SeriesTemporales1.pdf
- 1. Análisis Estadístico de Datos Climáticos SERIES TEMPORALES I 2015
- 2. Ya hemos visto series temporales o cronológicas. Ahora nos va a interesar mucho el orden en que aparecen los datos. Ese orden será típicamente cronológico, pero puede ser otro orden más o menos arbitrario. Ej. se ordenan estaciones meteorológicas, numerándolas con algún criterio (espacial u otro), lo cual induce un ordenamiento en los datos. Observar que la media, desv std, cuantiles, histograma, una dist. de ajuste, son independientes del orden de los datos. Recíprocamente, ninguno de esos (media….., dist. de ajuste…) nos informarán sobre si la serie presenta periodicidades, o trends, etc… Caudales en nov en SG (1909-2007) Permutación aleatoria de los datos
- 3. Las series pueden ser continuas o discretas (veremos estas últimas, en general con datos equi-espaciados). También hay series univariadas o multivariadas. Nos va a interesar especialmente si los datos de una serie presentan una estructura temporal más bien aleatoria, o si hay alguna dependencia entre datos en la serie. Ya vimos y volveremos a ver la función de autocorrelación, o correlograma 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 -0.2 0 0.2 0.4 0.6 0.8 Lag Sample Autocorrelation Sample Autocorrelation Function Módulo Viento Horas La existencia de autocorrelaciones positivas significativas durante varios de los primeros lags, indica la presencia de persistencia de valores por encima (o por debajo) de la media durante algunas horas.
- 4. Series determinísticas y series estocásticas La característica especial del análisis de las series de tiempo es el hecho de que las observaciones sucesivas habitualmente no son independientes y que el análisis debe tomar en cuenta el orden temporal de las observaciones. Cuando las observaciones sucesivas son dependientes, hay cierta capacidad de predecir valores futuros en función de los pasados. Si ua serie temporal puede ser predicha exactamente, se dice que es determinística. Sin embargo, la mayoría de las series son estocásticas (o aleatorias) porque el futuro es sólo parcialmente determinado por los valores pasados, de modo que las predicciones exactas son imposibles y deben ser reemplazadas por la idea de que los valores futuros tienen una distribuciónn de probabilidades, que está condicionada por el conocimiento de valores pasados.
- 5. Algunos patrones que pueden aparecer cuando no hay independencia son: ciclos, pseudo-ciclos, tendencias, o “saltos” en la serie. La detección de patrones temporales que presenten alguna regularidad puede tener consecuencias para el pronóstico.
- 6. En particular, algunas variables meteorológicas o climáticas suelen presentar un ciclo diario o ciclo anual más o menos definido, que son de origen astronómico. Se suele llamar variabilidad estacional a la asociada al ciclo anual. Temperaturas medias mensuales 0.0 5.0 10.0 15.0 20.0 25.0 ENE MAR MAY JUL SET NOV ENE MAR MAY JUL SET NOV Ciclo u oscilación diaria Ciclo u oscilación anual Las componentes de variabilidad estacional pueden ser estimadas si son de interés, o pueden ser removidas si no lo son.
- 7. Para la descripción de la serie lo primero es hacer una gráfica (con el tiempo en abscisas). Es bien posible que muchas características esenciales de la serie se puedan percibir por el análisis visual. Adicionalmente se pueden detectar outliers. Notar las diferencias en la presentación de ambas figuras Temperatura media mensual en Recife entre 1953 y 1962
- 8. A veces se hacen transformaciones a las series, con distintos propósitos: •estabilizar la varianza •hacer constante una variabilidad estacional cuando esta no lo es •obtener datos que sigan una distribución gausiana •otros Es más fácil ajustar algunos modelos estadísticos a las series así transformadas.
