Prossimo inverno: EA positivo o negativo?

[Zagor]

Ci siamo!

Comincio per il mese di Dicembre, perchè gli altri due sono da Perfezionare.
Allora ho infilato nel matricione degli indici teleconnettivi il DMI e il NINOind che mi ha dato Marco. Il matricione originale è gran parte sudore della fronte invece di Zagor, che ringrazio ancora.

Scopo del gioco è prevedere la temperatura del mesi invernali DJF. Ho diviso lo studio in 3 mesi perchè viene più preciso e la validazione che ho eseguito mostra che il modello è statisticamente più significativo e la probabilià di sbagliare cala.
Poichè l'unico indice "significativamente" correlato con la serie delle temperature sul grigliato Italia, è L'EA, il modello è indirizzato sulla previsione di questo indice.
Per il mese di Dicembre la correlazione è 0.60, più bassa che nel trimestre preso globalmente ma è comunque buona e ci permetterà di ipotizzare l'andamento termico e la probabilità associata.

azz, è tardi, vado a casa continuo da li.

Non scappate perchè quello che è venuto fuori è veramente carino

Bravo Paolo..! Facci sapere al piu' presto.....

[mmg1]

Complimenti davvero, questo td finirà nel mio archivio...

[stellon]

Ci siamo!

Comincio per il mese di Dicembre, perchè gli altri due sono da Perfezionare.
Allora ho infilato nel matricione degli indici teleconnettivi il DMI e il NINOind che mi ha dato Marco. Il matricione originale è gran parte sudore della fronte invece di Zagor, che ringrazio ancora.

Scopo del gioco è prevedere la temperatura del mesi invernali DJF. Ho diviso lo studio in 3 mesi perchè viene più preciso e la validazione che ho eseguito mostra che il modello è statisticamente più significativo e la probabilià di sbagliare cala.
Poichè l'unico indice "significativamente" correlato con la serie delle temperature sul grigliato Italia, è L'EA, il modello è indirizzato sulla previsione di questo indice.
Per il mese di Dicembre la correlazione è 0.60, più bassa che nel trimestre preso globalmente ma è comunque buona e ci permetterà di ipotizzare l'andamento termico e la probabilità associata.

azz, è tardi, vado a casa continuo da li.

Non scappate perchè quello che è venuto fuori è veramente carino

bravo tormenta

una domanda: perchè allora non correli direttamente il matricione con le temperature?

[Tormenta]

Allora bando alle ciance vi ho tenuto anche troppo sulle spine (1 ora e mezza per tornare a casa, maledetta città!!!!)

Dunque la cluster analysis effettuata all'inizio del topic non mi ha soddisfatto appieno anche perchè è qualcosa di qualitativo, diciamo una preparazione all'analisi vera e propria. La Multiple Discriminant Analysis fa invece al caso nostro, ma prima di tutto occorre fattorizzare la variabile da prevedere. In pratica l'EA lo scompongo a piacimento in 5 classi. Classe 1 valori < -1,5 (EA--). Classe 2 valori tra -1,5 e 0,5 (EA-). Classe 3 valori tra -0,5 e +0,5 (EA neutro o debolmente positivo/negativo). Classe 4 valori tra 0,5 ed 1,5 (EA+) e classe 5 con valori > 1,5 (EA++).

La metodologia utilizzata non fa altro che calcolare le funzioni discriminanti basate sugli indici noti(che sono variabili continue) con le quali siamo poi in grado di prevedere grazie a degli "scores" l'appartenenza ad una delle 5 classi di EA (variabile discreta).

Non vi stò qui a "spippettare" sui calcoli statistici ma in pratica una volta calcolate le funzioni discriminanti per ognuna delle 5 classi non devo far altro che applicarci le mie variabili e calcolare gli "scores". La classe con lo scores più alto vince.


