Modelos de regresión funcional con respuesta funcional aplicados a las variables meteorológicas, temperatura, humedad, presión y radiación

Autores/as

  • Nancy Elizabeth Chariguamán Maurisaca Escuela Superior Politécnica de Chimborazo. Facultad de Ciencias. Panamericana Sur km 1 ½. Código Postal 060106. Riobamba - Chimborazo. Ecuador. https://orcid.org/0000-0002-7345-0710
  • Manuel Antonio Meneses Freire Universidad Nacional de Chimborazo. Facultad de Ingeniería. Código Postal 060108 Riobamba - Chimborazo. Ecuador. https://orcid.org/0000-0001-8182-3153

DOI:

https://doi.org/10.55204/trc.v4i1.e317

Palabras clave:

Atípicos, presión, radiación, temperatura

Resumen

Introducción: El análisis de datos funcionales tiene muchas aplicaciones y es muy útil en diferentes campos como la economía, ciencias de la salud, medio ambiente. Proporciona, en conjunto con otros métodos estadísticos, información para predecir eventos, ya sean naturales, sociales o de salud.

Objetivo: Ajustar modelos de regresión funcional con respuesta funcional aplicados a las variables meteorológicas, Temperatura, Humedad, Presión y Radiación.

Métodos: Analizar de forma descriptiva las variables meteorológicas; ajustar los modelos de regresión funcional de la variable Radiación en dependencia de las variables temperatura, humedad y presión; evaluar el ajuste de los modelos de regresión funcional en las variables meteorológicas.

Resultados: Se obtuvieron las gráficas de cada variable meteorológica, un análisis de datos atípicos funcional, el suavizado de las curvas que representan las variables meteorológicas mediante Fourier. El análisis residual de los modelos lineales con respuesta funcional de la  radiación explicada mediante las variables, temperatura y presión dieron como resultado menor variación con la temperatura, que con la presión. 

Conclusiones: Los modelos de regresión funcional con respuesta funcional de la variable radiación en dependencia de la variable presión presento mayor variación en el análisis de sus residuos con respecto al modelo de radiación en dependencia de  temperatura.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Brezis, H. (2011). Functional Analysis, Sobolev Space and Partial Differential Equations. Springer, 1 edition.

Febrero-Bande, M., & de la Fuente, M. O. (2012). Statistical computing in functional data analysis: The R package fda. usc. Journal of statistical Software, 51, 1-28.

Chariguamán Maurisaca, N. E. (2015). Análisis y ajustes, con modelos de regresión B-Splines utilizando el Software R, en las variables climatológicas: Temperatura, humedad, radiación y velocidad del viento, de la Estación Meteorológica Solar del Centro de Energía Alternativas, Facultad de Ciencias, Escuela de Física y Matemática [Master’s Thesis]. Escuela Superior Politécnica de Chimborazo.

Giraldo, R. (2016). Estudio de firmas espectrales de palmas de aceite afectadas con la marchitez letal, usando análisis estadísticos de datos funcionales. Revista Palmas, 37:131–139.

Guerrón Varela, E. R. (2015). Análisis de datos meteorológicos del Valle de los Chillos usando datos funcionales. Quito: Universidad San Francisco de Quito.

Laura Millán-Roures, Irene Epifanio, V. M. (2018). Detection of Anomalies in Water Networks by Funtgional Data Analysis. InformaciÃtecnolÃ, 2018:153 – 162.

Melo Martínez, C. E., Malagon Márquez, D. A., and Ramirez Forero, D. D. (2019). Interpoladores determinísticos espacio-temporales, series de tiempo y análisis de datos funcionales para el estudio y predicción de la precipitación en Cundinamarca y Bogotá D.C. 2017-2020. Revista de Topografía AZIMUT, 10(1).

Ortiz Másmela, A. M. (2020). Modelo de datos funcionales para la caracterización de la propagación de una epidemia. Technical report, Universidad ECCI.

Torrecilla Noguerales, J. L. et al. (2010). Análisis de datos funcionales, clasificación y selección de variables. Master’s thesis.

Escudero, A. I., Recalde, C. G., Haro, S. M., and Meneses, M. A. (2016). Spline Cúbico para el Tratamiento Funcional de la Radiación Solar Global. Información Tecnológica, 27:153 – 162.

Yao, F., Müller, H.-G., and Wang, J.-L. (2005). Functional data analysis for sparse longitudinal data. Journal of the American statistical association, 100(470):577–590.

Climatol.pdf. (s. f.). Recuperado 29 de marzo de 2023, de https://cran.r-project.org/web/packages/climatol/climatol.pdf

Farfán, F. P. (2018). Agroclimatología del Ecuador. Editorial Abya-Yala.

Fda.usc.pdf. (s. f.). Recuperado 29 de marzo de 2023, de https://cran.r-project.org/web/packages/fda.usc/fda.usc.pdf

Herrera-Oliva, C. S., Campos-Gaytán, J. R., & Carrillo-González, F. M. (2017). Estimación de datos faltantes de precipitación por el método de regresión lineal: Caso de estudio Cuenca Guadalupe, Baja California, México. Investigación y Ciencia, 25(71), 34-44.

Humedad. (2023). En Wikipedia, la enciclopedia libre. https://es.wikipedia.org/w/index.php?title=Humedad&oldid=149637861

Lam-Vivanco, A., Espinoza-Carrion, F., Santos-Luna, J., & González, C. G.-. (2018). Incidencia de cáncer de piel en población de Machala, Ecuador. Revista Ciencia Unemi, 11(27), 78-86.

Lovio, O. R. G., Daniel, A. A., Portillo, C. M. G., Castillo, C. C. G., Perill, P. A. H., Díaz, N. C., & Jiménez, E. M. (2020). Conocimientos sobre factores de riesgo de cáncer de piel y fotoprotección en 4 áreas de salud en Cuba. Folia Dermatológica Cubana, 13(3), Article 3. https://revfdc.sld.cu/index.php/fdc/article/view/173

Portilla Farfán, F. (2018). Agroclimatología del Ecuador. Editorial Abya-Yala. https://doi.org/10.7476/9789978104927

Presión atmosférica. (2023). En Wikipedia, la enciclopedia libre. https://es.wikipedia.org/w/index.php?title=Presi%C3%B3n_atmosf%C3%A9rica&oldid=149384341

Proyecto_1900.pdf. (s. f.). Recuperado 31 de marzo de 2023, de http://eio.usc.es/pub/mte/descargas/ProyectosFinMaster/Proyecto_1900.pdf

US EPA, O. (2017, noviembre 16). Información básica sobre la radiación [Overviews and Factsheets]. https://espanol.epa.gov/espanol/informacion-basica-sobre-la-radiacion.

Descargas

Publicado

2024-02-18

Cómo citar

Chariguamán Maurisaca, N. E., & Meneses Freire, M. A. (2024). Modelos de regresión funcional con respuesta funcional aplicados a las variables meteorológicas, temperatura, humedad, presión y radiación. Tesla Revista Científica, 4(1), e317. https://doi.org/10.55204/trc.v4i1.e317

Número

Sección

Artículos de Investigación Original