INTRODUCCIÓN

La meteorología es una ciencia enfocada en la investigación de la regulación de los fenómenos ambientales

con el fin de lograr estructurar una forma de respuesta a las modificaciones ambientales, esto, mediante la
predicción de eventos como la lluvia o generar cambios en aquellos lugares donde el clima es demasiado
extremos como los desiertos y zonas áridas donde la lluvia es casi ausente (Vega & Moreno, 2016). Dentro
de la meteorología y el estudio de los datos obtenidos por medio de centros meteorológicos, se tiene el
estudio de variables como la temperatura, calor, humedad atmosférica, precipitaciones, viento, presión
atmosférica, y otras variables que de cierta forma son capaces de generar una influencia sobre el ambiente y
entorno de los seres vivos y principalmente la forma como afecta a la forma de vida de las comunidades
humanas (Reyes, 2016). Sin embargo, se debe tomar en cuenta que la meteorología y las condiciones
meteorológicos son variables que forman parte de los diversos factores que generan influencia sobre la
calidad del aire circulante en la atmosfera (García, 2009). En este caso, se tiene dos variables meteorológicas
que influyen sobre la calidad del aire, y estas, son la temperatura del ambiente y la humedad del mismo. Es
decir, la humedad afecta la calidad del aire en consecuencia de que su alta o baja presencia puede favorecer
la producción de bacterias, mohos y otros microorganismos que afecta la salud y condiciones de vida de las
personas, por otro lado, la temperatura causa también un favorecimiento respecto a ciertos animales y seres
vivos que influyen sobre la salud.
DATOS Y METODOS
1. Obtención de datos y almacenamiento:
Los datos son obtenidos por medio del monitoreo atmosférico y ambiental que realiza un centro
meteorológico ubicado en el departamento de Antioquía. Dicho centro, se enfoca en revisar la calidad del
aire por medio de la influencia de la temperatura y humedad de la atmosfera. Al ser datos procesados en un
sistema de monitoreo, los mismos son almacenados en un archivo tipo CSV que significa Comma Separated
Values o mejor conocidos como datos separados por comas, es decir, se trata de un archivo que se almacena
separando sus datos por comas y no en un almacenamiento común de filas y columnas.
2. Procesamiento de datos:
El procesamiento de datos se realiza por medio del software estadístico libre R y su programa principal
RStudio, esto, mediante un código que emplea librerías y comandos estadísticos que permiten la obtención
de las medidas estadísticas necesarias para modelar una distribución de datos, adicionalmente, otros
comandos que permiten la generación de una representación gráfica de la misma distribución de manera que
se haga más fácil su entendimiento y manejo informativo.
RESULTADOS Y ANALISIS
1. Métodos gráficos:
1.1 Diagrama de tallos y hojas:.

Figura 1A. Diagrama de tallos y hojas para la temperatura.

De la figura 1A, se puede observar que la distribución de los datos se concentra en mayor medida en las
temperaturas de 21 a 22 grados, dado que estos son los tallos que presentan el mayor número de hojas,
adicionalmente, se observa que a medida que aumenta la temperatura el número de hojas disminuye donde,
la temperatura de 25 grados solo registra un dato.

Figura 1B. Diagrama de tallos y hojas para la humedad relativa.

Por otro lado, del diagrama de tallos y hojas para la humedad, se puede observar que la distribución presenta
un mayor número de tallos, y esto, deriva en que las hojas se distribuyan de mejor manera, aunque, se
acumulan de mayor manera entre 62 a 72% de humedad.
1.2 Diagrama de puntos:

Figura 2A. Diagrama de puntos para la temperatura.

Se puede observar, que el diagrama de puntos no es un gráfico que genere una debida descripción de la
distribución de los datos, esto, se debe a que los datos de la temperatura son muy variables, por lo tanto, no
se tienden a repetir los mismos valores y por ende existirían muchos valores donde solo se asigna un punto
para el diagrama, sin embargo, se puede notar la gran concentración de los datos dentro de los valores de 22
a 24 grados. Las mismas conclusiones se puede afirmar para la figura 2B, sin embargo, en ello la
acumulación de datos se da entre 60 y antes del 80% de humedad.

Figura 2B. Diagrama de puntos para la humedad relativa.

