estadstica moderna en
estudios relacionados con
el cambio climtico
Ana Justel
Departamento de Matemticas
Universidad Autnoma de Madrid
Problemas estadsticos
Series
temporales
Anlisis
multivariant
e
Problemas estadsticos
Series
temporales
Anlisis
multivariant
e
Datos
funcionale
s
Problemas estadsticos
Series
temporales
Anlisis
multivariant
e
Datos
funcionale
s
Problemas estadsticos
Anlisis
multivariant
e
Series
temporales
Robuste
z
Datos
funcionale
s
Problemas estadsticos
Anlisis
multivariant
e
Series
temporales
Robuste
z
Datos
funcionale
s
Problemas estadsticos
Anlisis
multivariant
e
Series
temporales
Anlisis
de la
varianza
Robuste
z
Datos
funcionale
s
Problemas estadsticos
Anlisis
multivariant
e
Series
temporales
Anlisis
de la
varianza
Robuste
z
Datos
funcionale
s
Andrs M. Alonso
Adolfo Hernndez
Ana Justel
ignoran la
serie y no
procedimientos
(1)
(1)
1,Th
2,Th
p,Th
X X X
(1)
X1,1
(n)
(1)
(1)
(1)
1,T
2,T
p ,T
(n)
(n)
( n)
1,Th
2,Th
p,Th
X
X
X
(n)
(n)
(n)
X 1,T X 2,T X p,T
X1,1 (n )
(n )
X2,1
Xp,1
X X X
Proyectamos
en el futuro
Presente
Futuro
Dam construction
{1,2},3,{4,5}
Ricardo Fraiman
Ana Justel
Marcela Svarc
Objetivo
Buscamos el subconjunto de variables ms
pequeo posible que explique las agrupaciones de
los datos que hemos encontrado, o un porcentaje alto
de ellas.
Es habitual que el nmero de variables,
variables que
no debemos confundir con la cantidad de
informacin,
informacin sea demasiado elevado.
Aplicacin
Anlisis exploratorio de datos. Ayuda a interpretar
los cluster que se forman
Reducir la dimensin. Para nuevos conjuntos de datos
Seleccin de variables
Trataremos de eliminar variables
RUIDOSAS, que son las no informativas
y/o
REDUNDANTES,
REDUNDANTES que no aportan informacin
que no este contenida en otras variables
El mtodo cluster es
bueno
AFTER-CLUSTER
Mtodo de seleccin de variables
Proponemos un mtodo:- consistente estadsticamente
- no paramtrico
- fcil de usar
a
iteri
r
c
izing
m
i
t
Op
K-medias
Hier
arch
ical
clus
teri
ng
El mejor predictor de
Xi basado en las
variables del
subconjunto
Mtodo basado en la
media condicional
Madrugada
(3:00 a 4:00)
Noche
(21:00 a 24:00)
Maana
(7:00 a 9:00)
Tarde
(15:00 a 19:00)
La informacin redundante,
redundante especialmente de tarde y
noche, queda resumida con el algoritmo de la media
condicional con 5-NN
Cuando aceptamos algunos errores de clasificacin, se
reduce la eficiencia y deja de ser importante el
comportamiento en la madrugada
Ana Justel
Pamela Llop
Season
Percentage of
observed data
First observed
data
Last observed
data
1987/1988
6.53
1864
2160
1988/1989
65.42
645
2158
1989/1990
71.11
230
2086
1990/1991
61.90
433
2158
1991/1992
71.39
539
2160
1992/1993
5.13
1243
2131
1993/1994
65.79
529
2040
1994/1995
59.03
143
2160
1995/1996
69.91
87
1720
1996/1997
31.30
1478
2160
1997/1998
84.40
185
2102
1998/1999
95.23
71
2160
1999/2000
90.42
168
2160
2000/2001
93.33
67
2160
2001/2002
97.17
2160
2002/2003
99.35
2160
2003/2004
90.23
1976
2004/2005
92.08
14
2160
2005/2006
100
2160
2006/2007
100
2160
Eliminadas
(insuficientes datos)
1076 datos
empleados
cada ao
S = 17
T = 1076
LSE linear
trend
Robust
linear trend
Non parametric
trend
Lago LIMNOPOLAR
Lake
Year
Thaw date
Freeze date
Ice-free days
Limnopolar
2002
95
Somero
2002
96
Somero
2003
Mar 7, 2003
Apr 28, 2003
66
Somero
2004
41
Carlos Nuo
Caridad Hoyos
Ana Justel
uk
y
i 1
n
ik i
yik
tk
i 1
i 1
u k = ptimo de la especie k
t k = tolerancia de la especie k
Yik = abundancia de la especie k en la muestra i
X i = magnitud de la variable ambiental estudiada en la muestra i
11200,, 113305,5,6
8600,, 538,46
4200,, 31620,547
0, clorfia
Casopnderaospnceluas
1120,,50
75,,500
20,,50
Casopndeclosrpfioanceluas
Pablo Tejedo1,
Ana Justel2,
Eugenio Rico1,
Javier Benayas1,
Antonio Quesada3
Departamento de Ecologa, UAM
2
Departamento de Matemticas, UAM
3
Departamento de Biologa, UAM
1
Indicadores de impacto
I1- ABUNDANCIA DE FAUNA EDFICA
I2 - RESISTENCIA A LA COMPACTACIN
I3 - DENSIDAD APARENTE
Indicadores de impacto
Indicadores de impacto
Use level
Indicadores de impacto
Resistance to compre
Apparent density
ANOVA
p-valor < 0,0001
R e sistan ce to co m pression
6
5
4
3
2
1
0
-1
1
Use level
No hay
diferencias
significativas
Tent
Entrance path
River path
Camp path
Exit path
>4,5
-1,0
0,0
1,0
2,0
3,0
4,0
-1,0
0,0
1,0
2,0
3,0
4,0
-1,0
0,0
1,0
2,0
3,0
4,0 -1,0
0,0
1,0
2,0
3,0
4,0
-1,0
0,0
1,0
2,0
3,0
4,0
Andrs Alonso
Manuel Ban
Javier Benayas
Jos Ramn Berrendero
Antonio Camacho
Eduardo Ferdz-Valiente
Ricardo Fraiman
Adolfo Hernndez
Caridad Hoyos
Pamela Llop
Carlos Nuo
Antonio Quesada
Eugenio Rico
Carlos Rochera
Marcela Svarc
Pablo Tejedo
Manuel Toro
Muchas gracias