Completacion de Datos PDF

Completacin de datos faltantes
Evaluacin de Mtodos Hidrolgicos para la Completacin de Datos Faltantes de Precipitacin

en estaciones pluviogrficas de la VII Regin del Maule, Chile.
Evaluation of Hydrologic Methods for Completing Rainfall Missing Values

Roberto Pizarro Tapia 1*, Paula Ausensi Tapia 2, Dayanna Aravena Garrido 2, Claudia Sangesa Pool 1.
1*
Autor de correspondencia: Universidad de Talca, Facultad de Ciencias Forestales, Departamento de

Gestin Forestales y Ambiental, Avenida Lircay s/n, Talca, Tel.: 71 200375, rpizarro@utalca.cl
2
Direccin General de Aguas Regin del Maule, Departamento de Administracin de Recursos

Hdricos, 6 Oriente N 1220, Talca, Tel.: 71 612266, dgatalca@mop.gov.cl
ABSTRACT
This study evaluates the applicability of different methods for the estimation of rainfall missing
values, through eight raingauge stations in Maule Region of Chile. These methods were linear
correlation, distance rate, local averages, mean rates and correlation with nearly stations, proposed by
UNESCO-ROSTLAC in 1982, within the framework of the hydrologic balance for South America. In
addition, was added another method named multiple regressions.
These methods were analyzed
through different statistical methods; these were determination coefficient (R), standard error of
estimation (EEE), test of agreement of Bland and Altman and analysis of variance, in order to define
the best goodness of fit method. According to the analysis of Bland and Altman, the best method of
completing missing rain value, was multiple regression with 2 and 3 nearly stations. This result is also
validated by R values, and also validated by standard error of estimation. On the other hand, the other
methods studied, showed important differences between real values and estimated values, so it was
concluded that multiple regressions is the best method to complete missing rain value.
Keywords: Rainfall missing value; rainfall data base; rainfall estimation.
RESUMEN
Este estudio evala la aplicabilidad de distintos mtodos para la estimacin de datos faltantes de
precipitacin puntual, en ocho estaciones pluviogrficas de la Regin del Maule, Chile. Estos mtodos
corresponden a correlacin lineal, completacin por razones de distancia, completacin por promedios
vecinales, completacin por razones promedio y completacin por correlacin con estaciones vecinas,
1

propuestos por UNESCO-ROSTLAC, en 1982, en el marco del balance hdrico para Amrica del Sur.
Adems se agreg un sexto mtodo, el de completacin por regresiones mltiples. Los mtodos se
analizan a travs del coeficiente de determinacin (R), error estndar de estimacin (EEE), test de
concordancia de Bland y Altman y anlisis de varianza, con los que se determina que mtodo presenta
mejor ajuste para la regin. Segn el anlisis de Bland y Altman, el mejor mtodo de completacin fue
el de regresin mltiple con 2 y 3 estaciones cercanas, lo que adems se corrobora con los valores
obtenidos del R y el EEE. Asimismo, los errores estndar de los otros mtodos estudiados fueron
demasiado altos, lo que los hace no recomendables, excepto el de correlacin con estaciones vecinas
que tiende a acercarse en sus resultados al de regresiones mltiples.
Palabras clave: completacin de datos faltantes, estimacin de datos faltantes mtodos de

completacin de datos faltantes de precipitacin; precipitacin puntual.
INTRODUCCIN
En la mayora de los estudios relacionados con hidrologa y en investigaciones de los recursos
naturales o relacionados con el medio ambiente, el punto de partida es la estimacin de las
precipitaciones (Tapiador et al., 2003). Por ello, conocer el comportamiento y la forma de evaluacin
que tiene la precipitacin es de gran importancia (Aparicio, 2003).
En la estimacin de la precipitacin, cuando hay carencia de datos, existen diversos mtodos que
van desde avanzadas tecnologas como el uso de satlites, programas estadsticos y modelaciones
hidrolgicas (Smith, et al., 1997), que por su elevado costo, no son de masiva utilizacin, hasta los
mtodos tradicionales, que son ms factibles de utilizar. Estos ltimos, se basan en frmulas
matemticas simples, en donde se establecen relaciones entre estaciones patrones o cercanas (con datos
completos) y la estacin con carencia de informacin pluviomtrica.
En este contexto, la presente investigacin compara cinco mtodos de completacin de datos para
la estimacin de la precipitacin puntual, cuando hay carencia de informacin en distintas estaciones
pluviomtricas de la Regin del Maule, Chile, con el fin de evaluar la calidad de la prediccin de
dichos mtodos, para su posterior recomendacin.
Descripcin del rea del estudio

El estudio se realiz en 8 estaciones de la Regin de Maule, Chile (Ilustracin 1), la que se
extiende entre los 34 41 y 36 33 de latitud Sur (I.G.M., 1985). La zona se encuentra dominada por
condiciones anticiclnicas durante gran parte del ao y por condiciones frontales intermitentes durante
2

el invierno. Las precipitaciones son casi exclusivamente de origen frontal y se concentran en los meses
de mayo y agosto, donde precipita entre un 70% 75% del total anual; entre octubre y marzo ocurre la
estacin seca, que se prolonga entre 4 y 6 meses.
Ilustracin 1. Ubicacin de las estaciones pluviomtricas, VII Regin, Chile
Descripcin de los mtodos de completacin de informacin de datos faltantes

Para la determinacin de los datos faltantes se utilizan variados mtodos, los cuales normalmente
se basan en frmulas empricas, donde se relacionan determinadas variables hidrolgicas que,
independientemente de su base terica, responden a la estructura de un estudio estadstico (Mintegui y
Lpez,1990).
En Chile, se utilizan diversos procedimientos para la estimacin de la precipitacin puntual,
cuando hay carencia de informacin, principalmente los mtodos del Balance Hdrico para Amrica
del Sur, propuesto por UNESCO-ROSTLAC en 1982.
Completacin por regresin lineal

Este mtodo es uno de los ms utilizados; se recomienda para la estimacin de datos mensuales y
anuales de la estacin en estudio y las de una estacin pluviomtrica cercana, que cuente con una
estadstica consistente y observada. Para ello se requiere establecer una regresin y correlacin lineal
entre una estacin patrn y la estacin que tenga carencia de informacin, mediante una ecuacin lineal
de dos variables, del tipo:
y = a + b x
[1]
Donde;
Y = Valor estimado de la precipitacin para la estacin carente (mm).

