serie planes de desarrollo territorial

Proyecto

“Asegurando el Agua y los Medios de Vida en la Montaña”

Módulo de capacitación
Análisis de datos climáticos

Rachel Chisolm

Mayo - 2015
Este documento ha sido posible gracias al apoyo del pueblo estadounidense a través de la Agencia de los Estados
Unidos para el desarrollo Internacional (USAID). Fue preparado por el Instituto de Montaña para el proyecto Asegurando
el Agua y los Medios de Vida en la Montaña AID-527-A-14-00001
 Proyecto

Asegurando el Agua y los Medios de Vida en las

Montañas

Módulo de capacitación

Análisis de datos climáticos

Elaborado por: Rachel Chisolm

Mayo de 2015

REPORTE: Herramienta de capacitación Nº 2

 Proyecto

Asegurando el Agua y los Medios de Vida en la Montaña

Módulo de capacitación

Análisis de datos climáticos

Elaborado por: Rachel Chisolm

Mayo de 2015
This document was produced for review by the United States Agency for International Development. It was
prepared by The Mountain Institute for the Securing Mountain Waters and Livelihoods Project, contract
number AID-527-A-14-00001
Contenido
Introducción ................................................................................................................................................................................................................................ 9

Estadísticas básicas ............................................................................................................................................................................................................ 10

– Medidas de tendencia central: media, mediana y moda ...................................................................................................... 10
– Medidas de la dispersión: varianza y desviación estándar ................................................................................................ 10
– Series de tiempo y análisis de tendencias ....................................................................................................................................... 11
– Pruebas de Tendencias: la Prueba de Mann-Kendall ............................................................................................................. 12
Glosario de siglas
xxxx
Introducción
El análisis de datos climáticos y caracterización del clima de un lugar, sus patrones y tendencias, puede
ser tanto un arte como una ciencia. Los métodos estadísticos que se puede aplicar varían entre los más
sencillos (ej. promedios y desviaciones estándares) hasta métodos muy complejos como análisis espectrales
de periodicidad. Esta guía es tan solo una introducción a métodos estadísticos de análisis que se pueden
aplicar al análisis de datos climáticos.

Para analizar el clima de una zona, se requiere de datos acumulados por un mínimo de 30 años. Los
análisis de tendencias requieren, también, de datos de varias décadas, porque las tendencias se producen
por cambios graduales, y a veces las amplitudes de las variabilidades interanuales pueden ser mayores que
las tendencias en el corto plazo. Pero a lo largo de décadas, las tendencias se pueden manifestar en los
datos, a pesar de las variabilidades interanuales.

En este módulo vamos a trabajar con datos de temperatura y precipitación, pero se pueden hacer los
mismos análisis con otros parámetros, tales como humedad, radiación solar, etc.

9
Estadísticas básicas
Medidas de tendencia central: media, mediana y moda
Las estadísticas más básicas que se pueden aplicar incluyen medidas de tendencia central (media,
promedio, mediana y moda). Estas medidas orientan en la comprensión del comportamiento central de los
datos, pero no son una descripción completa.

• La media (o promedio) es la medida más común y se calcula así:

x=
∑x i

n
x = la medida de la variable X
xi = los valores individuales de la variable X
n= la cantidad de medidas individuales de la variable X

Por ejemplo, con los siguientes valores: 4, 5, 8, 3, el cálculo de la media sería así:
4 + 5+8+3
x= =5
4
• La mediana es el valor central de los datos, si se organizan los datos en el orden de su valor.

Por ejemplo, teniendo los valores: 4, 7, 5, 8, 6, 5, 3, 7, 4; se les puede ordenar del mínimo al máximo
así: 3, 4, 4, 5, 5, 6, 7, 7, 8. La mediana seria el valor central en este orden: 5. Si tienes un numero par
de valores (divisible entre dos), la mediana seria el promedio de los dos valores centrales.

• La moda es el valor más frecuente.

Por ejemplo, con esta serie de datos: 11, 14, 17, 11, 14, 15, 11; el valor que aparece más
frecuentemente es 11. Entonces, la moda para esta serie de datos es 11.

Medidas de la dispersión: varianza y desviación estándar

Las medidas de dispersión cuantifican la variabilidad dentro de una serie de datos. Si los valores de los
datos varían mucho, la varianza y la desviación estándar tienen valores más altos. En cambio, con poca
variabilidad de los datos, los valores de la varianza y desviación estándar son menos.

• La varianza (σ2) es una cuantificación de la distancia entre los valores y el promedio:

∑ (x − x)
2
i
σ 2
=
n −1
σ = 2
la varianza de la variable X
xi = los valores individuales de la variable X
x = el promedio de la variable X
n = la cantidad de medidas individuales de la variable X

10
 • La desviación estándar (σ) es la raíz cuadrada de la varianza. Es más común usar la desviación
estándar para indicar la variabilidad promedia de los datos.

∑ (x − x)
2
i
σ = σ = 2

n −1

Series de tiempo y análisis de tendencias

Una serie de tiempo es una secuencia de valores de una variable recopilada a lo largo de un periodo de
tiempo. Se puede graficar una serie de tiempo con el tiempo en el eje x y los valores de la variable en el eje
y. La Figura 1 es un ejemplo de una serie de tiempo que muestra la temperatura máxima de cada mes en
Iquitos.

