English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Se presentan dos metodolog´?as para el rellenado de datos ausentes, enfocadas haciasu uso en series de tiempo geof´?sicas. La primera se basa en la descomposici´on encomponentes principales de la matriz de correlaci´on de datos de una misma variableentre estaciones cercanas y en periodos de tiempo comunes. Este m´etodo multivariablepermite incorporar en los valores rellenados los fen´omenos de mayor escala a partirde la informaci´on de las estaciones cercanas. El segundo m´etodo es para ser utilizadocuando no hay estaciones cercanas y el rellenado se debe hacer con la informaci´on dela misma estaci´on. Consiste en ajustar un modelo autoregresivo a la serie de tiempo yutilizar ese modelo como estimador de los datos ausentes. Se evaluaron dos algoritmospara calcular los coeficientes autoregresivos: el estimador de Burg y el propuesto porUlrych y Clayton. El primero es apropiado para procesos estoc´asticos y el segundo paraseries determin´?sticas. Las dos metodolog´?as descritos en este trabajo son recursivas:se hace una primera estimaci´on a los datos ausentes corriendo el algoritmo ignorandolos datos ausentes si es posible ´o aproxim´andolos de forma grosera. El algoritmo secontin´ua ejecutando con los nuevos valores sustituyendo los valores estimados en lacorrida anterior. La ejecuci´on termina cuando la diferencia m´axima de los valoresestimados entre dos corridas sucesivas es menor que un valor fijado de antemano porel usuario. Los datos rellenados conservan la media y la desviaci´on est´andar originalde la serie de tiempo. Estos algoritmos se adaptaron y modificaron, por medio del usode Interfaces Gr´aficas con el usuario, para su uso en SCILAB, que es una plataforma similar a MATLAB pero de fuente abierta y que corre indistintamente en Windows yLinux. Ellos fueron elaborados como una actividad de extensi´on de la Universidad deCosta Rica.Palabras clave: datos faltantes, control de calidad, filtros auto regresivos, an´alisis decomponentes principales, aplicaciones de software libre.

Descripción de dos métodos de rellenado de datos ausentes en series de tiempo meteorológicas