3.taller Cambiosclimaticos 02

Cambios Climticos, Recursos Hdricos, Geo-Riesgos y Desastres Naturales 3-
IV SIMPOSIO INTERNACIONAL DE DESARROLLO SUSTENTABLE

23
PROPUESTA METODOLOGICA PARA EL ANALISIS DE LA CONSISTENCIA
DE LOS DATOS CLIMTICOS
METHODOLOGICAL PROPOSAL FOR THE ANALYSIS OF CONSISTENCY IN CLIMATIC DATA
Eva Colotti
1
, Jorge Rodrguez
2
, Andrs Eloy Blanco
3
Analizar la homogeneidad de las series climticas es equivalente a establecer consistencia
estadstica de los datos; sin embargo, para establecer con veracidad que tales datos son el
resultado de variaciones naturales del tiempo meteorolgico es necesario revisar el archivo
metafile o compararlos con otras estaciones a nivel regional.
En este sentido, presentamos una propuesta metodolgica para el anlisis de la consistencia de
los datos que abarca desde la revisin numrica y grafica de la data, y la verificacin de la
independencia o aleatoriedad de los valores de la sucesin, hasta la determinacin de la
estabilidad de la media y la varianza.
En nuestro pas, la falla en la informacin meteorolgica est asociada a la gran cantidad de datos
faltantes y englobados (en el caso de la precipitacin), cambios de uso alrededor de la estacin,
cambios del emplazamiento original de la estacin, as como errores en el proceso de la
observacin meteorolgica que abarcan escenarios como fallas en la medicin en campo, falta de
mantenimiento adecuado del instrumental y del entorno de la estacin y errores de la trascripcin;
tales situaciones son las causas artificiales ms comunes en la falta de consistencia de los datos.
La importancia de considerar la consistencia de la informacin meteorolgica es debido a que
conclusiones provenientes de datos inconsistentes no son vlidas para la planificacin fsico-
ambiental ni para la toma de decisiones.
Palabras Clave: homogeneidad, consistencia estadstica, series climatolgicas, metodologa.
ABSTRACT
The analysis of the homogeneity of climatic series is equivalent to establishing statistical
consistency of data, in order that they can be representative of climatic natural variability and not of
artificial factors. Based on these considerations, a methodological proposal is presented for the
analysis of the consistency of climatic data, which begins with a visual and graphic check up, the
verification of the independence and randomness in the values of the series, and can be further
carried out with the mean and variance stability determination.
In Venezuela, the main problems, when dealing with climatic information, are associated with
frequent lags (missing data and aggregated values), mainly in the case of precipitation, landuse
changes around the station, changes of the original emplacement of the stations, difficulty in the
access to the station, and errors in the process of meteorological observations which involve
mistakes in field measuring, lack of proper maintenance of the instruments and the surroundings of
the station and transcription mistakes. These can be considered as artificial causes in the lack of
data consistency.
Finally, it is necessary to emphasize the importance for considering the consistency of the climatic
information, since conclusions made out of inconsistent data are no valid neither for physical-
environmental planning effects nor for decision making.
Key Words: homogeneity, consistence, climatic series, methodology.

1
Profesora Asistente de la Escuela de Geografa de la Universidad Central de Venezuela ecolotti@cantv.net
2
Profesor Titular de la Escuela de Geografa de la Universidad Central de Venezuela
3
Profesor Contratado de la Escuela de Geografa de la Universidad Central de Venezuela andeloblant@hotmail.com
24
INTRODUCCIN
La Climatologa, ciencia que estudia el clima, parte del anlisis estadstico de los datos
meteorolgicos, en base a la construccin de series climticas, las cuales podemos definir
como una sucesin de datos meteorolgicos histricos, variables, estocsticos y
homogneos, cuya separacin entre cada par de datos es de un ao, y puede ser
construida a distintas escalas temporales: horaria, diaria, mensual o anual.
Las caractersticas de los datos meteorolgicos son suficientemente claras en cuanto a
que las mediciones provienen de combinaciones de factores fsico-naturales para un
lapso dado y, por ende, irrepetibles (HISTRICOS), dado que las respuestas
meteorolgicas son diferentes en tiempo, aunque comnmente son distintos en magnitud
a medida que transcurren las horas, das, meses, aos (VARIABLES), es factible separar
esa respuesta en una componente determinstica y otra probabilstica relativa al lugar y
momento de la medicin (ESTOCASTICOS. Por ltimo, la caracterstica menos conocida
y estudiada se relaciona con la HOMOGENEIDAD analizada en funcin de la similitud de
condiciones radiantes tierra-sol, tal que la data sea representativa de variaciones
naturales del tiempo y del clima y, no de causas artificiales (Conrad y Pollak,1962).
Con respecto a la condicin estocstica de los datos meteorolgicos, Barboza y Blanco
(2000) refuerzan que se debe tener en cuenta, que los fenmenos climticos no son
totalmente aleatorios o aleatorios puros, sino que adems tienen una componente
determinstica, lo que lleva a considerarlos como un proceso estocstico, ...... donde la
parte aleatoria surge como una incertidumbre, y la parte determinstica como el
conocimiento sobre la ocurrencia del fenmeno.
Estadsticamente, cuando los datos pertenecen a una misma clase se concluye que la
muestra proviene de una misma poblacin, vale decir en Climatologa, similares
condiciones radiantes; en este sentido, las series climatolgicas por definicin son
homogneas (Thom, 1966).
Es necesario destacar las diferencias que existen entre los trminos homogeneidad,
aleatoriedad y consistencia, aunque se encuentran muy relacionados; es decir, toda serie
climtica por definicin es homognea, pero no necesariamente es aleatoria, sin embargo,
si puede ser consistente meteorolgicamente. Igualmente, en relacin con las causas de
las inconsistencias meteorolgicas referidas a la presencia de inconsistencias de carcter
natural, que no pasan las pruebas estadsticas propuestas, pero que por su origen se han
considerado homogneas.
Snchez Carrillo (1966) realiz una compilacin sobre el uso e interpretacin de los datos
climticos, en la cual menciona las tres principales condiciones que deben cumplir tales
datos para ser utilizados con eficiencia:
1. Continuidad
2. Exactitud
3. Largo Perodo de Registro
Particularmente, la exactitud la describe como confiabilidad de la informacin, tal que, los
datos deben ser tomados con fidelidad. No obstante, en la prctica dicha confiabilidad es
25
dudosa, debido a que se encuentra afectada por causas externas no naturales de origen
antrpico, incidiendo negativamente en la consistencia de los datos.
PRINCIPALES CAUSAS DE LA INCONSISTENCIA DE LAS SERIES CLIMTICAS
Desde el momento en que se instala una estacin meteorolgica hasta la entrega de la
informacin a los usuarios existe la probabilidad de cometer errores instrumentales y/o
humanos, vale decir, que la falta de control en el proceso de observacin meteorolgica
es una de las causas de heterogeneidad meteorolgica, seguida por las caractersticas
geogrficas del sitio y, por causas naturales.
En cuanto a los posibles errores asociados con el proceso de observacin meteorolgica
se tienen:
1. Fallas en la instalacin del instrumental
2. Fallas en el funcionamiento del instrumental
3. Fallas en la calibracin del instrumental
4. Falta de mantenimiento de la estacin y su instrumental
5. Cambios de marcas y modelos de instrumental
6. Lecturas errneas
7. Utilizacin de bandas o grficas no acordes con el modelo de instrumentos
registradores
8. Errores de trascripcin de las mediciones a las planillas correspondientes y/o en la
base de datos computarizada
Entre las posibles causas geogrficas del sitio se citan:
1. Mala escogencia del sitio para emplazar la estacin meteorolgica
2. Cambios en el entorno de la estacin
3. Cambios de localizacin de la estacin
4. Mala accesibilidad a la estacin
Las causas naturales son las ms difciles de explicar, ya que, estn asociadas a cambios
en el sistema climtico.
MATERIALES Y MTODOS
La base de la presente investigacin son algunas series analizadas en el trabajo de
Barboza y Blanco (2000) junto a 2 estaciones (Wonken y Arekuna) controladas por CVG-
EDELCA, las cuales fueron estudiadas en el proyecto titulado Comparacin de Registros
Convencionales y Automticos asesorado por el Departamento de Meteorologa e
Hidrologa de la Escuela de Ingeniera Civil y por la Ctedra de Climatologa de la Escuela
de Geografa, ambas de la Universidad Central de Venezuela.
Las variables consideradas ms importantes fueron lluvia y temperatura, seleccionndose
3 estaciones de acuerdo con la notoriedad de la inconsistencia. Barboza y Blanco (2000)
analizaron 429 series provenientes de 33 estaciones y de CVG-EDELCA fueron
analizadas 48 series provenientes de 2 estaciones.
En el estudio de Barboza y Blanco (2000) fue utilizada una metodologa no exhaustiva
basada en las recomendaciones de la Organizacin Meteorolgica Mundial (OMM) en la
26
Nota Tcnica N 79 (1966); posteriormente en ocasin de la Asesoria prestada en el ao
2001, se ampli la metodologa con la inclusin de otros mtodos que permitieron
profundizar en la verificacin de la consistencia. En la Figura 1 se presenta la metodologa
general desglosada simultneamente en las Figuras 2, 3, 4 y 5, en las cuales se
recomienda seguir los siguientes pasos:
1. Recepcin de datos meteorolgicos y construccin de series climticas mensuales y
anuales
2. En caso de identificar datos englobados (*) y/o faltantes (-) proceder a:
2.1. Desenglobe de los datos englobados utilizando el mtodo de distribucin proporcional
en base a los promedios de los meses o aos involucrados:
( )
a
e a
e
j
X
X X
X
X *
+
( )

