Posts Tagged ‘Matemáticas’

Cálculos

Tuesday, July 7th, 2009

Cálculo del punto de rocío

El punto de rocio es la temperatura a la que empieza condensarse el vapor de agua contenido en el aire, produciendo, rocío, neblina o, en el caso de que la temperatura sea lo suficientemente baja, escarcha.
Generalmente el rocío se produce cuando no hay radiación solar, al anochecer, en la noche o al amanecer, también puede producirse después de una tormenta, generalmente en verano.

Para una masa dada de aire, con una determinada cantidad de vapor de agua (humedad absoluta), la humedad relativa es la proporción de vapor contenida en relación a la necesaria para llegar al punto de saturación, expresada en porcentaje. Cuando el aire se satura (humedad relativa = 100%) se alcanza el punto de rocío.

Para calcular el punto de rocío se utiliza la siguiente fórmula:

Donde:

Pr = Punto de rocío
T = temperatura en ºCelsius
H = humedad relativa

El aumento de la humedad del aire puede producirse por alguno de los dos fenómenos siguientes:

  • Por disminución de la temperatura ambiental
  • Por aumento de la cantidad de agua en el ambiente

El primero de los fenómenos se relaciona con el concepto de temperatura de rocío. Si se mantiene la cantidad de agua del ambiente constante y se disminuye la temperatura llega un momento en que se alcanza una humedad relativa del 100%. En este momento hemos alcanzado el punto de rocío y su temperatura la temperatura de rocío. Esto es justamente lo que ocurre en las madrugadas de invierno. La temperatura desciende tanto que llega al punto de rocío, en ese momento la humedad relativa del 100% hace que el agua se condense en las superficies.

De todas formas es frecuente que el agua se condense antes de que se alcance el punto de rocío, eso es debido a la existencia en la atmósfera de ciertas partículas flotantes (aerosoles) que actúan de núcleos higroscópicos y fuerzan la condensación.

El punto de rocío es una magnitud complicada de calcular y depende de muchas variables; normalmente se notifica este valor en los pronósticos extendidos y al ver cuál es la proximidad entre este valor y la temperatura ambiental, se podrá saber si habrá niebla o precipitaciones.

Calculo de la raiz enésima

Dado que la runtime de C no proporciona raices de cualquier grado, podemos optar por dos alternativas:

a) Usar métodos numéricos (newton-raphson, por ejemplo)

b) Usar logaritmos

c) Usar pow(x,1/N)

Dado que la C runtime si que cuenta con funcion para calcular logaritmos y pow no funciona con exponentes que no sean enteros,me parece más sencillito usar este método, así tenemos:

Propiedades de los logaritmos:

log(a*b) = log a + log b

log(a/b) = log a - log b

log(a^n) = n * log a

log (raiz enesima(p)) = log p/n = 1/n*log(p)

Con esta última propiedad podemos hacer los siguiente para calcular la raiz octava:

x = raiz_octava(N), aplicamos logaritmos:

log x = log (raiz_octava(N))

log x = 1/8 log(N)
log x = y

x = antilog(y)

El antilogaritmo de un número es 10 elevado a ese número.

Regresión lineal

Wednesday, July 1st, 2009

Se trata de, partiendo de una serie de datos que forman una nube de puntos, encontrar una recta que represente a todos esos puntos. De esta forma podremos estimar como evolucionará una variable determinada.

Por ejemplo: Supongamos los siguientes datos que recogen 33 meses de datos que relacionan la distancia recorrida por unos autobuses con su coste de mantenimiento:

gráfica distancia-coset

gráfica distancia-coste

Si nos interesa extrapolar para ver como evolucionará el coste debemos encontrar una fórumula que nos permita calcular futuros valores.
Esta formula es, en este caso, la de una recta. Se dice que ajustamos los puntos a esta recta de regresión.
Esto no será siempre posible, cuando la correlación lineal tienda a cero significará que los puntos no se parecen ni de coña a una recta y si tiene a uno significará que se puede ajustar bastante bien a una recta.

Calculo de la correlación lineal

La correlación lineal mide la relación lineal entre dos variables. El cálculo del coeficiente de correlación lineal se realiza dividiendo la covarianza por el producto de las desviaciones estándar de ambas variables:

correlacion_linealDonde:

Sigma(x,y) = Covarianza de x e y
Sigma(x) = Desviacion típica de las distribucion marginal
Sigma(y) = Desviacion típica de las distribucion marginal

El valor del índice de correlación varía en el intervalo

[-1, +1]

* Si r = 0, no existe relación lineal.

  • Si r = 1, existe una correlación positiva perfecta.
  • Si 0 < r < 1, existe una correlación positiva.
  • Si r = -1, existe una correlación negativa perfecta.
  • Si -1 < r < 0, existe una correlación negativa.

Calculo de la covarianza

La covarianza la calculamos mediante la siguiente formula:

covarianzaO lo que es lo mismo: !covarianza_rapida.png!Esta última fórmula es más rápida de ejecutar.

