100 ปี เฉลี่ยเคลื่อนที่ อุณหภูมิ

ค่าเฉลี่ยเคลื่อนที่: วิธีการใช้งานบางส่วนของฟังก์ชันหลักของค่าเฉลี่ยเคลื่อนที่คือการระบุแนวโน้มและการพลิกกลับ วัดความแรงของโมเมนตัมของสินทรัพย์และกำหนดพื้นที่ที่อาจเป็นสินทรัพย์ที่จะได้รับการสนับสนุนหรือความต้านทาน ในส่วนนี้เราจะชี้ให้เห็นว่าช่วงเวลาที่ต่างกันสามารถตรวจสอบโมเมนตัมได้อย่างไรและค่าเฉลี่ยเคลื่อนที่ที่จะเป็นประโยชน์ในการตั้งค่าการหยุดขาดทุนได้อย่างไร นอกจากนี้เราจะกล่าวถึงบางส่วนของความสามารถและข้อ จำกัด ของค่าเฉลี่ยเคลื่อนที่ที่ควรพิจารณาเมื่อใช้เป็นส่วนหนึ่งของขั้นตอนการซื้อขาย เทรนด์แนวโน้มการระบุตัวตนเป็นหนึ่งในหน้าที่หลักของการย้ายค่าเฉลี่ยซึ่งใช้โดยผู้ค้าส่วนใหญ่ที่พยายามทำให้แนวโน้มเป็นเพื่อนของตน ค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ที่ล่าช้า ซึ่งหมายความว่าพวกเขาไม่ได้ทำนายแนวโน้มใหม่ แต่ยืนยันแนวโน้มเมื่อมีการจัดตั้งแล้ว ดังที่เห็นในรูปที่ 1 หุ้นจะถือเป็นหุ้นในขาขึ้นเมื่อราคาอยู่เหนือค่าเฉลี่ยเคลื่อนที่และค่าเฉลี่ยถ่วงขึ้น ในทางตรงกันข้ามผู้ประกอบการค้าจะใช้ราคาต่ำกว่าค่าเฉลี่ยที่ลาดลงเพื่อยืนยันขาลง ผู้ค้าจำนวนมากจะพิจารณาเฉพาะการถือครองฐานะยาวในสินทรัพย์เมื่อราคาซื้อขายสูงกว่าค่าเฉลี่ยเคลื่อนที่ กฎง่ายๆนี้สามารถช่วยให้มั่นใจได้ว่าแนวโน้มการทำงานในผู้ค้าชอบ โมเมนตัมผู้ค้าเริ่มต้นจำนวนมากถามว่ามันเป็นไปได้อย่างไรในการวัดโมเมนตัมและค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้เพื่อจัดการกับความสำเร็จดังกล่าวได้อย่างไร คำตอบง่ายๆคือให้ความสำคัญกับช่วงเวลาที่ใช้ในการสร้างค่าเฉลี่ยเนื่องจากแต่ละช่วงเวลาสามารถให้ข้อมูลเชิงลึกที่มีคุณค่าในรูปแบบต่างๆของโมเมนตัม โดยทั่วไปแล้วโมเมนตัมระยะสั้นสามารถวัดได้โดยดูที่ค่าเฉลี่ยเคลื่อนที่ซึ่งให้ความสำคัญกับระยะเวลา 20 วันหรือน้อยกว่า การพิจารณาค่าเฉลี่ยเคลื่อนที่ที่สร้างขึ้นโดยมีระยะเวลา 20 ถึง 100 วันโดยทั่วไปถือว่าเป็นตัววัดที่ดีของแรงในระยะปานกลาง สุดท้ายค่าเฉลี่ยเคลื่อนที่ใด ๆ ที่ใช้เวลา 100 วันหรือมากกว่าในการคำนวณสามารถใช้เป็นตัวชี้วัดความเป็นโมเมนตัมในระยะยาว สามัญสำนึกควรบอกคุณว่าค่าเฉลี่ยเคลื่อนที่ 15 วันเป็นตัววัดระยะสั้นที่เหมาะสมกว่าค่าเฉลี่ยเคลื่อนที่ 200 วัน หนึ่งในวิธีการที่ดีที่สุดในการกำหนดความแรงและทิศทางของโมเมนตัมของสินทรัพย์คือการวางค่าเฉลี่ยเคลื่อนที่สามตัวลงบนแผนภูมิและให้ความสนใจใกล้เคียงกับความสัมพันธ์ระหว่างกัน ค่าเฉลี่ยเคลื่อนที่สามตัวที่ใช้โดยทั่วไปมีเฟรมเวลาต่างกันเพื่อแสดงถึงการเคลื่อนไหวของราคาในระยะสั้นระยะกลางและระยะยาว ในรูปที่ 2 แรงดึงดูดที่แข็งแกร่งขึ้นจะเห็นได้เมื่อค่าเฉลี่ยระยะสั้นอยู่เหนือค่าเฉลี่ยระยะยาวและค่าเฉลี่ยทั้งสองจะแตกต่างกัน ในทางตรงกันข้ามเมื่อค่าเฉลี่ยระยะสั้นมีค่าต่ำกว่าค่าเฉลี่ยระยะยาวในระยะยาวโมเมนตัมจะอยู่ในทิศทางที่ลดลง การสนับสนุนการใช้ค่าเฉลี่ยเคลื่อนที่อีกแบบหนึ่งคือการกำหนดราคาที่เป็นไปได้ ไม่ต้องใช้ประสบการณ์มากในการจัดการกับค่าเฉลี่ยเคลื่อนที่เพื่อสังเกตว่าราคาที่ลดลงของสินทรัพย์มักจะหยุดและกลับทิศทางในระดับเดียวกับค่าเฉลี่ยที่สำคัญ ตัวอย่างเช่นในรูปที่ 3 คุณจะเห็นได้ว่าค่าเฉลี่ยเคลื่อนที่ 200 วันสามารถตรึงราคาหุ้นหลังจากที่ตกลงมาจากระดับสูงที่ 32 ได้ผู้ค้าหลายรายคาดว่าจะพลิกกลับจากค่าเฉลี่ยเคลื่อนที่ที่สำคัญและจะใช้ค่าเฉลี่ยอื่น ๆ ตัวบ่งชี้ทางเทคนิคเพื่อยืนยันการเคลื่อนย้ายที่คาดไว้ ความต้านทานเมื่อราคาของสินทรัพย์ต่ำกว่าระดับที่มีอิทธิพลในการสนับสนุนเช่นค่าเฉลี่ยเคลื่อนที่ 200 วันก็เป็นเรื่องปกติที่จะเห็นค่าเฉลี่ยที่ทำหน้าที่เป็นอุปสรรคสำคัญที่ทำให้นักลงทุนไม่สามารถผลักดันให้ราคาสูงกว่าค่าเฉลี่ยดังกล่าวได้ ตามที่คุณสามารถดูได้จากตารางด้านล่างความต้านทานนี้มักใช้โดยผู้ค้าเป็นสัญลักษณ์เพื่อทำกำไรหรือปิดสถานะยาว ๆ ที่มีอยู่ ผู้ขายสั้นจำนวนมากยังใช้ค่าเฉลี่ยเหล่านี้เป็นจุดเริ่มต้นเนื่องจากราคามักจะตีกลับแนวต้านและยังคงเคลื่อนไหวต่ำลง หากคุณเป็นนักลงทุนที่มีฐานะที่ยาวนานในสินทรัพย์ที่ซื้อขายต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่สำคัญคุณอาจสนใจที่จะติดตามระดับอย่างใกล้ชิดเนื่องจากอาจส่งผลต่อมูลค่าการลงทุนของคุณมาก Stop-Losses