Médias móveis: Como usá-los Algumas das principais funções de uma média móvel são identificar tendências e reversões. Medir a força de um momento de ativos e determinar áreas potenciais onde um ativo vai encontrar apoio ou resistência. Nesta seção, vamos apontar como diferentes períodos de tempo podem monitorar momentum e como as médias móveis podem ser benéficas na definição stop-loss. Além disso, abordaremos algumas das capacidades e limitações de médias móveis que se deve considerar ao usá-las como parte de uma rotina de negociação. Tendência Identificar tendências é uma das principais funções das médias móveis, que são utilizados pela maioria dos comerciantes que procuram fazer a tendência de seu amigo. As médias móveis são indicadores de atraso. O que significa que eles não prevêem novas tendências, mas confirmam tendências uma vez que foram estabelecidas. Como você pode ver na Figura 1, uma ação é considerada em uma tendência de alta quando o preço está acima de uma média móvel ea média está inclinada para cima. Por outro lado, um comerciante usará um preço abaixo de uma média descendente inclinada para confirmar uma tendência de baixa. Muitos comerciantes só consideram manter uma posição longa em um ativo quando o preço está negociando acima de uma média móvel. Esta regra simples pode ajudar a garantir que a tendência funciona no favor dos comerciantes. Momentum Muitos comerciantes iniciantes perguntam como é possível medir o momentum e como as médias móveis podem ser usados para enfrentar tal façanha. A resposta simples é prestar muita atenção aos períodos de tempo utilizados na criação da média, pois cada período de tempo pode fornecer informações valiosas sobre diferentes tipos de momentum. Em geral, o momentum de curto prazo pode ser medido olhando para médias móveis que se concentram em períodos de tempo de 20 dias ou menos. Olhando para as médias móveis que são criados com um período de 20 a 100 dias é geralmente considerado como uma boa medida do momento de médio prazo. Finalmente, qualquer média móvel que usa 100 dias ou mais no cálculo pode ser usada como uma medida de momentum de longo prazo. O senso comum deve dizer-lhe que uma média móvel de 15 dias é uma medida mais apropriada do momentum de curto prazo do que uma média móvel de 200 dias. Um dos melhores métodos para determinar a força ea direção de um momento de ativos é colocar três médias móveis em um gráfico e, em seguida, prestar muita atenção para a forma como eles se acumulam em relação uns aos outros. As três médias móveis que são geralmente utilizadas têm margens de tempo variáveis numa tentativa de representar movimentos de preços a curto, médio e longo prazo. Na Figura 2, observa-se forte impulso ascendente quando as médias de curto prazo se situam acima das médias de longo prazo e as duas médias são divergentes. Por outro lado, quando as médias de curto prazo estão situadas abaixo das médias de longo prazo, a dinâmica está na direção descendente. Suporte Outro uso comum de médias móveis é determinar suportes de preços potenciais. Não é preciso muita experiência em lidar com médias móveis para perceber que a queda do preço de um ativo muitas vezes parar e inverter direção no mesmo nível que uma média importante. Por exemplo, na Figura 3 você pode ver que a média móvel de 200 dias foi capaz de sustentar o preço do estoque depois que ele caiu de sua alta perto de 32. Muitos comerciantes irá antecipar um salto fora das principais médias móveis e usará outros Indicadores técnicos como confirmação do movimento esperado. Resistência Uma vez que o preço de um ativo cai abaixo de um nível influente de suporte, como a média móvel de 200 dias, não é raro ver a ação média como uma barreira forte que impede que os investidores empurrar o preço de volta acima dessa média. Como você pode ver a partir do gráfico abaixo, essa resistência é muitas vezes usado por comerciantes como um sinal para ter lucros ou para fechar qualquer posições longas existentes. Muitos vendedores curtos também usarão essas médias como pontos de entrada porque o preço geralmente salta fora da resistência e continua seu movimento mais baixo. Se você é um investidor que está mantendo uma posição longa em um ativo que está negociando abaixo das principais médias móveis, pode ser em seu melhor interesse para observar esses níveis de perto, porque eles podem afetar muito o valor de seu investimento. Stop-Losses As características de suporte e resistência de médias móveis torná-los uma ótima ferramenta para gerenciamento de risco. A capacidade de mover médias para identificar lugares estratégicos para definir stop-loss ordens permite que os comerciantes para cortar posições perdedoras antes que eles possam crescer qualquer maior. Como você pode ver na Figura 5, os comerciantes que detêm uma posição longa em um estoque e definir suas ordens stop-loss abaixo médias influentes podem economizar muito dinheiro. O uso de médias móveis para definir ordens stop-loss é a chave para qualquer estratégia de negociação bem-sucedida. Indicador médio de movimento As médias móveis fornecem uma medida objetiva da direção da tendência alisando os dados de preços. Normalmente calculado usando preços de fechamento, a média móvel também pode ser usada com mediana. típica. Ponderado. E preços altos, baixos ou abertos, bem como outros indicadores. Médias móveis de menor comprimento são mais sensíveis e identificam novas tendências mais cedo, mas também dão mais falsos alarmes. Médias móveis mais longas são mais confiáveis, mas menos responsivo, apenas