Medios móviles: ¿Cuáles son? Entre los indicadores técnicos más populares, las medias móviles se utilizan para medir la dirección de la tendencia actual. Cada tipo de media móvil (comúnmente escrito en este tutorial como MA) es un resultado matemático que se calcula promediando un número de puntos de datos pasados. Una vez determinado, el promedio resultante se traza en un gráfico para permitir a los operadores ver los datos suavizados en lugar de centrarse en las fluctuaciones de precios cotidianas que son inherentes a todos los mercados financieros. La forma más simple de una media móvil, apropiadamente conocida como media móvil simple (SMA), se calcula tomando la media aritmética de un conjunto dado de valores. Por ejemplo, para calcular una media móvil básica de 10 días, sumaría los precios de cierre de los últimos 10 días y luego dividiría el resultado por 10. En la Figura 1, la suma de los precios de los últimos 10 días (110) es Dividido por el número de días (10) para llegar al promedio de 10 días. Si un comerciante desea ver un promedio de 50 días en lugar, el mismo tipo de cálculo se haría, pero incluiría los precios en los últimos 50 días. El promedio resultante a continuación (11) tiene en cuenta los últimos 10 puntos de datos con el fin de dar a los comerciantes una idea de cómo un activo tiene un precio en relación con los últimos 10 días. Quizás usted se está preguntando porqué los comerciantes técnicos llaman a esta herramienta una media móvil y no apenas una media regular. La respuesta es que cuando los nuevos valores estén disponibles, los puntos de datos más antiguos deben ser eliminados del conjunto y los nuevos puntos de datos deben entrar para reemplazarlos. Por lo tanto, el conjunto de datos se mueve constantemente para tener en cuenta los nuevos datos a medida que estén disponibles. Este método de cálculo garantiza que sólo se contabilice la información actual. En la Figura 2, una vez que se agrega el nuevo valor de 5 al conjunto, el cuadro rojo (que representa los últimos 10 puntos de datos) se desplaza hacia la derecha y el último valor de 15 se deja caer del cálculo. Debido a que el valor relativamente pequeño de 5 reemplaza el valor alto de 15, se esperaría ver el promedio de la disminución de conjunto de datos, lo que hace, en este caso de 11 a 10. ¿Cómo se ven los valores promedio móviles Una vez que los valores de la MA se han calculado, se representan en un gráfico y luego se conectan para crear una línea de media móvil. Estas líneas curvas son comunes en las cartas de los comerciantes técnicos, pero la forma en que se utilizan puede variar drásticamente (más sobre esto más adelante). Como se puede ver en la Figura 3, es posible agregar más de una media móvil a cualquier gráfico ajustando el número de períodos de tiempo utilizados en el cálculo. Estas líneas curvas pueden parecer distracción o confusión al principio, pero youll acostumbrarse a ellos a medida que pasa el tiempo. La línea roja es simplemente el precio medio en los últimos 50 días, mientras que la línea azul es el precio promedio en los últimos 100 días. Ahora que usted entiende lo que es un promedio móvil y lo que parece, bien introducir un tipo diferente de media móvil y examinar cómo se diferencia de la mencionada media móvil simple. La media móvil simple es muy popular entre los comerciantes, pero como todos los indicadores técnicos, tiene sus críticos. Muchas personas argumentan que la utilidad de la SMA es limitada porque cada punto en la serie de datos se pondera de la misma, independientemente de dónde se produce en la secuencia. Los críticos sostienen que los datos más recientes son más significativos que los datos anteriores y deberían tener una mayor influencia en el resultado final. En respuesta a esta crítica, los comerciantes comenzaron a dar más peso a los datos recientes, que desde entonces ha llevado a la invención de varios tipos de nuevos promedios, el más popular de los cuales es el promedio móvil exponencial (EMA). Promedio móvil exponencial El promedio móvil exponencial es un tipo de media móvil que da más peso a los precios recientes en un intento de hacerla más receptiva A nueva información. Aprender la ecuación algo complicada para calcular un EMA puede ser innecesario para muchos comerciantes, ya que casi todos los paquetes de gráficos hacen los cálculos para usted. Sin embargo, para los geeks de matemáticas que hay, aquí es la ecuación EMA: Cuando se utiliza la fórmula para calcular el primer punto de la EMA, puede observar que no hay ningún valor disponible para utilizar como la EMA anterior. Este pequeño problema se puede resolver iniciando el cálculo con una media móvil simple y continuando con la fórmula anterior desde allí. Le hemos proporcionado una hoja de cálculo de ejemplo que incluye ejemplos reales de cómo calcular una media móvil simple y una media móvil exponencial. La diferencia entre la EMA y la SMA Ahora que tiene una mejor comprensión de cómo se calculan la SMA y la EMA, echemos un vistazo a cómo estos promedios difieren. Al mirar el cálculo de la EMA, notará que se hace más hincapié en los puntos de datos recientes, lo que lo convierte en un tipo de promedio ponderado. En la Figura 5, el número de periodos de tiempo utilizados en cada promedio es idéntico (15), pero la EMA responde más rápidamente a los precios cambiantes. Observe cómo el EMA tiene un valor más alto cuando el precio está subiendo, y cae más rápidamente que el SMA cuando el precio está disminuyendo. Esta capacidad de respuesta es la razón principal por la que muchos comerciantes prefieren utilizar la EMA sobre la SMA. ¿Qué significan los diferentes días? Las medias móviles son un indicador totalmente personalizable, lo que significa que el usuario puede elegir libremente el tiempo que desee al crear el promedio. Los períodos de tiempo más comunes utilizados en las medias móviles son 15, 20, 30, 50, 100 y 200 días. Cuanto más corto sea el lapso de tiempo utilizado para crear el promedio, más sensible será a los cambios de precios. Cuanto más largo sea el lapso de tiempo, menos sensible o más suavizado será el promedio. No hay un marco de tiempo adecuado para usar al configurar sus promedios móviles. La mejor manera de averiguar cuál funciona mejor para usted es experimentar con una serie de diferentes períodos de tiempo hasta encontrar uno que se adapte a su estrategia. Medios móviles: cómo utilizarlos Suscríbete a las noticias que utilizas para obtener las últimas novedades y análisis Gracias por registrarte en Investopedia Insights - Noticias para usar. Información legal importante sobre el correo electrónico que enviarás. Al