Título

Regresión espacial de precipitaciones extremas en el estado de Tabasco

Autor

REBECA ALEJANDRA PEREZ FIGUEROA

Nivel de Acceso

Acceso Abierto

Licencia

http://creativecommons.org/licenses/by-nc-nd/4.0

Materias

BayesianoRegresión espacialLluvia extremaBayesianSpatial regressionExtreme rainfallEstadísticaMaestría CIENCIAS SOCIALES - (CTI)

Resumen o descripción

Tesis (Maestría en Ciencias, especialista en Estadística).- Colegio de Postgraduados, 2012.

Consejo Nacional de Ciencia y Tecnología (CONACyT).

Las precipitaciones extremas en el estado de Tabasco, México, causan pérdidas económicas y serios estragos a los ecosistemas cada año. Esta investigación se basa en el desarrollo de un análisis de eventos de precipitación extrema en Tabasco empleando la información en la base de datos MAYA que comprende observaciones de lluvia diarias para nodos-geográficamente equidistantes. El principal objetivo es proponer un modelo de regresión espacial para datos de precipitaciones extremas con el fin de estimar períodos de retorno vía un modelo jerárquico Bayesiano, y proveer de mapas de riesgo basados en el modelo ajustado así como en la distribución predictiva de precipitación extrema. Se encontró que la localización geográfica incrementa la exactitud en la determinación de niveles de retorno al compartir la información para el análisis. _______________ SPATIAL REGRESSION OF EXTREME PRECIPITATIONS IN THE STATE OF TABASCO. ABSTRACT: Extreme precipitations in the state of Tabasco, Mexico, causes economic lose and ecosystem damages every year. This research is aimed to develop an analysis of extreme rainfall ocurrences in Tabasco using the information in the data base MAYA which comprises daily rainfall observations on equidistant nodes. The main objective was to propose a spatial regression model for extreme rainfall data in order to estimate return periods via a Bayesian hierarchical model, providing risk maps based on the fitted model as well as on the predictive distribution of extreme precipitation. It was found that the geographical localization improves the accuracy on the determination of return levels by sharing information between neighbor sources of data.

Fecha de publicación

31 de julio de 2012

Tipo de publicación

Tesis de maestría

Recurso de información

http://hdl.handle.net/10521/782

Idioma

Español

Repositorio Orígen

COLPOS DIGITAL

Descargas

0