CycloForums - Huracanes y Meteorología

Correlacion entre Lluvia y ONI en San Juan


Aprovechando unos dias de vacaciones y cumpliendo lo prometido, ya inicie el analisis entre el ONI y la cantidad de lluvia en PR. En especial San Juan. Ya habia dicho antes, en el foro anterior anterior, que a simple vista, no veia una relacion muy fuerte entre poca o mucha acumulacion de lluvia en PR (todo el año) y el ONI.

Los primeros datos parecen abundar a esta teoria. Haciendo claro que estos resultados salen de una regresion con los ONI desde 1950 al presente. Poco a poco ire anadiendo a este tema, considerando lo dificil que es colocar tablas , graficas y explicar estadisticas aqui.

Por el momento , puedo adelantar lo siguiente:

No hay correlacion estadistica, en mi muestra, entre la cantidad de lluvia que cae en San Juan y los 12 trimestres de ONI.

Cuando se seleccionan años donde hubo al menos tres periodos de evento del Niño si aparece correlacion, pero positiva .

De hecho, dudando de estos resultados, busque los primeros 10 años con mas lluvia en San Juan desde 1950 y de mayor a menor estos fueron los resultados: 2010 (inicio como Niño y termino dominado con la Niña), 2011 (Año mayormente Niña), 2013 (Año neutral), 1950 (Niña), 2005 (Año que inicio como Niño para luego terminar como neutral), 1952(Inicio brevemente como Niño y termino neutral), 1979 (Inicia como neutral y termina como Niño), 1958 (Año de Niño), 1981 (Neutral), 1998 (Inicio como año de Niño para terminar como Niña, casi empate).

Vea que de esos 10, solo en 3 se puede decir que fueron años dominados por la Niña (2010, 1950 y 2011). Dominado por el Niño 1958. Los demas mayormente son neutrales o combinados.

Los años con menos lluvia de menor a mayor.

1991 (Inicio como neutral y termino mayormente como Niño), 1971 (Niña), 1980 (Inicia primeros 2 trimestres como Niño, luego neutral), 1972 (Inicio como neutral y termino dominado por Niño), 1997 (Inicio como neutral y termina dominado por Niño), 2000 (Niña), 1994 (Neutral, ultimos tres trimestres Niño), 2015 (Niño), 1974 (Niña) y 1983 (Inicio como Niño y termina como neutral).

Vea que en 3 de los años que menos llovio en SJ, 3 fueron dominados mayormente por la Niña (1971, 2000, 1974) y solamente 4 por el Niño (1991, 1972, 2015 y 1997). Casi empate.

Interesantes resultados.

Claro esto es algo general sin entrar en detalles, pero no deja de llamar la atencion estos numeros.

Poco a poco anadire la parte estadistica de las tablas. Em especial respondiendo a la peticion de una forista que le fascinan las estadisticas y me dijo que hacia tiempo no colocaba estudios estadisticos.

Análisis estadístico, hecho por un aficionado a la meteorología. No es un informe con muestra científica y tampoco profundiza. Por tanto no debe usarse como algo oficial. Refiérase a la NOAA para información oficial.

Saludos ROCKstormSJ4315

Interesante informacion, gracias por sacar de tu tiempo.

Villafañe wrote:Saludos ROCKstormSJ4315

Interesante informacion, gracias por sacar de tu tiempo.

Error encontrado marcado en rojo el 10 de junio de 2016.


Saludos Villafañe y demas amigos foristas:

Gracias por tus comentarios Villafañe. Aqui sacando un poco mas de información. Lastima que la secuencia que se llevaba de otros estudios se perdio en el otro foro. Yo pendiente a ver si finalmente nos quedamos aqui para entonces profundizar en los análisis pues da trabajo y aunque uno hace esto por hobbie, hacerlo bien científico requiere un trabajo extra que va por encma del hobbie. . Si trabajara en la NOAA ya sería otro cantar.