utilizar este servicio, acepta ingresar su dirección de correo electrónico real y enviarla únicamente a personas que conozca. Es una violación de la ley en algunas jurisdicciones falsamente identificarse en un correo electrónico. Toda la información que proporcione será utilizada por Fidelity únicamente con el propósito de enviar el correo electrónico en su nombre. La línea de asunto del correo electrónico que envíe será Fidelity: Se ha enviado su correo electrónico. Fondos Mutuos y Inversiones en Fondos Mutuos - Fidelity Investments Al hacer clic en el enlace se abrirá una nueva ventana. Negociación en movimiento con medias móviles Desarrolle esta herramienta simple pero poderosa para desbloquear una gran cantidad de información dentro de sus gráficos. Fidelity Active Trader News ndash 11/24/2015 Entre todas las herramientas de análisis técnico a su disposiciónMACD. Índice de Fuerza Relativa. Teoría Dow. Dibujo de puntos y figuras, candeleros japoneses. Teorías del calendario. Y los promedios de moremoving son uno de los más fáciles de entender y usar en su estrategia. Sin embargo, son también uno de los indicadores más significativos de las tendencias del mercado, siendo particularmente útil en los mercados de tendencia ascendente (o descendente) que hemos estado experimentando desde 2009. Aquí se puede incorporar promedios móviles para potencialmente mejorar su competencia comercial. ¿Qué son los promedios móviles? Un promedio es simplemente el promedio de un conjunto de números. Un promedio móvil es esencialmente una media de su media móvil, porque como los nuevos precios se hacen, los datos más antiguos se deja caer y los datos más recientes lo reemplaza. Los movimientos normales de una acción pueden ser volátiles, girando hacia arriba o hacia abajo, lo que hace un poco difícil de evaluar su dirección general. El objetivo principal de las medias móviles es suavizar los datos que está revisando para ayudar a obtener un sentido más claro de la tendencia (consulte la tabla siguiente). Una media móvil suaviza el precio. Fuente: FactSet, a partir del 16 de noviembre de 2015. Hay algunos tipos diferentes de promedios móviles que los inversionistas usan comúnmente. Promedio móvil simple (SMA). Una SMA se calcula sumando todos los datos para un período de tiempo específico y dividiendo el total por el número de días. Si las acciones XYZ cerraron a los 30, 31, 30, 29 y 30 durante los últimos cinco días, la media móvil simple de 5 días sería 30. Media móvil exponencial (EMA). También conocido como promedio móvil ponderado, un EMA asigna mayor peso a los datos más recientes. Muchos comerciantes prefieren utilizar EMAs para poner más énfasis en los desarrollos más recientes. Media móvil centrada. También conocido como un promedio móvil triangular, una media móvil centrada toma en cuenta el precio y el tiempo al colocar el mayor peso en el centro de la serie. Este es el tipo menos usado de media móvil. Las medias móviles se pueden implementar en todos los tipos de gráficos de precios (es decir, línea, barra y candelero), así como en gráficos de puntos y figuras. También son un componente importante de otros indicadores como Bollinger Bands. Configuración de los promedios móviles Cuando se configuran los gráficos, la adición de promedios móviles es muy fácil. En Active Trader Pro. Por ejemplo, simplemente abra un gráfico y seleccione indicadores en el menú principal. Busque o navegue a los promedios móviles y seleccione el que desea agregar al gráfico. Puede elegir entre muchos indicadores de media móvil, incluyendo un promedio móvil simple o exponencial. Puede elegir la duración de la media móvil. Una configuración de uso común es aplicar un promedio móvil simple de 50 días y una media móvil simple de 200 días a un gráfico de precios. ¿Cómo se usan las medias móviles? Las medias móviles con diferentes marcos de tiempo pueden proporcionar una variedad de información. Un promedio móvil más largo (como un EMA de 200 días) puede servir como un valioso dispositivo de suavizado cuando se intenta evaluar tendencias a largo plazo. Una media móvil más corta, tal como un promedio móvil de 50 días, obviamente seguirá más de cerca la acción del precio, y por lo tanto se utiliza con frecuencia para generar señales comerciales a corto plazo. El promedio móvil corto puede servir como un indicador de soporte y resistencia, y se utiliza con frecuencia como un objetivo de precio a corto plazo o un nivel clave. ¿Cómo exactamente los promedios móviles generan señales comerciales Los promedios móviles son ampliamente reconocidos por muchos comerciantes como indicadores potenciales de los niveles de precios futuros. Si el precio está por encima de una media móvil, puede servir como un nivel de soporte fuerte, si la acción disminuye, el precio podría tener un tiempo más difícil que caiga por debajo del nivel de precios medios móviles. Por otra parte, si el precio está por debajo de una media móvil, puede servir como un nivel de resistencia fuerte, si el stock iba a aumentar, el precio podría luchar para subir por encima de la media móvil. La cruz de oro y la cruz de la muerte Dos medias móviles también se pueden utilizar conjuntamente para generar una poderosa señal de intercambio de crossover. El método de crossover consiste en comprar o vender cuando una media móvil más corta cruza un promedio móvil más largo. Se genera una señal de compra cuando un promedio de movimiento rápido cruza por encima de un promedio móvil lento. Por ejemplo, la cruz de oro se produce cuando un promedio móvil, como el EMA de 50 días, cruza por encima de un promedio móvil de 200 días. Esta señal puede ser generada en un stock individual o en un amplio índice de mercado, como el SP 500. Alternativamente, se genera una señal de venta cuando un promedio de movimiento rápido cruza por debajo de un promedio móvil lento. Esta cruz de la muerte ocurriría si una media móvil de 50 días, por ejemplo, cruzó por debajo de una media móvil de 200 días. Promedios móviles en acción y algunos consejos finales Como regla general, recuerde que los promedios móviles suelen ser más útiles cuando se usan durante las tendencias ascendentes o descendentes y suelen ser menos útiles cuando se usan en mercados laterales. En términos generales, las acciones han estado en una escalera-como tendencia alcista para la mayoría de los casi siete años de toros, por lo que la teoría sugiere que los promedios móviles pueden ser herramientas particularmente poderosas en el entorno actual del mercado. Mirando nuevamente el gráfico de SP 500 (arriba), se puede ver que la tendencia a largo plazo ha aumentado. Además, el precio está