x = Valor de precipitacin registrado en la estacin patrn (mm).
a, b = constantes de regresin.
Este mtodo, a pesar de ser de muy fcil aplicacin, no puede ser aplicado indiscriminadamente,
dado que es necesario saber si la calidad del ajuste es buena o mala. Una mala calidad del ajuste, puede
llevar a la generacin de informacin sin consistencia, lo cual en lugar de mejorar la situacin, la
empeora por la agregacin estadstica de datos no representativos de la realidad que se pretende estimar
(UNESCO - ROSTLAC, 1982).
Por esta razn, es posible utilizar el coeficiente de correlacin como una forma de establecer la
calidad de los datos. Con la determinacin del coeficiente de correlacin (R), se puede estimar el grado
de correlacin lineal que existe entre las estaciones en estudio, y cuyo valor oscila entre 1 R 1,
donde el valor 0 indica una correlacin nula, en tanto los valores 1 y 1, denotan una correlacin total.
En trminos hidrolgicos, se considera aceptable una regresin cuyo valor de R sea mayor a 0,8
menor que 0,8 (Pizarro et al, 1993). Adems deben utilizarse distintos mtodos estadsticos, que
permitan evaluar la calidad de los ajustes obtenidos.
Completacin por razones de distancias

Este mtodo se utiliza para la estimacin de datos menores de un ao, en zonas planas no
montaosas; las estaciones deben tener una disposicin espacial lineal como la que se muestra en la
ilustracin 2.
Ilustracin 2: Disposicin espacial para la completacin, por razones de distancia.

(Fuente: Pizarro et al, 1993)
Donde;
X = Representa la posicin de una estacin con carencia de informacin.
A y B = Seala la presencia de estaciones con informacin completa.
a y b = Representa la distancia sobre un plano desde la estacin X.
La estacin con carencia de datos debe quedar entre dos estaciones que presenten una estadstica
completa; as, y utilizando la siguiente expresin, se puede estimar el dato faltante.
(PB PA )
PX = PA + a
(a + b )
[2]
Donde;
PX, PA, PB, representan la precipitacin para las estaciones X, A y B, respectivamente, para el perodo
en estudio.
En este mtodo se ocupan las precipitaciones y las distancias, por lo tanto se asume que existe una
variacin lineal de las precipitaciones, en funcin de la disposicin espacial.
Completacin por promedios vecinales

Se utiliza para la completacin de datos menores de un ao, en zonas planas no montaosas. Se
debe considerar la distribucin espacial en donde la estacin con carencia de datos, queda ubicada al
centro de tres estaciones con estadstica completa (Ilustracin 3).
Ilustracin 3. Disposicin espacial para la completacin de datos por promedios vecinales

Donde;
X, A, B y C representan la disposicin espacial de cuatro estaciones pluviomtricas y donde la
estacin X es la que presenta carencia de informacin.
De cumplir con esto, es posible la utilizacin de la siguiente expresin para estimar las precipitaciones.
[3]
Donde;
Pi = Precipitacin de la estacin i en el perodo de estudio.
n = Nmero total de estaciones.
Este mtodo, es bsicamente una estimacin que resulta del clculo de un promedio aritmtico en
las n estaciones vecinas existentes.
Completacin por razones promedio

Es complementario al mtodo anterior, y se define por la siguiente base conceptual. Si en una zona
cualquiera, la precipitacin normal de la estacin X, difiere en ms de un 10% con alguna de las
estaciones vecinas, entonces es necesario aplicar la siguiente ecuacin (Linsley et al, 1988; Ponce,
1989; UNESCO-ROSTLAC, 1982; Pizarro, 1993):
Px =
P x PA PB
PN
*
+
+ ... +
N PA PB
P N
[4]
Donde;
6

P X, P A, PB...PN = promedio normal de las precipitaciones anuales registradas en un perodo comn
para las N estaciones y la estacin X.
PA, PB,PN
= precipitacin en las N estaciones durante el perodo que falta en X.
Lo que se logra al aplicar este mtodo, es realizar una estimacin para la estacin faltante, en
funcin de las relaciones entre las precipitaciones de un perodo en estudio y las precipitaciones
normales (Pizarro et al, 1993).
Cabe sealar que se entiende por precipitacin normal, el promedio de los ltimos treinta aos; de
no contarse con los registros de esta duracin, se puede establecer un periodo comn a las estaciones en
anlisis, que se sugiere sea mayor o igual a 20 aos en lo posible.
Completacin por correlacin con estaciones vecinas

Aqu se utilizan las precipitaciones estimadas a partir de correlaciones entre la estacin con
carencia de datos y cada una de las estaciones vecinas, a los que se asocian los coeficientes de
correlacin respectivos (UNESCO - ROSTLAC, 1982). Su expresin matemtica es la siguiente:
PX =
PXA * rXA + PXB * rXB + ... + PXN * rXN

rXA + rXB + ... + rXN
[5]
Donde;
PX = Valor estimado de precipitacin en X.
PXi = Valor estimado de precipitacin en X, a partir de las regresiones con cada una de las i estaciones.
rXi = Coeficiente de correlacin entre los registros de la estacin X, y cada una de las i estaciones.
A, B,, N = Estaciones consideradas.
Este mtodo sirve para la completacin de informacin de tipo anual, y su uso es slo recomendable
cuando el coeficiente del correlacin del mtodo de correlacin lineal, no supera la barrera del valor
0,8 (Cazalac, 2005)
Completacin por regresiones mltiples
Este mtodo, es una extensin del mtodo de regresin simple y su forma de estimar la
precipitacin se basa en la siguiente expresin matemtica:
Y = a + bX 1 + cX 2 + dX 3 + ...nX i
[6]
Donde;
7
Y = Valor de precipitacin estimada para la estacin con carencia de Informacin.