pegar as grandes tendências. Use uma média móvel que seja metade do comprimento do ciclo que você está rastreando. Se o comprimento do ciclo de pico a pico for de aproximadamente 30 dias, então uma média móvel de 15 dias é apropriada. Se 20 dias, então uma média móvel de 10 dias é apropriado. Alguns comerciantes, entretanto, usarão 14 e 9 dias que movem médias para os ciclos acima na esperança de gerar sinais ligeiramente antes do mercado. Outros favorecem os números Fibonacci de 5, 8, 13 e 21. Médias móveis de 100 a 200 dias (20 a 40 semanas) são populares para ciclos mais longos 20 a 65 dias (4 a 13 semanas) as médias móveis são úteis para ciclos intermediários e 5 A 20 dias para ciclos curtos. O sistema de média móvel mais simples gera sinais quando o preço cruza a média móvel: Ir longo quando o preço cruza acima da média móvel de abaixo. Ir curto quando o preço cruza para abaixo da média móvel de cima. O sistema é propenso a whipsaws em mercados variados, com o cruzamento de preços para a frente e para trás em toda a média móvel, gerando um grande número de sinais falsos. Por essa razão, os sistemas de média móvel normalmente empregam filtros para reduzir os whipsaws. Sistemas mais sofisticados usam mais de uma média móvel. Duas médias móveis usa uma média móvel mais rápida como um substituto para o preço de fechamento. Três médias móveis emprega uma terceira média móvel para identificar quando o preço está variando. Múltiplas Médias Móveis usam uma série de seis médias de movimento rápido e seis médias de movimento lento para confirmar um ao outro. As Médias Móveis Deslocadas são úteis para fins de tendência, reduzindo o número de Whipsaws. Os canais Keltner usam faixas plotadas em um múltiplo da faixa média verdadeira para filtrar os crossovers de média móvel. O popular MACD (Moving Average Convergence Divergence) indicador é uma variação do sistema de média móvel dois, traçado como um oscilador que subtrai a média lenta de movimento da média rápida. Existem vários tipos diferentes de médias móveis, cada um com suas próprias peculiaridades. Médias móveis simples são as mais fáceis de construir, mas também as mais propensas à distorção. As médias móveis ponderadas são difíceis de construir, mas confiáveis. As médias móveis exponenciais alcançam os benefícios da ponderação combinada com a facilidade de construção. Médias móveis mais baixas são usadas principalmente em indicadores desenvolvidos por J. Welles Wilder. Essencialmente, a mesma fórmula que as médias móveis exponenciais, eles usam diferentes pesos mdash para que os usuários precisam fazer concessão. O painel de indicadores mostra como configurar médias móveis. A configuração padrão é uma média móvel exponencial de 21 dias. Monconcepções sobre o que é normal para a atmosfera Norman, OK Última atualização: 11 de agosto de 1997 A isenção padrão aplica-se aqui. Este trabalho é apenas a opinião de Chuck Doswell e não representa qualquer tipo de declaração oficial da NSSL, ERL, OAR, NOAA, DoC, ou o Presidente dos Estados Unidos agora você sabe a minha cadeia de comando (ou pelo menos as siglas) . Introdução Arguably o artigo o mais comum da discussão ocasional é o tempo, e estes dias muita discussão, including no Internet, centros em torno de que weve estranho do tempo weve tendo ultimamente . A suposta estranheza do tempo é atribuída de várias maneiras ao Jet Stream, o Efeito Estufa, El Nintildeo, erupções vulcânicas, visitantes alienígenas, o fim iminente do Universo, e assim por diante. Muito disso tem suas origens em fontes como jornais, suplementos de domingo, revistas de ciência popular, papéis sensacionalistas e, claro, a televisão. Dentro deste último, programas sobre o tempo aparecem dentro de apresentações bastante sérias em PBS, em comentários e características por seus weathercasters locais, nas versões de TV de revistas e jornais tablóides e em The Weather Channel. Eu vou dizer diretamente que a grande maioria do que você lê e ouve em termos de explicações através dos vários meios de comunicação é fabricação, mitologia, jargão, ou oversimplifications grotesco. Não importa quantas pessoas respeitáveis eles trot em frente das câmeras para capturar as mordidas de som inevitável que a televisão usa em vez de conteúdo, o que a mídia apresenta é principalmente fluff e meias-verdades. A mídia não está no negócio para fazer ciência. Eles estão no negócio para vender cerveja, automóveis, cosméticos, creme dental, fast food e talvez eles mesmos. Se boa ciência substantiva vende, isso é bom, mas há uma tendência a empurrar para o controverso e sensacional, quase sempre à custa da substância. A programação é principalmente uma desculpa para colocar seus produtos na frente de você, o consumidor. Se acontecer de dizer algo educativo, é principalmente coincidência. Deixe o comprador avisado. A ciência tende a aborrecer os povos porque requer o pensamento e a atenção cuidadosos. A maioria das pessoas assistindo televisão, ou folheando as revistas na banca de jornais local, ou até mesmo navegar na Internet ficar entediado facilmente. Eles não querem pensar muito ou muito tempo. Assim, eles são facilmente enganados pelo hype e exagero, mentiras e mitologia que eles encontram sobre o tempo. Se eu não ofendi você até agora, você deve estar interessado em substância pelo menos um pouco. Vamos começar depois do tópico, agora. A maioria das pessoas vê o mundo através de olhos egocêntricos que agem como se a sua própria experiência pessoal fosse representativa da experiência dos planetas inteiros durante todo o