Contenido
Cuando realiza un experimento que proporciona una serie de valores observados que desea comparar con valores teóricos, el desviación cuadrática media (RMSD) o error cuadrático medio (RMSE) le permite cuantificar esta comparación. Usted calcula RMSD al encontrar la raíz cuadrada del error cuadrático medio.
La fórmula RMSD
Para una serie de observaciones, calcula el error cuadrático medio al encontrar la diferencia entre cada valor experimental u observado y el valor teórico o predicho, cuadrando cada diferencia, sumándolas y dividiéndolas por el número de valores observados o valores pronosticados que hay .
Esto hace que la fórmula RMSD:
{RMSD} = sqrt { frac { sum (x_e - x_o) ^ 2} {n}}para Xmi Valores esperados, Xo valores observados, y norte Número total de valores.
Este método de encontrar una diferencia (o desviación), cuadrando cada diferencia, sumando y dividiendo por el número de puntos de datos (como lo haría al encontrar el promedio de un conjunto de datos), luego tomar la raíz cuadrada del resultado es lo que le da a la cantidad su nombre, "desviación cuadrática media". Puede usar un enfoque paso a paso como este para calcular RMSD en Excel, que es ideal para grandes conjuntos de datos.
Desviación Estándar
Desviación Estándar mide cuánto varía un conjunto de datos dentro de sí mismo. Puedes calcularlo usando (Σ (X - μ)2 / norte)1/2 para cada valor X para norte valores con μ ("mu") promedio. Tenga en cuenta que esta es la misma fórmula para RMSD pero, en lugar de los valores de datos esperados y observados, utiliza el valor de datos en sí y el promedio del conjunto de datos, respectivamente. Con esta descripción, puede comparar el error cuadrático medio versus la desviación estándar.
Esto significa que, aunque tiene una fórmula con una estructura similar a la RMSD, la desviación estándar mide un escenario experimental hipotético específico en el que los valores esperados son todo el promedio del conjunto de datos.
En este escenario hipotético, la cantidad dentro de la raíz cuadrada (Σ (X - μ)2 / norte) se llama el diferencia, cómo se distribuyen los datos alrededor de la media. Determinar la varianza le permite comparar el conjunto de datos con distribuciones específicas que esperaría que los datos tomen en función de los conocimientos previos.
Lo que RMSD te dice
RMSD proporciona una forma específica y unificada de determinar cómo los errores de cómo los valores predichos difieren de los valores observados para los experimentos. Cuanto más bajo es el RMSD, más precisos son los resultados experimentales para las predicciones teóricas. Le permiten cuantificar cómo varias fuentes de error afectan los resultados experimentales observados, como la resistencia del aire que afecta la oscilación de un péndulo o la tensión superficial entre un fluido y su contenedor evitando que fluya.
Puede asegurarse de que RMSD refleje el rango del conjunto de datos dividiéndolo por la diferencia entre el valor experimental máximo observado y el mínimo para obtener el desviación cuadrática media normalizada de la raíz o error
En el campo del acoplamiento molecular, en el que los investigadores comparan la estructura teórica generada por computadora de las biomoléculas con las de los resultados experimentales, RMSD puede medir qué tan cerca los resultados experimentales reflejan modelos teóricos. Mientras más resultados experimentales puedan reproducir lo que predicen los modelos teóricos, menor será el RMSD.
RMSD en configuraciones prácticas
Además del ejemplo de acoplamiento molecular, los meteorólogos usan RMSD para determinar qué tan cerca los modelos matemáticos del clima predicen los fenómenos atmosféricos. Los bioinformáticos, científicos que estudian biología por medios informáticos, determinan cómo las distancias entre las posiciones atómicas de las moléculas de proteínas varían de la distancia promedio de esos átomos en las proteínas utilizando el RMSD como medida de precisión.
Los economistas usan el RMSD para determinar qué tan cerca se ajustan los modelos económicos a los resultados medidos u observados de la actividad económica. Los psicólogos usan RMSD para comparar el comportamiento observado de los fenómenos psicológicos o psicológicos con los modelos computacionales.
Los neurocientíficos lo usan para determinar cómo los sistemas artificiales o biológicos pueden aprender en comparación con los modelos de aprendizaje. Los informáticos que estudian la imagen y la visión comparan el rendimiento de qué tan bien un modelo puede reconstruir imágenes a las imágenes originales a través de diferentes métodos.