Revista Colombiana de Estadstica Junio 2008, volumen 31, no. 1, pp.

41 a 65

Anlisis de la tendencia y la estacionalidad de la precipitacin mensual en Venezuela

Trend and Seasonality Assessment for Monthly Precipitation in Venezuela Lelys Guenni1, a , Edgard Degryze2, b , Katiuska Alvarado2, c
1 Departamento 2 Centro

de Cmputo Cientfico y Estadstica, Universidad Simn Bolvar, Caracas, Venezuela

de Estadstica y Software Matemtico, Universidad Simn Bolvar, Caracas, Venezuela

Resumen En este artculo se analizan los datos de 113 estaciones de precipitacin mensual disponibles para aos recientes en Venezuela. Los datos provienen de la red de estaciones climticas de la Corporacin Venezolana de Guayana-Electricacin del Caron (CVG-EDELCA), la Fuerza Area Venezolana (FAV) y el Ministerio del Ambiente y de los Recursos Naturales (MARN). Se hace un anlisis de homogeneidad utilizando la prueba de Alexandersson (Alexandersson 1986) para determinar si existen estaciones con cambios importantes en la media de la serie que no forman parte de la variabilidad climtica interanual. Se ajustan modelos lineales con componente de tendencia, estacionalidad y errores autorregresivos utilizando el mtodo de mnimos cuadrados generalizados. Se comparan distintos modelos para determinar si el componente de tendencia debe o no debe ser incluido en el modelo as como la representacin del componente estacional con uno o dos armnicos, para describir el comportamiento unimodal o bimodal de la precipitacin a lo largo del ao. Se utiliza el criterio de informacin bayesiana (CIB) para la seleccin de los modelos propuestos. Los valores de tendencia estimados y la signicancia del componente de tendencia son representados espacialmente. Se encuentra que la zona norte costera y la mayor parte de la regin andina presentan una tendencia negativa en la precipitacin. Por el contrario, la zona sureste del estado Bolvar presenta una tendencia positiva. Sin embargo, el componente de tendencia no es signicativo para la mayora de las estaciones. Adems, el patrn estacional est mejor representado por un modelo con dos armnicos, dadas las caractersticas estacionales de las estaciones analizadas. Palabras clave : precipitacin mensual, tendencia, estacionalidad, seleccin de modelos, series de tiempo.
a Profesor b Asistente

titular. E-mail: lbravo@cesma.usb.ve de investigacin. E-mail: edgardegryze@cesma.usb.ve c Estudiante de maestra. E-mail: katiuska@cesma.usb.ve

41

42

Lelys Guenni, Edgard Degryze & Katiuska Alvarado Abstract This paper analyzes data from 113 Venezuelan monthly precipitation stations for recent years. The data come from the climatic network from the Venezuelan Guayana Coorporation- Caroni Electrication (CVG-EDELCA), the Venezuelan Air Force (FAV), and the Ministry of Environment and Natural Resources (MARN). An homogeneity test is carried out by using Alexanderssons test (Alexandersson 1986) to detect locations with important changes in the mean, which are not part of the natural climate variability. Linear models with a trend component, a seasonal component and autoregressive errors are tted by using Generalized Least Squares. Dierent models are compared to determine whether the trend component should be included within the model, as well as the seasonal component with one or two harmonics, depending on whether the precipitation presents a single or two modes along the year. The Bayesian Information Criteria (BIC) is used for model selection. The estimated trend values and the signicance of the trend component are spatially represented. It is found that in the northern coastal region and most of the Andean region precipitation trends are negative. On the contrary, southeast of Bolvar state presents a positive trend. However, the model trend component is not signicant for most locations. Moreover, the seasonal pattern is best represented with a model with two harmonics, given the seasonal characteristics of the analyzed locations. Key words : Monthly precipitation, Trend, Seasonality, Selection of models, Time series.

1. Introduccin
El anlisis de los cambios en la precipitacin a distintas escalas espaciales y temporales es un tema de suma importancia para Venezuela y para el nivel global (De Luis et al. 2000, Gonzlez-Hidalgo et al. 2001, Martelo 2004). La precipitacin es un componente fundamental del sistema climtico; en los actuales momentos existe un amplio consenso sobre la necesidad de profundizar el conocimiento sobre su variabilidad espacial y temporal dentro del contexto del cambio climtico global (Solomon et al. 2007, p. 996). En el nivel nacional, la caracterizacin de la precipitacin representa un papel fundamental en el comportamiento de los sistemas agroecolgicos del pas, en la dinmica de ciertas enfermedades endmicas como la malaria y el dengue, y en la distribucin espacial y la frecuencia de eventos hidrometeorolgicos extremos, causantes de deslaves e inundaciones. Una de las limitaciones de muchos pases, incluido Venezuela, para profundizar en estos anlisis es la disponibilidad de datos climticos de buena calidad, en particular datos de precipitacin en forma de series de tiempo de larga duracin (al menos de 20 aos) y con una distribucin espacial que permita analizar simultneamente el problema de la variabilidad temporal y espacial para todo el pas. En Venezuela existen varias instituciones que mantienen redes de estaciones meteorolgicas e hidromtricas. Entre ellas podemos mencionar: Ministerio del
Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

43

Ambiente y de los Recursos Naturales (MARN), con la red ms extensa; Instituto Nacional de Investigaciones Agrcolas (INIA), que mantiene una red al servicio de las ciencias agrcolas y la actividad agropecuaria nacional; Corporacin Venezolana de Guayana y Electricacin del Caron (CVG-EDELCA), con una red de estaciones hidrometeorolgicas mayormente localizadas en el estado Bolvar, cuyo n primordial es la cuanticacin de los recursos hdricos de la zona; las Fuerzas Areas Venezolanas (FAV), que mantienen la red nacional ms importante al servicio de la aviacin venezolana; y la Armada Venezolana, cuya red de estaciones sirve a la navegacin. En el caso de la precipitacin, en el pas se dispone de alrededor de unas 1200 estaciones, muchas de las cuales no operan en la actualidad. En este artculo se pretende estimar simultneamente la tendencia y la estacionalidad para un conjunto de estaciones de precipitacin de la red de meteorolgica nacional. La mayora de las estaciones consideradas tienen datos de precipitacin mensual hasta 1999; en cuanto a la distribucin espacial, muchas se encuentran en la parte norte del ro Orinoco. En la seccin 2 se describe el conjunto de estaciones seleccionadas de la red climatolgica nacional, se explican los criterios de calidad utilizados para manipular los datos y se describen las pruebas de homogeneidad aplicadas a las series de tiempo para asegurar que los datos de las estaciones utilizadas cumplan las condiciones de homogeneidad requeridas. En la seccin 3 se presenta una descripcin de los modelos utilizados para representar la tendencia y la estacionalidad de las series analizadas. Los resultados obtenidos en el proceso de seleccin de modelos y estimacin de parmetros son presentados en la seccin 4. Estos resultados son discutidos en la seccin 5, en la que tambin se presentan las consideraciones nales de este trabajo, as como las posibles extensiones del mismo.

2. Descripcin de los datos y control de calidad de la informacin

2.1. Estaciones seleccionadas para el anlisis
El rea de estudio comprende todo el territorio nacional, como se indica en la gura 1. Para el anlisis planteado en esta investigacin, se utilizaron datos de un total de 113 estaciones climatolgicas. Las estaciones climatolgicas forman parte de la red de estaciones del Ministerio del Ambiente y de los Recursos Naturales (MARN), la Fuerza Area Venezolana (FAV) y CVG- Electricacin del Caron (CVG-EDELCA). De estas 113 estaciones, 77 se encuentran ubicadas al norte del Orinoco con 49 aos de registro (1950-1998); 36 estaciones al sur del Orinoco, de las cuales 18 tienen 30 aos de registro (1969-1998). El resto posee datos entre 1921 y 2002. En la gura 11 se muestra la distribucin espacial y los nombres del total de estaciones utilizadas en el anlisis. Puede observarse que las estaciones no estn uniformemente distribuidas, siendo las zonas de los Llanos, cordillera de Perij, sur del Lago de Maracaibo y el delta del Orinoco las menos representadas. Segn la Organizacin Meteorolgica Mundial (OMM), para el reporte de datos mensuales
Revista Colombiana de Estadstica 31 (2008) 4165

44

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

de variables meteorolgicas de supercie, cada 250000 kilmetros cuadrados deben estar representados por al menos una estacin meteorolgica. Sin embargo, la densidad idnea de la red de estaciones depender del tipo de terreno y de la cobertura supercial del rea de estudio. Lo ideal es que cada tipo de cobertura (bosques, zonas urbanas, zonas agrcolas, etc.) est representada por un nmero adecuado de estaciones (World Meteorological Organization 2007). En el Apndice A (tabla 2) se presenta la lista de estaciones, se indica su ubicacin geogrca (latitud, longitud y altura) y el serial que las identica.

