Análisis estadístico de los errores de predicción en modelos box-jenkins aplicados a variables climáticas

Abstract

Los modelos climáticos son una simplificación de la realidad y las predicciones que producen conllevan una incertidumbre. Hasta ahora, las predicciones realizadas con modelos diferentes arrojan resultados muy distintos. Los modelos propuestos explican el clima pasado con gran precisión, pero las predicciones futuras difieren notablemente.
En el presente estudio se realizará una validación de las predicciones obtenidas para las variables climáticas precipitación total mensual medida en milímetros y temperatura media mensual medida en grados, mediante modelos ARIMA de series de datos aplicando la metodología de análisis de series temporales de Box- Jenkins (1979) en diferentes estudios realizados con anterioridad (Ayuga et al., 2005 y Ayuga et al., 2007). Para ello se realizará un análisis estadístico exhaustivo de los errores de predicción de los modelos ARIMA aplicados a las series mensuales de temperatura y precipitación de las ciudades de Barcelona, Huelva y Madrid entre 2004 y 2009.
Los datos reales han sido obtenidos de las estaciones climatológicas con las que cuenta la Agencia Estatal de Meteorología (AEMET) en dichas ciudades.
Los resultados obtenidos muestran que el 95% de los valores reales de la precipitación y de la temperatura se encuentran dentro de los intervalos de confianza de las predicciones. Las predicciones realizadas por los modelos de temperatura representan adecuadamente los valores reales. Los modelos de precipitación, desde el punto de vista práctico, no son adecuados para la predicción por ser los intervalos de confianza demasiado amplios.