Astroestadística,el papel de la Astronomía en la Estadística.

                                                                                                                             npdl  

El esfuerzo por observar y entender los objetos y fenómenos luminosos en el cielo ha acompañado al hombre, tal vez, desde sus inicios, de ahí que “la astronomía es quizás la ciencia observacional más antigua” (Akritas y Bershady, 1996 citados por Feigelson y Babu, 2003) ahora bien los astrónomos no son solo observadores sino también matemáticos y físicos.

Los griegos no fueron observadores activos pero si inusualmente creativos en la aplicación de los principios matemáticos a la astronomía, los modelos geométricos de los platónicos con sus esferas de cristal girando alrededor de una tierra estática fueron elaborados en detalle y perduraron durante quince siglos en Europa (Feigelson y Babu, 2003; 2012b), aunque, no fue hasta Hiparco que una las primeras aplicaciones matemáticas entro dentro del terreno de la estadística, hallo la dispersión en las medidas babilónicas de la longitud del año, definido como el tiempo entre dos solsticios, el tomo la mitad del rango como el mejor valor (Feigelson y Babu, 2003; 2012b), sus cálculos variaron solo en 6 minutos de los cálculos actuales (Hilbe, 2014).

Ptolomeo estimo los parámetros de un modelo no lineal cosmológico usando el método de bondad de ajuste minimax, el persa Al-Biruni advirtió del peligro de propagar errores por instrumentos inexactos y observadores distraídos, mientras que algunos eruditos medievales aconsejaron contra la adquisición de medidas repetidas, temiendo que los errores pudieran tener un componente de incertidumbre antes que compensarse entre ellos y la utilidad de la media para aumentar la precisión fue demostrada con gran éxito por Tycho Brahe (Feigelson y Babu, 2003; 2012b) y Galileo Galilei (Feigelson y Babu, 2012; 2012b), se podría decir que fueron los primeros astroestadísticos de la humanidad como señala Hilbe, 2014, Keppler gasto dos años desarrollando un modelo elíptico de la órbita de Marte alrededor del sol,sobre una ruidosa, errática series de espacio tiempo, esta es una gran hazaña en la selección y ajuste de un modelo (Hilbe, 2014).

Durante el siglo XIX, varios elementos de las matemáticas estadísticas modernas fueron desarrollados en el contexto de los mecanismos celestes, la aplicación de la teoría de Newton al fenómeno del sistema solar dio asombrosamente precisión y naturaleza consistente a las inferencias cuantitativas, Legendre (Feigelson y Babu, 2003) y Laplace (Feigelson y Babu, 2012a) desarrollaron los cuadrados mínimos para el modelo de orbitas de cometas. Los cuadrados mínimos se convirtieron en un fenómeno en Europa para la astronomía y la geodesia (Feigelson y Babu, 2003), Legendre y Gauss desarrollaron el error normal de la distribución para abordar discrepancias en la medida en mecánica celeste, también introdujo algunos tratamientos para observaciones con diferentes medidas del error (heterocedasticidad) (Feigelson y Babu, 2012b), lo que es normal en astronomía de acuerdo con Long y De Souza, 2014, Bessel fue el primero en usar el concepto de “error probable” en un estudio de cometas, Newton también desarrollo un procedimiento de interpolación (Feigelson y Babu, 2003).

Estatua romana de Atlas(siglo II E.C), colección Farnesio, Museo Arqueológico Nacional de Nápoles, fotógrafo: Lalupa, subida a internet: 27/11/ 2007, De Lalupa – Trabajo propio, CC BY-SA 4.0, https://commons.wikimedia.org/w/index.php?curid=3155470

Como se ve, desde siempre, es imposible hacer ciencia, analizar los fenómenos de la naturaleza,modelar, comparar, inferir, cuantificar, sin el uso de las matemáticas.

Pero ambos campos divergen en el siglo XX, cuando la astronomía salta dentro de los avances de la física – electromagnetismo, termodinámica, mecánica cuántica y relatividad general – para conocer la naturaleza física de las estrellas, galaxias y universo, un sub-campo llamado “astronomía estadística” aún está presente pero concentrado en el conteo de estrellas y estructuras de galaxias (Tumpler y Weaver, 1953 citados por Feigelson y Babu, 2003) y la estadística centra su atención en las ciencias biológicas, sociales, agricultura e industria. Solo distinguidos estadísticos escribieron sobre astronomía, Pearson acerca de correlaciones entre propiedades estelares y Newman con Scott sobre agrupaciones de galaxias, pero ninguno tuvo fuerte influencia a posteriori sobre desarrollo astronómicos (Feigelson y Babu, 2012b).