2.2. Control de calidad y tratamiento de los datos faltantes, datos acumulados y datos dudosos
Para el ajuste de los modelos estadsticos propuestos, se utilizan las series de datos mensuales de precipitacin. Para algunas de las estaciones, se dispone de informacin diaria; para otras localidades, se dispone de informacin a nivel mensual. Los datos analizados presentan muchos problemas de calidad, entre los cuales podemos mencionar: Estaciones con datos registrados utilizando distintas tecnologas de medicin; por ejemplo, estaciones automticas con transmisin satelital (GOES) y sistema digital (SD), y estaciones tradicionales (medicin a travs de pluvimetros). Este es el caso de muchas de las estaciones de CVG-EDELCA, para las cuales hubo un cambio de tecnologa de medicin y transmisin de la informacin debido al proceso de modernizacin de la red de estaciones de la empresa. Estaciones con datos faltantes, para los cuales no se dispone de ningn registro. Estaciones con datos acumulados, en los que existen muchos registros diarios que son la suma de cierto nmero de registros precedentes cuyo valor se desconoce. Estaciones con datos estimados, para las cuales no se conoce el mtodo de estimacin. En el caso de las estaciones de CVG-EDELCA para las cuales se dispone de ms de un tipo de registro en una localidad, se procedi a unicar las series de datos siempre y cuando se dispusiera de al menos un ao de registro comn a ambas tecnologas. Tambin se veric que la diferencia entre las observaciones para el periodo de registro comn fuese de menos de 15 mm en ms del 90 % de los casos. Solo con esta condicin se procedi a unicar las series de datos. Para que una estacin pueda ser incluida en el anlisis, debe tener por lo menos 10 aos de datos con un mximo de 20 % de datos faltantes. Los datos diarios, los datos acumulados y los datos estimados (o dudosos) se trataron como datos faltantes. Algunos de estos datos fueron sustituidos utilizando el siguiente criterio: para los meses que tenan a lo sumo cinco datos diarios
Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

45

Figura 1: Localizacin de la zona de estudio.

faltantes, fueron completados con el promedio diario de por lo menos 10 aos de registro del mismo mes y del mismo da. En el Apndice A (tabla 2) se muestra una lista del nmero de estaciones y el porcentaje de datos utilizados en el anlisis para cada estacin.
Revista Colombiana de Estadstica 31 (2008) 4165

46

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

En el caso de los datos mensuales, los datos faltantes fueron completados utilizando solo el promedio mensual de los aos de registro, calculado a partir de al menos 10 aos de datos histricos. Es de notar que el procedimiento para la estimacin de datos faltantes es heurstico. Existen en la literatura procedimientos ptimos para la estimacin de datos faltantes y programas computacionales como el TSW-TRAMO-SEATS for Windows (Caporello & Maravall 2004), basado en la metodologa de Gmez & Maravall (1994). Dado que este no es el tema central del trabajo, se consider el uso de estrategias ms sencillas para facilitar el anlisis de las pruebas de homogeneidad, de tendencia y de estacionalidad, las cuales se describen en las siguientes secciones.

2.3. Pruebas de homogeneidad

Antes de iniciar un estudio de las tendencias de la precipitacin en una regin dada, es necesario asegurarse de que los cambios observados en la media se deban a la dinmica natural del clima. Una serie climtica puede dejar de ser homognea si la estacin de medicin ha sufrido cambios de instrumentos, cambios de emplazamiento o cambios de observador o de entorno (Saladi et al. 2005). Los registros climticos son especialmente sensibles a estos tipos de cambios; por tanto, es necesario contar con una tcnica que permita comprobar esta hiptesis. Una manera de vericar esta propiedad es conrmando si los cambios observados en una serie candidato tambin son registrados en una estacin de referencia cercana. La prueba ms conocida para este tipo de anlisis es la SNHT (Standard Normal Homogeneity Test ), desarrollada por Alexandersson (1986) y aplicada por primera vez a datos de precipitacin del suroeste de Suecia. Para las series de precipitacin mensual, la prueba se aplica a los registros anuales de un mes particular o a los registros anuales de las series, los cuales se obtienen al sumar los valores mensuales de cada ao. La prueba de Alexandersson ha sido aplicada en Venezuela por Quintana-Gmez (1999) para datos de temperatura mxima y mnima. El primer paso en el anlisis es escoger un conjunto de estaciones de referencia. En este caso se seleccionaron las estaciones de la Fuerza Area Venezolana, consideradas las estaciones de referencia nacional, ya que forman parte de la red de estaciones de reporte diario a la Organizacin Meteorolgica Mundial (OMM). Una lista de estas estaciones se presenta en el Apndice A (tabla 2) de este artculo. Una vez escogidas las series de referencia se aplica la prueba estimando una serie de cocientes {qi }N i=1 entre el valor observado de la serie a la cual se aplica la prueba y el valor obtenido de una o ms estaciones de referencia. El valor observado se compara con las estaciones de referencia disponibles para el estado donde se encuentra ubicada la estacin candidata. En este caso se asume que las estaciones situadas en un mismo estado tienen un rgimen de precipitacin cuyos cambios de media, en caso de estar presentes, tambin estarn presentes en la estacin de referencia considerada. Luego se estima la serie estandarizada de cocientes {zi }N i=1 , para la cual zi = (qi q )/sq donde q y sq son la media y desviacin estndar muestral de la serie qi .
Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

47

Sea 1 < N y 1 = 2 , donde N es el nmero de aos de datos disponibles. Se desea probar la hiptesis nula: H0 : zi N (0, 1) con respecto a la hiptesis alternativa: H1 : zi N (1 , 1) zi N (2 , 1) i i> i

La hiptesis nula implica que la media de la serie estandarizada zi no cambia con el tiempo, mientras que la hiptesis alternativa indica que para algn tiempo existe un cambio en la media de la serie. El estadstico de prueba para determinar si existe un cambio en la media de la serie zi es T0 = m ax {T }
1<N

donde T = z 1 2 + (N )z 2 2 z 1 y z 2 son las medias muestrales de los primeros y ltimos (N ) valores de la serie zi . Si T0 es mayor que cierto nivel crtico para determinado nivel de signicancia de la prueba, por ejemplo, del 95 %, se rechaza la hiptesis nula de homogeneidad de la serie. En la tabla 1 se muestran los valores crticos para la prueba con = 0.05 y = 0.10, segn Alexandersson (1986), para distintos valores de N , que es la longitud de la serie.
Tabla 1: Valores crticos de la prueba de Alexandersson para = 0.10, = 0.05 y distintos valores de N .
N 25 50 75 100 150 200 250 300 350 T90 % 6.55 7.25 7.65 7.80 8.05 8.20 8.35 8.50 8.60 T95 % 7.75 8.55 8.95 9.15 9.35 9.55 9.70 9.80 9.90 N 400 450 500 550 600 650 700 750 800 T90 % 8.70 8.75 8.85 8.90 8.95 8.95 9.00 9.05 9.05 T95 % 10.00 10.10 10.20 10.25 10.30 10.40 10.45 10.50 10.50

Una manera ms general de construir la serie de cocientes {qi }N i=1 es deniendo qi como Si0 qi = f (Sij ) donde Si0 es el valor de la serie a la cual se aplicar la prueba, y esta se indica con el valor 0; f (Sij ) es una funcin del valor de la serie de la estacin de referencia j . Tambin se pueden denir los cocientes qi para el ao i normalizando previamente por la media muestral: Si0 /S 0 qi = f (Sij )/S j
Revista Colombiana de Estadstica 31 (2008) 4165

