Cuando se agrupan datos geocodificados, el rumbo (es decir, el ángulo de viaje relativo a 0º norte) suele ser una variable relevante. Sin embargo, al tratarse de una métrica circular, donde los valores extremos de la escala de 0 y 360 grados son en realidad la misma dirección exacta, se crean problemas para los algoritmos de agrupamiento clásico alrededor de este punto de ruptura de escala. Los algoritmos interpretarán erróneamente los encabezados adyacentes a ambos lados de la marca de 0/360 grados como máxima distancia, cuando en realidad están mínimamente distantes.
La forma en que soluciono esto es descomponer los ángulos de rumbo en un seno y un coseno, cuyas salidas combinadas garantizan la continuidad de la medición durante un ciclo completo. Pero esto tiene inconvenientes que preferiría evitar: agrega una variable más que necesita agrupamiento, además de que mi conocimiento matemático no va lo suficientemente lejos como para permitirme asegurar que las salidas senoidales en fase de seno y coseno se agrupen a tasas constantes para todos los ángulos (en oposición a, digamos, picos alrededor de las diagonales donde los senos y cosenos varían a tasas similares).
Entonces, aquí está mi pregunta: ¿qué tal si JMP agrupa adecuadamente los datos angulares sin la necesidad de transformaciones intermedias?
¡Gracias!
