Está en la página 1de 2

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/328063700

"AMEVA, a user friendly toolbox to analyze statistically environmental


variables" by

Conference Paper · September 2012

CITATIONS READS

0 42

4 authors:

Omar Castellanos Roberto Mínguez


Universidad Estatal de la Península de Santa Elena 151 PUBLICATIONS   2,283 CITATIONS   
26 PUBLICATIONS   22 CITATIONS   
SEE PROFILE
SEE PROFILE

Antonio Tomas Fernando J. Mendez


Universidad de Cantabria Universidad de Cantabria
30 PUBLICATIONS   275 CITATIONS    172 PUBLICATIONS   3,206 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

BRACC : Breakwater Reliability Assessment by Climate Change View project

THESEUS View project

All content following this page was uploaded by Omar Castellanos on 04 October 2018.

The user has requested enhancement of the downloaded file.


“AMEVA, a user friendly toolbox to analyze statistically environmental variables”
by
O. F. Castellanos, R. Mı́nguez, A. Tomás and F. J. Méndez
Environmental Hydraulics Institute ”IH Cantabria”, University of Cantabria (Spain)

Abstract:

Análisis Matemático y Estadı́stico de Variables Ambientales AMEVA.

AMEVA es un software que está formado por un conjunto de funciones desarrollada en Matlab que in-
tegra las diversas metodologı́as de análisis estadı́stico implementadas por los investigadores del Instituto de
Hidráulica Ambiental, con el objeto de estudiar y caracterizar variables medioambientales, al tiempo que es
una herramienta amigable en su empleo y diseño.

Esta herramienta esta concebida de manera modular para que cada una de sus partes pueda ser utilizada
de forma independiente. La versión actual, incluye los siguientes módulos: Estadı́stica descriptiva, Tabla de
ocurrencias, Clasificación, Máximos temporales, Persistencias, Calibración, Modelo Heterocedástico, Ajuste
de distribuciones, Análisis de extremos: GEV y POT, Pareto-Poisson:

a) La herramienta “Estadı́stica descriptiva” es un conjunto de funciones que nos permiten realizar el


análisis estadı́stico y caracterización de las variables ambientales que se quieran estudiar; b) La herramienta
“Tabla de ocurrencia”, nos permite obtener la frecuencia de ocurrencia o el número de eventos entre dos
variables. El resultado se puede obtener como el número de eventos o como frecuencia de ocurrencia en
porcentaje. Si la variable tiene una dirección y su correspondiente vector temporal, se pueden obtener la
tabla de ocurrencia por direcciones y por meses; c) La herramienta “Clasificación”, nos permite clasificar
variables tri-dimensionales, es decir reducir el número de elementos, seleccionando aquellos que representan
estadı́sticamente la muestra original, dado un número de Clúster definido por el usuario; d) La herramienta
“Máximos temporales”, nos permite seleccionar de una variable solo aquello registros que cumplan determi-
nados criterios, como pueden ser los máximos semanales, mensuales o anuales, o aquellos que sean mayores
que un umbral, entre otras opciones de selección que nos permite está herramienta; e) La herramienta “Per-
sistencias”, nos permite obtener un vector de persistencias de tiempo en horas para una variable temporal
y para un umbral dado, es decir obtener el vector de tiempo para los cuales la variable permanece por
encima del umbral seleccionado; f) La herramienta “Calibración”, nos permite realizar el calibrado de una
variable obtenida de un modelo de reanálisis para el cual se tienen datos instrumentales; g) La herramienta
“Modelo Heterocedástico”, la utilizamos para analizar cambios en la media y la varianza en modelos de
regresión; h) La herramienta “Ajuste de distribuciones”, nos permite realizar el ajuste de unos datos a la
siguentes distribuciones continuas: normal, lognormal, weibull, weibull de mı́nimos, weibull de máximos,
gumbel, GEV, pareto, exponential, rayleigh, gamma, beta, logistic y t-student, seleccionando de acuerdo al
criterio de máxima verosimilitud el mejor ajuste; Estadı́stica extremal.- Dada una serie de datos extremos
se puede realizar dos tipos de análisis extremales: i) La herramienta “GEV”, nos permite realizar el análisis
y ajuste de una variable de máximos, a la función Generalizada de Valores Extremos; j) La herramienta
“POT, Pareto-Poisson”, nos permite realizar el análisis de unos datos seleccionados conforme a la técnica
POT (Peak over threshold), ajustados a una distribución de pareto, en la que la frecuencia anual de los datos
se ajustan a la distribución de Poisson.

Acknowledgements:

The work was partially funded by projects “GRACCIE” (CSD2007-00067, CONSOLIDER-INGENIO


2010) from the Spanish Ministry of Science and Technology, “MARUCA” (200800050084091) from the Span-
ish Ministry of Public Works, “C3E” (E17/08) from the Spanish Ministry of Environment, Rural and Marine
Affairs.

View publication stats