ligeramente por encima de la media móvil a corto plazo y muy por encima de la media móvil a largo plazo. Si el precio disminuyera respecto del nivel actual, ambas medias móviles serían vistas como niveles de soporte significativos. La siguiente señal de cruce posible sería el promedio rápido que cruza debajo de la media móvil lenta (una cruz de la muerte). Tenga en cuenta que el crossover pasado para el SP 500 fue una cruz dorada alcista en 2012. Desde que la señal de cruz de oro, el SP 500 ha aumentado de alrededor de 1.240 a, actualmente, alrededor de 2,100 no demasiado pobre para una simple señal de cruce de media móvil. Más información El análisis técnico se centra en las acciones del mercado específicamente, en volumen y precio. El análisis técnico es sólo un enfoque para analizar las existencias. Al considerar qué acciones comprar o vender, usted debe utilizar el acercamiento que youre más cómodo con. Al igual que con todas sus inversiones, debe hacer su propia determinación sobre si una inversión en un determinado valor o valores es adecuada para usted en función de sus objetivos de inversión, tolerancia al riesgo y situación financiera. El rendimiento pasado no es garantía de resultados futuros. Los mercados bursátiles son volátiles y pueden disminuir significativamente en respuesta a emisiones adversas, políticas, regulatorias, de mercado o económicas. Los votos son enviados voluntariamente por individuos y reflejan su propia opinión sobre la utilidad de los artículos. Un valor porcentual de utilidad aparecerá una vez que se haya enviado un número suficiente de votos. Fidelity Brokerage Services LLC, Miembro NYSE, SIPC. 900 Salem Street, Smithfield, RI 02917 Información legal importante sobre el e-mail que va a enviar. Mediante el uso de este servicio, acepta introducir su dirección de correo electrónico real y enviarla únicamente a las personas que conoce. Es una violación de la ley en algunas jurisdicciones falsamente identificarse en un e-mail. Toda la información que proporcione será utilizada por Fidelity únicamente con el propósito de enviar el correo electrónico en su nombre. La línea de asunto del e-mail que envíe será Fidelity: Su correo electrónico ha sido enviado. Misconcepciones sobre lo que es normal Para la atmósfera Norman, OK Última actualización: 11 de agosto de 1997 La cláusula de exención de responsabilidad se aplica aquí. Este trabajo es únicamente la opinión de Chuck Doswell y no representa ningún tipo de declaración oficial de NSSL, ERL, OAR, NOAA, DoC, o el Presidente de los Estados Unidos ahora usted sabe mi cadena de mando (o por lo menos las siglas) . 1. Introducción Es discutible que el tema más común de la discusión casual es el clima, y en estos días mucha discusión, incluso en Internet, se centra en qué tiempo extraño hemos estado teniendo últimamente . El putativo weirdness del tiempo se atribuye de manera diversa a la corriente de chorro, el efecto de invernadero, El Nintildeo, erupciones volcánicas, visitantes extranjeros, el fin inminente del universo, y así sucesivamente. Mucho de esto tiene su origen en fuentes tales como periódicos, suplementos dominicales, revistas científicas populares, papeles sensacionalistas y, por supuesto, la televisión. Dentro de este último, los programas sobre el clima aparecen dentro de presentaciones bastante serias sobre PBS, en comentarios y características de sus weathercasters locales, en versiones de revistas y periódicos tabloides y en The Weather Channel. Voy a decir directamente que la gran mayoría de lo que usted lee y oye en términos de explicaciones a través de los diversos medios de comunicación es fabrications, mitología, gibberish, o oversimplifications grotesco. No importa cuántas personas de buena reputación trotan frente a las cámaras para capturar las inevitables picaduras de sonido que la televisión usa en lugar de contenido, lo que los medios de comunicación presentan es en su mayoría pelusas y medias verdades. Los medios de comunicación no están en el negocio de hacer ciencia. Que están en el negocio para vender cerveza, automóviles, cosméticos, pasta de dientes, comida rápida, y tal vez ellos mismos. Si la buena ciencia sustantiva se vende, está bien, pero hay una tendencia a empujar hacia lo polémico y sensacional, casi siempre a expensas de la sustancia. La programación es sobre todo una excusa para poner sus productos delante de usted, el consumidor. Si suceden decir algo educativo, es sobre todo coincidencia. Dejar que el comprador tenga cuidado. La ciencia tiende a aburrir a la gente porque requiere un cuidadoso pensamiento y atención. La mayoría de la gente que ve la televisión, o pulgar a través de las revistas en el periódico local, o incluso navegar por Internet se aburren fácilmente. Ellos no quieren pensar muy duro o muy largo. Por lo tanto, son fácilmente engañados por el bombo y la exageración, las mentiras y la mitología que encuentran sobre el clima. Si no te he ofendido hasta ahora, debes estar interesado en sustancia al menos un poco. Permite obtener después del tema, ahora. La mayoría de la gente ve el mundo a través de los ojos egocéntricos que actúan como si su propia experiencia personal es representativa de toda la experiencia de los planetas para todos los tiempos. Para muchos, si personalmente no han experimentado algo antes, debe ser una experiencia inusual y anormal. Esto es tan tonto y superficial, que casi no merece mención aquí, excepto que muchas personas comparten este tipo de suposición implícita sobre su experiencia. Cada vez que el tiempo excede el rango de experiencia de alguien (y la gente tiende a tener recuerdos cortos, por lo que su percepción de su experiencia a menudo se limita a los últimos años), entonces se proclama en voz alta como algo anormal o inusual, a menudo teñido de malos presentimientos acerca de el futuro. Por supuesto, cuando usted lee y escucha sobre el tiempo de los medios de comunicación, a menudo se le dice lo que es normal para ese día. La temperatura normal alta, la temperatura baja normal, y tal vez la cantidad normal de precipitación para el año hasta esa fecha. Por lo tanto, se le da información que representa lo que es normal en cualquier fecha en particular para su ciudad. ¿Alguna vez has pensado en lo que significan esos números? ¿De dónde vienen? ¿Qué dicen que realmente te dicen sobre qué esperar el 5 de abril o el 23 de octubre, o cuándo? ¿Qué significa experimentar un clima normal en un día determinado o durante Un año dado Como espero demostrar, la palabra normal es tal vez una elección de palabras desafortunada que transmite algo muy inadecuado cuando la palabra se utiliza para describir el clima, sobre todo de manera cuantitativa. 