- 9. Una “definición” informal de tendencia (trend) es: “un cambio de largo plazo en el nivel medio”. Tiene la dificultad de que no es claro qué significa “largo plazo”, lo cual suele depender de la cantidad de datos disponibles. P. ej., si tenemos una variable climática con una variación cíclica de unos 50 años, pero sólo tenemos 20 años de datos, la variación puede parecer una tendencia. (Si tuviéramos varios centenares de años de datos, la variación cíclica sería visible.) Si sólo se conocen los datos de los primeros 20 años (en rojo) y nada más, puede ser bien Razonable considerar, para el corto plazo, que se está en presencia de una trend.
- 10. Tests de aleatoriedad y de tendencia Hay varios tests de aleatoriedad cuya hipótesis nula es que los datos de la serie en cuestión son iid, y puede haber varias hipótesis alternativas. Uno de esos tests es el de “rachas hacia arriba y hacia abajo” (“runs up and down”, no confundir con otros tests con runs, o rachas). Dada la serie con n datos, se toma el segundo elemento y se compara con el anterior (el primero), anotando “+” si es mayor y “–” si es menor, y así se procede hasta el último de la serie, comparando cada término con el anterior, obteniendo una sucesión de n-1 “+” y “-” (suponiendo que no hay empates). Ej: +---+--+++-----+ El estadístico es el número total de rachas R, que en el caso anterior es: R=7, (con n=17).
- 11. Suponiendo que el nivel de significancia de la prueba es α, la idea intuitiva es que: •si la hipótesis alternativa HA es simplemente “no aleatoriedad” la región de rechazo es: la unión de R ≤ rα/2 y R ≥ r’α/2 •si HA es que los + y – tiendan a agruparse por separado, sólo rechazaremos H0 cuando haya muy pocas rachas, o sea sólo para R ≤ rα (en este caso, según predominen los + o los -, si eso ocurre, interpretaremos que existe una trend creciente o decreciente) •si HA es que los + y – tiendan a mezclarse, sólo rechazaremos H0 cuando haya demasiadas rachas (R ≥ r’α) e interpretaremos que hay variaciones cíclicas. Hay tablas para ambos extremos para n ≤ 25. Si n >25, se puede aplicar una aproximación normal y las regiones de rechazo de un extremo son:
- 12. Hay otros tests de aleatoriedad, varios basados en rachas, el test de Spearman, etc Y hay tests para trends (Kendall-Mann, Spearman). Una vez determinada la existencia de una tendencia, puede ser estimada o removida, según lo que se quiera. Hay métodos para estimar y/o remover trends, en particular en presencia de variabilidad estacional. En el caso de que se quiten la trend y las variaciones cíclicas de una serie, se puede intentar ajustar algún modelo apropiado a la serie residual. Por otra parte, si no se rechaza la hipótesis de aleatoriedad, luego se puede hacer, p.ej., un test de Kolmogorov-Smirnov para la hipótesis de que los datos provengan de una cierta distribución (normal, uniforme, etc)
- 13. Series estacionarias Veremos más adelante una definición de modelo de serie de tiempo estacionaria. Ahora damos una idea intuitiva del concepto de estacionariedad. Decimos que una serie temporal es estacionaria si no hay un cambio sistemático en la media (o sea no hay tendencia), si no hay un cambio sistemático en la varianza y si las variaciones estrictamente periódicas han sido removidas. En otras palabras, las propiedades de una sección de los datos son muy parecidas a las de cualquier otra sección. Hablando estrictamente, no hay tal cosa como una “serie temporal estacionaria”, ya que la propiedad de estacionariedad se define para un modelo, (que probablemente tenga componentes aleatorias). Sin embargo, la expresión se usa a menudo para datos de series temporales, indicando que muestran características que sugieren que se les puede razonablemente ajustar un modelo estacionario.
- 14. Series estacionarias Gran parte de la teoría de la probabilidad para series temporales se aplica a series estacionarias; por eso, a menudo es necesario transformar una serie no estacionaria en otra serie estacionaria para poder usar los resultados de la teoría. Por ejemplo, puede ser de interés quitar la trend y la variación estacional de un conjunto de datos y luego tratar modelar la variación de los residuos por medio de un proceso estocástico estacionario. Sin embargo, hay que destacar que las componentes no estacionarias, como la trend, puede ser de más interés que los residuos estacionarios.
