces el primero es 00:25:54
Como estoy viendo 8 00:25:56
10 menos 8 sale 2 00:25:57
7 menos 8 00:25:59
Menos 1 00:26:03
Pero va a poner que vale 1 00:26:04
Porque como va cuadrado 00:26:06
Pues por 2, 4 00:26:07
8 menos 8 es 0 00:26:09
14 menos 8, 6 00:26:11
6 al cuadrado, 36 00:26:13
Y el último, 11 menos 8, 3 por 3, 9 00:26:15
Y ahora la suma 00:26:20
40, 50 00:26:22
50 partido por 5, 10 00:26:24
10 entre 3, a 3 y pico 00:26:27
Por esto va a salir 10 y pico 00:26:30
10, 5, 1 00:26:32
Para poner un puntito 00:26:35
nada 00:26:39
bueno, vamos a hacer lo mismo 00:26:41
porque me ha salto el 10, no? 00:26:43
50 entre 5 es 10 00:26:47
ah, no, bueno, 10 entre 3 00:26:48
queda 3 y pico 00:26:50
bien, buena observación 00:26:50
esto es 00:26:52
3, 2, 1 00:26:54
y esto es 3 y pico 00:26:58
perdón, gracias 00:26:59
me queda ahí con el 10, atascado 00:27:01
vamos a ver el siguiente, con 9 00:27:03
pues con 9 sería 00:27:05
Pero podes ir dicendo 00:27:06
10 menos 9, 1 00:27:08
6 menos 9, 2 por 2, 4 00:27:09
9 menos 8, 1 00:27:13
5, son 35 00:27:15
E logo, a de la tercera, el último 00:27:18
Pois son 5, 30, 35 00:27:25
35 entre 5, 7 00:27:30
7 entre 3, sale a 2, 5 00:27:33
Bueno, pues el siguiente 00:27:35
me sale 2,5 00:27:37
vamos a hacerlo con el 10 00:27:41
y tiene que dar 0 00:27:46
3 por 3, 9 00:27:48
sin 4 00:27:54
el 14 queda 16 00:27:56
y el 11 queda 1 00:28:00
vale? 00:28:04
20 y 10, 30 00:28:05
23 a 10 00:28:09
me quedan 2 exactamente 00:28:11
los otros dos 00:28:13
como son simétricos 00:28:20
seguramente van a salir cosas parecidas 00:28:22
para hacer todas las cosas 00:28:24
hasta aquí 00:28:25
y esto aquí 00:28:27
Autor/es:
Pablo García Abia
Subido por:
Cie madrid
Licencia:
Reconocimiento - No comercial - Sin obra derivada
Visualizaciones:
74
Fecha:
6 de febrero de 2019 - 1:46
Visibilidad:
Público
Centro:
C RECURSOS CENTRO DE FORMACIÓN PARA INTERCAMBIOS INTERNACIONALES
Duración:
28′ 31″
Relación de aspecto:
1.78:1
Resolución:
1280x720 píxeles
Tamaño:
617.62 MBytes

Del mismo autor…

Ver más del mismo autor

EducaMadrid, Plataforma Educativa de la Comunidad de Madrid

Plataforma Educativa EducaMadrid