Foro de Tiempo.com
Foro general de Meteorología => Climatología => Mensaje iniciado por: Sobre en Domingo 31 Julio 2005 17:29:06 pm
-
Esta es la distribución de las temperaturas máximas de julio de los últimos 5 años por aquí mi pueblo (ordenadas nº de días, abcisas intervalo de tempes -30ºC significa de 30,0ºC a 30,9ºC-).
Calcúleme ;D ;D el umbral de ola de calor para mi pueblo.
Tiene 20 minutos :P :P :P
-
Calcúleme ;D ;D el umbral de ola de calor para mi pueblo.
Tiene 20 minutos :P :P :P
juassssssssssssss que cachondo!!! :-* :-* :-* :-*
Hombre, hubiera sido mejor no 5 años, sino unos 20 ;D ya que con 5 años la distribución no es gausiana ;D ;D
Pero suponiendo que lo es, es muy fácil calcular la media ya la dispersión:
De froma aproximada (ya que para hacerlo bien necesitaría los datos en una tabla, no en una gráfica), la media es 30'5 ºC y la dispersión S = 3ºC (corrígeme la media si me he equivocado)
Oc Intervalo Codesviados Subdesviados (-) Superdesviados (+)
0 [S, 1'5 ·S] 19% 9'5 % 9'5 %
1 [1'5 ·S, 2 ·S] 8% 4% 4%
2 [2 ·S, 2'5 ·S] 4% 2% 2%
3 [2'5 ·S, 3'5 ·S] 1% 0'5% 0'5%
Supongamos que el umbral se refiere a un 1%
Interpolando la data de "frecuencias" de "superdesviación", tenemos:
Mayor que 2·S --> 2'5 %
Mayor que 2'5·S --> 0'5%
Por tanto, mayor que 2'3·S ---> aproximadamente 1%
Umbral = media + 2'3·S = 30'5 + 2'3·3 = 37'4 ºC (con un error estimado de 0'5ºC)
Saluts! ;)
-
Peor es que no es lo mismo tener como referencia lso últimos años (que són mucho más cálidos que hace 50 años), que tener ocmo referencia los últimos 100 años, ya que el umbral probablemente bajaría 1 o 2ºC.
Si bien, desde la teoría estadística, una referencia de 100 años de temperaturas, dond ela media no es constante, no se puede palicar directamente el modelo de distribución gausiana, por tanto, lo que habría que hacer primero es restar un "ajuste medio" (por ejemplo una recta), y probablemente te salga el mismo umbral que el calculado con cualquier grupo de 5 años, si le sumamos el calentamiento de dicho grupo.
Pero las instituciones de la meteorología, creo que aplican el cáluclo dispersivo de muchos años (unos 50 o 100) sin aplicar el alineamiento previo, por lo que según ellos el umbral sería más bajo, que según la teoría de una "distribución normal o gausiana".
Saluts! ;)
-
Calcúleme ;D ;D el umbral de ola de calor para mi pueblo.
Tiene 20 minutos :P :P :P
juassssssssssssss que cachondo!!! :-* :-* :-* :-*
Hombre, hubiera sido mejor no 5 años, sino unos 20 ;D ya que con 5 años la distribución no es gausiana ;D ;D
Pero suponiendo que lo es, es muy fácil calcular la media ya la dispersión:
De froma aproximada (ya que para hacerlo bien necesitaría los datos en una tabla, no en una gráfica), la media es 30'5 ºC y la dispersión S = 3ºC (corrígeme la media si me he equivocado)
Oc Intervalo Codesviados Subdesviados (-) Superdesviados (+)
0 [S, 1'5 ·S] 19% 9'5 % 9'5 %
1 [1'5 ·S, 2 ·S] 8% 4% 4%
2 [2 ·S, 2'5 ·S] 4% 2% 2%
3 [2'5 ·S, 3'5 ·S] 1% 0'5% 0'5%
Supongamos que el umbral se refiere a un 1%
Interpolando la data de "frecuencias" de "superdesviación", tenemos:
Mayor que 2·S --> 2'5 %
Mayor que 2'5·S --> 0'5%
Por tanto, mayor que 2'3·S ---> aproximadamente 1%
Umbral = media + 2'3·S = 30'5 + 2'3·3 = 37'4 ºC (con un error estimado de 0'5ºC)
Saluts! ;)
Jodó, ni una ola de calor en 5 años, que depresión ;D ;D ;D
-
Jodó, ni una ola de calor en 5 años, que depresión ;D ;D ;D
Es lógico, porque hemos tomado como referencia esos 5 años!! ;D ;D ;D no te jode...