- 15. Interpretación del correlograma El correlograma (o función de autocorrelación muestral) es útil en el análisis de series temporales, pero no siempre es de fácil interpretación. El correlograma en general se construye con un número de lags mucho menor que la longitud de la serie (el default de Matlab es el mínimo entre 20 y la longitud de la serie). 0 6 12 18 24 30 36 42 48 -0.2 0 0.2 0.4 0.6 0.8 Lag Sample Autocorrelation Sample Autocorrelation Function
- 16. Cada rk tiene asociado un diagrama de dispersión (scatter) asociado. Ejemplo: A continuación veremos varios casos de correlogramas.
- 17. 1)Serie aleatoria (o sea iid) Esperamos que, para grandes valores de N, rk ~ 0 para todo k>0. De hecho, se demuestra que, para una serie aleatoria de longitud N, rk se distribuye aproximadamente N(0,1/N), para todo k>0. Por lo tanto, si una serie es aleatoria, podemos esperar en un 95% de los casos (o sea para 19 de 20 casos) que los valores de rk estén entre ± 1.96/sqrt(N). Por eso, es práctica común considerar valores fuera de este rango como “significativos” (al 5%). En 20 valores, es esperable tener uno (en promedio) “significativo” por azar, o sea que debe examinarse si ese valor tiene un significado físico
- 18. La conclusión es que si tenemos una serie real con un correlograma de ese tipo, podemos razonablemente suponer que estamos en presencia de una serie aleatoria. Tenemos así otro test de aleatoriedad. Es claro que si aparece un solo valor fuera de los límites de significancia, y es un valor muy alto, corresponderá estudiar si era esperable o no, etc..
- 19. 2) Correlación de “corto plazo” Las series estacionarias a menudo muestran auto- correlación de corto plazo, caracterizada por un valor relativamente alto de r1 seguido por unos pocos valores positivos, que tienden a decrecer, y luego se hacen aproximadamente cero. Un caso es la serie para la cual un valor por encima de la media es seguido por uno o más también por encima de la media, y análogamente para valores por debajo de la media. Ej: temperatura del aire en la escala de días, o la TSM en la escala de meses.
- 20. 3) Series alternadas Si la serie tiende a presentar valores alternativamente por encima y por debajo de la media, entonces el correlograma también tiende a alternar los signos. r1 será naturalmente negativo, pero r2 será positivo porque los valores con lag 2 tenderán a estar del mismo lado de la media, etc.
- 21. 4) Series que presentan tendencia En este caso, los valores de rk no bajan a 0 sino para grandes valores del lag, porque una observación de un lado de la media tenderá a estar seguida por varios valores del mismo lado de la media. En este caso, el correlograma es poco informativo, ya que la tendencia domina a las demás características. Si estas interesan, hay que remover la trend ¿Cómo sería el correlograma si la trend de la serie fuera decreciente?
- 22. 5) Series estacionales Si la serie contiene una variación estacional, el correlograma también presentará una oscilación con la misma frecuencia. En particular, ya vimos que si xt = a cos (ωt), entonces rk ~ cos (ωk) para N grande. Temp mensual en Recife 1953-1962 Correlogramas para los datos originales y para la serie a la que se removió la variación estacional (restando el ciclo anual). ¿Qué se puede deducir de este último?
- 23. 6) Presencia de outliers Los outliers pueden afectar seriamente al correlograma, por lo que deben ser ajustados de alguna manera antes de calcular el correlograma. P. ej., si hay un outlier en el instante t0, aparecerán 2 outliers en el Scatter de xt vs xt+k (en los puntos (xt0-k,xt0) y (xto,xto+k), lo cual hará que el valor de rk disminuya en valor absoluto. Este efecto se puede intensificar si hay más de un outlier.