Академический Документы
Профессиональный Документы
Культура Документы
+
|
.
|
\
| +
+
par es n si
d d
de semisuma
impar es n si
n
d central o ter
x
n n
m
,
2
,
2
1
min
) 1 2 / ( 2 /
3.2.3. LA MODA (
0
x ):
La moda de un conjunto de valores es valor que ms se repite en dicho
conjuntos ningn valor se repite, se dir que no existe moda y el
conjunto de datos ser amoral.
PARA DATOS CLASIFICADOS:
- Si los datos tabulados son discretos la moda ser aquella que posea mayor
frecuencia.
- Si los datos tabulados son continuos, tomados con intervalos de ancho de clase
comn, el intervalo que contiene a la moda es aquella que tiene la mayor
frecuencia (se llama clase modal). El valor de la moda estar dado por:
|
|
.
|
\
|
+
+ =
2 1
1
0 0 0
d d
d
L M e
: 0
L Lmite de la clase normal.
:
0
e Ancho de clase modal.
1
d : Diferencia entre la frecuencia de la clase modal y la frecuencia de clase anterior.
:
2
d Diferencia entre la frecuencia de la clase modal y la frecuencia de la siguiente
clase.
3.3. MEDIDAS DE DISPERCION
3.3.1. VARIANZA:
El cuadrado de la desviacin estndar recibe el nombre de varianza y se
representa por S
2
. La suma de los cuadrados de los desvos de la totalidad de las
observaciones, respecto de la media aritmtica de la distribucin, es menor que la
suma de los cuadrados de los desvos respecto de cualquier otro valor que no sea
la media aritmtica.
Si observamos, veremos que la varianza no es ms que el desvo estndar al
cuadrado. Precisamente la manera de simbolizarla es S
2
.
Por lo mismo, el desvo estndar puede definirse como la raz cuadrada de la
varianza
3.3.2 DESVIACION ESTANDAR:
Es posible identificar conjuntos de datos que a pesar de ser muy distintos en
trminos de valores absolutos, poseen la misma media. Una medida diferencial
para identificar esos conjuntos de datos es la concentracin o dispersin alrededor
de la media.
a) Desviacin Estndar Para Datos Sin Agrupar:
Una manera que aparece como muy natural para construir una medida de
dispersin sera promediar las desviaciones de la media, pero como vimos
Una manera de evitar que los distintos signos se compensen es elevarlas al
cuadrado, de manera que todas las desviaciones sean positivas. La raz cuadrada
del promedio de estas cantidades recibe el nombre de desvo estndar, o
desviacin tpica y es representada por la siguiente frmula:
La desviacin estndar slo puede utilizarse en el caso de que las observaciones
se hayan medido con escalas de intervalos o razones.
A mayor valor del coeficiente del desvo estndar, mayor dispersin de los datos
con respecto a su media. Es un valor que representa los promedios de todas las
diferencias individuales de las observaciones respecto a un punto de referencia
comn, que es la media aritmtica. Se entiende entonces que cuando este valor
es ms pequeo, las diferencias de los valores respecto a la media, es decir, los
desvos, son menores y, por lo tanto, el grupo de observaciones es ms
homogneo que si el valor de la desviacin estndar fuera ms grande. O sea
que a menor dispersin mayor homogeneidad y a mayor dispersin, menor
homogeneidad.
b) Desvo Estndar Para Datos Agrupados
Clculo usando las frecuencias absolutas:
Clculo usando las frecuencias relativas
3.3.3. COEFICIENTE DE VARIACION:
Para comparar la dispersin de variables que aparecen en unidades diferentes
(metros, kilos, etc.) o que corresponden a poblaciones extremadamente
desiguales, es necesario disponer de una medida de variabilidad que no dependa
de las unidades o del tamao de los datos. Este coeficiente nicamente sirve para
comparar las dispersiones de variables correspondientes a escalas de razn. Una
manera de construir una medida de variabilidad que cumpla los requisitos
anteriores es el llamado coeficiente de variacin
(Las barras del denominador representan el valor absoluto, es decir, indican que
debe prescindirse de la unidad de medida de la media). A menor coeficiente de
variacin consideraremos que la distribucin de la variable medida es ms
homognea.