Si tomas como referencia un año, ese año será normal seguro ;D ;D ;D y ya no te digo si tomas como referencia un día, eso sería histórico, ya que sería la primera vez que un observatorio registra justamente la temperatura media, con anomalía exáctamente cero!!! ;D ;D ;D
Es decir, 5 años de referencia es muy poco.
Y otra cosa, estamos cogiendo como Umbral el 1% de los datos! , personalmente no estoy de acuerdo, yo defino "olas de calor", según varios "órdenes" (categorías cuantitativas). Ese umbral se correspondería con una ola de calor de categoría 2 o superior. Si consideramos el intervalo [1'5·S, 2·S], entonces una ola de calor sería a partir de 3 días consecutivos con más de 35ºC
Compruévalo ;)
-
Jodó, ni una ola de calor en 5 años, que depresión ;D ;D ;D
Es lógico, proque hemos tomado como referencia esos 5 años!! ;D ;D ;D no te jode...
Podría haber habido un 42ºC perdido por ahí ;)
-
Podría haber habido un 42ºC perdido por ahí ;)
Sí, cierto, pero eso es menos probable cuanto menos años coges como referencia, obviamente ;D
-
Calcúleme ;D ;D el umbral de ola de calor para mi pueblo.
Tiene 20 minutos :P :P :P
juassssssssssssss que cachondo!!! :-* :-* :-* :-*
Hombre, hubiera sido mejor no 5 años, sino unos 20 ;D ya que con 5 años la distribución no es gausiana ;D ;D
Pero suponiendo que lo es, es muy fácil calcular la media ya la dispersión:
De froma aproximada (ya que para hacerlo bien necesitaría los datos en una tabla, no en una gráfica), la media es 30'5 ºC y la dispersión S = 3ºC (corrígeme la media si me he equivocado)
Oc Intervalo Codesviados Subdesviados (-) Superdesviados (+)
0 [S, 1'5 ·S] 19% 9'5 % 9'5 %
1 [1'5 ·S, 2 ·S] 8% 4% 4%
2 [2 ·S, 2'5 ·S] 4% 2% 2%
3 [2'5 ·S, 3'5 ·S] 1% 0'5% 0'5%
Supongamos que el umbral se refiere a un 1%
Interpolando la data de "frecuencias" de "superdesviación", tenemos:
Mayor que 2·S --> 2'5 %
Mayor que 2'5·S --> 0'5%
Por tanto, mayor que 2'3·S ---> aproximadamente 1%
Umbral = media + 2'3·S = 30'5 + 2'3·3 = 37'4 ºC (con un error estimado de 0'5ºC)
Saluts! ;)
Y espérate, que una ola de frío para ese mes sería a partir del siguiente umbral ;D ;D
Umbral = media - 2'3·S = 30'5 - 2'3·3 = 23'6 ºC (con un error estimado de 0'5ºC)
;D ;D
Y por tanto, has tenido al menos 3 días que han superadoi el umbral inferior ;D ;D
Saluts! ;)
-
Estás seguro que en períodos muy largos la distribución sería gaussiana ? No lo creo. Creo que la curva estaría escorada hacia la izquierda.
-
Estás seguro que en períodos muy largos la distribución sería gaussiana ? No lo creo. Creo que la curva estaría escorada hacia la izquierda.
Sí, por el calentamiento ¿no?. Pero yo me refiero a datos alineados; sin que, idealmente, haya variación de la media.
Saluts! ;)
-
No, no por el calentamiento, sino porque creo que la distribucion de los datos climáticos no suelen muchas veces atender a una distribución normal. Esto está bastante claro, por ejemplo, en lo que respecta a las precipitaciones mensuales. La curva se alarga hacia la derecha, los valores que superan con creces la media son más frecuentes que los que se quedan muy por debajo. Yo tengo curvas de la costa gallega y cantábrica durante un período de treinta años en los que se ve que ocurre eso. Y en el Mediterráneo será más acusado.
En cuanto a la temperatura de verano creo que es posible que pase al revés, que sea más fácil quedarse muy por debajo de la media que quedarse muy por encima.
