Documentos de Académico
Documentos de Profesional
Documentos de Cultura
I.
INTRODUCCION
para
llevar
clculos matemticos y
cabo proyectos en
la
donde
visualizacin
se
encuentren
grafica
de
implicados
elevados
los
mismos.
Integra anlisis numrico, clculo matricial, proceso de seal y visualizacin grfica en un entorno
completo donde los problemas y sus soluciones son expresados del mismo modo en que se
escribiran tradicionalmente, sin necesidad de hacer uso de la programacin tradicional.
MATLAB dispone tambin en la actualidad de un amplio abanico de programas de apoyo
especializado,
1
denominados
Toolboxes,
que
extienden
significativamente
el
nmero
identificacin
II.
OBJETIVOS
El objetivo del presente trabajo es conocer las aplicaciones del MATLAB en la Minera,
principalmente en Planeamiento.
Proporcionar a nosotros los interesados los conocimientos bsicos para usar el entorno de
MATLAB y las facilidades de su aplicacin.
Aplicar el software matemtico MATLAB, utilizando conceptos de minera de datos, para
la toma de decisiones.
Demostrar el funcionamiento de MATLAB en un caso prctico.
2
III.
MARCO TEORICO
John Little y Cleve Moler que escribieron las rutinas de anlisis, la gua de usuario y la
mayora de los ficheros.
Desde la primera versin muchas otras personas han contribuido al desarrollo de MATLAB.
2. INICIACIN AL MATLAB
3
Toolbox especiales:
Se incluyen el Toolbox de seales y Sistemas (Un conjunto de herramientas para el procesamiento
de seal y para el anlisis de sistemas de cuadro) y el Toolbox Symbolyc Math (Herramienta de
clculo simblico basada en Maple V).
A continuacin presentamos la interface de usuario de MATLAB 4.0 con el despliegue de una
aplicacin con grafica en 3D correspondiente al modelo Z=x^y-y^x su tabla de clculo y el anlisis
de la funcin.
4. SALIDAS O PRESENTACIONES
MATLAB provee acceso inmediato a las caractersticas grficas especializadas requeridas en
ingeniera y ciencias. Potente graficacin orientada a objetos grficos le permite graficar los
resultados de su anlisis, incorporar grficos en sus modelos de sistemas, rpidamente presentar
complejos 3-D objetos, y crear resultados de presentacin, entre lo cual se destaca:
Grficos comentados.
Animacin.
Modelos de iluminacin.
5. FUNCIONES DE MATLAB
A. MANIPULACIN Y REDUCCIN DE DATOS
MATLAB tiene un rango completo de funciones para reprocesar datos para anlisis,
incluyendo:
Decimando.
Secciones de Datos.
Promediando.
Procesando Umbrales.
Filtrando.
seales, superficies paramtricas, imgenes y ms. Todos los atributos de los grficos de MATLAB
son personalizables, desde los rtulos de ejes al ngulo de la fuente de luz en las superficies 3-D.
Los grficos estn integrados con las capacidades de anlisis, de modo que usted puede mostrar
grficamente cualquier conjunto de datos sin editar, ecuacin o resultado funcional.
C. I/O DIRECTO DE DATOS
Usted puede ingresar y sacar datos de f MATLAB rpidamente. Las funciones estn disponibles
para leer y escribir archivos de datos formateados en MATLAB, llamados archivos MAT.
Funciones adicionales ejecutan programas ASCII e I/O binario de bajo nivel desde los archivos de
programas M, C, y Fortran, permitindole trabajar con todos los formatos de datos. MATLAB
tambin incluye soporte incorporado para formatos populares de archivos estndar.
D. COMPUTACIN SIMBLICA INTEGRADA
Integrando el motor simblico Maple V con MATLAB, los Symbolic Math Toolboxes le permiten
mezclar libremente computacin simblica y numrica una sintaxis simple e intuitiva.
orientado a matrices hace que la expresin de coeficientes de filtros y demoras de buffers sean muy
simples de expresar y comprender.
