Christen, AlejandraProfesora co-guía: Alberici Adam, AldanaNúñez Vega, Hilda2026-10-262026-10-262024https://repositoriobibliotecas.uv.cl/handle/uvscl/17992Los astrónomos obtienen datos de las estrellas de diversas formas, una de las más comunes es a través de la fotometría, que consiste en medir el brillo total de un objeto astronómico utilizando un filtro específico. Los datos obtenidos de esta manera, luego de ser procesados y reducidos, se transforman en una serie temporal conocida como curva de luz. Sin embargo, debido a múltiples factores, como las condiciones meteorológicas o limitaciones instrumentales, las curvas de luz pueden presentar datos faltantes de manera irregular. En algunos casos, incluso puede haber períodos completos sin observaciones, lo que se conoce como brecha o gaps en los datos. Este tipo de irregularidades es común en una gran cantidad de bases de datos astronómicas, como la del satélite espacial TESS de la NASA. Estas brechas provocan un muestreo irregular, lo que plantea desafíos específicos para la detección de períodos en las curvas de luz. Este estudio aborda la siguiente pregunta: ¿es posible encontrar un método de imputación de brechas en curvas de luz obtenidas del telescopio espacial TESS que permita determinar los períodos asociados a las estrellas de manera más precisa? Para responder esta interrogante, se exploraron diversos métodos de imputación de datos en series temporales, seleccionando la extensión del periodograma de Lomb-Scargle, el cual mostró un óptimo rendimiento en comparación con los demás. Luego, se realizó un diseño de simulación para evaluar la mejora en la detección de períodos que se puede obtener al imputar la brecha en la curva de luz. Para ello se consideraron varios factores como la presencia de perturbaciones dadas por ondas de Rossby, pulsaciones radiales y no radiales y ruido rojo. Posteriormente, se emplearon los métodos del periodograma de Lomb-Scargle y la transformada Wavelet ponderada (WWZ) para detectar los períodos presentes en las curvas. Se consideraron tres curvas para cada modelo en un diseño factorial 2⁴, el modelo sin brecha, el modelo con brecha y el modelo combinado (la curva original del modelo con imputación en la brecha). Los resultados mostraron que el modelo combinado de imputación permitió, en algunos casos, detectar más períodos correctamente que el modelo con brecha. Sin embargo, se observa la necesidad de modificar los factores utilizados para validar los diseños. En conclusión, este estudio demuestra que la imputación de brechas en las curvas de luz de TESS puede mejorar la precisión en la detección de períodos, aunque con limitaciones dependiendo del método de imputación, el método de detección de períodos, las características específicas de los datos y el tipo de factores. La combinación de técnicas de imputación se presenta como una herramienta prometedora, aunque se requiere investigación adicional para perfeccionar su aplicación en diferentes contextos astronómicos.esCURVAS DE LUZANALISIS DE SERIES DE TIEMPOTDPRE