Investigadores desarrollan nueva metodología estadística que ayudará a predecir importantes fenómenos naturales y sociales.
Por Celeste Burgos Badal
Comunicaciones
A través del análisis de variables como temperatura y radiación solar de tres regiones de Chile, se propone un método para predecir fenómenos medioambientales o epidemiológicos, entre otros.
Un grupo de investigadores liderado por el Dr. Guillermo Ferreira, director del Departamento de Estadística de la Universidad de Concepción, desarrolló una nueva metodología que permitirá predecir variables macro y micro económicas medidas en diferentes tiempos y localidades; variables epidemiológicas, como datos del COVID-19 registrados desde su inicio y en diferentes zonas geográficas; variables medioambientales como temperatura, velocidad del viento, humedad, entre otras.
“En este trabajo se propone una nueva metodología estadística para predecir fenómenos que ocurren tanto en el dominio temporal como espacial, considerando múltiples variables de interés… en este contexto, la aplicación de nuestro estudio consideró el análisis de un conjunto de datos bivariados sobre el promedio de temperaturas diarias y de radiaciones solares de 21 estaciones meteorológicas ubicadas en tres regiones del centro-sur de Chile: Maule, Biobío y Araucanía”, explica el Dr. Ferreira. Estas tres localidades concentran más del 70% de la producción agrícola del país, la cual depende de variables como la temperatura y la radiación solar.
El estudio tomó cinco años de desarrollo y representa un proceso espacio-temporal multivariante a través de la conocida descomposición de Wold. “Tal enfoque permite una fácil implementación del filtro de Kalman para estimar procesos temporales lineales que exhiben dependencias de corto y largo alcance, junto con una estructura de correlación espacial”, comenta Ferreira, quien desarrolló los fundamentos teórico-prácticos de esta nueva metodología. Esto implica, la realización de una revisión bibliográfica de los métodos actuales y compararlos con la nueva propuesta, además de programar el algoritmo en código de lenguaje C.
“El siguiente paso de la investigación es que nuestra propuesta considere un problema típico, compartido en varias aplicaciones prácticas, y es que muchos conjuntos de datos espacio-temporales multivariantes se ven afectados por datos faltantes. Este es un tema prometedor para futuras investigaciones, lo que permitirá enfrentar los valores perdidos en datos espacio-temporales multivariados”, explica el Dr. Ferreira, quien además comenta que no les fue posible encontrar ningún conjunto de aplicaciones o software que ajustara modelos espacio-temporales para utilizar en este estudio, por lo que el grupo de investigadores planifica desarrollar un paquete multivariante completo que aproveche al máximo los resultados obtenidos en este estudio. Además, esperan escribir un trabajo adicional con una comparación específica entre los métodos existentes. “Lo tomamos como un reto para futuras investigaciones», finaliza el investigador.
Para más detalles de esta investigación es posible visitar: https://link.springer.com/article/10.1007/s00477-022-02266-3