2. Distribuciones para una fecha en particular, comienzo por considerar lo que los datos pueden mostrar realmente. Es decir, el hipotético y teórico. Imagine que existe un registro de altas temperaturas para Hellmouth, Nevada, que está completo durante un período de 100 años. Para cada fecha del año (excepto el 29 de febrero), se registran 100 valores de alta temperatura. ¿Qué crees que podría parecer un registro así? ¿Supones que todas las altas temperaturas de cada 16 de junio durante los 100 años son las mismas? Esto parece bastante improbable. Nadie sería tan estúpido como para creer que, a la derecha Una buena manera de visualizar lo que las 100 observaciones parecen sería mostrar las 100 observaciones de alta temperatura. Esto se puede hacer en una variedad de maneras, pero imaginar una trama del número de veces que cada temperatura se produjo el 16 de junio. Tal argumento podría parecer este 3. de donde podrías reconocer la curva familiar en forma de campana. Curiosamente, la curva de la campana a veces se llama una distribución normal, en gran parte por razones históricas que son de poco interés aquí. Los datos también podrían verse así. Quizás en otra fecha en el mismo lugar, o en otro lugar en la misma fecha. 3. Medición de la tendencia central Ahora considere cómo ir definiendo lo que es normal para una fecha particular, dado que las temperaturas en esa fecha varían de año a año. Tal vez el comienzo más lógico sería decir que lo que es normal es el promedio simple de los datos de cada una de las 100 muestras. El promedio simple (o media) para alguna variable, x. Muestreado 100 veces se define como donde los x i representan los valores individuales de cada uno de 100 años en el período de registro, y el símbolo divertido se lee como la suma de i 1 a 100 de los x i. 4 El promedio simple es una de varias maneras de medir lo que técnicamente se conoce como tendencia central. Otra medida de este tipo se denomina la mediana es el valor de x que divide la distribución en dos mitades iguales con 50 valores por encima de la mediana y 50 valores a continuación. Para las dos curvas en forma de campana que acabamos de considerar, la media y la mediana son precisamente las mismas, el promedio simple se ubica conjuntamente con el pico de la distribución. Esto no siempre es cierto, como se demostrará más adelante. Estos dos primeros ejemplos se han elegido de tal manera que el promedio simple de los datos es el mismo valor en ambos, pero claramente las distribuciones son muy diferentes. Parece que el rango de valores es mucho mayor en el segundo ejemplo que en el primero. Esta es una lección importante acerca de lo que se entiende por normal: el valor promedio simple no dice toda la historia. Dado que el número total de valores debe permanecer igual en ambos casos (por ejemplo, en mi ejemplo hipotético hay 100 valores de temperatura alta totales para cada fecha), el valor promedio ocurre mucho menos frecuentemente en el segundo ejemplo que el primero. De hecho, incluso en el primer ejemplo, el valor promedio no ocurre la mayor parte del tiempo. La mayoría de los valores en la distribución no son precisamente sobre el valor promedio. Esto es generalmente el caso, así que si normal se define para significar que no hay ninguna salida de la media, entonces lo que es normal es realmente algo inusual En otras palabras, si por normal nos referimos a la media, lo que es normal sólo ocurre una vez en Un rato. Las cifras muestran que la ocurrencia del valor promedio es más inusual en el segundo ejemplo que en el primero, pero las grandes desviaciones del promedio son menos comunes en el primer ejemplo comparado con el segundo. 4. Medición de la variabilidad Esto ya está ilustrando otra cuestión importante. Si por norma elegimos significar lo que es típico. Entonces lo que es realmente típico es la variación. El clima varía de año a año, por lo que el promedio por sí solo no decir mucho acerca de lo que el tiempo real es como el promedio es sólo un resultado estadístico derivado de una colección de eventos que individualmente no puede parecer nada como el promedio. Para decir algo significativo sobre el clima, su variabilidad debe ser descrito. De hecho, cualquier declaración sobre lo que es normal sin alguna descripción de la distribución de las salidas de lo normal es incompleta y engañosa. Con el fin de expresar la variación sobre la media, los estadísticos a menudo utilizan la varianza de la muestra. S 2. definido como cuando el divisor es 99 en lugar de 100 por algunas razones técnicas menores que no nos conciernen. Cuando la distribución es estrecha, como en el primer ejemplo de la curva en forma de campana, la varianza es relativamente pequeña cuando la distribución es amplia, como en el segundo ejemplo, la varianza es relativamente grande. Algunas variables del tiempo tienen más varianza que otras y la varianza en alguna variable en una localización particular puede ser absolutamente diferente que en alguna otra localización. Por ejemplo, las temperaturas cerca de los polos o cerca del ecuador no varían tanto de un día a otro o de un año a otro como lugares intermedios. El clima en algunas partes del país es más variable de un año a otro que en otros. Y la variabilidad depende de la estación. En invierno, en Dakota del Norte (por ejemplo), las temperaturas no varían tanto como lo hacen en, por ejemplo, Oklahoma. Pero en verano, la situación se invierte temperaturas de verano en Oklahoma no varían tanto como los de Dakota del Norte. Hay razones meteorológicas para esto que no son de interés para este ensayo. Voy a mostrar los datos de Dakota del Norte y la ciudad de Oklahoma más tarde. La varianza muestral no es la única medida de la variabilidad. Hay muchas formas diferentes de describir la variabilidad a través de las estadísticas 6, pero es de interés considerar el rango entre los extremos. Considere algunos datos reales de Oklahoma City que se muestra es un gráfico de la diferencia entre el récord y el récord de cada fecha en el año. También se muestra la diferencia entre el promedio alto y el promedio bajo, donde el promedio es sobre el período de 30 años 1961-1990 (esto se discutirá más adelante). Con el paso del tiempo, por supuesto, los registros están rotos. Esto significa que el rango de valores observados aumentará gradualmente, aunque la distribución subyacente (sobre la cual no se dispone de información sólida porque no se ha observado) puede no estar cambiando. En otras palabras, incluso si la distribución subyacente es constante (y no hay garantías de que sea), haber observado el tiempo durante 100 años puede no ser suficiente para muestrear los verdaderos extremos de la distribución. Esta es una parte importante del dilema en tratar de determinar si el clima está cambiando o no. El clima es básicamente un producto estadístico, derivado de las variaciones del clima. Dado que nuestras observaciones científicas del tiempo sólo se han recolectado durante aproximadamente 200 años en los Estados Unidos, es bastante improbable que se hayan observado los verdaderos extremos climatológicos. Básicamente es imposible estar seguro de posibles cambios del clima cuando el clima en sí es incierto volveré a este tema más tarde. 