MODELOS ESTADISTICOS

El modelo de investigacin y previsin del tiempo (Weather Research and Forecasting WRF) es un sistema de prediccin numrico de mesoescala de nueva generacin, diseado para servir previsiones operacionales y necesidades de estudio de la atmsfera. El WRF puede ser utilizado en una amplia gama de aplicaciones a lo largo de un rango de escalas que van desde los metros hasta los miles de kilmetros. El GFS (Global Forecast System) es un modelo espectral que simula la circulacin atmosfrica en 64 niveles para un dominio que abarca el mundo entero. Todos los ciclos de ejecucin del modelo GFS toman sus condiciones inciales del sistema de asimilacin global de datos (GDAS) conocido como sistema de interpolacin estadstica de puntos de malla (Gridpoint Statistical Interpolation, o GSI), el cual se actualiza continuamente a lo largo del da. MM5 es un modelo numrico de prediccin meteorolgica para reas limitadas. "MM" significa "Mesoscala y Microscala". Es un modelo de mesoescala que permite simular las condiciones meteorolgicas reales y pronosticadas teniendo en cuenta la orografa, la primera aproximacin de cualquier modelo meteorolgico global de baja resolucin que se le suministre, la informacin meteorolgica sinptica directa (in situ) e indirecta (a travs de sensores remotos) y, los movimientos verticales a travs de una meteorologa dinmica hidrosttica y no hidrosttica. Algunas caractersticas de este modelo son: 1. Modelo de diagnostico o pronostico. 2. Puede ser utilizado para simulaciones de fechas anteriores, actuales o de pronsticos. 3. Es un modelo de tipo euleriano (se reere a aquel camino que recorre todos los Vrtices o nodos) de un grafo pasando una y s solo una vez por cada arco del grafo siendo condicin necesaria que regrese al vrtice inicial de salida. 4. Hace uso de asimilacin de datos en 4 dimensiones, es decir, en las coordenadas X,Y, Z y el tiempo. 5. Capacidad de anidamiento mltiples con interaccin entre los dominios, lo que facilita el estudio de los fenmenos atmosfricos bajo distintas escalas espaciales y el diseo de predicciones a muy alta resolucion. 6. Formulacin de una dinmica no hidrosttica, la cual permite que el modelo pueda ser ecazmente empleado para representar fenmenos con dimensiones de muy pocos kilmetros. 7. Se puede aplicar a cualquier zona del mundo, ya que es posible desarrollar la informacin de entrada (campos meteorolgicos, topografa y uso de suelo) necesaria

para su funcionamiento, inclusive para zonas con alta resolucin espacial y topografa compleja. 8. El cdigo fuente esta escrito en lenguaje de programacin Fortran 90/77, y cuenta Con una amplia gama de parametrizaciones de capa limite planetaria, conveccin, Fsica de nubes, etc. Algunos de los procesos hidrolgicos pueden ser predecibles y su comportamiento puede ser explicado por relaciones matemticas o leyes fsicas. Algunos otros contienen una parte que puede ser predecible de forma determinstica (a travs de una ley fsica) y otra parte que sea aleatoria. Otros no contienen ninguna parte que pueda ser predeterminada de forma determinstica y son totalmente aleatorios, estos ltimos son conocidos como procesos estocsticos. En este caso se encuentran los eventos hidrolgicos extremos, tales como las crecientes o sequas y en general los relacionados de forma muy directa con los fenmenos de precipitacin. En estos procesos una observacin no esta correlacionada con observaciones adyacentes (anteriores o posteriores). En este tema se har una breve recapitulacin de los conceptos de probabilidad y estadstica que se han adquirido en cursos previos. Para lo cual se presentan una lista de definiciones que es preciso tener presentes: Variable Aleatoria. Distribucin de probabilidad.

Muestra: Es el conjunto de observaciones de la variable aleatoria. Las propiedades estadsticas pueden variar de muestra a muestra. Poblacin: El conjunto de muestras forma una poblacin infinita que posee propiedades estadsticas constantes. Espacio Muestral: es el conjunto de todas las muestras posibles. Evento: subconjunto de un espacio muestral. Probabilidad de ocurrencia de un evento: Es la posibilidad de que este evento (nA) ocurra cuando se hace una observacin (n) de la variable aleatoria. La frecuencia relativa de A es nA/n. A medida que el tamao de la muestra aumenta, la frecuencia relativa se convierte progresivamente en una estimacin ms aproximada de la probabilidad del evento. Principios bsicos de la probabilidad: a) Probabilidad total. Si el espacio muestral esta completamente dividido en m eventos o reas no traslapadas A1, A2, A3,....., Am, entonces

P ( A1 ) + P ( A2 ) + P ( A3 ) + P ( A4 ) + .... + P (Am) = P () = 1 b) Complementariedad. Se dice que si A es complemento de A, es decir, A = A , entonces

c) Probabilidad Condicional.

PRUEBA DE LA BONDAD DEL AJUSTE La bondad del ajuste de una distribucin de probabilidad puede hacerse comparando los valores tericos y mustrales de las funciones de frecuencia relativas y de frecuencia acumulada. En el caso de la funcin de frecuencia relativa se utiliza la prueba 2. La frecuencia relativa se define como:

Donde el nmero de observaciones ni en el intervalo i se divide por el nmero total de observaciones n. El valor terico de la frecuencia relativa es p(xi)=F(xi)-F(xi-1) La prueba estadstica 2 esta dada por:

Donde m es el nmero de intervalos. Debe notarse que nf s (x i) = ni es el nmero de ocurrencias OBSERVADAS en el intervalo i mientras que np(xi) es el nmero ESPERADO de ocurrencias en el mismo intervalo, luego la ecuacin anterior se limita a elevar al cuadrado la diferencia entre el nmero de ocurrencias observadas y esperadas, dividiendo el nmero de ocurrencias esperadas en el intervalo y sumando el resultado para todos los intervalos. La distribucin 2 con grados de libertad es la distribucin para la suma de los cuadrados de variables aleatorias normales estndar independientes zi, esta suma es la variable aleatoria:

FUNCIONES DE VALOR EXTREMO

BIBLIOGRAFIA

http://es.wikipedia.org/wiki/An%C3%A1lisis_de_frecuencia_acumulada http://www.dfa.uv.cl/astrometeorologia/tesis/Tesis_Josselyn_ORTIZ.pdf