48

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

La funcin f puede denirse como la media muestral de las k estaciones de referencia: k 1 Sij f (Sij ) = k j =1 Otra forma de denir esta funcin es utilizando el coeciente de correlacin entre la estacin 0 y la estacin j para j = 1, . . . , k . En este caso, f (Sij ) =
k 2 j =1 Sij j k 2 j =1 j

donde j es el coeciente de correlacin entre Si0 y Sij . Se asume que este valor decrece con la distancia lj que separa a ambas estaciones de modo que j = exp(lj ) donde se estima a partir de los datos. Para la aplicacin de este ltimo criterio, se necesitan al menos dos estaciones de referencia. En resumen, se utilizan tres estrategias para aplicar la prueba de Alexandersson, dependiendo del mtodo seleccionado para calcular los cocientes qi : una en la que los cocientes se calculan sin normalizar por la media muestral (T 1 ); otra en la que los cocientes se normalizan por la media muestral (T 2 ) y una tercera en la que los cocientes utilizan la correlacin entre la estacin de referencia y la estacin de prueba (T 3 ). La prueba de homogeneidad de Alexandersson fue aplicada a 60 de las 113 estaciones debido a que no para todas las estaciones existe una estacin de referencia de la FAV, localizada en el estado donde se ubica cada estacin. De estas 60 estaciones, 44 se compararon con solo una estacin de referencia, mientras que las 16 estaciones restantes, todas ubicadas en el estado Bolvar, se compararon con dos estaciones de referencia: la estacin Ciudad Bolvar y la Santa Elena. Los resultados de esta prueba indican que 8 de las 60 estaciones fueron no homogneas en un nivel de signicancia del 5 %; en consecuencia, se eliminaron del resto del anlisis (tabla 2). Antes de la aplicacin de la prueba se comprob la hiptesis de normalidad de los cocientes qi mediante un grco cuantil-cuantil que compara los cuantiles de cada una de las series de cocientes con los cuantiles tericos de una distribucin normal. Para dos de las 60 localidades (estaciones 1516 y 5924), no se pudo asumir la normalidad de los cocientes resultantes; por tanto no se aplic la prueba en esos casos. Ejemplos de la aplicacin de la prueba de Alexandersson para tres localidades utilizando los tres criterios mencionados anteriormente para calcular los cocientes qi se presentan en las guras 2, 3 y 4 para las estaciones Arekuna (estado Bolvar), Uriman (estado Bolvar) y Sitio Oropeza (estado Miranda), respectivamente. Puede observarse que mientras las estaciones Arekuna y Uriman (estado Bolvar) resultan homogneas por cualquiera de los tres criterios descritos, la estacin Sitio Oropeza (estado Miranda) resulta no homognea con un cambio importante en la media en 1983. En este caso solo pueden aplicarse los criterios 1 y 2, ya que
Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

Grfico CuantilCuantil q1 Grfico Sucesin Tv1

49

Cuantiles muestrales

2.0 2.5 1.5 Tv1 2 1 0 Cuantiles tericos 1 2 2.0 1.0 0.5 1.5 0.0 1965 1970 1975 1980 Aos 1985 1990 1995

Grfico CuantilCuantil q2
2.5 Cuantiles muestrales 1.4 1.2 Tv2 1.0 0.8 0.0 2 1 0 Cuantiles tericos 1 2 1965 1970 2.0 1.5 1.0 0.5

Grfico Sucesin Tv2

1975

1980 Aos

1985

1990

1995

Grfico CuantilCuantil q3
1.3 Cuantiles muestrales

Grfico Sucesin Tv3

1.5

1.1 Tv3 0.9 0.7 2 1 0 Cuantiles tericos 1 2

1.0

0.5

0.0 1965 1970 1975 1980 Aos 1985 1990 1995

Figura 2: Grcos cuantil-cuantil de comparacin de los cocientes de la prueba de Alexandersson con los cuantiles de una distribucin normal y valores de los cocientes vs. ao para la estacin Arekuna.

nicamente se cuenta con una estacin de referencia en el estado Miranda, la de Cajigal, y se necesitan al menos dos estaciones de referencia para la aplicacin del criterio 3.

3. Descripcin de los modelos ajustados

La grca de una serie de tiempo permite observar el comportamiento de la misma en un periodo determinado; de esta manera se establecen visualmente ciertas caractersticas como la presencia o no de periodos cclicos (ciclos estacionales) o de posibles cambios en la tendencia de la serie. En la gura 5 se presentan las series de precipitacin mensual para algunas estaciones seleccionadas. Se observa un patrn cclico en toda su extensin, algunos valores extremos que indican niveles de precipitacin elevados no muy frecuentes en la estacin. Adems, en algunas grcas, los valores promedios parecen aumentar con el tiempo, como en la estacin Cajigal, o disminuir con el tiempo, como en la estacin Santa Ins. Otra manera ecaz de observar los ciclos estacionales predominantes en una serie de precipitacin es usando los diagramas de caja, los cuales proveen tambin valiosa informacin acerca del mes o los meses en que ocurren las observaciones extremas.
Revista Colombiana de Estadstica 31 (2008) 4165

50
Grfico CuantilCuantil q1
5.0 Cuantiles muestrales

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

Grfico Sucesin Tv1
4.0 3.0 Tv1 3.0 2.0 2 1 0 Cuantiles tericos 1 2 2.0 1.0 0.o 1960 1970 1980 Aos 1990

4.0

Grfico CuantilCuantil q2
1.6 Cuantiles muestrales 1.4 Tv2 1.2 1.0 0.8 0.0 2 1 0 Cuantiles tericos 1 2 1960 3.0 2.0 1.0

Grfico Sucesin Tv2

1970

1980 Aos

1990

Grfico CuantilCuantil q3
3.0 Cuantiles muestrales 1.3 2.0 Tv3 1.1

Grfico Sucesin Tv3

0.9

1.0

0.7 2 1 0 Cuantiles tericos 1 2

0.0 1960 1970 1980 Aos 1990

Figura 3: Grcos cuantil-cuantil de comparacin de los cocientes de la prueba de Alexandersson con los cuantiles de una distribucin normal y valores de los cocientes vs. ao para la estacin Uriman.

En la gura 6 se muestran seis estaciones con sus respectivos diagramas de caja mensuales. En estos se puede observar claramente la presencia de un ciclo anual con un mximo bien denido en las estaciones Rancho Grande, Santa Ins y Kavanayn, y dos mximos anuales en las estaciones Cajigal, Villa del Rosario y Santa Elena. En trminos generales se puede observar que en Venezuela existen dos tipos de ciclos: uno unimodal y otro bimodal. Para las estaciones con ciclo unimodal, los niveles pluviomtricos ms altos ocurren en junio, julio y agosto, excepto en la estacin Coro-Aeropuerto, donde el mximo ocurre en noviembre. Para las estaciones con ciclo bimodal, los valores mximos ocurren de abril a mayo o de septiembre a octubre. A partir de los anlisis grcos obtenidos, las series de precipitacin mensual de Venezuela pueden ser representadas matemticamente por un modelo de la forma Yt = Tt + St + t (1)

donde Yt representa la precipitacin mensual en el mes t; Tt representa el componente de tendencia y St representa el componente estacional y t representa el componente de error en el tiempo t.
Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

51

Grfico CuantilCuantil q1
15 1.6 Cuantiles muestrales 1.4 Tv1 1.2 1.0 0.8 0.6 2 1 0 Cuantiles tericos 1 2 0 1950 1960

Grfico Sucesin Tv1

10

1970 Aos

1980

1990

CuantilCuantil q2
15 1.4 Cuantiles muestrales 1.2 1.0 0.8 0.6 0 2 1 0 Cuantiles tericos 1 2 1950 1960 Tv2 10

Grfico Sucesin Tv2

1970 Aos

1980

1990

Figura 4: Grcos cuantil-cuantil de comparacin de los cocientes de la prueba de Alexandersson con los cuantiles de una distribucin normal y valores de los cocientes vs. ao para la estacin Sitio Oropeza.

