🔭 astrophysics

Simple approximations of some statistical functions

El artículo propone expresiones de aproximación simples y suficientemente precisas para calcular las cuantiles de la distribución normal inversa, la distribución t de Student y el criterio de rechazo de valores atípicos, facilitando así su uso en la comprobación de hipótesis estadísticas.

Autores originales: Zinovy Malkin

Publicado 2026-04-21

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Zinovy Malkin

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un chef que prepara un banquete gigante para miles de personas. Tienes que calcular ingredientes, tiempos de cocción y temperaturas con mucha precisión. Pero, ¿qué pasaría si tu cocina tuviera una estufa muy vieja y lenta? Si intentas usar fórmulas matemáticas ultra-complejas (como las que usan los superordenadores modernos), el banquete nunca estará listo a tiempo y la comida se enfriará.

El artículo de Zinovy Malkin es como un manual para cocineros que necesitan ser rápidos y eficientes sin sacrificar demasiado el sabor.

Aquí tienes la explicación de lo que propone el autor, usando analogías sencillas:

1. El Problema: La "Cocina" Lenta

En el mundo de la ciencia y la astronomía, los investigadores reciben montañas de datos (como miles de fotos de estrellas o mediciones de temperatura). Para entender estos datos, necesitan usar herramientas estadísticas muy potentes.

El problema es que las fórmulas matemáticas "perfectas" para analizar estos datos son como recetas de 50 páginas con pasos complicados. Son precisas, sí, pero tardan mucho tiempo en calcularse. Si tienes que hacer esto millones de veces (por ejemplo, en tiempo real o con computadoras viejas), el proceso se vuelve demasiado lento.

2. La Solución: "Atajos" Inteligentes

Malkin dice: "¿Por qué usar una receta de 50 páginas si solo vamos a cocinar para 10 personas?".

La idea principal del artículo es que, en la vida real, no necesitamos precisión matemática absoluta en todos los casos. Solo necesitamos precisión en los rangos que realmente usamos (por ejemplo, cuando estamos casi seguros de que algo es verdad, con un 90% o 99% de certeza).

El autor propone tres "atajos" o recetas simplificadas para las tres herramientas estadísticas más comunes. Son fórmulas cortas y rápidas que, aunque no son perfectas al 100%, son lo suficientemente buenas para casi todo lo que hacemos en la práctica.

Las Tres Herramientas Simplificadas

A. La "Regla de la Normalidad" (Distribución Normal)

Qué es: Imagina una campana de oro. La mayoría de las cosas en la naturaleza caen en el centro de esta campana. A veces, necesitas saber: "¿Qué tan lejos del centro tengo que estar para decir que algo es raro?".
El Atajo: Las fórmulas normales son como un mapa de todo el mundo. Malkin propone un mapa de bolsillo que solo muestra la zona donde la gente realmente camina (entre el 90% y el 99.9% de confianza). Es mucho más rápido de leer y casi tan útil.

B. La "Regla de los Grupos Pequeños" (Distribución t de Student)

Qué es: A veces no tenemos miles de datos, sino solo unos pocos (como medir la temperatura de solo 5 plantas). Cuando los grupos son pequeños, las reglas cambian un poco.
El Atajo: Malkin crea una fórmula simple que funciona como un termómetro rápido. En lugar de hacer cálculos largos para ver si dos grupos de plantas son diferentes, esta fórmula te da la respuesta casi instantáneamente, con un margen de error tan pequeño que ni lo notarías en la práctica.

C. El "Detector de Mentiras" (Rechazar valores atípicos)

Qué es: Imagina que estás midiendo la altura de tus amigos. Todos miden entre 1.60m y 1.80m, pero uno mide 3 metros. ¿Es un error? ¿Es un gigante? ¿Es un dato falso? Necesitas una regla para decidir si debes "tirar" ese dato.
El Atajo: Malkin ofrece una regla de dedo (una fórmula sencilla) para decirte rápidamente: "Oye, ese dato de 3 metros es tan raro que probablemente sea un error y deberías ignorarlo". Esto evita que tengas que revisar manualmente cada dato extraño.

¿Por qué es importante esto?

El autor es honesto: sus fórmulas no son las más precisas del universo. Si fueras un cirujano de precisión nanométrica, quizás no te sirvan. Pero para la mayoría de los científicos, astrónomos y analistas de datos que trabajan con grandes volúmenes de información, la velocidad es oro.

Es como comparar un coche de Fórmula 1 (las fórmulas complejas) con un coche familiar muy eficiente (las fórmulas de Malkin). El de Fórmula 1 va más rápido en una pista perfecta, pero el familiar te lleva a casa más rápido en el tráfico real, consume menos gasolina y es más fácil de manejar.

En Resumen

Este artículo es un regalo para los programadores y científicos que trabajan con recursos limitados o necesitan resultados rápidos. Nos dice que no siempre necesitamos la herramienta más pesada y compleja; a veces, una herramienta simple, bien diseñada y rápida es exactamente lo que necesitamos para hacer bien el trabajo.

El autor incluso ha dejado sus "recetas" (código informático) en internet para que cualquiera pueda usarlas y cocinar sus propios datos sin tardar horas en la cocina.

Resumen Técnico: Aproximaciones Simples de Funciones Estadísticas

Autor: Zinovy Malkin (Observatorio Pulkovo, San Petersburgo, Rusia)

1. Planteamiento del Problema

El procesamiento de observaciones y mediciones depende críticamente de cálculos estadísticos para probar hipótesis y evaluar la significancia de los resultados. Aunque existen paquetes estadísticos avanzados y software matemático propietario, su uso en entornos de procesamiento automatizado a gran escala o con recursos computacionales limitados (como en tiempo real) puede ser ineficiente debido a la complejidad de los algoritmos exactos.