Calculo de la desviación típica

La desviación estándar (o desviación típica) es una medida que informa de la media de distancias que tienen los datos respecto de su media aritmética, expresada en las mismas unidades que la variable.
La calcularemos con la siguiente fórmula:

desviacion_tipica

Calculo de la varianza

La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media de una distribución estadística.

varianza_muestral

La implementación

Calcularemos una recta del tipo: y = mx + b

La pendiente “m” se calculará así:

m = (Sumatorio(x*y) - (Media(y) * Sumatorio(x))) / (Sumatorio(x^2) - (Media(x) * Sumatorio(x)))

El coeficiente b:

b = Media(y) - (m*Media(x))

Cálculo de la componente transversal del viento

Wednesday, June 10th, 2009

De nuevo las mates hacen acto de presencia en el proyecto actual, en esta ocasión para calcular la componente transversal del viento en la carretera.

Los vehículos son muy sensibles al viento lateral. Los efectos de este se hacen notar al cruzar bajo un puente, salir de un túnel, transitar junto a edificios aislados, abandonar el cobijo de un bosque o efectuar adelantamientos a camiones voluminosos. Ademas, a medida que aumenta la velocidad del vehículo el efecto del viento lateral sobre él es más peligroso, de forma que aumenta el riesgo de vuelco.

Lo que trataremos de hacer será detectar cuando la componente transversal del viento respecto a la carretera es lo suficientemente fuerte como para recomendar a los vehículos que reduzcan la velocidad.

Este cálculo se reduce a una serie de sencillas operaciones trigonométricas que vamos a comentar ahora.

Como datos de partida contaremos con la velocidad del viento (en Km/h), la dirección de este (en grados respecto al norte, considerando el Norte como cero grados), y por último tenemos que la carretera también tendrá una orientación medida en grados norte.

Visto esto, y para simplificar cálculos vamos a considerar que la orientación de la carretera siempre la podremos acotar entre 0º y 180º dado que para valores superiores basta con restar 180 y tenemos un tramo de carretera equivalente.

En cuanto al viento, podemos hacer lo mismo, es decir, cuando sea mayor de 180 restar 180 y obtenemos un equivalente pero acotado entre 0 y 180º.

De esta forma solo nos queda calcular la componente transversal y para ello procederemos de la siguiente forma:

a) Calcular el tramo de carretera entre 0 y 180

b) Calcular el viento entre 0 y 180

c) Calcular el angulo del viento con respecto a la carretera

c) Aplicar trigonometría para obtener la componente transversal

El siguiente diagrama aclara un poco mejor el asunto:

Cálculo de la componente transversal

Cálculo de la componente transversal

El alisado exponencial

Tuesday, June 9th, 2009

Ultimamente el curro me esta obligando a desempolvar apuntes de varias asignaturas, primero fueron las bases de datos ahora tocan las mates, en este caso el alisado o suavizado exponencial.

La idea

Normalmente al recoger una serie de datos a lo largo del tiempo estos forman una gráfica más o menos cambiante. Generalmente tendremos una serie de cumbres y valles en la gráfica.

Suele ser interesante calcular la tendencia de esta gráfica, es decir, por donde van los tiros, si tiende a subir, bajar o mantenerse. Esto es interesante para saber como va a evolucionar un fenómeno.

El caso es que queremos calcular la tendencia despreciando los otros factores (si es que se dan) como pueden ser la variación estacional,la variación cíclica y la variación accidental. En nuestro campo de interes (informática, electrónica) esto puede ser simplemente ruido que queremos descartar para ver claro la evolución de una magnitud.

El alisado exponencial es uno de los medios para calcular esa tendencia que buscamos.

La implementación

El alisado exponencial utiliza ponderaciones y combinación lineal de todas las observaciones de la serie pero con la particularidad de que la ponderación decrece conforme nos alejamos del origen. Esto hace que este método esté especialmente diseñado para la predicción.

Esto tiene aplicación, por ejemplo, en tráfico. Supongamos que debemos averiguar si un carril de carretera va a seguir ocupado o no. Podemos recoger datos en un intervalo de tiempo dado y obtener la tendencia con este método.

La implementación está tirada:
Y t = ay t + (1 - a)Y t-1

Donde:
a = Constante de suavizado (0 < a < 1)

Y = Valor alisado

y = valor sin alisar

Eso si, hay que empezar con algún valor inicial para el alisado, diremos que Y 0 = y 0. Y a partir de aquí podremos hacer Y 1 = ay 1 + (1-a)Y 0.

Hace falta tener cuidado al seleccionar el valor de “a”. Si elegimos un valor próximo a 1 la serie original y suavizada son casi las mismas, por el contrario si elegimos un valor próximo a cero se eliminan todos las crestas en la serie pero puede resultar excesivo al perder demasiada información.

El método del alisado exponencial es útil también para realizar predicciones. Así, si la última observación fue la de la etapa n, el pronóstico para n+1 será el valor Y t