Professional Documents
Culture Documents
Encabezado
Indice
1. Introducci
on
2. Estimaci
on no param
etrica de integrales
2.1. El Metodo de Costuras . . . . . . . . . .
2.2. Propiedades Asintoticas . . . . . . . . .
2.3. Caso Bidimiensional del MdC . . . . . .
2.4. Efecto Frontera sobre la Costura . . . . .
de superficie
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
3. Comprobaci
on de propiedades del M
etodo de
3.1. Estimacion de . . . . . . . . . . . . . . . . .
3.2. Convergencia de E(Ln ) . . . . . . . . . . . . .
3.3. Comportamiento del sesgo . . . . . . . . . . .
3.4. Comportamiento asintotico . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4
. 4
. 8
. 10
. 12
Costuras
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
13
13
15
16
4. Problemas Num
ericos
18
4.1. Figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2. Curva de Koch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5. T
ecnica de remuestreo
21
5.1. Experimentos con curva de Koch 6 y 7 . . . . . . . . . . . . . . . . 21
5.2. Comportamiento del sesgo relativo . . . . . . . . . . . . . . . . . . 22
5.3. Comportamiento asintotico . . . . . . . . . . . . . . . . . . . . . . . 22
6. Estimador Bayesiano
24
7. Conclusi
on
25
Encabezado
Indice de figuras
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
14
15
16
17
20
21
22
23
23
Encabezado
1.
Introducci
on
Encabezado
2.
Estimaci
on no param
etrica de integrales de
superficie
2.1.
El M
etodo de Costuras
Encabezado
grande en Q, tendremos algunos puntos caeran en G, garantizando que se tengan
puntos tanto afuera como dentro de la frontera .
Finalmente, para la u
ltima suposicion que se realizara sobre se deben
introducir dos ideas mas.
Definicon 3. La medida de Hausdorff m-dimensional [?] se denota por
Hm () y se define como
Hm (S) = lm Hm (S),
0
donde
Hm (S) = nf
(
X
(diam Ui )m :
i=1
)
Ui S, diam Ui <
i=1
[
m
m
H
S\
fi (R ) = 0.
i=1
Esto se puede interpretar como que podemos aproximar muy bien a S con
con una coleccion numerable de variedades suaves. La definicon de rectificabilidad
tambien implica que los espacios tangentes a S estan definidos en casi todas partes.
Asumiremos entonces que la frontera es un conjunto (d 1)-rectificable y
que tiene medida de Hausdorff finita.
Antes de seguir con mas conceptos previos al MdC, recordemos que el objetivo
de dicho metodo es estimar integrales de superficies, cuya definicion formal es
Z
Z
d = Hd1 (d).
(1)
Encabezado
geometricos suaves. Proseguimos ahora con la construcion de dicha aproximacion
que sera estocastica. Consideremos el modelo de muestreo que consiste en n
variables aleatorias X1 , ..., Xn identicamente distribuidas sobre el rectangulo Q
con una distribucion uniforme. Ademas consideraremos n variables de Bernoulli
1 , ..., n tales que
1, si Xk G,
k =
(2)
0, si Xk
/ G.
Por lo tanto, aunque no conozcamos a G, podemos saber si un punto de
muestreo Xk esta dentro o fuera del cuerpo G, es decir, podemos saber en cual
ladode la frontera se encuentra. Denotemos al conjunto de n puntos de muestreo
por Xn . Lo siguiente es considerar la triangulacion de Delaunay de Xn que esta
formada por los smplices que sastifacen la siguiente propiedad: que ning
un punto
de Xn este dentro de la esfera circumcrista de otro smplice del cual dicho punto
no sea vertice. Cada smplice s estara representado por d + 1 vertices, cada vertice
es un punto de Xn .
Denotaremos por D(Xn ) a la triangulacion de Delaunay para el conjunto de
puntos Xn . Dicha triangulacion es u
nica, casi siempre, para Xn provenientes de
una muestra i.i.d. con distribucion absolutamente continua [?], el cual es nuestro
caso. A partir de la triangulacion de Delaunay se construye el siguiente objeto:
Definicon 5. La costura de se define como
)
(
d+1
X
s(k) d .
S (Xn , ) := s D(Xn ) : 1
k=1
Encabezado
vertices. De manera analoga, la costura externa son las facetas de los smplices de
S (Xn , ) que tienen todos sus vetices en GC , es decir, fuera de G.
(a) Triangulaci
on de Delaunay (gris) y
costura (magenta).
y
In+ () :=
Hd1 (f )
(4)
f S + (Xn ,)
Encabezado
2.2.