5. Otros tipos de distribución Como si ya no fuera suficientemente malo, no hay garantía de que los datos reales seguirán una curva como los dos primeros ejemplos. Podrían parecer así. Donde se dice que la distribución es sesgada. Para las distribuciones sesgadas, debe quedar claro que el promedio simple no es necesariamente una buena medida de la tendencia central, porque va a estar influenciado por unas cuantas salidas grandes, lejos del pico de la distribución. Para las distribuciones sesgadas, la mediana es una mejor medida de lo que es típico se desea. En un caso extremo, como ocurre con la mayoría de las distribuciones de precipitación, que se parecen a esto, el pico está en uno de los extremos extremos de las observaciones y la distribución se desprende cuando los valores observados se hacen grandes. En tal caso, lo que es típico es la precipitación cero. La mediana puede ser muy cercana a cero y la media puede estar influida de manera desmedida por unos pocos valores extremos. Para tal distribución, toda la noción de tendencia central se vuelve cuestionable. Para una distribución bimodal. Hay un verdadero desafío. Ni la mediana ni la media mostrarán lo que es típico ya que hay dos versiones de lo que es típico, no sólo una. Ninguna medida de tendencia central puede describir este tipo de distribución. Cuando las observaciones muestran una distribución bimodal (o incluso más que sólo dos picos distintos), esto significa que el clima típicamente tiende a caer en dos (o más) patrones distintos. Dichas distribuciones pueden surgir realmente, aunque las distribuciones reales pueden no ser tan claramente bimodales como el ejemplo que pueden tener simplemente algunos topetones que indican la posible presencia de picos separados. 6. Variabilidad de día a día Hasta ahora, he estado considerando principalmente la distribución de la variable en una sola fecha, a lo largo de los 100 años de un ejemplo hipotético. Considere la forma en que los datos podrían verse cuando se consideran durante todo el año. Es interesante examinar ahora algunos datos reales. Considere esta parcela de la gama de temperaturas diarias record como derivado de los registros de Oklahoma City para lo que el período de registro es en ese sitio. Además de los registros regulares de altas y bajas temperaturas para cada fecha, también hay una temperatura máxima más baja y una temperatura mínima más alta para cada fecha, como se muestra en el ejemplo. Tenga en cuenta que no hay información contenida dentro de esta gráfica sobre cómo podría ser la distribución de cada fecha. Sólo el rango entre el récord de alto y bajo para cada fecha. Usted puede ver que hay una variación de fondo bastante suave de la distribución durante el transcurso del año. Esto refleja el hecho de que las temperaturas son más calientes en el verano que en el invierno, en general. Pero no todos los días en invierno es frío y no todos los días en verano es caliente. Las temperaturas máximas récord, de hecho, se asemejan más a los mínimos récord y las temperaturas mínimas récord se parecen más a los máximos históricos. El lector podría pensar en lo que dice sobre la meteorología. Es una práctica común encontrar la temperatura media para el día, como el promedio simple entre la alta temperatura observada y la baja temperatura observada que es, espero en este punto que será fácil entender que la definición de la temperatura media para el día De esta manera podría no ser muy representativo de la media simple de todas las temperaturas observadas durante el día. Por ejemplo, puede ser que la temperatura máxima en una fecha particular ocurre poco después de la medianoche, con un frente frío trayendo temperaturas de caída durante todo el día. En tal caso, los días la temperatura más alta no es muy representativa de las temperaturas durante ese día. Sin embargo, la ventaja de este método para calcular la temperatura media de días es que sólo se requieren dos valores: los días máximo y mínimo días. Obviamente, hecho de la manera más compleja, el promedio dependería de cuál era la distribución de las temperaturas durante el día en realidad. Para muchas de las observaciones utilizadas en la determinación del clima, los observadores no recogen las temperaturas por hora (como se hace en los sitios de observación del Servicio Meteorológico Nacional). Por el contrario, sólo miden las altas y bajas temperaturas diarias. Por lo tanto, esta práctica no es más que un reflejo de los datos disponibles. No se puede utilizar un procedimiento más preciso porque los datos necesarios para una representación más precisa simplemente no están presentes en muchos sitios. Teniendo en cuenta todo esto, considere ahora el promedio de, digamos, un período de 30 años de registro de temperaturas, la temperatura máxima promedio de 30 años. La temperatura media mínima de 30 años. Y el promedio de 30 años de la temperatura media para el día. Si estos valores se trazan a lo largo de un año, el resultado se muestra en la gráfica que se muestra aquí. Esta es una versión mucho más suave de la variación anual de temperaturas que la gráfica mostrada anteriormente (para las temperaturas récord en cualquier fecha dada), pero todavía tiene algunas irregularidades. 