-
No, no por el calentamiento, sino porque creo que la distribucion de los datos climáticos no suelen muchas veces atender a una distribución normal. Esto está bastante claro, por ejemplo, en lo que respecta a las precipitaciones mensuales. La curva se alarga hacia la derecha, los valores que superan con creces la media son más frecuentes que los que se quedan muy por debajo. Yo tengo curvas de la costa gallega y cantábrica durante un período de treinta años en los que se ve que ocurre eso. Y en el Mediterráneo será más acusado.
En cuanto a la temperatura de verano creo que es posible que pase al revés, que sea más fácil quedarse muy por debajo de la media que quedarse muy por encima.
Según tengo entendido, la precipitación sigue una distribución "similar" a la de Poisson pero continua, ya que el cero está relativamente cerca y no hay precipitación negativa.
La temperatura, si tiene una media constante a lo largo de varias décadas, ha de seguir una distribución de Gaus, porque estamos muy lejos del cero absoluto de temperatura, por lo que no hay nada que obigue a "estirar" la distribución hacia un lado u otro. Si estuviésemos cerca del cero absoluto, entonces se obliga a que haya un estiramiento hacia la derecha.
Las distribuciones de temperaturas de los últimos 30 años están sometidos a una variación de la media, por lo que ya no es una distribución gausiana, pero si aplicamos una alineamiento, estoy convencido de que sí que la cumplen.
Si tengo tiempo os colgaré una comprovación del observatorio que me indiquéis. Yo tengo datos de Valencia, Estartit y Solano, y cumplen la gausiana posterior al alineamiento. Pero si queréis lo estudio más detalladamente.
Saluts! ;)
-
Pues sí, estudia las temperaturas diarias de Valencia en el mes de Julio durante un período largo y ya veremos. Calcula cuántos valores quedan por debajo de m-1s (media menos una desviación típica) y cuantos quedan por encima de m +1s. Apuesto a que son más los que quedan por debajo.
Y creo que en el invierno ocurrirá lo contrario, la curva se alargará hacia la derecha.
-
Pues sí, estudia las temperaturas diarias de Valencia en el mes de Julio durante un período largo y ya veremos. Calcula cuántos valores quedan por debajo de m-1s (media menos una desviación típica) y cuantos quedan por encima de m +1s. Apuesto a que son más los que quedan por debajo.
Y creo que en el invierno ocurrirá lo contrario, la curva se alargará hacia la derecha.
Pásame datos de valencia, que yo sólo tengo de 11 años ;D ;D
Gracias.
Saluts! ;)
-
Con 11 ya hay bastantes (11x31=341). A ver qué pasa. Y no hagas trampas. ;)
-
Con 11 ya hay bastantes (11x31=341). A ver qué pasa. Y no hagas trampas. ;)
sí que basta ;D
Y cómo voy a hacer trampas? ???
Pues ya lo tengo hecho, y me sale la misma figura que la de Sobre!! ;D ;D
Tenías razón, no es una gausiana.
De todos modos creo que es una aproximación válida. Te recuerdo que soy físico, no matemático ;D ;D
Bueno, pues voy a publicar todos los datos aquí, y así si alguien encuentra algún error que me lo diga ;)
Muchas gracias! ;)
Esperad a que termine los posts... son unos 2 más.
