Búsqueda · 25 momentos en 16 episodios
María RibesIgnacio CrespoJuan Carlos GilFrancis VillatoroHéctor Socashipótesis molona estrella tabby boyajianmodelo cataclísmico parámetros libresperiodo principal hipótesis alderaanprior periodo estrella tabby boyajiandistribución uniforme entre 120 díasobservaciones kepler periodicidades brevesperiodos largos kepler diez añoshipótesis Molonahipótesis AlderaanHéctor SocasTabby BoyajianChatGPTKeplerestrella Tabby Boyajianfactor de BayesMadurga FavieresDavid KippingFrancis Villatoro
Hipótesis Molona
Ep567: Intercambio Americano; Diversidad Lingüística; Time Crystals; Tabby
20 de agosto de 20263 momentos
Con
0:000:301:001:302:002:303:003:25
Héctor Socas introduce la hipótesis Molona, también conocida como la hipótesis Alderaan, para explicar los eventos observados en la estrella Tabby Boyajian.
…de ahí tienes que buscarte en la literatura las ventanas de observación cuando los diferentes programas han estado observando y tal, y meter eso en el programa, y esa es la parte un poco más pesada de este trabajo. Pero bueno, más o menos se puede hacer. Y luego tenemos la hipótesis Molona, que la hipótesis Molona es la mía, la que les acabo de contar. La hipótesis Alderaan. Ha habido una disrupción cataclísmica y tenemos un modelo en el cual hay un periodo principal que se va repitiendo; o sea, el modelo tiene dos parámetros: un parámetro es el periodo principal, dos parámetros libres, el periodo en el que se van repitiendo y otro parámetro es cómo se dispersan los fragmentos, a qué velocidad se dispersan. Entonces, con ese modelo, esos dos parámetros solamente, no es una simulación pero es un ajuste; no es realmente un ajuste. Haces un, con el método bayesiano digamos que explora el espacio de parámetros de esos dos tienes que poner un prior. Yo puse en ambos casos el mismo prior, un prior no informado, que en el caso de la hipótesis molona es que el periodo puede ser cualquier cosa, una distribución uniforme entre 120 días y 1200 días, por ser un poco generoso porque periodos muy breves no pueden ser porque en Kepler habrían aparecido esas periodicidades. Kepler estuvo observando cuatro años, y más de 1200 días ya son periodos demasiado largos; 1200 días son como 3 años, 4 años casi, que ya es demasiado largo y no podrías verlo en estas series de datos que tenemos 10 años de observaciones. Y sin embargo para la fragmentación, cómo se separan las familias; ahí le pongo un prior uniforme pero lo que hablábamos antes, log normal, o sea en escala logarítmica. Bueno, log normal no, perdón, es uniforme; es uniforme en logaritmo, log uniforme, o sea…
Significado #2 · Palabras #1
Héctor Socas describe su proceso para analizar los datos observados en la estrella Tabby Boyajian, utilizando una hipótesis bayesiana y el apoyo de ChatGPT para generar código.
Habla: Héctor SocasPalabras #3hipótesis bayesiana estrella tabby boyajianchatgpt para código hipótesis bayesianaiteración código chatgpt estrella boyajiancontraste de hipótesis factor bayesprobabilidad datos observados modelo madurga faviereshipótesis nula artículo madurga favieres…algo, ¿no? Para ver, porque yo, claro, lo que uno piensa es todo esto es para idolia mía; es una película que me estoy montando y es todo casualidad, o no. Entonces, ¿cuál es la forma correcta de abordar esto? Pues lo que hice con esto es un contraste de Hipótesis bayesiano, es la forma de decir: bueno, los datos que estamos viendo apoyan más la hipótesis molona que yo estoy proponiendo o esto realmente es casualidad y simplemente salió así y ya está. Entonces me lo hice y estoy muy contento; me apoyé mucho con ChatGPT para hacer los códigos y tal y es muy divertido el proceso. Bueno, luego les cuento algunas cosas porque es súper divertido ahora trabajar con ChatGPT; a veces parece que tienes un estudiante que le vas diciendo: hazme el código para esto, ahí te hace el código y vas iterando, claro lo revisas, no es lo que tú quieres pero vas iterando, vas progresando. La verdad que la experiencia me pareció mucho la de estar trabajando con un colega; realmente es muy fascinante. Pero bueno, entonces, recordemos que en qué consiste esto del contraste de hipótesis: es sacar el factor de Bayes básicamente entre dos hipótesis que tienen que estar muy bien definidas. Tienes que tener un modelo muy claro, un modelo matemático porque tienes que hacer una serie de cálculos de probabilidad con esos modelos. Lo que se trata es de calcular la probabilidad de que bajo la hipótesis que tú estás planteando salgan los datos que estás observando. Eso sería lo que es la probabilidad de obtener esos datos condicionado al modelo que estás considerando y el contraste de hipótesis es, el factor de Bayes, es hacer el cociente de la probabilidad de esos dos modelos que tú estás intentando contrastar. Entonces, necesitas una hipótesis nula, que en este caso es la de, he tomado como hipótesis nula, la hipótesis aburrida, digamos, que es la del artículo de, ahí se me fue el nombre, lo tengo apuntado aquí, de Madurga Favieres. Entonces, tomo eso como la hipótesis nula; es decir, simplemente son objetos que aparecen aleatoriamente debido a las perturbaciones orbitales de la compañera y simplemente aparecen cuando les da la gana. Eso significa que los tiempos en los que aparecen esas…
Héctor Socas introduce la hipótesis Molona, también conocida como la hipótesis Alderaan, para explicar los eventos observados en la estrella Tabby Boyajian.