ลักษณะการสนับสนุนและความต้านทานของค่าเฉลี่ยเคลื่อนที่ช่วยให้เป็นเครื่องมือในการบริหารความเสี่ยง ความสามารถในการเคลื่อนตัวเฉลี่ยเพื่อระบุสถานที่เชิงกลยุทธ์ในการตั้งคำสั่งหยุดขาดทุนช่วยให้ผู้ค้าสามารถตัดตำแหน่งที่เสียไปก่อนที่จะเติบโตได้ ดังที่เห็นในรูปที่ 5 ผู้ค้าที่ถือครองหุ้นในหุ้นยาวและตั้งคำสั่งหยุดขาดทุนต่ำกว่าค่าเฉลี่ยที่มีอิทธิพลสามารถช่วยตัวเองได้เงินเป็นจำนวนมาก การใช้ค่าเฉลี่ยเคลื่อนที่ในการตั้งค่าคำสั่งหยุดขาดทุนเป็นหัวใจสำคัญของกลยุทธ์การซื้อขายที่ประสบความสำเร็จตัวชี้วัดเฉลี่ย Average moving moving ให้การวัดแนวโน้มของทิศทางโดยการปรับข้อมูลราคาให้เรียบ โดยปกติการคำนวณโดยใช้ราคาปิดค่าเฉลี่ยเคลื่อนที่สามารถใช้กับมัธยฐาน ตามแบบฉบับ การปิดถ่วงน้ำหนัก และสูงราคาต่ำหรือราคาเปิดรวมทั้งตัวบ่งชี้อื่น ๆ ความยาวเฉลี่ยที่สั้นลงมีความละเอียดอ่อนและระบุแนวโน้มใหม่ ๆ ก่อนหน้านี้ แต่ยังให้สัญญาณเตือนที่ผิดพลาดมากขึ้น ค่าเฉลี่ยเคลื่อนที่ที่ยาวกว่ามีความน่าเชื่อถือมากขึ้น แต่ไม่ตอบสนองน้อยเพียงยกขึ้นแนวโน้มใหญ่ ใช้ค่าเฉลี่ยเคลื่อนที่ซึ่งเท่ากับครึ่งความยาวของวัฏจักรที่คุณกำลังติดตาม หากความยาวรอบสูงสุดถึงสูงสุดคือประมาณ 30 วันค่าเฉลี่ยเคลื่อนที่ 15 วันมีความเหมาะสม ถ้า 20 วันค่าเฉลี่ยเคลื่อนที่ 10 วันมีความเหมาะสม อย่างไรก็ตามผู้ค้าบางรายจะใช้ค่าเฉลี่ยเคลื่อนที่ 14 และ 9 วันสำหรับรอบข้างต้นด้วยความหวังว่าจะสร้างสัญญาณได้เล็กน้อยก่อนตลาด อื่น ๆ โปรดปรานตัวเลข Fibonacci 5, 8, 13 และ 21. 100 ถึง 200 วัน (20 ถึง 40 สัปดาห์) ค่าเฉลี่ยเคลื่อนที่เป็นที่นิยมสำหรับรอบที่ยาวกว่า 20 ถึง 65 วัน (4 ถึง 13 สัปดาห์) ค่าเฉลี่ยเคลื่อนที่มีประโยชน์สำหรับรอบกลางและ 5 เป็นระยะเวลาสั้น ๆ 20 วัน ระบบค่าเฉลี่ยที่ง่ายที่สุดในการสร้างสัญญาณเมื่อราคาข้ามค่าเฉลี่ยเคลื่อนที่: ไปนานเมื่อราคาข้ามไปเหนือค่าเฉลี่ยเคลื่อนที่จากด้านล่าง สั้นเมื่อราคาทะลุไปต่ำกว่าค่าเฉลี่ยเคลื่อนที่จากด้านบน ระบบมีแนวโน้มที่จะ whipsaws ในตลาดที่หลากหลายมีราคาข้ามไปมาทั่วค่าเฉลี่ยเคลื่อนที่สร้างจำนวนมากของสัญญาณเท็จ ด้วยเหตุนี้ระบบเฉลี่ยเคลื่อนที่มักใช้ตัวกรองเพื่อลดเสียงกระเพื่อม ระบบซับซ้อนใช้ค่าเฉลี่ยเคลื่อนที่มากกว่าหนึ่งค่า Two Moving Averages ใช้ค่าเฉลี่ยเคลื่อนที่เร็วขึ้นแทนราคาปิด สามค่าเฉลี่ยเคลื่อนที่ใช้ค่าเฉลี่ยเคลื่อนที่ที่สามเพื่อระบุเมื่อราคาอยู่ในช่วง ค่าเฉลี่ยเคลื่อนที่หลายค่าใช้ค่าเฉลี่ยเคลื่อนที่หกตัวและค่าเฉลี่ยเคลื่อนที่ช้าๆหกตัวเพื่อยืนยันกัน Displaced Moving Averages มีประโยชน์สำหรับวัตถุประสงค์ในการติดตามแนวโน้มการลดจำนวน whipsaws ช่อง Keltner ใช้แผนภูมิที่วางแผนไว้ที่ช่วงจริงหลายช่วงเพื่อกรองไขว้เฉลี่ยเคลื่อนไหว ตัวบ่งชี้ความนิยม MACD (Moving Average Convergence Divergence) ที่เป็นที่นิยมคือรูปแบบของระบบค่าเฉลี่ยเคลื่อนที่ 2 เส้นซึ่งเป็นกราฟแสดง oscillator ซึ่งจะลบค่าเฉลี่ยเคลื่อนที่ช้าจากค่าเฉลี่ยเคลื่อนที่เร็ว มีค่าเฉลี่ยเคลื่อนที่หลายแบบแต่ละแบบมีลักษณะเฉพาะของตนเอง ค่าเฉลี่ยเคลื่อนที่ง่ายเป็นวิธีที่ง่ายที่สุดในการสร้าง แต่ยังมีแนวโน้มที่จะบิดเบือนมากที่สุด ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักเป็นเรื่องยากที่จะสร้าง แต่น่าเชื่อถือ ค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดจะได้รับประโยชน์จากการชั่งน้ำหนักรวมกับความสะดวกในการก่อสร้าง ค่าเฉลี่ยเคลื่อนที่ส่วนใหญ่จะใช้เป็นตัวชี้วัดที่พัฒนาขึ้นโดย J. Welles Wilder สูตรเดียวกันกับค่าเฉลี่ยเคลื่อนที่แบบเสวนาโดยใช้ mdash ที่แตกต่างกันซึ่งผู้ใช้จำเป็นต้องให้เงินช่วยเหลือ แผงตัวบ่งชี้แสดงวิธีตั้งค่าเฉลี่ยเคลื่อนที่ การตั้งค่าเริ่มต้นคือค่าเฉลี่ยเคลื่อนที่แบบเสวนาเลข 21 วันข้อคิดเห็นเกี่ยวกับสภาวะปกติของบรรยากาศ Norman, OK การปรับปรุงล่าสุด: 11 สิงหาคม 2540 ข้อจำกัดความรับผิดชอบมาตรฐานใช้ที่นี่ งานนี้เป็นเพียงความเห็นของ Chuck Doswell และไม่ได้เป็นคำสั่งอย่างเป็นทางการใด ๆ โดย NSSL, ERL, OAR, NOAA, DoC หรือประธานาธิบดีของสหรัฐอเมริกาตอนนี้คุณรู้ว่าคำสั่งของฉัน (หรืออย่างน้อยคำย่อ) . ความร่วมมือในปัจจุบัน: สถาบันสหกรณ์เพื่อการศึกษาทางอุตุนิยมวิทยาใน Mesoscale, นอร์แมน, โอคลาโฮมา 