El papel del análisis por componentes principales en la evaluación de redes de control de la calidad del aire.

• Josué M. Polanco Martínez ^[1]
  1. [1] University of Bordeaux

     University of Bordeaux

     Arrondissement de Bordeaux, Francia

     
• Localización: Comunicaciones en Estadística, ISSN 2027-3355, ISSN-e 2339-3076, Vol. 9, Nº. 2, 2016, págs. 271-294
• Idioma: español
• Títulos paralelos:
  • The role of principal component analysis in the evaluation of air quality monitoring networks.
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Una de las técnicas estadísticas de más amplio uso en estudios ambientales es el análisis por componentes principales (ACP). Esta técnica consiste en la descomposición lineal de un conjunto de variables correlacionadas en términos de funciones de base ortogonal, de tal modo que reducen el número de variables y eliminan la correlación entre ellas. El ACP es utilizado en una amplia gama de aplicaciones en el estudio de fenomenos ambientales, desde el analisis de campos meteorol ́ogicos hasta en la evaluacion de redes de control y vigilancia de la calidad del aire (RCVCA). Hoy por hoy, es posible encontrar una buena cantidad de publicaciones en ingles sobre este último tipo de aplicaciones, pero hay una carencia de informacion en español. Por estas razones, en este artıculo de revisi ́on se presenta de manera concisa toda la informaci ́on pertinente para evaluar RCVCA mediante el ACP, así como algunos ejemplos con datos simulados y reales

  • English

    One of the most statistical techniques used in environmental sciences is the Principal Component Analysis (PCA). This technique consist in a linear decomposition of a set of correlated variables into a set of uncorrelated variables named principal components. It is one of the simplest and most robust ways of doing dimensionality reduction. The PCA is widely used in the study of environmental phenomena, from the analysis of meteorological fields to the evaluation of air quality monitoring networks (AQMN). Due to the potential use of this method, more information in Spanish is required. For these reasons, we are highly motivated to contribute with this review paper, which contains the state of the art to evaluate AQMN by means of PCA. Additionally, some examples (simulated and real-world data) are presented to exemplify the use of this technique.