Estimación bayesiana
Optimización de procesos. Primera entrega
- Video:Una introducción al análisis bayesiano de datos
- Fuente:Canal matsciencechannel / You Tube
Estimation of fine particulate matter in taipei using land use regression and bayesian maximum entropy methods
Estimación de materia particulada fina en Taipei utilizando la regresión del uso del suelo y métodos bayesianos de entropía máxima
En esta investigación se evaluó el desempeño del modelo de regresión de uso del suelo para la estimación espacio-temporal de material particulado fino (PM2,5) en el área de Taipei (Taiwan). En términos específicos, este estudio integra el modelo mencionado con el enfoque geoestadístico dentro del marco del método bayesiano de máxima entropía. El marco epistémico resultante puede asimilar bases de conocimiento que incluyen lo siguiente: (a) tendencias espaciales empíricas de concentración de PM con base en la regresión del uso del suelo; (b) la dependencia espacio-temporal entre la información de observación de PM; (c) observaciones específicas de PM con respecto al sitio. El enfoque propuesto se aplicó a la estimación espacio-temporal de niveles de PM2,5 del área de Taipei entre 2005 y 2007.
Este escrito fue preparado por Hwa-Lung Yu, Chih-Hsih Wang, Ming-Che Liu (National Taiwan University, Taipei, Taiwan) y Yi-Ming Kuo (Ming Dao University, Chang-Hua, Taiwan) para el International Journal of Environmental Research and Public Health (Vol. 8, No 6, 2011, 2153-2169), publicación internacional e interdisciplinaria vinculada a MDPI, plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza).
- Video:Análisis bayesiano
- Fuente:Canal oscar castaño / You Tube
Augmented switching linear dynamical system model for gas concentration estimation with MOX sensors in an open sampling system
Modelo de sistema dinámico lineal de conmutación aumentada para la estimación de la concentración de gas con sensores MOX en un sistema de muestreo abierto
En este documento se introduce un modelo bayesiano de series de tiempo para la estimación de la concentración de gas utilizando sensores de óxidos de metales (MOX) en un sistema de muestreo abierto (OSS). Esta propuesta se enfoca en la compensación de la respuesta lenta de los sensores MOX, resolviendo al mismo tiempo de forma concurrente el problema de la estimación de la concentración de gases en el OSS. El modelo sugerido de sistema lineal de conmutación aumentada permite incluir todas las fuentes de incertidumbre que surgen durante cada paso del problema en una formulación probabilística coherente simple.
Este documento fue elaborado por Enrico Di Lello, Herman Bruyninckx, Tinne De Laet (KU Leuven, Heverlee, Bélgica) y Marco Trincavelli (Örebro University, Örebro, Suecia) para Sensors (Vol. 14, No 7, 2014, 12533-12559), publicación internacional e interdisciplinaria vinculada a MDPI, plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza).
