Búsqueda · 20 momentos en 13 episodios
Juan Carlos GilHéctor SocasJosé Alberto RubiñoFrancis Villatoroajuste datos mejora tres sigmasmodelo ocho parámetros anomalía ccmbdesifive combinación cuatro sigmasparámetros fluctuando sin consistenciaDesiFiveCMBFrancis VillatoroHéctor Socas
Ajuste datos mejora Tres sigmas
Con
0:000:301:001:302:002:303:003:31
Francis Villatoro argumenta que la importancia no radica en las diferencias entre las mediciones, sino en cómo el ajuste a los datos mejora al usar parámetros adicionales.
…para llegar hasta aquí. Si es verdad que este tiene mucho error y si lo miras al revés, claro, es que tienes que mirar los dos, claro. El 1.72 que hay un baile de números que te está indicando de que esto tiene tanto ruido que este baile es completamente... Sí, pero a ver, creo que es importante que el tema no es que las medidas sean diferentes. Que si cuando tú ajustas y obtienes un mejor ajuste a casi tres sigmas usando dos parámetros adicionales, que depende de si combinas, por ejemplo, con DesiFive, llegas casi a cuatro sigmas. De mejor acuerdo respecto a la anomalía respecto al CMB es de unas cuatro sismas cuando coges el modelo de ocho parámetros en lugar del de seis. Pero sus parámetros, sus números, están fluctuando una barbaridad. Cuando fluctúan tanto, no hay ningún tipo de consistencia y coherencia en estos números. Cuando tú los miras todos, tú dices: No, pero bueno, yo es que hay muchos que no me gustan. Pues olvido que existen y solo me planteo alguno de ellos, el que me conviene. Si tú eliges el que te conviene, maravilloso; pero no puedes elegir el que te conviene…
Significado #1 · Palabras #1
Héctor Socas explica que la calidad del ajuste de los datos depende de cómo se haya parametrizado el modelo cosmológico.
Habla: Héctor SocasSignificado #2 · Palabras #2incertidumbre por debajo líneamodelo actual alejado sigmasajuste modelos cosmológicos héctor socasparametrización modelo cosmológicosigmas de confianza modeloajuste datos modeloajuste paramétrico modelos cosmológicosajuste no paramétrico datos papermodelo cosmológico héctor socasajuste paramétrico y no paramétricocirculitos con barras de error gigantescasdatos en ajuste paramétrico héctor socas…la variación sería la que vemos en esta curva, que como vemos no es una gran variación, es una variación relativamente modesta, pasa de valer menos 1 ,5 hace 10.000 millones de años a menos 0 ,7 en la actualidad, cruzando el menos 1 prácticamente en Z a 0,45. Entonces, esto es lo que obtienes cuando tú haces ese ajuste con esos dos parámetros: te da cuál es el mejor modelo que ajusta a eso. Y claro, cuando lo pones así con la barra de error, yo he visto en algunos sitios que dicen fíjense que la incertidumbre está muy por debajo de la línea, o sea, está muy separada del modelo actual; está muy lejos el número de sigmas. Esta región sombreada que vemos en la gráfica sería uno sigma, dos sigma y está bastante lejos del valor del modelo con constante cosmológica. Pero claro, eso es por cómo tú has elegido la parametrización. Si tú quieres ajustar los datos que hay con ese modelo en concreto, pues la mejor forma de ajustarlo es con esa línea. Entonces hay que tener un poco de cuidado con qué significan los sigmas de confianza en ese modelo; te estás casando con un modelo que tiene ese ajuste a la ecuación de estado. Entonces dentro de ese modelo, ese es el mejor resultado con esa confianza. Si vemos los datos, que es otra cosa buena que hace en este paper, hacen el ajuste paramétrico y no paramétrico. Paramétrico es eso, que tú te casas con un modelo y no paramétrico es decir, bueno, yo no sé cuál es el modelo, voy a poner los datos y a Ver qué pinta tienen, ¿no? Y entonces cuando pones los datos, pues lo que vemos aquí en estos circulitos con estas barras de error tan gigantescas. Cuando pones los datos realmente dices: ojo, yo puedo aquí con estas barras de error decir que esto no es una línea horizontal, sino que es una curva con esta forma. Son muy grandes esas barras de error que en realidad nos hablan de la dispersión de todo lo que hay dentro de cada punto de eso; son un conjunto de muchísimos cientos de miles de datos, incluso que millones en algún caso. No lo sé, pero son muchísimos datos y…
Francis Villatoro argumenta que los análisis cosmológicos a menudo ocultan el uso de parámetros adicionales, lo que influye en las conclusiones sobre la significancia estadística de los resultados.
