Banda de predicción Bootstrap de variables meteorológicas mediante modelos no paramétricos de regresión funcional

Bootstrap Prediction Band for Meteorological Variables Using Nonparametric Functional Regression Models

Abstract

El análisis de la velocidad del viento constituye un desafío fundamental en meteorología debido a la elevada variabilidad temporal de los datos y a la incertidumbre inherente a su comportamiento. En la presente investigación se desarrolla una banda de predicción para la serie temporal de velocidad del viento mediante la metodología Bootstrap y modelos no paramétricos de regresión funcional. Para ello, se utilizaron registros meteorológicos de la estación ubicada en San Antonio de Pichincha, cantón Quito, durante el año 2024, con una frecuencia de registro cada segundo. Los datos fueron depurados mediante la eliminación de valores atípicos y se calculó la media horaria mensual. Las series temporales de enero a noviembre se ajustaron utilizando B-splines cúbicos, lo que permitió representar los patrones diarios de la variable. A continuación, se generaron 5000 réplicas Bootstrap a partir de los residuos del ajuste y, mediante el estimador no paramétrico de Nadaraya-Watson, se obtuvo la predicción puntual del mes de diciembre. Las 5000 predicciones Bootstrap permitieron construir una banda de predicción con intervalos de confianza al 95 % y suavizadas con bases de Fourier. Los resultados evidencian que la predicción puntual permanece dentro de los límites de la banda en todas las horas del día y presenta concordancia con el patrón observado en diciembre de 2024. Este enfoque representa una contribución metodológica al análisis de series temporales meteorológicas con alta variabilidad.