Usualmente se asume que t es una secuencia independiente y tiene una distribucin normal con media cero y varianza constante 2 . En el modelo (1) se asume que el componente Tt tiene la forma Tt = + t donde es el intercepto de la serie, y el parmetro representa la pendiente o tendencia del proceso. El componente S (t) se asume de la forma
2

St =
k=1

Ak cos(2kt/12 + k )

que representa un polinomio de Fourier con dos armnicos con periodos 12 y 6, respectivamente, donde Ak es la amplitud y k es la fase del k -simo armnico. St tambin puede escribirse como un modelo de la forma St = 1 cos(2t/12) + 1 sen(2t/12) + 2 cos(4t/12) + 2 sen(4t/12) donde i y i son los coecientes que deben estimarse. En el proceso de estimacin del modelo propuesto, es de suma importancia determinar la signicancia estadstica de los parmetros que denen Tt y St . Si
Revista Colombiana de Estadstica 31 (2008) 4165

52
Estacin 9420 (Cajigal)
350

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

Estacin 2717 (Santa Ins)

400 Milmetros por mes 250 Milmetros por mes 1950 1960 1970 Aos 1980 1990

300

150

200

100

50 0 0 1950 1960 1970 Aos 1980 1990

Estacin 26 (San Pedro de las Bocas)

700 500

Estacin 5887 (La Paragua)

Milmetros por mes

500

Milmetros por mes 1965 1970 1975 Aos 1980 1985

300

300

100 0

100 0 1970 1975 1980 1985 Aos 1990 1995

Figura 5: Series de tiempo de precipitacin mensual para cuatro estaciones seleccionadas.

los errores t no son independientes y estn autocorrelacionados, los estimadores de mnimos cuadrados de los parmetros que denen Tt y St tendrn una menor varianza, lo cual implica que aumenta la probabilidad de cometer un error tipo I en la prueba de signicancia t-Student. Este problema es muy comn cuando se intenta aplicar mtodos de pruebas de hiptesis estndar a series climticas u otras series de datos geofsicos (Wilks 1997). Al ajustar el modelo lineal (1) se veric la presencia o no de correlacin serial de los residuales, utilizando el correlograma de los residuos del modelo ajustado por mnimos cuadrados ordinarios a cada una de las series de precipitacin. En la gura 7 se presentan los correlogramas para algunas de las series analizadas. Estos correlogramas muestran que, por ejemplo, los residuales del modelo (1) de la serie de precipitacin correspondientes a la estacin Villa del Rosario no parecen estar autocorrelacionados, ya que los coecientes de autocorrelacin para todos los retardos se encuentran por debajo de los lmites de signicancia. En cambio, para las estaciones 60, 2172 y 2911, la autocorrelacin serial es signicativa, ya que al menos el coeciente de autocorrelacin para el primer retardo sobrepasa los lmites de signicancia. Con base en estos resultados se modica el modelo (1), considerando uno autorregresivo de orden p (AR(p)) para los residuales de la forma
p

t =
i=1

i t1 + t

Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

Estacin 9420 (Cajigal)
350 500 300 250 Milmetros por mes Milmetros por mes 200 150 100 50 0 Ene Mar May Jul Sept Nov 400 Milmetros por mes 300 250 200 150 100 50 0 Ene Mar May Jul Sept Nov Ene Mar May Jul Sept Nov

53

Estacin 426 (Rancho Grande)

350

Estacin 1071 (Villa del Rosario)

300

200

100

Estacin 2717 (Santa Ins)

700 400 600 500 Milmetros por mes Milmetros por mes 400 300 200 100 0 Ene Mar May Jul Sept Nov 0 Ene

Estacin 6933 (Kavanayen)

Estacin 60 (Santa Elena)

500

400 Milmetros por mes Mar May Jul Sept Nov

300

300

200

200

100

100

0 Ene Mar May Jul Sept Nov

Figura 6: Boxplots mensuales para seis estaciones seleccionadas.

donde p es el orden del modelo autorregresivo y t es un componente de ruido blanco. La presencia de un componente autorregresivo es una caracterstica muy comn del comportamiento de muchas variables meteorolgicas. Por ejemplo, el modelo AR(1) explica adecuadamente las variaciones de baja frecuencia que exhibe el sistema climtico (Zwiers & Von Storch 1995) y puede ser necesario utilizar modelos de mayor orden (p > 1) cuando se requiere una modelacin ms precisa de las variables meteorolgicas. Utilizando un proceso de seleccin de modelos es posible considerar distintas formas de representar el comportamiento de la precipitacin mensual de Venezuela a travs de los siguientes modelos: Modelo 1: Modelo con tendencia y un armnico Yt = + t + 1 cos(2t/12) + 1 sen(2t/12) + t Modelo 2: Modelo con tendencia y dos armnicos Yt = + t + 1 cos(2t/12) + 1 sen(2t/12)+ 2 cos(4t/12) + 2 sen(4t/12) + t Modelo 3: Modelo sin tendencia y un armnico Yt = + 1 cos(2t/12) + 1 sen(2t/12) + t
Revista Colombiana de Estadstica 31 (2008) 4165

54
Estacin 2172 (Las Cruces)
1.0 0.8 Correlacin

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

Estacin 2911 (San Jos de Yaruara)
1.0 0.8 0.6 0.4 0.2 0.0

0.4 0.2 0.0

10

20 Retardo

30

40

Correlacin

0.6

10

20 Retardo

30

40

Estacin 60 (Santa Elena)

1.0 0.8 Correlacin Correlacin 0.6 0.4 0.2 0.0 1.0 0.8 0.6 0.4 0.2 0.0

Estacin 1071 (Villa del Rosario)

10

20 Retardo

30

40

10

20 Retardo

30

40

Figura 7: Correlogramas de los residuales del modelo 1 para cuatro estaciones seleccionadas.

Modelo 4: Modelo sin tendencia y dos armnicos Yt = + 1 cos(2t/12) + 1 sen(2t/12)+ 2 cos(4t/12) + 2 sen(4t/12) + t donde t es un proceso autorregresivo de orden p. En la primera etapa, el modelo (1) con componente de tendencia y estacionalidad se ajusta por mnimos cuadrados ordinarios para cada localidad. Luego se estiman los residuales del modelo ajustado; el orden p del componente autorregresivo para los residuales del modelo se estima utilizando el criterio CIB de comparacin de modelos. Una vez determinado el orden p, se reajustan los modelos 1 a 4 con residuales AR(p) utilizando Mnimos Cuadrados Generalizados mediante la funcin gls de la librera nmle de R (R Development Core Team 2007). Se utiliza de nuevo el criterio CIB para seleccionar el mejor modelo en cada caso. Los resultados son presentados en la siguiente seccin.

4. Resultados
Los modelos 1 a 4 fueron ajustados a las estaciones de estudio, descartando las estaciones no homogneas segn el criterio de Alexandersson. Los resultados ms
Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

55

importantes tienen que ver con la determinacin de la tendencia de la serie y su signicancia. En la mayora de los casos, el mejor modelo seleccionado segn el criterio del CIB fue el modelo 4, lo cual implica que la mayora de las estaciones no present un componente de tendencia signicativo y el comportamiento estacional puede ser representado con dos armnicos. En la tabla 3 del Apndice A se muestran, para cada estacin, los coecientes del modelo ajustado, incluidos el coeciente de media , el coeciente del componente de tendencia , los coecientes del componente estacional 1 y 1 para el primer armnico, y 2 y 2 para el segundo armnico. Tambin se reportan los valores del criterio CIB para los modelos 1 a 4 y el modelo seleccionado segn este criterio. En cada caso se indica la signicancia o no del componente de tendencia y del segundo armnico. Dado que hay un nmero importante de estaciones analizadas y es de sumo inters determinar la variacin del comportamiento espacial de la tendencia nacional, se elabor un mapa con los valores de tendencia estimados al incluir el componente de tendencia en el modelo. Luego se hizo una interpolacin por Kriging utilizando la librera spatial de R; posteriormente se emple el software ArcGIS (ESRI 2006) para la produccin del mapa resultante (gura 8). All tambin se indica para cules estaciones result ser signicativo o no el componente de tendencia.

