Reimplementación de las previsiones en 0.6

[Pedro Gea]

Como respuesta a las comentarios y discusiones realizados en reuniones expresamente dedicadas a las previsiones, nos planteamos una redefinición de las previsiones que implementaremos en la versión 0.6.

Las líneas principales de cara a la implementación son:

• Las previsiones no hacen estimación de parámetros y como tal el objeto @MMS.Forecast de MMS_0.5 pasaría a ser algún tipo de reestimación.
• Las previsiones serían objetos de evaluación que ofrecerían previsiones partiendo de un modelo, unos parámetros estimados, unos intervalos de previsión y unos escenarios.

[Pedro Gea]

(In [1357]) Se revisan las clases de resultados con motivo de la reimplementación de las previsiones con un grupo de clases semejantes a las de resultados.
Refs #264

[Pedro Gea]

(In [1434]) Nueva revisión de las clases de resultados:

• Se integra al atributo común _elements en la clase abstracta @MMS.ResultsCaché
• Se separan los métodos de acceso a datos en dos: Get[Data] y Get[Data].Extended

Estos cambios están en la línea de mejoras para poder derivar de estas clases, las clases de previsiones. Refs #264

[Pedro Gea]

(In [1447]) Mejoras en las clases para el manejo de variables aleatorias:

• Nuevos métodos para operar variables aleatorias.
• Nueva clase @Matrix.Sample

Refs #264

[Pedro Gea]

(In [1449]) Cambios en las clases de resultados:
Se integran los atributos comunes en un NameBlock _cmm para facilitar la definición de los constructores y la derivación de las clases de previsiones.
Refs #264

[Pedro Gea]

(In [1499]) Cambios en las clases de resultados:

• Adaptación de las clases de resultados para derivar las clases de previsiones.
• Derivación de una clase de previsión puntual (point_forecast) para la previsión basada en una estimación puntual, con la única contribución al error de previsión procedente de de la sigma de los submodelos.
• Derivación de una clase de previsión mediante muestreo (sample_forecast).

Refs #264

[Pedro Gea]

(In [1500]) Algunas mejoras en las clases de variables aleatorias.
Refs #264

[Pedro Gea]

(In [1539]) Se reintroducen las previsiones (@MMS.Forecast) como objetos principales, esta vez no como una clase derivada de @MMS.Estimation sino como una clase con sus propias características.
Refs #264

[Pedro Gea]

(In [1554]) Se revisan los métodos encargados de obtener los parámetros estimados (en estimación y en previsión) para obtener los valores fijados en la definición del modelos si es el caso.
Se añaden unas trazas a la previsión basada en muestras para seguir la evolución del cálculo.
Se modifica la subestrategia Estimate para devolver los parámetros estimados como variables aleatorias, aunque aún no se estén considerando la dependencia entre ellas.
Refs #291, #264

[Pedro Gea]

(In [1664]) Se revisan la definición de las previsiones y su mecanismo de persistencia.
Refs #264

[Pedro Gea]

(In [1737]) Se revisan algunos métodos para poder introducir nuevos parámetros fijos del modelo en la previsión.
Refs #264

[Pedro Gea]

(In [1739]) Se revisan los mecanismos de persistencia de estimaciones y previsiones para almacenar los resultados.
Refs #264, #291

[Pedro Gea]

(In [1741]) Se introduce un conjunto de clases de previsión abstractas comunes (MMS:@[Object].Forecast) a los dos grupos existentes: (MMS:@[Object].PointForecast) y (MMS:@[Object].SampleForecast) derivándose estos dos grupos de las primeras.
Refs #264

[Pedro Gea]

(In [1747]) Se elimina la construcción de los objetos de resultados o previsión bajo demanda.
Esto incide en la mejora de estas clases y un diseño más parecido al de otros módulos.
Es necesario revisar los mecanismos de estimación condicionada con Estimate que se
apoyaban en la construcción de algunas de estas instancias y la solicitud de elementos bajo demanda.
Refs #264

[Pedro Gea]

(In [1748]) Se suspende la caché de resultados en la inicialización, esto permite el uso de
los mecanismos de estimación condicionada con Estimate.
Refs #264

[Pedro Gea]

(In [1782]) Se crean las settings de previsión.
Refs #264

[Pedro Gea]

(In [1784]) Se homogeneizan los nombres de los métodos en las dos familia de clases de previsiones.
Refs #264

[Pedro Gea]

(In [1786]) Se incorpora el uso de la configuración (settings) de la previsión.
Refs #264

[Pedro Gea]

(In [1791]) Se incorporan mecanismos para la construcción de la caché de resultados y previsiones
a través de una sola llamada para poder incorporar una configuración en la que indicar
si desea su obtención bajo demanda.
Refs #264, #291

[Pedro Gea]

(In [1792]) Se implementan las nuevas configuraciones y se revisan algunos métodos.
Refs #264, #291

[Pedro Gea]

(In [1794]) Se revisan pequeños errores en los métodos y mecanismos de previsión.
Refs #264

[Pedro Gea]

(In [1799]) Se amplían métodos de previsiones
Refs #264

[Pedro Gea]

(In [1815]) Se revisan las clases de variables aleatorias (RandVar) y se introduce
la posibilidad de especificar correlaciones en la definición de variables
@Real.Normal.
Se introducen las correlaciones obtenidas con Estimate en las variables
@Real.Normal que representan sus resultados.
Esta información es necesaria para hacer previsión bayesiana (no puntual)
a partir de los resultados de Estimate.
Sería muy conveniente poder dar una estimación de los hiperparámetros
involucrados en una estrategia MultiMLE y obtener cómo se distribuyen
los parámetros de omitido.
Refs #291, #264

[Pedro Gea]

(In [1827]) Se introduce la posibilidad de tratar los inputs en previsión que son variables aleatorias.
Se propaga su incertidumbre a la previsión del filtro, y de ésta a la del output o las observaciones.
Queda pendiente una cuestión general sobre los métodos Get[Result].Forecast: qué es más adecuado
(i) que puedan devolver variables no-aleatorias o (ii) que siempre devuelvan variables aleatorias
con sigma 0 en caso de ser variables sin incertidumbre.
Se usan los inputs de previsión con incertidumbre en el segundo modelo del ejemplo de Matriculación
de Vehículos.
Refs #264 closes #145

[Pedro Gea]

(In [1902]) Cambios relacionados con las clases de resultados y previsiones.

• Se rehace el trazado tanto de los mecanismos de resultados como de previsión.
• Se introduce la previsión puntual de parámetros de previsión (indeterminados en estimación) a partir de jerarquías.
• Se homegenizan los métodos Get[Result].Forecast quedando como variantes los Get[Result].Forecast.Mean y Get[Result].Forecast.Sigma en las clases PointForecast y los Get[Result].Forecast.Experiment en las clases SampleForecast.

Refs #264, #291

[Pedro Gea]

Las últimas tareas completan la reimplementación de las previsiones de MMS_0.6.
Otros tiques relacionados con la evolución del submódulo de previsiones son: #336 y #337,
indispensables para poder obtener previsiones con sus autocorrelaciones que pueden utilizarse para realizar mejores combinaciones de previsión: #335.