1. บทนำเนื้อหาที่เป็นที่นิยมมากที่สุดคือการอภิปรายอย่างไม่เป็นทางการและสภาพอากาศที่แปลกใหม่ซึ่งรวมถึงบนอินเทอร์เน็ต . ความแปลกประหลาดของอากาศแปรผันคือลมเจ็ทผลเรือนกระจก El Nintildeo การปะทุของภูเขาไฟผู้เข้าชมคนต่างด้าวการสิ้นสุดของจักรวาลและอื่น ๆ สิ่งนี้มีต้นกำเนิดมาจากแหล่งต่างๆเช่นหนังสือพิมพ์อาหารเสริมวันอาทิตย์นิตยสารวิทยาศาสตร์ที่ได้รับความนิยมหนังสือพิมพ์ใบปลิวและรายการโทรทัศน์ ในช่วงหลังโปรแกรมเกี่ยวกับสภาพอากาศจะปรากฏในงานนำเสนออย่างจริงจังในพีบีเอสในความเห็นและคุณลักษณะของ Weathercasters ในท้องถิ่นของคุณในนิตยสารทีวีและหนังสือพิมพ์แท็บลอยด์และช่องข่าวสภาพอากาศ ฉันจะพูดตรงขึ้นว่าส่วนใหญ่ของสิ่งที่คุณอ่านและได้ยินในแง่ของคำอธิบายผ่านทางสื่อต่างๆคือ fabrications, mythology, พูดพล่อยๆหรือ oversimplifications พิสดาร ไม่ว่าคนที่มีชื่อเสียงกี่คนจะวิ่งออกไปข้างหน้าเพื่อจับภาพเสียงกัดที่หลีกเลี่ยงไม่ได้ที่ทางโทรทัศน์ใช้แทนเนื้อหา 1 สิ่งที่สื่อมีอยู่คือส่วนใหญ่เป็นขนปุยและครึ่งความจริง สื่อไม่ได้อยู่ในธุรกิจเพื่อทำวิทยาศาสตร์ พวกเขาอยู่ในธุรกิจที่จะขายเบียร์, รถยนต์, เครื่องสำอาง, ยาสีฟัน, อาหารจานด่วนและอาจจะตัวเอง หากวิทยาศาสตร์ที่มีสาระสำคัญขายดีก็ดี แต่ก็มีแนวโน้มที่จะผลักดันไปสู่ความขัดแย้งและความตื่นเต้นเกือบทุกครั้งที่ค่าใช้จ่ายของสารเคมี การเขียนโปรแกรมส่วนใหญ่เป็นข้ออ้างที่จะนำเสนอผลิตภัณฑ์ของตนต่อหน้าคุณผู้บริโภค ถ้าพวกเขาพูดอะไรบางอย่างเกี่ยวกับการศึกษาเป็นเรื่องบังเอิญมาก ให้ผู้ซื้อระวัง วิทยาศาสตร์มีแนวโน้มที่จะเบื่อ folks เพราะต้องระมัดระวังความคิดและความสนใจ คนส่วนใหญ่ที่ดูโทรทัศน์หรือพลิกผ่านแม็กกาซีนบนแผงหนังสือพิมพ์ท้องถิ่นหรือแม้แต่การท่องอินเทอร์เน็ตก็เบื่อได้ง่าย พวกเขาไม่ต้องการคิดหนักหรือยาวมาก ดังนั้นพวกเขาจึงเข้าใจง่ายโดย hype และพูดเกินจริงโกหกและตำนานที่พวกเขาพบเกี่ยวกับสภาพอากาศ ถ้าฉันไม่พอใจคุณจนถึง 2 คุณต้องสนใจสารอย่างน้อยสักนิด ช่วยให้ได้รับหลังจากหัวข้อตอนนี้ คนส่วนใหญ่มองโลกผ่านทางดวงตาเสมือนว่าพวกเขาทำตัวราวกับว่าประสบการณ์ส่วนตัวของพวกเขาเป็นตัวแทนของประสบการณ์ของดาวเคราะห์ทั้งหมดตลอดกาล สำหรับหลาย ๆ คนถ้าพวกเขาเองยังไม่เคยมีประสบการณ์อะไรมาก่อนต้องเป็นประสบการณ์ที่ผิดปกติและผิดปกติ นี่คือโง่และผิวเผินเกือบจะไม่สมควรได้รับการกล่าวถึงที่นี่เว้นแต่ว่าหลายคนมีส่วนร่วมกับสมมติฐานแบบนัย ๆ เกี่ยวกับประสบการณ์ของพวกเขา เมื่อใดก็ตามที่สภาพอากาศสูงกว่าช่วงที่มีประสบการณ์ someones (และคนมักจะมีความทรงจำสั้น ๆ ดังนั้นการรับรู้ประสบการณ์ของพวกเขามัก จำกัด อยู่เพียงไม่กี่ปีที่ผ่านมา) จากนั้นก็มีเสียงดังว่าเป็นสิ่งผิดปกติหรือผิดปกติมักแต่งแต้มด้วยการคาดเดาเกี่ยวกับเรื่องน่ากลัว อนาคต. แน่นอนว่าเมื่อคุณอ่านและฟังเกี่ยวกับสภาพอากาศจากสื่อคุณมักจะได้รับการบอกเล่าว่าอะไรเป็นเรื่องปกติสำหรับวันนั้น อุณหภูมิสูงปกติ, อุณหภูมิต่ำสุดปกติและอาจจะมีปริมาณฝนโดยทั่วไปสำหรับปีจนถึงวันที่นั้น ดังนั้นคุณจะได้รับข้อมูลที่แสดงถึงสิ่งที่เป็นปกติในวันที่เฉพาะเจาะจงใด ๆ สำหรับเมืองของคุณ พวกเขามาจากสิ่งที่พวกเขาบอกจริงๆบอกคุณเกี่ยวกับสิ่งที่คาดหวังเมื่อวันที่ 5 เมษายนหรือ 23 ตุลาคมหรือเมื่อใดก็หมายความว่าอะไรที่จะได้สัมผัสสภาพอากาศตามปกติในวันที่กำหนดหรือในช่วง ปีที่กำหนดฉันจะหวังว่าจะแสดงคำปกติอาจเป็นทางเลือกคำที่โชคร้ายที่บ่งบอกถึงสิ่งที่ไม่เหมาะสมมากเมื่อคำที่ใช้ในการอธิบายสภาพอากาศโดยเฉพาะอย่างยิ่งในรูปแบบเชิงปริมาณ 2. การแจกจ่ายในวันที่เฉพาะเจาะจงฉันเริ่มต้นด้วยการพิจารณาข้อมูลที่จะแสดงจริง นั่นคือสมมุติฐานและทฤษฎี ลองนึกภาพว่ามีบันทึกอุณหภูมิสูงสำหรับ Hellmouth ในเนวาดาที่เสร็จสมบูรณ์เป็นระยะเวลา 100 ปี สำหรับวันที่ของปี (ยกเว้นวันที่ 29 กุมภาพันธ์) มีการบันทึกค่าอุณหภูมิที่สูงขึ้น 100 รายการ สิ่งที่คุณคิดว่าบันทึกดังกล่าวอาจมีลักษณะเหมือนคุณคิดว่าทุกอุณหภูมิสูงในทุก 16 มิถุนายนที่ 100 ปีจะเหมือนกันนี้ดูเหมือนว่าไม่น่าเป็นไปได้ค่อนข้าง ไม่มีใครจะโง่เพื่อที่จะเชื่อว่าใช่วิธีที่ดีในการมองเห็นสิ่งที่สังเกต 100 มีลักษณะเหมือนจะแสดง 100 สังเกตอุณหภูมิสูง นี้สามารถทำได้ในหลายวิธี แต่คิดพล็อตจำนวนครั้งที่อุณหภูมิแต่ละเกิดขึ้นในวันที่ 