Para finales del siglo XX los avances en la recolección de datos, tales como la automatización de los telescopios y el uso de cámaras CCD, produjo un incremento dramático en el tamaño y la complejidad de los datos, produciendo un aluvión en el uso y desarrollo de metodología estadística (Long y De Souza, 2017, s. p.) aplicada a la astronomía, resurge la astroestadística en 1991 (Hilbe, 2014).

En el siglo XXI, del “big data”, y de programas versátiles como phyton, es posible pensar que ninguna otra ciencia diferente a la genómica y la astronomía produce tantos datos.

Así,por ejemplo, el satélite Gaia, lanzado al espacio a finales del 2013, haproducido el catalogo más completo hasta la fecha, según datos tomados de laESA, con mediciones de alta precisión de casi 1700 millones de estrellas de nuestragalaxia, incluye posiciones, indicadores de distancia y movimiento de 1000 millones estrellas, además de medidas de alta precisión de asteroides dentro de la víaláctea y estrellas fuera de ella, 320.000 millones de observaciones, 40 Gb demedia por día recibe la ESA, que son procesados por los 450 científicos eingenieros del consorcio de procesamiento y análisis DPAC, que validan y refinanlos datos hasta obtener el nivel de precisión buscado con un error máximo de1.50 metros en la determinación de distancias y 2.2 m/s en la de velocidad, decada estrella hay 40 observaciones en diferentes tiempos y puntos de orbita.

Gaia barre el cielo rotando sobre sí misma cada seis horas y, en un minuto, es capaz de realizar 600.000 observaciones de 110 mil estrellas, registrando datos deposición, brillo y color de cada una de ellas. Gaia es una misión open science, su catálogo está abierto a cualquier persona que quiera acceder a él, y se calcula que, para el final dela misión, en 2024, pueda contener un peta byte de información (ESA, 2018),Pero el reto no está solo en observar estas estrellas, cúmulos, asteroides y demás, si no en obtener todo el conocimiento posible sobre la vía láctea, eso sin hablar de los hallazgos del telescopio extremadamente largo ELT que se construye en Chile.

¡Vaya cartografiado cósmico e inmenso volumen de información!, que no dejara de crecer y con ello nuevos descubrimientos y la complejidad de las preguntas astronómicas.

¿Qué buscan los astrónomos?

Los astrónomos usan los datos para una gama de objetivos científicos, incluyendo modelar la formación de galaxias, hallar planetas como la tierra (Foreman-Mackey et al., 2014 citados por Long y De Souza, 2017), estimar la medida de la expansión del universo y clasificar eventos o fenómenos de corta duración -segundos, días, semanas, años -(Long y De Souza, 2017.), asignar la probabilidad de pertenencia de determinado objeto a un cúmulo, de los observados por Gaia (CSIC-INTA, 2016).

¿Cómo logran estos objetivos?

Con lo complejos y sorprendentes que son los descubrimientos en astronomía, algunos de los problemas requieren de una “modelación estadística sofisticada” (Babu, 2014), esto es,modelos jerárquicos de estadística bayesiana, análisis multivariante, series de tiempo, análisis de supervivencia, modelos lineales generalizados (GLM), como indican autores como Long y De Souza, 2017, y , por supuesto, probabilidad.

PARA SABER MAS

Feigelson, E. D y Babu, G. J (2003). Statistical challenges in Modern astronomy, PHYSTAT2003, SLAC, Stanford, California, September 8-1.

Feigelson, E. D y Babu, G. J (2012a). Statistical methods for astronomy, Cornell University Library. Recuperado de: https://arxiv.org/abs/1205.2064

Feigelson, E. D y Babu, G. J (2012b). Modern Statistical Methods for Astronomy with R applications, Cambridge University Press, New York. www.cambridge.org/9780521767279, 504 p.

ESA, Agencia Espacial Europea (2018). ESAC, el guardian de la galaxia, Recuperado de: https://www.esa.int/esl/ESA_in_your_country/Spain/ESAC_el_guardian_de_la_Galaxia

Hilbe, J. M (2014). Astrostatistics: the re-emergence of a statistical discipline, Amstat news. Recuperado de: http://magazine.amstat.org/blog/2014/01/01/astrostatistics/

Long, J. P y De Souza, R. Statistical methods in astronomy, Cornell University Library. Recuperado de:  https://arxiv.org/abs/1707.05834

Esta entrada fue publicada en Sin categoría. Guarda el enlace permanente.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s