G. ANLISIS DE DATOS EN APLICACIONES DE IMGENES
MATLAB y la Image Processing Toolbox ofrece un amplio conjunto de herramientas que le permite
fcilmente manipular, procesar y analizar datos de imgenes, interactivamente mostrar pantallas de
imgenes 2-D o 3-D, visualizar datos temporarios cuando es necesario, y comentar sus resultados
para publicaciones tcnicas. La orientacin basada en matrices del lenguaje de MATLAB le
permite expresar en forma compacta operaciones matemticas de forma similar a cmo las
expresara sobre papel. Como resultado, es fcil e intuitivo efectuar procesamiento de imgenes y
operaciones de anlisis tales como FFTs, filtrado 2-D, morfologa binaria, manipulacin
geomtrica, conversin de espacios de colores, compresin, anlisis de componentes conectados y
ms.
Algorithm Development (Desarrollo de Algoritmos) Sea que usted est usando los algoritmos del
sistema o est inventando los suyos propios, MATLAB le provee un ambiente en el que usted puede
experimentar. A diferencia de C y C++, MATLAB le permite desarrollar algoritmos desde cero o
trabajar con interfaces complicadas a bibliotecas externas. La poderosa fundacin de computacin,
el lenguaje tcnico, y cientos de funciones en cajas de herramientas (toolboxes) convierten a
MATLAB en lo ms adecuado para aplicaciones matemticamente intensivas que requieran anlisis
de datos, procesamiento de seales e imgenes, modelado de sistemas o tcnicas numricas
avanzadas.
6. EL MATLAB Y LA ESTADSTICA
Las Statistics Toolbox le dan un rango ancho de herramientas para realizar clculos estadsticos.
Proporciona una nica mezcla de facilidad grfica de uso y programabilidad. Los despliegues
grficos interactivos le permitieron aplicar mtodos estadsticos fcilmente y de forma consistente,
mientras el lenguaje de MATLAB le permite fcilmente crear los acostumbrados mtodos
estadsticos y de anlisis. Esta combinacin le da la libertad para acceder las funciones bajoniveladas directamente como funciones de probabilidad y ANOVA de la lnea del orden, o para usar
las interfaces interactivas para aprender y experimentar con el toolbox construir-en visualizacin y
herramientas del anlisis.
9
El toolbox es el ambiente ideal no rutina para el montaje ejemplar. Las capacidades primarias
incluyen: el anlisis de la regresin y diagnstica con seleccin inconstante, modelado no lineal,
probabilidad y estimacin de parmetros, anlisis de sensibilidad que usa los generadores de
nmero de azar, control del proceso estadstico, y plan de experimentos.
Distribuciones de probabilidad. La Caja de Herramientas Estadsticas (Statistics Toolbox) apoya
una coleccin de 20 distribuciones de probabilidad diferentes, incluso T, F, y distribuciones del Chicuadrado, despliegues grficos de ataques, y se mantienen formas de calcular ataques mejores todos
los tipos de la distribucin.
Herramientas
de
GUI
visualizacin dinmica y
que
el
mantienen
anlisis
de
Muchas
datos.
herramientas
Las
interfaces
interactivas
para
especializadas
la
tienen
10
Parcelas estadsticas los rdenes trazando Estadsticos como weibplot y randplot le permiten
realizar anlisis de fiabilidad o montaje distribucional.
Desarrollo del algoritmos de junto con el MATLAB, el toolbox le da todo lo que usted necesita para
desarrollar nuevos algoritmos para el anlisis estadstico. Usted puede usar las funciones de
trazando de Statistics Toolbox, o crea su propio trazo usando los rasgos de Grficos de MATLAB.
7. LIBRERIAS
MATLAB tiene una gran coleccin de funciones para el procesamiento de seal en el Signal
Processing Toolbox. Este incluye funciones para:
de
MATLAB
por
programadores
avezados
en lenguaje
C que
Algebra lineal.
Matrices especiales.
Polinomios e interpolacin.
Entradas y Salidas.