tempo. Para muitos, se eles pessoalmente não experimentaram algo antes, deve ser uma experiência incomum e anormal. Isso é tão bobo e superficial, que quase não merece menção aqui, exceto que muitas pessoas compartilham esse tipo de suposição implícita sobre sua experiência. Sempre que o tempo excede a gama de experiência de alguém (e as pessoas tendem a ter memórias curtas, então sua percepção de sua experiência é muitas vezes limitada aos últimos anos), então ele é proclamado alto como algo anormal ou incomum, muitas vezes tingido de presságios terríveis sobre o futuro. Naturalmente, quando você lê e ouve sobre o tempo da mídia, muitas vezes você é informado sobre o que é normal para esse dia. A temperatura elevada normal, a temperatura baixa normal, e talvez a quantidade normal de precipitação para o ano até essa data. Assim, você recebe informações que representam o que é normal em qualquer data específica para sua cidade. Você já pensou sobre o que esses números significam? De onde eles vieram? O que eles dizem realmente dizer-lhe sobre o que esperar em 5 de abril, ou 23 de outubro, ou sempre. O que significa experimentar o clima normal em um determinado dia, ou durante Como espero mostrar, a palavra normal é talvez uma escolha de palavras infeliz que transmite algo muito inadequado quando a palavra é usada para descrever o tempo, especialmente em termos quantitativos. 2. Distribuições para uma determinada data Eu começo por considerar o que os dados podem realmente mostrar. Isto é, o hipotético e teórico. Imagine que existe um registro de altas temperaturas para Hellmouth, Nevada, que está completo por um período de 100 anos. Para cada data do ano (exceto 29 de fevereiro), há 100 valores de alta temperatura registrados. O que você acha que um tal registro pode parecer? Você acha que todas as altas temperaturas em cada 16 de junho ao longo dos 100 anos são as mesmas? Isso parece bastante improvável. Ninguém seria tão estúpido a ponto de acreditar que, certo Uma ótima maneira de visualizar o que as 100 observações parecem seria exibir as 100 observações de alta temperatura. Isso pode ser feito em uma variedade de maneiras, mas imagine um gráfico do número de vezes que cada temperatura ocorreu em 16 de junho. Tal enredo poderia ser assim 3. a partir do qual você pode reconhecer a familiar, curva em forma de sino. Curiosamente, a curva do sino é chamada às vezes uma distribuição normal, pela maior parte para as razões históricas que são de pouco interesse aqui. Os dados também podem se parecer com isso. Talvez em outra data no mesmo local, ou em outro local na mesma data. 3. Medindo a tendência central Agora considere como ir sobre a definição do que é normal para uma determinada data, uma vez que as temperaturas naquela data variam de ano para ano. Talvez o início mais lógico seria dizer que o que é normal é a média simples dos dados de cada uma das 100 amostras. A média simples (ou média) para alguma variável, x. Amostrada 100 vezes é definida como sendo onde os x i representam os valores individuais de cada um de 100 anos no período de registro, eo símbolo engraçado é lido como a soma de i 1 a 100 do x i. 4 A média simples é uma das várias maneiras de medir o que é tecnicamente conhecido como tendência central. Outra tal medida é chamada a mediana é que o valor de x que divide a distribuição em duas metades iguais com 50 valores acima da mediana, e 50 valores abaixo. Para as duas curvas em forma de sino apenas consideradas, a média e a mediana são precisamente as mesmas, a média simples é co-localizada com o pico da distribuição. Isso nem sempre é verdade, como será mostrado mais tarde. Estes dois primeiros exemplos foram escolhidos de tal forma que a média simples dos dados é o mesmo valor em ambos, mas claramente as distribuições são bastante diferentes. Parece que o intervalo de valores é muito maior no segundo exemplo do que no primeiro. Esta é uma lição importante sobre o que se entende por normal: o valor médio simples não conta toda a história. Uma vez que o número total de valores deve permanecer o mesmo em ambos os casos (por exemplo, no meu exemplo hipotético existem 100 valores totais de alta temperatura para cada data), o valor médio ocorre com muito menos frequência no segundo exemplo do que o primeiro. De fato, mesmo no primeiro exemplo, o valor médio não ocorre na maioria das vezes. A maioria dos valores na distribuição não são precisamente sobre o valor médio. Isso é geralmente o caso, então, se normal é definido para significar que não há saída da média, então o que é normal é realmente um pouco incomum Em outras palavras, se por normal, queremos dizer a média, o que é normal só ocorre uma vez em Um tempo. Os números mostram que a ocorrência do valor médio é mais incomum no segundo exemplo do que no primeiro, mas grandes desvios da média são menos comuns no primeiro exemplo em comparação com o segundo. 4. Medir a variabilidade Isto já está ilustrando outra questão importante. Se pelo normal nós escolhemos significar o que é típico. Então o que é realmente típico é a variação. O tempo varia de ano para ano, então a média por si só não dizer muito sobre o que o tempo real é como a média é apenas um resultado estatístico derivado de uma coleção de eventos que individualmente não pode parecer nada como a média. Para dizer algo significativo sobre o tempo, sua variabilidade deve ser descrita. De fato, qualquer afirmação sobre o que é normal sem alguma descrição da distribuição de desvios do normal é incompleta e enganosa. A fim de expressar a variação sobre a média, os estatísticos usam frequentemente a variância da amostra. S 2. definida como quando o divisor é 99 em vez de 100 por algumas razões técnicas menores que não nos dizem respeito. 