Figura 8: Mapa de tendencias de la precipitacin en mm por ao y signicancia del componente de tendencia en el modelo.

Revista Colombiana de Estadstica 31 (2008) 4165

56

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

De esta grca se desprende que la parte norte costera del pas presenta una tendencia negativa en la precipitacin, al igual que la mayor parte de la zona andina y la parte norte del estado Bolvar y gran parte de los estados Anzotegui y Monagas. El componente de tendencia fue incluido en el modelo (1) para tres localidades solamente, las cuales se indican en la gura 8. Para la mayora de las localidades analizadas, el componente de tendencia no resulta estadsticamente signicativo, como se seala en la misma gura. En la gura 9 se muestra el mapa de los errores estndar resultantes de la interpolacin por Kriging en mm/ao. Efectivamente se observa que los errores de interpolacin son ms altos en las regiones con poca cobertura de estaciones y en las zonas alejadas de los puntos de medicin.

Figura 9: Mapa del Error Estndar de las tendencias de la precipitacin en mm por ao.

El comportamiento unimodal o bimodal y el orden p del componente autorregresivo de las estaciones analizadas tambin fue representado espacialmente en las guras 10 y 11. De los resultados obtenidos se concluye que mensualmente se detecta un rgimen bimodal en 39 de las 113 estaciones analizadas, ubicadas mayormente en la regin de la cordillera de Los Andes y en el estado Zulia. En el resto de las estaciones (74), el rgimen estacional es unimodal, aunque para representarlo sea necesario un componente con dos armnicos, segn el criterio CIB de seleccin de
Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

57

Figura 10: Rgimen estacional de la precipitacin mensual en Venezuela.

modelos. En 85 de las 113 estaciones la amplitud del primer armnico es mayor que la amplitud del segundo; de estas 85, solo 11 presentan un rgimen bimodal. Slo para las estaciones de Cocollar en el estado Sucre, Rancho Grande en el estado Aragua y Puerto Ayacucho en el estado Amazonas, el mejor modelo ajustado result el modelo 3 (sin tendencia y con un armnico). El componente autorregresivo de los residuales es de orden 1 para la mayora de la estaciones a esa escala temporal (nivel mensual). Los resultados estadsticos que describen la estacionalidad de la precipitacin en Venezuela coinciden con las caractersticas climticas de la regin. La variabilidad anual de la precipitacin en Venezuela est altamente inuenciada por las condiciones geogrcas dominantes: la presencia de la cordillera de La Costa y su interaccin con el mar Caribe; la migracin de la Zona de Convergencia InterTropical y los impactos de los frentes fros de Norteamrica y del Sur (Brasil y Argentina). Al oeste de los 70 W (regin Andina y estado Zulia), la mayora de las estaciones presentan un rgimen bimodal que contrasta con el marcado mximo que se observa en julio-agosto en la zona de los Llanos (Poveda et al. 2006). Los mximos bimodales que ocurren en los periodos abril-mayo y septiembre-octubre son altamente afectados por las condiciones orogrcas de la regin.
Revista Colombiana de Estadstica 31 (2008) 4165

58

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

Figura 11: Orden del Componente Autorregresivo para el modelo de precipitacin mensual en Venezuela.

5. Conclusiones
Los resultados obtenidos representan un primer avance en analizar la situacin de la precipitacin nacional en aos recientes. A pesar de que no se disponen de datos actualizados para todas las estaciones, este artculo pretende consolidar un esfuerzo interdisciplinario sobre la recuperacin de los datos histricos del clima nacional, enfocndose en el anlisis de la calidad de la informacin y el resumen de la variabilidad observada. Aunque el componente de tendencia no sea signicativo, los valores obtenidos de pendientes negativas para la zona norte costera estn de acuerdo, al menos en signo, con las proyecciones presentadas en la Primera Comunicacin Nacional sobre el Cambio Climtico (MARN 2005). Los resultados reportados en dicha comunicacin son parte de un esfuerzo por entender cmo las condiciones de incremento de gases de invernadero pueden afectar el clima nacional a partir de las proyecciones de los modelos de Circulacin General de la Atmsfera. Las proyecciones de algunos modelos sugieren una reduccin de hasta el 25 % de la precipitacin promedio anual en la zona norte-costera del pas para 2060. Los anlisis aqu presentados sugieren que si las tasas de disminucin de la precipitacin (pendientes negativas) observadas en aos recientes se mantienen en el futuro, en unos 50 aos se proyecta
Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

59

una reduccin de 50 a 100 mm de precipitacin anual promedio en la zona norte costera y en gran parte de la regin Andina. Sin embargo, en una situacin de cambio climtico, es posible que estas tasas de cambio disminuyan an ms. Esta situacin es preocupante dado que en esta regin se ubica el 80 % de la poblacin nacional (Fuente: Instituto Nacional de Estadstica, INE, Censo 2001). Las pendientes negativas tambin pueden ser una evidencia de una mayor actividad del fenmeno ENSO (El Nio-Southern Oscilation) en aos recientes, dado el impacto negativo de la fase caliente de ENSO (El Nio) sobre la precipitacin de la regin norte de Suramrica (Poveda et al. 2006). En el anlisis presentado se ha asumido una modelacin estadstica sencilla de las series de tiempo observadas, en la que se consideran cambios estticos en la tendencia y en los patrones estacionales de la precipitacin. Un anlisis ms completo considerara modelos dinmicos en los cuales los coecientes de tendencia y estacionalidad pueden variar con el tiempo. Este anlisis estara enmarcado en la teora de los modelos lineales dinmicos descrita por West & Harrison (1977). La fortaleza de este nuevo anlisis sera describir la variabilidad interanual de los posibles cambios de tendencia, causados por ejemplo por el impacto del evento El Nio-Oscilacin Sur (ENOS) en el pas. Estos resultados sern reportados en futuras investigaciones.

Agradecimientos
Adradecemos a Jhan Rodrguez y a Ral Ramrez por su paciente preparacin de muchas de las ilustraciones de este trabajo. Tambin agradecemos a la Fuerza Area Venezolana, Corporacin Venezolana de Guayana-Electricacin del Caron y el Ministerio del Ambiente y de los Recursos Naturales por proveer los datos que sirvieron de insumo para este trabajo. Esta investigacin fue parcialmente nanciada por FONACIT, proyecto 2005-000184, Programa de Apoyo a Grupos. Recibido: agosto de 2007 Aceptado: marzo de 2008

Referencias
Alexandersson, H. (1986), A Homogeneity Test to Precipitation Data, Journal of Climatology 6, 661675. Caporello, G. & Maravall, A. (2004), TSW, Banco de Espaa, Research Department. *http://www.bde.es/servicio/software/tramo/tswrm.pdf De Luis, M., Ravents, J., Gonzlez-Hidalgo, J. C., Snchez, J. R. & Cortina, J. (2000), Spatial Analysis of Rainfall Trends in the Region of Valencia (East Spain), International Journal of Climatology 20, 14521469. ESRI (2006), ArcGIS, 9.2 edn, Environmental Scientic Research Institute, Redlands, United States.
Revista Colombiana de Estadstica 31 (2008) 4165