Para construir una aplicacin del tipo 'stand alone' que incorpore cdigo originalmente desarrollado
como archivos M de MATLAB, debern de seguirse los pasos siguientes:
Enlazar el cdigo resultante con la MATLAB C Math Library y con cualquier tipo de
archivos y programas especficos que hayan sido previamente definidos por el usuario.
Los algoritmos utilizados en la MATLAB C Math Library han sido desarrollados por un grupo de
renombrados expertos en programacin algortmica de funciones de tipo matemtico (algebra
lineal y clculo numrico). Las funciones de lgebra lineal han sido obtenidas de las libreras
mundialmente reconocidas LINPACK y EISPACK. La MATLAB C Math Library contiene ms de
300 funciones numricas, lgicas y de utilidad. Todas estas funciones le permitirn operar en datos
de tipo escalar, vectorial o matricial con la misma facilidad sintctica.
La librera MATLAB C Math Library cumple con la normativa estndar ANSI para compiladores C.
Finalmente, la librera trabajar con aquellos enlazadores que vienen suministrad os con la mayora
de compiladores ANSI C.
El nuevo compilador de MATLAB -The MATLAB Compiler- permite crear cdigo C optimizado
procedente de archivos M -M files- de MATLAB. Este compilador puede ser utilizado de dos
modos:
13
Mientras se efectua una conversin de los archivos M en archivos MEX, el compilador realiza
llamadas a las rutinas de la libreria C para muchas de las instrucciones contenidas en el propio
ncleo de MATLAB. Existen algunas funciones, incluyendo las rutinas 'Handle Graphics', para las
cuales se generan de nuevo llamadas 'callbacks' a MATLAB.
Pueden convertirse convenientemente archivos M en cdigo fuente C para incorporarlos
posteriormente en los archivos externos desarrollados en lenguaje C, si ese es el caso. Esta opcin
es ideal para usuarios que quieren sacar la mxima ventaja de MATLAB desde cualquier otra
aplicacin o producir cdigo C eficiente a partir de los algoritmos desarrollados con MATLAB. Los
desarrollos del tipo 'stand-alone' requieren para ello de la MATLAB C Math Library. Obsrvese que
las funciones grficas de MATLAB no estan incluidas.
Para construir aplicaciones 'stand-alone' se debera seguir los siguientes pasos:
14
Enlazar el cdigo resultante con las librerias matemticas C de MATLAB y los archivos
especficos de que dispongamos.
Algebra lineal exacta: Inversas, determinantes, auto valores y formas cannicas de matrices
simblicas.
15
Existen dos versiones del mismo Toolbox. The Basic Symbolic Math Toolbox es una coleccin de
ms de 50 funciones MATLAB las cuales permiten acceder al kernel de MAPLE utilizando la
sintaxis y el estilo del lenguaje MATLAB. The Extended Symbolic Math Toolbox aumenta esta
funcionalidad incluyendo todas las caractersticas de programacin de MAPLE, y el acceso a los
paquetes de funciones de ms de veinte campos de las matemticas especiales aplicadas.
Es posible utilizar este Toolbox sin conocimiento previo de MAPLE, ya que los archivos contenidos
en l son totalmente autnomos. Sin embargo, si lo que se desea es obtener toda la potencia de
clculo del entorno, ser necesario un amplio conocimiento del manejo y la programacin de
MAPLE
El toolbox de optimizacin consta de un conjunto de funciones que resuelven problemas de
extremos, con o sin condiciones, de funciones reales las cuales son generalmente multivariables y
no lineales. Asimismo, posee funciones para la resolucin de algunos tipos de problemas matriciales
en extremos. Resulta conveniente para una comprensin y mejor manejo de la toolbox poseer
conocimientos bsicos previos de anlisis de funciones reales, matrices y teora de extremos.
Algunas de las reas bsicas que cubre este toolbox para MATLAB son las siguientes:
Clculo de un extremo local (mximo o mnimo) de una funcin real f(x), en general
multivariable y no lineal, sin imponer ninguna restriccin o condicin a la solucin. Como
caso particular, se incluye una rutina especial para problemas de mnimos cuadrados no
lineales.
