Informe Nro 01

Copyright ©2019 Isaías LLIUYACC HUAMÁN
Published by UNIVERSIDAD NACIONAL DE HUANCAVELICA
First printing, April 2019

Baja
E
A MIS PADRES, por estar en mi vida apoyandome F en la
medida de sus posibilidades y confiar en mi, a Dios que es lo
más importante a quien debo mi vida, por guiar y bendecir
nuestros caminos.
H G
Índice General
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv
CAPITULO 1 OBJETIVOS −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 1

1.1 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
CAPITULO 2 SOFTWARES UTILIZADOS −−−−−−−−−−−−−−−−−−−−−−−− Pag. 1

2.1 Excel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2.2 R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
CAPITULO 3 ICGs −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 1

3.1 MEI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.2 SOI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.3 ONI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.4 NAO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.5 AO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.6 SAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.7 BEST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.8 CyE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.9 PDO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.10 PNA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.11 NIÑO 1+2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.12 NIÑO 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.13 NIÑO 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.14 NIÑO 3.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
CAPITULO 4 PROCESO DE TRABAJO −−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 1

4.1 Procedimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
CAPITULO Conclusiones −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 2
CAPITULO Recomendaciones −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 3
CAPITULO Bibliografía −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 4
CAPITULO Anexos y otros Resultados −−−−−−−−−−−−−−−−−−−−−−− Pag. 5

4.2 SOI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.3 ONI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4.4 NAO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.5 AO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.6 SAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.7 CyE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.7.1 C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.7.2 E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.8 PDO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.9 PNA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.10 NIÑO 1+2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.11 NIÑO 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.12 NIÑO 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.13 NIÑO 3.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.14 CÓDIGO EN R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.15 Serie de tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
INTRO DUCCIÓN
os indicadores climáticos globales (ICGs) describen los cambios en el clima, por
L ello es muy importante conocer este tema, ya que nos proveen de información
fundamental relacionados con el cambio climático: temperatura y energía com-
posición de la atmosférica, oceano y agua así como la criosfera. Por ello tienen el
objetivo de elaborar historias relacionadas con este fenómeno para que sea comprensi-
ble por un público amplio, en el campo de Ingeniería ya teniendo estos datos podemos
predecir el futuro en el tema de los cambios climáticos.
En el presente trabajo se realiza el uso de dos softwares, el excel y R project para poder
plotear (dibujar), el diagrama de cajas o bigotes, y obtener los datos estadisticos de
cada uno de los ICGs. El R project es una software estadístico y amigable que me sirvio
para poder realizar el objetivo principal que era plotear el diagrama de caja, el excel
lo use para ordenar los datos de cada uno de los ICGs solicitados, y poder introducirlo
como dato en el R Project en formato csv.
El Software R project me sirvio para conocer todos los datos estadisticos necesarios.
Es importante conocer este Software R Project, nos servirá en el campo de la Ingeniería,

Finalmente espero que sirva de aporte para futuros trabajos
El Alumno
Universidad Nacional de Huancavelica
Escuela Profesional de Ingeniería Civil - Huancavelica
Huancavelica, Abril del 2019.
Capítulo
OBJETIVOS 1 1
1.1 Objetivo General

1 Realizar GRÁFICO series de tiempo, diagramas de caja de los siguientes ICGs en el
programa R y obtener los datos estadisticos.
2 Conocer sobre los Indices Climáticos Globales ICGs y su probabilidad Estadistica

de Eventos a suscitar.
1.2 Objetivos Específicos

1 Realizar el diagrama de cajas o BOXPLOT de cada ICG en R.
2 Realizar la Estadistica Descriptiva de cada ICG.
3 Detallar en que consiste cada una de las ICGs.
4 Conocer los diferentes ICGs.
5 Realizar las gracas de cada ICG en R.
Ingeniería Civil Pag. 1