Saluts! ;)
-
Temperaturas medias de los días de julio, Vall de la Ballestera, 1995-2005
media total 25,57
dispersión dia 1,49 VALL DE LA BALLESTERA
dispersión meses 1,44
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
1 24 23,7 22 27,3 25,1 25,2 26,4 20,4 29,4 25,9 26
2 28 22,7 22,6 28,8 25,6 25,7 27,1 23,8 28,5 25,3 26,4
3 28 23,7 22,4 28 25,4 28,9 26,3 27,1 25 25,2 26,9
4 23,4 24,6 21,9 25,6 25,6 27 25,5 24 25,2 25 25,6
5 21,9 28,7 21,4 25,1 25,8 24,8 26,9 24,1 25,5 25,1 24,8
6 23,1 24,4 21,3 25,6 25,1 25,4 27 24,4 25,7 24,3 26,1
7 23,8 26,6 23,1 26,8 25,1 28,1 25,2 24,4 26,5 27,4 25,1
8 23,5 22,8 23,6 25,1 25,1 25,6 24,5 24,6 27,3 25,7 22,8
9 23,7 21,9 22,5 23,9 25,7 24,8 24,4 26,7 26,8 23,6 22,6
10 24,4 22,3 22,6 25 25,6 26,1 25,8 25,7 26,8 23,9 23
11 25,5 22,6 23,3 24,9 25,4 23,1 24,4 25 27,8 23,6 24,8
12 25 23,7 24 25 25,1 22,7 25,5 25,4 27 22,6 26,2
13 25,6 23,8 24,2 26 25,6 23,3 26,1 24,7 27,1 22,8 25,3
14 25,7 23,6 24,2 25,1 25,9 25,8 26,4 23,7 26,8 23,7 26,5
15 26,2 24,7 25 24,3 25,9 26,2 25 24,3 26,9 24,7 27,1
16 25,2 25,7 26,1 25,4 25,6 23,7 22,5 24,7 28,2 24,3 26,9
17 25,9 26 25,7 25,2 26,5 23,7 26,1 24,7 25,9 25,1 27,3
18 26,3 26,7 24,7 25,8 26 23,7 22,9 25,6 26,8 24,5 28,9
19 27 26,8 23,9 26,6 26,3 24,4 24 25,6 27,1 25,3 26,4
20 26,9 25,5 23,8 25,8 28 25,2 23,8 26,2 27 25,3 26,7
21 26,6 25,7 24 25,8 27 25 19,1 27,1 28 26 26,4
22 26,6 25,2 24,5 26,3 26,8 25,7 26,3 25,6 27,8 26,7 26
23 26,6 25,3 23,8 27,3 25,9 25,6 24,9 27,4 27,5 27 25,8
24 26,9 27,4 25,1 26,7 26,5 27,6 25,1 26,2 27,2 28 26,7
25 26,7 27,1 26,3 26,1 26,2 28,7 26 25,8 27,9 28,3 26,6
26 26,7 25,9 26,1 26,8 26,1 27,6 25,6 25,5 28,2 27,1 27,1
27 26,4 24,4 26,3 26,4 23,5 25,8 25,5 25,6 29,4 26,1 27,2
28 26,7 24,8 25,6 26,4 24,2 25,5 25,4 25,8 27,8 26,1 26,5
29 26,8 25,4 26,3 27 25,9 26,1 25,9 26,2 27,9 26,5 28,8
30 26,3 26 26,2 26,9 26,1 25,4 27,7 26 27,5 26,3 26,7
31 27 25,6 27,1 26,3 24,3 25,5 27,4 25,2 24,1 27 26,2
25,69 24,95 24,18 26,04 25,71 25,55 25,31 25,21 27,12 25,43 26,11
Con esto, podemos tipificar las temperaturas, d etal modo que podemso observar cuales están por debajo y cuales por arriba y cuanto se desvían.
Saluts! ;)
-
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
1 -1,05 -1,26 -2,40 1,16 -0,32 -0,25 0,56 -3,47 2,57 0,22 0,29
2 1,63 -1,93 -1,99 2,16 0,02 0,09 1,02 -1,19 1,96 -0,18 0,56
3 1,63 -1,26 -2,13 1,63 -0,12 2,23 0,49 1,02 -0,38 -0,25 0,89
4 -1,46 -0,65 -2,46 0,02 0,02 0,96 -0,05 -1,05 -0,25 -0,38 0,02
5 -2,46 2,10 -2,80 -0,32 0,15 -0,52 0,89 -0,99 -0,05 -0,32 -0,52
6 -1,66 -0,79 -2,86 0,02 -0,32 -0,12 0,96 -0,79 0,09 -0,85 0,35
7 -1,19 0,69 -1,66 0,82 -0,32 1,70 -0,25 -0,79 0,62 1,23 -0,32
8 -1,39 -1,86 -1,32 -0,32 -0,32 0,02 -0,72 -0,65 1,16 0,09 -1,86
9 -1,26 -2,46 -2,06 -1,12 0,09 -0,52 -0,79 0,76 0,82 -1,32 -1,99
