Más allá del límite de la resolución de mínimos cuadrados y el modelo afortunado
Autores: Landi, Gregorio; Landi, Giovanni E.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
Categoría
Gestión y administración
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 6
Citaciones: Sin citaciones
Se utiliza un modelo gaussiano muy simple para ilustrar un interesante resultado de ajuste: un crecimiento lineal de la resolución con el número de capas de detección. Esta regla va más allá de la conocida regla proporcional para la resolución de los ajustes habituales. El efecto se obtiene con la forma adecuada de la varianza para cada impacto (observación). El modelo reconstruye trayectorias rectas con capas de detección paralelas, la dirección de la trayectoria es el parámetro seleccionado para probar la resolución. Los resultados del modelo gaussiano se comparan con simulaciones realistas de detectores de microcintas de silicio. Estas simulaciones realistas sugieren un método fácil para seleccionar los pesos esenciales para el ajuste: el modelo afortunado. Los resultados preliminares del modelo afortunado muestran una excelente reproducción del crecimiento lineal de la resolución, muy similar a la que proporcionan las simulaciones realistas. Las evaluaciones de máxima verosimilitud completan esta exploración del crecimiento en la resolución.
Descripción
Se utiliza un modelo gaussiano muy simple para ilustrar un interesante resultado de ajuste: un crecimiento lineal de la resolución con el número de capas de detección. Esta regla va más allá de la conocida regla proporcional para la resolución de los ajustes habituales. El efecto se obtiene con la forma adecuada de la varianza para cada impacto (observación). El modelo reconstruye trayectorias rectas con capas de detección paralelas, la dirección de la trayectoria es el parámetro seleccionado para probar la resolución. Los resultados del modelo gaussiano se comparan con simulaciones realistas de detectores de microcintas de silicio. Estas simulaciones realistas sugieren un método fácil para seleccionar los pesos esenciales para el ajuste: el modelo afortunado. Los resultados preliminares del modelo afortunado muestran una excelente reproducción del crecimiento lineal de la resolución, muy similar a la que proporcionan las simulaciones realistas. Las evaluaciones de máxima verosimilitud completan esta exploración del crecimiento en la resolución.