5 Quando a distribuição é estreita, como no primeiro exemplo da curva em forma de sino, a variância é relativamente pequena quando a distribuição é larga, como no segundo exemplo, a variância é relativamente grande. Algumas variáveis meteorológicas têm mais variação do que outras e a variância em alguma variável em um determinado local pode ser bastante diferente do que em algum outro local. Por exemplo, temperaturas perto dos pólos ou perto do equador não variam tanto de dia para dia ou ano a ano como lugares entre. O clima em algumas partes do país é mais variável de ano para ano do que em outros. E a variabilidade depende da estação. No inverno, em Dakota do Norte (por exemplo), as temperaturas não variam tanto quanto eles fazem, digamos, Oklahoma. Mas no verão, a situação é invertida temperaturas de verão em Oklahoma não variam tanto como aqueles em Dakota do Norte. Há razões meteorológicas para isso que não são de interesse para este ensaio. Vou mostrar dados para ambos Dakota do Norte e cidade de Oklahoma mais tarde. A variância da amostra não é a única medida da variabilidade. Há muitas maneiras diferentes de descrever a variabilidade através da estatística 6, mas é de algum interesse considerar a faixa entre os extremos. Considere alguns dados reais para Oklahoma City mostrado é um gráfico da diferença entre o recorde e registro baixo para cada data no ano. Também é mostrada a diferença entre a média alta ea baixa média, onde a média é sobre o período de 30 anos 1961-1990 (isso será discutido mais tarde). Com o passar do tempo, é claro, os registros estão quebrados. Isto significa que o intervalo de valores observados irá aumentar gradualmente, embora a distribuição subjacente (Sobre a qual não há informação sólida disponível porque não foi observada) pode não estar a mudar. Em outras palavras, mesmo que a distribuição subjacente seja constante (e não há garantias de que seja), ter observado o tempo por 100 anos pode não ser suficiente para amostrar os verdadeiros extremos da distribuição. Esta é uma parte importante do dilema em tentar determinar se ou não o clima está mudando. O clima é basicamente um produto estatístico, derivado das variações do tempo. Dado que as nossas observações científicas do tempo só foram recolhidas durante cerca de 200 anos nos EUA, é bastante improvável que os verdadeiros extremos climatológicos tenham sido observados. É basicamente impossível ter certeza sobre as possíveis mudanças do clima quando o clima em si é incerto Retornar a este tópico mais tarde. 5. Outros tipos de distribuição Como se isso já não é suficientemente ruim, não há garantia de que os dados reais seguirão uma curva como os dois primeiros exemplos. Podem parecer assim. Onde se diz que a distribuição é distorcida. Para as distribuições distorcidas, deve ficar claro que a média simples não é necessariamente uma boa medida de tendência central, porque vai ser influenciada por algumas grandes partidas, longe do pico na distribuição. Para distribuições distorcidas, a mediana é uma medida melhor do que é desejada. Em um caso extremo, como acontece com a maioria das distribuições de precipitação, que se parecem com isso, o pico está em um dos extremos das observações e a distribuição se desenrola quando os valores observados se tornam grandes. Nesse caso, o que é típico é a precipitação zero. A mediana pode ser muito próxima de zero ea média pode ser excessivamente influenciada por alguns valores extremos. Para tal distribuição, toda a noção de tendência central torna-se questionável. Para uma distribuição bimodal. Há um verdadeiro desafio. Nem a mediana nem a média mostrarão o que é típico, pois há duas versões do que é típico, não apenas uma. Nenhuma medida de tendência central pode descrever esse tipo de distribuição. Quando as observações mostram uma distribuição bimodal (ou mesmo mais do que apenas dois picos distintos), isto significa que o clima normalmente tende a cair em dois (ou mais) padrões distintos. Tais distribuições realmente podem surgir, embora as distribuições reais podem não ser tão claramente bimodais como o exemplo que eles podem simplesmente ter alguns solavancos que indicam a possível presença de picos separados. 6. Variabilidade do dia a dia Até agora, eu tenho considerado principalmente a distribuição da variável em uma única data, ao longo dos 100 anos de um exemplo hipotético. Considere como os dados podem parecer quando considerados ao longo de todo o ano. É de algum interesse olhar agora para alguns dados reais. Considere esta parcela do intervalo de temperaturas de registro diário como derivado dos registros de Oklahoma City para qualquer que seja o período de registro é nesse local. Além dos registros regulares de altas e baixas temperaturas para cada data, também há uma temperatura máxima mais baixa e uma temperatura mínima mais alta para cada data, como mostrado no exemplo. Observe que não há informações contidas neste gráfico sobre o que a distribuição para cada data pode ser semelhante. Apenas o intervalo entre o registro de alta e baixa para cada data. Você pode ver que há uma variação de fundo bastante suave da distribuição durante o curso do ano. Isso reflete o fato de que as temperaturas são mais quentes no verão do que no inverno, em geral. Mas nem todos os dias no inverno é frio e nem todos os dias no verão é quente. O recorde de