Capítulo
SOFTWARES UTILIZADOS 2
2 1
2.1 Excel
Microsoft Excel es una aplicación de hojas de cálculo que forma parte de la suite de
oficina Microsoft Office. Es una aplicación utilizada en tareas financieras y contables, con
fórmulas, gráficos y un lenguaje de programación.
La eficaz aplicación de hojas de cálculo Excel te permite crear, ver, editar y compartir tus
archivos de forma rápida y fácil, y también ver y editar los libros adjuntos a los mensajes
de correo electrónico. Trabaja en contabilidad, auditoría, finanzas, etc. con cualquier
usuario y en cualquier lugar de forma segura.

Capitulo 2 SOFTWARES UTILIZADOS UNH
2.2 R
R es un lenguaje y entorno de programación para análisis estadístico y gráfico. Su historia
ya fue contada no quiero ser repetitivo pero para hacer un resumen, podríamos decir que
es un dialecto libre del lenguaje S, desarrollado por Robert Gentleman y Ross Ihaka del
Departamento de Estadística de la Universidad de Auckland en 1993.
R al estar orientado a las estadísticas, proporciona un amplio abanico de herramientas.
Entre otras características de R, podemos nombrar su capacidad gráfica, que permite
generar gráficos con alta calidad, con sólo utilizar las funciones de graficación.
R también puede usarse como herramienta de cálculo numérico y a la vez ser útil para la
minería de datos.
R es un poderoso entorno y lenguaje en el cual podemos tratar datos y gráficar. El cual
nos ayudará cumplir este trabajo con los diferentes datos que tenemos de cada uno de los
ICGs.
Para vincular Excel con R, tenemos que guardar la hoja excel en la extensión csv. delimi-
tado por comas, con ello podremos trabajar tranquilamente en lo que se requiera.

2
Capítulo
ICGs 3 1
Indice Climático Global (ICG), es un valor que puede ser usado para describir el estado y
los cambios en el sistema climático de nuestro planeta, a partir de ellos se puede predecir
lo que va pasar en el sistema climático del futuro.
En el presente trabajo, conoceremos estos ICGs:
1 MEI
2 SOI
3 ONI
4 NAO
5 AO
6 SAM
7 BEST
8 CyE
9 PDO
10 PNA
11 NIÑO 1+2
12 NIÑO3
13 NIÑO4
14 NIÑO3.4

Capitulo 3 ICGs UNH
3.1 MEI
El Niño / Oscilación del Sur (ENOS), un estado anómalo natural de las condiciones
de la atmósfera oceánica acoplada al Pacífico tropical, es el principal predictor de las
interrupciones del clima global. Estos pueden persistir durante varias estaciones y, por
lo tanto, producir graves efectos regionales. Por lo tanto, una evaluación del estado en
tiempo real de ENOS es importante para una gran cantidad de servicios climáticos que
informan las respuestas de la sociedad y desencadenan acciones políticas para el suministro
de agua, la seguridad alimentaria, la salud y la seguridad pública. El MEI, que combina
variables oceánicas y atmosféricas, facilita en un solo índice una evaluación de ENOS. En
especial, proporciona indicaciones en tiempo real de la intensidad de ENOS y, a través del
análisis histórico, proporciona un contexto para un estudio comparativo significativo de
las condiciones en evolución.
El índice bimensual de El Niño / Oscilación del Sur (ENOS) (MEI.v2) es la serie de tiempo
de la función ortogonal empírica (EOF) líder de cinco variables diferentes (presión del
nivel del mar (SLP), temperatura de la superficie del mar (SST) ), componentes zonales y
meridionales del viento en la superficie, y radiación de onda larga (OLR) saliente sobre la
cuenca tropical del Pacífico (30 ° S-30 ° N y 100 ° E-70 ° W). Los EOF se calculan para 12
"temporadas" bimensuales (diciembre-enero, enero-febrero, febrero-marzo), de noviembre
a diciembre) para tener en cuenta la estacionalidad de ENOS y reducir los efectos de la
mayor frecuencia intraestacional. variabilidad. Durante la altura típica de ENOS durante
finales de otoño / principios de invierno, las características canónicas de la atmósfera y las
anomalías oceánicas se muestran esquemáticamente a continuación, en base a un conjunto
de 11 eventos históricos de El Niño y La Niña.
Figure 3.1: Evolución temporal de los eventos de El Niño y La Niña indicados por el MEI.