1.3 Diagrama de barras:

Figura 3A. Diagrama de barras para la temperatura.

En el diagrama de barras, se logra observar que, si bien la mayoría de los datos solo se repiten una vez,
también, existen casos donde la temperatura se presenta de manera igual durante 2 hasta 5 días, esto, se debe
a que, si bien la temperatura es muy variante, una mayor cantidad de mediciones, permite que la probabilidad
de que un dato o registro se repita sea mayor. Por otro lado, este diagrama muestra que la distribución de los
datos tiende a permanecer igual entre valores.

Figura 3B. Diagrama de barras para la humedad relativa.

Para el caso del diagrama de barras de la humedad relativa, se tiene que la mayoría de los datos presenta una
frecuencia absoluta de 1, es decir, solo una vez ocurre el dato, mientras que los otros valores presentes son el
de 2 y un valor único de 3 en frecuencia, esto, muestra que casi toda la distribución de datos presenta la
misma frecuencia.
2. Distribuciones de frecuencias:
Para la distribución de frecuencias, se emplearon diferentes comandos y códigos en R que permitieron
obtener la frecuencia absoluta, acumulada, relativa, relativa acumulada, porcentual y porcentual acumulada
de los datos de la temperatura, sin embargo, para el análisis se presenta solamente la distribución de
frecuencias total creada en el archivo CSV. En la figura 4A y 4B, se muestra una fracción de la tabla, dado
que, debido a la estructura de la distribución de datos, la tabla es demasiado grande.

Figura 4A y 4B. Distribución de frecuencias para la temperatura y humedad relativa.

2.1 Histograma de frecuencias:
El histograma es una representación en intervalos de los datos de una variable cuantitativa y permite hacer
una aproximación sobre cómo será la distribución de la misma. En la figura 5, se tiene el histograma de la
temperatura.

Figura 5A. Histograma de frecuencias para la temperatura.

Figura 5B. Histograma de frecuencias para la humedad relativa.

Del histograma, se puede observar que los datos de la temperatura tienen una distribución casi simétrica,
esto, debido a que sus barras mantienen una mínima diferencia entre cada lado de la distribución, sin
embargo, se concentra un poco más hacia la izquierda. Y del histograma para la humedad se puede observar
que los valores se orientan o acumulan de mayor manera hacia la derecha, esto, podría mostrar asimetría
negativa.
La figura 6A y 6B, muestra el polígono de frecuencias.

Figura 6A. Polígono de frecuencias para la temperatura.

Figura 6B. Polígono de frecuencias para la humedad relativa.

3. Medidas estadísticas:
 2.1 Medidas de tendencia central:
Tabla 1. Medidas de tendencia central
Medida de tendencia central Temperatura Humedad relativa
Media 22.18 66.38
Mediana 22.11 67.31
Moda 21.20 – 22.06 60.88

Para las medidas de tendencia central de la temperatura, se tiene que el valor característico de la misma es de
22.18 grados, además el 50% de los datos tienen un valor de temperatura menor o igual a 22.11 grados, por
otro lado, se trata de una distribución bimodal al tener dos modas que son 21.20 y 22.06 grados. Por otro
lado, para la humedad se tiene un valor característico de 66.38%, mientras que el 50% de sus datos es menor
o igual a un 67.31% de humedad, y se trata de una distribución unimodal, al tener una sola moda.
2.2 Medidas de posición:
Tabla 2. Medidas de posición.
Medida de posición Temperatura (Grados) Humedad relativa
Primer cuartil 21.18 62.32
Tercer cuartil 23.15 71.54
Rango intercuartil 1.97 9.22
Percentil 90 23.88 74.87
Percentil 95 24.37 76.47
Percentil 99 24.91 80.43