16 มิถุนายน พล็อตดังกล่าวอาจมีลักษณะเช่นนี้ 3 ซึ่งคุณอาจรู้จักเส้นโค้งที่คุ้นเคยและมีรูประฆัง Curiously, เส้นโค้งระฆังบางครั้งเรียกว่าการกระจายปกติส่วนใหญ่สำหรับเหตุผลทางประวัติศาสตร์ที่มีความสนใจน้อยที่นี่ ข้อมูลอาจมีลักษณะเช่นนี้ บางทีในวันที่อื่นในสถานที่เดียวกันหรือที่อื่นในวันที่เดียวกัน 3. การวัดจุดศูนย์กลางตอนนี้พิจารณาวิธีการกำหนดสิ่งที่เป็นปกติสำหรับวันที่กำหนดโดยระบุว่าอุณหภูมิในวันนั้นจะแตกต่างกันไปในแต่ละปี บางทีการเริ่มต้นที่มีตรรกะมากที่สุดก็คือการบอกว่าเป็นเรื่องปกติซึ่งเป็นค่าเฉลี่ยที่เรียบง่ายของข้อมูลจาก 100 ตัวอย่าง ค่าเฉลี่ยที่เรียบง่าย (หรือค่าเฉลี่ย) สำหรับตัวแปร x สุ่มตัวอย่าง 100 ครั้งถูกกำหนดให้เป็นตำแหน่งที่ xi แสดงถึงค่าของแต่ละบุคคลจากแต่ละ 100 ปีในช่วงเวลาที่บันทึกและสัญลักษณ์ตลกถูกอ่านเป็นผลรวมจาก i 1 ถึง 100 ของ xi 4 ค่าเฉลี่ยที่เรียบง่ายเป็นหนึ่งในหลายวิธีในการวัดว่าเทคนิคที่รู้จักกันในชื่อแนวโน้มกลางคืออะไร อีกหนึ่งมาตรการนี้เรียกว่ามัธยฐานคือค่าของ x ที่แบ่งการกระจายออกเป็นสองส่วนเท่า ๆ กันโดยมีค่า 50 เหนือค่ามัธยฐานและ 50 ค่าด้านล่าง สำหรับเส้นโค้งรูประฆังทั้งสองรูปแบบถือว่าค่าเฉลี่ยและค่ามัธยฐานเป็นค่าเดียวกันค่าเฉลี่ยที่เรียบง่ายจะอยู่ร่วมกับจุดสูงสุดของการแจกแจง นี่ไม่ใช่ความจริงเสมอไปดังที่แสดงในภายหลัง ตัวอย่างสองตัวอย่างแรกนี้ได้รับเลือกให้เป็นค่าเฉลี่ยที่เรียบง่ายของข้อมูลที่มีค่าเท่ากันทั้งสองอย่าง แต่อย่างชัดเจนการแจกแจงจะแตกต่างกันมาก ปรากฏว่าช่วงของค่ายิ่งใหญ่กว่าในตัวอย่างที่สองมากกว่าในช่วงแรก นี่เป็นบทเรียนที่สำคัญเกี่ยวกับความหมายโดยปกติ: ค่าเฉลี่ยที่เรียบง่ายไม่ได้บอกเล่าเรื่องราวทั้งหมด เนื่องจากจำนวนค่าทั้งหมดต้องคงที่ในทั้งสองกรณี (เช่นในตัวอย่างสมมุติฐานของฉันมีค่าอุณหภูมิสูงรวม 100 ค่าสำหรับแต่ละวัน) ค่าเฉลี่ยจะเกิดขึ้นน้อยมากในตัวอย่างที่สองมากกว่าค่าแรก ในความเป็นจริงแม้ในตัวอย่างแรกค่าเฉลี่ยจะไม่เกิดขึ้นส่วนใหญ่ ส่วนใหญ่ของค่าในการกระจายไม่ได้อย่างแม่นยำกับค่าเฉลี่ย นี่คือโดยทั่วไปแล้วกรณีปกติถ้ามีการกำหนดให้หมายความว่าไม่มีการออกจากค่าเฉลี่ยแล้วสิ่งที่เป็นปกติเป็นจริงค่อนข้างผิดปกติในคำอื่น ๆ ถ้าตามปกติเราหมายถึงค่าเฉลี่ยสิ่งที่เป็นปกติจริงเกิดขึ้นเพียงครั้งเดียวใน สักครู่ ตัวเลขแสดงให้เห็นว่าการเกิดขึ้นของค่าเฉลี่ยจะผิดปกติมากขึ้นในตัวอย่างที่สองมากกว่าในครั้งแรก แต่การออกจากค่าเฉลี่ยโดยเฉลี่ยน้อยลงในตัวอย่างแรกเมื่อเทียบกับที่สอง 4. การวัดความผันแปรนี้แสดงให้เห็นถึงประเด็นสำคัญอื่น ๆ แล้ว ถ้าตามปกติเราเลือกที่จะหมายถึงสิ่งที่เป็นแบบฉบับ แล้วสิ่งที่เป็นเรื่องปกติทั่วไปคือการเปลี่ยนแปลง สภาพอากาศแปรผันตามแต่ละปีดังนั้นค่าเฉลี่ยโดยตัวมันเองก็ไม่ได้พูดอะไรมากนักเกี่ยวกับสภาพอากาศที่แท้จริงเช่นค่าเฉลี่ยเป็นเพียงผลทางสถิติที่ได้จากการรวบรวมเหตุการณ์ที่แต่ละรายการอาจดูไม่เหมือนค่าเฉลี่ย กล่าวถึงความหมายที่มีต่อสภาพอากาศ ในความเป็นจริงคำแถลงเกี่ยวกับสิ่งที่เป็นปกติโดยไม่มีคำอธิบายบางอย่างเกี่ยวกับการกระจายตัวของการออกจากปกติไม่สมบูรณ์และทำให้เข้าใจผิด เพื่อแสดงความแตกต่างเกี่ยวกับค่าเฉลี่ยสถิติมักใช้ความแปรปรวนของตัวอย่าง s 2 กำหนดเป็นที่หารคือ 99 มากกว่า 100 สำหรับเหตุผลทางเทคนิคเล็กน้อยบางอย่างที่ไม่เกี่ยวกับเรา เมื่อการกระจายตัวแคบเช่นเดียวกับในตัวอย่างแรกของเส้นโค้งรูประฆังความแปรปรวนมีค่าค่อนข้างน้อยเมื่อการกระจายมีความกว้างเช่นเดียวกับในตัวอย่างที่สองความแปรปรวนมีขนาดใหญ่ ตัวแปรสภาพอากาศบางส่วนมีความแปรปรวนมากกว่าตัวแปรอื่น ๆ และความแปรปรวนในตัวแปรบางอย่างในสถานที่หนึ่ง ๆ อาจแตกต่างไปจากที่อื่น ๆ ตัวอย่างเช่นอุณหภูมิที่อยู่ใกล้ขั้วโลกหรือใกล้เส้นศูนย์สูตรไม่แตกต่างกันมากในแต่ละวันหรือเป็นปี ๆ ไปเป็นระยะทางระหว่าง สภาพอากาศในบางพื้นที่ของประเทศเปลี่ยนแปลงได้จากปีที่แล้วกว่าในประเทศอื่น ๆ และความแปรปรวนขึ้นอยู่กับฤดูกาล ในฤดูหนาวใน North Dakota (ตัวอย่างเช่น) อุณหภูมิจะไม่เปลี่ยนแปลงไปเท่าที่พวกเขาทำในโอคลาโฮมา แต่ในฤดูร้อนสถานการณ์จะกลับฤดูร้อนอุณหภูมิในโอคลาโฮมา dont แตกต่างกันมากที่สุดเท่าที่ในนอร์ทดาโคตา มีเหตุผลทางอุตุนิยมวิทยาสำหรับเรื่องนี้ซึ่งไม่เป็นที่น่าพอใจสำหรับบทความนี้ ฉันจะแสดงข้อมูลทั้งใน North Dakota และ Oklahoma City ในภายหลัง ความแปรปรวนตัวอย่างไม่ได้เป็นเพียงการวัดความแปรปรวนเท่านั้น มีหลายวิธีในการอธิบายความผันแปรทางสถิติ [6] แต่ก็มีความสนใจที่จะพิจารณาช่วงระหว่างสุดขั้ว พิจารณาข้อมูลจริงสำหรับโอคลาโฮมาซิตีที่แสดงเป็นพล็อตของความแตกต่างระหว่างระเบียนที่สูงและต่ำเป็นประวัติการณ์สำหรับแต่ละวันที่ในปี ความแตกต่างระหว่างค่าเฉลี่ยสูงและค่าเฉลี่ยต่ำโดยเฉลี่ยอยู่ที่ระยะเวลา 30 ปี 1961-1990 (ซึ่งจะมีการกล่าวถึงในภายหลัง) เมื่อเวลาผ่านไปเร็กคอร์ดจะหายไป ซึ่งหมายความว่าช่วงของค่าที่สังเกตได้จะค่อยๆเพิ่มขึ้นแม้ว่าการแจกจ่ายที่อ้างอิง (เกี่ยวกับข้อมูลที่เป็นของแข็งไม่พร้อมใช้งานเนื่องจากยังไม่ได้รับการปฏิบัติ) อาจไม่สามารถเปลี่ยนแปลงได้ กล่าวอีกนัยหนึ่งแม้ว่าการแจกจ่ายจะมีค่าคงที่ (และไม่มีการรับประกันว่าจะเป็น) การสังเกตสภาพอากาศเป็นเวลา 100 ปีอาจไม่นานพอที่จะสุ่มตัวอย่างที่แท้จริงของการกระจาย นี่เป็นส่วนสำคัญของภาวะที่กลืนไม่เข้าคายไม่ออกในการพยายามกำหนดว่าสภาพอากาศกำลังเปลี่ยนแปลงหรือไม่ สภาพภูมิอากาศนั้นเป็นผลิตภัณฑ์ทางสถิติที่ได้จากรูปแบบของสภาพอากาศ สำหรับมุมมองที่แตกต่างออกไปโปรดดูบันทึกย่อที่เพิ่มไว้ในส่วนที่ 9 ข้อสังเกตว่าข้อสังเกตทางวิทยาศาสตร์ของเราเกี่ยวกับสภาพอากาศได้รับการรวบรวมมาประมาณ 200 ปีในสหรัฐฯค่อนข้างไม่น่าเป็นไปได้ที่จะมีการสังเกตการณ์ขั้วทางอากาศที่แท้จริง เป็นไปไม่ได้ที่จะมีการเปลี่ยนแปลงสภาพภูมิอากาศเมื่อภูมิอากาศไม่แน่นอนฉันจะกลับมาที่หัวข้อนี้ในภายหลัง 5. ประเภทการแจกจ่ายอื่น ๆ ราวกับว่ายังไม่ดีพออยู่แล้วไม่มีการรับประกันว่าข้อมูลจริงจะเป็นไปตามเส้นโค้งเช่นสองตัวอย่างแรก พวกเขาอาจจะมีลักษณะเช่นนี้ ซึ่งการแจกจ่ายจะพูดเบี้ยว สำหรับค่าดิสทริบิวต์ที่บิดเบือนควรมีความชัดเจนว่าค่าเฉลี่ยที่เรียบง่ายไม่จำเป็นต้องเป็นตัวบ่งชี้ที่ดีของแนวโน้มในระดับกลางเพราะจะได้รับผลกระทบจากการออกเดินทางขนาดใหญ่ไม่มากนักห่างจากจุดสูงสุดในการกระจาย สำหรับการแจกแจงแบบเอียงค่ามัธยฐานคือค่าที่วัดได้ดีกว่าปกติซึ่งเป็นที่ต้องการ ในกรณีที่รุนแรงเช่นเดียวกับการกระจายตัวของฝนซึ่งมีลักษณะคล้าย ๆ กันนี้จุดสูงสุดอยู่ที่จุดปลายสุดของข้อสังเกตและการกระจายจะสิ้นสุดลงเมื่อค่าที่สังเกตได้กลายเป็นขนาดใหญ่ ในกรณีเช่นนี้สิ่งที่เป็นแบบฉบับคือการตกตะกอนเป็นศูนย์ ค่ามัธยฐานอาจใกล้เคียงกับศูนย์มากและค่าเฉลี่ยอาจมีอิทธิพลอย่างมากโดยค่าที่น้อยมาก สำหรับการแจกจ่ายดังกล่าวความคิดทั้งหมดของแนวโน้มกลางกลายเป็นที่น่าสงสัย สำหรับการกระจายแบบ bimodal มีความท้าทายที่แท้จริง ค่ามัธยฐานและค่าเฉลี่ยจะไม่แสดงโดยทั่วไปเนื่องจากมีสองรุ่นคืออะไรโดยปกติไม่ใช่เพียงอย่างใดอย่างหนึ่ง ไม่มีการวัดแนวโน้มส่วนกลางเพียงอย่างใดอย่างหนึ่งเท่านั้นที่สามารถอธิบายการแจกจ่ายแบบนี้ได้ เมื่อข้อสังเกตแสดงการกระจายแบบ bimodal (หรือมากกว่าสองยอดที่แตกต่างกัน) หมายความว่าสภาพอากาศโดยทั่วไปมีแนวโน้มลดลงเป็นสองรูปแบบ (หรือมากกว่า) การแจกแจงดังกล่าวอาจเกิดขึ้นได้แม้ว่าการแจกแจงจริงอาจไม่เป็นไปอย่างชัดเจนในรูปแบบ bimodal เนื่องจากอาจทำให้เกิดการกระแทกที่บ่งบอกถึงความเป็นไปได้ของยอดที่แยกจากกัน 6. ความแปรปรวนในแต่ละวันจนถึงตอนนี้ผมได้พิจารณาเรื่องการแจกแจงของตัวแปรในวันเดียวเป็นเวลากว่า 100 ปีของตัวอย่างสมมุติ พิจารณาว่าข้อมูลอาจดูเมื่อพิจารณาตลอดทั้งปี เป็นเรื่องน่าสนใจที่จะดูข้อมูลจริงบางอย่าง พิจารณาพล็อตนี้จากช่วงของอุณหภูมิบันทึกประจำวันเป็นที่ได้มาจากบันทึกสำหรับโอคลาโฮมาซิตีสำหรับสิ่งที่ระยะเวลาของการบันทึกอยู่ที่เว็บไซต์ที่ นอกเหนือจากการบันทึกอุณหภูมิสูงและต่ำโดยปกติแล้วในแต่ละวันยังมีอุณหภูมิสูงสุดต่ำสุดและอุณหภูมิต่ำสุดสูงสุดสำหรับแต่ละวันดังที่แสดงในตัวอย่าง โปรดทราบว่าไม่มีข้อมูลที่อยู่ในพล็อตเรื่องนี้เกี่ยวกับการแจกจ่ายของแต่ละวันที่อาจมีลักษณะเช่นนี้ เพียงแค่ช่วงระหว่างการบันทึกสูงและต่ำสำหรับแต่ละวัน คุณสามารถเห็นได้ว่ารูปแบบพื้นหลังที่ค่อนข้างราบรื่นของการแจกจ่ายในช่วงระหว่างปี ซึ่งสะท้อนถึงข้อเท็จจริงที่ว่าอุณหภูมิจะอุ่นขึ้นในฤดูร้อนมากกว่าในฤดูหนาวโดยทั่วไป แต่ไม่ใช่ทุกวันในช่วงฤดูหนาวอากาศหนาวและไม่ใช่ทุกวันในช่วงหน้าร้อน