2 2
/ ) (
2
1
2
1
) (
o
t o
=
x
e x f
3.4. DISTRIBUCIOMES TEORICAS
3.4.1. DISTRIBUCIN LOG _ NORMAL:
Una variable puede ser modelada como log-normal se puede ser considerada
como o producto multiplicativo de montos pequeos factores independientes. A
distribucin log-normal ten a funcin densidad de probabilidad
3.4.2. DISTRIBUCION NORMAL:
Se le dice a una variable aleatoria continua porque toma los valores reales
+ s s x se distribuyen normalmente con parmetros que se describe por
distribucin normal es decir:
Si su funcin de densidad es:
+ s s x
Se aplican para datos meteorolgicos tales como la temperatura y la precipitacin
pluvial, mediciones efectuadas en organismos vivos, calificaciones en pruebas de
aptitud, errores de instrumentacin y otras desviaciones de las normas
establecidas.
3.4.3. DISTRIBUCION GAMMA:
Una variable aleatoria x tiene una distribucin gamma si su funcin de densidad de
probabilidad est dada por:
( f
>
=
valor otro cualquier para
x x x
r x
0
, , 0 ) / exp(
) (
1
) , ,
1
u o u
u o u o
o
o
En donde r( ) o es la funcin gamma definida.
3.5. CORRELACION Y REGRESION
3.5.1. COVARIANZA:
Caso de independencia
En el estudio conjunto de dos variables, lo que nos interesa principalmente es
saber si existe algn tipo de relacin entre ellas. Esto se ve grficamente con el
diagrama de dispersin. Veremos ahora una medida descriptiva que sirve para
medir o cuantificar esta relacin:
Si Sxy >0 hay dependencia directa (positiva), es decir a grandes valores de x
corresponden grandes valores de y.
Si Sxy = 0 las variables estn incorreladas, es decir no hay relacin lineal.
Si Sxy < 0 hay dependencia inversa o negativa, es decir a grandes valores de x
corresponden grandes valores de y.
4
3.5.2. CORRELACION:
- Coeficiente De Correlacin De Pearson
El coeficiente de correlacin de Pearson es un ndice estadstico que mide la
relacin lineal entre dos variables cuantitativas. A diferencia de la covarianza, la
correlacin de Pearson es independiente de la escala de medida de las variables.
El clculo del coeficiente de correlacin lineal se realiza dividiendo la covariancia
por el producto de las desviaciones estndar de ambas variables:
El valor del ndice de correlacin vara en el intervalo [-1, +1]:
- Si r = 0, no existe ninguna correlacin. El ndice indica, por tanto, una
independencia total entre las dos variables, es decir, que la variacin de una de
ellas no influye en absoluto en el valor que pueda tomar la otra.
- Si r = 1, existe una correlacin positiva perfecta. El ndice indica una dependencia
total entre las dos variables denominada relacin directa: cuando una de ellas
aumenta, la otra tambin lo hace en idntica proporcin.
- Si 0 < r < 1, existe una correlacin positiva.
- Si r = -1, existe una correlacin negativa perfecta. El ndice indica una
dependencia total entre las dos variables llamada relacin inversa: cuando una de
ellas aumenta, la otra disminuye en idntica proporcin.
- Si -1 < r < 0, existe una correlacin negativa.
3.6. REGRESIN POLINOMIAL
Como la regresin lineal, La regresin polinomial examina la relacin entre una
variable continua de la respuesta (Y una variable del predictor (X). Es diferente de
la regresin simple, sin embargo, un modelo polinomial puede incluir los trminos
para los exponentes de X:
Donde Y es la respuesta, X es el predictor,
o
es el coeficiente para el trmino
linear,
1
es el coeficiente para el trmino ajustado,
2
es el coeficiente para el
trmino cuadriculado,
3
es el cociente para el termino cubicado, y es error al
azar
IV. MATERIALES Y METODOS:
MATERIALES:
- Computadora personal.
- Software para clculos Excel,
- Libros de estadstica.
- Papel Mantequilla
- Plumones
- Lapiceros
- Lpices
METODOS:
- Se trabaj con los datos extrados de la pgina Web http:
//proyectosfie.com/goes/index.php, para el trazado de isotermas e
isohumas, del cual se tom del da 29 de marzo del 2012.
