152 | | |
| 152 | == Resumen == |
| 153 | |
| 154 | Hemos visto que el modelo en MMS puede estar compuesto por uno o varios submodelos y varias jerarquías y que puede presentar información a priori sobre sus parámetros o combinaciones de ellos. |
| 155 | |
| 156 | Mediante estas relaciones el modelo explica una o más variables (los outputs) a través de otro conjunto de variables (los inputs) y un conjunto de parámetros: parámetros lineales y no lineales, parámetros de ARIMA, hiperparámetros, etc. |
| 157 | |
| 158 | Los modelos en MMS no se limitan a esto y pueden extenderse aún más con la presencia de nuevas características como: |
| 159 | * Una función de enlace en los modelos de observaciones (o submodelos) que permite extenderlos a la familia de los modelos lineales generalizados. |
| 160 | * La presencia de valores desconocidos en las variables del modelo (outputs e inputs) dando lugar a parámetros extra denominados parámetros de omitido. |
| 161 | * La definición de equivalencias entre parámetros que permiten el tratamiento de parámetros internodales, es decir parámetros que participan en más de un submodelo o jerarquía. |
| 162 | |
| 163 | Para conocer más detalles sobre los modelos en MMS o el uso de estas nuevas características véase la documentación específica sobre los distintos tipos de modelos en MMS. |
| 164 | |
| 165 | A continuación presentamos en un diagrama la estructura completa del modelo, unificando y completando los subdiagramas presentados anteriormente. No pretende ser un diagrama exhaustivo de las clases del módulo de modelos sino un diagrama para la comprensión de su diseño mediante una selección de las clases más significativas. |
| 166 | |
| 167 | [[Image(Diagrams:diaModel.png, 536)]] [[BR]] |
| 168 | '''Gráfico:''' Diagrama del modelo como objeto principal del módulo de modelos. El diagrama se puede leer como sigue: |
| 169 | * Desde el modelo |
| 170 | * El modelo es la unidad principal del módulo de modelos |
| 171 | * El modelo se complementa con un dataset |
| 172 | * Un modelo puede tener uno o varios submodelos |
| 173 | * Un modelo puede tener varias jerarquías |
| 174 | * Un modelo contiene una o varias variables de modelo |
| 175 | * Desde el submodelo |
| 176 | * Un submodelo tiene una variable de modelo (su output) |
| 177 | * Un submodelo puede tener varios términos explicativos |
| 178 | * Un submodelo tiene un ruido |
| 179 | * Desde la jerarquía |
| 180 | * Una jerarquía explica uno o varios elementos (su output) |
| 181 | * Una jerarquía tiene uno varios términos de jerarquía |
| 182 | * Una jerarquía tiene un ruido |
| 183 | * Desde la variable del modelo o m-variable |
| 184 | * Una m-variable hace referencia a una variable del dataset del modelo |
| 185 | * Una m-variable puede tener parámetros de omitido |
| 186 | * Desde el término explicativo |
| 187 | * Un término explicativo tiene una o varias m-variables (sus inputs) |
| 188 | * Un término explicativo puede tener parámetros lineales y no-lineales |
| 189 | * Desde el ruido |
| 190 | * Un ruido puede tener parámetros de sigma2 y ARIMA |
| 191 | * Desde el término de la jerarquía |
| 192 | * Un término de la jerarquía tiene un hiperparámetro |
| 193 | * Desde el elemento del modelo |
| 194 | * Un parámetro, una combinación y una equivalencia son elementos del modelo |
| 195 | * Un elemento del modelo puede tener un prior |
| 196 | * Un elemento del modelo puede tener una restricción |
| 197 | * Desde la combinación de parámetros |
| 198 | * Una combinación tiene varios parámetros |
| 199 | * Desde la equivalencia de parámetros |
| 200 | * Una equivalencia tiene varios parámetros |