Capitulo 3 ICGs UNH
3.2 SOI
El Índice de Oscilación del Sur , o SOI, da una indicación del desarrollo y la intensidad
de los eventos de El Niño o La Niña en el Océano Pacíco. El SOI se calcula usando las
diferencias de presión entre Tahiti y Darwin.
Los valores negativos sostenidos de SOI inferiores a -7 a menudo indican episodios de
El Niño. Estos valores negativos suelen ir acompañados de un calentamiento sostenido
del Océano Pacíco tropical central y oriental, una disminución en la fuerza de los vientos
alisios del Pacíco y una reducción en las precipitaciones de invierno y primavera en gran
parte del este de Australia y el extremo superior.
Los valores positivos sostenidos de SOI superiores a +7 son típicos de un episodio de La
Niña. Están asociados con fuertes vientos alisios del Pacíco y temperaturas del mar más
cálidas al norte de Australia. Las aguas en el Océano Pacíco tropical central y oriental se
vuelven más frías durante este tiempo.
Juntos, estos dan una mayor probabilidad de que el este y el norte de Australia estén más
húmedos de lo normal.
Figure 3.2: Índice de oscilación del sur.

Capitulo 3 ICGs UNH
3.3 ONI
Índice oceánico de El Niño (ONI) El Índice Oceánico de El Niño (ONI en inglés), cuyo
comportamiento se puede observar en la figura 3, es de hecho el estándar que la NOAA
utiliza para identificar eventos cálidos (El Niño) y fríos (La Niña) en el océano Pacífico
tropical. Se calcula como la media móvil de tres meses de las anomalías de la temperatura
superficial del mar para la región El Niño 3.4 (es decir, la franja comprendida entre 5°N-5°S
y 120°-170°W).
Para efectos históricos, la identificación de episodios cálidos (anomalías positivas, El Niño)
o fríos (anomalías negativas, La Niña), se da cuando el valor del ONI supera el umbral
de +0.5°C para El Niño o es inferior a -0.5°C para La Niña, durante por lo menos cinco
períodos consecutivos.
Como puede verse en la anterior tabla, el último episodio extremo de variabilidad climática
en el Pacífico tropical, fue La Niña 2011-2012, la cual había sido precedida por otro episodio
frío en 2010-2011. Finalmente, durante 2013, el valor del ONI se asocia a condiciones de
neutralidad.
Figure 3.3: El Índice Oceánico de El Niño.

Capitulo 3 ICGs UNH
3.4 NAO
Los índices se basan en centros de acción de patrones de altura de 500 mb. Estas series de
tiempo utilizan el conjunto de datos NCEP / NCAR R1 . El área promedio de la región
55-70N; 70W-10W se resta de 35-45N; 70W-10W. El período 1981-2010 fue utilizado como
climatología. Antes de calcular estos índices, los campos de altura de 500 mb se truncan
espectralmente al número de onda total 10 para enfatizar los aspectos a gran escala de las
teleconexiones.
Figure 3.4: Oscilación del Atlántico Norte (NAO)
3.5 AO
Este modo describe la variabilidad de baja frecuencia de los extratrópicos del hemisferio
norte. Un índice positivo (baja presión polar) se asocia con vientos zonales más fuertes y
más fuertes en los extratrópicos. Un valor negativo se asocia con menos vientos zonales y
más incursiones de aire ártico en el hemisferio norte.
Utilizamos la definición en Thompson y Wallace 2000 (referencias) pero con años diferentes.
Nuestro EOF se calcula utilizando SLP desde 20N hasta el polo desde 1981 hasta 2010.
Las anomalías se calculan para cada mes según una climatología de 1981-2010 y todos
los meses se utilizan en el cálculo del EOF. Las cuadrículas están ponderadas por área a
través del coseno de latitud. Luego, los datos se proyectan nuevamente en el EOF y se
estandarizan para producir el componente principal (serie de tiempo) utilizando los datos
de 1981-2010.