60

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

Gmez, V. & Maravall, A. (1994), Estimation, Prediction and Interpolation for Nonstationary Series with the Kalman Filter, Journal of the American Statistical Association 89, 611624. Gonzlez-Hidalgo, J. C., De Luis, M., Ravents, J. & Snchez, J. R. (2001), Spatial Distribution of Seasonal Rainfall Trends in a Western Mediterranean Area, International Journal of Climatology 21, 843860. MARN (2005), Primera comunicacin nacional sobre cambio climtico en Venezuela. Ministerio del ambiente y los recursos naturales, Programa de las Naciones Unidas para el Desarrollo (PNUD). Fondo Mundial para el Medio Ambiente, Caracas, Venezuela. *http://www.minamb.gob.ve/les/Cambio_Climatico/Primeracomunnacional.pdf Martelo, M. T. (2004), Consecuencias ambientales generales del cambio climtico en Venezuela, Trabajo de ascenso, Universidad Central de Venezuela, Facultad de Agronoma, Maracay, Venezuela. Poveda, G., Waylen, P. & Pulwarty, R. (2006), Annual and Inter-annual Variability of Present Climate in Northern South America and Southern Mesoamerica, Palaeogeography, Palaeoclimatolgy, Palaeoecology 234(1), 327. Quintana-Gmez, R. A. (1999), Trends of Maximum and Minimum Temperature in Northern South America, Journal of Climate 12(7), 21042112. R Development Core Team (2007), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0. *http://www.R-project.org Saladi, O., Brunet, M., Aguilar, E., Sigr, J. & Lpez, D. (2005), Datos de precipitacin mensual ajustada del sector nororiental de la pennsula ibrica (18502000), Technical report, Universitat Rovira i Virgili, Tarragona, Espaa. Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K. B., Tignor, M. & Miller, H. L. (2007), Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, New York, USA. West, M. & Harrison, J. (1977), Bayesian Forecasting and Dynamic Models, second edn, Springer-Verlag. Wilks, D. (1997), Resampling Hypothesis Tests for Autocorrelated Fields, Journal of Climate 10, 6582. World Meteorological Organization (2007), Guide to Climatological Practices, Third Edition. Taken in May of 2007 of the web page. *http://www.wmo.int/pages/prog/wcp/ccl/guide/documents/ guide_third_edition_draft_may2007.pdf
Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

61

Zwiers, F. & Von Storch, H. (1995), Taking Serial Correlation into Account in Tests of the Mean, Journal of Climate 8(2), 336351.

Apndice A.
Tabla 2: Lista de estaciones utilizadas.
Porcentaje de existentes 88 86 82 81 81 87 91 98 94 92 100 91 71 83 81 83 85 99 97 96 97 95 99 96 96 99 97 99 99 99 96 99 92 97 95 94 98 95 94 95 94 97 97 99 92 97 98 Longitud () Latitud () Organismo Periodo de registro 1977-00 1976-00 1974-02 1974-94 1976-00 1974-99 1974-02 1964-85 1992-02 1980-02 1954-00 1984-02 1971-92 1984-01 1984-00 1992-02 1990-02 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 Nombre

3 5 15 17 20 23 25 26 36 59 60 62 78 84 92 102 107 232 426 461 491 563 795 1009 1059 1071 1092 1174 1187 1231 1238 1265 1343 1381 1425 1446 1455 1508 1516 1534 1542 1751 1796 1806 1828 1869 1873

62.33 63.53 61.67 61.17 63.01 61.54 61.14 62.87 61.78 62.30 61.80 62.43 61.40 62.68 61.97 61.54 60.87 69.68 67.68 68.00 68.00 66.93 64.29 71.29 71.02 72.30 72.56 70.53 70.08 69.94 69.24 69.46 68.74 68.87 67.16 67.08 67.26 66.13 66.17 66.28 66.52 64.63 64.39 63.84 63.11 63.93 63.82

4.75 5.72 4.33 5.33 4.45 5.67 5.01 6.93 4.90 5.94 4.60 5.67 6.04 6.12 6.05 4.90 4.84 11.42 10.35 10.19 9.96 10.41 11.03 10.89 10.47 10.33 10.06 10.24 10.16 10.59 10.55 10.29 10.36 10.14 10.44 10.39 10.28 10.54 10.48 10.42 10.38 10.22 10.02 10.97 10.58 10.25 10.18

395 320 503 1130 360 1226 878 249 800 466 460 155 363 421 820 879 21 1160 460 550 980 88 20 115 86 99 615 413 383 190 660 320 235 2101 1628 650 10 30 65 500 15 310 17 53 234 834

Aripichi Carapo Icabaru Kama Mahigia Parupa San Ignacio de Yuruani San Pedro de Las Bocas Karuaiken Guarimba Santa Elena Kamarata Kilmetro 88 Mayupa Tuna Lorikeima Morocmeru Coro-Aeropuerto Rancho Grande Valencia-Gfv Las Dos Bocas Caracas-La Mariposa San Francisco Macan. Quisiro Quiroz-El Tablazo Villa del Rosario Machiques-Granja M.A.C. Quebrada Arriba Carora-Granja Baragua Moroturo Bobare San Felipe Central Matilde Alto de o Len Sitio Oropeza La Urbina-Quebrada Seca Carenero Curiepe El Caf Palo Gacho Puerto La Cruz Bergantn Porlamar Tunapuy Cumanacoa-La Granja Cocollar

Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Falcn Aragua Carabobo Carabobo Miranda Nueva Esparta Zulia Zulia Zulia Zulia Lara Lara Lara Lara Lara Yaracuy Yaracuy Distrito Capital Miranda Aragua Miranda Miranda Miranda Miranda Anzotegui Anzotegui Nueva Esparta Sucre Sucre Sucre

Estado

Altura

Serial

CVG CVG CVG CVG CVG CVG CVG CVG CVG CVG FAV CVG CVG CVG CVG CVG CVG FAV MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN

Revista Colombiana de Estadstica 31 (2008) 4165

62

Lelys Guenni, Edgard Degryze & Katiuska Alvarado Tabla 2: Lista de estaciones utilizadas. (continuacin)
Porcentaje de existentes 99 99 98 99 95 97 99 98 98 97 98 95 97 96 92 96 95 100 95 98 94 96 98 98 98 99 98 98 98 98 97 94 92 94 97 99 94 89 99 99 98 99 88 89 98 97 100 98 97 95 96 99 98 98 93 100 Longitud () Latitud () Organismo Perodo de registro 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1969-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1969-98 1969-98 1969-98 1969-98 1969-98 1950-98 1969-98 1969-98 1969-98 1969-98 1969-98 1969-98 1969-98 1969-98 1969-98 1969-98 1969-98 1969-98 1950-98 Nombre

2106 2108 2110 2118 2126 2136 2139 2141 2146 2147 2151 2156 2162 2172 2185 2193 2195 2234 2239 2241 2316 2349 2608 2648 2703 2713 2717 2722 2755 2911 3042 3074 3082 3126 3712 3933 4012 4291 4660 4663 4907 4970 5027 5408 5887 5924 6928 6931 6933 7906 9401 9402 9404 9408 9415 9420

70.12 9.81 1499 El Jabn 70.11 9.95 475 Sicarigua 70.41 10.02 539 Prieto-Los Lpez 70.27 9.87 844 El Empedrado 70.28 9.67 800 Valle Hondo 70.22 9.64 1157 Carache 69.86 9.59 1388 Sabana Grande-Guago 70.67 9.54 124 Cenizo-Campamento Vivian 70.42 9.64 272 Guamas de Monay 70.33 9.47 1601 Santa Ana 70.53 9.71 200 Sabana Grande 70.43 9.37 790 Trujillo-Liceo 70.66 9.31 1001 Escuque 70.66 9.37 756 Las Cruces 70.53 9.25 1180 Santiago de Trujillo 70.71 9.05 1747 La Mesa de Esnujaque 70.66 9.08 1693 Jajo 69.66 9.74 1330 Sanare 69.10 9.67 175 Agua Blanca 69.96 9.69 941 Humocaro Bajo 68.29 9.92 385 Tinaquillo 68.05 9.65 128 El Pao-Ocina 65.16 9.96 12 Clarines 65.20 9.60 35 Onoto 64.74 9.97 160 San Bernardino 64.58 9.96 69 Curataquiche 64.35 9.91 160 Santa Ins 64.74 9.79 100 El Carito 64.29 9.58 280 Santa Rosa 61.09 9.19 2 San Jos de Yaruara 71.29 8.55 1520 Mesa de Ejido 71.92 8.27 2100 Pueblo Hondo 72.16 8.17 485 Mesa de Seboruco 70.41 8.77 550 Barinitas 64.72 8.85 240 Pariagun 62.66 8.29 57 Caroni Macagua 72.45 7.92 350 Urea 69.48 7.05 90 Elorza 65.64 7.48 72 Santa Rosala 64.85 6.98 230 Las Trincheras 61.49 7.43 171 Hato Buena Vista 63.05 7.78 293 Guri-Campamento Las Babas 66.79 10.50 965 Caracas-Caurimare 67.27 6.93 78 Hato Uranon 63.33 6.83 290 La Paragua 61.63 6.75 120 El Dorado 62.89 6.51 345 Arekuna 62.67 5.36 395 Uriman 61.72 5.58 1200 Kavanayen 61.73 4.98 950 Wonken 67.05 1.93 119 San Carlos Ro Negro 65.80 3.14 112 Tama-Tama 67.14 3.94 120 Santa Brbara-Orinoco 65.22 5.07 138 Yekuana 65.25 2.80 116 Santa Mara Guaicas 66.27 10.51 Cajigal