10 -0,79 -2,19 -1,99 -0,38 0,02 0,35 0,15 0,09 0,82 -1,12 -1,72
11 -0,05 -1,99 -1,52 -0,45 -0,12 -1,66 -0,79 -0,38 1,49 -1,32 -0,52
12 -0,38 -1,26 -1,05 -0,38 -0,32 -1,93 -0,05 -0,12 0,96 -1,99 0,42
13 0,02 -1,19 -0,92 0,29 0,02 -1,52 0,35 -0,58 1,02 -1,86 -0,18
14 0,09 -1,32 -0,92 -0,32 0,22 0,15 0,56 -1,26 0,82 -1,26 0,62
15 0,42 -0,58 -0,38 -0,85 0,22 0,42 -0,38 -0,85 0,89 -0,58 1,02
16 -0,25 0,09 0,35 -0,12 0,02 -1,26 -2,06 -0,58 1,76 -0,85 0,89
17 0,22 0,29 0,09 -0,25 0,62 -1,26 0,35 -0,58 0,22 -0,32 1,16
18 0,49 0,76 -0,58 0,15 0,29 -1,26 -1,79 0,02 0,82 -0,72 2,23
19 0,96 0,82 -1,12 0,69 0,49 -0,79 -1,05 0,02 1,02 -0,18 0,56
20 0,89 -0,05 -1,19 0,15 1,63 -0,25 -1,19 0,42 0,96 -0,18 0,76
21 0,69 0,09 -1,05 0,15 0,96 -0,38 -4,34 1,02 1,63 0,29 0,56
22 0,69 -0,25 -0,72 0,49 0,82 0,09 0,49 0,02 1,49 0,76 0,29
23 0,69 -0,18 -1,19 1,16 0,22 0,02 -0,45 1,23 1,29 0,96 0,15
24 0,89 1,23 -0,32 0,76 0,62 1,36 -0,32 0,42 1,09 1,63 0,76
25 0,76 1,02 0,49 0,35 0,42 2,10 0,29 0,15 1,56 1,83 0,69
26 0,76 0,22 0,35 0,82 0,35 1,36 0,02 -0,05 1,76 1,02 1,02
27 0,56 -0,79 0,49 0,56 -1,39 0,15 -0,05 0,02 2,57 0,35 1,09
28 0,76 -0,52 0,02 0,56 -0,92 -0,05 -0,12 0,15 1,49 0,35 0,62
29 0,82 -0,12 0,49 0,96 0,22 0,35 0,22 0,42 1,56 0,62 2,16
30 0,49 0,29 0,42 0,89 0,35 -0,12 1,43 0,29 1,29 0,49 0,76
31 0,96 0,02 1,02 0,49 -0,85 -0,05 1,23 -0,25 -0,99 0,96 0,42
<0 11 19 22 10 10 16 16 16 4 17 7 148
>0 20 12 9 21 21 15 15 15 27 14 24 193
<1 7 10 16 1 1 6 5 4 0 6 3 59
>1 2 3 1 4 1 5 3 3 17 4 6 49
<2 1 2 6 0 0 0 2 1 0 0 0 12
>2 0 1 0 1 0 2 0 0 2 0 2 8
Por tanto, la distribución en una base típificada (desviación típica = 1 y media = 0)
<2 12
[-2, -1] 47
[-1, 0] 89
[0, 1] 144
[1, 2] 41
>2 8
-
Muchas gracias Vigilant. Ahora si te animas, otra apuesta: que en Enero sale lo contrario (alargamiento a la derecha).
-
Muchas gracias Vigilant. Ahora si te animas, otra apuesta: que en Enero sale lo contrario (alargamiento a la derecha).
Creo que ya sé porque es ;D
Debe ser porque estamos entre dos extremos, que hacen el papel del máximo y el mínimo posible, respectivamente, de una distribución de Poisson pero continua.
Es decir, no es una distribución gaussiana debido a que hay un intervalo "límite", que responde a los extremos de temperatura posibles en dicho observatorio, por ello en verano y en invierno aparecen las condiciones de contorno, propias de una Poisson, y seguramente desparecen en primavera y otoño, ya que la media se sitúa equidistante de las dos condiciones de contorno. Y por tanto, globalmente las temperaturas de un año sí que mostrarían una distribución simétrica ¿no?, por la misma razón que la primavera y el otoño.
Por otra parte, creo que aunque sea una "poisson continua", se peude aproximar bastante bien a una gaussiana ¿no?