+
a
e a
X
X
e
j
*
(Desenglobe Mensual) (Desenglobe Mensual)
donde:
:
j
X Dato a desenglobar
X
j +1
: Dato englobado en el mes siguiente
X
a
: Media de la serie mensual sin el dato englobado
X
e
: Media de la serie mensual que tiene el dato englobado
: a Sumatoria de la serie mensual sin el dato englobado
: e Sumatoria de la serie mensual que tiene el dato englobado. (Colotti, E. 1985)

2.2. Completacin de la informacin a escala mensual utilizando los Modelos Racional o
de Markov.
A. Mtodo Racional
X
Pp Pp
sinPp
j

*%
% 100
donde: X
j
: Dato a estimar
Pp
: (Suma de la lluvia en meses con )=

100 - la suma de los porcentajes de lluvia en
los meses sin datos.
%Pp : ( Porcentaje de la lluvia del mes sin
dato)= Valor porcentual promedio ( %) de los
meses con datos
%sinPp
: = Sumatoria de los porcentajes

de los meses sin datos. (Guevara, Diaz, 1987)
27
Figura 1. Secuencia metodolgica para la determinacin de la consistencia
estadstica de las series climticas.
PROCESO
DE
OBSERVACION
DATOS
METEOROLOGICOS
BASE DE DATOS
COMPUTARIZADAS
INVENTARIO
DE
INFORMACION
CLIMATICA
PERIOD
O
REGISTRO 1 ESTACION
ESTUDIO 2 O MAS
ESTACIONES
CALIDAD DE
INFORMACIO
N
ELIMINAR
ESTACION
ACEPTAR
ESTACIONES
CONSISTENT
E
S
SERIES
CONFIABLES
NO
CAUSA
S
ARTIFICIALES
NATURALES
SERIES HOMOGENEAS,
CONSISTENTES
CLIMATICAMENTE, NO
ALEATORIAS
3
3
SERIES HETEROGENEAS,
INCONSISTENTES
ESTADISTICA Y
CLIMATICAMENTE, NO
ALEATORIAS
4
2
S
2
NO
ERRORES
INSTRUMENTALES
ERRORES
HUMANOS
REVISION
VISUAL
Y GRAFICA
DE LA DATA
5
28
SI
INFORMACION
COMPLETA
?
DATOS
ENGLOBADOS
?
DATOS
FALTANTES
?
1
NO
SI
DESENGLOBAR
DATOS
SI
ESTIMAR
DATOS
NO
NO
INFORMACION
COMPLETA 1
Figura 2. Completacin de series climticas.
29
SI
NO
VALORES
ATIPICOS
?
DEPENDENCIA
?
ESTABILIDAD
EN LA
VARIANZA
?
ALEATORIO
?
ESTABILIDAD
EN LA MEDIA
?
SI
NO
INCONSISTENCIA 1
INCONSISTENCIA 2
SI
NO
INCONSISTENCIA 3
SERIE
ESTADISTICAMENTE
CONSISTENTE
NO
INCONSISTENCIA 4 SI
SI
NO
INCONSISTENCIA 5
SERIE
ESTADISTICAMENTE
INCONSISTENTE
TEST DE VALORES ATIPICOS (PRUEBA Z)
VON NEUMANN, AUTOCORRELACION,
RACHAS
Figura 3. Determinacin de consistencia estadstica en series climticas.
30
C A U S A S
?
CAUSAS ARTIFICIALES CAUSAS NATURALES
IDENTIFICAR
PATRONES
TENDENCIAL
O
CICLICO
FILTRADO DE LA
COMPONENTE
DETERMINISTICA
SALTO
DE MEDIAS
?
CONTRASTE DE
MEDIAS
OSCILATORIO
?
PERDIDA DE LA
SERIE CLIMATICA
REGRESION
SERIES DE
FOURIER
1 SERIE
2 SERIES
3
CAMBIO EN EL
SISTEMA CLIMATICO
SERIES MENSUALES
SECAS O
TRANSICIONALES
PROCESOS
METEOROLOGICOS
ERRATICOS
5
Figura 4. Causas de inconsistencias en series climticas.
31
REVISION DEL
METAFILE
REVISION DE REGISTROS
HISTORICOS
REVISION DE FUENTES
BIBLIOGRAFICAS
ANALISIS REGIONAL
DETECCION
DE
ERRORES
DETECCION
DE
ERRORES
NO
NO
DETECCION
DE
ERRORES
NO SERIE CONSISTENTE
CLIMATICAMENTE
SI
SI
SERIE INCONSISTENTE
CLIMATICAMENTE
SI
CORRECCION
DE
ERRORES
NO
SI
Figura 5. Verificacin de las causas naturales.
Cambios Climticos, Recursos Hdricos, Geo-Riesgos y Desastres Naturales 3- 32
B. Mtodo de Estimacin Mensual de Markov
Este mtodo incorpora una componente aleatoria y se basa en la media aritmtica,
desviacin tpica, coeficiente de correlacin, dato anterior y un conjunto de nmeros
aleatorios, los cuales son generados por un algoritmo pseudo aleatorio (Cuena, 1974).
Consiste en estimar el dato faltante o incompleto, con un promedio de treinta o ms
estimaciones y, parte del supuesto que las series siguen una determinada distribucin
probabilstica.
En variables de tipo extensivas como la lluvia, la informacin proporcionada por CVG-
EDELCA incorpora el dato incompleto ($) que se mantiene como referencia para
compararlo con los valores estimados. En las variables de tipo intensiva como la
temperatura, no se puede considerar el valor de referencia como incompleto, ya que, no
es una variable acumulativa
( ) ( )
Ro S T M P
S
S
Ro M P j i j ij j j i
j
j
j j j ij
2
1 , 1 1 ,
1
1 ,
1 * * *