Capitulo 3 ICGs UNH
3.6 SAM
Modo anular sur. Este modo describe la variabilidad de baja frecuencia de los extratrópicos
del hemisferio sur. Un índice positivo (presión polar inferior) se asocia con vientos zonales
más débiles en los extratropos. Un valor negativo se asocia con vientos zonales más fuertes.
Esta versión del SAM se calcula utilizando SLP a partir del 20CRV2c . (SAM) se define
como la diferencia de presión zonal media del nivel del mar entre 40 ° S y 65 ° S. Las
medias zonales a 40 ° S y 65 ° S se calculan cada una. La media zonal de cada mes está
estandarizada por la media / desviación estándar determinada para el período de tiempo cli-
matológico (1981-2010). Luego, el valor de 65 ° S se resta del valor de 40 ° S para cada mes.
3.7 BEST
El índice BEST se diseñó para ser simple de calcular y proporcionar un índice ENSO
de período prolongado para nes de investigación. Nino 3.4 se ha usado tradicionalmente
como una medida de la fuerza ENOS en el Pacíco tropical. Sin embargo, su uso por
sí solo descuida los procesos atmosféricos explícitos. Al agregar el SOI o Índice de
Oscilación del Sur (la diferencia de presión entre Tahití y Darwin), estos procesos se
incluyen más directamente. Además, los valores más antiguos de SST se reconstruyen al
menos parcialmente y no se miden explícitamente. Al incluir el SOI, que se mide mejor
históricamente, se reduce el efecto de los sesgos en los datos de SST introducidos por la
técnica de reconstrucción. Se encuentra disponible una explicación más detallada de cómo
se creó el índice.
3.8 CyE
Los indices E y C resumen la variabilidad asociada a El Niño y La Niña, representando el
calentamiento supercial anómalo en el Pacíco este y centro, respectivamente. Debido a
la forma en que fueron calculados (usando componentes principales) la correlación lineal
entre ellos es baja, por lo que permite distinguir mejor la variabilidad propia de cada una
de estas regiones.
En la gura siguiente se muestran los patrones de anomalías de temperatura supercial del
mar asociados a valores unitarios de los índices E y C, respectivamente. Claramente, el
patrón E tiene mayor efecto en la costa peruana, pero el patrón C también puede ser
relevante al clima en la zona andina o amazónica del Perú a través de las "teleconexiones"
atmosféricas.

Capitulo 3 ICGs UNH
Figure 3.5: CyE
3.9 PDO
La Oscilación Decenal del Pacífico (PDO, por sus siglas en inglés) se describe a menudo
como un patrón de variabilidad climática del Pacífico similar al de El Niño de larga
duración (Zhang et al. 1997). Como se ve con el más conocido El Niño / Oscilación del Sur
(ENOS), los extremos en el patrón de DOP están marcados por variaciones generalizadas
en la Cuenca del Pacífico y el clima de América del Norte. Paralelamente al fenómeno
ENOS, las fases extremas de la DOP se han clasificado como cálidas o frías, según lo
definido por las anomalías de la temperatura del océano en el noreste y el océano Pacífico
tropical. Cuando las TSM son anormalmente frescas en el interior del Pacífico Norte y
cálidas a lo largo de la Costa del Pacífico, y cuando las presiones del nivel del mar están
por debajo del promedio sobre el Pacífico Norte, la DOP tiene un valor positivo. Cuando
los patrones de anomalía climática se invierten.
Valores estandarizados actualizados para el índice PDO, derivados como PC líder de
anomalías SST mensuales en el Océano Pacíco Norte, hacia el polo de 20N. Las anomalías
SST medias globales medias mensuales se eliminan para separar este patrón de variabilidad
de cualquier señal de "calentamiento global" que puede estar presente en los datos.
La PDO es un fenómeno que se encuentra fundamentalmente en el Pacíco Norte (en
contraposición al Niño, que afecta sobre todo al Pacíco tropical). Tiene dos fases entre las