Clculo de un extremo local (mximo o mnimo) de una funcin real f(x), en general
multivariable y no lineal, condicionado a que la solucin satisfaga ciertas condiciones de
desigualdad (g(x) <=0) y/o igualdad (g(x)=0).
16
Programacin lineal.
Programacin cuadrtica.
Este Toolbox proporciona a MATLAB de un conjunto de funciones que ampla las capacidades del
producto para realizar desarrollo de aplicaciones y de nuevos algoritmos en el campo del proceso y
anlisis de imgenes. El entorno matemtico y de creacin de MATLAB es ideal para el procesado
de imgenes, ya que estas imgenes son, al fin y al cabo, matrices. Este toolbox incorpora funciones
para:
Diseo de filtros.
Transformaciones 2D.
8. FUNCIONES ESPECIALES
A. LISTA PARCIAL DE FUNCIONES
17
Polinomios e interpolacin
Construccin polinomial.
Diferenciacin de polinomios.
Evaluacin de polinomios.
18
Deconvolucin.
Matrix traspuesta.
Utilidades
19
Clasificacin de matrices.
IV.
1. MINERIA DE DATOS:
Es el proceso de detectar la informacin de grandes bases de datos.
Utiliza el anlisis matemtico para deducir los patrones y tendencias que existen en los datos.
Estadstica clsica.
Inteligencia artificial.
Aprendizaje automtico.
20
Pronostico.
Riesgo y probabilidad.
Recomendaciones.
Bsqueda de secuencias.
Agrupacin.
Definir el problema.
Validacin y actualizacin.
21
Investigacin.
Cientfico
Empresarial.
Proyecciones.
Estadstica.
Especialidades.
tradicionales, que pueden utilizar valores medios o distribuciones simplistas, a menudo resultan en
predicciones inexactas que no evalan adecuadamente toda la posible alza econmica y la baja
riesgos. Un ms fiable enfoque es utilizar la valoracin real de opciones.
En la valoracin de opciones reales, se crea un modelo separado para cada aspecto del proyecto.
Los modelos se utilizan para simular la distribucin de los resultados para los diferentes escenarios
econmicos. El uso de los escenarios resultantes, los analistas pueden evaluar con mayor precisin
el alza y la baja riesgos econmicos y recomendar posibles respuestas, como el aplazamiento, el
abandono, la ampliacin, puesta en escena, o de contraer la inversin de capital en el proyecto.
6. EJEMPLO PRACTICO DE PLANEAMIENTO DE MINADO CON EL SOFTWARE
MATLAB
Este trabajo muestra cmo MATLAB se puede utilizar para desarrollar y formalizar un proceso de
valoracin de opciones reales de una mina de mineral de hierro. Temas incluir el desarrollo de
modelos de precios y de tipos de inters sobre la base de los datos histricos y la produccin de
distribuciones para una gama de posibles consecuencias econmicas los resultados se basan en
clculos de valor presente neto (VPN).
Usando el valor actual neto para determinar el futuro de beneficio
VAN es un mtodo estndar para la evaluacin de proyectos a largo plazo mediante la
determinacin del valor temporal del dinero. Mide el valor actual de dinero hoy en base al valor
presente en el futuro, la incorporacin de entrada y salidas de caja y teniendo en cuenta la inflacin.
La Tabla 1 muestra los datos de entrada de muestra para el clculo de una sola VPN para el primer
ao de operacin de la mina. El VAN se calcula en base al promedio.
Los valores de las muchas reas de operacin de una mina que implican incertidumbre, como los
precios del mineral de hierro, la tasa de produccin y los costes, No tome en cuenta los riesgos alza
ya la baja. Tendremos que desarrollar modelos para algunos o todos estos riesgos. Vamos a utilizar
estos modelos para realizar miles de simulaciones de Monte Carlo y generar una distribucin de
posibles resultados del VAN de la mina que podemos utilizar para medir el riesgo.
23
Tabla 2. Los datos de entrada para calcular el VAN de una mina. Los valores medios se utilizan para los
costos de produccin y el descuento
Para demostrar este enfoque, vamos a desarrollar modelos para los precios del mineral de hierro y
las tasas de inters (Figura 1).