,
_
+
donde:
:
Pij
Dato a estimar
:
M j
Media del mes a estimar
:
1 , Ro j j
Coeficiente de correlacin entre el mes a estimar y el mes anterior
:
S j
Desviacin tpica del mes a estimar
:
1 S j
Desviacin tpica del mes anterior a estimar
:
1 , P j i
Dato del mes anterior
:
1 M j
media del mes anterior a estimar
:
T ij
Nmero Aleatorio
3. Elaboracin de una matriz incluyendo los datos estimados con sus respectivos
estadsticos bsicos: nmero de datos, media, mediana, valores mximos y mnimos,
varianza, desviacin tpica y coeficiente de variacin.
4. Revisin visual y grfica de las trece series de cada estacin para los aos de registro
de la informacin. Cada grfico debe estar acompaado con su respectiva lnea de ajuste
y el valor de R
2
.
5. Evaluacin de la consistencia de las series climatolgicas mensuales (Figura 3)
Determinacin de valores Atpicos o Outliers
Se aplica el test de Valores Atpicos propuesto por Pea Snchez (1986) donde primero
se estandarizan los valores mximo y mnimo; luego, se realiza una prueba de hiptesis y
se determina la existencia o no de Outliers. Si el valor tipificado es mayor que el
tabulado, se rechaza la Ho, es decir, que el valor mximo o mnimo se considera atpico.
Dado que en la tabla para realizar el contraste de hiptesis no es posible conocer el valor
para todos los tamaos mustrales y, su mximo valor es 20, Rodrguez (2000) determin
la ecuacin de mejor ajuste para conocer el valor que le corresponda a cualquier tamao
muestral y a un nivel de significacin del 5% para la tabla mencionada:
q
n
= 0,623 + 0,712 LN(n) donde:
qn: valor tabulado estimado para cualquier tamao de
muestra
LN(n): logaritmo neperiano del tamao muestral
Determinacin de la Normalidad de las Series Climticas
La normalidad de las series climticas puede ser determinada por diferentes mtodos:
papel probabilstico normal (Rodrguez, 1986), coeficiente de Cornu, Lmite de Aceptacin
de Asimetra, Test de Chi-cuadrado, Test de Kolmogorov-Smirnov (Mitchell et al, 1966) y
Test de Shapiro y Wilk (Pea, Snchez, 1986), entre otros. De acuerdo al anlisis
elaborado por Barboza y Blanco (2000) En cualquier anlisis estadstico, uno de los
problemas fundamentales es conocer la distribucin de la cual proviene la muestra con
que se trabaja, y especficamente, en la aplicacin de algunos mtodos estadsticos,
como los mtodos paramtricos. Por tal motivo, se debe tener en cuenta las
consideraciones bsicas acerca del tipo de distribucin probabilstica, previo a la
aplicacin de los mtodos paramtricos, los cuales exigen, en algunos casos, que la
muestra de los datos siga una distribucin normal o aproximadamente normal,
recomendndose la utilizacin del test de Shapiro y Wilk.
Mtodo de Shapiro y Wilk
Este mtodo se utiliza en muestras pequeas (N>50) y permite comprobar la hiptesis de
normalidad a distintos niveles de significacin (= 0,01, 0,02, 0,05, 0,10, 0,5, 0,90, 0,95,
0,98 y 0,99), desde N= 3 hasta N= 50. Para el contraste de hiptesis, se compara el valor
de W
c
(calculado) con el valor W
t
(tabulado) donde si W
c
es mayor que W
t
, es decir, la
condicin de normalidad.
S N
A
Wc
2
2
donde: Wc : Coeficiente de Shapiro y Wilk
a
n j,
: Coeficiente tabulado (componente)
A
2
:Numerador
( )
2
1
) ( ) 1 ( ,
1
]
1
+
h
j
j j n n j X X a
( ) X j n 1 +
-
X j
: Diferencias entre los valores ordenados
h
: Cantidad de coeficientes
2
N
h
para N par, y
2
1
N
h
para N impar
s
2
: Varianza N : Nmero de datos
METODOS PARAMETRICOS Y NO PARAMETRICOS
Los mtodos estadsticos se clasifican en paramtricos y no paramtricos; los primeros
son conocidos como mtodos clsicos, los cuales necesitan como requisito previo a su
aplicacin que se determine el tipo de distribucin que sigue la serie. Los no paramtricos
son de distribucin libre, no requieren que se determine el tipo de distribucin
probabilstica. Barboza y Blanco (2000) presentan una compilacin de diferentes autores y
resumen los aspectos tericos de los mtodos paramtricos y no paramtricos para
determinar consistencia.
Mtodo de Von Neumann
Se aplica para determinar si existe o no independencia intramuestral entre los datos. Para
el contraste de hiptesis, se utiliza la tabla propuesta por Hart (1943), donde la regin de
aceptacin est definida entre el lmite inferior K y, el lmite superior K. Si V
n
es menor
que el limite inferior existe correlacin serial positiva y la serie presenta un patrn de
persistencia (tendencias o ciclos). Por el contrario, si V
n
est por encima del lmite
superior existe correlacin serial negativa y se asocia a movimientos de oscilacin.
2
2
S
V
N
donde:
V
n
: Coeficiente calculado de Von Neumann
:
2
Valor esperado de las diferencias sucesivas al
cuadrado
( )
+

1
1
2
1 1
1
2
N
i
i i N
X X
:
2
S Varianza muestral
( )
2
1
1
2

N
i
i N
X X S
: N
Nmero de datos
:
i
X
Valor i-simo
Xi 1 +
: Valor siguiente al i-simo
: X
Promedio de la serie
Autocorrelacin de orden uno (r
1
)
Mtodo paramtrico que se utiliza para determinar la independencia entre datos sucesivos
provenientes de una distribucin normal. Se determina el orden uno, por estar la serie
desfasada en intervalo de un trmino, X
i+1.
Segn Mitchell et al (1966) Si la distribucin de frecuencias de la serie se aproxima a la
gaussiana (normal) podemos usar un contraste de significacin de una sola cola
propuesto por Anderson (1942) el cual est basado en la definicin circular de r
1
.... En
general, la prueba de significacin de una sola cola ser apropiada debido que con
muchas alternativas de aleatoriedad concernientes a las series climatolgicas se
esperara un incremento de r
1
. Sin embargo, si encontrramos valores negativos de r
1
, se
puede interpretar que la serie contiene una alta y marcada frecuencia de oscilacin. En
caso de un evento dismil, una prueba de dos colas es preferible.....Si y solo si el valor de
r
1
es mayor que r
1(t)
, podemos concluir que la serie es de hecho no aleatoria (al 95% de
nivel de significacin). No obstante, Yamane (1979) recomienda utilizar la tabla de
significacin al 5% y 1% denominada Coeficiente de Correlacin en Serie, la cual est
estructurada para muestras desde N= 5 hasta N= 75. Si el valor de r
1
es positivo y es
mayor que el tabulado se considera que la serie tiene persistencia, si por el contrario el
valor de r
1
es negativo y es menor que el tabulado, se considera que la serie tiene
oscilacin.
( )
( ) ( )
1
1
]
1
,
_

1
1
]
1
,
_
,
_
,
_
+
2
2 2
2
2
1
1
1
1
2
2
1
1
1
1
1 1
1
1 1
1
N
i
i
N
i
i
N
i
i
N
i
i
N
i
i
N
i
i
N
i
i
X X N X X N
X X X X N
r
donde:
:
1
r
Coeficiente correlacin serial no circular de orden uno
i
X
: Valor i-simo
:
1 + i
X
Valore sucesivo de la serie al valor i-simo
: X
Valor promedio de la serie
Correlacin de Spearman ( r
s
)
Mtodo no paramtrico conocido como Coeficiente de Correlacin por Rangos y creado
por Charles Spearman en el ao de 1904 para medir el grado de asociacin entre dos
variables; sus valores oscilan entre 1 y + 1 y mide la asociacin lineal entre los rangos de
las variables. Para la aplicacin del mtodo se le deben asignar rangos a los datos
originales, designados como orden de ocurrencia y orden de magnitud.
donde:
:
S
r
Coeficiente de Correlacin de Spearman

: N
Nmero de datos

:
i
d
Diferencia entre el orden de ocurrencia y el
orden de magnitud
: i
Orden de ocurrencia
:
i
K
Orden ascendente de magnitud
( ) 1
6
1
2
1
2
N N
d
r
N
i
i
s
Cuando existen valores repetidos, se deben promediar los rdenes de magnitud para
asignrselo a dichos valores. Por otra parte, Siegel (1970) presenta una frmula de
correccin para datos repetidos, la cual, es recomendable utilizar en los meses secos.
Siegel (1970; 238) determin que Si la proporcin de datos repetidos no es grande, su
efecto sobre r
s
es insignificante, pero si es grande, entonces hay que incorporar un factor
de correccin ... el efecto de las cifras repetidas es incrementar el valor de r
s
. Por esta
razn, la correccin debe usarse cuando hay gran proporcin de valores repetidos.
P U
d P U
r
i
S
*
2
2
donde:
+