temperaturas máximas baixas, de fato, se assemelham mais aos baixos recordes e as temperaturas mínimas recordes mais parecidas com os máximos recorde. O leitor pode querer pensar sobre o que isso diz sobre a meteorologia. É prática comum encontrar a temperatura média para o dia, como a média simples entre a alta temperatura observada e a baixa temperatura observada, ou seja, espero que neste momento será fácil entender que a definição da temperatura média para o dia Desta forma pode não ser muito representativa da média simples de todas as temperaturas observadas durante o dia. Por exemplo, pode ser que a temperatura máxima em uma determinada data ocorre pouco depois da meia-noite, com uma frente fria trazendo quedas de temperatura ao longo do dia. Nesse caso, os dias de temperatura mais alta não são muito representativos das temperaturas ao longo desse dia. No entanto, a vantagem deste método para calcular a temperatura média dos dias é que apenas dois valores são necessários: os dias máximo e os dias mínimos. Obviamente, feito da maneira mais complexa, a média dependeria do que a distribuição de temperaturas durante o dia realmente foi. Para muitas das observações utilizadas na determinação do clima, os observadores não recolhem as temperaturas horárias (como é feito nos locais de observação do Serviço Meteorológico Nacional). Em vez disso, eles medem apenas as altas e baixas temperaturas diárias. Esta prática, portanto, é apenas um reflexo dos dados disponíveis. Um procedimento mais preciso não pode ser usado porque os dados necessários para uma representação mais precisa simplesmente não existem em muitos sites. Considerando tudo isso, considere agora a média de, digamos, um período de 30 anos de registro para as temperaturas, a temperatura máxima média de 30 anos. A temperatura média mínima de 30 anos. E a média de 30 anos da temperatura média do dia. Se esses valores forem traçados ao longo de um ano, o resultado é mostrado no gráfico mostrado aqui. Esta é uma versão muito mais suave da variação anual de temperaturas do que o gráfico mostrado anteriormente (para o registro de temperaturas em qualquer data), mas ainda tem algumas irregularidades. 7. Desenvolvimento de normais Se apenas o gráfico da temperatura média diária for considerado, os valores diários deste cálculo estatístico poderão ser usados para definir o que é normal para cada data. Observe, no entanto, que há alguns solavancos e wiggles nesta trama a média não muda suavemente de um dia para o outro ao longo de todo o ano. Portanto, o que poderia ser feito é calcular uma curva teórica que se encaixe nas observações de perto, mas que varie suavemente de cada dia para o próximo. Vários esquemas técnicos existem para fazer isso, mas os detalhes não importam aqui. Os valores desta curva suave também poderiam ser chamados de temperaturas normais. A mesma coisa poderia ser feita separadamente para as altas temperaturas diárias e para as baixas temperaturas diárias. Isto produziria curvas suaves das temperaturas médias e baixas médias para cada data. Espero que você possa ver como artificial um valor tão normal é que é o produto final de uma série de suposições e manipulações estatísticas. Seria típico apenas em um sentido muito limitado. No entanto, este processo (ou algo parecido) é basicamente o que foi feito para lhe fornecer as altas e baixas temperaturas normais que você vê nas apresentações de mídia. Claro, não há nada mágico ou sagrado sobre como isso foi feito. A cada passo do caminho, foram tomadas decisões sobre como manipular as observações. Entre essas decisões é o período utilizado para definir o que é normal. O que geralmente é feito é não usar todo o período sobre o qual existem dados, mas para escolher um período de 30 anos de registro e chamar que o período de tempo normal. Para o Serviço Meteorológico Nacional normais o período atual de registro é 1961-1990. No final de cada década, o período de média de 30 anos é avançado mais 10 anos. Quando os dados foram coletados no ano 2000, o período de normalidade mudará para 1971-2000 no ano de 2001, e permanecerá lá até 2011, e assim por diante. O resultado se parece com isto quando aplicado aos dados anuais da precipitação para Oklahoma City. Observe que as linhas de nível, que representam as médias de 30 anos para diferentes períodos de média de 30 anos, mudam de uma década para a seguinte. Em alguns casos, a diferença é bastante significativa para os dados mostrados, a precipitação normal anual para Oklahoma City mudou tanto quanto 3 polegadas Assim, o que era chamado normal há 30 anos não é o que é chamado hoje normal Quem decide quanto tempo um Período de média para usar Quem decide que anos usar Quem decide que manipulações estatísticas dos dados para empregar Para os EUA tais decisões são feitas pelo Serviço Meteorológico Nacional eo Centro Nacional de Dados Climáticos. Presumivelmente, se eles são perguntados, eles podem fornecer detalhes sobre como eles calculam o que é normal, mas todas essas decisões são em algum sentido arbitrária. Poderiam tê-los feito de alguma outra maneira eo resultado poderia ter sido um pouco diferente, mas igualmente justificável. Então, onde é que isso nos deixa Como eu tenho mostrado, as saídas do normal não são incomuns. Na verdade, as saídas do normal são bastante típicas. Dependendo do que está sendo observado e com que precisão ele é medido, podemos nem mesmo ter muita informação sólida sobre o que realmente é normal para algum evento. É provável que seja normal que eventos notáveis (em termos de sua saída da média) ocorram dentro de um período de 30 anos, ocorrendo eventos maiores (maiores em relação à média) em cada século e eventos ainda maiores acontecerem 1000 anos. Dado o fato de que a maioria das pessoas tem a visão egocêntrica da climatologia descrita na Introdução, cada evento importante que se afasta significativamente da média parecerá extremamente anormal para a maioria das pessoas, embora em um sentido muito real possa ser considerado bastante típico quando a visão longa É tomada. 