气候统计基本气候状态的统计量PPT.pptVIP

相关统计量 数据的距平标准化 数据标准化处理是数据变换的方式之一； 当数据之间无法直接进行比较时，例如不同季节之间的温度，数据变换是一种有益的方法； 通常处理方法是距平标准化，也可以采用不受异常值影响的方式，如原数据减去中位数，再除以IQR进行标准化，但几乎没有人使用这种处理方法。 数据的距平标准化 原因及优点---不同单位、不同量级数据之间便与比较 计算公式--- ， 为标准差 特点1---通常标准化后的数据为无量纲的数据 特点2---标准化数据的平均值为0，标准差为1 为相关系数的引出作了铺垫 数据的距平标准化 Standardized differences between the standardized monthly sea level pressure anomalies at Tahiti and Darwin (Southern Oscillation Index),1960–2002. Individual monthly values have been smoothed in time. 数据的距平标准化 数据标准化处理是不仅使得数据间便于比较，其核心思想是试图消除数据的“位置”和离散程度对进一步分析所带来的影响； 例如，1月和7月某日温度相对本月长期平均温度的距平相同，但1月和7月数据离散程度，即标准差不同，则距平标准化值能体现出这两月中这种温度变化是否是属于异常事件。 散点图（x-y plot） 北京1998年1月日最高温度和最低温度散点图 显示出最低温度（x）与最高温度（y）两者之间的关系 体现两变量联系的变化趋势以及变化的曲率 分别可以显示出两变量的分布状况 相关系数 Scatterplot for daily maximum and minimum temperatures during January 1987 at Ithaca, New York. Closed circles represent days with at least 0.01 in. of precipitation (liquid equivalent). Pearson（“普通”）相关 我们需要用一个值来表征两个变量之间的密切程度，为此我们用相关来体现。 目前常用的体现相关的是两变量之间的线性关系。 Pearson（“普通”）相关公式 协方差也可以体现两个变量间的关系，其公式为 但协方差是一个带有单位的统计量，不便于不同要素间进行联系，因此需要将原数据作标准化处理。 得到相关公式为： Pearson（“普通”）相关---特点 相关值介于±1之间，即 Ⅱ Ⅰ Ⅲ Ⅳ 常可以用来表示两个变量中的一个被另一个变量解释的程度，但并不能从物理上解释其中一个变量的变化是由另一个变量所致，可能这两个变量的变化皆由其它物理过程所致。 气候中常见的相关术语 时间上的相关性（serial correlation, lagged correlation）; 空间上的相关性（spatial correlation, teleconnection）; 不同变量间的相关（cross-correlation）; Serial correlation The monthly mean Southern Oscillation Index, computed as the difference between Darwin (Australia) and Papeete (Tahiti) monthly mean sea-level pressure (‘Jahr’ is German for ‘year’). Serial correlation-Auto Correlation Auto-correlation function of the index shown in above figure. Units: %. Cross correlation The conventional Southern Oscillation Index (SOI = pressure difference between Darwin and Tahiti; dashed curve) and a sea-surface temperature (SST) index of the Southern Oscillation (solid curve) plotted as a function of