Al agrupar datos geocodificados, el rumbo (es decir, el ángulo de desplazamiento en relación con 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 exactamente la misma dirección, los algoritmos de agrupamiento clásicos tienen problemas en torno a este punto de quiebre de la escala. Los algoritmos interpretarán erróneamente los rumbos adyacentes a ambos lados de la marca de 0/360 grados como de máxima distancia, cuando en realidad son de mínima distancia.
La forma en que soluciono este problema es descomponer los ángulos de rumbo en un seno y un coseno, cuyas salidas combinadas garantizan la continuidad de la medición para un ciclo completo. Pero esto tiene desventajas que preferiría evitar: agrega una variable más que necesita agruparse, además de que mi conocimiento de matemáticas no llega lo suficientemente lejos como para permitirme asegurar que las salidas senoidales en fase del seno y el coseno se agrupen a tasas constantes para todos los ángulos (en lugar de, por ejemplo, aumentar en diagonales donde los senos y los cosenos varían a tasas similares).
Así que aquí está mi pregunta: ¿qué tal si JMP agrupe apropiadamente los datos angulares sin la necesidad de transformaciones intermedias?
¡Gracias!