8. Eventos de precipitação e intervalos de recorrência Isso traz à tona o tópico freqüentemente mal compreendido dos intervalos de recorrência. Sua aplicação mais comum é a precipitação que leva a inundações repentinas, mas o método pode ser usado para estimar intervalos de recorrência para praticamente qualquer evento. Para as chuvas que produzem inundações, as observações de precipitação sobre alguma bacia de drenagem (ou bacia hidrográfica) podem ser usadas para determinar a freqüência de picos de precipitação dentro da bacia. Suponha que as medições de precipitação sejam divididas em categorias (digamos, intervalos de 0,01 polegadas ou 0,05 polegadas ou qualquer outro) e as ocorrências observadas dentro de cada intervalo são contadas. Isso resulta em um gráfico de freqüência (histograma) que seria algo parecido com o mostrado anteriormente. Com um pico nos valores mais baixos e uma cauda com frequências muito baixas que se estendem para valores elevados. A frequência de eventos diminui à medida que aumenta a quantidade de chuvas observadas e verifica-se que tais parcelas podem ser muito bem aproximadas pelo que é conhecido como Distribuição Lognormal. De fato, o gráfico hipotético mostrado é uma distribuição Lognormal. Evidentemente, grandes quantidades de chuvas observadas são muito raras e podem não ter sido observadas durante o período de registro. Se se supuser que a distribuição de chuvas encontrada usando o curto período de registro é aplicável a períodos muito longos, a distribuição teórica pode ser estendida (tal extensão é chamada extrapolação) para descobrir a freqüência de ocorrência hipotética para muito grande ) Eventos de precipitação. Observo que o processo de extrapolação é um negócio arriscado. Assumindo que uma única amostra de 100 anos de dados (ou o que é realmente disponível) é um banco de dados suficiente para observar a real distribuição de eventos não é necessariamente um bom. Mas na ausência de informações, pode ser tudo o que temos. O que é chamado de precipitação normal em um determinado dia é tipicamente tomado para significar a média de todos os eventos de precipitação observados em uma determinada data. Um monte de zero valores são adicionados em, e assim a precipitação média é uma pequena quantidade. Um gráfico de observações de precipitação diária em dois anos diferentes em comparação com os valores normais é mostrado aqui para Oklahoma City. Observe que a situação normal parece ser que chove uma pequena quantidade todos os dias Na realidade, é claro, há muitos dias sem chuva. Nos dias em que chove, a quantidade excede frequentemente o que é normal para esse dia. Os valores de registro para cada dia do ano em Oklahoma City em comparação com os normais (como o que eu mostrei mais cedo para Bismarck) são mostrados aqui Claro, o que a mídia tipicamente relatório não é a precipitação média para uma determinada data, mas a acumulação total Para o ano até essa data. Como mostrado aqui. A forma como a precipitação se acumula em qualquer ano não se parece muito com o que parece na média. Observe neste gráfico que em nenhum ano o total anual corresponde exatamente ao que é normal (a média de 30 anos de 1961 a 1990) e lembre-se da variação de precipitação de ano para ano. Imagine todos os diferentes tipos de gráficos de precipitação diária acumulada que poderia ser feita a partir de todos os anos diferentes de dados. A precipitação é particularmente difícil de caracterizar pela palavra normal de uma forma realmente significativa. Note que a freqüência de ocorrência observada é encontrada a partir desses dados dividindo o número observado de ocorrências pelo período de registro. Se um evento que excede um certo limiar de magnitude ocorreu 10 vezes em 100 anos, isso é uma frequência média de uma vez a cada dez anos. Ele quase certamente não terá sido 10 eventos uniformemente distribuídos, no entanto. Quando se considera a distribuição de eventos dessa magnitude como uma função do tempo, uma coisa será muito óbvia: eles não ocorrem em intervalos regulares de dez anos. De fato, para as medições de precipitação, há uma tendência distinta para os eventos de um determinado Tamanho para ocorrer em clusters, com longos períodos entre os quais nada dessa dimensão ocorre. Nota adicionada em agosto de 1997): A propósito, as freqüências de ocorrência são derivadas para locais específicos específicos. É perfeitamente possível que muitos eventos de 100 anos ocorram dentro de um curto espaço de tempo em locais diferentes, mas próximos. Se considerarmos as inundações repentinas, por exemplo, várias bacias adjacentes poderiam sofrer inundações de 100 anos durante um período de 20 anos. Isso não significa necessariamente que os cálculos de 100 anos em cada bacia estejam errados. Além disso, os valores são tipicamente diferentes para cada local. Um evento de 100 anos no montanhoso oeste dos EUA quase certamente envolveria menores quantidades de chuvas do que um evento de 100 anos ao longo da Costa do Golfo. Os valores de freqüência para eventos de baixa freqüência que