T
N N
U
X
12
3
;
12
3
t t
T
x x
x
;
+
T
N N
P
y
12
3
;
12
3
t t
T
y y
y
t
= cantidad de veces que se repiten datos en la serie Y
i
Para el contraste de hiptesis se utiliza la Tabla de valores tericos de significacin de r
s
compilada por W. J. Conover (1971). La tabla posee valores crticos para series desde
N=4 hasta N= 30, al nivel de significacin de 20%, 10%, 5%, 2%, 1% y al 0,2% y se entra
directamente con el valor de N; cuando la t
c
es mayor que la t
t
se considera existe
correlacin entre los ordenes y las magnitudes
r
N
r t
s
s c
2
1
2
Mtodo de las Rachas

Se utiliza para determinar la aleatoriedad en las series y se basa en la cantidad de rachas
(r
m
) que pueda presentar una serie, entendindose por racha la sucesin de uno o ms
datos de una misma clase o signo, por encima o por debajo de la mediana.
Para el contraste de hiptesis, se recomienda utilizar la tabla de Hoel, que contiene los
valores crticos para la aceptacin o rechazo de la hiptesis nula, con un nivel de
significacin del 5%. En dicha tabla se entra con:
N: Nmero total de observaciones (N
1
+ N
2
)
N
1
: Nmero de signos + (por encima de la mediana)
N
2
: Nmero de signos - (por debajo de la mediana)
SIGNIFICACIN DE VALOR DEL COEFICIENTE REGRESOR
1
Dependiendo del tamao muestral, es usual utilizar un especfico valor de R
2
para probar
la significacin estadstica de
1
(pendiente de la lnea de regresin).
Cuando es estadsticamente significativo el valor de
1
, se sospecha la existencia de un
cambio de media. Para comprobar el presumible cambio de media se recomienda dibujar
la grfica de la estabilidad de la media; a posteriori, es recomendable aplicar un contraste
de diferencia de medias.
Es frecuente que la verificacin de la significacin estadstica
1
se efecte con la prueba t
de Student, con N-2 grados de libertad y al 5% de significacin; si el estadstico t
c
es
mayor que el estadstico t
t
no se rechaza la presunta existencia del cambio de media.
) (
1
1
S
t
e
c

, donde:
1:
Pendiente
S
e
(
1
): Error estndar de la pendiente
ESTABILIDAD EN LA MEDIA
Esta prueba grafica se realiza con los datos de la serie original. Se procede a acumular
los datos desde el ao 2 hasta el ao n, y se calculan las medias a medida que se
incorpora un nuevo dato de la serie original; luego, se grafican las medias de los datos
acumulados, verificndose visualmente si existe o no estabilidad en la sucesin de
medias acumuladas.
ESTABILIDAD EN LA VARIANZA
Al igual que la anterior es una prueba grafica se realiza con los datos de la serie original.
Se procede a siguiente acumular los datos desde el ao 2 hasta el ao n, y se calculan
las varianzas a medida que se incorpora un nuevo dato de la serie original; luego, se
grafican las varianzas de los datos acumulados, verificndose visualmente si existe o no
estabilidad en el valor de la varianza.
En sntesis, en las series climticas se sospechar su inconsistencia estadstica, si al
menos presentan una de las siguientes situaciones:
Nivel de Inconsistencia 1: Existencia de valores Atpicos o Outliers
Nivel de Inconsistencia 2: Existencia de patrones sistemticos en muestras normales
(persistencias)
Nivel de Inconsistencia 3: Falta de Aleatoriedad y Valores significativos de R
2
Nivel de Inconsistencia 4: Inestabilidad en la media
Nivel de Inconsistencia 5: Inestabilidad en la varianza (Heterocedasticidad)
Finalmente, se recomienda realizar un anlisis regional para verificar si tales
inconsistencias estadsticas son de orden natural.
ANLISIS DE LOS RESULTADOS
Por la diferencia temporal que existi entre las dos investigaciones mencionadas es
necesario discriminar que hasta el ao 2000 slo se aplic la mitad de la metodologa
propuesta mientras que en la actualidad la aplicamos completa. En este sentido, los
resultados de las tres estaciones seleccionadas sern presentados en el orden
cronolgico en que fueron obtenidos: estacin Hato Uran emplazada en el Estado
Apure, estacin Wonkn y estacin Arekuna, ambas localizadas en el Estado Bolvar.
En la precipitacin de la estacin Hato Uran, partiendo de la revisin visual y grfica de
la data encontramos seis (6) datos faltantes, los cuales representan el 2,3 %, porcentaje
muy bajo de datos faltantes con respecto a otras estaciones de nuestro pas, pero
identificamos cinco (5) valores exageradamente altos (Grafico N 1)con relacin al resto
de los datos de las series, correspondientes a los meses de mayo y agosto, que
entorpecieron los resultados de las pruebas bsicas de consistencia estadstica,
caracterizndolos como valores extremos o Outliers.
Posteriormente, realizamos la comparacin regional de esta estacin con las estaciones
localizadas en su entorno y emplazadas en la regin mesolgica de los Llanos, donde no
hay cambios significativos de relieve que influyan en el entorno de la estacin. Tal
comparacin verific que datos tan elevados no ocurrieron sincrnicamente en las
estaciones vecinas, concluyndose que estaran relacionados con errores asociados al
proceso de observacin meteorolgica. Lamentablemente, no fue posible la aplicacin de
la metodologa resumida en la Figura N 5, dado que la Direccin de Meteorologa e
Hidrologa del M.A.R.N. cambi de oficinas y la mayor parte de la informacin de Metafiles
se encontraba en cajas; por esta razn, se decidi estimar dichos valores, as como,
aquellos faltantes utilizando el Mtodo Racional. Los datos estimados cambiaron
considerablemente de magnitud presentando mayor relacin numrica con respecto al
resto de los datos. Finalmente, con los valores estimados las series consideradas pasaron
a ser consistentes estadsticamente, pero no pudo comprobarse las causas que originaron
los Outliers.
En la precipitacin de la estacin Wonkn para el perodo 1966-1999, las series
mensuales que resultaron con problemas fueron febrero, marzo, abril y noviembre,
presentando patrones de saltos de media, oscilacin, tendencia descendente y cambio de
varianza, respectivamente (Grfica N 2). En primer lugar se procedi a la verificacin del
patrn de salto de media detectado visualmente en el mes de febrero, cuyo valor de Tc=
11,91 versus Tt= 2,042, el cual result estadsticamente significativo, concluyndose que
en dicho mes la serie debe dividirse en dos (2) subperodos: 1966-1980 (serie 1) y 1981-
1999 (serie 2); igualmente, el valor de R
2
fue indicativo de la presencia del patrn al
compararlo con el valor umbral: 0,1659 versus 0,1000. Estas determinaciones se
refuerzan con el clculo de la estabilidad de la media y de la varianza, donde podemos
observar que en el ao 14 aparece un quiebre importante y, posteriormente, se inicia un
ascenso continuo. La literatura especializada seala como principal causa para la
ocurrencia de este patrn el cambio de localizacin de la estacin con respecto al lugar
donde inicialmente fue instalada, hecho que no pudimos verificar en el metafile ni en otros
archivos histricos de la mencionada estacin.
En relacin al mes de marzo, el patrn oscilatorio fue detectado por las pruebas de Von
Neumann y Rachas corroborando dicho movimiento, obtenindose resultados mayores al
umbral superior de ambas pruebas. Lamentablemente, este tipo de patrn no puede ser
filtrado y la serie se pierde, es decir, no puede ser utilizada para estudios climticos.
En el mes de abril se observ un patrn tendencial descendente junto con un salto de
medias, cuyos resultados corroboraron su existencia Tc= 15,15 versus Tt= 2,042 y,
reforzado con cambios en la estabilidad de la media a partir del ao 1984. Igualmente, el
Grfico 1. Lluvia correspondiente a la estacin Hato Uran.
LLUVIA DEL MES DE MAYO. ESTACION
HATO URAON. (1971-1990) DATOS
ORIGINALES
y = -3,281x + 251,07
R
2
= 0,0159
0,0
200,0
400,0
600,0
800,0
1000,0
1 3 5 7 9 11 13 15 17 19
AOS
P
R
E
C
I
P
I
T
A
C
I
O
N

(
m
m
)
LLUVIA MES DE AGOSTO. ESTACION HATO
URAON. (1971-1990) DATOS ORIGINALES
y = -0,1995x + 341,7
R
2
= 5E-05
0,0
200,0
400,0
600,0
800,0
1000,0
1 3 5 7 9 11 13 15 17 19
AOS
P
R
E
C
I
P
I
T
A
C
I
O
N

