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.