ANALISIS ESTADISTICO DE LA TENDENCIA AL CALENTAMIENTO ...
ANALISIS ESTADISTICO DE LA TENDENCIA AL CALENTAMIENTO ... ANALISIS ESTADISTICO DE LA TENDENCIA AL CALENTAMIENTO ...
TI-mayor 25 TI-MEDIA TI-MAX TI-MIN TI menor 10 TI-mayor 20 TI-mayor 22 Lineal (TI-MEDIA) Lineal (TI-mayor 20) Lineal (TI-mayor 25) ºC 30 25 60 50 Nº de Días 20 40 15 30 10 20 5 10 0 V-68-69 V-73-74 V-78-79 V-83-84 V-88-89 V-93-94 V-98-99 V-03-04 V-08-09 0 Figura Nº 3: Marcha de los parámetros elegidos para caracterizar la temperatura mínima. Tabla Nº 1: test de significación de las tendencias correspondientes a los parámetros en estudio según Spearman y Mann Kendall (los significativos al 5 % se destacan en rojo). En las figuras Nº 2 y Nº 3 se grafican los parámetros recién enumerados para valuar las características térmicas del verano. Se observa que en general tienen una tendencia al crecimiento, sin embargo, no se puede determinar a simple vista si dicha tendencia es significativa. Para salvar lo anterior se les aplica los test no paramétricos de Spearman y Mann-Kendall. En el TablaNº 1 se muestran los resultados de dicha aplicación, poniéndose en evidencia que los únicos parámetros y valores significativos al 5 % para ambos test son: Temperatura Mínima Media, Número de días con Temperatura Mínima mayores que 20ºC y Número de días con temperaturas Mínimas mayores a 25ºC; a lo que se le debe sumar el número de días con temperaturas mayores a 40ºC detectado solamente por Mann-Kendall. Como se observa la mayoría de los parámetros significativos tienen que ver únicamente con la temperatura mínima, lo que se elucubrará climáticamente más adelante. Por los resultados recién comentados se decide aplicar metodologías más refinadas y adecuadas para medir el “peso” de la influencia de las variables asociadas a la temperatura mínima respecto de las asociadas a la máxima. De ahí que se implementan: un cluster análisis y un análisis factorial.
Distancia Euclideana 16 14 12 10 Método de Ward 8 6 4 2 0 TI< 10 TX < 20 TI>25 TI-MAX TI > 22 TI-ME DIA TI > 20 TI-MIN TX -MIN TX -MAX TX > 40 TX > 30 TX > 35 TX -MEDIA Figura Nº 4: Dendrograma resultante de aplicar el cluster análisis a las variables en estudio. En la figura Nº 4 se muestra el dendrograma resultante de aplicar el cluster análisis. En el mismo se observan cuatro conglomerados claramente definidos y que marcan el agrupamiento de variables de una misma naturaleza: 1.- un “racimo” asociado a las variables que indican días frescos, 2.- otro que marca el calentamiento conectado a las temperaturas mínimas, 3.- otro relacionado a las temperaturas máximas y mínimas absolutas y, por último, 4.- el vinculado con las máximas. Lo descripto muestra una estructura subyacente que discrimina el comportamiento de la variabilidad interanual del verano en función de variables que conforman grupos homogéneos e independientes coincidentes con lo esperado. Tabla Nº 2: Resultados de la aplicación del análisis factorial con el porcentaje de varianza de cada uno de los componentes. Figura Nº 5: Porcentaje de varianza explicada por cada uno de los factores. Tabla Nº 3: Factores significativos con sus correspondientes loading (cargas) en rojo se marcan los significativos en cada factor. Para cuantificar lo encontrado por el cluster análisis, se decide aplicar el análisis factorial. La Tabla Nº 2 y la figura Nº 5 muestran los eigenvalores y la varianza explicada por cada componente. Como se
- Page 1 and 2: ANALISIS ESTADISTICO DE LA TENDENCI
- Page 3 and 4: DATOS Aero D.F.S Pocito Figura Nº
- Page 5 and 6: RESULTADOS Y DISCUSIÓN Figura Nº
- Page 7: 5.- Número de días con Temperatur
- Page 11 and 12: secundario. Esto se explicaría cli
Distancia Euclideana<br />
16<br />
14<br />
12<br />
10<br />
Método de Ward<br />
8<br />
6<br />
4<br />
2<br />
0<br />
TI< 10<br />
TX < 20<br />
TI>25<br />
TI-MAX<br />
TI > 22<br />
TI-ME DIA<br />
TI > 20<br />
TI-MIN<br />
TX -MIN<br />
TX -MAX<br />
TX > 40<br />
TX > 30<br />
TX > 35<br />
TX -MEDIA<br />
Figura Nº 4: Dendrograma resultante de aplicar el cluster análisis a las variables en estudio.<br />
En la figura Nº 4 se muestra el dendrograma resultante de aplicar el cluster análisis. En el mismo se<br />
observan cuatro conglomerados claramente definidos y que marcan el agrupamiento de variables de una<br />
misma naturaleza: 1.- un “racimo” asociado a las variables que indican días frescos, 2.- otro que marca el<br />
calentamiento conectado a las temperaturas mínimas, 3.- otro relacionado a las temperaturas máximas y<br />
mínimas absolutas y, por último, 4.- el vinculado con las máximas. Lo descripto muestra una estructura<br />
subyacente que discrimina el comportamiento de la variabilidad interanual del verano en función de<br />
variables que conforman grupos homogéneos e independientes coincidentes con lo esperado.<br />
Tabla Nº 2: Resultados de la aplicación del<br />
análisis factorial con el porcentaje de varianza de<br />
cada uno de los componentes.<br />
Figura Nº 5: Porcentaje de varianza<br />
explicada por cada uno de los factores.<br />
Tabla Nº 3: Factores significativos con sus correspondientes loading (cargas) en rojo se marcan los<br />
significativos en cada factor.<br />
Para cuantificar lo encontrado por el cluster análisis, se decide aplicar el análisis factorial. La Tabla<br />
Nº 2 y la figura Nº 5 muestran los eigenvalores y la varianza explicada por cada componente. Como se
Change language