Resultados

Detalles

Detalles:

  • Version: 0.4
  • Modular: ALGUNOS FRAGMENTOS
  • Archivo Markdown: Camara_Ambiental_V0_4.Rmd
  • Archivo de datos: test10_18052020_merge.csv

Descripción:

  • Prueba con concentracion ambiental.
  • La camara ambiental se utilizo para contener los sensores, las puertas se dejaron abiertas.
  • Se cambiaron de posicion los sensores.
  • Se realizo un subset de los datos en el periodo mas estable.

Todos los Datos

1. Analisis Exploratorio

Grafico de lineas

Describe

Tabla PM por sensor:

Sensor Media Desviacion Estandar Mediana PM Minimo PM Maximo Rango Asimetria Kurtosis SE
D15 55.5 3.29 55 47 66 19 0.2308 0.0854 0.0850
D16 58.7 5.63 58 47 85 38 1.1820 2.6506 0.1455
D17 55.4 7.63 54 43 92 49 2.2655 6.2192 0.1970
REF 43.2 1.49 43 39 47 8 -0.0985 -0.3172 0.0383

Correlacion entre sensores

  • Los cuadrados negros indican los clusters identificados, en este caso k = 3

2. Descomposicion ST

Descomposicion de series de tiempo aditivas

  • Sensor: D15
  • Frecuencia: 200

Descomposicion de series de tiempo aditivas

  • Sensor: D16
  • Frecuencia: 200

Descomposicion de series de tiempo aditivas

  • Sensor: D17
  • Frecuencia: 200

Descomposicion de series de tiempo aditivas

  • Sensor: REF (D06)
  • Frecuencia: 200

3. Autocorrelacion

La función de autocorrelación se define como la correlación cruzada de la señal consigo misma. La función de autocorrelación resulta de gran utilidad para encontrar patrones repetitivos dentro de una señal, como la periodicidad de una señal enmascarada bajo el ruido o para identificar la frecuencia fundamental de una señal que no contiene dicha componente, pero aparecen numerosas frecuencias armónicas de esta.

Los procesos de raíz unitaria, autorregresivos, de tendencia estacionaria y los Modelos de Medias Móviles; son ejemplos de procesos con autocorrelación

Autocorrelation, also known as serial correlation, is the correlation of a signal with a delayed copy of itself as a function of delay. Informally, it is the similarity between observations as a function of the time lag between them. The analysis of autocorrelation is a mathematical tool for finding repeating patterns, such as the presence of a periodic signal obscured by noise, or identifying the missing fundamental frequency in a signal implied by its harmonic frequencies. It is often used in signal processing for analyzing functions or series of values, such as time domain signals.

Different fields of study define autocorrelation differently, and not all of these definitions are equivalent. In some fields, the term is used interchangeably with autocovariance.

Unit root processes, trend stationary processes, autoregressive processes, and moving average processes are specific forms of processes with autocorrelation.