(
m
m
)
LLUVIA DEL MES DE MAYO. ESTACION
HATO URAON. (1971-1990) DATO
ESTIMADO
y = -0,704x + 182,82
R
2
= 0,0025
0,0
200,0
400,0
600,0
800,0
1000,0
1 3 5 7 9 11 13 15 17 19
AOS
P
R
E
C
I
P
I
T
A
C
I
O
N

(
m
m
)
LLUVIA MES DE AGOSTO. ESTACION HATO
URAON. (1971-1990) DATO ESTIMADO
y = -1,2326x + 303,81
R
2
= 0,0071
0,0
200,0
400,0
600,0
800,0
1000,0
1 3 5 7 9 11 13 15 17 19
AOS
P
R
E
C
I
P
I
T
A
C
I
O
N

(
m
m
)
Grfico 2. Lluvia de la estacin Wonken. Estabilidad de media y varianza.
ESTACION WONKEN. TOTALES DE
LLUVIA ( en mm) FEBRERO.
( 1966- 1999)
y = 2,7877x - 137,81
R
2
= 0,1659
0
100
200
300
400
500
600
66 69 72 75 78 81 84 87 90 93 96 99
AOS
ESTACI ON WONKEN.
TOTALES DE LLUV I A ( en mm) .
M ARZO. ( 1 9 6 5 - 1 9 9 9 )
y = 0 , 2 5 7 5 x + 1 0 7 , 7 4
R
2
= 0 , 0 0 1 6
0
1 0 0
2 0 0
3 0 0
4 0 0
5 0 0
6 0 0
65 68 71 74 77 80 83 86 89 92 95 98
AOS
ESTACION WONKEN. TOTALES DE
LUVIA (e n m m ) ABRIL
(1965-1999)
y = -4,181x + 596,82
R
2
= 0,1465
0
100
200
300
400
500
600
65 68 71 74 77 80 83 86 89 92 95 98
AOS
P
R
E
C
I
P
I
T
A
C
I
O
N

ESTACI ON WONKEN
ESTABI LI DAD DE LA M EDI A PLUV I AL.
FEBRERO. ( 1 9 6 6 - 1 9 9 9 )
0
5 0
1 0 0
1 5 0
2 0 0
2 5 0
3 0 0
3 5 0
4 0 0
1 5 9 1 3 1 7 2 1 2 5 2 9 3 3
TAM AO M UESTRAL
ESTACION WONKEN.
ESTABILIDAD DE LA M EDIA
P LUVIAL.
ABRIL. ( 1965- 1999)
0
50
100
150
200
250
300
350
400
1 4 7 10 13 16 19 22 25 28 31 34
TAM AO M UESTRAL
ESTACION WONKEN. ESTABILIDAD DE LA
VARIANZA P LUVIAL. NOVIEM BRE ( 1966-
1999)
0,0
2000,0
4000,0
6000,0
8000,0
10000,0
12000,0
14000,0
16000,0
18000,0
20000,0
TAMAO MUESTRAL
ESTACION WONKEN ESTABILIDAD DE LA VARIANZA PLUVIAL.ABRIL.
(1966-1999)
0,0
2000,0
4000,0
6000,0
8000,0
10000,0
12000,0
14000,0
16000,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33
TAMAO MUESTRAL
M
E
D
I
A