Aqui lo último:

Incluendo variable: Año

Variables Entered/Removed
Model Variables Entered Variables Removed Method
1 NDJ, Year, JFM, AMJ, JAS, MJJ, SON, MAM, DJF, JJA, FMA, ASO, ONDb . Enter
a. Dependent Variable: Lluvia
b. All requested variables entered.

Note que en el primer caso Se buscó establecer la relación entre los doce trimestres del ONI en el año y la cantidad de lluvia. Se incluyó también el año para ver si hay algún tipo de correlación con la lluvia. Abajo los resultados de la tabla, que salen distorsionados por lo difícil de incluir tablas en esta página.

Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .470a .221 .026 13.21978
a. Predictors: (Constant), NDJ, Year, JFM, AMJ, JAS, MJJ, SON, MAM, DJF, JJA, FMA, ASO, OND

La correlación no es significativa y esto se puede apreciar al evaluar la R ajustada que se reduce considerablemente. Es común que la R suba a medida que se añaden variables, en este caso 13 y no necesariamnte porque se incluyan mas variables mejoran la predictibilidad del modelo. Por tanto la correlación sube aritméticamente y no necesariamente por la correlación y eso parece establecer la R ajustada.


Eliminando la variable: Año

Variables Entered/Removeda
Model Variables Entered Variables Removed Method
1 NDJ, JFM, AMJ, JAS, MJJ, SON, MAM, DJF, JJA, FMA, ASO, ONDb . Enter
a. Dependent Variable: Lluvia
b. All requested variables entered.


Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .463a .214 .036 13.15436
a. Predictors: (Constant), NDJ, JFM, AMJ, JAS, MJJ, SON, MAM, DJF, JJA, FMA, ASO, OND

Vea que al quitar la variable años se reduce la R lo que abona a la idea de que baja porque la R se infla mientras mas variables se incluyan. Aun así, como dije antes, la correlación parece no ser significativa.

Incluidos sólo los primeros trimestres del año:

Variables Entered/Removeda
Model Variables Entered Variables Removed Method
1 FMA, DJF, JFMb . Enter
a. Dependent Variable: Lluvia
b. All requested variables entered.

En esta parte se incluye los primeros tres trimestres del año que es donde usualmente aparece los periodos de menos lluvia en PR, para establecer si al menos el ONI puede explicar si cuando está en niveles elevados suele llover menos en SJ.

Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .036a .001 -.046 14.16378
a. Predictors: (Constant), FMA, DJF, JFM

Para mi sorpresa, cuando se incluyen los trimestres donde hay indicios de posible aparición de periodo seco en San Juan, la correlación entre el ONI y la cantidad de lluvia en San Juan es mucho menos, casi ninguna. Interesante resultado.

ONI's positivos

En la segunda parte solamente se incluyeron años que podrían identificarse como años del Niño. Esto también está siujeto a diversas interpretaciones. En mi caso se refiere años que al menos cerca de la mitad de los trimestres, los valores del ONI estuvieron por encima de +0.5.

Los resultados fueron muy interesantes:

Con la variable años:

Variables Entered/Removeda
Model Variables Entered Variables Removed Method
1 NDJ, Year, MAM, DJF, JJA, AMJ, ASO, MJJ, FMA, OND, JFM, JAS, SONb . Enter
a. Dependent Variable: Lluvia
b. All requested variables entered.



Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .679a .461 .023 13.44325
a. Predictors: (Constant), NDJ, Year, MAM, DJF, JJA, AMJ, ASO, MJJ, FMA, OND, JFM, JAS, SON
La correlación aumento y la R ajustada aunque se redujo no fue tan significativa como cuando se incluyen todos los trimestres.

La R ajustada si se reduce considerablemente, lo que podría indicar qiue la R esta inflada por el efecto de incluir tantas variables y no necesariamente por que exista una correlación. Vea tambien que el margen de error del estimado es alto.