Xi = Valor de precipitacin en estaciones con informacin completa.
a, b, c, n = Constantes de regresin.
Este mtodo es utilizado en esta investigacin, con el fin de investigar sus capacidades frente a los
otros mtodos tradicionales ya descritos, cuyos resultados presentan falencias importantes.
METODOLOGA
Los datos requeridos para la aplicacin de los mtodos de completacin de datos faltantes,
corresponden a los valores de precipitacin mensual de las 8 estaciones consideradas para el estudio y
para un perodo de 15 aos. De este modo, se obtuvo un total de 180 datos mensuales por estacin.
Con esta informacin se hizo una seleccin aleatoria del 20% de los datos por estacin, los que
fueron considerados como faltantes, con el fin de generar vacos de informacin, para posteriormente
establecer las comparaciones entre las precipitaciones reales y las estimadas.
Se debe sealar que para poder utilizar de forma comparativa los mtodos, se estableci que los
meses en los cuales se elimin la informacin, deban ser los mismos en cada estacin.
Una vez establecidos los vacos de informacin mensual, los datos que se extrajeron se
consideraron como la precipitacin real, que fue la base para establecer las comparaciones entre los
distintos mtodos (Cuadro 1).
Cuadro 1: Precipitaciones reales que fueron eliminadas en cada estacin.
Ao
1989
1990
1991
1992
1993
1995
1996
1997
1998
meses
ene
oct
nov
abr
nov
ene
mar
abr
jun
jul
agost
jul
oct
dic
nov
mar
oct
jun
oct
jun
Armerillo
5,5
50,0
6,0
108,9
82,5
11,5
0,0
150,0
438,1
159,3
199,6
223,9
65,4
113,4
1,0
41,9
33,0
1034,2
151,0
66,0
Colorado
3,5
38,0
2,5
50,2
47,8
3,5
0,0
70,2
286,0
134,3
152,5
159,0
52,5
37,5
0,8
9,2
8,5
595,5
87,9
34,5
El Guindo
3,0
23,0
7,0
41,0
21,5
2,0
0,0
45,5
117,5
46,5
66,5
69,5
10,0
9,0
0,0
1,0
6,5
327,5
16,0
13,5
ESTACIONES
Gualleco
Huapi
1,5
1,5
11,0
24,0
0,0
2,0
41,1
50,0
14,7
30,5
20,1
6,0
0,0
0,0
16,4
55,9
114,5
170,5
36,5
62,0
117,7
99,0
89,9
138,5
5,9
0,0
9,3
0,0
0,0
1,0
0,0
5,0
0,0
10,0
375,0
423,5
84,5
76,2
14,0
18,0
Pencahue
6,3
8,0
0,0
25,3
17,6
24,0
0,0
20,9
149,1
22,1
121,0
60,1
9,2
2,5
0,0
4,0
5,6
345,3
69,9
13,3
San Javier
5,8
8,5
2,5
41,5
29,0
21,0
0,0
33,7
171,1
41,3
106,7
95,4
34,5
10,6
0,0
5,7
3,5
350,0
59,9
22,6
Talca
3,0
10,6
1,7
22,3
19,5
8,7
0,0
24,7
155,3
28,2
95,6
85,3
14,7
9,6
0,0
4,8
5,9
315,4
56,0
12,8

1999
2000
2001
2002
2003
agost
agost
sep
abr
may
jun
sep
mar
jun
ene
jul
ene
may
agost
oct
nov
0,0
433,0
469,5
57,0
110,9
1373,0
525,0
0,0
241,0
3,0
439,6
71,1
204,0
44,0
146,0
124,0
0,0
218,5
351,0
27,0
71,4
823,3
357,5
2,7
154,2
2,2
246,0
88,5
126,5
53,0
75,0
80,0
0,0
135,2
202,0
5,5
45,0
418,5
176,0
0,0
56,0
0,0
170,5
44,0
89,5
42,0
29,0
48,0
0,0
133,0
237,5
6,0
40,5
549,0
257,0
0,0
123,1
0,0
189,0
20,0
139,0
36,0
28,5
64,0
0,0
172,0
228,0
9,0
57,0
613,0
227,0
0,0
42,7
0,0
196,0
94,0
47,5
66,0
51,0
0,0
80,8
196,3
9,7
24,4
459,2
188,4
0,0
95,9
0,0
119,4
0,0
112,0
34,5
17,2
53,5
0,0
103,5
210,8
8,9
49,0
395,7
235,4
0,0
77,3
0,9
127,2
35,0
75,3
46,6
24,2
75,2
0,0
85,5
199,1
8,5
23,1
408,0
154,6
0,0
77,6
0,0
118,7
32,9
58,2
54,5
15,0
46,4
Para la aplicacin del mtodo de completacin por regresin lineal, se establecieron regresiones
lineales simples, entre los valores de las precipitaciones que no fueron eliminados para la estacin X, y
los valores de la 1, 2 y 3 estacin ms cercana (Cuadro 2).
Cuadro 2. Esquema para la aplicacin del mtodo de regresin lineal.

Estacin con
falta de datos (Y)
Armerillo
Colorado
Huapi
El Guindo
Gualleco
Pencahue
San Javier
Talca
Estaciones utilizadas (X), para la estimacin de la precipitacin (Y)

1 estacin ms cercana
Colorado
Armerillo
Colorado
Talca
Pencahue
Gualleco
Talca
San Javier
Huapi
Huapi
El Guindo
Huapi
Talca
Talca
Pencahue
Pencahue
San Javier
San Javier
Talca
San Javier
San Javier
San Javier
Huapi
El Guindo
Para comprobar la calidad de los ajustes, fue necesario aplicar los supuestos de normalidad, a
travs del Test de Kolmogorov Smirnov y el grfico de probabilidad normal de residuos; el supuesto
de homocedasticidad, por medio del grfico de residuos; y el supuesto de no autocorrelacin o
independencia, utilizando para ello el mtodo d de Durbin-Watson, apoyado en el grfico de residuos
versus el tiempo.
En relacin a los supuestos de regresin lineal, cabe destacar que si el objetivo del modelo que se
quiere ajustar es nicamente la estimacin puntual, (como lo es en el caso de los mtodos de
completacin), el mtodo de los mnimos cuadrados en conjunto con el coeficiente de determinacin
R, son suficientes, y no es necesario que se cumplan los supuestos clsicos de regresin. (Gujarati,
1992). Sin embargo, con el fin de tener una mejor herramienta de decisin y comparar los resultados
9

del estudio con algunas extensiones de ste, de igual forma se obtuvieron los modelos con sus
respectivos supuestos clsicos de regresin.
Por otro lado, para el mtodo de completacin por razones de distancias, la estacin con carencia
de informacin debe estar al centro de dos estaciones que tengan estadstica completa. Por ello, en
primer lugar fue necesario establecer qu estaciones podan estimar a las otras (Cuadro 3), para
posteriormente calcular las distancias entre las estaciones seleccionadas. As, para determinar las
distancias entre las estaciones, stas fueron ubicadas en una carta topogrfica con una escala 1:500.000;
se eligi esta escala, ya que permite visualizar todas las estaciones en la misma carta.
Cuadro 3. Esquema para la aplicacin del mtodo de razones de distancias.