(
m
m
)
ESTACION WONKEN. ESTABILIDAD DE LA
VARIANZA P LUVIAL. NOVIEM BRE
( 1966- 1999)
0,0
2000,0
4000,0
6000,0
8000,0
10000,0
12000,0
14000,0
16000,0
18000,0
20000,0
TAMAO MUESTRAL
valor de R
2
igual a 0,1465 confirm la presencia de la tendencia. Al revisar los grficos de
estabilidad de la media se detalla que luego del ao 1983 se inicia un proceso de
descenso, pero ms lento hacia el ao 1999.
La lluvia de noviembre evidenci cambios estadsticamente significativos en su
variabilidad (Cambio de Varianza).
Para el anlisis de consistencia de la temperatura fue seleccionada la estacin Arekuna
administrada por la empresa CVG-Edelca y, fue sorprendente encontrar 8 series
consecutivas con inconsistencia, desde junio hasta diciembre incluyendo la serie anual,
en las cuales se observ el patrn tendencial ascendente en 5 de ellas (Grfico N 3).
Igualmente, en los grficos de estabilidad de la media se constat el patrn tendencial
ascendente, siendo ms marcado en los meses de septiembre, octubre, noviembre y en la
serie anual. Sin embargo, solo en los meses de julio, septiembre y noviembre puede
considerarse que hubo cambios en la varianza muestral (Grfico N 4). Por ltimo, el
anlisis de sus coeficientes de determinacin mantuvieron valores por encima de 0,1000
confirmando la presencia del mencionado patrn.
En la serie de agosto fue identificado un valor atpicamente bajo (1965); en las series de
julio, septiembre, octubre, noviembre y diciembre, las pruebas de Von Neumann,
Spearman y Rachas reflejaron las siguientes inconsistencias: dependencia intramuestral y
falta de aleatoriedad.
Al comparar el comportamiento de la temperatura con la lluvia en Arekuna se puede inferir
que no muestra relacin el descenso trmico en los meses lluviosos por efecto del
aumento de la precipitacin, por lo tanto, el patrn tendencial descendente no est
relacionado con la influencia de la lluvia como atenuador de la temperatura superficial,
sino con causas artificiales provenientes del proceso de observacin meteorolgica, las
cuales no fueron verificadas en los metafiles u otros archivos de informacin histrica de
la estacin.
CONCLUSIONES Y RECOMENDACIONES
Luego de haber aplicado la metodologa propuesta a los tres casos seleccionados: Hato
Uran, Wonken y Arekuna, sealamos como principales conclusiones:
1. Esta metodologa an se encuentra en fase de prueba y desarrollo, dado que
observamos diferencias de sensibilidad a las inconsistencias estadsticas por parte
de los diferentes mtodos empleados.
2. la falta de acceso a los metafiles o archivos histricos de las estaciones no
permiti verificar las causas de las inconsistencias detectadas estadsticamente ni
determinar su naturaleza: por errores instrumentales o humanos por aquellas
intrnsecas al sistema climtico.
3. En la estacin Hato Uran, se verific la existencia de valores atpicos lo cual
caus la respectiva inconsistencia en las series de mayo y agosto; previo anlisis
regional se comprob que tales valores atpicos no fueron naturales.
4. En la estacin Wonkn, de las trece series de lluvia analizadas para el perodo
1966-1999, fueron detectados tres meses con inconsistencia: febrero, marzo, abril
y noviembre, presentando patrones de salto de medias, oscilatorio, tendencial
descendente y cambios en la varianza.
5. En la estacin Arekuna, de las trece series de temperatura analizadas para el
perodo 1966-2000, el patrn detectado desde junio hasta noviembre, incluyendo
la serie anual, fue tendencial ascendente.
6. En aquellas series cuyo patrn (componente determinstica) no pueda ser filtrado
no deber ser utilizada en ningn estudio climtico.
Grfico 3. Temperatura de la estacin Arekuna y estabilidad de la media.
ESTACI ON AREKUNA. ESTABI LI DAD DE
LA M EDI A DE TEM PERATURA.
JUNI O. ( 1 9 6 6 - 2 0 0 0 )
2 4 , 0
2 5 , 0
2 6 , 0
2 7 , 0
67 70 73 76 79 82 85 88 91 94 97
AOS
ESTACI ON AREKUNA. M EDI AS DE
TEM PERATURA. JUNI O. ( 1 9 6 6 - 2 0 0 0 )
y = 0 , 0 1 7 x + 2 3 , 1 0 4
R
2
= 0 , 1 3 5
2 2 , 5
2 3 , 5
2 4 , 5
2 5 , 5
2 6 , 5
2 7 , 5
2 8 , 5
66 69 72 75 78 81 84 87 90 93 96 99
AOS
TEM PERATURA JULI O. ( 1 9 6 5 - 2 0 0 0 )
y = 0 , 0 1 5 8 x + 2 3 , 8 5 2
R
2
= 0 , 1 2 0 3
22, 5
23, 5
24, 5
25, 5
26, 5
27, 5
28, 5
65 68 71 74 77 80 83 86 89 92 95 98
AOS
ESTACI ON AREKUNA. ESTABI LI DAD DE LA
M EDI A DE TEM PERATURA. JULI O.
( 1 9 6 6 - 2 0 0 0 )
2 4 , 0
2 5 , 0
2 6 , 0
2 7 , 0
66 69 72 75 78 81 84 87 90 93 96 99
AOS
Grfico 3. Continuacin.
ESTACI ON AREKUNA. TEM PERATURA
M EDI A ANUAL. ( 1 9 6 6 - 1 9 9 9 )
y = 0 , 0 1 8 3 x + 2 5 , 2 5 4
R
2
= 0 , 1 9 4 9
22, 5
23, 5
24, 5
25, 5
26, 5
27, 5
28, 5
NUMERO DE DATOS
LA M EDI A DE TEM PERATURA M EDI A
ANUAL ( 1 9 6 6 - 1 9 9 9 )
2 4
2 5
2 6
2 7
N ( ACUM ULADO)
LA V ARI ANZA. TEM PERATURA
0
0 , 1
0 , 2
0 , 3
0 , 4
N ( ACUM ULADO)
LA M EDI A DE TEM PERATURA. AGOSTO.
( 1 9 6 6 - 2 0 0 0 )
2 4 , 0 0
2 5 , 0 0
2 6 , 0 0
2 7 , 0 0
66 69 72 75 78 81 84 87 90 93 96 99
AOS
TEM PERATURA. AGOSTO. ( 1 9 6 5 - 1 9 9 9 )
y = 0 , 0 2 0 7 x + 2 3 , 5 0 9
R
2
= 0 , 1 0 8 2
2 2 , 5
2 3 , 5
2 4 , 5
2 5 , 5
2 6 , 5
2 7 , 5
2 8 , 5
65 68 71 74 77 80 83 86 89 92 95 98
AOS
Grfico 4. Temperatura de la estacin Arekuna y estabilidad de la media.
ESTACI ON AREKUNA M EDI AS DE
TEM PERATURA. OCTUBRE. ( 1 9 6 5 - 1 9 9 9 )
y = 0 , 0 1 7 1 x + 2 4 , 7 9 7
R
2
= 0 , 1 6 7 3
2 2 , 5
2 3 , 5
2 4 , 5
2 5 , 5
2 6 , 5
2 7 , 5
2 8 , 5
65 68 71 74 77 80 83 86 89 92 95 98
AOS
LA M EDI A DE TEM PERATURA.
NOV I EM BRE. ( 1 9 6 6 - 1 9 9 9 )
2 4 , 0 0
2 5 , 0 0
2 6 , 0 0
2 7 , 0 0
66 69 72 75 78 81 84 87 90 93 96 99
AOS
TEM PERATURA. NOV I EM BRE.
( 1 9 6 5 - 1 9 9 9 )
y = 0 , 0 1 9 8 x + 2 3 , 6 7 9
R
2
= 0 , 1 5 8 9
2 2 , 5
2 3 , 5
2 4 , 5
2 5 , 5
2 6 , 5
2 7 , 5
2 8 , 5
65 68 71 74 77 80 83 86 89 92 95 98
AOS
ESTACI ON AREKUNA. ESTABI LI DAD DE LA
M EDI A DE TEM PERATURA. SEPTI EM BRE.
( 1 9 6 6 - 1 9 9 9 )
2 4 , 0 0
2 5 , 0 0
2 6 , 0 0
2 7 , 0 0
66 69 72 75 78 81 84 87 90 93 96 99
AOS
TEM PERATURA. SEPTI EM BRE.
( 1 9 6 5 - 1 9 9 9 )
y = 0 , 0 2 6 4 x + 2 2 , 8 1 3
R
2
= 0 , 2 8 5
2 2 , 5
2 3 , 5
2 4 , 5
2 5 , 5
2 6 , 5
2 7 , 5
2 8 , 5
65 68 71 74 77 80 83 86 89 92 95 98
AOS
5
LA M EDI A DE TEM PERATURA. OCTUBRE.