No sólo es interesante porque la R sube, lo que pareciera incicar algún tipo de correlacion, sino que la R es positiva, cuando yo esperaría un valor negativo. Esa tabla refleja que parece que hay cierta correlación entre un aumento en los valores del ONI y el aumento en lluvia en San Juan (aunque no significativo). ¿Cómo? Debió ser negativa, aumento ONI disminución en lluvia; disminucion en ONI, aumento en lluvia. No obstante, por la R ajustada mostrar reducción y el margen de error del estimado alto, no se puede afirmar de forma categórica. Hay que hacer un análisis más profundo de las variables.

Cabe indicar que se aplica lo mismo que de dijo arriba, del análisis de la otras tablas, más los errores de muestreo que pueden estar aquí presentes.

No obstante, independientemente de los errores que puede tener este análisis, que es hecho por un aficionado, que no ha sido del todo científico, los resultados no dejan de sorprenderme.

La próxima será quitar la variable años y repetirlo con los años asociados a la Niña.



Análisis estadístico, hecho por un aficionado a la meteorología. No es un informe con muestra científica y tampoco profundiza. Por tanto no debe usarse como algo oficial. Refiérase a la NOAA para información oficial.

Años ONI's Negativos (La Niña)


En esta parte solamente se incluyeron años que podrían identificarse como años de la Niña. Esto también está sujeto a diversas interpretaciones. En mi caso se refiere años que al menos cerca de la mitad de los trimestres, los valores del ONI estuvieron por debajo de - 0.5.

Los resultados son los siguientes:

Con la variable años:


Variables Entered/Removed
Model Variables Entered Variables Removed Method
1 NDJ, AMJ, Year, DJF, JJA, SON, JAS, MJJ, MAM, ASO, JFM, OND, FMA . Enter
a Dependent Variable: Lluvia
b All requested variables entered.

Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .806 .649 .080 14.80206
a Predictors: (Constant), NDJ, AMJ, Year, DJF, JJA, SON, JAS, MJJ, MAM, ASO, JFM, OND, FMA
La correlación en este caso fue alta y positiva, como debía quedar. No obstante la R ajustada se redujo significativamente de nuevo. Esto es indicación de que la R podría estar inflada por la cantidad de variables y no necesariamente por una correlación fuerte. Vea lo alto del error del estimado. Se podría indicar, que en efecto podria haber una correlación positiva entre la lluvia que cae en San Juan y los periodos considerados como la Niña más los años, pero la R ajustada mas el margen de error, no permite hacer esa afirmación de forma categorica de: A mayor sea la Niña, más llueve en San Juan.

Eliminando la variable años, el resultado es el siguiente:


Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .802a .643 .167 14.08255
a Predictors: (Constant), NDJ, AMJ, DJF, JJA, SON, JAS, MJJ, MAM, ASO, OND, FMA, JFM

Los resultados son prácticamente iguales a cuando la variable tiempo (años) está incluida. Lo que esto puede significar que esa variable no añade ningún efecto a la correlación que podría existir entre años de la Niña y la lluvia que cae en San Juan.

Por tanto, con estos resultados, no se puede afirmar categóricamente que existe tal relación. Hay que hacer un análisis mas profundo de estas variables.

Cabe indicar que se aplica lo mismo que dije arriba, en el “post” anterior con de la otras tablas, más los errores de muestreo que pueden estar aquí presentes.

No obstante, independientemente de los errores que puede tener este análisis, que es hecho por un aficionado, que no ha sido del todo científico, los resultados no dejan de sorprenderme.

La próxima será repetirlo con los años asociados a neutral.

Años ONI's Neutral


En esta parte solamente se incluyeron años que podrían identificarse como años Neutrales. Esto también está sujeto a diversas interpretaciones. En mi caso se refiere años que al menos en cerca de la mitad de los trimestres, los valores del ONI estuvieron entre – 0.5 < ONI < +0.5.