7. Desarrollo de normales Si se considera sólo el gráfico de la temperatura media diaria, los valores diarios de este cálculo estadístico podrían utilizarse para definir lo que es normal para cada fecha. Observe, sin embargo, que hay algunos golpes y meneos en esta parcela el promedio no cambia suavemente de un día a otro durante todo el año. Por lo tanto, lo que se podría hacer es calcular una curva teórica que se ajuste a las observaciones de cerca, pero que varía suavemente de cada día a la siguiente. Existen varios esquemas técnicos para hacer esto, pero los detalles no importan aquí. Los valores de esta curva suave también podrían llamarse las temperaturas normales. Lo mismo podría hacerse por separado a las altas temperaturas diarias ya las bajas temperaturas diarias. Esto produciría curvas suaves de las temperaturas media y baja promedio para cada fecha. Espero que pueda ver lo artificial que es un valor normal es que es el producto final de una serie de suposiciones y manipulaciones estadísticas. Sería típico sólo en un sentido muy limitado. Sin embargo, este proceso (o algo parecido) es básicamente lo que se ha hecho para proporcionarle las temperaturas altas y bajas normales que se ven en las presentaciones de los medios de comunicación. Por supuesto, no hay nada mágico o sagrado acerca de cómo se hizo esto. En cada paso del camino, se han tomado decisiones sobre cómo manipular las observaciones. Entre estas decisiones es el período utilizado para definir lo que es normal. Lo que generalmente se hace es no utilizar todo el período sobre el que existen datos, sino elegir un período de 30 años de registro y llamar a ese período de tiempo normal. Para las normales del Servicio Meteorológico Nacional el período actual de registro es 1961-1990. Al final de cada década, el período promedio de 30 años se adelanta otros 10 años. Cuando los datos se han recogido en el año 2000, el período de normalidad se desplazará a 1971-2000 en el año 2001, y permanecerá allí hasta 2011, y así sucesivamente. El resultado se ve así cuando se aplica a los datos anuales de precipitación de Oklahoma City. Observe que las líneas de nivel, que representan los promedios de 30 años para los diferentes períodos de promedio de 30 años, cambian de una década a la siguiente. En algunos casos, la diferencia es bastante significativa para los datos mostrados, la precipitación normal anual para Oklahoma City ha cambiado hasta 3 pulgadas. Así, lo que se llamó normal hace 30 años no es lo que se llama normal hoy. ¿Quién decide cuánto tiempo un Que decide qué años de uso ¿Quién decide qué manipulaciones estadísticas de los datos a emplear Para los EE. UU., tales decisiones son tomadas por el Servicio Meteorológico Nacional y el Centro Nacional de Datos Climáticos. Presumiblemente, si se les pregunta, pueden proporcionar detalles sobre cómo calculan lo que es normal, pero todas esas decisiones son en cierto sentido arbitrarias. Podrían haberlos hecho de otra manera y el resultado podría haber sido algo diferente pero igualmente justificable. Entonces, ¿dónde nos deja esto? Como he demostrado, las salidas de lo normal no son inusuales. De hecho, las salidas de lo normal son bastante típicas. Dependiendo de lo que se observa y con qué precisión se mide, es posible que ni siquiera tengamos mucha información sólida sobre lo que realmente es normal para algún evento. Es probable que sea normal que eventos notables (en términos de su desviación del promedio) ocurran dentro de un lapso de 30 años, acontecimientos importantes (salidas más grandes del promedio) que ocurren en cada siglo, e incluso acontecimientos más grandes que sucedan en 1000 años. Dado el hecho de que la mayoría de la gente tiene la visión egocéntrica de la climatología descrita en la Introducción, cada acontecimiento importante que se aleja significativamente del promedio parecerá anormalmente anormal para la mayoría de la gente, aunque en un sentido muy real se puede considerar bastante típico cuando la visión larga se toma. 8. Eventos de precipitación e intervalos de recurrencia Esto trae a colación el frecuentemente malentendido tema de los intervalos de recurrencia. Su aplicación más común es a las precipitaciones que conducen a las inundaciones repentinas, pero el método se puede utilizar para estimar intervalos de la recurrencia para virtualmente cualquier acontecimiento. Para las precipitaciones que producen inundaciones repentinas, las observaciones de la precipitación sobre una cuenca de drenaje (o cuenca) pueden usarse para determinar la frecuencia de las precipitaciones máximas en la cuenca. Supongamos que las mediciones de lluvia se desglosan en categorías (digamos, intervalos de 0.01 pulgadas o 0.05 pulgadas o lo que sea) y las ocurrencias observadas dentro de cada intervalo se cuentan. Esto da como resultado un diagrama de frecuencia (histograma) que se vería como el que se mostró anteriormente. Con un pico a los valores más bajos y una cola con frecuencias muy bajas que se extienden hacia valores altos. La frecuencia de los eventos disminuye a medida que la cantidad de lluvias observadas aumenta y resulta que tales parcelas a menudo pueden ser muy bien aproximadas por lo que se conoce como distribución lognormal. De hecho, la trama hipotética mostrada es una distribución Lognormal. Por supuesto, cantidades muy grandes de lluvias observadas son muy raras y pueden no haber sido observadas durante el período de registro. Si se supone que la distribución de la lluvia encontrada usando el corto período de registro es aplicable a periodos muy largos, la distribución teórica puede ser extendida (tal extensión se llama extrapolación) para averiguar la frecuencia de ocurrencia hipotética para muy grande ) Eventos de lluvia. Observo que el proceso de extrapolación es un negocio arriesgado. Suponiendo que una sola muestra de 100 años de datos (o lo que sea realmente disponible) es una base de datos suficiente para observar la distribución real de los eventos no es necesariamente una buena. Pero en la ausencia de información, puede ser todo lo que tenemos. Lo que se denomina lluvia normal en un día dado se suele tomar como el promedio de todos los eventos de lluvia observados en una fecha particular. Una gran cantidad de valores cero se agregan en, por lo que la precipitación media es una pequeña cantidad. Un diagrama de las observaciones diarias de la precipitación en dos años diferentes en comparación con los valores normales se demuestra aquí para la ciudad de Oklahoma. Observe que la situación normal parece ser que llueve una pequeña cantidad cada día En realidad, por supuesto, hay muchos días sin lluvia. En los días en que llueve, la cantidad excede a menudo lo que es normal para ese día. Los valores récord para cada día del año en Oklahoma City en comparación con los normales (como lo que mostré antes para Bismarck) se muestran aquí Por supuesto, lo que los medios suelen informar no es la precipitación promedio para una fecha en particular, pero la acumulación total Para el año hasta esa fecha. Como se muestra aquí. La forma en que la precipitación se acumula en un año dado no se parece mucho a lo que parece en el promedio. Observe en esta gráfica que en ningún año el total anual coincidía exactamente con lo que es normal (el promedio de 30 años de 1961 a 1990), y recuerda la variación interanual de la precipitación. Imagine todos