foram estimados extrapolando a distribuição além das observações reais são todos menos de um evento por período do registro real. Ou seja, no período de registro (digamos 100 anos), tal evento nunca foi realmente observado Dado um comprimento recorde de Y anos, a menor freqüência que pode ser visto é Y -1. Para Y 100 anos isso dá uma menor freqüência de um por 100 anos. Através da extensão do gráfico, os valores estimados para a frequência que são inferiores a um podem ser obtidos, como já foi observado. Se a frequência hipotética é de 0,1 por 100 anos, esta é a mesma que uma vez por 1000 anos, ou um evento chamado de mil anos. Um evento de 500 anos seria de 0,2 por 100 anos, e assim por diante. É bastante difícil observar 0,1 eventos Dado que nos Estados Unidos, um registro contínuo de 200 anos é bastante incomum, é claro que os intervalos de recorrência de 500 ou 1000 anos são o resultado de tais extrapolações. As chances de um evento de determinada magnitude aumentar com o tempo, mas a passagem de um intervalo de recorrência não garante que você terá visto um, e apenas um, tal evento. Quanto mais longo for o período de registro, mais provável um evento dessa magnitude ocorrerá. Se a magnitude dos eventos for pequena (digamos um evento de 10 anos), ocorrerá com relativa freqüência e se cada período de 100 anos fosse considerado separadamente, a freqüência de tal evento seria praticamente a mesma em cada intervalo de 100 anos (10 eventos por 100 anos). Para eventos muito grandes (digamos um evento de 500 anos), a freqüência dentro de qualquer intervalo de 100 anos flutuaria consideravelmente. Em alguns séculos, esse evento não ocorreria. Em outros séculos, pode haver vários desses eventos. Mas se de alguma forma pudéssemos olhar para intervalos de 10.000 anos (talvez usando as técnicas de paleoclimatologia), a freqüência de algum evento com um intervalo de recorrência médio de 500 anos seria praticamente a mesma (20 eventos em cada período de 10.000 anos). At this point in human history, these are pretty abstract concepts, obviously 9. Climate change As a bit of a digression, suppose the frequency of 10 year events is observed somehow to be changing from one century to the next. Any such change might be viewed as a change of the climate, although that might be an arguable conclusion. On the other hand, it would be very hard to infer much about changes in the frequency of 500 year events in terms of climate change, because over the time from one century to the next, it is quite possible that all that has been observed is a natural fluctuation in the frequency of 500 year events. The ground here is getting pretty shaky. Part of the problem is to decide what is really meant by the word climate The word climate generally is taken to mean some sort of average of the weather. That much is fine, but what is the averaging period And how much data are there to be certain (in a hard, statistical sense) that the average is changing As already noted, solid meteorological observations are about two centuries old in most of the U. S. and some important observations (notably, those above the surface) have shorter periods of record than that. Of course, evidence can be found for what the climate might have been like a long time ago (ice ages, etc.), so the climate of the distant past was almost certainly very different from the climate of today, but it is really difficult to be certain of the details of the changing climate. And if the climate is changing all the time (as is probably the case), then whatever is called the climate is basically only a particular (and basically arbitrary) way of manipulating the data statistically. When the data are viewed with other choices having been made, perhaps the climate will appear more stable than it does when the choices are made another way. There are lots of good folks (as well as ignorant folks in the media and elsewhere) talking about how we humans might (or might not) be changing the climate. and I have no information that says we are (or are not) changing the climate from what it would have been without human activities. However, if climate is changing all the time, how can the changes introduced by humans be distinguished from the changes that would have occurred without humans It is very difficult to make this distinction. Even experts disagree about such things. 7 How can we have confidence that the media reports have done their job in educating us to be aware of the true situation My belief is that we cannot rely on the media to keep us informed about such things Note (added in August 1997): Recently, Reid Bryson wrote a very interesting essay in the March 1997 issue of the Bulletin of the American Meteorological Society . Vol. 78 . pp. 449-455 in which he proposes the following definition: Climate (Climatic status) is the thermodynamichydrodynamic status of the global boundary conditions that determine the current array of weather patterns. His idea is that the global boundary conditions determine the sorts of permissible weather patterns. Hence, if the boundary conditions are changing, so is the climate. He notes that this status changes with time and the season, and that the climate includes the weather patterns associated with that status. As interesting as this idea is, its not clear to me that it really has changed anything. We do not know the precise boundary conditions. the use of this term is associated with treating the problem as a boundary value problem, a mathematical term. and so we would still have to do some