อุณหภูมิสูงสุดที่บันทึกต่ำสุดในความเป็นจริงมีความคล้ายคลึงกับระดับต่ำสุดที่บันทึกไว้และอุณหภูมิต่ำสุดที่บันทึกเป็นอย่างสูงจะดูคล้ายกับระดับเสียงสูงเป็นประวัติการณ์ ผู้อ่านอาจต้องการนึกถึงสิ่งที่พูดเกี่ยวกับอุตุนิยมวิทยานี้ การปฏิบัติทั่วไปเพื่อหาค่าเฉลี่ยอุณหภูมิในแต่ละวันเป็นค่าเฉลี่ยที่เรียบง่ายระหว่างอุณหภูมิสูงที่สังเกตได้และอุณหภูมิต่ำที่สังเกตได้นั่นคือฉันหวังว่าจุดนี้จะทำให้เข้าใจง่ายว่าการกำหนดอุณหภูมิเฉลี่ยสำหรับวันนั้น ด้วยวิธีนี้อาจไม่ได้เป็นตัวแทนของค่าเฉลี่ยที่เรียบง่ายของอุณหภูมิทั้งหมดที่สังเกตได้ในระหว่างวัน ตัวอย่างเช่นอาจเป็นไปได้ว่าอุณหภูมิสูงสุดในแต่ละวันเกิดขึ้นในไม่ช้าหลังเที่ยงคืนโดยมีหน้าหนาวทำให้อุณหภูมิลดลงตลอดทั้งวัน ในกรณีเช่นนี้อุณหภูมิที่สูงที่สุดในวันนั้นไม่ได้เป็นตัวแทนของอุณหภูมิในช่วงเวลานั้น อย่างไรก็ตามความได้เปรียบในการคำนวณอุณหภูมิเฉลี่ยของวันนี้คือต้องมีเพียงสองค่าคือวันสูงสุดและวันต่ำสุด เห็นได้ชัดว่าทำในทางที่ซับซ้อนมากขึ้นค่าเฉลี่ยจะขึ้นอยู่กับว่าการกระจายตัวของอุณหภูมิในช่วงกลางวันเป็นอย่างไร สำหรับข้อสังเกตที่ใช้ในการกำหนดสภาพภูมิอากาศผู้สังเกตการณ์ไม่ได้เก็บอุณหภูมิรายชั่วโมง (เช่นเดียวกับที่เว็บไซต์ของ National Weather Service สังเกต) แต่จะวัดอุณหภูมิสูงและต่ำในแต่ละวันเท่านั้น การปฏิบัตินี้จึงเป็นเพียงภาพสะท้อนของข้อมูลที่มีอยู่เท่านั้น ไม่สามารถใช้ขั้นตอนที่ถูกต้องมากขึ้นเนื่องจากข้อมูลที่จำเป็นสำหรับการแสดงข้อมูลที่ถูกต้องมากขึ้นก็ไม่มีอยู่ในหลาย ๆ ไซต์ จากทั้งหมดนี้ตอนนี้พิจารณาค่าเฉลี่ยของระยะเวลา 30 ปีที่บันทึกอุณหภูมิอุณหภูมิเฉลี่ยสูงสุด 30 ปี อุณหภูมิต่ำสุดเฉลี่ย 30 ปี และเฉลี่ยเฉลี่ย 30 ปีของอุณหภูมิเฉลี่ยในแต่ละวัน ถ้าค่าเหล่านี้ถูกวางแผนในช่วงปีผลที่ได้จะปรากฏในพล็อตที่แสดงไว้ที่นี่ นี่เป็นรูปแบบของอุณหภูมิที่ผันผวนของปีกว่าที่แสดงไว้ก่อนหน้านี้ (สำหรับอุณหภูมิที่บันทึกในวันใดก็ตาม) แต่ก็ยังมีความผิดปกติอยู่บ้าง 7. การพัฒนาเกณฑ์ปกติหากคำนวณพอดีกับค่าเฉลี่ยอุณหภูมิรายวันแล้วค่านิยมรายวันของการคำนวณทางสถิตินี้สามารถใช้เพื่อกำหนดสิ่งที่เป็นปกติสำหรับแต่ละวัน อย่างไรก็ตามสังเกตว่ามีการกระแทกและกระดิกบนแผนนี้ค่าเฉลี่ยไม่เปลี่ยนแปลงอย่างราบรื่นจากวันหนึ่งไปอีกรอบตลอดทั้งปี ดังนั้นสิ่งที่สามารถทำได้คือการคำนวณเส้นโค้งทางทฤษฎีที่เหมาะกับการสังเกตอย่างใกล้ชิด แต่จะแตกต่างกันไปอย่างราบรื่นจากแต่ละวันต่อไป มีแผนเทคนิคต่าง ๆ สำหรับการทำเช่นนี้ แต่รายละเอียดไม่สำคัญที่นี่ ค่าจากเส้นโค้งเรียบนี้อาจเรียกว่าอุณหภูมิปกติ สิ่งเดียวกันนี้สามารถทำแยกกันได้กับอุณหภูมิสูงในแต่ละวันและอุณหภูมิต่ำสุดในแต่ละวัน นี่จะเป็นเส้นโค้งที่ราบเรียบของอุณหภูมิที่สูงและต่ำโดยเฉลี่ยสำหรับแต่ละวัน ฉันหวังว่าคุณจะเห็นว่าเทียมค่าปกติดังกล่าวเป็นผลิตภัณฑ์สุดท้ายของจำนวนของสมมติฐานและการจัดการทางสถิติ มันจะเป็นแบบอย่างเฉพาะในแง่ที่ จำกัด มาก อย่างไรก็ตามขั้นตอนนี้ (หรือสิ่งที่คล้ายคลึงกัน) นั้นเป็นสิ่งที่ได้ทำเพื่อให้คุณมีอุณหภูมิสูงและต่ำตามปกติที่คุณเห็นในงานนำเสนอสื่อ แน่นอนว่าไม่มีอะไรที่น่าอัศจรรย์หรือศักดิ์สิทธิ์ในเรื่องนี้ ในทุกขั้นตอนไปพร้อมกันมีการตัดสินใจเกี่ยวกับวิธีจัดการข้อสังเกต ในการตัดสินใจเหล่านี้เป็นระยะเวลาที่ใช้ในการกำหนดสิ่งที่เป็นปกติสิ่งที่ทำโดยทั่วไปไม่ได้ใช้ตลอดช่วงเวลาที่ข้อมูลมีอยู่ แต่เลือกช่วงเวลาที่บันทึกไว้เป็นระยะเวลา 30 ปีและเรียกช่วงเวลาของสภาพอากาศตามปกติ สำหรับสภาพอากาศแห่งชาติให้บริการปกติช่วงเวลาของการบันทึกเป็น 1961-1990 ในตอนท้ายของแต่ละทศวรรษระยะเวลาเฉลี่ย 30 ปีจะถูกเคลื่อนไปข้างหน้าอีก 10 ปี เมื่อข้อมูลได้รับการรวบรวมในปีพ. ศ. 2543 ระยะเวลาปกติจะเปลี่ยนเป็นปี 2514-2543 ในปี 2544 และอยู่ที่นั่นจนถึงปีพ. ศ. ผลที่ได้จะมีลักษณะเช่นนี้เมื่อนำมาประยุกต์ใช้กับข้อมูลปริมาณน้ำฝนประจำปีสำหรับโอคลาโฮมาซิตี โปรดทราบว่าเส้นระดับซึ่งแสดงถึงค่าเฉลี่ย 30 ปีสำหรับช่วงเวลาเฉลี่ยที่แตกต่างกัน 30 ปีจะเปลี่ยนจากทศวรรษหนึ่งไปอีก ในบางกรณีความแตกต่างค่อนข้างสำคัญสำหรับข้อมูลที่แสดงให้เห็นการยุบประจำปีตามปกติสำหรับโอคลาโฮมาซิตีมีการเปลี่ยนแปลงโดยเท่า 3 