Saluts! ;)
-
Modifico
Debido a un despiste de los tantos que tengo, en excel estaba arrastrando un error en los datos de enero.
Finalmente la gráfica queda así (si no me equivoco)
(https://foro.tiempo.com/index.php?action=dlattach;topic=27611.0;id=10640;image)
Antes daba como resultado ésta: :-[ :-[
-
Curioso, curioso ... yo creo que tenemos que buscar las razones físicas (meteorológicas o geográficas) de por qué se dan esas distribuciones. Si se confirma la tendencia de Enero habría que decir que son más frecuentes en Valencia las olas de frío en Enero que las de calor en Julio. Quizás eso se explique porque son más fáciles las invasiones de aire polar en Enero que las de aire sahariano en Julio. ???
-
Curioso, curioso ... yo creo que tenemos que buscar las razones físicas (meteorológicas o geográficas) de por qué se dan esas distribuciones. Si se confirma la tendencia de Enero habría que decir que son más frecuentes en Valencia las olas de frío en Enero que las de calor en Julio. Quizás eso se explique porque son más fáciles las invasiones de aire polar en Enero que las de aire sahariano en Julio. ???
Sí, hubiera podido ser un fenómeno físico, o lo más probable: un error mío ;D ;D ;D
Mil disculpas :-[ :-[ :-[
-
Espera, que creo que me he equivocado en algo ;D ;D ;D
-
Hagamoslo paso a paso, y si alguien se aburre que mire si me equivoco :-[ :-[
Enero, Valencia, Estación de Dao
media total 11,56
dispersión dia 2,40 DAO
dispersión meses 1,44
1995 1996 1997 1998 1999 2000
1 16 17,5 11 10,6 9,7 9
2 10,4 15,9 9,7 12,8 11,8 9,1
3 8,9 12,8 8,8 17,7 11,9 10,3
4 8,4 12 8,5 17,6 11,4 9,6
5 10,1 14,2 4,9 15,4 10,8 8,9
6 12,5 14,8 6,5 12,4 10,5 8
7 11 16,3 6,8 11,7 12,4 8,3
8 8,7 13,7 9,5 11,7 14,9 8,3
9 12,4 11,8 14,6 11,3 13,5 9,7
10 12,1 13,2 13,2 12,7 10,1 9,8
11 14,1 12,3 11,3 12,9 7,7 9,5
12 13,8 13,9 11,1 12,9 7,6 8,5
13 9,4 12 10,3 13,3 10,2 8,2
14 8,1 10,6 9,1 11,8 10,2 8,1
15 8,8 13,7 11,1 11,4 11,2 8,2
16 8,9 13,6 12,4 12,8 10,7 9,4
17 9,8 13,4 13,2 11,8 11,5 9,9
18 13 12,4 11,4 13,3 10,7 10,2
19 10,8 11,6 11,9 16,3 10,1 10,1
20 12,6 11,7 12 16,2 9,5 9,4
21 12,3 12,2 12,5 11,2 10 8,3
22 13,4 13,6 12,3 9,2 13,1 7,8
23 15,6 12,9 12,7 9 12,4 8,7
24 17,4 11,8 12,2 8,8 11,4 7,3
25 18,5 11,9 12,2 8,6 10,9 6
26 15,7 11,3 13 7,5 13,5 8
27 15,4 11,3 12,3 9,2 15,2 9,9
28 15,1 13,2 11,3 11,5 16,8 10,1
29 14,9 12,3 10,9 12,3 17,8 10,8
30 17,8 12,4 11,2 11,3 12,6 12,5
31 14,6 11,9 11 12,5 7,4 11,6
12,60 12,97 10,93 12,18 11,53 9,15
-
Temperatura tipificada y normalizada media = 0
1995 1996 1997 1998 1999 2000
1 1,85 2,47 -0,23 -0,40 -0,77 -1,07
2 -0,48 1,81 -0,77 0,52 0,10 -1,02
3 -1,11 0,52 -1,15 2,56 0,14 -0,52
4 -1,32 0,18 -1,27 2,51 -0,07 -0,82
5 -0,61 1,10 -2,77 1,60 -0,32 -1,11
6 0,39 1,35 -2,11 0,35 -0,44 -1,48
7 -0,23 1,97 -1,98 0,06 0,35 -1,36
8 -1,19 0,89 -0,86 0,06 1,39 -1,36
9 0,35 0,10 1,27 -0,11 0,81 -0,77
10 0,22 0,68 0,68 0,47 -0,61 -0,73
11 1,06 0,31 -0,11 0,56 -1,61 -0,86
12 0,93 0,97 -0,19 0,56 -1,65 -1,27