sort of averaging in order to treat the problem in any practical terms. It has not been demonstrated, moreover, that the problem is a pure boundary value problem. it might be that with a given set of boundary conditions, the set of permissible weather patterns could also depend on the initial conditions (an initial value problem, in mathematical terms). However, I like the notion that the climate necessarily includes the fluctuations associated with the weather patterns permitted by a particular set of boundary conditions. Reids essay is certainly an interesting proposal that at least makes an effort to avoid the logical conundrums of climate as the average of the weather. Im inclined to be supportive of its direction, if not the practicality and appropriateness of all its abstractions. One particularly severe winter, or one notably long drought, or some spectacular series of devastating storms does not signal that the climate has changed. Not even all of those taken together are sufficient to foretell the Apocalypse. Nor should it be considered automatically as something unusual or particularly abnormal, as I have been trying to show. As I look at the data showing the variation of rainfall in Oklahoma City over a period of 91 years. I have a lot of trouble being confident in saying that climate change is or is not occurring. Yes, there recently does appear to be more precipitation than in the past. However, if I dug back into the record another 91 years, I might find find a period that looked very much like, say, the last 10 years. Given all the year-to-year variability, a true climate change (however we might want to define such a thing) is pretty hard to detect. Even using sophisticated statistical techniques, it is hard to be completely sure There are a lot of things that can affect the record, including the exposure of the raingauge, how the readings are taken, the design of the raingauge, the character of the surrounding region. many of these things have changed over the years, even at a single site. Assessing climate change is pretty doggoned difficult. Weather (and its average, the climate) changes on many time and space scales, and we can be certain that during the 200 years (or less) of observations here in the U. S. we have sampled only a tiny fraction of those time and space variations in the weather (and climate). 10. Discussion So where does this leave us Well, there are several conclusions that I want to you to consider: The weathers most predominant characteristic is variability . What is average is not necessarily what is typical . In most instances, having weather that corresponds precisely to the average is rather unusual. Knowing the average is not enough information to know what is typical. What is needed is a knowledge of the variability about the average. The variability of weather depends on the time and location being considered. What is considered normal may not even correspond precisely to the average. Normality is a matter of definition. In order to understand what normal means, you have to know what was done to the data. When the period of observation is less than a given recurrence interval, the actual knowledge of that recurrence interval is subject to uncertainty it depends on the validity of the assumptions used to find it. When recurrence intervals are used to describe events, they do not imply that events of that magnitude will occur at regular intervals. Any particular event or even a series of events does not necessarily show that the climate (i. e. the average of the weather) has changed. The use of statistics to develop quantitative knowledge of atmospheric behavior is not some sort of black art, but popular presentations of that knowledge frequently are misleading because they ignore the statistics. Statistics is an important tool for development of an understanding of what is normal and what the climate is, simply because with a knowledge of statistics, the limitations of our understanding can be known . Typically, in the media, all of the warnings about the limitations of the procedures (often called caveats, a Latin word meaning beware ) are ignored. Many of these limitations are technical and difficult for the public to grasp, so the media usually do not present the caveats. Oversimplification is an understandable, if lamentable, tendency of media presentations. I would hope that most people would seek more information about such things, but folks willing to seek more information are rather exceptional, I fear. Most people do not want to be bothered with technical issues because they feel they are irrelevant to their lives. Unfortunately, ignorance of this sort can lead the majority of the public to adopt inappropriate positions regarding decisions about our environment an important example of an inappropriate position is one of apathy (If there is so much disagreement about what to, then who cares). I believe it to be in every persons self-interest to know more about the environmental issues that confront us. The environment can be very unforgiving when we make mistakes, and makes no distinction when those mistakes are attributable to ignorance. Like the law, the atmosphere does not recognize ignorance as an excuse. Acknowledgments . I have been assisted in this process by Dr. David Schultz, Mr. Dave Andra, Dr. Jeff Trapp, Dr. Harold Brooks, and Ms. Beverly Reese. These kind folks have helped me get the data used in the examples I have shown andor engaged in helpful discussions about this topic.
No comments:
Post a Comment