El problema central abordado es la necesidad de simplificar el cálculo de funciones estadísticas clave sin sacrificar la precisión necesaria para la mayoría de las aplicaciones prácticas. Los autores notan que las fórmulas de aproximación existentes en la literatura suelen ser excesivamente complejas porque intentan cubrir todo el dominio de definición de la función, mientras que en la práctica de la observación, solo se requiere un rango estrecho de probabilidades de confianza (generalmente entre 0.9 y 0.999).

2. Metodología

El autor propone el desarrollo de expresiones de aproximación simples para tres funciones estadísticas fundamentales, optimizadas específicamente para el rango de confianza utilizado en la práctica (0.9–0.99999). La metodología se basa en:

Selección de Datos de Referencia: Se utilizaron las tablas de Bol'shev y Smirnov (1983) y Owen (1962) como datos iniciales y de prueba.
Enfoque de Rango Limitado: En lugar de aproximar la función en todo su dominio, se ajustaron coeficientes para intervalos específicos de probabilidad ( $p$ ) y grados de libertad ( $m$ ) o tamaño de muestra ( $n$ ).
Fórmulas Paramétricas: Se derivaron fórmulas algebraicas simples con coeficientes optimizados para minimizar el error en los intervalos seleccionados.

Las tres funciones analizadas son:

Distribución Normal Inversa: $\Psi(p)$ , que devuelve el valor $x$ tal que $p = N(x)$ .
Distribución $t$ de Student: $t(Q, m)$ , utilizada para pruebas de significancia, intervalos de confianza y comparación de medias.
Criterio de Rechazo de Valores Atípicos (Outliers): $\zeta(Q, n)$ , para identificar y descartar puntos de datos anómalos en una serie de observaciones.

3. Contribuciones Clave y Resultados

A. Distribución Normal Inversa ( $\Psi(p)$ )

Fórmula Propuesta: $\Psi(p) = a_1 + a_2 t + a_3 \sqrt{t} - a_4$ , donde $t = -\ln(1-p)$ .
Resultados: Se presentan coeficientes ( $a_1$ a $a_4$ ) para diferentes intervalos de $p$ (ej. 0.95–0.999, 0.8–0.9999).
Precisión: El error máximo de aproximación oscila entre $5 \times 10^{-5}$ y $2.4 \times 10^{-3}$ dependiendo del intervalo.
Ventaja: Es significativamente más simple que algoritmos complejos como el de Odeh y Evans (1974), ofreciendo una precisión suficiente para la práctica habitual sin el costo computacional de fórmulas racionales de alto orden.

B. Distribución $t$ de Student ( $t(Q, m)$ )

Fórmula Propuesta: $t(Q, m) = a_1 + \frac{a_2}{m + a_3}$ .
Resultados: Se proporcionan coeficientes para niveles de significancia ( $Q$ ) comunes (del 0.05% al 20%).
Precisión: La fórmula mantiene una precisión de error absoluto $\le 0.05$ para $m > 2$ , $\le 0.01$ para $m > 3$ , y $\le 0.001$ para $m > 4$ (dependiendo del nivel de significancia).
Comportamiento Asintótico: La fórmula converge correctamente a la distribución normal cuando $m \to \infty$ , ya que el término $a_1$ coincide con el cuantil de la distribución normal para el nivel de significancia dado.

C. Criterio de Rechazo de Valores Atípicos ( $\zeta(Q, n)$ )

Fórmula Propuesta: $\zeta(Q, n) = \Psi(p) \cdot \left( a_1 + \frac{a_2}{n} + \frac{a_3}{a_4 + n} \right)$ , con $p = 1 - Q/(200n)$ .
Ajuste: Los coeficientes se ajustaron para el caso de varianza muestral con denominador $n-1$ (ajustando las tablas originales de Bol'shev y Smirnov).
Precisión: El error de aproximación es menor a 0.007 para $n$ en el rango [6, 500] y menor a 0.003 para el rango [6, 100].
Utilidad: Permite calcular rápidamente el umbral de rechazo para datos atípicos sin recurrir a tablas extensas o integración numérica.

4. Significancia e Impacto

Eficiencia Computacional: La principal ventaja de estas aproximaciones es su simplicidad algorítmica. Al evitar funciones complejas o iteraciones numéricas pesadas, reducen drásticamente el tiempo de cálculo, lo cual es crítico para el procesamiento de grandes volúmenes de datos en tiempo real o en sistemas con recursos limitados.
Suficiencia Práctica: El autor demuestra que la alta precisión de métodos sofisticados (como los de Wichura, 1988) es innecesaria para la mayoría de las aplicaciones de observación, donde los niveles de confianza típicos no requieren errores inferiores a $10^{-6}$ .
Implementación: El autor ha puesto a disposición rutinas en Fortran que implementan estos algoritmos en el sitio web del Observatorio Pulkovo, facilitando su adopción inmediata por parte de la comunidad científica.
Flexibilidad: Las tablas de coeficientes permiten al usuario seleccionar el conjunto de parámetros que mejor se adapte a su rango específico de datos, equilibrando precisión y complejidad según sea necesario.

En conclusión, el artículo ofrece un conjunto de herramientas matemáticas prácticas que equilibran la precisión estadística con la eficiencia computacional, llenando un vacío entre las tablas estáticas y los algoritmos de software demasiado pesados para aplicaciones de alto rendimiento.