ANÁLISIS DE REGRESIÓN LINEAL ENTRE VARIABLES METEREOLÓGICAS Y TRAZADO DE GRÁFICOS E ISOLÍNEAS

...

- Correlación y Regresión

El Análisis de Regresión Lineal simple, es una técnica estadística que permite estudiar la relación funcional entre dos variables, una de ellas debe ser dependiente y la otra, independiente. De un lado más real, se utiliza el Análisis de Regresión Lineal Múltiple, en donde el número de variables independientes es mayor que 1. (Álvarez, 1995).

Así mismo, Pedroza y Dicovsky (2006) afirman que el análisis de correlación se realiza para medir el grado de asociación entre dos variables dependientes una de otra. La correlación es un indicador estadístico definido por el coeficiente de correlación ‘r’, éste es medido de acuerdo a la siguiente escala:

[pic 3]

Figura 1.- Fórmula para determinar el valor del coeficiente de correlación

De la Figura 1, se tiene la siguiente escala para ‘r’: -1

Dónde:

r= +1, indica una correlación perfecta y directa

r=-1, indica que existe una correlación perfecta e inversa

r=0, significa ausencia de correlación entre las variables, es decir, las variables son independientes entre sí.

- Meteorogramas

Son gráficos los cuales representan la variación de una o más variables meteorológicas en el tiempo, siendo el tiempo un día, un año o más. (Calle et al., 2014).

- Isolíneas

Son líneas que unen puntos de igual valor de una cantidad escalar. (Calle et al., 2014)

- MATERIALES Y MÉTODOS EMPLEADOS:

- Materiales:

-Datos mensuales de Temperatura del aire, Humedad relativa, presión atmosférica, horas de sol y radiación solar

-Datos horarios de temperatura del aire y humedad relativa

-Datos de temperatura del aire y Presión atmosférica a nivel del mar

-Calculadora científica o microcomputadora

- Métodos empleados:

- Análisis de Regresión Lineal Simple (RLS): Inicialmente se deberá identificar la variable dependiente (Y) y la variables independiente (X). Luego con los datos de la Tabla I, se graficara según esto se puede identificar el tipo de relación matemática que existe entre las dos variables meteorológicas. Realizaremos este procedimiento (análisis de la densidad de los puntos) para los siguientes casos de la Tabla I: Qi vs T, T vs HR y P vs T.

- Construcción y elaboración de meteorogramas: La elaboración de un meteorograma indica el cambio de la variable en función al tiempo pudiendo ser horaria, mensual o multianual; esta puede graficarse con ayuda del software Excel.

- Con los datos de la Tabla I construir meteorogramas de Temperatura, humedad relativa, radiación solar y presión atmosférica.

- Con los datos de la tabla II y en un mismo sistema de coordenadas construir meteorogramas de la variación horaria de temperatura y humedad relativa para la estación AVH de la UNALM

- Trazado de Isolíneas: Este tipo de análisis se usa cuando se quiere estudiar el comportamiento o variabilidad de la variable meteorológica en 2 dimensiones en forma simultánea. Para trazar las isolíneas, lo primero que se debe realizar es plotear los datos según las coordenadas geográficas, encontrar el máximo y mínimo, marcarlo y luego analizar el rango de variación de los datos.

- ANÁLISIS Y RESULTADOS

4.1 Regresión Lineal Simple:

- Para la Estación Alexander Von Humbold

[pic 4]

De la Gráfica 1 se tienen: una variable primaria e independiente, Radiación Solar, la cual se ubica en el eje X; una variable derivada y dependiente, la cual se ubica en el eje Y. El coeficiente de determinación R2 es muy alto. De lo anterior se infiere que el coeficiente de correlación o R, es también alto, por lo que la relación entre las variables es muy buena y de acuerdo al sentido de la línea de tendencia, la relación es positiva, es decir, ambas variables crecen.

[pic 5]

De la Gráfica 2, se tienen dos variables derivadas. Para este caso se consideró la Temperatura como variable independiente (Eje X) y la Humedad relativa como variable dependiente (Eje Y). Bajo este criterio, se tiene un R2 muy alto entonces un R alto también. En cuanto a la relación entre las variables, están muy relacionadas; sin embargo, es una relación negativa puesto que una variable aumenta mientras que la otra disminuye.

[pic 6]

De la Gráfica 3, la presión atmosférica es variable primaria (eje X), por tanto, independiente; la temperatura es la variable dependiente y derivada (eje Y). Sin embargo, el R2 no es tan alto y tampoco tan bajo. Entonces el R, representa una correlación media entre las variables. Por el sentido de la línea de tendencia, además de la ecuación, se observa una relación negativa.

- Para la estación Huayao

[pic 7]

De la Gráfica 4, se tienen dos variables: Radiación Solar, la variable primaria e independiente (eje X) y Temperatura que es la variable derivada y dependiente (eje Y). El R2 calculado, es muy alto, entonces el R, representará una buena correlación entre ambas variables. De acuerdo a la línea de tendencia, se observa una relación positiva, es decir, si una variable aumenta, la otra también.

[pic 8]

De la Gráfica 5, se tienen las variables: Temperatura y Humedad Relativa. Para este caso particular, se usó la línea de tendencia exponencial con un R2= 0.0074. Mientras que en la Gráfica 6, se utilizó la línea tendencia lineal con un R2 = 0.0041. De los casos anteriores, se infieren los R, y para ambos el valor del R es muy pequeño, por lo que se concluye una baja afinidad y correlación entre las variables.

[pic 9]

[pic 10]

Finalmente, la Gráfica 7, se ajusta con un mayor R2 a una línea de tendencia