Lara Lara Lara Lara Trujillo Trujillo Lara Trujillo Trujillo Trujillo Trujillo Trujillo Trujillo Trujillo Trujillo Trujillo Trujillo Lara Portuguesa Lara Carabobo Carabobo Anzategui Anzategui Anzategui Anzategui Anzategui Anzategui Anzategui Delta Amacuro Mrida Tchira Tchira Barinas Anzategui Bolvar Tchira Apure Bolvar Bolvar Bolvar Bolvar Miranda Apure Bolvar Bolvar Bolvar Bolvar Bolvar Bolvar Amazonas Amazonas Amazonas Amazonas Amazonas Distrito Capital

Estado

Altura

Serial

MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN MARN CVG MARN MARN MARN MARN MARN CVG MARN MARN CVG MARN CVG CVG CVG CVG MARN MARN MARN MARN MARN FAV

Revista Colombiana de Estadstica 31 (2008) 4165

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela Tabla 2: Lista de estaciones utilizadas. (continuacin)

63

9421 71.73 10.57 Maracaibo Zulia FAV 9422 64.68 10.45 Barcelona Anzategui FAV 9423 63.18 9.75 Maturn Sucre FAV 9424 63.55 8.15 Bolvar Bolvar FAV 9425 71.18 8.60 Mrida Mrida FAV 9426 69.32 10.23 Barquisimeto Lara FAV 9427 67.65 10.25 Maracay Aragua FAV 9428 67.50 5.60 Puerto Ayacucho Amazonas FAV 9429 61.45 7.30 Tumeremo Bolvar FAV 9432 67.42 7.68 San Fernando Apure FAV Estaciones utilizadas como estaciones de referencia en la prueba de Alexandersson. Estaciones no homogneas segn la prueba de Alexandersson.

1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1950-98 1961-00 1959-00 1921-00

Tabla 3: Coecientes de los modelos ajustados y comparacin de modelos.

Mejor modelo 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 2 4 4 4 (mm/mes) Signicativo

(mm)

Serial

CIB1

CIB2

CIB3

3 5 15 17 20 23 25 26 36 59 60 62 84 102 107 232 426 461 491 563 795 1009 1059 1071 1092 1231 1238 1265 1343 1381 1425 1455 1508 1516

253.37 309.18 192.16 174.69 272.83 129.94 158.73 113.94 271.32 300.07 145.78 174.18 284.37 224.13 156.33 31.86 147.14 85.68 130.58 75.24 42.64 40.08 116.97 88.59 125.27 40.59 91.35 30.88 130.13 92.61 92.87 67.09 95.07 129.01

0.11 0.06 0.22 0.04 0.20 0.01 0.03 0.01 0.13 0.12 0.08 0.04 0.04 0.02 0.27 0.02 0.03 0.01 0.03 0.00 0.03 0.02 0.01 0.01 0.00 0.00 0.02 0.00 0.01 0.01 0.05 0.00 0.01 0.04

NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS S NS NS NS

87.05 199.74 85.44 129.41 79.51 54.40 89.27 84.25 125.21 152.60 80.40 84.75 170.22 124.35 80.88 7.79 68.62 64.16 71.95 35.95 6.64 8.98 45.37 34.71 51.13 1.45 49.39 6.86 52.16 66.35 26.31 48.99 21.13 25.68

37.16 57.51 17.77 149.53 61.60 8.42 4.83 48.03 6.79 107.18 31.20 14.84 6.43 49.18 32.16 62.29 4.20 7.60 49.21 34.53 17.61 61.58 20.10 23.17 81.29 60.43 0.58 149.09 61.59 2.36 24.87 33.24 11.52 116.49 9.29 9.66 184.38 30.60 29.92 61.07 37.21 18.56 65.05 33.92 16.44 14.97 7.87 6.95 102.57 NS NS 59.28 2.75 7.20 89.38 11.36 18.43 46.83 12.99 7.94 31.16 1.03 9.10 33.89 4.05 22.18 56.81 8.06 39.14 47.99 12.32 37.75 53.52 7.87 49.43 26.00 14.09 27.04 50.11 23.56 3.71 10.74 6.24 13.62 66.51 24.04 5.18 50.93 21.61 8.45 31.46 11.59 12.23 43.98 7.75 4.64 59.08 26.55 22.40 70.46 43.73 22.30

3493.68 3690.80 4129.60 2900.39 3655.29 3580.91 4039.57 3060.63 1493.65 1668.03 6495.71 2627.30 2722.08 1611.41 1960.36 6040.08 6743.47 6204.15 6539.55 6141.57 6234.55 6005.13 6501.11 6555.96 6810.67 6354.84 6448.26 5734.55 6701.37 6345.76 6115.79 6108.36 6737.64 7027.90

3448.93 3648.24 4088.10 2876.14 3613.32 3579.38 4002.64 3035.96 1475.45 1650.52 6446.63 2622.91 2709.20 1598.81 1949.99 6025.29 6746.39 6201.07 6506.08 6110.53 6228.21 5919.34 6381.95 6428.17 6696.73 6269.19 6407.16 5668.41 6673.01 6289.61 6081.16 6101.75 6682.26 6956.91

3486.65 3682.75 4128.26 2892.00 3651.60 3572.17 4030.16 3052.11 1489.21 1663.36 6492.01 2618.86 2715.57 1606.62 1955.56 6029.21 6733.58 6191.00 6530.95 6128.00 6226.90 5994.37 6488.97 6543.20 6798.63 6342.09 6437.32 5720.27 6689.20 6332.78 6116.96 6095.05 6725.70 7018.01

3441.84 3640.01 4087.67 2867.63 3610.22 3570.65 3993.03 3027.46 1470.93 1645.77 6443.82 2614.53 2702.66 1593.97 1945.29 6014.61 6736.50 6187.89 6497.93 6096.93 6220.51 5909.44 6369.71 6415.30 6684.33 6256.17 6396.43 5654.05 6660.74 6276.62 6084.26 6088.40 6670.22 6947.41

Revista Colombiana de Estadstica 31 (2008) 4165

CIB4

Porcentaje de existentes 100 100 100 100 100 100 100 100 100 100

Longitud ()

Latitud ()

Organismo

Perodo de registro

Nombre

Estado

Altura

Serial

64

Lelys Guenni, Edgard Degryze & Katiuska Alvarado

Tabla 3: Coecientes de los modelos ajustados y comparacin de modelos. (continuaci.)

Mejor modelo 4 4 4 2 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 (mm/mes) Signicativo

(mm)

Serial

CIB1

CIB2

CIB3

1534 1542 1796 1806 1828 1869 1873 2108 2110 2118 2126 2136 2139 2141 2146 2147 2151 2156 2162 2172 2185 2193 2195 2234 2239 2241 2316 2349 2648 2703 2713 2717 2722 2755 2911 3042 3074 3082 3126 3712 3933 4012 4291 4660 4663 4907 4970 5027 5408 5887 5924 6928 6931 6933 7906 9401

167.29 129.90 112.88 53.22 120.97 119.50 85.91 71.90 82.97 82.33 70.80 56.41 132.77 86.50 105.38 66.82 107.26 66.60 71.84 69.93 63.96 48.75 72.80 68.76 123.92 57.16 107.49 105.68 89.83 76.60 77.13 64.42 88.87 53.99 215.13 69.81 71.46 199.44 229.93 87.12 96.64 62.81 152.36 158.41 151.28 102.07 110.11 88.78 152.18 134.00 112.41 211.43 339.14 209.01 260.92 279.13