นิ้วดังนั้นสิ่งที่เรียกว่าปกติ 30 ปีที่ผ่านมาไม่ใช่สิ่งที่เรียกว่าปกติวันนี้ใครเป็นผู้ตัดสินใจว่าจะใช้เวลานานเท่าไร ระยะเวลาเฉลี่ยที่จะใช้ใครเป็นผู้ตัดสินใจปีที่จะใช้ใครเป็นผู้ตัดสินใจว่าจะมีการใช้ข้อมูลสถิติในการจัดเก็บข้อมูลอย่างไรสำหรับการตัดสินใจของสหรัฐฯนั้นมีขึ้นโดย National Weather Service และ National Climate Data Center สมมุติถ้าถามพวกเขาสามารถให้รายละเอียดเกี่ยวกับวิธีการคำนวณสิ่งที่เป็นเรื่องปกติ แต่การตัดสินใจดังกล่าวมีความหมายโดยพลการ พวกเขาสามารถทำมันได้ด้วยวิธีอื่นและผลที่ได้อาจแตกต่างกันไปบ้าง แต่ก็พอสมควรได้ ดังนั้นสิ่งนี้จะปล่อยให้เราเป็นอย่างที่ฉันได้แสดงให้เห็นออกจากปกติไม่ได้ผิดปกติ ในความเป็นจริงออกจากปกติค่อนข้างปกติ ขึ้นอยู่กับสิ่งที่ได้รับการสังเกตและวิธีการวัดได้อย่างถูกต้องเราอาจไม่มีข้อมูลที่เป็นรูปธรรมมากเกี่ยวกับสิ่งที่เป็นเรื่องปกติสำหรับบางกรณี มีแนวโน้มว่าจะเป็นเรื่องปกติสำหรับเหตุการณ์สำคัญ (ในแง่ของการเดินทางของพวกเขาจากค่าเฉลี่ย) ที่จะเกิดขึ้นภายในระยะเวลา 30 ปีเหตุการณ์ที่สำคัญ (ขนาดใหญ่ขึ้นจากค่าเฉลี่ย) ที่จะเกิดขึ้นในทุกศตวรรษและแม้แต่เหตุการณ์ใหญ่ที่เกิดขึ้นใน 1000 ปี เนื่องจากข้อเท็จจริงที่ว่าคนส่วนใหญ่มีวิสัยทัศน์เกี่ยวกับสภาพภูมิอากาศที่อธิบายไว้ในบทนำแต่ละเหตุการณ์ที่สำคัญซึ่งออกมากจากค่าเฉลี่ยจะดูเหมือนผิดปกติอย่างรุนแรงกับคนส่วนใหญ่แม้ว่าในความรู้สึกที่แท้จริงจะถือว่าค่อนข้างปกติเมื่อมองในระยะยาว ถูกถ่าย 8. เหตุการณ์การตกตะกอนและช่วงเวลาที่เกิดซ้ำ (reurrence intervals) จะทำให้เกิดหัวข้อที่เข้าใจผิดบ่อยครั้งในช่วงเวลาที่เกิดซ้ำ แอพพลิเคชันที่พบมากที่สุดคือฝนตกที่นำไปสู่น้ำท่วมฉับพลัน แต่วิธีการนี้สามารถใช้เพื่อประเมินช่วงเวลาที่เกิดซ้ำสำหรับเหตุการณ์ใด ๆ สำหรับฝนที่เกิดจากการผลิตน้ำท่วมฉับพลันการสังเกตปริมาณน้ำฝนในอ่างล้างหน้า (หรืออ่างเก็บน้ำ) สามารถใช้ในการกำหนดความถี่ของปริมาณน้ำฝนที่ตกในอ่าง สมมติว่าการวัดปริมาณน้ำฝนถูกแบ่งออกเป็นหมวดหมู่ (เช่นช่วงเวลา 0.01 นิ้วหรือ 0.05 นิ้วหรืออะไรก็ตาม) และจะมีการนับเหตุการณ์ที่เกิดขึ้นในแต่ละช่วง ซึ่งส่งผลให้พล็อตความถี่ (histogram) ที่จะมีลักษณะคล้ายกับที่แสดงไว้ก่อนหน้านี้ โดยมีค่าสูงสุดที่ค่าต่ำสุดและมีหางที่มีความถี่ต่ำมากซึ่งจะขยายไปสู่ค่าที่สูง ความถี่ของเหตุการณ์ลดลงเมื่อปริมาณฝนที่เพิ่มขึ้นสังเกตเห็นได้และปรากฎว่าแปลงดังกล่าวมักจะสามารถประมาณได้เป็นอย่างดีด้วยสิ่งที่เรียกว่า Lognormal Distribution ในความเป็นจริงพล็อตสมมุติฐานที่แสดงคือการกระจายแบบ Lognormal แน่นอนปริมาณฝนที่ตกหนักมาก ๆ ที่สังเกตได้มีน้อยมากและอาจไม่ได้รับการสังเกตในช่วงเวลาที่บันทึก ถ้าสมมุติว่าการกระจายปริมาณน้ำฝนที่พบโดยใช้ช่วงเวลาสั้น ๆ ของการบันทึกนี้สามารถใช้ได้กับช่วงเวลาที่ยาวนานมากการกระจายตามทฤษฎีสามารถขยายได้ (เช่นส่วนขยายนี้เรียกว่าการอนุมาน) เพื่อหาความถี่ในการเกิดขึ้นสมมุติสำหรับขนาดใหญ่ ) ฝนตกเหตุการณ์ ผมสังเกตว่ากระบวนการอนุมานเป็นธุรกิจที่มีความเสี่ยง สมมติว่าตัวอย่างเดียวที่มีมูลค่า 100 ปีของข้อมูล (หรือสิ่งที่มีอยู่จริง) เป็นฐานข้อมูลที่เพียงพอในการสังเกตการแจกจ่ายเหตุการณ์จริงไม่จำเป็นต้องเป็นสิ่งที่ดี แต่ในกรณีที่ไม่มีข้อมูลอาจเป็นข้อมูลทั้งหมดที่เรามี สิ่งที่เรียกว่าปริมาณน้ำฝนปกติในวันใดวันหนึ่งโดยทั่วไปจะหมายถึงค่าเฉลี่ยของทุกเหตุการณ์ฝนตกหนักที่สังเกตเห็นในวันที่เฉพาะเจาะจง ค่าของศูนย์เพิ่มขึ้นเป็นจำนวนมากและปริมาณน้ำฝนเฉลี่ยอยู่ในปริมาณน้อย พล็อตของการสังเกตปริมาณน้ำฝนรายวันในสองปีที่แตกต่างกันเมื่อเทียบกับค่าปกติจะแสดงที่นี่สำหรับโอคลาโฮมาซิตี สังเกตว่าสถานการณ์ปกติดูเหมือนว่าฝนจะลดลงทุกวันในความเป็นจริงมีหลายวันโดยไม่มีฝน ในวันที่ฝนตกปริมาณที่มากเกินกว่าปกติในวันนั้น ค่าบันทึกสำหรับแต่ละวันของปีที่ Oklahoma City เมื่อเทียบกับค่าปกติ (เช่นสิ่งที่ฉันได้แสดงไว้ก่อนหน้านี้สำหรับ Bismarck) จะแสดงไว้ที่นี่แน่นอนว่าสื่อรายงานโดยทั่วไปไม่ได้เป็นค่าเฉลี่ยของฝนสำหรับวันใดวันหนึ่ง แต่เป็นการสะสมทั้งหมด สำหรับปีจนถึงวันดังกล่าว ดังที่แสดงไว้ที่นี่ การสะสมของฝนจะเกิดขึ้นในปีที่กำหนดใด ๆ ดูไม่มากเท่าที่ดูเหมือนว่าโดยเฉลี่ย