Esta no es la última versión de este ítem. La última versión se puede encontrar aquí.
Propuestas metodológicas para el rellenado de datos ausentes en series de tiempo geofísicas. Guía Práctica de uso.
Fecha
2016-08
Tipo
informe científico
Autores
Ureña Mora, Pablo
Alfaro Martínez, Eric J.
Soley Alfaro, Francisco Javier
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
En un trabajo reciente, Alfaro y Soley (2009), presentaron dos metodologías para el rellenado de datos ausentes, enfocadas hacia su uso en series de tiempo geofísicas. Una de ellas se basó en la descomposición en componentes principales de la matriz de correlación de datos de una misma variable. El segundo método consistió en ajustar un modelo autoregresivo a la serie de tiempo y utilizar ese modelo como estimador de los datos ausentes. En el presente trabajo se propone además, una combinación de las metodologías anteriores, al utilizar el método autoregresivo como una primera aproximación de rellenado que luego es utilizada en forma iterativa por el método de componentes principales. A modo de ejemplo, esta nueva aproximación se compara luego con la propuesta original del método de rellenado por componentes principales utilizado por Alfaro y Soley (2009), usando los datos de los puntos de rejilla del Caribe costarricense de Johnson et al. (2003). El programa utilizado para la elaboración de estar rutinas es SCILAB, el cual tiene la ventaja de que es código abierto.
In a recent paper, Alfaro and Soley (2009) presented two methods for filling missing data in geophysical time series. One of them was based on principal component decomposition of the correlation matrix build with common time series records of the same variable. The other method adjusts an autoregressive model to the time series which is then used to estimate the missing data. In this work we add an additional option because as a first approximation of the missing data, we fill the data with the autoregressive method which is then used iteratively by the principal components method. As an example, for this new approach, it is then compared with the original principal components methodology used by Alfaro and Soley (2009), using data from the grid points of the Costa Rican Caribbean slope from Johnson et al. (2003). The program used for the production of these routines is SCILAB, which has the advantage of being open source.
In a recent paper, Alfaro and Soley (2009) presented two methods for filling missing data in geophysical time series. One of them was based on principal component decomposition of the correlation matrix build with common time series records of the same variable. The other method adjusts an autoregressive model to the time series which is then used to estimate the missing data. In this work we add an additional option because as a first approximation of the missing data, we fill the data with the autoregressive method which is then used iteratively by the principal components method. As an example, for this new approach, it is then compared with the original principal components methodology used by Alfaro and Soley (2009), using data from the grid points of the Costa Rican Caribbean slope from Johnson et al. (2003). The program used for the production of these routines is SCILAB, which has the advantage of being open source.
Descripción
Manual del usuario y rutinas SCILAB de uso de los programas.
Palabras clave
datos faltantes, filtros auto regresivos, análisis de componentes principales, aplicaciones de software libre