Algunos ejemplos de superfórmula. Son mostradas en la imagen para a=b=1 y para los: m, n1, n2 y n3; indicados.

La superfórmula es una generalización en coordenadas polares de la superelipse, propuesta por Johan Gielis.

Gielis supuso que la fórmula puede ser usada para describir distintas curvas y cuerpos presentes en la Naturaleza.

La fórmula es:

donde es el radio y el ángulo.

La fórmula apareció en abril de 2003, en el número 90 de la revista American Journal of Botany, en un artículo del biólogo Johan Gielis. Fue obtenida generalizando la superelipse, creada por el matemático danés Piet Hein.

Extensión a dimensiones superiores

editar

Es posible ampliar esta fórmula a n dimensiones, multiplicando las superfórmulas entre sí. Por ejemplo, la superficie paramétrica de tres dimensiones se puede obtener multiplicando dos de ellas:

donde φ varía entre -π/2 y π/2 (latitud), y θ entre -π y π (longitud).

Gráficas por ordenador

editar

Podemos ver un ejemplo de representación gráfica, en un lenguaje como scilab, con la que podemos obtener una representación en 2D de esta función:

// 'b'-blue,    'c'-cyan, 'g'-green, 'k'-blak,
// 'm'-magenta, 'r'-red,  'w'-white, 'y'-yelow.

scf(0);
clf(0);

esc=1;
n=2; // rotaciones
a=5; b=1; m=1; n1=2; n2=1; n3=1;

plot ([-4*esc,4*esc],[0,0],"c"); // eje x
plot ([0,0],[-3*esc,3*esc],"c"); // eje y

xtitle ("Superfórmula: n="+string(n)+"; a="+string(a)+", b="+string(b)+", m="+string(m)+", n1="+string(n1)+", n2="+string(n2)+", n3="+string(n3)+".");

t=linspace (0,2*n*%pi,1000);
r=(abs(cos(m*t/4)/a).^n2+abs(sin(m*t/4)/b).^n3).^(-1/n1);
x=r.*cos(t);
y=r.*sin(t);
plot (x,y,'g');

Enlaces externos

editar

Referencias

editar

📚 Artikel Terkait di Wikipedia

Prueba de Shapiro-Wilk

alternativos de la varianza σ²: un estimador no paramétrico al numerador, y un estimador paramétrico (varianza muestral), al denominador. Prueba de Anderson-Darling

Gnuplot

gráficos en una imagen, hacer 2D, 3D, gráficos de contorno, ecuaciones paramétricas , admite varios sistemas de coordenadas lineales y no lineales, proyecciones

Dorian Shainin

reconocimiento a nivel nacional por haber inventado el Lot Plot de Hamilton Standard.​ Lot Plot es el nombre de un método estadístico para muestreos de aceptación

Regresión local

para reducir su sensibilidad frente a valores extremos. Estadística no paramétrica La función loess en R Valor atípico local Cleveland, W.S. (1979). «Robust

Prueba t de Student

Cuando la asunción de normalidad no se sostiene, una alternativa no paramétrica a la prueba t puede ofrecer un mejor poder estadístico. Por ejemplo,

Estimación de la densidad de Kernel

la estimación de la densidad de probabilidad, es decir, un método no paramétrico para estimar la función de densidad de probabilidad de una variable aleatoria

Superficie reglada

} puede representarse siempre (al menos localmente) por una ecuación paramétrica de la siguiente forma: S ( t , u ) = p ( t ) + u r ( t ) {\displaystyle

Helecho de Barnsley

positioning let plotX = canvas.width * (x + 3) / 6; let plotY = canvas.height - canvas.height * ((y + 2) / 14); drawFilledCircle(plotX, plotY, 1, "green");