los diferentes tipos de gráficos de precipitación acumulada diaria que se podrían hacer de todos esos años diferentes de datos. La precipitación es particularmente difícil de caracterizar por la palabra normal en cualquier forma realmente significativa. Obsérvese que la frecuencia de ocurrencia observada se encuentra a partir de estos datos dividiendo el número observado de ocurrencias por el período de registro. Si un evento que supera una magnitud de umbral se produjo 10 veces en 100 años, es decir, una frecuencia media de una vez cada diez años. Sin embargo, seguramente no habrá sido 10 eventos distribuidos uniformemente. Cuando se considera la distribución de eventos de esa magnitud como una función del tiempo, una cosa será muy obvia: no ocurren a intervalos regulares de diez años. De hecho, para las mediciones de la precipitación, existe una tendencia distinta a los eventos de una determinada Tamaño que se producen en grupos, con largos períodos entre los que no ocurre nada de ese tamaño. Nota añadida en agosto de 1997): Por cierto, las frecuencias de ocurrencia se derivan para ubicaciones específicas particulares. Es muy posible que muchos eventos de 100 años ocurran en un lapso de tiempo corto en lugares diferentes, pero cercanos. Si consideramos las inundaciones repentinas, por ejemplo, varias cuencas adyacentes podrían sufrir inundaciones de 100 años durante un lapso de 20 años. Esto no significa necesariamente que los cálculos de 100 años en cada cuenca estén equivocados. Además, los valores típicamente son diferentes para cada ubicación. Un evento de 100 años en el montañoso oeste de los Estados Unidos casi seguramente implicaría menores cantidades de lluvia que un evento de 100 años a lo largo de la costa del Golfo. Los valores de frecuencia para eventos de baja frecuencia que se han estimado extrapolando la distribución más allá de las observaciones reales son todos menos de un evento por el período del registro real. Es decir, en el período de registro (digamos 100 años), tal evento nunca fue realmente observado Dada una longitud récord de años Y, la frecuencia más baja que se puede ver es Y -1. Para Y 100 años esto da una frecuencia más baja de uno por cada 100 años. Al extender el gráfico, se pueden obtener valores estimados para la frecuencia que son menores que uno, como ya se ha indicado. Si la frecuencia hipotética es de 0,1 por 100 años, esto es lo mismo que una vez por cada 1000 años, o un supuesto evento de mil años. Un evento de 500 años sería de 0,2 por 100 años, y así sucesivamente. Es bastante difícil de observar 0,1 eventos Dado que en los Estados Unidos, un registro continuo de 200 años es bastante inusual, es claro que los intervalos de recurrencia de 500 o 1000 años son el resultado de tales extrapolaciones. Las posibilidades de que un evento de cierta magnitud aumenten con el tiempo, pero el paso de un intervalo de recurrencia no garantiza que habrá visto uno y sólo uno. Cuanto más largo sea el período de registro, más probable es que ocurra un evento de esa magnitud. Si la magnitud de los eventos es pequeña (digamos un evento de 10 años), ocurrirá con relativa frecuencia y si cada período de 100 años fuera considerado por separado, la frecuencia de tal evento sería casi la misma en cada intervalo de 100 años 100 años). Para eventos muy grandes (digamos un evento de 500 años), la frecuencia dentro de cualquier intervalo de 100 años fluctuaría considerablemente. En algunos siglos, no ocurriría tal acontecimiento. En otros siglos, podría haber varios de estos eventos. Pero si de alguna manera pudiéramos observar intervalos de 10.000 años (quizás usando las técnicas de paleoclimatología), la frecuencia de algún evento con un intervalo de recurrencia promedio de 500 años sería aproximadamente la misma (20 eventos en cada período de 10.000 años). Evidentemente, en este punto de la historia de la humanidad, estos conceptos son muy abstractos. 9. Cambio climático Como una pequeña digresión, supongamos que la frecuencia de los eventos de 10 años se observa de algún modo cambiando de un siglo a otro. Cualquier cambio de este tipo podría verse como un cambio del clima, aunque podría ser una conclusión discutible. Por otra parte, sería muy difícil inferir mucho acerca de los cambios en la frecuencia de los eventos de 500 años en términos de cambio climático, porque en el tiempo de un siglo a otro, es muy posible que todo lo que se ha observado es Una fluctuación natural en la frecuencia de eventos de 500 años. El suelo aquí se está poniendo bastante inestable. Parte del problema es decidir qué se entiende realmente por el clima de la palabra El clima de la palabra generalmente se toma para significar una cierta clase de promedio del tiempo. Eso está bien, pero ¿cuál es el período de promediación y cuántos datos hay para estar seguros (en un duro sentido estadístico) de que el promedio está cambiando Como ya se ha observado, las observaciones meteorológicas sólidas tienen aproximadamente dos siglos de antigüedad en la mayoría de los Estados Unidos Y algunas observaciones importantes (sobre todo, aquellas sobre la superficie) tienen períodos más cortos de registro que eso. Por supuesto, se puede encontrar evidencia de lo que el clima pudo haber sido como hace mucho tiempo (las edades de hielo, etc.), por lo que el clima de un pasado lejano era casi con toda seguridad muy diferente del clima de hoy, pero es realmente difícil Para estar seguros de los detalles del cambio climático. Y si el clima está cambiando todo el tiempo (como es probablemente el caso), entonces lo que se llama el clima es básicamente sólo una forma particular (y básicamente arbitraria) de manipular los datos estadísticamente. Cuando los datos son vistos con otras elecciones hechas, tal vez el clima parezca más estable que cuando las elecciones se hacen de otra manera. Hay un montón de gente buena (así como la gente ignorante en los medios de comunicación y en otros lugares) hablando de cómo los seres humanos podrían (o no podría) estar cambiando el clima. Y no tengo información que diga que estamos (o no estamos) cambiando el clima de lo que habría sido sin actividades humanas. Sin embargo, si el clima está cambiando todo el tiempo, ¿cómo pueden distinguirse los cambios introducidos por los seres humanos de los cambios que habrían ocurrido sin los seres humanos? Es muy difícil hacer esta distinción. Incluso los expertos no están de acuerdo con estas cosas. 