= Resultados =

A lo largo del desarrollo de MMS han ido apareciendo distintos 
métodos de acceso a los resultados provocando quizá en los usuarios
cierta confusión.

A continuación explicamos cuáles son estos métodos, por qué aparecen
y cuáles debemos utilizar:

== Resultados por evaluación del modelo ==

Estos fueron los primeros métodos de acceso a resultados.
Su diseño se basa en la idea de que el modelo (como cada una de sus partes)
es capaz de evaluar los resultados si conoce los parámetros estimados.

Para ello se añadieron unos métodos de obtención de resultados con la
forma {{{Get[Result].E(Set resultingParameters)}}} en las clases
adaptadaras del modelo ({{{@MMS.ModelAdapter}}} y complementarias).

Así en el código de los ejemplos nos encontrábamos con expresiones del tipo:
{{{
// Obtención de todo los parámetros estimados (@MMS.ResultingParameter)
Set rPars = estimation::GetParameters(?);
}}}
para obtener los parámetros estimados, luego:
{{{
@MMS.SubmodelAdapter submodel = estimation::GetModelAdapter(?)
  ::GetSubmodel("Veh.Tur.Mat");
}}}
para obtener el objeto adaptado al que pedirle los resultados y finalmente llamadas como:
{{{
Serie outputE = submodel::GetOutput.E(rPars)::GetExpectedValue(?);
Serie noiseE = submodel::GetNoise.E(rPars)::GetExpectedValue(?);
Serie filterE =  submodel::GetFilter.E(rPars)::GetExpectedValue(?);
Serie residualsE = submodel::GetResiduals.E(rPars)::GetExpectedValue(?);
}}}
para obtener los resultados deseados.

=== Ventajas ===

La única ventaja de estos métodos es que nos permitían obtener un conjunto de resultados
para un determinado conjunto de parámetros estimados, fuesen verdaderamente estimados o no.

=== Inconvenientes ===

El principal inconveniente es su lentitud, muy notable en modelos grandes, ya que cada
llamada al método concatenaba una multitud de cálculos que se repetían sin poder reutilizarse.
Por ejemplo, para obtener la serie de residuos anterior {{{residualsE}}} internamente
se volvían a calcular todos loes efectos, el filtro ({{{filterE}}}), etc. aún cuando acababan
de ser calculados, pues no hay una forma natural de almacenar esa información pues depende
del argumento {{{rPars}}}.

== Resultados mediante acceso a resultados nativos ==

Este fue el segundo método de acceso a resultados y que se implementó probablemente por dos motivos
por un lado por la lentitud del método anterior y por otro por cuestionarse si los métodos anteriores
devolvían lo mismo que los resultados nativos.

Estos métodos se encargaban de obtener de los resultados nativos los correspondientes a cada parte del modelo,
de modo que era necesario indicarle al objeto encargado de encontrarlos ({{{@MMS.ResultsAdapter}}} de qué objeto se trataba.
Para ello era necesario pasar como argumento la instancia adaptada del objeto para el que deseabamos los resultados.

Así pues encontrábamos en el código de los ejemplos que primero se obtenía el adaptador de resultados:
{{{
@MMS.ResultsAdapter results = estimation::GetResults(?);
}}}
luego se buscaba el objeto adaptado sobre el que se querían buscar los resultados:
{{{
@MMS.SubmodelAdapter submodel = estimation::GetModelAdapter(?)
  ::GetSubmodel("Veh.Tur.Mat");
}}}
y finalmente se obtenían los resultados con llamadas como éstas:
{{{
Serie outputR = results::GetOutput(submodel);
Serie noiseR = results::GetNoise(submodel);
Serie filterR = results::GetFilter(submodel);
Serie residualsR = results::GetResiduals(submodel);
}}}

=== Ventajas ===

La principal ventaja ha de ser la confianza por el acceso a los resultados
nativos que no sólo eran conocidos sino también explorables con el inspector de TOLBase.

=== Inconvenientes ===

El principal inconveniente es que estos resultados no son accesibles cuando una
estimación ha sido guardada y posteriormente recuperada, ya que al guardar una
estimación sólo se guardan los parámetros estimados.

Por ello, para permitir el uso de dichos métodos, al recuperar una estimación 
guardada se construían unos pseudo-resultados nativos haciendo uso de los métodos 
de evaluación y de los parámetros estimados almacenados.

Sin embargo, esto tenía terribles consecuencias en el caso de modelos grandes
ya que la reconstrucción de los resultados se hacía enormemente lenta y consumidora
de RAM, lo primero como hemos comentado era esparable por el diseño de los métodos
de evaluación, lo segundo es debido a pérdidas de memoria (!) en las llamadas a funciones
que al repetirse una y otra vez ocupaban enormes cantidades de RAM.

Este problema se intenta solucionar con un nuevo grupo de métodos que se diseñan para
la versión 0.6 y que se adaptan a la 0.5.

Un inconveniente añadido de este grupo de funciones de acceso a los resultados nativos
es que no hayan resultados nativos porque éstos no se han calculado (véase el tique #270).
En esta situación, los métodos fallarán como es lógico.