Método gaussiano de suavización de datos experimentales

Abstract

Se presenta un método de suavización de datos experimentales sometidos a un cierto ruido, utilizando un ajuste estadístico con funciones peso de tipo gaussiano. Este método resulta bastante útil cuando disponemos de una gran cantidad de datos que presumiblemente se aproximan a una curva teórica desconocida. Dicho ajuste permite hallar con bastante aproximación la derivada de la curva teórica a partir de los datos y permite ofrecer el error cometido en su integración numérica. Esto último no es posible con la suavización usual que utiliza la transformada discreta de Fourier. Por otro lado, el método propuesto mejora las suavizaciones típicas de las series temporales de datos financieros y permite obtener la volatilidad en función del tiempo.

We provide a method for experimental data smoothing under a certain noise by using a statistical fitting considering gaussian weight functions. This method is quite useful when we have a large amount of experimental data, which are expected to approach an unknown theoretical curve. This allows us to find quite closely the derivative of the theoretical curve from the data and provides as well the error in the numerical integration of the data. The latter is not possible by using the typical discrete Fourier transform smoothing. On the other hand, the proposed method improves the typical smothening of the time series of financial data and allows the calculation of the volatility as a function of time.