( 1 9 6 6 - 2 0 0 0 )
2 4 , 0 0
2 5 , 0 0
2 6 , 0 0
2 7 , 0 0
66 69 72 75 78 81 84 87 90 93 96 99
AOS
Grfico 5. Estabilidad de la varianza. Temperatura.
LA V ARI ANZA. M ES DE JULI O
0 , 0
0 , 2
0 , 4
0 , 6
0 , 8
1 , 0
1 , 2
N ( ACUM ULADO)
ESTACI ON AREKUNA. ESTABI LI DAD
DE LA V ARI ANZA. M ES DE
SEPTI EM BRE
0 , 0
0 , 2
0 , 4
0 , 6
0 , 8
1 , 0
1 , 2
N ( ACUM ULADO)
ESTACI ON AREKUNA. ESTABI LI DAD
DE LA V ARI ANZA M ES DE
NOV I EM BRE
0 , 0
0 , 2
0 , 4
0 , 6
0 , 8
1 , 0
1 , 2
N ( ACUM ULADO)
Cuadro 1. Precipitacin de la estacin Hato Uran.
AOS ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
1971 0,5 1,3 9,1 106,1 278,4 308,8 196,2 278,8 214,5 50,3 107,4 23,2 1574,6
1972 3,0 0,6 40,0 261,9 294,5 85,6 285,0 262,6 266,8 155,4 16,2 0,8 1672,4
1973 0,2 0,0 8,2 68,8 95,3 273,7 278,8 275,4 283,2 226,7 75,6 21,4 1607,3
1974 0,0 0,0 0,0 9,8 131,0 109,7 364,4 163,3 229,1 42,9 62,1 0,0 1112,3
1975 0,0 0,0 3,2 26,2 130,0 176,2 243,4 344,6 286,3 136,3 7,4 32,8 1386,4
1976 2,8 0,0 0,1 155,1 87,4 344,3 513,5 182,9 123,3 107,2 68,9 0,7 1586,2
1977 0,0 0,0 9,9 0,0 173,3 359,2 452,8 368,8 277,0 123,2 113,2 3,0 1880,4
1978 0,0 0,0 8,3 142,3 151,9 485,4 311,1 428,8 248,9 172,9 40,0 0,1 1989,7
1979 0,0 0,0 14,7 53,0 76,2 637,5 284,1 370,8 434,7 166,6 77,2 22,7 2137,5
1980 0,0 0,0 34,3 69,1 326,6 365,2 487,4 418,2 305,6 305,2 46,7 0,0 2358,3
1981 0,0 105,4 24,9 160,0 148,5 365,3 301,7 300,9 234,0 152,8 5,5 0,5 1799,5
1982 0,0 0,4 1,4 198,0 100,0 414,7 322,1 200,2 102,8 155,6 3,1 0,4 1498,7
1983 0,0 12,8 49,5 129,6 322,6 321,7 525,9 260,8 141,2 160,3 40,7 0,9 1966,0
1984 0,2 0,0 0,0 17,0 127,6 278,4 575,5 357,2 244,7 103,5 79,3 4,0 1787,4
1985 0,0 0,0 0,0 75,0 208,3 381,8 282,9 280,6 132,6 146,2 49,5 31,6 1588,5
1986 0,0 1,8 0,0 111,0 247,9 483,1 434,2 328,2 234,0 176,9 147,8 0,3 2165,2
1987 0,9 0,0 22,1 83,6 195,0 287,8 251,2 356,3 235,8 212,9 80,0 1,5 1727,1
1988 0,0 0,0 0,0 31,9 161,2 464,5 615,8 331,5 310,4 153,8 193,3 0,0 2262,4
1989 0,0 0,5 0,0 2,8 37,9 163,7 108,9 109,8 55,7 44,4 18,5 2,9 545,1
1990 19,6 0,0 8,8 84,6 214,9 458,7 372,2 197,7 140,7 151,6 52,2 18,0 1719,0
1,4 6,1 11,7 89,3 175,4 338,3 360,4 290,9 225,1 147,2 64,2 8,2 1718,2
0,348 0,287 0,792 0,943 0,963 0,973 0,959 0,966 0,950 0,925 0,920 0,709 0,927
0,040 -0,170 0,230 -0,300 0,200 0,140 -0,020 -0,050 0,009
2,010 2,350 1,590 2,630 1,620 1,760 2,000 2,150 2,08
- 0,138 0,007 - 0,274 - 0,116 0,032 0,392 0,230 - 0,271 - 0,270 0,107 0,100 - 0,312 0,098
0,0 0,0 8,3 79,3 156,6 351,8 316,6 290,8 234,9 153,3 57,2 1,2 1723,1
1 1 9 11 11 8 14 10 11 9 12 15 7
V A LORES DUDOSOS ESTIMA DOS
V A LORES FA LTA NTES ESTIMA DOS
AOS ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
1971 0,5 1,3 9,1 106,1 278,4 308,8 196,2 504,6 214,5 50,3 107,4 23,2 1800,4
1972 3,0 0,6 40,0 261,9 294,5 85,6 285,0 262,6 266,8 155,4 16,2 0,8 1672,4
1973 0,2 0,0 8,2 68,8 95,3 273,7 278,8 275,4 283,2 226,7 75,6 21,4 1607,3
1974 0,0 0,0 0,0 9,8 131,0 109,7 364,4 163,3 229,1 42,9 62,1 0,0 1112,3
1975 0,0 0,0 3,2 26,2 130,0 176,2 243,4 344,6 286,3 136,3 7,4 32,8 1386,4
1976 2,8 0,0 0,1 155,1 87,4 344,3 513,5 182,9 123,3 107,2 68,9 0,7 1586,2
1977 0,0 0,0 9,9 0,0 704,7 359,2 452,8 368,8 277,0 123,2 113,2 3,0 2411,8
1978 0,0 0,0 8,3 142,3 151,9 485,4 311,1 428,8 248,9 172,9 40,0 0,1 1989,7
1979 0,0 0,0 14,7 53,0 76,2 637,5 284,1 370,8 434,7 166,6 77,2 22,7 2137,5
1980 0,0 0,0 34,3 69,1 326,6 365,2 487,4 525,7 305,6 305,2 46,7 0,0 2465,8
1981 0,0 105,4 24,9 160,0 440,9 365,3 301,7 300,9 234,0 152,8 5,5 0,5 2091,9
1982 0,0 0,4 1,4 198,0 100,0 414,7 322,1 200,2 102,8 155,6 3,1 0,4 1498,7
1983 0,0 12,8 49,5 129,6 322,6 321,7 525,9 260,8 141,2 ( - ) 40,7 0,9 1805,7
1984 0,2 0,0 0,0 17,0 127,6 278,4 575,5 357,2 244,7 103,5 79,3 4,0 1787,4
1985 0,0 0,0 0,0 75,0 208,3 381,8 282,9 921,9 132,6 146,2 49,5 31,6 2229,8
1986 0,0 1,8 0,0 ( - ) 247,9 483,1 434,2 328,2 234,0 176,9 147,8 0,3 2054,2
1987 0,9 0,0 22,1 83,6 195,0 287,8 251,2 356,3 235,8 212,9 80,0 1,5 1727,1
1988 0,0 0,0 0,0 31,9 161,2 464,5 615,8 331,5 310,4 153,8 193,3 0,0 2262,4
1989 0,0 0,5 0,0 2,8 37,9 163,7 ( - ) 109,8 55,7 ( - ) ( - ) ( - ) 370,4
1990 19,6 0,0 8,8 84,6 214,9 458,7 372,2 197,7 140,7 151,6 52,2 18,0 1719,0
DA TOS DUDOSOS O ERRONEOS
DA TOS FA LTA NTES
Cuadro 2. Series de lluvia con problemas de incosistencia estadstica en la estacin Wonken.
1965 2 47,4 376,5
1966 3 0,0 108,7 215,7
1967 4 50,0 60,5 355,3
1968 5 108,1 155,7 475,7
1969 6 132,2 69,0 195,5
1970 7 82,0 171,4 175,1
1971 8 84,4 94,0 408,5
1972 9 54,7 176,0 429,9
1973 10 60,1 43,2 205,6
1974 11 71,2 280,0 326,3
1975 12 50,2 95,7 123,1
1976 13 87,3 223,5 408,7
1977 14 34,1 76,3 225,2
1978 15 9,1 88,8 208,6
1979 16 16,5 250,2 312,6
1980 17 16,4 35,1 350,5
1981 18 215,5 189,0 348,5
1982 19 128,2 193,5 224,4
1983 20 63,2 146,5 476,6
1984 21 87,3 54,7 80,3
1985 22 20,1 119,3 114,0
1986 23 237,3 116,9 138,9
1987 24 104,0 261,1 117,3
1988 25 36,0 104,3 111,3
1989 26 50,6 215,4 177,8
1990 27 109,2 107,1 308,9
1991 28 74,1 176,5 253,9
1992 29 167,0 74,3 251,9
1993 30 205,4 149,1 302,8
1994 31 31,0 48,3 286,0
1995 32 30,1 148,6 71,8
1996 33 234,9 75,4 147,1
1997 34 176,7 74,3 201,2
1998 35 107,2 104,8 238,0
1999 36 199,8 175,2 246,0
M EDIA 92,2 128,9 254,0
M EDIANA 78,1 108,7 238,0
NUM ERO DE DATOS 34 35 35
DESVIACION TIP ICA 67,148 65,547 110,325
VALOR M AXIM O 237,3 280,0 476,6
VALOR M INIM O 0,0 35,1 71,8
VARIANZA 4380,229 4296,435 12171,641
COEFICIENTE DE VARIACION 0,728 0,509 0,434
COEFICIENTE DE VARIACION 72,8 50,9 43,4
VALOR ATIP ICO
3,526 TIP IF. VALOR M AX 2,161 2,306 2,018
3,555 TIP IF. VALOR M IN ( 1,373) ( 1,430) ( 1,651)
3,584 VALOR DE CONTRASTE 3,134 3,154 3,154
SHAP IRO Y WILK 0,905 0,937 0,960
VALOR TABULADO ( 5%) 0,931 0,934 0,934
VON NEUM ANN 1,634 2,822 1,759
VALOR TABULADO ( 5%) ( 1,495 2,626) ( 1,507 2,607) ( 1,501 2,617)
AUTOCORRELACION - 0,453 - 0,271
VALOR TABULADO ( 5%) ( - 0,325 0,242) ( - 0,325 0,242)
RACHAS ( rm) 16 26 17
N1 ( +) 17 17 17
N2 ( - ) 17 18 18
VALOR TABULADO ( 5%) ( 11 25) ( 12 26) ( 12 26)
R^2 0,1659 0,0016 0,1465
SP EARM AN 0,3387 0,0783 -0,3459
VALOR TABULADO ( 5%) 2,0210 2,0210 2,0210
INCOSISTENCIA
Cuadro 3. Series de temperatura con problemas de inconsistencia estadstica de la
