Big vs small data en estadística aplicada aplicada

Tengo un proyecto entre manos. Trata de medir un efecto pequeño bajo una condición experimental (una palanca que se puede subir y bajar) con un enorme ruido de fondo (debido a factores para los que no existe la susodicha palanca). Existen dos aproximaciones que, en su versión resumida, son: Datos pequeños: recoger un conjunto pequeño de mediciones en un contexto en el que los factores no controlables sean constantes (aunque en la práctica no lo vayan a ser). Datos grandes: recoger muchas mediciones alterando el factor controlable a lo largo de un periodo de tiempo extenso. Se supone —y lo advierto, sobre todo para evitar que algún purista quiera señalar que lo es— en ambos casos, que existe cierta aleatorización del factor experimental para que sea lo más ortogonal posible al ruido no controlado. ...

12 de septiembre de 2016 · Carlos J. Gil Bellosta

Los límites que la varianza impone a las energías renovables

El asunto de las energías renovables, a partir de cierto umbral de capacidad instalada, se convierte en uno de gestión de la varianza. En este artículo se discuten esos problemas para el caso alemán. No trata tanto el problema de la gestión de los picos (particularmente los intradiarios) como de la variabilidad estacional, dentro del año, de la producción eólica y solar, que no se corresponde con la del consumo. ...

9 de septiembre de 2016 · Carlos J. Gil Bellosta

¿Quién demonios lee el segundo párrafo?

Me llega por Twitter lo que lleva por título Más suicidios y peor salud mental por la crisis en España y Grecia. Hay una escena de la película Primera Plana resumida aquí pero que, por abreviar, reproduzco con la ayuda de Control-C y Control-V: Walter Matthau, director del Examiner, relee por encima del hombro de su redactor jefe, Jack Lemmond, mientras este redacta la gran exclusiva. “Pero, ¿no citas al Examiner?”, se queja el director. “Sí, lo pongo aquí, en el segundo párrafo”. “Y quién demonios lee el segundo párrafo?”, brama Matthau. ...

8 de septiembre de 2016 · Carlos J. Gil Bellosta

Lotería y elecciones: se non è vero...

Los políticos en el cargo tienden a recibir más votos cuando las condiciones económicas son buenas. En este artículo, exploramos el origen de esta correlación, aprovechando la evidencia excepcional que proporciona la Lotería de Navidad en España. Debido a que los números ganadores suelen venderse en una sola administración de lotería, los afortunados tienden a estar concentrados geográficamente. Esto nos permite estudiar el impacto de condiciones económicas favorables de carácter exógeno en el comportamiento electoral. Encontramos que los gobernantes reciben significativamente más votos en las provincias ganadoras. La evidencia es coherente con la idea de que un aumento temporal de la felicidad hace que los votantes sean más indulgentes con el político en el cargo, o con una preferencia más sólida por el statu quo. ...

7 de septiembre de 2016 · Carlos J. Gil Bellosta

Selección de variables con bosques aleatorios

Desde el principio de mis tiempos he seleccionado variables relevantes como subproducto de los árboles primero y de los bosques aleatorios después. Cierto que he hecho casi inconfesables incursiones en los métodos stepwise, pero han sido marginales y anecdóticas. La idea es casi siempre la misma, se haga a mano o con ayuda de paquetes ad hoc: las variables importantes tienden a aparecer en el modelo (o submodelos), las otras no. Todo se reduce a contar y ponderar. Hay que discurrir un poco más cuando se sospecha (o consta) que existen variables altamente correlacionadas. ...

6 de septiembre de 2016 · Carlos J. Gil Bellosta

Mezclas de vectores (III): las funciones involucradas

[Tiempo después de la publicación de esta entrada hice otra, esta, en la que se ahonda en la función de pérdida usada en la reconstrucción del estilo o textura de las imágenes y que en esta serie no se trató con el detalle que el asunto requiere.] En esta tercera entrada de la serie (aquí está la primera y la segunda) quiero ocuparme de las que llamé $f_1$ y $f_2$, las funciones involucradas. Que son las que obran la magia, por supuesto. Con casi cualquier otra opción se habría obtenido una patochada, pero estas son funciones especiales. ...

5 de septiembre de 2016 · Carlos J. Gil Bellosta

Mezclas de vectores (II): un caso de uso

Siguiendo con el tema de la entrada de ayer, voy a tomar un vector $x_1$ tal como y un vector $x_2$ como, por ejemplo, para, con el concurso de unas funciones que revelaré mañana, obtener la siguiente mezcla de ambos: Pas mal!

2 de septiembre de 2016 · Carlos J. Gil Bellosta

Mezclas de vectores (I): casi todas las matemáticas de la cosa

Arranco con esta una serie que estimo que será de tres entradas sobre cómo mezclar vectores con una aplicacioncilla que tal vez sorprenda a alguno. Comenzaré fijando un vector $x_1 \in R^n$ y una función casi biyectiva $f_1:R^n \mapsto R^m$ todo lo suave (continua, diferenciable, etc.) que nos dé la gana. Casi no es un concepto matemático; el concepto propiamente matemático usaría el prefijo cuasi-, pero espero que se me permita seguir y prometo que lo que quiero dar a entender quedará claro más adelante. ...

1 de septiembre de 2016 · Carlos J. Gil Bellosta

Tod[rep('a', 831)]s y tod[rep('o', 6450)]s los autores de paquetes de R

En los últimos tiempos se ha puesto de moda un subgénero periodístico que es una manera de generar artículos de acuerdo con el siguiente algoritmo: Se toma una lista de personas. Se cuenta en ella el número de mujeres (a) y de hombres (b). Si a >= b, GOTO 1; si no, se copipega y se mutatismutandea un manido argumento. No sabiéndome sustraer al encanto del último grito, he escrito y corrido ...

31 de agosto de 2016 · Carlos J. Gil Bellosta

Terremotos, consecuencias y lecciones

En 2009 hubo un terremoto en l’Aquila, Italia, que dejó 308 muertos, etc. ¿Qué medidas se tomaron? Italia, en eso, se parece a España: buscar culpables. Los sismólogos que asesoraron a la administración y evaluaron los riesgos de que se produjese un terremoto importante, acabaron en la cárcel (aunque luego salieron). Mientras tanto, la casa sin barrer. (Y de regalo, ¿por qué es tan difícil predecir terremotos?).

30 de agosto de 2016 · Carlos J. Gil Bellosta