Capitulo 3 ICGs UNH
que suele alternar; normalmente permanece en una fase durante un periodo de tiempo
signicativo (tan corto como 10 y tan largo como 40 años). Sin embargo, no es inusual que
estos periodos largos se rompan con intervalos en los que cambia de fases durante periodos
entre 1 y 5 años. Las fases de la PDO se han llamado fases cálidas (valores positivos) o
fáses frías (valores negativos).
Figure 3.6: PDO
3.10 PNA
El patrón de teleconexión (PNA) Pacíco Norteamericano es uno de los modos más promi-
nentes de variabilidad de baja frecuencia en los extratrópicos del hemisferio norte. La
fase positiva del patrón de ANP presenta alturas superiores a la media en las cercanías de
Hawai y en la región intermontañosa de América del Norte, y alturas inferiores a la media
ubicadas al sur de las Islas Aleutianas y en el sureste de los Estados Unidos. El patrón de
ANP está asociado con fuertes uctuaciones en la fuerza y la ubicación de la corriente en
chorro del este de Asia.
La fase positiva se asocia con una corriente de chorro mejorada del este de Asia y con un
cambio hacia el este en la región de salida del chorro hacia el oeste de los Estados Unidos.
La fase negativa está asociada con una retracción hacia el oeste de esa corriente en chorro
hacia el este de Asia, bloqueando la actividad en las altas latitudes del Pacíco Norte.
La fase positiva del patrón de ANP está asociada con temperaturas superiores a la media
en el oeste de Canadá y el extremo oeste de los Estados Unidos, y temperaturas inferiores
a la media en el centro-sur y sudeste de los Estados Unidos. La APN tiende a tener poco
impacto en la variabilidad de la temperatura América durante el verano. Las anomalías
de precipitación asociadas incluyen totales superiores al promedio en el Golfo de Alaska
que se extienden en el noroeste del Pacíco de los Estados Unidos, y totales inferiores a la
media en la parte superior del medio oeste de los Estados Unidos.

Capitulo 3 ICGs UNH
3.11 NIÑO 1+2

La región Niño 1 + 2 es la más pequeña y la más oriental de las regiones SST del Niño,
y corresponde a la región de la costa de Sudamérica donde El Niño fue reconocido por
primera vez poblaciones locales. Este índice tiende a tener la mayor varianza de los índices
SST de El Niño.
3.12 NIÑO 3
Esta región fue una vez el foco principal para monitorear y predecir El Niño, pero luego
los investigadores descubrieron que la región clave para las interacciones conjuntas océano-
atmósfera para ENOS se encuentra más al oeste (Trenberth, 1997) . Por lo tanto, el Niño
3.4 y la ONI se vieron favorecidos por denir los eventos de El Niño y La Niña.
3.13 NIÑO 4
El índice Niño 4 captura anomalías de TSM en el Pacíco ecuatorial central. Esta región
tiende a tener menos varianza que las otras regiones del Niño.
3.14 NIÑO 3.4

Se puede pensar que las anomalías de El Niño 3.4 representan las TSM ecuatoriales
promedio a lo largo del Pacíco desde aproximadamente la línea de tiempo hasta la costa
de América del Sur. El índice Niño 3.4 típicamente usa un promedio de 5 meses, y los
eventos de El Niño o La Niña se denen cuando las TSM del Niño 3.4 exceden +/- 0.4C
por un período de seis meses o más.