0.01 0.02 0.03 0.05 0.00 0.01 0.01 0.01 0.01 0.03 0.02 0.01 0.02 0.01 0.02 0.01 0.02 0.00 0.00 0.02 0.00 0.01 0.03 0.01 0.01 0.01 0.03 0.02 0.01 0.02 0.01 0.05 0.01 0.04 0.26 0.02 0.05 0.05 0.08 0.04 0.03 0.03 0.00 0.02 0.01 0.01 0.03 0.01 0.02 0.06 0.04 0.09 0.08 0.02 0.04 0.08

NS NS NS S NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS S NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS

10.87 21.82 36.12 14.19 53.45 23.25 20.46 7.84 5.15 6.24 2.54 15.94 71.83 1.11 7.40 3.68 13.09 1.32 13.22 9.90 9.64 19.12 19.48 29.18 96.86 25.35 77.02 80.96 54.76 46.94 38.21 16.86 40.25 31.52 31.97 9.51 7.86 20.10 132.24 54.58 57.90 14.16 140.72 131.67 106.95 48.33 54.40 41.30 156.64 105.37 46.16 163.69 229.94 98.35 132.46 90.19

78.13 70.11 102.78 10.92 61.67 91.42 52.69 22.99 36.23 30.36 14.41 15.35 40.78 24.82 22.63 4.34 36.98 4.50 18.21 18.11 12.15 14.84 21.34 17.16 75.79 6.83 62.03 64.18 83.20 70.48 65.85 54.08 82.16 50.57 52.30 22.20 5.11 5.09 101.56 77.26 52.62 4.06 84.27 114.82 93.47 25.13 43.94 55.61 112.21 95.31 39.45 159.39 177.62 95.97 93.34 5.19

60.17 52.82 1.07 17.79 43.94 10.84 NS 17.01 13.92 16.59 11.14 9.92 32.09 11.30 11.13 16.51 16.97 15.86 11.34 8.53 15.68 9.40 15.75 13.26 25.93 11.13 15.55 15.49 8.37 7.95 7.07 4.24 2.81 1.14 79.35 1.05 6.67 11.28 2.32 2.19 40.44 0.27 22.94 32.25 32.50 39.40 42.76 12.33 25.23 18.91 29.05 37.43 73.80 17.48 38.12 30.98

0.37 14.13 12.03 12.35 5.27 9.39 NS 43.55 41.85 44.22 33.33 24.27 17.96 42.81 48.70 37.28 45.88 37.28 22.53 23.55 33.64 25.73 36.15 23.68 9.52 18.01 9.56 6.47 18.25 16.76 15.09 5.63 16.01 10.92 0.44 36.34 40.97 78.01 47.15 8.27 16.69 39.63 2.60 36.66 20.95 11.61 12.62 7.34 33.18 32.01 13.68 52.78 14.47 16.92 6.26 11.10

7168.33 6828.41 6552.03 6026.50 6655.63 6566.73 6325.16 6688.61 6536.47 6522.35 6343.77 6015.46 6592.30 6616.75 6759.34 6438.55 6836.52 6396.40 6237.08 6236.53 6227.95 5928.84 6241.44 6192.80 6565.82 5934.61 6381.07 6420.61 6257.44 6147.71 6119.66 6222.82 6278.28 6231.72 4319.18 6212.28 6512.25 7248.17 7145.80 6626.08 6484.38 6544.09 4063.12 4272.55 4159.97 3978.45 4083.95 6208.05 4284.20 4263.88 4046.66 4409.49 4589.73 4371.70 4375.09 4283.12

7084.12 6704.02 6546.23 5958.29 6520.51 6556.54 6328.16 6544.76 6366.50 6350.32 6197.52 5899.35 6507.65 6470.63 6613.20 6294.58 6716.65 6236.37 6153.58 6154.31 6016.92 5773.31 6049.61 6085.04 6518.51 5850.61 6354.22 6397.65 6216.52 6106.95 6084.82 6222.12 6250.55 6222.89 4202.85 6054.82 6386.71 7121.83 7091.71 6625.17 6332.51 6435.32 4042.70 4225.09 4119.89 3902.27 4014.22 6188.21 4245.06 4231.25 4011.45 4351.73 4532.66 4361.49 4349.21 4263.17

7157.10 6817.46 6542.35 6026.15 6642.91 6554.20 6312.74 6676.04 6524.35 6512.03 6333.32 6002.76 6580.52 6604.40 6747.58 6426.38 6825.38 6383.63 6223.64 6225.11 6214.52 5916.33 6232.86 6180.00 6553.62 5921.90 6371.71 6410.69 6244.57 6136.49 6107.39 6220.02 6266.51 6228.58 4321.59 6200.61 6504.28 7238.63 7140.82 6619.09 6473.78 6533.34 4052.33 4262.95 4150.01 3968.12 4074.00 6195.11 4274.27 4255.26 4037.11 4401.66 4581.72 4361.88 4365.88 4275.15

7072.65 6693.00 6536.53 5960.51 6507.58 6543.98 6315.73 6532.03 6354.54 6341.37 6187.92 5886.67 6495.93 6458.29 6601.57 6282.11 6705.77 6223.53 6140.02 6143.07 6003.19 5760.77 6044.34 6072.38 6506.15 5837.70 6345.31 6387.96 6203.58 6095.80 6072.52 6219.30 6238.73 6219.92 4213.47 6043.55 6378.65 7112.78 7087.53 6618.17 6322.55 6425.18 4031.86 4215.30 4109.74 3891.61 4004.09 6175.20 4235.03 4222.81 4001.86 4344.21 4524.64 4351.64 4339.92 4255.41

Revista Colombiana de Estadstica 31 (2008) 4165

CIB4

Anlisis de la tendencia y la estacionalidad de la precipitacin en Venezuela

65

Tabla 3: Coecientes de los modelos ajustados y comparacin de modelos. (continuaci.)

Mejor modelo 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 (mm/mes) Signicativo

(mm)

Serial

CIB1

CIB2

CIB3

9402 9404 9408 9415 9420 9421 9422 9423 9424 9425 9426 9427 9428 9429 9432

276.20 265.93 206.02 207.54 71.97 42.87 51.76 110.49 81.28 31.28 142.25 44.55 75.87 189.53 118.24

0.02 0.07 0.07 0.02 0.01 0.01 0.01 0.01 0.00 0.01 0.00 0.01 0.00 0.01 0.00

NS NS NS NS NS NS NS NS NS NS NS NS NS NS NS

167.62 34.19 188.44 75.96 187.11 109.86 109.80 17.17 28.63 49.78 9.81 31.32 34.41 46.79 40.17 60.42 53.63 55.30 7.63 15.71 32.57 51.28 26.12 11.50 55.56 60.52 161.05 75.65 118.87 84.65

53.70 37.63 44.10 29.57 5.32 8.68 10.53 38.93 20.40 6.77 6.43 11.91 NS 43.43 17.03

25.63 4404.73 4345.48 4395.03 4335.59 24.82 4310.68 4267.51 4302.35 4259.54 15.84 4283.59 4242.08 4275.21 4233.82 22.10 4232.25 4201.90 4222.50 4192.11 8.42 6157.70 6148.13 6144.73 6135.11 26.55 6175.71 6077.77 6163.24 6065.11 14.44 5860.44 5782.52 5849.24 5771.51 13.51 6480.12 6343.45 6467.78 6330.75 13.91 6505.07 6457.15 6492.09 6444.09 7.54 6024.24 6010.43 6011.88 5998.18 73.37 6841.54 6595.11 6829.87 6582.71 12.65 5860.85 5787.94 5847.55 5774.49 NS 6270.99 6272.80 6257.66 6259.46 2.80 5734.88 5681.51 5723.77 5670.29 21.24 10990.99 10934.46 10976.73 10920.09

: Coeciente de media. : Coeciente de tendencia. 1 : Coeciente del coseno para el primer armnico. 1 : Coeciente del seno para el primer armnico. 2 : Coeciente del coseno para el segundo armnico. 2 : Coeciente del seno para el segundo armnico. CIBi : Criterio de informacin bayesiana para el modelo i = 1, 2, 3, 4. NS: No Signicativo. S: Signicativo.

Revista Colombiana de Estadstica 31 (2008) 4165

CIB4