Estacin con carencia de informacin
Armerillo
Colorado
Gualleco
Huapi
El Guindo
Pencahue
San Javier
Talca
Estacin A
Colorado
Armerillo
El Guindo
El Guindo
Huapi
Huapi
Talca
Huapi
Estacin B
Huapi
Gualleco
Colorado
Pencahue
Gualleco
Colorado
Pencahue
Pencahue
El mtodo de completacin por promedios vecinales considera una disposicin espacial de tipo
triangular, y requiere de tres estaciones para estimar la precipitacin en la estacin que tiene
informacin faltante. Dada esta condicin, slo fue posible aplicarlo a 5 de las 8 estaciones (Cuadro 4),
ya que las estaciones de Armerillo, Colorado y Gualleco, no cumplieron con la disposicin espacial
necesaria.
Cuadro 4. Esquema para la aplicacin del mtodo de promedios vecinales.

Talca
San Javier
Pencahue
El Guindo
Huapi
Estacin A
Pencahue
Colorado
Gualleco
Huapi
Armerillo
Estacin B
San Javier
Huapi
Talca
Talca
El Guindo
Estacin C
El Guindo
Talca
San Javier
Pencahue
San Javier
En relacin al mtodo de completacin por razones promedio, ste es complementario al mtodo

de promedios vecinales, por lo que se ocup la misma conformacin espacial de las estaciones.
Adems, fue necesario calcular la precipitacin normal para cada estacin, que para este caso se hizo a
travs del clculo del promedio aritmtico anual de los ltimos 15 aos y no de los 30 como se sugiri
10

anteriormente, y por que slo se pretende comparar el comportamiento de los distintos mtodos de
completacin.
Para la aplicacin del mtodo de completacin por correlacin con estaciones vecinas, se
utilizaron las estimaciones hechas con la completacin por regresin lineal y sus respectivos
coeficientes de correlacin (R), para cada una de las estaciones. Las correlaciones con estaciones
vecinas se realizaron en dos escenarios; el primero, con dos estaciones y, el segundo, con tres
estaciones, con el fin de establecer si el nmero de estaciones incluidas en la estimacin, tiene relacin
con la calidad de sta (Cuadro 5 y 6).
Cuadro 5: Configuracin del mtodo de completacin por correlacin con estaciones vecinas, con dos
estaciones.
Estacin con carencia de informacin.
Armerillo
Colorado
Gualleco
Huapi
El Guindo
Pencahue
San Javier
Talca
Estacin A
Huapi
Huapi
Talca
Colorado
Talca
Talca
Talca
Pencahue
Estacin B
Colorado
Armerillo
Pencahue
El Guindo
Huapi
San Javier
Pencahue
San Javier
Cuadro 6. Configuracin del mtodo de completacin por correlacin con estaciones vecinas, con tres
estaciones.
Armerillo
Colorado
Gualleco
Huapi
El Guindo
Pencahue
San Javier
Talca
Estacin A
Huapi
Huapi
Talca
Colorado
Talca
Talca
Talca
Pencahue
Estacin B
Colorado
Armerillo
Pencahue
El Guindo
Huapi
San Javier
Pencahue
San Javier
Estacin C
Pencahue
Pencahue
San Javier
Talca
Colorado
Gualleco
Gualleco
Gualleco
Despus de la aplicacin de los mtodos de completacin, se observ que los valores de los
errores eran demasiados altos para la calidad de R que se observaba, por lo que se decidi incluir un
sexto mtodo de completacin, el de regresiones mltiples. Este mtodo lo que busca es establecer si la
cantidad y calidad de las estimaciones hechas con el mtodo de correlacin lineal, se ve afectada por la
cantidad de estaciones incluidas. A modo de poder realizar comparaciones, se ocup la misma
conformacin de estaciones utilizadas para el mtodo de correlacin con estaciones vecinas.
11

Anlisis comparativo de la calidad de la estimacin
Una vez obtenida la informacin faltante, se hizo una comparacin entre los valores reales y los
valores estimados a travs de los diversos mtodos de completacin. As, se analizaron los resultados
generados por cada uno, comparndolos entre s para detectar diferencias estadsticamente
significativas entre ellos.
Para detectar estas diferencias, se aplicaron las siguientes medidas de bondad de ajuste:
Coeficiente de Determinacin (R): que expresa el porcentaje de la variacin total de las precipitaciones
reales, que son explicadas por el mtodo de completacin.
Error Estndar de Estimacin (EEE): Permite calcular la disparidad promedio entre los valores reales
de precipitacin y los estimados., en donde los valores cercanos a cero indican la buena descripcin de
la precipitacin, que hace el mtodo aplicado (Caro, 2001). Dado que los valores que resultan de esta
prueba, son inherentes al tipo de informacin utilizada, no son directamente comparables con los
resultados de otro conjunto de datos. (Snchez, 2001).
Test de concordancia de Bland y Altman (ACBA): Se basa en las diferencias promedio existentes entre
el valor real y el estimado, y la comparacin de las grficas residuales. Esta ltima prueba permite
adems, apreciar la homogeneidad del error en la misma unidad de medida que los datos (Bland y
Altman, 1999; Dunn y Roberts, 1999). En trminos estadsticos, el nivel de concordancia lo asignan las
diferencias promedio (dp) entre el valor real y el estimado y la desviacin estndar (SD) de dichas
diferencias. Adems, establece un lmite de concordancia (LC) con un 95% del nivel de significacin,
definido por la expresin:
LC = dp 1.96* SD
Anlisis de Varianza (ANDEVA): permite definir si existen o no diferencias significativas entre los
modelos. Corresponde a un procedimiento utilizado para descomponer la variabilidad total de un
experimento en componentes independientes que pueden asignarse a causas distintas, como la
variacin entre y dentro de los modelos. (Pea, 1995; Marabol, 2000). El diseo experimental aplicado
lleva a cabo pruebas de hiptesis de efectos fijos de tratamientos (modelos) cuyas hiptesis son:
Ho: Los efectos de los mtodos sobre la media son iguales
Ha: Los efectos de los mtodos son distintos, es decir, al menos uno de los mtodos difiere
significativamente de los dems.
12