2
Capítulo
PROCESO DE TRABAJO 3
4 1
4.1 Procedimiento
1 Para empezar a realizar el trabajo se buscó los datos respectivos de cada uno de los
ICGs; dejo en la bibliografía los LINKs(referencia) desde donde descargué los datos,
para procesarlo.
2 Luego copie los datos del internet,lo pase al software EXCEL y lo ordene como
requería para procesarlo. Lo guarde en la extensión csv delimitado por comas.
3 En el Software R Project, para procesar los datos adjunté el archivo que guardé con
la extensión csv y automaticamente R Project lo reconoce.
4 Ya teniendo los datos en el Software R Project ahora llamamos desde que archivo
estamos procesando los datos, luego para dibujar las actividades requeridas llamamos
a bloxplot, comando para dibujar los diagramas requeridos, y summary para obtener
los datos estadisticos.
Nota
El software R es una herramienta muy potente que tan solo con unas cuantas lineas de
escritura nos da resultados sorprendentes.

CONCLU SIONES
A continuación dejaré algunas conclusiones que se llegó en el siguiente trabajo y en la
elaboración de Bloxplot del diagrama de Caja y series de tiempo de los ICGs.
Conclusión 01
Se han alcanzado los objetivos propuestos en el presente trabajo, ya que se pudo graficar
series de tiempo y diagramas de caja cada uno de los ICGS propuestos en el trabajo,
se realizó en el software R.
Conclusión 02
Se ha logrado tener el conocimiento necesario sobre los Indices Climáticos Globales y
he realizado la probabilidad estadistica, con el comando Summary en R.
Conclusión 03
Se ha logrado conocer los diferentes ICGs.
Conclusión 04
Se ha explicado en que consiste cada una de los ICGs, además se va dejar los link de
donde se han extraido las informaciones.
Los ICGs, se convierten en datos necesarios, para predecir el futuro (el clima y las
temperaturas.)
RECOMENDA CIONES
A continuación dejaré algunas conclusiones que se llegó en el siguiente trabajo y en la
elaboración de Bloxplot del diagrama de Caja y series de tiempo de los ICGs.
Conclusión 01
Se han alcanzado los objetivos propuestos en el presente trabajo, ya que se pudo graficar
series de tiempo y diagramas de caja cada uno de los ICGS propuestos en el trabajo,
se realizó en el software R.
Conclusión 02
Se ha logrado tener el conocimiento necesario sobre los Indices Climáticos Globales y
he realizado la probabilidad estadistica, con el comando Summary en R.
Conclusión 03
Se ha logrado conocer los diferentes ICGs.
Conclusión 04
Se ha explicado en que consiste cada una de los ICGs, además se va dejar los link de
donde se han extraido las informaciones.
Los ICGs, se convierten en datos necesarios, para predecir el futuro (el clima y las
temperaturas.)
BIBLIO GRAFÍA
Bibliográfica
MEI https://www.esrl.noaa.gov/psd/enso/mei/
ONI https://www.esrl.noaa.gov/psd/data/correlation/oni.data
NAO https://www.esrl.noaa.gov/psd/data/correlation/nao.data
AO https://www.esrl.noaa.gov/psd/data/correlation/ao.data
BEST https://www.esrl.noaa.gov/psd/people/cathy.smith/best/details.html
C y E http://www.met.igp.gob.pe/datos/EC.txt
PDO https://www.esrl.noaa.gov/psd/data/correlation/pdo.data
PNA https://www.esrl.noaa.gov/psd/data/correlation/pna.data
NINO 1+2 https://www.esrl.noaa.gov/psd/data/correlation/nina1.data
NINO 3 https://www.esrl.noaa.gov/psd/data/correlation/nina3.data
NINO4 https://www.esrl.noaa.gov/psd/data/correlation/nina4.data
NINO 3.4 https://www.esrl.noaa.gov/psd/data/correlation/nina34.data
GENERAL
ANEXOS Y OTROS
4.2 SOI
Figure 4.1: Graficado en R