24
Vamos a simular dos modelos: un modelo basado en los rendimientos en base a la suposicin de que
el precio seguir fluctuando durante los prximos dos aos, y un modelo de reversin a la media
basado en el supuesto de que el precio se mantendr estable durante ese perodo.
Utilizaremos las ecuaciones diferenciales estocsticas (SDES) para crear dos modelos. (SDE son un
enfoque tpico para el modelado y simulacin fenmenos inciertos, tales como las fluctuaciones de
precios de las acciones.)
Para el modelo basado en los rendimientos, creamos un SDE geomtrica movimiento browniano
(GBM). Puede ser descrito como:
dXt = * Xt * dt + * * Xt dWt
Dnde:
= tasa de retorno instantnea
= tasa de volatilidad
Para el modelo de reversin a la media, se utiliza un casco-Blanco / Vasicek SDE con derivareversin a la media:
dXt = * ( - Xt) * dt + * dWt
Dnde:
= tasa de reversin a la media
= Nivel medio
= Volatilidad
El uso de las funciones de GBM y HWV en Econometra Caja de herramientas , podemos crear
ambos modelos en unas pocas lneas de cdigo.
Usando gbm, el cdigo es el siguiente:
25
Una vez que hemos creado los modelos, simulamos usando el marco previsto hora, el nmero de
simulaciones, y el tipo de modelo como entradas:
NTrials = 1,000;
ao = 8;
ann = 12;
Nsteps = aos * ann;
tic
Xsim = Simular (modelo, nsteps, NTrials '', NTrials, 'DeltaTime', dt);
Xsim = squeeze (xsim); Retire% dimensin redundante
toc
El tiempo transcurrido es 0.026889 segundos.
V.
INTERPRETACION DE RESULTADOS
Tenga en cuenta que tom slo una fraccin de un segundo para completar 1000 simulaciones.
Las figuras 2 y 3 muestran los resultados de la simulacin para cada modelo.
26
Figura 2. Prediccin de los precios del mineral de hierro basados en el modelo de GBM.
Figura 3. Prediccin de los precios del mineral de hierro basados en el modelo HWV.
Cada modelo predice un resultado diferente en respuesta a una cada de los precios: Con el modelo
MBG los pronsticos de tendencia a la baja, mientras que con el modelo HWV, vuelven a una
media. Con estos dos modelos disponibles, vamos a ser capaces de planificar para ambos
escenarios.
Las tasas de inters tienden a revertir a un medio; en Australia, que ha sido el caso durante los
ltimos 30 aos. Por esta razn, vamos a utilizar el HWV modelo, modificarlo para reflejar las tasas
de inters histrico.
La figura 4 muestra las tasas de inters histrico, con un nivel medio del promedio de 5,5%.
28
29
GBM. Tenga en cuenta que en este escenario, todos los posibles resultados son positivos, por lo que
si los precios del mineral de hierro revertir a la media, la mina debera seguir siendo rentable.
Ahora vamos a ver un escenario en el que se utiliza el modelo de GBM. Como muestra la Figura 7
muestra, algunos de los resultados de flujo de caja son negativos, y el 55% de las simulaciones dan
como resultado un valor negativo. Si los precios del mineral de hierro siguen disminuyendo, la mina
debe cesar la produccin hasta que suban de nuevo o hasta que los costos se pueden reducir.
30
Prediccin reutilizable
El propsito de llevar a cabo la valoracin real de las opciones era ayudar a decidir si la mina
debera seguir funcionando o ser puesto en espera.
Centrndose en los precios del mineral de hierro y las tasas de inters, modelamos y pronosticar
posibles resultados de 1000 VPN utilizando un enfoque que era rpido, eficiente, y reutilizable. Los
dos escenarios producen resultados muy diferentes, lo que resulta en diferentes "opciones reales".
Necesitaramos comparar cada modelo con precios reales y vuelva a ejecutar los modelos para ver
si los resultados cambian con el tiempo.
VI.
CONCLUSIONES
VII.
REFERENCIAS BIBLIOGRAFICAS
31
32