El criterio utilizado para determinar la significancia estadstica, establece que si el valor p es
menor o igual que el nivel de significacin (* = P < 0,05), entonces existe evidencia significativa en
contra de Ho (Cid et al, 1990).
PRESENTACIN Y DISCUSIN DE RESULTADOS
En el cuadro 7 se entregan los valores del coeficiente de determinacin (R) y el error estndar de
estimacin (EEE) para cada estacin, segn el mtodo aplicado.
Cuadro 7. Coeficiente de Determinacin (R) y Error Estndar de Estimacin (EEE).
Armerillo
R
EEE
Colorado
R
EEE
El Guindo
R
EEE
Gualleco
R
EEE
Pencahue
R
EEE
San Javier
R
EEE
Razones de
Distancia
0,68
164,9
0,94
43,9
0,94
31,7
0,95
21,4
0,93
32,1
0,98
13,2
0,96
17,8
0,97
15,4
Promedios
Vecinales
0,87
46,7
0,95
22,1
0,98
13,2
0,77
46,1
0,98
13,7
Razones
Promedios
0,98
20,4
0,96
19,0
0,93
25,7
0,96
18,5
0,98
12,0
Correlacin Con
Estaciones
Vecinas
(2 estaciones)
0,0
333,6
0,99
7,2
0,99
5,7
0,98
14,9
0,84
14,9
0,98
2,5
0,99
6,3
0,98
11,9
Correlacin Con
Estaciones
Vecinas
(3 estaciones)
0,0
474,1
0,05
173,4
0,95
27,9
0,96
18,3
0,89
40,8
0,99
11,1
0,99
4,3
0,96
18,5
Regresiones
Mltiples
(2 estaciones)
0,92
62,3
0,95
29,2
0,93
23,9
0,89
22,3
0,98
13,9
0,96
13,3
0,96
14,9
0,97
10,5
Regresiones
Mltiples
(3 estaciones)
0,93
61,1
0,97
20,9
0,94
22,7
0,91
21,8
0,98
13,7
0,98
9,8
0,96
14,6
0,97
10,4
Regresin
Lineal simple
(1 ms cercana)
0,92
64,1
0,93
33,9
0,93
23,9
0,89
24,4
0,98
14,5
0,98
11,0
0,96
15,2
0,96
13,3
Regresin
Lineal simple
(2 ms cercana)
0,89
72,2
0,92
38,3
0,84
37,5
0,83
27,6
0,96
19,5
0,96
13,7
0,94
18,1
0,96
12,7
82,9
0,91
42,1
0,85
36,4
0,89
24,4
0,94
21,9
0,94
16,9
0,93
27,9
0,89
21,9
Mtodo
Regresin
Lineal simple
0,87
(3 ms cercana)
- Mtodo no aplicado
Huapi
EEE
Talca
EEE
Los Errores Estndar obtenidos en la mayora de las estaciones, presentaron grandes diferencias
entre los distintos mtodos de completacin utilizados para la misma estacin. Asimismo, los errores
13

fueron ms altos de lo que se esperaba. Se observ que las mayores diferencias se presentan para la
estacin Armerillo, la cual a pesar de presentar valores de R superiores a 0,8 (salvo en el mtodo por
correlaciones con estaciones vecinas con dos y tres estaciones que tuvo valores 0), present errores
superiores a 60 mm residuales para todos los mtodos. Por ello, el considerar al R como un mtodo
vlido de bondad de ajuste, es un error, ya que slo sirve a modo de referencia y se debe aplicar con
precaucin, pues no mide qu tan apropiado es el mtodo empleado (Montgomery y Runger, 1994).
Por otro lado, el EEE ms bajo se obtuvo en la estacin Pencahue con el mtodo de correlacin con
estaciones vecinas con 2 estaciones que present un valor de 2,5 mm, con un R de 0,98. en general en
esta estacin se presentaron bajos errores y elevados R, los que fueron en todos los casos superiores a
0,93.
Para determinar la existencia de diferencias entre los distintos mtodos utilizados para cada
estacin, se realiz un anlisis de varianza (ANDEVA), que mide el comportamiento de los efectos
entre las medias de cada mtodo (Cuadro 8).
Cuadro 8. ANDEVA de mtodos de completacin de datos aplicados por estacin.

ESTACIN
VF
SC
GL
CM
FC
VALOR P
Dentro del grupo
9,4059e6
8
1,1757e6
5,09
0,0000*
Armerillo
Entre grupos
7,2793e7
315
231092,0
TOTAL
8,2199e7
323
Dentro del grupo
808978,0
8
101122,0
1,96
0,0512
Colorado
Entre grupos
1,6262e7
315
51628,1
TOTAL
1,7071e7
323
Dentro del grupo
172904,0
10
17290,4
1,00
0,4388
Huapi
Entre grupos
6,6269e6
385
17212,9
TOTAL
6,79986e6
395
Dentro del grupo
66736,9
10
6673,69
0,81
0,6240
El Guindo
Entre grupos
3,1916e6
385
8289,99
TOTAL
3,2583e6
395
Dentro del grupo
85091,4
8
10636,4
0,61
0,7709
Gualleco
Entre grupos
5,5088e6
315
17488,3
TOTAL
5,5088e6
323
Dentro del grupo
11691,1
10
1169,11
0,13
0,9993
Pencahue
Entre grupos
3,3742e6
385
8764,16
TOTAL
3,3858
395
Dentro del grupo
77694,3
10
7769,43
0,85
0,5763
San Javier
Entre grupos
3,5004e6
385
9092,07
TOTAL
3,5781e6
395
Dentro del grupo
74354,4
10
7435,44
0,84
0,5880
Talca
Entre grupos
3,3984e6
385
8827,09
TOTAL
3,4727e6
395
* Existe diferencias significativas entre los mtodos de completacin; por lo menos 1 es distinto de los dems.
El resultado de esta prueba entreg que la nica estacin que manifest diferencias significativas
entre los distintos mtodos utilizados, con un valor p muy bajo (inferior a 0,05), fue Armerillo.
14

Lo sealado anteriormente muestra que ocurre un caso especial con esta estacin, ya que por lo
general en las otras estaciones, el mtodo de correlacin con estaciones vecinas y regresiones mltiples
presentan resultados muy similares, en cambio en la estacin de Armerillo, ello no ocurre.
Para determinar qu mtodo fue el que estim mejor los valores reales de precipitacin media, se
aplic el test de concordancia de Bland y Altman (ACBA), para cada estacin en particular; los datos
que se ajustan mejor a los valores reales, son aquellos donde las diferencias promedio son menores. En
las ilustraciones 4 a la 11, se presentan las grficas de las diferencias promedio entre los mtodos
utilizados para cada estacin.
Ilustracin 4. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin

Armerillo
(RD: Razones de Distancia; PV: Promedios Vecinales; RP: Razones Promedio; CEV, i: Correlacin con estaciones vecinas: i: cantidad
de estaciones incluidas; RM, p: Regresiones Mltiples con p : Cantidad de estaciones Incluidas; R1, j : Regresin Simple: j : grado de
cercana desde la estacin con falta de informacin hasta la estacin que est estimando. 1: la ms cercana, 2: la segunda ms cercana; 3 :
la tercera ms cercana)
En la estacin Armerillo (Ilustracin 4), el mtodo de regresin mltiple, con 2 y 3 estaciones es

el que ms se acerca a los valores reales con una diferencia promedio de 0,27 mm y 6,01 mm
respectivamente. Luego se puede observar un alza en la diferencia media hasta llegar a los 90 mm con
el mtodo de razones de distancia, pasando a superar los 100 mm de diferencia promedio entre datos
reales y datos estimados, con los otros mtodos. El mtodo de regresin lineal con la estacin San
Javier, es el que arroj los resultados ms desfavorables, lo que se puede explicar por la ubicacin de la
estacin San Javier, porque si bien sta es una de las ms cercanas, (en distancia lineal), no es
representativa de lo que ocurre en la estacin Armerillo, ya que se ubican en zonas climticas distintas,
donde Armerillo est en la precordillera andina y San Javier en la depresin intermedia del pas.
Para la estacin Colorado, el mtodo que mejor ajusta a los valores reales tambin es el de
regresiones mltiples, con 2 y 3 estaciones, y los que ms difieren son correlacin con estaciones
vecinas, con 3 estaciones, y el mtodo de regresin lineal con la 3 estacin ms cercana. Grficamente
15

se refleja que existe una gran diferencia entre el mtodo que estima mejor, que en este caso es el de
regresin mltiple con dos estaciones (Huapi y Armerillo), y el que estima peor, el mtodo de
correlacin con estaciones vecinas con 3 estaciones (Huapi, Talca y Pencahue) (Ilustracin 5),

Colorado.
(RD: Razones de Distancia; PV: Promedios Vecinales; RP: Razones Promedio; CEV, i: Correlacin con estaciones vecinas: i: cantidad de estaciones
incluidas; RM, p: Regresiones Mltiples con p : Cantidad de estaciones Incluidas; R1, j : Regresin Simple: j : grado de cercana desde la estacin con
falta de informacin hasta la estacin que est estimando. 1: la ms cercana, 2: la segunda ms cercana; 3 : la tercera ms cercana)
En el caso de la estacin Huapi, el mtodo que obtuvo las menores diferencias promedio, fue el
mtodo de correlacin con estaciones vecinas con 2 estaciones seguido del mtodo de regresin
mltiple con 3 estaciones, (Colorado, Armerillo y Talca). Los mtodos restantes se comportan muy
parecidos; la diferencia promedio ms alta es de 35,49 mm, que se obtuvo con el mtodo de regresin
simple con la estacin Talca. (Ilustracin 6).
16

Huapi.
En la estacin el Guindo, el anlisis de concordancia de Bland y Altman arroja que las diferencias
promedio entre los mtodos de completacin, son muy parecidas entre s, es decir, que no hay
diferencias importantes entre los mtodos de completacin utilizados (Ilustracin 7). El mtodo que
obtuvo menor valor de diferencia promedio fue el mtodo de razones de distancia, y el valor ms alto
se alcanz con el mtodo de regresin lineal con la estacin Colorado, que es la 3 ms cercana.
Ilustracin 7. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin El

Guindo.
17

Para la estacin Gualleco se pudo establecer que las menores diferencias promedio entre los
mtodos de completacin, se obtuvieron con el mtodo de regresin mltiple con 2 estaciones (Talca y
Pencahue), que denot un valor de 3,04 mm y, en el caso del mtodo de regresin mltiple con 3
estaciones, (Pencahue, San Javier y Talca), se alcanz los 4,78 mm. Con los otros mtodos, las
diferencias promedio fueron ms altas variando entre los 11,81 mm y los 28,02 mm (Ilustracin 8).

Gualleco
En la estacin Pencahue, los mtodos de completacin no difieren mucho de la precipitacin real,

ya que el mayor valor de diferencia promedio fue de 12,77 mm, (con el mtodo de regresin lineal
simple con la estacin Gualleco) y, el ms bajo 1,8 mm, con el mtodo de regresin lineal simple con la
estacin Talca (Ilustracin 9).
Esto se puede explicar, como en las otras estaciones, por la relacin que existe entre la ubicacin
espacial de la estacin con carencia de informacin y las distancias de la estaciones que sirven para
estimar la precipitacin de la misma. En la depresin intermedia ocurre que las estaciones estn ms
homogneamente distribuidas, y las distancias entre ellas son ms cortas.
18

Pencahue.
El anlisis de concordancia de Bland y Altman en la estacin San Javier indica que las diferencias
promedio de los mtodos de completacin son relativamente bajas. Van desde los 0,32 mm (con el
mtodo correlacin con estaciones vecinas con 3 estaciones, Talca, Pencahue y Gualleco) y los 16,38
mm, con el mtodo de regresin lineal con la estacin Huapi (Ilustracin 10).
Ilustracin 10. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin San
Javier.
19

Para la estacin Talca este test indica que de los mtodos analizados, los que presentan menor
diferencia promedio son los mtodos de regresin mltiple con 2 estaciones (Pencahue y San Javier) y
regresin mltiple con 3 estaciones (Pencahue, San Javier y Gualleco) con 1,38 mm y 1,28 mm,
respectivamente. El mtodo con el valor ms alto es el de correlacin con estaciones vecinas
(Ilustracin 11).
En general se puede decir que las diferencias promedio entre los mtodos de completacin, fueron
bajas y ningn mtodo super los 10 mm, lo que indica que los mtodos aplicados, estiman bien a esta
estacin.
Talca.
Con los resultados obtenidos despus de la aplicacin de los mtodos de completacin de datos
faltantes, y para cada una de las estaciones utilizadas en este estudio, en el cuadro 8 se puede observar
las veces que los distintos mtodos, fueron elegidos dentro de los tres mejores estimadores, en orden
descendente, segn el anlisis de concordancia de Bland y Altman.
Para poder tener una ms amplia visin de cul mtodo efectivamente fue mejor, se le asign puntaje a
cada uno de ellos. Este puntaje vara en funcin de cuntas veces un mtodo se ubic entre la primera,
segunda o tercera posicin de calidad (cuadro 9). As, cada una de estas posiciones fue valorada con un
punto. De este modo, se pudo observar claramente que el mtodo que obtuvo mayor puntaje, fue el
mtodo de regresiones mltiples, con 3 y 2 estaciones respectivamente.
20