Capitulo 4 PROCESO DE TRABAJO UNH
4.3 ONI

4.4 NAO

4.5 AO

4.6 SAM

4.7 CyE
4.7.1 C

4.7.2 E

4.8 PDO

4.9 PNA

4.10 NIÑO 1+2

4.11 NIÑO 3

4.12 NIÑO 4

4.13 NIÑO 3.4

4.14 CÓDIGO EN R
#INICIAMOS A TRABAJAR EN LENGUAJE DE PROGRAMACIÓN R
setwd(’C:/Users/windows/Desktop/ICGs’)
#Importando los datos en formato "csv"
#Importando los datos MEI
IMEI<-read.table(’MEI.csv’,header = TRUE)
plot(IMEI,col=c(’blue’,’green’),main = ’ICG MEI’,type=’l’)
grid()#genera la malla del fondo
grid(col=’green’)
MEI<-readClipboard()
MEI1<-read.table(file="clipboard",header = TRUE)
summary(MEI1)
boxplot(MEI1,main="DIAGRAMA DE CAJA MEI",xlab="YEAR",ylab="MEI",names="MEI"
,col = c("green"))
#Importando los datos SOI
ISOI<-read.table(’SOI.csv’,header = TRUE)
plot(ISOI,col=c(’red’,’green’),main = ’ICG SOI’,type=’l’)
SOI<-readClipboard()
SOI1<-read.table(file="clipboard",header = TRUE)
summary(SOI1)
boxplot(SOI1,main="DIAGRAMA DE CAJA SOI",xlab="YEAR",ylab="SOI",names="SOI"
,col = c("YELLOW"))
#Importando los datos ONI
IONI<-read.table(’ONI.csv’,header = TRUE)
plot(IONI,col=c(’blue’,’green’),main = ’ICG ONI’,type=’l’)
ONI<-readClipboard()
ONI1<-read.table(file="clipboard",header = TRUE)
summary(ONI1)
boxplot(ONI1,main="DIAGRAMA DE CAJA ONI",xlab="YEAR",ylab="ONI",names="ONI,col
= c("black"))
#Importando los datos BEST
IBEST<-read.table(’BEST.csv’,header = TRUE)
plot(IBEST,col=c(’red’,’green’),main = ’ICG BEST’,type=’l’)
BEST<-readClipboard()
BEST1<-read.table(file="clipboard",header = TRUE)
summary(BEST1)
boxplot(BEST1,main="DIAGRAMA DE CAJA BEST",xlab="YEAR",ylab="BEST",names=",col

= c("brown"))
#Importando los datos C
IC<-read.table(’C.csv’,header = TRUE)
plot(IC,col=c(’blue’,’green’),main = ’ICG C’,type=’l’)
C<-readClipboard()
C1<-read.table(file="clipboard",header = TRUE)
summary(C1)
boxplot(C1,main="DIAGRAMA DE CAJA C",xlab="YEAR",ylab="C",names="C"
,col = c("pink"))
#Importando los datos E
IE<-read.table(’E.csv’,header = TRUE)
plot(IE,col=c(’red’,’green’),main = ’ICG E’,type=’l’)
E<-readClipboard()
E1<-read.table(file="clipboard",header = TRUE)
summary(E1)
boxplot(E1,main="DIAGRAMA DE CAJA E",xlab="YEAR",ylab="E",names="E"
,col = c("purple"))
#Importando los datos PDO

