Ajustes de distribuciones probabilísticas para la variable temperatura media multianual para el departamento de Boyacá (Colombia)

Adjust of the probabilistic distribution for the multi-year average temperature variable for the department of Boyacá (Colombia)

##plugins.themes.bootstrap3.article.main##

Dayana Soret Calderón Rivera
Claudia Fernanda Navarrete López
José Luis Díaz Arévalo
Resumen

En este trabajo se presenta un estudio acerca de la selección de la mejor distribución probabilística para la variable media multianual de la temperatura en el departamento de Boyacá (Colombia), como base para futuras estimaciones y proyecciones de la variable en condiciones de incertidumbre. Se seleccionaron las distribuciones Normal, Gamma, Weibull y LogNormal para ajustar los datos; y para encontrar cual distribución ajusta mejor los datos se utilizaron los criterios de información basados en la máxima verosimilitud de Akaike (Akaike Information Criterion) y Bayesiano (Bayesian Information Criteron). Se muestran los resultados tanto en forma tabular como gráfica, así como un plano de las funciones de distribución probabilísticas más representativas en el área de estudio. Como resultado se obtiene que en general la distribución que mejor se ajusta es la Weibull.

Palabras clave

Descargas

Los datos de descargas todavía no están disponibles.

##plugins.themes.bootstrap3.article.details##

Biografía del autor/a / Ver

Dayana Soret Calderón Rivera, Universidad Santo Tomás (Colombia

Estudiante Facultad de Ingeniería Ambiental. Universidad Santo Tomás (Colombia). Carrera 9 51-11, Bogotá (colombia).

Claudia Fernanda Navarrete López, Universidad Santo Tomás (Colombia).

Magister en Agronomía. Universidad Santo Tomás (Colombia). Carrera 9 51-11, Bogotá (colombia). 

José Luis Díaz Arévalo, Universidad Santo Tomás (Colombia)

Doctor Ingeniería Hidráulica y Medio Ambiente. Universidad Santo Tomás (Colombia). Carrera 9 51-11, Bogotá (colombia).

Referencias

Acuña, C., J.A.; Dominguez, C., A.H.; Toro, O., E.M. 2012 Una comparación entre métodos estadísticos clásicos y técnicas metaheurísticas en el modelamiento estadístico. Scientia et Technica Año XVII, No 50, Abril de 2012. Universidad Tecnológica de Pereira. ISSN 0122-1701

Akaike. H. 1974. A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), pp. 716-723.

Akaike. H. 1978. A Bayesian analysis of the minimum AIC procedure. The Annals of Statistics, 30(1), pp. 9-14, 1978.

Aristizabal, R. J . 2012. Estimating the parameters of the three-parameter lognormal distribution. Florida International University. FIU Electronic Theses and Dissertations. Paper 575.

Ayodele, T.R.; Ogunjuyigbe, A.S.O. 2015. Prediction of monthly average global solar radiation based on statistical distribution of clearness index. Energy 90. pp. 1733-1742.

Behar, G., R.; Grima, C., P . 2004. 55 Respuestas a dudas típicas de estadística. Ediciones Díaz de Santos, S. A.

Bozdogan. H. 1987. Model selection and Akaike’s information criterion (AIC): The general theory and its analytical extensions. Psychometrika, 52( 3), pp. 345-379, 1987.

Caballero, D.; F.F . 2011. Selección de modelos mediante criterios de información en análisis factorial. Aspectos teóricos y computacionales. Tesis Doctoral. Universidad de Granada. Departamento de Estadística e I.O. ISBN 978-84-694-5742-9.

Chaouche, K.; Neppel, L.; Dieulin, C.; Pujol, N.; Ladouche, B.; Martin, E.; Salas, D.; Caballero, Y. 2010. Analyses of precipitation, temperature and evapotranspiration in a French Mediterranean region in the context of climate change. C. R. Geoscience 342. 234-243.

Donat, M.G.; Alexander, L.V . 2012. The shifting probability distribution of global daytime and nighttime temperatures. GEOPHYSICAL RESEARCH LETTERS, VOL. 39, L14707, doi:10.1029/2012GL052459, 2012.

Dorado, D., J.; Burbano, C., J.C.; Molina, T., J.M.; Carvajal, E., Y.; Aristizábal, H.F . 2006. Ajuste de modelos probabilísticos para el estudio de la variabilidad espacio-temporal de la precipitación: caso de estudio sistema Sara-Brut. Meteorología Colombiana. No. 10. pp. 60-75. Marzo 2006. ISSN 0124-6984.

Hingray, B.; Mezghani, A.; Buishand, T.A . 2007. Development of probability distributions for regional climate change for uncertain global mean warming and uncertain scaling relationship. Hydrology & Earth Systems Sciences, 11(3), pp. 1097-1114.

Kendall, M.G. 1975. Rank Correlation Methods, 4th edition, Charles Griffin, London.

Mann, H.B . 1945. Non-parametric tests against trend, Econometrica 13, pp.163-171.

Martínez, F., L . Métodos de inferencia para la distribución Weibull: aplicación en fiabilidad industrial. Trabajo fin de máster. Máster en Técnicas Estadísticas. Universidad de Vigo.

Minka, T. P . 2002. Estimating a Gamma distribution. Microsoft Research, Cambridge, UK, Tech. Rep. Montesinos, L., A. 2011. Estudio del AIC y BIC en la selección de modelos de vida con datos censurados. Tesina de Maestría. Centro de Investigación en Matemáticas, A.C. Guanajuato, Gto.

Moreno, R. S., Aguilar, A. R., Hernández, E. F., & Soto, F. P . 2011. Aplicaciones de la distribución weibull en ingeniería de confiabilidad. Memoria del XXI Coloquio Mexicano de Economía Matemática y Econometría, p. 148.

Navarrete, L., C.F . 2008. Distribuição de probabilidade e dimensionamento amostral para tamanho de partícula em gramíneas forrageiras. Teses de Mestra. Universidade de São Paolo. Escola Superior de Agricultura Luiz de Queiroz.

Ramírez, Á. S . 2000. Criterios para la selección de modelos estadísticos. Banco Central de Costa Rica. DIE-NT-07-00.

Räisänen, J. 2009. Probability distributions of monthlyto-annual mean temperature and precipitation in a changing climate (CES Climate Modelling and Scenarios Deliverable D2.4, task I). Department of Physics, P.O. Box 48, FI-00014 University of Helsinki, Finland. AVAILABLE FROM: http://www.atm.helsinki.fi/~jaraisan/CES_D2.4/CES_D2.4_task1.html

Schwarz. G . 1978. Estimating the dimension of a model. The Annals of Statistics, 6(2), pp. 461-464.

Sistema OJS - Metabiblioteca |