Cuadro 9. Estadstica de los mtodos de completacin de datos, que fueron elegidos como el mejor
estimador, por los distintos mtodos de anlisis.
Mtodos De Completacin
Regresin mltiple, con 3 estaciones
Regresin mltiple, con 2 estaciones
Razones de distancia
Regresin lineal simple con la 2 ms cercana
Correlacin con estaciones vecinas, con 2 estaciones
Correlacin con estaciones vecinas, con 3 estaciones
Razones promedio
puntaje
7
5
3
3
2
1
1
1
1
CONCLUSIONES
Sobre la base de los anlisis desarrollados y considerando los objetivos planteados para el estudio,
se concluye que para la completacin de datos faltantes en la Regin del Maule, el mtodo que obtuvo
mejores resultados, fue el mtodo de Regresiones Mltiples, con 3 y 2 estaciones respectivamente.
Con respecto al mtodo de regresin lineal simple, ste es uno de los ms utilizados en Chile, por su
fcil aplicacin, dado que no requiere mucha informacin previa, slo conocer el monto de las
precipitaciones de las estaciones cercanas. Sin embargo, a pesar de ser el ms recomendado en la
literatura, en la prctica para las estaciones utilizadas en este estudio, no obtuvo los mejores resultados.
El mtodo de razones de distancia tambin es de fcil aplicacin, pero requiere de informacin
adicional, como las distancias lineales, lo que hace preciso contar con una cartografa adecuada e
instrumentos de medicin, entre otros. Sin embargo, este mtodo tampoco tuvo buenos resultados en el
estudio.
El principal problema de aplicacin del mtodo de promedios vecinales, es la distribucin espacial
triangular que deben cumplir las estaciones, donde la estacin con carencia de informacin se sita en
el centro. Esto dej estaciones en las cuales no fue posible estimar los datos faltantes. Adems sus
resultados tambin fueron deficientes.
El mtodo de razones promedio complementa al anterior; en lo que respecta a su aplicacin es ms
complicado, ya que a la disposicin espacial triangular, se le agrega el promedio normal de las
precipitaciones en las estaciones.
En relacin al mtodo de correlacin con estaciones vecinas, ste generalmente se utiliza cuando
los coeficientes de determinacin R del mtodo de regresin lineal no superan 0,8. Pero para este
estudio y a modo de comparacin, se decidi probar qu suceda, inclusive obteniendo buenos
21

coeficientes de correlacin entre las estaciones. De este modo, los resultados obtenidos fueron muy
favorables, ya que en 3 oportunidades se ubic dentro de los tres mejores estimadores.
En relacin al R, este puede ser un buen indicador en una primera aproximacin pero no lo
suficiente para sealar calidad de ajuste, como es el caso de lo ocurrido con la estacin Armerillo, que
en la mayora de los mtodos aplicados present valores de R superiores a 0,8, pero los EEE superaron
los 60 mm.
En cuanto a los anlisis realizados a los resultados, se puede sealar que la forma ms certera de
determinar cul de los mtodos se ajust mejor a los datos reales, fue el anlisis de concordancia de
Bland y Altman, ya que ste relaciona directamente el dato real con el dato estimado en distintas
dimensiones ligadas a las desviaciones promedio, los lmites y la desviacin estndar.
Por otro lado, es recomendable al momento de estimar datos faltantes, contar con estaciones
cercanas y confiables, ya que los mejores resultados se obtuvieron con las estaciones ms cercanas, que
no necesariamente son las ms completas.
Al mismo tiempo, sera interesante extender este estudio a zonas ridas y semiridas y a regiones
hmedas, para poder establecer comparaciones, y determinar cules mtodos se comportan de mejor
manera dependiendo de la zona de aplicacin.
Finalmente, se recomienda la aplicacin del mtodo de regresiones mltiples con 2 y 3 estaciones,
para la completacin de datos faltantes, especialmente porque los EEE son bajos, comparados con otros
mtodos.
AGRADECIMIENTOS
Los autores agradecen a la Direccin General de Aguas de Chile, institucin que facilit la entrega
de la informacin pluviomtrica de Regin del Maule, Chile.
REFERENCIAS
Aparicio, F. Fundamentos de hidrologa de superficie. Mxico: Editorial Limusa S. A. 2003, 303 pp.
Bland, J; D. Altman. Statistical methods in medical research. Measuring agreement in methods
comparative studies. Vol. 8, nm 2. U.S.A. 1999, pp 35-160.
Caro, J. Modelacin de caudales recesivos para la cuenca del Ro Purapel, Estacin Nirivilo. Tesis de
Pregrado. Talca: Universidad de Talca. 2001, 113 pp.
CAZALAC (Centro del Agua para Zonas ridas de Amrica Latina y el Caribe). Gua metodolgica
para la elaboracin del mapa de zonas ridas, semiridas y subhmedas secas de Amrica
Latina y El Caribe. Chile. 2005, 66 pp.
22

Cid, L.; C. Mora, M. Valenzuela. Estadstica matemtica. Probabilidades e Inferencia Estadstica.
Departamento de Matemticas. Facultad de Ciencias. Concepcin: Universidad de Concepcin.
Chile. 1990, 319 pp.
Dunn, G.; C. Roberts. Statistical methods in medical research. Biostatistics group. The medical school.
Modelling method comparison data. Vol. 8, nm. 2. 1999, pp. 161-179.
Gujarati, D. Econometra. Segunda edicin. Mxico: Editorial Mc Graw-Hill Latinoamericana. 1992,
597 pp.
IGM (Instituto Geogrfico Militar). Atlas geogrfico de Chile. Talleres grficos del Instituto
Geogrfico Militar de Santiago. Chile. 1985, 140 p.
Linsley, R.; M. Kholer, J. Paulhus. Hidrologa para Ingenieros. 2 Edicin. Editorial Mc Graw-Hill
Latinoamericana. D.F. Mxico. 1988, 386 pp.
Marabol, F. Evaluacin de tres modelos precipitacin- escorrenta (Budyco, Turc-Pike, Pizarro), en la
cuenca del ro Achibueno, VII Regin, Chile. Tesis de pregrado. Talca: Universidad de Talca.
2000, 79 pp.
Mintegui, J; F. Lpez. La ordenacin agrohidrolgica en la planificacin. Servicio central de
publicaciones del gobierno Vasco. 1990, 306 pp.
Montgomery, D; G. Runger. Applied statistics and Probability for engineers. New York: Editorial Mc
Graw-Hill. 1994.
Pea, D. Estadstica. Modelos y mtodos. Modelos lineales y series temporales. Editorial Alianza.
Madrid. Espaa. 1995, 745 pp.
Pizarro, R. et al. Elementos tcnicos de hidrologa III. Proyecto regional mayor sobre uso y
conservacin de recursos hdricos en reas rurales de Amrica latina y el caribe. Talca:
Universidad de Talca. 1993, 135 pp.
Ponce, V. Engineering Hydrology. Principles and practices. Estados Unidos: Editorial Prentice-Hall.
1989, 640 pp.
Snchez, F. Anlisis y evaluacin comparativa de siete modelos precipitacin-escorrenta (Budyko,
Coutange, Grunsky, Peuelas, Pizarro, Turc, Turc-Pike), en la cuenca del Ro Malleco, IX
Regin. Tesis de pregrado. Talca: Universidad de Talca. 2001, 75 pp.
Smith, D.; D. Kniveton, E. Barrett. Statistical modeling approach to passive microwave rainfall
retrieval. Journal of Applied Meteorology: Vol. 37, No. 2, 1997. 135154 pp.
23

