Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Aprende Aplicación: Análisis de Datos de Planta Nuclear | Aprendizaje a Través de Aplicaciones
Fundamentos de Matlab
course content

Contenido del Curso

Fundamentos de Matlab

Fundamentos de Matlab

1. Sintaxis Básica y Programación con un Editor de Texto
El Lugar de Matlab y el Modo OscuroLa Ventana de ComandosInstalación de un Editor de Texto y sus PaquetesFinalización del Editor de TextoCreación de Fragmentos y Escritura de Programas
2. Fundamentos de Codificación
Trabajando con MatricesImportación y Exportación de Datos Hacia y Desde ExcelBucles ForSentencias IfProgramación Modular
3. Aprendizaje a Través de Aplicaciones
Aplicación: Análisis de Datos de Planta NuclearAplicación: Análisis de Datos MédicosGeneración de CombinacionesAplicación: Problema LogísticoLas Funciones Sortrows y Find
4. Visualizaciones
Fundamentos de la Representación GráficaAutomatización de la Creación de GráficosAplicación: Cálculo de Trayectorias 3D con Bucles WhileAplicación: Graficado de Trayectorias 3D y Múltiples GráficosFunción del Sistema
5. Recursión y Multiplicación de Matrices
Programación RecursivaComprensión de Matrices y Multiplicación de MatricesAplicación de la Multiplicación de Matrices: Transformación de Vectores y Sistemas de CoordenadasAplicación de la Multiplicación de Matrices: Resolución de Sistemas de EcuacionesAplicación de la Multiplicación de Matrices: Derivadas e IntegralesPerspectivas Profesionales para un Programador de MATLAB

book
Aplicación: Análisis de Datos de Planta Nuclear

Aplica lo que has aprendido para analizar los datos de generación de aguas residuales provenientes de tres plantas nucleares, y adquiere una serie de detalles importantes en el proceso.

Note
Nota

La desviación estándar de una variable aleatoria XX se define matemáticamente como

σ=E[(X−μ)2]=E[X2]−μ2\sigma = \sqrt{E[(X - \mu)^2]} = \sqrt {E[X^2] - \mu^2}

donde EE denota el valor esperado de su argumento y μ=E[X]\mu = E[X]. Esto supone que conocemos la distribución de probabilidad de XX.

De manera alternativa, cuando trabajamos con un conjunto de observaciones {x1,x2,x3,...,xn}\{x_1, x_2, x_3, ..., x_n\} de una variable aleatoria con una distribución presumida (pero desconocida), podemos estimar la desviación estándar con esta fórmula:

σ=1n∑xi2−1n∑xi=[mean(xi2)−mean(xi)]0.5\sigma = \sqrt{\frac1n \sum x_i^2 - \frac1n \sum x_i} = [mean(x_i^2) - mean(x_i)]^{0.5}

que es la fórmula codificada en el video (note que mean(xi)mean(x_i) se calculó en la línea anterior al cálculo de la desviación estándar: por lo tanto, hacemos referencia a esto en lugar de recalcularlo para mayor eficiencia). Un mejor estimador no sesgado dividiría por n−1n - 1 en lugar de nn. Ignoramos este detalle aquí por simplicidad, sin embargo, esto podría corregirse fácilmente en el código multiplicando el resultado por:

nn−1\sqrt \frac{n}{n-1}

Tarea

1. Comprender los Objetivos
expand arrow

Comenzar viendo el video para comprender los objetivos del programa. Utilizar el video como fuente de inspiración y guía para tu enfoque.

2. Identificar la Ubicación del Archivo de Excel
expand arrow

Ubicar el archivo que contiene los datos con los que trabajarás.

3. Importar los Datos de Excel
expand arrow

Utilizar las bibliotecas o métodos apropiados para leer los datos del archivo de Excel.

4. Analizar y Dividir los Datos
expand arrow
  • Dividir los datos según la ubicación de la planta;
  • Calcular estadísticas descriptivas (mínimo, máximo, media y desviación estándar) para cada ubicación, enfocándose tanto en los datos de potencia como de aguas residuales durante todo el año.
5. Exportar los Resultados
expand arrow

Guardar los resultados, incluyendo las estadísticas calculadas, en un archivo de Excel para su uso posterior.

6. Iterar y Mejorar
expand arrow
  • Intentar diseñar el programa de manera modular y estructurada;
  • Si encuentras problemas, apoyarte más en las pistas o el código mostrado en el video;
  • Como último recurso, replicar el código del video lo más fielmente posible.
7. Control de Calidad
expand arrow

Validar la salida del programa comparándola con los resultados mostrados en el video para asegurar precisión y confiabilidad.

Sin embargo, advertencia: es mejor practicar programando tus propias versiones ahora mientras hay una red de seguridad, ya que comenzaremos a mostrar menos código explícito a partir del próximo capítulo.

El video también destaca varios puntos de control convenientes donde puedes verificar tu programación a medida que avanzas, ya sea:

  • Desilenciando variables (eliminando el punto y coma);

  • Haciendo que tu función muestre temporalmente la variable en cuestión.

