julienmalard/Tinamit

# SOME DESCRIPTIVE TITLE.
# Copyright (C) 2017+, Julien Malard, محمّد اظہر انعام بیگ
# This file is distributed under the same license as the tinamït package.
# FIRST AUTHOR <EMAIL@ADDRESS>, YEAR.
# 
#, fuzzy
msgid ""
msgstr ""
"Project-Id-Version: tinamït 2.0\n"
"Report-Msgid-Bugs-To: \n"
"POT-Creation-Date: 2019-08-26 19:45+0000\n"
"PO-Revision-Date: 2019-08-01 11:33+0000\n"
"Language-Team: French (https://www.transifex.com/qatikon/teams/70565/fr/)\n"
"MIME-Version: 1.0\n"
"Content-Type: text/plain; charset=UTF-8\n"
"Content-Transfer-Encoding: 8bit\n"
"Language: fr\n"
"Plural-Forms: nplurals=2; plural=(n > 1);\n"

#: ../../source/tutorial/calibs.rst:2
msgid "Calibraciones"
msgstr ""

#: ../../source/tutorial/calibs.rst:5
msgid "Calibrar modelos"
msgstr ""

#: ../../source/tutorial/calibs.rst:6
msgid ""
"Tinamït puede calibrar modelos según variables observados. Las calibraciones"
" se efectuan con calibradores (:class:`~tinamit.calibs.mod.CalibradorMod`), "
"por ejemplo, :class:`~tinamit.calibs.mod.CalibradorModSpotPy`."
msgstr ""

#: ../../source/tutorial/calibs.rst:9
msgid ""
"import numpy as np\n"
"\n"
"from tinamit.ejemplos import obt_ejemplo\n"
"from tinamit.envolt.mds import gen_mds\n"
"\n"
"mod = gen_mds(obt_ejemplo('enfermedad/mod_enferm.mdl'))"
msgstr ""

#: ../../source/tutorial/calibs.rst:18
msgid "Generaremos unos datos artificiales (sí, hacemos trampa)."
msgstr ""

#: ../../source/tutorial/calibs.rst:20
msgid ""
"from tinamit.datos.fuente import FuenteDic\n"
"\n"
"paráms = {\n"
"    'taza de contacto': 81.25,\n"
"    'taza de infección': 0.007,\n"
"    'número inicial infectado': 22.5,\n"
"    'taza de recuperación': 0.0375\n"
"}\n"
"\n"
"simul = mod.simular(\n"
"    t=100, extern=paráms,\n"
"    vars_interés=['Individuos Suceptibles', 'Individuos Infectados', 'Individuos Resistentes']\n"
")\n"
"datos = FuenteDic({ll: v[:, 0] for ll, v in simul.a_dic().items()}, nombre='Datos', fechas=np.arange(101))"
msgstr ""

#: ../../source/tutorial/calibs.rst:37
msgid "Y efectuamos la calibración."
msgstr ""

#: ../../source/tutorial/calibs.rst:39
msgid ""
"from tinamit.calibs.mod import CalibradorModSpotPy\n"
"\n"
"líms_paráms={\n"
"    'taza de contacto': (0, 100),\n"
"    'taza de infección': (0, 0.02),\n"
"    'número inicial infectado': (0, 50),\n"
"    'taza de recuperación': (0, 0.1)\n"
"}\n"
"\n"
"calibs = CalibradorModSpotPy(mod).calibrar(líms_paráms=líms_paráms, datos=datos, n_iter=50)"
msgstr ""

#: ../../source/tutorial/calibs.rst:54
msgid "Calibrar ecuaciones"
msgstr ""

#: ../../source/tutorial/calibs.rst:55
msgid ""
"En el caso de modelos de dinámicas de sistemas, también se pueden calibrar "
"los parámetros de ecuaciones individuales si tienes los datos necesarios."
msgstr ""

#: ../../source/tutorial/calibs.rst:58
msgid ""
"Las calibraciones se pueden hacer con optimización "
"(:class:`~tinamit.calibs.ec.CalibradorEcOpt`) o con inferencia bayesiana "
"(:class:`~tinamit.calibs.ec.CalibradorEcBayes`)."
msgstr ""

#: ../../source/tutorial/calibs.rst:62
msgid ""
"Casos sencillos con muchos datos disponibles generalmente se pueden resolver"
" mucho más rápido con optimización normal que con la más sofisticada "
"inferencia bayesiana."
msgstr ""

#: ../../source/tutorial/calibs.rst:65
msgid ""
"El el modelo epidemiológico, el número de contactos con susceptibles se "
"determina por el número de suceptibles y la taza de contacto según la "
"ecuación ``contactos con suceptibles = Individuos Suceptibles * taza de "
"contacto``. Suponiendo que tenemos datos para el número de suceptibles y el "
"número de contactos, podemos estimar la taza de contacto."
msgstr ""

#: ../../source/tutorial/calibs.rst:70
msgid ""
"from tinamit.calibs.ec import CalibradorEcOpt\n"
"from tinamit.datos.bd import BD\n"
"from tinamit.datos.fuente import FuenteDic\n"
"\n"
"n_obs = 100\n"
"taza_contacto = 125\n"
"individuos_suceptibles = np.random.random(n_obs)\n"
"\n"
"contactos_con_suceptibles = individuos_suceptibles * taza_contacto + np.random.normal(0, 1, n_obs)\n"
"bd = BD(\n"
"    fuentes=FuenteDic({\n"
"            'contactos con suceptibles': contactos_con_suceptibles,\n"
"            'Individuos Suceptibles': individuos_suceptibles,\n"
"            'f': np.arange(n_obs)\n"
"        },\n"
"        nombre='Datos generados',\n"
"        fechas='f'\n"
"    )\n"
")\n"
"\n"
"calibrador = CalibradorEcOpt(\n"
"    ec=mod.variables['contactos con suceptibles'].ec, nombre='contactos con suceptibles',\n"
"    paráms=['taza de contacto']\n"
")\n"
"calib_ec = calibrador.calibrar(líms_paráms={'taza de contacto': (0, 200)}, bd=bd)"
msgstr ""

#: ../../source/tutorial/calibs.rst:101
msgid "Validar"
msgstr ""

#: ../../source/tutorial/calibs.rst:102
msgid ""
"Por supuesto, no hay calibración sin validación. (Al menos que tengas que "
"publicar ya.) Las validaciones se efectuan con "
":class:`~tinamit.calibs.valid.ValidadorMod`."
msgstr ""

#: ../../source/tutorial/calibs.rst:105
msgid ""
"from tinamit.calibs.valid import ValidadorMod\n"
"\n"
"valid = ValidadorMod(mod).validar(\n"
"    t=100, datos=datos, paráms={prm: trz['mejor'] for prm, trz in calibs.items()}\n"
")"
msgstr ""