7 ¿Cómo podemos confiar en que los informes de los medios de comunicación han hecho su trabajo al educarnos a ser conscientes de la verdadera situación? Creo que no podemos confiar en los medios de comunicación para mantenernos informados sobre tales cosas. , Reid Bryson escribió un ensayo muy interesante en el número de marzo de 1997 del Boletín de la American Meteorological Society. Vol. 78. Pp. 449-455 en el que propone la siguiente definición: Clima (estado climático) es el estado termodinámico / hidrodinámico de las condiciones de frontera global que determinan la matriz actual de patrones meteorológicos. Su idea es que las condiciones fronterizas globales determinan los tipos de patrones meteorológicos permisibles. Por lo tanto, si las condiciones de frontera están cambiando, también lo es el clima. Señala que este estado cambia con el tiempo y la estación, y que el clima incluye los patrones climáticos asociados con ese estado. Tan interesante como esta idea es, no está claro para mí que realmente ha cambiado nada. No conocemos las condiciones límite precisas. El uso de este término se asocia con tratar el problema como un problema de valor límite, un término matemático. Por lo que todavía tendríamos que hacer algún tipo de promedio para tratar el problema en términos prácticos. Por otra parte, no se ha demostrado que el problema sea un problema de valores límite. Podría ser que con un conjunto dado de condiciones de contorno, el conjunto de patrones de tiempo permisible también podría depender de las condiciones iniciales (un problema de valor inicial, en términos matemáticos). Sin embargo, me gusta la noción de que el clima necesariamente incluye las fluctuaciones asociadas con los patrones climáticos permitidos por un determinado conjunto de condiciones de frontera. Reids ensayo es ciertamente una propuesta interesante que al menos hace un esfuerzo para evitar los enigmas lógicos del clima como el promedio del tiempo. Im inclined to be supportive of its direction, if not the practicality and appropriateness of all its abstractions. One particularly severe winter, or one notably long drought, or some spectacular series of devastating storms does not signal that the climate has changed. Not even all of those taken together are sufficient to foretell the Apocalypse. Nor should it be considered automatically as something unusual or particularly abnormal, as I have been trying to show. As I look at the data showing the variation of rainfall in Oklahoma City over a period of 91 years. I have a lot of trouble being confident in saying that climate change is or is not occurring. Yes, there recently does appear to be more precipitation than in the past. However, if I dug back into the record another 91 years, I might find find a period that looked very much like, say, the last 10 years. Given all the year-to-year variability, a true climate change (however we might want to define such a thing) is pretty hard to detect. Even using sophisticated statistical techniques, it is hard to be completely sure There are a lot of things that can affect the record, including the exposure of the raingauge, how the readings are taken, the design of the raingauge, the character of the surrounding region. many of these things have changed over the years, even at a single site. Assessing climate change is pretty doggoned difficult. Weather (and its average, the climate) changes on many time and space scales, and we can be certain that during the 200 years (or less) of observations here in the U. S. we have sampled only a tiny fraction of those time and space variations in the weather (and climate). 10. Discussion So where does this leave us Well, there are several conclusions that I want to you to consider: The weathers most predominant characteristic is variability . What is average is not necessarily what is typical . In most instances, having weather that corresponds precisely to the average is rather unusual. Knowing the average is not enough information to know what is typical. What is needed is a knowledge of the variability about the average. The variability of weather depends on the time and location being considered. What is considered normal may not even correspond precisely to the average. Normality is a matter of definition. In order to understand what normal means, you have to know what was done to the data. When the period of observation is less than a given recurrence interval, the actual knowledge of that recurrence interval is subject to uncertainty it depends on the validity of the assumptions used to find it. When recurrence intervals are used to describe events, they do not imply that events of that magnitude will occur at regular intervals. Any particular event or even a series of events does not necessarily show that the climate (i. e. the average of the weather) has changed. The use of statistics to develop quantitative knowledge of atmospheric behavior is not some sort of black art, but popular presentations of that knowledge frequently are misleading because they ignore the statistics. Statistics is an important tool for development of an understanding of what is normal and what the climate is, simply because with a knowledge of statistics, the limitations of our understanding can be known . Typically, in the media, all of the warnings about the limitations of the procedures (often called caveats, a Latin word meaning beware ) are ignored. Many of these limitations are technical and difficult for the public to grasp, so the media usually do not present the caveats. Oversimplification is an understandable, if lamentable, tendency of media presentations. I would hope that most people would seek more information about such things, but folks willing to seek more information are rather exceptional, I fear. Most people do not want to be bothered with technical issues because they feel they are irrelevant to their lives. Unfortunately, ignorance of this sort can lead the majority of the public to adopt inappropriate positions regarding decisions about our environment an important example of an inappropriate position is one of apathy (If there is so much disagreement about what to, then who cares). I believe it to be in every persons self-interest to know more about the environmental issues that confront us. The environment can be very unforgiving when we make mistakes, and makes no distinction when those mistakes are attributable to ignorance. Like the law, the atmosphere does not recognize ignorance as an excuse. Acknowledgments . I have been assisted in this process by Dr. David Schultz, Mr. Dave Andra, Dr. Jeff Trapp, Dr. Harold Brooks, and Ms. Beverly Reese. These kind folks have helped me get the data used in the examples I have shown and/or engaged in helpful discussions about this topic.
No comments:
Post a Comment