Las medidas de posición permiten ubicar un dato, y a partir de ello realizar un análisis sobre los datos que se
orientan sobre dicho punto. En este caso, se tiene que el 25% de los datos son menores o iguales a 21.18
grados, mientras que el 75% de los mismos son menores o iguales a 23.15 grados. Por otro lado, el rango
intercuartil nos muestra que el 50% de los datos están contenidos en una distancia de 1.97 grados entre el
primer cuartil y el tercer cuartil, en conclusión, los percentiles también permitirían realizar un análisis similar
al primer y tercer cuartil, pero en este caso para el 90, 95 y 99% de los datos.
Para la humedad relativa, se tiene que el 25% de los datos presentan una humedad menor a 62.32%, mientras
que el 75% tiene un valor de referencia menor o igual a 71.54%, lo cual es la misma forma que representa
los percentiles, pero de un valor de referencia al 90%, 95% y 99%. Respecto al Rango Intercuartil, se tiene
que el 50% de los datos están contenidos en una distancia de 9.22% de humedad respecto al PQ y TQ.
2.3 Medidas de dispersión:
Tabla 3. Medidas de dispersión.
Medida de dispersión Temperatura (Grados) Humedad relativa
Rango 6.39 40.17
Varianza 1.66 53.15
Desviación estándar 1.29 7.29
CV 5.8% 10.98%

Para la temperatura, en términos de dispersión se tiene que la distancia entre su punto máximo y mínimo es
de aproximadamente 6.39 grados, adicionalmente se muestra que la variabilidad es de cerca de 1.66 grados
cuadrados y con la desviación estándar se tiene que el 68% de los datos están contenidas a 1.29 grados de
distancia superior e inferior de la media. Por último, gracias al CV podemos determinar que la distribución
de los datos es homogénea, esto, debido a que es bajo (menor del 20%).
En términos de dispersión, la humedad relativa presenta una distancia entre punto máximo y mínimo de
40.17%, además de una variabilidad respecto de la media de 53.15 puntos porcentuales cuadrados y que el
68% de los datos están contenidos en 7.29% alrededor de la media en superior e inferior. Mientras que, la
distribución de datos es homogénea dado que su CV es menor a 20%, sin embargo, es menos homogénea que
la temperatura.
2.4 Medidas de forma:
Medida de forma Temperatura (Grados) Humedad relativa
Coeficiente de asimetría de Bowley -0.0135 -0.082
Coeficiente de Curtosis -0.573 0.319

De la forma de la distribución, se puede observar que se presenta una asimetría negativa, lo que indica que la
distancia del primer cuartil a la mediana es mayor que la distancia entre la mediana y el tercer cuartil, por
otro lado, la distribución de las temperaturas es leptocurtica, es decir, su forma tiende a ser la de una
campana de Gauss, pero aplastada. Para la humedad relativa, se tiene una asimetría negativa para valores
mayores de distancia entre PQ y SQ respecto de la distancia de SQ a TQ, sin embargo, el coeficiente de
Curtosis muestra sesgo positivo para una forma platicurtica siendo de forma de Gauss, pero alargada.
CONCLUSIONES
 Del análisis descriptivo de las dos variables, se puede determinar que las distribuciones a pesar de
presentar asimetrías negativas y positivas, sus valores son muy cercanos a 0, por lo tanto, se orienta
hacia derecha e izquierda pero mantienen una tendencia hacia una forma centralizada, por otro lado,
la Curtosis logro demostrar la forma como se ordenaban los datos, de tal manera que la temperatura
era aplastada porque presentaba mayor variedad en sus frecuencias absolutas, mientras que la de
humedad era más apalancada debido a unos pocos valores diferentes de la frecuencia.
 Por otro lado, cabe resaltar que los conjuntos de datos presentan valores muy dispersos en términos
decimales, esto, causo que las representaciones graficas se vieran afectadas, de tal manera que no se
puede aplicar una correcta descripción, sin embargo, para solucionar dicho problema se plantea
explorar la forma de desarrollar distribuciones en intervalos para las variables y de esta manera
reducir los datos a representar.
REFERENCIAS BIBLIOGRAFICAS
García-Reynoso, J. A. (2009). Influencia de la Meteorlogía en la Calidad de Aire en la Zona Metropolitana
del Valle de México. TIP Revista Especializada en Ciencias Químico-Biológicas, 12(2), 83-86.
Reyes, V. (2016). Iniciación a la Meteorología y Climatología. Revista de Investigación, 40(87), 253-256.
Vega y Ortega, R., & Moreno, A. (2016). Aportaciones a la historia de la meteorología a través de los
estudios ambientales de las asociaciones científicas de la ciudad de México, 1857-1910. Letras históricas,
(15), 99-121.