Habla: Francis VillatoroPalabras #6análisis cosmológicos parámetros adicionalessignificancia estadística resultados francis villatoromodelo tantos parámetros desy energía oscura…parámetros cosmológicos que tú no puedes medir porque tú no puedes observar y tienes que meter algunos parámetros del presente astrofísicos que tú tampoco puedes medir y puedes observar. Ahí hay parámetros que tú estás metiendo en el análisis por lo vagini. O sea, tú lo estás metiendo debajo, debajo de la alfombra. ¿Tú no estás explicitando que además de los ocho parámetros con los que tú ajustas hay parámetros adicionales que tú has tomado valores más o menos razonables para dichos parámetros porque has tomado esos parámetros de datos? Entonces cuando tú haces unas combinaciones de tres conjuntos de datos y además ajustas ocho parámetros, en realidad tú estás usando más de ocho parámetros. Entonces tú no puedes decir tres sigmas con un modelo de tantos parámetros; es lo mismo que cuando tienes poquitos parámetros. Yo, en ese sentido, creo que exagerar lo que estamos viendo en estas en estas aquí se está exagerando porque claro hay que vender DESY como que ve evolución dinámica de la energía oscura. ¿Por qué para eso sabe el proyecto? El proyecto está para ver evolución dinámica, pero claro, está todo muy forzado. Lo que se ve es algo tan en el borde de lo que no hay nada a ver algo que realmente es muy discutible si fuera robusto y lo que tuvieras con…
Francis Villatoro argumenta que la importancia no radica en las diferencias entre las mediciones, sino en cómo el ajuste a los datos mejora al usar parámetros adicionales.
Habla: Francis VillatoroSignificado #1 · Palabras #1ajuste datos mejora tres sigmasmodelo ocho parámetros anomalía ccmbdesifive combinación cuatro sigmasparámetros fluctuando sin consistencia…para llegar hasta aquí. Si es verdad que este tiene mucho error y si lo miras al revés, claro, es que tienes que mirar los dos, claro. El 1.72 que hay un baile de números que te está indicando de que esto tiene tanto ruido que este baile es completamente... Sí, pero a ver, creo que es importante que el tema no es que las medidas sean diferentes. Que si cuando tú ajustas y obtienes un mejor ajuste a casi tres sigmas usando dos parámetros adicionales, que depende de si combinas, por ejemplo, con DesiFive, llegas casi a cuatro sigmas. De mejor acuerdo respecto a la anomalía respecto al CMB es de unas cuatro sismas cuando coges el modelo de ocho parámetros en lugar del de seis. Pero sus parámetros, sus números, están fluctuando una barbaridad. Cuando fluctúan tanto, no hay ningún tipo de consistencia y coherencia en estos números. Cuando tú los miras todos, tú dices: No, pero bueno, yo es que hay muchos que no me gustan. Pues olvido que existen y solo me planteo alguno de ellos, el que me conviene. Si tú eliges el que te conviene, maravilloso; pero no puedes elegir el que te conviene…
Héctor Socas reflexiona sobre la necesidad de parametrizaciones adicionales en modelos cosmológicos, explicando por qué un ajuste inicial de -1 no es suficiente para explicar las discrepancias observadas en los datos.
Habla: Héctor SocasPalabras #11ajuste wv menos unodiscrepancias datos modeloparametrización adicional modelos cosmológicosgrieta del modelo lambda…era simplemente esto. Precisamente esta línea de degeneración, cuando uno explora el espacio de parámetro Wawa, que decías antes, cae sobre esa línea que produce el espejismo de que cuando tú intentas hacer una ecuación de estado efectiva, ves un menos uno. Pero no olvidemos que al final tienes que hacer eso, esa parametrización adicional, porque cuando dejas ajustar el WV el mejor ajuste es el de menos uno, pero el problema surge porque eso no te es suficiente, porque empieza a haber discrepancias de los datos con ese modelo entonces eso te hace pensar que aunque el mejor ajuste sea menos uno, no es suficiente, no es suficientemente bueno y por eso tienes que buscar parámetros adicionales en este caso, pero si es verdad que quizás no son los parámetros correctos entonces evidentemente a lo mejor está por otro sitio la grieta del modelo y estamos pensando que está en la lambda y realmente es por otro lado porque está fallando lo que hace que haya discrepancia y nosotros lo estamos escribiendo a la lambda y claro, al meter más parámetros evidentemente va a mejorar el ajuste, claro, porque eso tiene que ser así. Es interesante, es un problema interesante, bueno, vamos a ver qué tal. Yo sí creo que DESY por sí mismo debería ser capaz de detectar una variación en la escala de la oscilación acústica variante, o sea, que debería detectar una variación en la energía…