13 -0,90 0,18 -0,52 0,72 -0,57 -1,40
14 -1,44 -0,40 -1,02 0,10 -0,57 -1,44
15 -1,15 0,89 -0,19 -0,07 -0,15 -1,40
16 -1,11 0,85 0,35 0,52 -0,36 -0,90
17 -0,73 0,77 0,68 0,10 -0,03 -0,69
18 0,60 0,35 -0,07 0,72 -0,36 -0,57
19 -0,32 0,02 0,14 1,97 -0,61 -0,61
20 0,43 0,06 0,18 1,93 -0,86 -0,90
21 0,31 0,27 0,39 -0,15 -0,65 -1,36
22 0,77 0,85 0,31 -0,98 0,64 -1,57
23 1,68 0,56 0,47 -1,07 0,35 -1,19
24 2,43 0,10 0,27 -1,15 -0,07 -1,77
25 2,89 0,14 0,27 -1,23 -0,28 -2,31
26 1,72 -0,11 0,60 -1,69 0,81 -1,48
27 1,60 -0,11 0,31 -0,98 1,51 -0,69
28 1,47 0,68 -0,11 -0,03 2,18 -0,61
29 1,39 0,31 -0,28 0,31 2,60 -0,32
30 2,60 0,35 -0,15 -0,11 0,43 0,39
31 1,27 0,14 -0,23 0,39 -1,73 0,02
<0 12 5 19 12 19 29 96
>0 19 26 12 19 12 2 90
<1 6 0 5 4 0 15 30
>1 11 5 1 5 4 0 26
<2 0 0 2 0 0 0 2
>2 3 1 0 2 2 1 9
<2 2
[-2, -1] 28
[-1, 0] 66
[0, 1] 64
[1, 2] 17
>2 9
-
Por cierto, habéis comprovado la importancia de hacer los cálculos al menos 2 voces ;D ;D ya que siempre hay posibilidad de errores humanos.
En física todos los experimentos se repiten muchas veces, y sólo se saca conclusiones de aquello que se repite.
Aquí, para ir bien, debríamos hacer muchas más comprovaciones, con otros meses, otros observatorios y otros años.
De momento, y si no me he equivocado, el mes de abril sería así:
-
Estás seguro que en períodos muy largos la distribución sería gaussiana ? No lo creo. Creo que la curva estaría escorada hacia la izquierda.
Sigue una distribución normal, lo he comprobado con una serie del aeropuerto de salamanca de 50 años, de temperaturas diarias.
-
Estás seguro que en períodos muy largos la distribución sería gaussiana ? No lo creo. Creo que la curva estaría escorada hacia la izquierda.
Sigue una distribución normal, lo he comprobado con una serie del aeropuerto de salamanca de 50 años, de temperaturas diarias.
De temperaturas diarias de todo el año sí.
Nosotros estábamos comprovando de meses en concreto.
Y parece ser que en verano la distribución de extremos se desplazan a la izquierdo ("uyendo del extremo máximo de la derecha") y en invierno ocurre lo contrario.
Es lógico.
Imaginemos que la temperatura máxima que puede alcanzar Valencia es 42'5 y la mínima -7'5. Imaginemos que dichos extremos representan un pozo de potencial gausiano invertido, eso es una condición de contorno para cualquier distribución.
Cada mes tendría una media. Si la media coincide con 17'5, entonces la distribución será gausiana, si no coincide, entonces tendrá una "envolvente" que modula la gausiana propia del mes. Es decir, En general, la distribución d eun mes es le producto de dos gausianas, la de los extremos y la propia natural. Si la medi del mes está desplazada hacia la derecha respecto a 17'5, entonces observaremos una figura curvada hacia la izquierda.
(https://foro.tiempo.com/index.php?action=dlattach;topic=27611.0;id=10592;image)
Y viceversa.
O al menos eso es lo que creo.
Saluts! ;)
-
No, no. Yo lo he comprobado para temperaturas máximas y mínimas de cada mes.