IPDO<-read.table(’PDO.csv’,header = TRUE)
plot(IPDO,col=c(’blue’,’green’),main = ’ICG PDO’,type=’l’)
PDO<-readClipboard()
PDO1<-read.table(file="clipboard",header = TRUE)
summary(PDO1)
boxplot(PDO1,main="DIAGRAMA DE CAJA PDO",xlab="YEAR",ylab="PDO",names="PDO"
,col = c("grey"))
#Importando los datos PNA
IPNA<-read.table(’PNA.csv’,header = TRUE)
plot(IPNA,col=c(’red’,’green’),main = ’ICG PNA’,type=’l’)
PNA<-readClipboard()
PNA1<-read.table(file="clipboard",header = TRUE)
summary(PNA1)
boxplot(PNA1,main="DIAGRAMA DE CAJA PNA",xlab="YEAR",ylab="PNA",names="PNA"
,col = c("orange"))

4.15 Serie de tiempo
Figure 4.14: Ploteado en R






Informe Nro 01

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Informe Nro 01

Diunggah oleh

Hak Cipta:

Format Tersedia

Copyright ©2019 Isaías LLIUYACC HUAMÁN

Published by UNIVERSIDAD NACIONAL DE HUANCAVELICA

First printing, April 2019

CAPITULO 1 OBJETIVOS −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 1

CAPITULO 2 SOFTWARES UTILIZADOS −−−−−−−−−−−−−−−−−−−−−−−− Pag. 1

CAPITULO 3 ICGs −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 1

CAPITULO 4 PROCESO DE TRABAJO −−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 1

CAPITULO Recomendaciones −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 3

CAPITULO Bibliografía −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 4

CAPITULO Anexos y otros Resultados −−−−−−−−−−−−−−−−−−−−−−− Pag. 5

os indicadores climáticos globales (ICGs) describen los cambios en el clima, por

Es importante conocer este Software R Project, nos servirá en el campo de la Ingeniería,

1.1 Objetivo General

2 Conocer sobre los Indices Climáticos Globales ICGs y su probabilidad Estadistica

1.2 Objetivos Específicos

2 Realizar la Estadistica Descriptiva de cada ICG.

3 Detallar en que consiste cada una de las ICGs.

4 Conocer los diferentes ICGs.

5 Realizar las gracas de cada ICG en R.

Ingeniería Civil Pag. 1

Ingeniería Civil Pag. 1

Ingeniería Civil Pag. 2

Ingeniería Civil Pag. 1

Ingeniería Civil Pag. 2

Figure 3.2: Índice de oscilación del sur.

Ingeniería Civil Pag. 3

Figure 3.3: El Índice Oceánico de El Niño.

Ingeniería Civil Pag. 4

Figure 3.4: Oscilación del Atlántico Norte (NAO)

Ingeniería Civil Pag. 5

Ingeniería Civil Pag. 6

Figure 3.5: CyE

Ingeniería Civil Pag. 7

Figure 3.6: PDO

Ingeniería Civil Pag. 8

3.11 NIÑO 1+2

3.14 NIÑO 3.4

Ingeniería Civil Pag. 9

Ingeniería Civil Pag. 1

NINO 1+2 https://www.esrl.noaa.gov/psd/data/correlation/nina1.data

NINO 3.4 https://www.esrl.noaa.gov/psd/data/correlation/nina34.data

Figure 4.1: Graficado en R

Figure 4.2: Graficado en R

Ingeniería Civil Pag. 6

Figure 4.3: Graficado en R

Ingeniería Civil Pag. 7

Figure 4.4: Graficado en R

Ingeniería Civil Pag. 8

Figure 4.5: Graficado en R

Ingeniería Civil Pag. 9

Figure 4.6: Graficado en R

Ingeniería Civil Pag. 10

Figure 4.7: Graficado en R

Ingeniería Civil Pag. 11

Figure 4.8: Graficado en R

Ingeniería Civil Pag. 12

Figure 4.9: Graficado en R

Ingeniería Civil Pag. 13

4.10 NIÑO 1+2

Figure 4.10: Graficado en R

Ingeniería Civil Pag. 14

Figure 4.11: Graficado en R

Ingeniería Civil Pag. 15

Figure 4.12: Graficado en R