- Tambin se trabaj la parte estadstica del gabinete, el cual nos sirvi de
gua: el libro hidrologa estadstica.
V. INTERPRETACION DE ISOPLETAS
La interpretacin de las isopletas se realiz entre 3 das de diferentes meses los
cuales son:
- 29/03/12 ( grupo 7 EM-07)
- 23/02/12 (grupo 1 EM-01)
- 09/08/12 (grupo 10 EM-10)
1. Interpretacin de isotermas.
- T C MAX: al comparar con los dems mapas se puede observar
que las isolineas no se desplazan mucho pero en el mapa del dia
23/02 se crea dos ncleos uno de 8 y otra de 12, a diferencia de los
dias29/03 y 09/08 que solo tienen un ncleo esto se debe a que los
dos das estn relacionados porque son das de meses consecutivos
por lo tanto se ve que la temperatura de 24,22,20 se encuentran al
oeste del departamento de Ancash o sea la zona costa,
temperatura8, 12, ,14 se encuentran en la zona de sierra
esencialmente la mnima en recuay y Bolognesi. se deduce que en el
mes de febrero y marzo hubo presencia de ligera precipitacin en la
zona de Huaraz Bolognesi y recuay.
- T C MIN: se observa en los tres casos que las temperaturas
mnimas como mximas se relacionan porque las isolineas trazadas
abarcan campos semejantes, tan solo una pequea variacin con el
dia 29/03 en la cual el ncleo de T C 8 es ms pequea. Se deduce
que las temperaturas mnimas se dan en la cadena de nevados.
2. Isohumas (humedad relativa).
- HR % Mx: al analizar los mapas de humedad relativa mxima se
interpreta que en la zona de la sierra de Ancash hubo precipitacin
debido a la alta HR observada en las estaciones, hay cierta
diferencia entre el da 09/08 y los otros dos das ya que en este dia
se observa que la HR en la zona de la sierra. Y como es de deducir
por simples conocimientos, LA HR en la costa no vara en gran
escala porque se encuentra cerca al mar por lo tanto la HR en esas
zonas siempre es alta.
Las isolineas de la HR son un poco difciles de realizar debido al alta
variacin, por la cual salen media distorsionadas.
- HR % Mn: se puede observar que la formacin de ncleos se da en
los mismos campos, con una variacin el da 29/02 que las isolineas
son ms prolongadas, tambin hay presencia de varios microclimas
en la zona de Ancash por lo cual las isolines de humedad relativa
varan mucho.
VI. CONCLUSIONES:
Del trazo de las isopletas (isotermas e isohumas) del da 29 de
marzo del 2012 se relaciona con los dems trazos de isopletas del
dia 23/02 y 09/08 ya sea en las temperaturas como en las
humedades relativas.
En el trazado de isopletas pudimos determinar los ncleos de
temperaturas mnimas y mximas, as como los ncleos de baja
Yalta humedad relativa, para las diferentes estaciones, as como las
causas que la producen.
Los conceptos relacionados a los centros de alta y baja baja
humedad relativa no siempre cumplen con lo estipulado en los
libros, ya que no siempre en sistemas de baja HR predominan las
temperaturas bajas, sino ms bien las bajas y viceversa para los
sistemas de alta HR.
Los elementos geogrficos influyen considerablemente en los
elementos climatolgicos, ya que por ejemplo debido a la
presencia de la cordillera de los andes, donde predominan centros
de alta baja presin las temperaturas van a ser bajas.
Las pruebas estadsticas solo son aplicables para un determinado
nmero de parmetros esto dependiendo de los valores
cuantitativos que presenten estos y el intervalo de tiempo en el
cual se han obtenido.
VII. BIBLIOGRAFIA
http://ocw.upm.es/ingenieria-agroforestal/climatologia-aplicada-a-la-ingenieria-y-
medioambiente/contenidos/tema2/Tratamiento-estadistico-de-datos.pdf
http://cdigital.dgb.uanl.mx/te/1020148490/1020148490_03.pdf
http://www.astromia.com/tierraluna/meteorologia.htm