Con los datos ordenandolos obtuve una distribución de probabilidad acumulada. Resulto ser la misma distribución acumulada de una normal, supuestos esos datos como pertenecientes a una distribución normal.
Abrí un topic sobre ello el año pasado.
-
No, no. Yo lo he comprobado para temperaturas máximas y mínimas de cada mes.
Con los datos ordenandolos obtuve una distribución de probabilidad acumulada. Resulto ser la misma distribución acumulada de una normal, supuestos esos datos como pertenecientes a una distribución normal.
Abrí un topic sobre ello el año pasado.
Sí, es posible que en cuanto a datos acumulados se cumpla, pero creo que en cuanto a distribución por clases no está tan claro.
Para comprovarlo tienes que representar el área, ësta será más precisa cuanto más "estrechas" sean las clases.
Saluts! ;)
-
Para cumplir la acumulada debe ser una distribución normal. Si no no puedes construir una curva de probabilidad acumulada de tipo normal. ;)
-
Para cumplir la acumulada debe ser una distribución normal. Si no no puedes construir una curva de probabilidad acumulada de tipo normal. ;)
Sí, pero la cuestión que está en duda es si las desviaciones positivas tienen la misma desviación típica que las desviaciones negativas. ¿Has comprovado eso? No cuesta tanto ;)
De todos modos es cierto que habrá muy poca diferencia a una distribución normal, pero ha de haber alguna, por previsión de los extremso climáticos. Me explico.
La teoría probabilística se basa en la distribución estadística.
Una distribución normal o gaussaina implica que la propabilidad de que se obtenga una desviación infinita es igual a cero. Mientras tanto, la probabilidad de que se obtenga una desviación finita es positiva
Una distribución normal o gaussiana es un modelo matemático, irreal, con un grado de finura (de predicción) determinada, pero no puede ser exacta. Por tanto, de entrada, ninguna distribución física (es decir todas) es exáctamente una distribución normal (aunque se aproximen mucho). Hay una demostración. En física no hay nada infinito, por tanto no puede existir una desviación mayor que un determinado valor finito (por ejemplo: energía, edad y tamaño del unievrso; velocidad de la luz, etc.)
Una distribución podrá ser más o menos próxima a una gaussiana cuanto más "lejos" tenga sus desviaciones máximas.
De entrada el extremo mínimo de la temperatura es 0k, por tanto, considerando una cuantificación de la energía, el madelo más exacto para describir una distribución energética ha de contener al menos una componente de Poisson, discreta. Pero esto se corresponde a un teoría cuántica que escapa del interés de este tópic.
Vayamos a la teoría climática. Todos entendemos que cualquier punto de la Tierra tiene una temperatura mínima y una máxima. Podemos suponer que la probabilidad de encontrar una temperatura por fuera de ese intervalo es cero. Imaginemos que el tiempo meteorológico se divide en períodos en los cuales unas veces es más probable una temperatura que otra, pero sin embargo la condición de extremos ha de mantenerse. Si en verano estamos más cerca del extremo superior que en otoño, la distribución "normalizada" no puede ser exácatemnte la misma, ya que la condición de contorno modula la campana de distribución. En otoño y primavera, las dos condiciones de contorno estarían equidistantes, por lo que el modelos gaussiano sería muy bueno.
La existencia de los extremos de temperatura posibles es independiente de las medidas. Es decir, aunque se haya medido como máxima histórica de Valencia 42'5, es posible que el extremo sea 43 o 44, dentro de las condiciones actuales (atmosfera, excentricidad terrestre, etc.) pero no quedaría muy lejos.
No sé si me explico. En resumen, la campana de distribución decae más rápidamente en el lado más próximo a la condición de contorno más cercana.
Saluts! ;)
-
(https://foro.tiempo.com/imagenes/imagen-no-existe.png)
Esta es la curva de temperaturas máximas y mínimas.
Posteriormente con los mismos datos calcule media y desviación típica suponiendo que esos datos correspondían a una distribución normal y trace la misma curva. Acople casí perfecto.
El topic donde hablamos sobre ello era este:
https://foro.tiempo.com/index.php/topic,13918.0.html
-
Muchas gracias.
Pues me gustaría que lo representases por clases, o bien, si puede ser, pásame los datos y lo comprovaré yo mismo.
O bien, dime la media, la dispersión y los extremos exactos.
Muchas gracias ;)
Saluts! ;)