estacin Arekuna.
n AO JUN JUL AGO SEP OCT NOV DIC
1 1965 24,8 22,9 23,9 25,6 24,0 26,4
2 1966 24,7 24,8 25,0 24,4 26,0 24,8 24,6
3 1967 23,7 23,8 24,5 24,1 25,6 25,4 24,9
4 1968 23,7 24,7 25,3 24,5 25,9 24,7 25,4
5 1969 24,0 25,0 25,2 24,4 26,0 25,2 25,9
6 1970 24,5 24,3 25,0 24,6 26,0 25,0 25,2
7 1971 24,0 24,7 24,9 24,4 25,4 24,3 24,8
8 1972 24,4 25,7 25,9 24,9 26,0 25,1 26,1
9 1973 25,1 25,7 25,6 24,9 26,0 24,9 24,1
10 1974 25,3 24,9 25,3 24,2 26,1 24,8 25,0
11 1975 24,1 24,6 25,1 24,7 25,6 25,3 24,4
12 1976 23,8 24,6 25,0 26,0 26,5 25,8 25,0
13 1977 24,7 25,2 25,2 25,1 26,2 25,5 25,6
14 1978 24,4 26,1 24,5 25,5 26,7 25,6 25,5
15 1979 24,1 25,4 26,2 25,3 26,4 25,8 26,3
16 1980 24,7 25,6 25,5 25,5 26,8 25,1 26,0
17 1981 24,3 25,0 25,3 24,6 26,5 26,5 27,0
18 1982 24,7 26,0 24,6 25,7 26,7 26,1 26,0
19 1983 24,3 25,8 26,3 25,4 26,7 26,1 25,7
20 1984 24,9 25,3 25,0 24,8 26,3 25,1 24,8
21 1985 23,7 25,1 24,1 25,0 26,2 25,0 24,9
22 1986 24,3 25,4 25,7 25,3 25,7 25,0 25,3
23 1987 25,1 25,4 26,0 25,4 27,2 26,1 26,3
24 1988 24,9 25,2 25,3 25,3 26,1 25,5 25,2
25 1989 24,9 24,9 25,3 24,9 25,8 25,1 25,2
26 1990 24,6 25,1 25,0 24,7 26,1 25,2 25,1
27 1991 25,2 25,5 25,0 24,6 25,9 25,1 25,0
28 1992 24,4 24,9 25,2 25,0 26,0 25,2 25,5
29 1993 24,7 25,4 25,7 25,3 26,6 25,6 25,4
30 1994 24,8 25,0 25,3 25,2 26,1 25,4 25,9
31 1995 24,7 25,4 25,7 25,8 26,5 25,1 26,0
32 1996 24,4 24,9 25,3 25,3 26,4 25,4 26,0
33 1997 25,4 25,5 25,9 25,4 27,0 25,9 26,2
34 1998 24,9 25,8 26,3 25,5 26,7 25,5 25,7
35 1999 24,9 25,0 24,2 24,6 25,8 25,4 25,5
36 2000 23,8 25,0 25,6
NUM ERO DE DATOS 35 36 36 35 35 35 35
VALOR M INIM O 23,7 23,8 22,9 23,9 25,4 24,0 24,1
VALOR M AXIM O 25,4 26,1 26,3 26,0 27,2 26,5 27,0
M EDIA 24,5 25,2 25,2 25,0 26,2 25,3 25,5
M EDIANA 24,6 25,1 25,3 25,0 26,1 25,2 25,5
DESV. TIP ICA 0,468 0,472 0,655 0,499 0,423 0,502 0,621
VARIANZA 0,219 0,223 0,429 0,221 0,173 0,208 0,372
VALOR ATIP ICO
3,555 TIP IF. VALOR M AX 1,886 2,006 1,650 2,049 2,356 2,386 2,442
3,555 TIP IF. VALOR M IN ( 1,746) ( 2,864) ( 3,542) ( 2,158) ( 1,897) ( 2,597) ( 2,226)
3,584 VALOR TABULADO 3,154 3,174 3,174 3,154 3,154 3,154 3,154
SHAP IRO Y WILK 0,960 0,972 0,925 0,964 0,972 0,971 0,984
VALOR TABULADO 0,934 0,935 0,935 0,934 0,934 0,934 0,934
VON NEUM ANN 1,641 1,327 1,820 1,015 1,465 1,068 1,444
( 1,501 2,616) ( 1,507 2,607) ( 1,507 2,607) ( 1,501 2,616) ( 1,501 2,616) ( 1,501 2,616) ( 1,501 2,616)
AUTOCORRELACION 0,174 0,338 - 0,167 0,452 0,243 0,389 0,276
VALOR TABULADO ( - 0,300 0,242) ( - 0,300 0,242) ( - 0,300 0,242) ( - 0,300 0,242) ( - 0,300 0,242) ( - 0,300 0,242) ( - 0,300 0,242)
RACHAS ( rm) 18 15 12 11 7 12 11
N1 ( +) 16 18 18 17 18 17 17
N2 ( - ) 19 18 18 18 17 18 18
VALOR TABULADO ( 12 25) ( 12 26) ( 12 26) ( 12 25) ( 12 25) ( 12 25) ( 12 26)
R^2 0,1350 0,1203 0,1082 0,2850 0,1673 0,1589 0,0539
SP EARM AN 0,3790 0,3310 0,3900 0,4840 0,4220 0,4310 0,2510
Tc 2,3510 2,0470 2,4730 3,1730 2,6710 2,7450 1,4880
VALOR TABULADO 2,0210 2,0210 2,0210 2,0210 2,0210 2,0210 2,0210
INCONSISTENCIA
DATO ESTIMADO
BIBLIOGRAFA
BARBOZA J. y BLANCO A. 2000. Consideraciones Tericas de la Homogeneidad y
Determinacin de la Aleatoriedad de Series Pluviomtricas en la Superficie Plana de
la Regin Administrativa de los Llanos (1971-1990). Tesis de Grado. Escuela de
Geografa. Facultad de Humanidades y Educacin. UCV. Caracas. 350 pp.
COLOTTI B., Eva. 1985. Aplicabilidad del Criterio de Conrad y Pollack para la
Determinacin de Regiones Pluviomtricamente Coherentes en Venezuela. Tesis de
Grado. Escuela de Geografa. Facultad de Humanidades y Educacin. UCV.
Caracas. 105 pp.
CONRAD, V y POLLAK, L. 1962. Methods in Climatology. 2 Edic. Harvard University
Press Cambridge, Massachusetts. 459 pp.
CHOW, Ven Te. 1994. Hidrologa Aplicada. Editorial Mac Graw Hill. Interamericana C.A.
Colombia. 584 pp.
CUENA J., Bartolom. 1974. En: Estadstica y simulacin aplicada a la Ingeniera Civil.
Colegio de Ingenieros de Caminos, Canales y Puertos. Centro de Perfeccionamiento
Empresarial y Profesional. Madrid.
GUEVARA D., Jos M. 1987. La Homogeneidad de una Serie Climtica y Mtodos para
Determinarla Serie Temtica N 18. Publicaciones de la Escuela de Geografa, UCV.
Caracas.28 pp.
GUJARATI, D. 1990. Econometra. Editorial Mc Graw-Hill. Latinoamericana. Colombia.
JAGANNATHAN, P, ARLERY, H. TENKATE,ZAVARIANA, M. 1967. A Note on
Climatological Normals. Technical Note. N 84. WMO. 37 pp.
MITCHELL, J.M, DZERDZEEVSKII B., FLOHN, H., HOTMEYR W., RAO, K., WALLEN, C.
1966. Climatic Change. Nota Tcnica 79. WMO. Ginebra. 90 pp.
RODRGUEZ G., Jorge. 2000. Propuesta y Anlisis Geogrfico-Estadstico de la
Definicin del Concepto Clima. Trabajo de Ascenso a la categora de Prof. Titular.
Escuela de Geografa. UCV. Publicacin del Autor. Caracas. 128 pp.
RODRGUEZ G., Jorge et al. 2001. Informe de Comparacin de los Registros Simultaneos
de las Estacines Convencionales y Automticas de la Red Hidrometeorolgica de
CVG-EDELCA Electrificacin del Caron.
SANCHEZ C., Jess. 1966. Interpretacin y Uso de los Datos Climatolgicos. Trabajo de
Ascenso. UCV. Maracay. 32 pp.
SANCHEZ DE Rivera, Daniel P. 1986. Estadstica Modelos y Mtodos. Edit. Alianza
Universidad Textos. Madrid. 402 pp.
SIEGEL, Sidney. 1970. Diseo Experimental No Paramtrico. Editorial Trillas S.A. 235 pp.
THOM, H C. 1966. Some Methods of Climatological Analisys. Technical Note N 81.
WMO. Ginebra. 54 pp.
VON NEUMANN, John. 1961. Distribution of the Ratio of the Mean Square Successive
Difference to the Variance. Continuos Geometry and other Topics. Collected Works
General editor A. H. Taub. Pergamon Press Vol. IV. 960 pp.

3.taller Cambiosclimaticos 02

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

3.taller Cambiosclimaticos 02

Transféré par

Droits d'auteur :

Formats disponibles

Cambios Climticos, Recursos Hdricos, Geo-Riesgos y Desastres Naturales 3-

IV SIMPOSIO INTERNACIONAL DE DESARROLLO SUSTENTABLE

: a Sumatoria de la serie mensual sin el dato englobado

: e Sumatoria de la serie mensual que tiene el dato englobado. (Colotti, E. 1985)

: (Suma de la lluvia en meses con )=

: = Sumatoria de los porcentajes

Mtodo de las Rachas

Vous aimerez peut-être aussi