Los resultados son los siguientes:


Con la variable años:


Variables Entered/Removed
Model Variables Entered Variables Removed Method
1 NDJ, FMA, Year, JJA, AMJ, ASO, DJF, MJJ, JAS, SON, MAM, JFM, ONDb . Enter
a Dependent Variable: Lluvia
b All requested variables entered.

Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .664a .441 -.119 13.01025
Predictors: (Constant), NDJ, FMA, Year, JJA, AMJ, ASO, DJF, MJJ, JAS, SON, MAM, JFM, OND

La correlación en este caso fue alta y positiva. No obstante, la R ajustada se redujo significativamente de nuevo. Esto es indicación de que la R podría estar inflada por la cantidad de variables y no necesariamente por una correlación fuerte. Vea lo alto del error del estimado. Se podría indicar, que en efecto podría haber una correlación positiva entre la lluvia que cae en San Juan y los periodos considerados como la Neutrales, más los años, pero la R ajustada más el margen de error, no permite hacer esa afirmación de forma categórica de: Año Neutral, más llueve en San Juan.

Eliminando la variable años, el resultado es el siguiente:


Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .658a .433 -.052 12.61720
a Predictors: (Constant), NDJ, FMA, JJA, AMJ, ASO, DJF, MJJ, JAS, SON, MAM, JFM, OND

Los resultados son prácticamente iguales a cuando la variable tiempo (años) está incluida. Lo que esto puede significar que esa variable no añade ningún efecto a la correlación que podría existir entre años Neutrales y la lluvia que cae en San Juan.

Muy interesante que la R ajustada sea negativa. Realmente lo que esto quiere decir es que es prácticamente 0.

Por tanto, con estos resultados, no se puede afirmar categóricamente que existe tal relación entre año neutral y lluvia en San Juan.


No obstante, habiendo ya visto los resultados de la lluvia en SJ y el ONI, de forma general, con años del Niño, Niña y finalmente neutrales; se puede concluir que no encontré evidencia estadística que probara que hay alguna correlación entre el ONI y la lluvia que cae al menos en SJ.

Me llamó la atención el cambio radical de la R vs la R ajustada. Como dije antes, podría ser el efecto de que este inflada por tener, para efectos, 12 variables (trimestres) combinado con lo que pudiera ser una muestra pequeña.

Hay que hacer un análisis más profundo de estas variables, pero no parece, que desde el punto de vista estadístico, este tan claro que el ONI tenga algún efecto en la lluvia que cae en San Juan, por lo que la sequía del pasado año pudo haberla provocado otros componentes adicionales al ONI.

Cabe indicar que se aplica lo mismo que dije arriba, en los otros “post” anteriores con lo de las tablas, más los errores de muestreo que pueden estar aquí presentes. Se utilizó para este análisis SPSS Statistics.

No obstante, independientemente de los errores que puede tener este análisis, que es hecho por un aficionado, que no ha sido del todo científico, los resultados arrojaron no evidencia estadística de correlación entre el ONI y la lluvia que cae en San Juan.


Nota Final: Análisis de hecho por un aficionado. No se tome como información oficial. Refiérase a la NOAA para información o estudios oficiales.

Despues de practicamente 2 anos de este analisis, me alegra leer que esta semana salio un estudio realizado por un experto en clima de la UPR que le da validez a este estudio mio. Siempre he dicho que El Big Data existe, solo falta alguien que le guste la estadistica y de ese Big Data junto con la Mineria de Datos se pueden anticipar cosas en el clima interesantes para PR, tal como me ha servido tambien, entre otras cosas, para mas o menos predecir la actividad de sistemas ciclonicos en la cercania de PR.

Aqui dejo el enlace del articulo publicado en El Nuevo Dia bajo el titulo: El Nino no es Responsable de Las Sequias en PR.

https://www.elnuevodia.com/ciencia/cien ... o-2396393/