Tapiador, F.; C. Kidd, V. Levizzani,; F. Marzano. A neural networksbased fusion technique to
estimate half-hourly rainfall estimates at 0.1 resolution from satellite passive microwave and
infrared data. Journal of Applied Meteorology: Vol. 43, No. 4, 2003, 576594 p.
UNESCO - ROSTLAC. Gua metodolgica para la elaboracin del balance hdrico de Amrica de
sur. Oficina Regional de Ciencias y Tecnologa de la UNESCO para Amrica latina y el
Caribe. Montevideo. Uruguay. 1982, 129 pp.
24

Cuadros
Cuadro 1: Precipitaciones reales que fueron eliminadas en cada estacin.
Cuadro 2. Esquema para la aplicacin del mtodo de regresin lineal.
Cuadro 3. Esquema para la aplicacin del mtodo de razones de distancias.
Cuadro 4. Esquema para la aplicacin del mtodo de promedios vecinales.
Cuadro 5: Configuracin del mtodo de completacin por correlacin con estaciones vecinas, con dos
estaciones.
Cuadro 6. Configuracin del mtodo de completacin por correlacin con estaciones vecinas, con tres
estaciones.
Cuadro 7. Coeficiente de Determinacin (R) y Error Estndar de Estimacin (EEE).
Cuadro 8. ANDEVA de mtodos de completacin de datos aplicados por estacin.
Cuadro 9. Estadstica de los mtodos de completacin de datos, que fueron elegidos como el mejor
estimador, por los distintos mtodos de anlisis.
Ilustraciones
Ilustracin 1. Ubicacin de las estaciones pluviomtricas, VII Regin, Chile
Ilustracin 2: Disposicin espacial para la completacin, por razones de distancia.
Ilustracin 3. Disposicin espacial para la completacin de datos por promedios vecinales
Ilustracin 4. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin Armerillo
Ilustracin 5. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin Colorado.
Ilustracin 6. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin Huapi.
Ilustracin 7. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin El Guindo.
Ilustracin 8. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin Gualleco
Ilustracin 9. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin Pencahue.
Ilustracin 10. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin San Javier.
Ilustracin 11. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin Talca.
25
26

Completacion de Datos PDF

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Completacion de Datos PDF

Cargado por

Copyright:

Formatos disponibles

Completacin de datos faltantes

Evaluacin de Mtodos Hidrolgicos para la Completacin de Datos Faltantes de Precipitacin

Evaluation of Hydrologic Methods for Completing Rainfall Missing Values

Autor de correspondencia: Universidad de Talca, Facultad de Ciencias Forestales, Departamento de

Direccin General de Aguas Regin del Maule, Departamento de Administracin de Recursos

These methods were analyzed

Completacin de datos faltantes

Palabras clave: completacin de datos faltantes, estimacin de datos faltantes mtodos de

Descripcin del rea del estudio

Completacin de datos faltantes

Ilustracin 1. Ubicacin de las estaciones pluviomtricas, VII Regin, Chile

Descripcin de los mtodos de completacin de informacin de datos faltantes

Completacin por regresin lineal

Completacin de datos faltantes

Y = Valor estimado de la precipitacin para la estacin carente (mm).

Completacin por razones de distancias

Completacin de datos faltantes

Ilustracin 2: Disposicin espacial para la completacin, por razones de distancia.

Completacin por promedios vecinales

Completacin de datos faltantes

Ilustracin 3. Disposicin espacial para la completacin de datos por promedios vecinales

Completacin por razones promedio

Completacin de datos faltantes

= precipitacin en las N estaciones durante el perodo que falta en X.

Completacin por correlacin con estaciones vecinas

PXA * rXA + PXB * rXB + ... + PXN * rXN

Completacin de datos faltantes

Y = Valor de precipitacin estimada para la estacin con carencia de Informacin.

Completacin de datos faltantes

Cuadro 2. Esquema para la aplicacin del mtodo de regresin lineal.

Estaciones utilizadas (X), para la estimacin de la precipitacin (Y)

Completacin de datos faltantes

Cuadro 3. Esquema para la aplicacin del mtodo de razones de distancias.

Cuadro 4. Esquema para la aplicacin del mtodo de promedios vecinales.

En relacin al mtodo de completacin por razones promedio, ste es complementario al mtodo

Completacin de datos faltantes

Completacin de datos faltantes

Completacin de datos faltantes

PRESENTACIN Y DISCUSIN DE RESULTADOS

Completacin de datos faltantes

Cuadro 8. ANDEVA de mtodos de completacin de datos aplicados por estacin.

Completacin de datos faltantes

Ilustracin 4. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin

En la estacin Armerillo (Ilustracin 4), el mtodo de regresin mltiple, con 2 y 3 estaciones es

Completacin de datos faltantes

Ilustracin 5. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin

Completacin de datos faltantes

Ilustracin 6. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin

Ilustracin 7. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin El

Completacin de datos faltantes

Ilustracin 8. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin

En la estacin Pencahue, los mtodos de completacin no difieren mucho de la precipitacin real,

Completacin de datos faltantes

Ilustracin 9. Diferencias promedio del Test de Concordancia de Bland y Altman, estacin

Completacin de datos faltantes

Completacin de datos faltantes

Completacin de datos faltantes

Completacin de datos faltantes

Completacin de datos faltantes

Completacin de datos faltantes

Completacin de datos faltantes

También podría gustarte