Habla: Héctor SocasSignificado #2 · Palabras #1hipótesis molona estrella tabby boyajianmodelo cataclísmico parámetros libresperiodo principal hipótesis alderaanprior periodo estrella tabby boyajiandistribución uniforme entre 120 díasobservaciones kepler periodicidades brevesperiodos largos kepler diez años…de ahí tienes que buscarte en la literatura las ventanas de observación cuando los diferentes programas han estado observando y tal, y meter eso en el programa, y esa es la parte un poco más pesada de este trabajo. Pero bueno, más o menos se puede hacer. Y luego tenemos la hipótesis Molona, que la hipótesis Molona es la mía, la que les acabo de contar. La hipótesis Alderaan. Ha habido una disrupción cataclísmica y tenemos un modelo en el cual hay un periodo principal que se va repitiendo; o sea, el modelo tiene dos parámetros: un parámetro es el periodo principal, dos parámetros libres, el periodo en el que se van repitiendo y otro parámetro es cómo se dispersan los fragmentos, a qué velocidad se dispersan. Entonces, con ese modelo, esos dos parámetros solamente, no es una simulación pero es un ajuste; no es realmente un ajuste. Haces un, con el método bayesiano digamos que explora el espacio de parámetros de esos dos tienes que poner un prior. Yo puse en ambos casos el mismo prior, un prior no informado, que en el caso de la hipótesis molona es que el periodo puede ser cualquier cosa, una distribución uniforme entre 120 días y 1200 días, por ser un poco generoso porque periodos muy breves no pueden ser porque en Kepler habrían aparecido esas periodicidades. Kepler estuvo observando cuatro años, y más de 1200 días ya son periodos demasiado largos; 1200 días son como 3 años, 4 años casi, que ya es demasiado largo y no podrías verlo en estas series de datos que tenemos 10 años de observaciones. Y sin embargo para la fragmentación, cómo se separan las familias; ahí le pongo un prior uniforme pero lo que hablábamos antes, log normal, o sea en escala logarítmica. Bueno, log normal no, perdón, es uniforme; es uniforme en logaritmo, log uniforme, o sea…
Héctor Socas explica cómo la exploración de diferentes posibilidades en el análisis de datos, utilizando priors genéricos, puede afectar negativamente a la hipótesis Molona.
Habla: Héctor SocasSignificado #1 · Palabras #2priors genéricos hipótesis molonaespacio de parámetros diluye hipótesis molonafactor de vallas datos hipótesis molonafactor de valles hipótesis móvildavid kipping factor de valles sigmaexoplanetólogos factor de valles error…antes, log normal, o sea en escala logarítmica. Bueno, log normal no, perdón, es uniforme; es uniforme en logaritmo, log uniforme, o sea que no sé si tiene la misma probabilidad de que esté entre 0,1 y 0 ,2 días que esté entre 10 y 20 días, algo así. Y entonces así vamos explorando todas las posibilidades, ¿no? Estos priors son muy genéricos, eso penaliza un poco la hipótesis molona porque cuanto más espacio de parámetros explores, más se diluye, ¿sabes? O sea, cuantos más conjuntos de parámetros haya que no reproduzcan tus datos, menor es el factor de vallas que te va a dar. Pero bueno, es una forma conservadora de verlo, ¿no? Bueno, pues cuando lo hago sale el factor de Valles sale 45 a favor de la hipótesis móvil, es mucho. Y aquí voy a agarrar al artículo de David Kipping, aquel que decía: no hay que convertir el factor de Valles a sigma, el error ese, ¿te acuerdas Francis? No, no, no lo digas, no lo digas, déjalo así, es más bonito; 45 es infinito. No lo he calculado, no he calculado las sigmas que son estos, porque decía David Kipping que eso es un error que cometen los exoplanetólogos y que solamente hay que hablar en términos de factor de valles, pero bueno, el factor de valles es 45, que eso en jerga de valles es mucho, o sea, hay diferentes tablas de conversión de qué significa cada número de estos, la más estándar es una semana de Jeffries, que a partir de 35 creo que es, lo…