Iconos

Módulos transversales

• MMS::@MainContainer: La instancia única del contenedor de MMS (MMS::Container) se representa como una caja que contiene objetos MMS (un icono semejante al del NameBlock de TOL).

• MMS::@Repository: El repositorio MMS se simboliza con una torre de discos como habitualmente se hace con las bases de datos. Este mismo icono se usa para las instancias de repositorios en base de datos:
  • MMS::@RepositoryDatabase y derivadas (MMS::@RepositoryMySQL,...): El repositorio MMS en base de datos se representa con el icono anterior.
  • MMS::@RepositoryFolder: El repositorio MMS en carpeta se representa con el icono del repositorio superponiendo el icono de una carpeta.

• MMS::@Interval: Los intervalos utilizados en el módulo de variables se simbolizan con el icono de un TimeSet al que se superponen dos triángulos o flechas que representan los estremos del intervalo.

Módulo de variables

• MMS::@DataSet: El dataset (conjunto de datos) se simboliza como un conjunto de variables

• MMS::@Variable: La variable se simboliza con un cuadrado verde en posición de rombo. Concretamente, este icono desde la versión 1 de MMS representa específicamente a las variables independientes: MMS::@VariableI. El icono de las variables varía según el tipo de datos superponiéndose el icono del tipo de datos al de la variable, dando lugar a diferentes iconos:
  • MMS::@VariableI (Serie)
  • MMS::@VariableI (Matrix)

• MMS::@VariableD: Las variables dependientes para facilitar la distinción de las independientes (desde MMS.1) adoptan un tono distinto, azulado.
  • MMS::@VariableD (Serie)
  • MMS::@VariableD (Matrix)

• MMS::@VScenario: Las variables independientes pueden tener variantes para sus datos, según determinados escenarios. La idea de escenario se representa con un círculo anaranjado, el icono de cuadradito verde recuerda su vinculación con las variables independientes.
  • MMS::@VScenario (Serie)
  • MMS::@VScenario (Matrix)

Módulo de modelos

• MMS::@Model: El modelo se simboliza como un conjunto de ecuaciones o nodos. Nótese que el modelo se entiende de manera general como un modelo jerárquico formado por modelos observacionales (o submodelos) y modelos de parámetros (o jerarquías).

• MMS::@MNode: El nodo de un modelo es una clase abstracta que representa a cada ecuación del modelo. Se simboliza como un cuadrado verde. Según sea la instancia un submodelo o una jerarquía presenta un icono diferente:
  • MMS::@Submodel: Se simboliza como un nodo donde hay variables del modelo y parámetros.
  • MMS::@Hierarchy: Se simboliza como una jerarquía de parámetros.

• MMS::@MVariable: La variable del modelo o m-variable, se simboliza de manera semajante a la variable (del módulo de variables) pero en color amarillo.
  • MMS::@MVariable (Serie)
  • MMS::@MVariable (Matrix)

• MMS::@Transformation y derivadas (MMS::@Transformation.BoxCox,...): La transformación de una m-variable se representa con el texto T[] de una manera similar a los objetos Code de TOL.

• MMS::@Noise: El ruido representa a la componente de error de los nodos o ecuaciones del modelo. Se simboliza con un cuadrado en posición de rombo en tonos anaranjados. Según el tipo de ruido podemos encontrar iconos diferentes:
  • MMS::@NoiseNormal: El ruido normal se simboliza añadiendo una curva en forma de campana de Gauss.
  • MMS::@NoiseARIMA: El ruido ARIMA se simboliza añadiendo la letra griega phi que hace referencia a los parámetros de la estructura ARIMA.

