Análisis bayesiano de temperatura máxima con valores extremos generalizados no estacionários

Abstract

El análisis de series de tiempo en datos climatológicos en los últimos tiempos es de fundamental importancia, ya que la falta de valores futuros de algunas variables relacionadas con el clima puede influir directa y negativamente en la vida en sociedad, ya sea en las actividades de las personas, en planificación empresarial (segmento industrial) y en gestión agrícola (sector rural). La predicción probabilística de la ocurrencia de eventos extremos es de vital importancia, y una de las formas de modelar estos eventos es utilizar la teoría de valores extremos (VTE), la cual ha sido ampliamente utilizada en campos vinculados a eventos raros. Los análisis de algunos extremos climáticos, como los eventos de temperatura, se han vuelto más comunes en las últimas décadas y la no estacionariedad suele estar presente debido a efectos estacionales, quizás debido a diferentes patrones climáticos en diferentes meses, o en forma de tendencias, posiblemente debido a cambios climáticos a largo plazo, en este sentido, el uso de modelos no estacionarios, es de vital importancia. Se analizaron distribuciones a priori informativas y no informativas, y para obtener distribuciones marginales a posteriori se utilizó el método de Monte Carlo vía cadenas de Markov. Analizando los criterios de selección. Por tanto, el presente estudio tuvo como objetivo modelar la temperatura máxima mensual de la ciudad de Piracicaba, São Paulo, Brasil utilizando métodos bayesianos, utilizando funciones lineales y no lineales para incorporar la tendencia en el parámetro de posición de la distribución generalizada de valores extremos GEV (). Los resultados mostraron que fue posible ajustar los modelos lineales y no lineales de temperatura máxima en los meses que presentaron tendencia.