Propiedades Asint
oticas
y
lm
() = lm
In
Z
() = d
d casi seguro,
Encabezado
ecuacion 1 a partir de las expresiones de In y de In+ , de los cuales se puede definir
un tercer estimador. Estos estimadores consistentes vienen dados por:
1
I () .
(6)
d n
1 +
I () .
(7)
L+
n () :=
d n
1
(8)
Ln () :=
In () + In+ () .
2d
Los denominaremos como el estimador de la costura interna, el estimador de
la costura externa y el estimador de la semisuma, respectivamente. El estimador
de la semisuma suele tener ventajas sobre los dos primeros en la mayora de las
ocasiones, como veremos en el siguiente captulo.
El teorema 1 es valido para tanto para I como para In , pero el teorema 2 es
valido solo para I . Sin embargo, como se sugiere en [?], se espera que al utilizar
la poissonizacion P se introduzca mayor varianza al metodo en comparacion a
utilizar a Xn ya que, en el caso de la poissonizacion P , el n
umero de puntos es
aleatorio. De esto se propone la siguiente conjetura
d1
Conjetura 1. Tanto V [In ()] como V [In+ ()] son O n d .
L
n () :=
n 2d In () E In () N 0, Vd d .
d1
2d
In
d1
() E In () = n 2d
=n
d1
2d
Z
Z
In () E In () + d d d d
Z
Z
In () d d E In () d d
Sumando 1
Por el teorema 1 sabemos que el sumando 1 converge a cero. Este termino
representa el sesgo (y si lo dividimos por el valor de la integral representa al sesgo
relativo). Para que la convergencia propuesta en la conjetura 2 sea valida como
distribucion asintotica al sustituir a E [In ()] por el valor real de la integral, es
necesario que la convergencia a cero del sesgo sea mas rapida que la convergencia
de la varianza. Por lo tanto se propone la siguiente conjetura sobre la convergencia
del sesgo:
9
() :=
E[In ()]d
R
d d
Encabezado
( d1
+)
2d
para
es o n
n 2d In () d d N 0, Vd d .
Vd
d.
(9)
2.3.
10
Encabezado
Por otro lado, el concepto de rectificabilidad para d1 = 1 simplemente implica
que la curva tiene longitud finita. Los smplices para este caso seran triangulos y
las facetas seran los lados de cada triangulo. Las costura estara formada entonces
por el conjunto de triangulos que tengan al menos un vertice fuera y un vertice
dentro de G.
Se sigue entonces que la costura interna estara conformada por los lados de los
triangulos de la costura que tengan ambos vertices dentro de G y, analogamente,
la costura externa estara conformada por los lados de los triangulos de la costura
que tengan ambos vertices fuera de G.
Para clarificar la notacion, expresaremos los resultados asintoticos de la seccion
anterior para el caso bidimensional
en funcion del estimador L
n y considerando la
R
siguiente notacion L = d, 2 = y V2 = V .
La conjetura 1 sugiere que
1
1
()
= V L 2 ,
lm n 2 V L
n
n () :=
E [L
n ()] L
L
1
es o n( 4 +) para alg
un > 0.
+
De igual forma para In .
Conjetura 4. Dada la convergencia de la conjetura 3, se tiene la siguiente
convergencia en distribucion
p
D
1
12
n 4 L
area(Q)L.
n () L Z
De igual forma para L+
n.
11
Encabezado
Por tanto, el siguiente objetivo sera la comprobacion experimental de las
conjetura presentadas en esta seccion, que queda reservado para el siguiente
captulo. Se discutira ahora el efecto frontera que experimenta la triangulacion
de Delaunay en un rectangulo en R2 .
2.4.
La triangulacion de Delaunay
12
Encabezado
3.
Comprobaci
on de propiedades del M
etodo de
Costuras
En esta seccion comprobaremos los siguientes puntos de manera experiemental:
+
Estimar la constante para L
n , Ln y Ln .
+
Verificar la convergencia ?? para L
n , Ln y Ln .
3.1.
Estimaci
on de
Media
Des. Est.
L
n
L+
n
Ln
1,1824
0,0056
1,1824
0,0055
1,1824
0,0042
+
Tabla 1: Estimacion de mediante L
n , Ln y Ln .
3.2.
Convergencia de E(Ln )
13
Encabezado
Encabezado
La costura media tendra un sesgo cercano a cero.
Realizando un experimento analogo al del segmento de recta, pero para un
circunferencia de longitud 10 unidades, observamos que se cumple la intuicion. De
esto conclumos dos cosas: que el sesgo depende de la morfologa de G, pero que
sin embargo decrece a mayor tama
no de la muestra. Por lo tanto el problema que
el sesgo dependa de G se soluciona simplemente tomando una mayor muestra.