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 3. Capítulo 1

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

course content

Contenido del Curso

Fundamentos de Matlab

Fundamentos de Matlab

1. Sintaxis Básica y Programación con un Editor de Texto
El Lugar de Matlab y el Modo OscuroLa Ventana de ComandosInstalación de un Editor de Texto y sus PaquetesFinalización del Editor de TextoCreación de Fragmentos y Escritura de Programas
2. Fundamentos de Codificación
Trabajando con MatricesImportación y Exportación de Datos Hacia y Desde ExcelBucles ForSentencias IfProgramación Modular
3. Aprendizaje a Través de Aplicaciones
Aplicación: Análisis de Datos de Planta NuclearAplicación: Análisis de Datos MédicosGeneración de CombinacionesAplicación: Problema LogísticoLas Funciones Sortrows y Find
4. Visualizaciones
Fundamentos de la Representación GráficaAutomatización de la Creación de GráficosAplicación: Cálculo de Trayectorias 3D con Bucles WhileAplicación: Graficado de Trayectorias 3D y Múltiples GráficosFunción del Sistema
5. Recursión y Multiplicación de Matrices
Programación RecursivaComprensión de Matrices y Multiplicación de MatricesAplicación de la Multiplicación de Matrices: Transformación de Vectores y Sistemas de CoordenadasAplicación de la Multiplicación de Matrices: Resolución de Sistemas de EcuacionesAplicación de la Multiplicación de Matrices: Derivadas e IntegralesPerspectivas Profesionales para un Programador de MATLAB

book
Aplicación: Análisis de Datos de Planta Nuclear

Aplica lo que has aprendido para analizar los datos de generación de aguas residuales provenientes de tres plantas nucleares, y adquiere una serie de detalles importantes en el proceso.

Note
Nota

La desviación estándar de una variable aleatoria XX se define matemáticamente como

σ=E[(X−μ)2]=E[X2]−μ2\sigma = \sqrt{E[(X - \mu)^2]} = \sqrt {E[X^2] - \mu^2}

donde EE denota el valor esperado de su argumento y μ=E[X]\mu = E[X]. Esto supone que conocemos la distribución de probabilidad de XX.

De manera alternativa, cuando trabajamos con un conjunto de observaciones {x1,x2,x3,...,xn}\{x_1, x_2, x_3, ..., x_n\} de una variable aleatoria con una distribución presumida (pero desconocida), podemos estimar la desviación estándar con esta fórmula:

σ=1n∑xi2−1n∑xi=[mean(xi2)−mean(xi)]0.5\sigma = \sqrt{\frac1n \sum x_i^2 - \frac1n \sum x_i} = [mean(x_i^2) - mean(x_i)]^{0.5}

que es la fórmula codificada en el video (note que mean(xi)mean(x_i) se calculó en la línea anterior al cálculo de la desviación estándar: por lo tanto, hacemos referencia a esto en lugar de recalcularlo para mayor eficiencia). Un mejor estimador no sesgado dividiría por n−1n - 1 en lugar de nn. Ignoramos este detalle aquí por simplicidad, sin embargo, esto podría corregirse fácilmente en el código multiplicando el resultado por:

nn−1\sqrt \frac{n}{n-1}

Tarea

1. Comprender los Objetivos
expand arrow

Comenzar viendo el video para comprender los objetivos del programa. Utilizar el video como fuente de inspiración y guía para tu enfoque.

2. Identificar la Ubicación del Archivo de Excel
expand arrow

Ubicar el archivo que contiene los datos con los que trabajarás.

3. Importar los Datos de Excel
expand arrow

Utilizar las bibliotecas o métodos apropiados para leer los datos del archivo de Excel.

4. Analizar y Dividir los Datos
expand arrow
  • Dividir los datos según la ubicación de la planta;
  • Calcular estadísticas descriptivas (mínimo, máximo, media y desviación estándar) para cada ubicación, enfocándose tanto en los datos de potencia como de aguas residuales durante todo el año.
5. Exportar los Resultados
expand arrow

Guardar los resultados, incluyendo las estadísticas calculadas, en un archivo de Excel para su uso posterior.

6. Iterar y Mejorar
expand arrow
  • Intentar diseñar el programa de manera modular y estructurada;
  • Si encuentras problemas, apoyarte más en las pistas o el código mostrado en el video;
  • Como último recurso, replicar el código del video lo más fielmente posible.
7. Control de Calidad
expand arrow

Validar la salida del programa comparándola con los resultados mostrados en el video para asegurar precisión y confiabilidad.

Sin embargo, advertencia: es mejor practicar programando tus propias versiones ahora mientras hay una red de seguridad, ya que comenzaremos a mostrar menos código explícito a partir del próximo capítulo.

El video también destaca varios puntos de control convenientes donde puedes verificar tu programación a medida que avanzas, ya sea:

  • Desilenciando variables (eliminando el punto y coma);

  • Haciendo que tu función muestre temporalmente la variable en cuestión.

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 3. Capítulo 1
some-alt