Astroestadística

Investigadores
  • Patricia Arévalo
  • Jura Borissova
  • Michel Curé
  • Eduardo Ibar
  • Radostin Kurtev
  • Claus Tappert
  • Nikolaus Vogt
  • Maja Vuckovic
Áreas de investigación


La astroestadística es un campo caracterizado por su carácter interdisciplinario, donde técnicas y algoritmos provenientes de la estadística, el análisis de datos y el aprendizaje automático se fusionan con la investigación astronómica para abordar desafíos complejos asociados con el análisis e interpretación de datos y teoría astronómica (simulaciones numéricas). Dentro de este dominio, implica la aplicación de métodos estadísticos para el análisis, modelado y extracción de conclusiones a partir de conjuntos de datos extensos e intrincados generados a través de diversas observaciones astronómicas y/o simulaciones numéricas.

En las últimas décadas (y en el futuro cercano), se ha presenciado un aumento notable en la recopilación de datos dentro del ámbito de la astronomía, impulsado por la progresión de las tecnologías de observación. Este aumento ha llevado a la acumulación de conjuntos de datos de proporciones primordiales, lo que requiere herramientas estadísticas avanzadas para realizar análisis significativos. Este compromiso abarca la aplicación de técnicas estadísticas para procesar y limpiar datos de observación, abordando de manera efectiva desafíos como incertidumbres, valores atípicos y casos de valores faltantes.
Además, se adopta una especialización en el campo del modelado, donde se lleva a cabo el desarrollo de modelos matemáticos destinados a representar los procesos y fenómenos físicos observados dentro del universo. Las tareas que abarcan dentro de esta especialización incluyen ajustar modelos a los datos, estimar parámetros y seleccionar modelos pertinentes en función de los datos disponibles. Junto con el modelado, el dominio de la inferencia es una de las disciplinas más atractivas en astroestadística. El proceso de inferencia implica la derivación de conclusiones y predicciones probabilísticas a partir de datos, incorporando a menudo la utilización de métodos bayesianos para cuantificar el grado de incertidumbre e integrar el conocimiento preexistente sin problemas. La experiencia dentro de este ámbito se extiende a las esferas de clasificación y agrupación, actividades que identifican distintas entidades astronómicas (desde estrellas y galaxias hasta quásares) en función de los atributos que exhiben a través de la observación.

La astroestadística abarca una amplia gama de temas, que incluyen, entre otros:

  •  Análisis de datos: aplicar técnicas estadísticas para procesar y limpiar datos de observación, lidiando con incertidumbres, valores atípicos y valores faltantes.
  • Modelado: desarrollo de modelos matemáticos para describir procesos y fenómenos físicos observados en el universo. Esto incluye el ajuste de modelos a los datos, la estimación de parámetros y la selección de modelos.
  • Inferencia: Hacer conclusiones y predicciones probabilísticas a partir de datos, a menudo involucrando métodos bayesianos para cuantificar la incertidumbre e incorporar conocimientos previos. 
  • Clasificación y agrupación: identificación de diferentes tipos de objetos astronómicos, como estrellas, galaxias y cuásares, en función de sus propiedades observadas.
  •  Análisis de series temporales: análisis de datos que varían con el tiempo, como curvas de luz de estrellas variables o eventos transitorios.
    Análisis espacial: investigación de la distribución y agrupación de objetos celestes en el espacio tridimensional. 
  • Estudios y catálogos: desarrollo de métodos para extraer información significativa de estudios astronómicos a gran escala y construcción de catálogos de objetos celestes. 
  • Aprendizaje automático: empleo de algoritmos de aprendizaje automático para descubrir automáticamente patrones, correlaciones y anomalías en datos astronómicos.
La astroestadística desempeña un papel crucial en la extracción de conocimientos significativos a partir de grandes cantidades de datos astronómicos, lo que permite a los investigadores comprender mejor la naturaleza de los objetos celestes, la estructura del universo y los procesos físicos subyacentes que gobiernan los fenómenos astronómicos.

Entre las investigaciones realizadas en el campo de la astroestadística de la Universidad de Valparaíso se encuentran las siguientes: Deconvolución de la distribución de probabilidad de la velocidad de rotación estelar, Obtención de parámetros estelares a partir de una grilla desarrollada por el grupo de estrellas masivas, Detección de microlentes gravitacionales, Detección de periodos en curvas de luz de estrellas, Extensión de procesos gaussianos, Imputación de datos faltantes en huecos, Análisis de datos y modelado de observación en sitios astronómicos.

Algunos colaboradores de los miembros de IFA son: Dra. Alejandra Christen (IDEUV), Dra. Daira Velandia (IDEUV), Dr. Javier Contreras (IDEUV), y el Ph.D. Estudiantes: Felipe Ávila y Gunther Ávila. Colaboradores externos son: Dra. Lydia Cidale (UNLP), Dra. Michaela Kraus (ASU), Dra. Anna Aret (UTARTU), Dr. Ignacio Araya (UM), Dra. Julia Cassetti (UBA), Dr. Diego Rial (UBA), Dr. Pedro Escárate (PUCV), entre otros.

Esta área está parcialmente financiada por el proyecto Marie Curie de la Comisión Europea bajo el título POEMS (823734) y por el proyecto interno Puente UVA 20993.

 

This site is registered on wpml.org as a development site.