• MMS::@ExpTerm: El término explicativo (de un submodelo) se simboliza con un hexágono en tonos marrones. Según el tipo de término se distinguen:
  • MMS::@ExpTermLinear: El término explicativo lineal se simboliza con una letra griega beta que hace referencia al parámetro lineal.
  • MMS::@ExpTermOmega: El término explicativo omega se simboliza con la letra griega omega con la que habitualmente se designa al polinomio de parámetro lineales y que le da nombre.
  • MMS::@ExpTermRatio: El término explicativo ratio es un término no lineal que se caracteriza por su función de transferencia en forma de cociente. Se simboliza como el cociente de dos letras griegas: una letra omega y una letra delta que hace referencia a la no linealidad del denominador.
  • MMS::@ExpTermNonLinear: El término explicativo no lineal se simboliza con una letra griega delta que hace referencia a la presencia de parámetros no lineales.
• MMS::@HierarchyTerm: Por analogía con los términos explicativos (de los submodelos) los términos "explicativos" de las jerarquías se simbolizan como un término explicativo con una letra gamma que hace referencia a un hiperparámetro.
• MMS::@NoiseARIMABlock: Por analogía con los términos anteriores como términos poseedores de parámetros, los distintos bloques (multiplicativos) del ruido ARIMA se simbolizan como un términos explicativo con una letra phi que hace referencia a los parámetros de la estructura ARIMA.

• MMS::@MElement: El elemento del modelo representa de manera abstracta a los parámetros del modelo y otros objetos relativos. Se simboliza con el mismo icono que un parámetro.
  • MMS::@Parameter: El parámetro se simboliza con un círculo azul. El tipo de parámetro se distingue mediante un símbolo en el círculo:
    • MMS::@ParameterLinear: El parámetro lineal se simboliza con una letra griega beta, la más utilizada comúnmente para designarlos.
    • MMS::@ParameterNonLinear: El parámetro no lineal se simboliza con una letra griega delta, utilizada comúnmente para designar los parámetros no lineales del denominador de una función de transferencia.
    • MMS::@ParameterARIMA: El parámetro ARIMA se simboliza con una letra griega phi, una de las más utilizadas comúnmente para designarlos junto a la letra theta.
    • MMS::@ParameterMissing: El parámetro de omitido se simboliza con un signo de interrogación, que es el símbolo utilizado en TOL para representar un valor real omitido o desconocido.
    • MMS::@ParameterHyper: El hiperparámetro se simboliza con una letra griega gamma, la más utilizada comúnmente para designarlos.
    • MMS::@ParameterSigma2: El parámetro de la sigma cuadrado de cada nodo o ecuación se simboliza como es habitual con una letra griega sigma con un dos como superíndice.
  • MMS::@BaseParameter: El parámetro base es un meta-parámetro, en el sentido en el que potencialmente es un parámetro, pero está parcialmente indefinido. Se simboliza como un parámetro con el fondo en gris.
    • MMS::@BaseParameterMissing: El parámetro base de omitido combina el icono del parámetro base con el signo de interrogación que representa a los parámetros de omitido. En el caso de los parámetros base de omitido el atributo indefinido es su posición.
  • MMS::@MCombination: La combinación lineal de parámetros se simboliza como un conjunto de varios parámetros a los que se superpone el símbolo de sumatorio (una letra griega sigma mayúscula) que hace referencia a su combinación lineal.
  • MMS::@MEquivalence: La equivalencia de parámetros se simboliza como un conjunto de varios parámetros a los que se superpone un símbolo de equivalencia (una flecha horizontal con puntas en los dos extremos).

• MMS::@Prior: La distribución a priori de un parámetro (o elemento del modelo en general) se representa como un parámetro al que se superpone una curva en forma de campana gausiana que hace referencia a la forma de la distribución del prior.
• MMS::@Constraint: La restricción de un parámetro (o elemento del modelo en general) se representa como un parámetro al que se superpone un signo "menor o igual que" que recuerda a las desigualdades que contiene.

Otros módulos

• MMS::@Estimation: La estimación de un modelo se representa como un modelo modificando los colores de verdes a rojos y superponiendo una letra e mayúscula. Los tonos rojos se utilizarán también para marcar las clases de resultados paralelas a las del módulo de modelos.
• MMS::@Forecast: La previsión de un modelo se representa como un modelo modificando los colores de verdes a azules y superponiendo una letra efe mayúscula. Los tonos azules se utilizarán también para marcar las clases de previsión paralelas a las del módulo de modelos.

• MMS::@Strategy: La estrategia de estimación se simboliza con un engranaje. El tipo de estrategia se indica con sus siglas correspondientes.
  • MMS::@StrategyBSR: La estrategia BSR se indica con las siglas "BSR".
  • MMS::@StrategyMultiMLE: La estrategia máximo-verosímil múltiple se indica con las siglas "MLE".