3.3.
15
Encabezado
comportamiento para saber cual es el tama
no de n necesario para que el sesgo no
sea relevante en la estimacion.
Por experimentacion el sesgo parece ser del siguiente orden de convergencia
2 1 !
log n
ELn L
=O
,
(10)
3
L
n2
con = 0, 05. El la tabla 2 se observa que el cociente entre el sesgo relativo y
el orden estimado parece ser constante para intermedios de n, esto sugiere que la
relacion 10 sea valida.
Segmento
Disco
103
104
105
106
0,037
0,119
0,028
0,091
0,029
0,090
0,011
0,070
3.4.
Comportamiento asint
otico
16
Encabezado
Segmento
Disco
Astroide
Cardiode
Koch 1
Koch 2
Koch 3
Koch 4
Koch 5
Koch 6
Koch 7
p-valor
0,3436
0,2005
0,2292
0,2055
0,3597
0,3558
0,4140
0,4511
0,6160
0,7112
0,6647
0.20
0.36
0.08
0.25
0.19
0.11
0.53
0.51
0.78
0.11
0.92
17
Encabezado
4.
Problemas Num
ericos
4.1.
Figuras
18
Encabezado
del orden de 103 .
Figura
Segmento
Disco
Astroide
Cardiode
M
etodo
Error
Costuras Rel ( %)
1,0001
9,9978
9,9782
9,8386
0,01
0,02
0,22
1,61
M
etodo
contourc
1,0000
10,5009
9,9834
10,4562
Error
Rel ( %)
0,00
5,01
0,17
4,56
4.2.
Curva de Koch
La naturaleza fractal para las costas propuesta por Mandelbrot [?] implica que
la longitud de estas dependeran de la resolucion elegida para realizar la medicion.
Como ejemplo utilizaremos la conocida curva de Koch hasta una cierta iteracion.
En la grafica 6 se representa en el eje horizontal la iteracion en la curva de
Koch a considerar y en el eje vertical se representa el logaritmo en base 34 de
la longitud obtenida. En el caso ideal, la grafica debera ser la recta identidad ya
que recordemos que la longitud de la curva de Koch viene dada por l = ( 34 )k donde
de k es la iteracion considerada.
Se puede observar que el metodo de contourcse queda estancado para k = 4,
a partir de este punto dicho metodo no aprecia diferencia entre las sucesivas
iteraciones. Por otro lado, el metodo de costuras llega a apreciar diferencias hasta
k = 5.
Aunque ambos metodos no tienen un buen rendimiento para iteraciones
posteriores a k = 5, la longitud estimada por el metodo de costuras sigue al menos
aumentando lo que significa que podra recoger al menos un poco de informacion
de las siguientes iteraciones cosa que el metodo contourcno hace.
19
Encabezado
Curva de
Koch
Koch
Koch
Koch
Koch
Koch
Koch
Koch
Koch
0
1
2
3
4
5
6
7
Longitud
Real
M
etodo
Costuras
Error
Rel ( %)
M
etodo
contourc
1,0000
1,3333
1,7778
2,3704
3,1605
4,2140
5,6187
7,4915
1,0001
1,3320
1,7721
2,3471
3,0707
3,8540
4,3283
4,4528
0,01
0,10
0,32
0,98
2,84
8,54
22,97
40,56
0,9968
1,3725
1,8399
2,4172
2,9901
3,3805
3,3939
3,3699
20
Error
Rel ( %)
0,32
2,94
3,49
1,97
5,39
19,78
39,60
55,02
Encabezado
5.
T
ecnica de remuestreo
5.1.
(a) Koch 6.
(b) Koch 7.
22,97
40,56
3,12
9,36
1,44
4,14
1,35
3,65
21
Encabezado
5.2.
= area(Qm ) O
,
(11)
3
L
n2
con = 0, 05 y area(Qm ) es el area de muestreo para la iteriacion m. El la
tabla 7 se observa que el cociente entre el sesgo relativo y el orden estimado parece
ser constante para intermedios de n, esto sugiere que la relacion 11 sea valida.
Koch 6
103
104
105
106
Iter. 1
Iter. 2
Iter. 3
1,91
2,29
2,44
3,42
4,04
4,25
3,33
4,20
4,36
3,90
4,11
5,61
5.3.
Comportamiento asint
otico
Encabezado
23
Encabezado
6.
Estimador Bayesiano
24
Encabezado
7.
Conclusi
on
25
Encabezado
Referencias
26