Il matricione di variabili con lag temporale zero è stato ingrandito con le serie degli indici di teleconnessione laggati da uno a 4 mesi (il MEI fino a 10 mesi) a scopo di poter fare una previsione. Ho osservato che per molte variabili la correlazione con l'EA cresceva al crescere del lag, come se il segnale di un indice impiegasse del tempo per trasferirsi dal suo luogo di osservazione fino all'Est Atlantico. Inizialmente avevo detto che il modello aveva predetto l'87 % dei mesi nella giusta classe, ma in realtà ho dovuto correggere una cosuccia che l'ha fatto scendere al 75....in pratica il modello vecchio è in grado si di predirre con miglior successo il pattern di EA dicembrino, ma necessita di variabili laggate 1, e quindi i cui valori sono disponibili proprio a dicembre, e sarebbe come fare una previsione a Dicembre per Dicembre. Dunque ho optato per lasciar fuori tutte le variabili laggate 1 e con il metodo Forward Stepwise che permette di aggiungere variabili al modello una alla volta finchè l'aggiunta di una nuova non ne migliora la "significatività", ecco li che ho ottenuto il mio set di variabili e le mie funzioni discriminanti.

Queste sono le 12 variabili di cui necessitiamo conoscerne i valori per fare una previsione dicembrina dell'EA:

Indice MEI laggato 3 e 4 e 6(Agosto e Settembre Giugno(anch'essa ben correlato con l'EA dicembrina!!!)
Indice EA laggato 4 e 5 (Luglio e Agosto)
EA/WR di Agosto
La PDO di Ottobre e Agosto
La QBO di Agosto
La NAO di Ottobre
La AO di Ottobre
INDONINO di Ottobre.

Una volta conosciuti i valori di questi indici è possibile tramite ste benedette funzioni discriminanti che vi allego calcolare a che classe apparterrà il prossimo Dicembre. Basta moltiplicare il valore dell'indice per quello corrispondente della funzione discriminante per ognuno dei 5 gruppi (colonne nell'allegato) e aggiungere la costante finale. Ogni gruppo avrà cosi uno scores, il più alto contrassegnerà la classe.

[Tormenta]

Come vi dicevo ho eseguito la validazione (per fortuna che ho il software). Il 75% dei casi è ben classificato. Il rimanente si colloca cmq in classi contigue come si può osservare:

Il 100% dei casi appartenenti alla classe 1 sono stati riconosciuti
il 77% della classe 2 sono ok, 2 casi sono finiti nella classe 3
La classe 3 è la più rischiosa...perchè si confonde abbastanza con la 4
Una previsione di classe 4 è qualcosa di abbastanza sicuro con l'87,5%
e per finire su tre casi che dovevano appartenere alla classe 5 1 è finito in classe 4....non grave.

[Blizzard]

Molto bene!!

Due domande.......tra gli indici sopra elencati quali hanno più peso?? La QBO è così determinante anche indipendentemente dal ciclo solare??

Thanks!!

[Tormenta]

E per finire il file excel dei casi observed e predicted, in maniera che magari chi è in grado di metterci anche una sorta di interpretazione fisica a tutti sti bei numeri riconosca tra i casi mal classificati qualche eccezione, qualche caso storico, qualche fattore derivante dalla stratosfera magari....
I casi mal predetti sono contrassegnati da un asterisco e tutti quei bei numeretti sono le probabilità che ciascun caso ha di ricadere in ognuna classe.

Bene, mi aspetto commenti e domande a raffica e interpretazioni fisiche (sono molto lacunoso) di ciò che è venuto fuori.

[Tormenta]

Molto bene!!

Due domande.......tra gli indici sopra elencati quali hanno più peso?? La QBO è così determinante anche indipendentemente dal ciclo solare??

Thanks!!

Ciao Marco la QBO è una delle meno significative in questo modello, mentre i più "pesanti" sono il MEI laggato 6 mesi e PDO e NAO di Ottobre. La tua domanda ha qualche nesso con gli stratwarming? Ti chiedo questo perchè secondo me al verificarsi di uno stratwarming il modello prenderebbe fischi per fiaschi.

[Tormenta]

bravo tormenta

una domanda: perchè allora non correli direttamente il matricione con le temperature?

l'ho fatto...l'EA è l'unico abbastanza correlato

[Blizzard]

Ciao Marco la QBO è una delle meno significative in questo modello, mentre i più "pesanti" sono il MEI laggato 6 mesi e PDO e NAO di Ottobre. La tua domanda ha qualche nesso con gli stratwarming? Ti chiedo questo perchè secondo me al verificarsi di uno stratwarming il modello prenderebbe fischi per fiaschi.

Esatto!

Ehm...e l'altra domanda, mi sai dire quali sono i due-tre migliori predictors??

Grazie!