• MMS::@Settings: El conjunto de configuraciones de una estrategia de estimación se simboliza con una llave inglesa. El tipo de estrategia de las configuraciones se indica con sus siglas correspondientes como en el caso de las estrategias.
  • MMS::@SettingsBSR: La configuración BSR se indica con las siglas "BSR".
  • MMS::@SettingsMultiMLE: La configuración máximo-verosímil múltiple se indica con las siglas "MLE".

Clases de resultados (Estimación)

Las clases de resultados se representan con los iconos de sus paralelas en el módulo de modelos pero añadiendo un cuadrado pequeño de color rojo en la esquina inferior derecha. Recordando de modo parecido a como si fuera un acceso directo (pero con un cuadradito en lugar de una flecha) que no son las instancias del módulo de modelos sino unas instancias adaptadoras.

• MMS::@Model.Results

• MMS::@Submodel.Results
• MMS::@Hierarchy.Results
• MMS::@NoiseARIMA.Results

• MMS::@ExpTerm.Results
  • MMS::@ExpTermLinear.Results
  • MMS::@ExpTermOmega.Results
  • MMS::@ExpTermRatio.Results
  • MMS::@ExpTermNonLinear.Results
• MMS::@HierarchyTerm.Results
• MMS::@NoiseARIMABlock.Results

• MMS::@Parameter.Results
• MMS::@MCombination.Results

Clases de previsión (Previsión)

Las clases de previsión se representan con los iconos de sus paralelas en el módulo de modelos pero añadiendo un cuadrado pequeño de color azul en la esquina inferior derecha. Recordando de modo parecido a como si fuera un acceso directo (pero con un cuadradito en lugar de una flecha) que no son las instancias del módulo de modelos sino unas instancias adaptadoras.

Existen tres grupos o familias de clases de previsión:

• (i) un grupo de clases de previsión generales o abstractas MMS::@[Object].Forecast
• (ii) un grupo de clases de previsión puntual MMS::@[Object].PointForecast (derivadas de las generales)
• (iii) un grupo de clases de previsión muestral MMS::@[Object].SampleForecast (derivadas de las generales)

• MMS::@Model.Forecast y derivadas

• MMS::@Submodel.Forecast y derivadas
• MMS::@Hierarchy.Forecast y derivadas
• MMS::@NoiseARIMA.Forecast y derivadas

• MMS::@ExpTerm.Forecast y derivadas
  • MMS::@ExpTermLinear.Forecast y derivadas
  • MMS::@ExpTermOmega.Forecast y derivadas
  • MMS::@ExpTermRatio.Forecast y derivadas
  • MMS::@ExpTermNonLinear.Forecast y derivadas
• MMS::@HierarchyTerm.Forecast y derivadas
• MMS::@NoiseARIMABlock.Forecast y derivadas

• MMS::@Parameter.Forecast y derivadas
• MMS::@MCombination.Forecast y derivadas

Paquete RandVar

Las variables aleatorias

Las variables aleatorias (RandVar::@Grammar.Random y derivadas) se caracterizan por estar relacionadas con un tipo de datos TOL (Real, Serie o Matrix) junto con un modo de describir la distribución de la variable: (i) mediante los parámetros de una distribución (.Distribution) o (ii) mediante una muestra (.Sample).

Para representar las variables aleatorias se han utilizado los iconos de TOL coloreándolos en tonos (i) azules o (ii) rojos según sea el tipo de variable alatoria.

• Real
• RandVar::@Real.Random (abstracta)
  • RandVar::@Real.Sample
  • RandVar::@Real.Distribution y derivadas (RandVar::@Real.Normal)

• Serie
• RandVar::@Serie.Random (abstracta)
  • RandVar::@Serie.Sample
  • RandVar::@Real.Distribution y derivadas (RandVar::@Serie.Normal y RandVar::@Serie.ARIMA)

• Matrix
• RandVar::@Matrix.Random (abstracta)
  • RandVar::@Matrix.Sample
  • RandVar::@Matrix.Distribution y derivadas (RandVar::@Matrix.Normal)