Figura N°01: Serie de tiempo: temperatura máxima mensual en Iquitos

36.0
Temperatura Máxima Mensual (ºC)

34.2

32.0

30.0

28.0

26.0

24.0

22.0

20.0
1965 1970 1975 1980 1985 1990 1995 2000 2005
Tiempo (año)

La serie de tiempo en la figura 1 muestra una tendencia de subida de temperatura, pero hay mucho ruido por
la variabilidad de un mes al otro. Si queremos ver mejor la variabilidad interanual (las variabilidades de un
año al otro), podemos pilotear el promedio anual de temperatura máxima (figura 2).

Figura N° 02: Promedio anual de temperatura máxima en Iquitos

33
Valor Promedio Anual de Temperatura

32.5

32.0
Máxima (ºC)

32

31.5

31

30.5

30
1960 1970 1980 1990 2000 2010
Año

11
Pruebas de tendencias: la prueba de Mann-Kendall

Con gráficos de series de tiempo se puede ver, tal vez, en forma cualitativa las tendencias (si existen), pero
hay una forma de probar cualitativamente si existe una tendencia. Esta prueba se llama de Mann-Kendall
para tendencias. La Prueba de Mann-Kendall puede detectar una tendencia (si existe) sin considerar
la forma de la tendencia (ej. un incremento linear, exponencial, etc.). Los pasos de esta prueba son los
siguientes:

1. Ordenar los datos en su serie de tiempo

Ejemplo de una serie de datos que se van a usar para ilustrar los pasos de la prueba
Mann-Kendall: t = tiempo, x = la variable, x1 = el primer valor de la variable, x2 = el segundo valor de
la variable, etc.

t x

2 1.22
24 2.2
99 4.8
197 1.28
377 1.97
544 1.46
632 2.64
3452 2.34
6587 4.84
53170 2.96

xt Valor

x1 1.22
x2 2.2
x3 4.8
x4 1.28
x5 1.97
x6 1.46
x7 2.64
x8 2.34
x9 4.84
x10 2.96

12
 2. Cada valor (xt’) es comparado con los valores que siguen (los valores de xt por todo
t = t’+1, t’+2, …, N; N=número de valores de la variable x; N=10 en este ejemplo)
Por ejemplo, x1 se compara con x2, x3, x4, x5, x6, x7, x8, x9, y x10; x8 se compara con x9 y x10.
Con esta comparación, se da un valor a la variable zk según lo siguiente:

zk = 1 si xt > xt’

zk = 0 si xt = xt’

zk = -1 si xt < xt’

k=
(t '−1)(2 N − t ') + (t − t ')
2

Los valores de zk en el ejemplo dado:

x t: 1.22 2.2 4.8 1.28 1.97 1.46 2.64 2.34 4.84 2.96

z1 +1 z10 +1 -1 +1 -1 +1 -1 +1 -1
z2 +1 z11 -1 -1 +1 +1 +1 +1 +1
z3 +1 z12 -1 -1 +1 +1 +1 +1
z4 +1 z13 -1 -1 +1 +1 +1
z5 +1 z14 +1 -1 +1 +1
z6 +1 z15 +1 +1 +1
z7 +1 z16 +1 -1
z8 +1 z17 +1
z9 +1

3. Se suman todos los valores de zk para calcular la estadística de la prueba, S:

N −1 N
S=∑ ∑z k
t ' =1 t = t ' +1

En el ejemplo dado, S=21.

4. Se escoge un nivel de significado (α) que indica la sensibilidad de la prueba. Un valor de α=0.05 es
normal.

5. En la Tabla 1, se busca el valor que corresponde al S calculado y N de la prueba. En el caso del

ejemplo, S=21 y N=10, el valor en la Tabla 1 que corresponde es 0.036. Si este valor es menos del
valor de α, existe una tendencia significativa. Si el valor de S es positivo, la tendencia es creciente.

13
S
 Si S es negativo, la tendencia es decreciente. En el ejemplo, α=0.05 > 0.036 y S = +21, existe,
entonces, una tendencia positiva.

6. Si N > 10, se puede usar la aproximación para muestras grandes. Se modifica la estadística de la
prueba, S, convirtiéndola en zS así:

S −1
σ si S >0
 S
z S = 0 si S =0
S +1
 si S <0
 σ S

N
σS = (N − 1)(2 N + 5)
18
18

Se compara zS con z1-α/2 de las tablas de la distribución estándar normal (Tabla 2).

Existe una tendencia si z S > z1−α

2
Por ejemplo, con los datos de Iquitos proveídos por la tarea, se ha calculado el valor promedio anual de
la temperatura máxima (los valores en la Figura 2). Aplicando la prueba de Mann-Kendall a est lda los
siguientes valores:

S = 353, N = 35, σS = 70.4154, zS = 4.9989

En la Tabla 2, se puede buscar el valor de z que corresponde al nivel del significado 1-α/2 (α = 0.05):

z1-α/2 = z0.975 = 1.96 (Tabla 2)

z S > z1−α , entonces existe una tendencia.

2

El valor de S es positivo, entonces la tendencia es una de incremento.

7. Finalmente, se puede calcular la estadística del τ de Kendall:

S
τ=
N ( N − 1) / 2

El signo de τ indica si la tendencia es creciente o decreciente, y el valor indica la fortaleza de la

tendencia (si es una tendencia fuerte o débil). El valor de τ siempre va a ser entre -1 y 1.
En el caso del promedio anual de temperatura máxima, τ = 0.5933, indicando una tendencia
relativamente fuerte.

14
Tabla N° 01: Tabla para la prueba de Mann-Kendall para valores de N≤10

Tabla N°02: Distribución estándar normal

15