Búsqueda · 30 momentos en 19 episodios
Borja TosarFrancis VillatoroHéctor SocasIsabel Corderopromedio diario comparación árbol subfósilbandas de error meses héctores explicacióncurva valores cada día promediomodelo socol 14cex ajustebandas de error figura 2fase crecimiento vegetación marzoerror anual entre enero abrilfigura 2Héctor Socasmodelo Socol 14CEXFrancis VillatoroYouTubeAtlasCMS
Bandas de error meses héctores explicación
Con
0:000:301:001:302:002:303:003:22
Héctor Socas explica que las bandas de error mostradas en la figura 2 son significativas, cubriendo varios años y afectando a la precisión del ajuste realizado en el modelo Socol 14CEX.
…en la figura 2 lo que vemos es el ajuste del modelo con unos parámetros determinados, que son los que mejor ajustan a los datos: los que vemos como la abundancia de radiocarbono en el árbol; pues efectivamente tiene una subida y luego va gradualmente bajando. Para quienes no hayan visto la figura, en la figura 1, ¿qué son esos 7 años que acaba de comentar Héctor? Y lo digo también para los oyentes que no están viendo el YouTube. Las bandas de error en meses son de 6 meses. Es decir, el primer año. No, Francis, eso es lo que promedian. Eso es como sacan de la curva, que es la... la curva tiene valores cada día. Ah, valor promedio, vale, vale, es a 6 meses, ok. Tiene valores cada día, y tienes que sacar de ahí un promedio para comparar con los datos. Entonces, esa barra roja, lo que es el promedio que están, o sea, el intervalo que están promediando, porque es cuando crece la vegetación, que si te das cuenta es en mitad del año, la primavera y el verano. Ok, y en la figura 2, las bandas de error, que también son enormes, cubren varios años. Esos son los reales, sí. Es que, ya digo, ajustamos todo a 12.350 en marzo, y después resulta que tienes unas bandas de error en la figura que dices: joder, son bandas de error enormes. Claro, lo curioso es que el 12350 puede ser año arriba, año abajo; a lo mejor era marzo de 2351 o 2359, pero era marzo, porque el que sea marzo tiene que ver con la fase de crecimiento de la vegetación, o sea, cuando digo marzo hay la barra de errores entre enero y abril, más probable en marzo, pero la barra de errores entre enero y abril. Pero fue, no sabemos si es un año arriba o un año abajo, pero entre enero y abril. En la época del año, en la que crecían los árboles, en esa época. Exacto, que ahora sería marzo. No, no en la que crecía; lo que te saca el modelo es que es antes, o sea, el crecimiento es primavera-verano. Y esto es entre enero y abril, o sea, es antes…
Significado #1 · Palabras #1
Héctor Socas explica que las bandas de error mostradas en la figura 2 son significativas, cubriendo varios años y afectando a la precisión del ajuste realizado en el modelo Socol 14CEX.
Habla: Héctor SocasSignificado #1 · Palabras #1promedio diario comparación árbol subfósilbandas de error meses héctores explicacióncurva valores cada día promediomodelo socol 14cex ajustebandas de error figura 2fase crecimiento vegetación marzoerror anual entre enero abril…en la figura 2 lo que vemos es el ajuste del modelo con unos parámetros determinados, que son los que mejor ajustan a los datos: los que vemos como la abundancia de radiocarbono en el árbol; pues efectivamente tiene una subida y luego va gradualmente bajando. Para quienes no hayan visto la figura, en la figura 1, ¿qué son esos 7 años que acaba de comentar Héctor? Y lo digo también para los oyentes que no están viendo el YouTube. Las bandas de error en meses son de 6 meses. Es decir, el primer año. No, Francis, eso es lo que promedian. Eso es como sacan de la curva, que es la... la curva tiene valores cada día. Ah, valor promedio, vale, vale, es a 6 meses, ok. Tiene valores cada día, y tienes que sacar de ahí un promedio para comparar con los datos. Entonces, esa barra roja, lo que es el promedio que están, o sea, el intervalo que están promediando, porque es cuando crece la vegetación, que si te das cuenta es en mitad del año, la primavera y el verano. Ok, y en la figura 2, las bandas de error, que también son enormes, cubren varios años. Esos son los reales, sí. Es que, ya digo, ajustamos todo a 12.350 en marzo, y después resulta que tienes unas bandas de error en la figura que dices: joder, son bandas de error enormes. Claro, lo curioso es que el 12350 puede ser año arriba, año abajo; a lo mejor era marzo de 2351 o 2359, pero era marzo, porque el que sea marzo tiene que ver con la fase de crecimiento de la vegetación, o sea, cuando digo marzo hay la barra de errores entre enero y abril, más probable en marzo, pero la barra de errores entre enero y abril. Pero fue, no sabemos si es un año arriba o un año abajo, pero entre enero y abril. En la época del año, en la que crecían los árboles, en esa época. Exacto, que ahora sería marzo. No, no en la que crecía; lo que te saca el modelo es que es antes, o sea, el crecimiento es primavera-verano. Y esto es entre enero y abril, o sea, es antes…
Francis Villatoro describe la precisión del experimento, destacando que el error sistemático (0.91) es similar al error estadístico (114), lo que resulta en un error final de medida de 127 partes por millardo.
Habla: Francis VillatoroPalabras #12error sistemático similar error estadísticoexperimento con error final 127 partes por millardocontrol sistemáticos clave en experimentoequipo investigador menor que atlas cms…son muy técnicos y tienen muchísimos datos; hay mucha estadística; ha habido en el primer RAM, pues fue como de prueba para ver cómo funcionaba. En el RAM 2 y 3 se hicieron algunas pequeñas mejoras, pero se hicieron grandes mejoras entre el RAM 3 y el RAM 4. Hubo unos meses en los que se mejoró muchísimo, sobre todo la estimación. Los sistemáticos; esta nueva medida experimental tiene un error sistemático muy parecido al error estadístico. El error estadístico es de 114 y el error sistemático es de 0,91. Esos combinados nos dan un error final de medida de 127 partes por millardo. Estamos hablando de una medida muy, muy precisa en ambos sentidos, ¿no? Se conoce ya muy, muy bien este experimento y se controla muy bien los sistemáticos que es clave, ¿no? Y es un trabajo de un equipo que no es muy grande; no estamos hablando de, no es el Atlas o CMS que son miles de investigadores, estamos hablando de unos menos de 100 investigadores los que han sido necesarios para este experimento, pero aún así es un experimento muy, muy interesante y en su momento era muy, muy prometedor. A ver, para mí el mérito de este instrumento también está hilado un poco con el problema que yo veo con todo esto, que es que cuando la predicción teórica es tan complicada, que de hecho cuando empiezas el experimento no tienes una predicción teórica clara, y esto creo que es un problema, no sé, esto es una…