Technology Rain Journal ISSN 2953-464X,indexada en Latindex Catálogo 2.0, es una Revista enfocada en el área de Ciencias Informáticas e Ingeniería aplicadas. Posee una periodicidad Semestralcon un volumen anual de dos números . Nuestra revista es editada por la editorial Kolibri, auspiciada por La Red de Investigacion en Ingenieria e Informatica Ri3, el Instituto de Investigaciones Informáticas y Forenses del Ecuador, y otras entidades sin fines de lucro. La Revista publica artículos originales e inéditos, y evaluado en doble ciego. Revista de acceso abierto Licencia Creative Commons Attribution 4.0 International (CC BY 4.0) Recepción permanente de artículos científicos Envios Formato
En la era del Big Data, la capacidad de resumir, interpretar y comunicar datos de manera visual y rigurosa se ha convertido en una habilidad indispensable para cualquier profesional. Esta segunda edición de Estadística descriptiva con R ofrece una guía completa, clara y sumamente práctica para dominar el análisis de datos desde sus fundamentos hasta la creación de visualizaciones de alto impacto. A través de un enfoque didáctico y aplicado, los destacados investigadores y docentes Manuel Antonio Meneses Freire, Jorge David Zúñiga Lema, Lourdes del Carmen Zúñiga Lema y Silvia Mariana Haro Rivera combinan de manera precisa la rigurosidad matemática con el potencial analítico de R, el lenguaje de programación referente en la ciencia de datos. Desde la organización de variables y el cálculo de medidas de tendencia central y dispersión, hasta el despliegue de gráficos avanzados, el lector aprenderá paso a paso cómo transformar bases de datos en bruto en conocimiento estratégico y visualmente atractivo. Estructurada como una herramienta metodológica de vanguardia, esta obra destaca por incluir aplicaciones prácticas resueltas, códigos replicables y técnicas modernas de representación gráfica. Ya sea que te inicies en el mundo de la estadística o busques perfeccionar tus competencias técnicas, este libro es un recurso imprescindible en el entorno universitario y profesional para convertir los datos en el motor del análisis crítico y la toma de decisiones informadas
Technology Rain Journal ISSN 2953-464X,indexada en Latindex Catálogo 2.0, es una Revista enfocada en el área de Ciencias Informáticas, Ingeniería aplicadas, y Ciencias Sociales. Posee una periodicidad Semestralcon un volumen anual de dos números . Nuestra revista es editada por la editorial Kolibri, auspiciada por La Red de Investigacion en Ingenieria e Informatica Ri3, el Instituto de Investigaciones Informáticas y Forenses del Ecuador, y otras entidades sin fines de lucro. La Revista publica artículos originales e inéditos, y evaluado en doble ciego. Revista de acceso abierto Licencia Creative Commons Attribution 4.0 International (CC BY 4.0) Recepción permanente de artículos científicos Envios Formato Correo : technologyrainjournal@gmail.com WhatsApp: (593) 098 901 9744 / (593) 098 425 3072
Technology Rain Journal ISSN 2953-464X,indexada en Latindex Catálogo 2.0, es una Revista enfocada en el área de Ciencias Informáticas, Ingeniería aplicadas, y Ciencias Sociales. Posee una periodicidad Semestralcon un volumen anual de dos números . Nuestra revista es editada por la editorial Kolibri, auspiciada por La Red de Investigacion en Ingenieria e Informatica Ri3, el Instituto de Investigaciones Informáticas y Forenses del Ecuador, y otras entidades sin fines de lucro. La Revista publica artículos originales e inéditos, y evaluado en doble ciego. Revista de acceso abierto Licencia Creative Commons Attribution 4.0 International (CC BY 4.0) Recepción permanente de artículos científicos Envios Formato Correo : technologyrainjournal@gmail.com WhatsApp: (593) 098 901 9744 / (593) 098 425 3072
Introducción: El análisis de datos funcionales tiene muchas aplicaciones y es muy útil en diferentes campos como la economía, ciencias de la salud, medio ambiente. Proporciona, en conjunto con otros métodos estadísticos, información para predecir eventos, ya sean naturales, sociales o de salud. Objetivo: Ajustar modelos de regresión funcional con respuesta funcional aplicados a las variables meteorológicas, Temperatura, Humedad, Presión y Radiación. Métodos: Analizar de forma descriptiva las variables meteorológicas; ajustar los modelos de regresión funcional de la variable Radiación en dependencia de las variables temperatura, humedad y presión; evaluar el ajuste de los modelos de regresión funcional en las variables meteorológicas. Resultados: Se obtuvieron las gráficas de cada variable meteorológica, un análisis de datos atípicos funcional, el suavizado de las curvas que representan las variables meteorológicas mediante Fourier. El análisis residual de los modelos lineales con respuesta funcional de la radiación explicada mediante las variables, temperatura y presión dieron como resultado menor variación con la temperatura, que con la presión. Conclusiones: Los modelos de regresión funcional con respuesta funcional de la variable radiación en dependencia de la variable presión presento mayor variación en el análisis de sus residuos con respecto al modelo de radiación en dependencia de temperatura.
16 July 2026 in Revista Multidisciplinar de Estudios Generales
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.