ข้อสังเกตในพล็อตนี้ว่าในปีที่ผ่านมาไม่ได้รวมตรงกับปีเป็นปกติสิ่งที่เป็นปกติ (เฉลี่ย 30 ปีจาก 1961-1990) และเรียกคืนการเปลี่ยนแปลงปีต่อปีในการตกตะกอน ลองจินตนาการถึงกราฟที่แตกต่างกันทั้งหมดของการสะสมของปริมาณประจำวันที่อาจเกิดขึ้นจากข้อมูลปีที่ต่างกันทั้งหมด การตกตะกอนโดยเฉพาะอย่างยิ่งเป็นเรื่องยากที่จะอธิบายโดยคำว่าปกติในทางที่มีความหมายจริงๆโปรดทราบว่าความถี่ของการเกิดขึ้นที่สังเกตได้จากข้อมูลเหล่านี้โดยการหารจำนวนครั้งที่สังเกตได้ตามช่วงเวลาที่บันทึกไว้ ถ้าเหตุการณ์ที่เกิดขึ้นเกินเกณฑ์บางอย่างเกิดขึ้น 10 ครั้งใน 100 ปีนั่นคือความถี่เฉลี่ยหนึ่งครั้งทุก ๆ สิบปี มันเกือบจะแน่นอนจะไม่ได้รับการกระจายอย่างเท่าเทียมกัน 10 เหตุการณ์แม้ว่า เมื่อมีการแจกแจงเหตุการณ์ที่เกิดขึ้นในขนาดนั้นตามหน้าที่ของเวลาถือว่าเป็นสิ่งหนึ่งที่เห็นได้ชัดคือพวกเขาไม่ได้เกิดขึ้นเป็นระยะ ๆ 10 ปีในความเป็นจริงสำหรับการวัดปริมาณน้ำฝนจะมีแนวโน้มที่ชัดเจนสำหรับเหตุการณ์หนึ่ง ๆ ขนาดที่จะเกิดขึ้นในกลุ่มที่มีระยะเวลานานในระหว่างที่ไม่มีอะไรที่มีขนาดดังกล่าวเกิดขึ้น หมายเหตุเพิ่มในเดือนสิงหาคม พ. ศ. 2540): โดยวิธีการนี้ความถี่ที่เกิดขึ้นจะได้รับสำหรับสถานที่บางแห่งโดยเฉพาะ มันค่อนข้างเป็นไปได้สำหรับเหตุการณ์ 100 ปีจำนวนมากที่จะเกิดขึ้นภายในช่วงเวลาสั้น ๆ ในสถานที่อื่น แต่ใกล้เคียง ตัวอย่างเช่นหากพิจารณาถึงอุทกภัยเช่นน้ำพุที่อยู่ติดกันหลายแห่งอาจพบกับน้ำท่วมในช่วง 100 ปีในช่วง 20 ปี นี้จะไม่ได้หมายความว่าจำเป็นต้องคำนวณ 100 ปีในแต่ละลุ่มน้ำผิด นอกจากนี้ค่าโดยทั่วไปจะแตกต่างกันไปในแต่ละตำแหน่ง เหตุการณ์ที่เกิดขึ้นเป็นเวลา 100 ปีในเทือกเขาทางตะวันตกของสหรัฐฯเกือบจะมีปริมาณน้ำฝนน้อยกว่าเหตุการณ์ที่เกิดขึ้นเป็นเวลา 100 ปีตามแนวชายฝั่งอ่าว ค่าความถี่สำหรับเหตุการณ์ความถี่ต่ำที่มีการคาดการณ์โดยการคาดการณ์การแจกแจงเกินกว่าข้อสังเกตที่เกิดขึ้นจริงคือเหตุการณ์ทั้งหมดที่มีน้อยกว่าหนึ่งเหตุการณ์ต่อระยะเวลาของระเบียนที่เกิดขึ้นจริง นั่นคือในช่วงของการบันทึก (พูด 100 ปี) เหตุการณ์ดังกล่าวไม่เคยสังเกตจริงให้บันทึกความยาวของปี Y, ความถี่ต่ำสุดที่สามารถมองเห็นคือ Y -1 สำหรับ Y 100 ปีให้ความถี่ต่ำสุดหนึ่งครั้งต่อ 100 ปี ด้วยการขยายกราฟคุณสามารถหาค่าประมาณสำหรับความถี่ที่น้อยกว่าหนึ่งได้ตามที่ระบุไว้ ถ้าความถี่สมมุติคือ 0.1 ต่อ 100 ปีนี่เป็นเช่นเดียวกับหนึ่งครั้งต่อ 1000 ปีหรือเหตุการณ์ที่เรียกว่าพันปี 500-yearevent จะเท่ากับ 0.2 ต่อ 100 ปีเป็นต้น ค่อนข้างยากที่จะสังเกตเหตุการณ์ที่เกิดขึ้น 0.1 เหตุการณ์ที่ระบุว่าในสหรัฐอเมริกาประวัติการเกิดขึ้นอย่างต่อเนื่องเป็นเวลา 200 ปีเป็นเรื่องปกติธรรมดาเป็นที่แน่ชัดว่าช่วงเวลาที่เกิดขึ้นเป็นระยะ ๆ 500 หรือ 1000 ปีเป็นผลมาจากการคาดการณ์ดังกล่าว โอกาสของเหตุการณ์ที่มีขนาดเพิ่มขึ้นบางเวลาเพิ่มขึ้น แต่เวลาผ่านไปของช่วงเวลาที่เกิดซ้ำไม่ได้รับประกันได้ว่าคุณจะได้เห็นเหตุการณ์หนึ่งและเพียงอย่างเดียว ระยะเวลาที่ยาวนานขึ้นเรื่อย ๆ จะยิ่งมีเหตุการณ์ที่เกิดขึ้น ถ้าขนาดของเหตุการณ์มีขนาดเล็ก (กล่าวคือเหตุการณ์ 10 ปี) จะเกิดขึ้นค่อนข้างบ่อยและหากพิจารณาแต่ละระยะ 100 ปีความถี่ของเหตุการณ์ดังกล่าวจะมีลักษณะเหมือนกันในแต่ละช่วง 100 ปี (10 เหตุการณ์ต่อหนึ่งเหตุการณ์ 100 ปี). สำหรับเหตุการณ์ที่มีขนาดใหญ่ (เช่นเหตุการณ์ 500 ปี) ความถี่ภายในช่วงเวลา 100 ปีจะมีความผันผวนมาก ในบางศตวรรษเหตุการณ์เช่นนี้จะไม่เกิดขึ้น ในศตวรรษอื่นอาจมีเหตุการณ์ดังกล่าวหลายอย่าง (บางทีใช้เทคนิคของ paleoclimatology), ความถี่ของเหตุการณ์บางอย่างที่มีช่วงเวลาการเกิดซ้ำเฉลี่ย 500 ปีจะเกี่ยวกับเดียวกัน (20 เหตุการณ์ในทุกๆ 10,000 ปีดังกล่าว) เมื่อถึงจุดนี้ในประวัติศาสตร์ของมนุษย์แนวคิดเกี่ยวกับนามธรรมเหล่านี้เป็นแนวคิดที่เห็นได้ชัด 9. การเปลี่ยนแปลงสภาพภูมิอากาศเป็นเรื่องที่ถกเถียงกันอยู่ว่าสมมติฐานความถี่ของเหตุการณ์ 10 ปีที่ผ่านมาได้รับการเปลี่ยนแปลงไปจากศตวรรษต่อไป การเปลี่ยนแปลงดังกล่าวอาจถูกมองว่าเป็นการเปลี่ยนแปลงสภาพภูมิอากาศแม้ว่าจะเป็นข้อสรุปที่เป็นที่ถกเถียงกัน ในทางกลับกันการยากที่จะอนุมานเกี่ยวกับการเปลี่ยนแปลงความถี่ของเหตุการณ์ 500 ปีในแง่ของการเปลี่ยนแปลงสภาพภูมิอากาศเป็นเรื่องยากมากเพราะในช่วงเวลาหนึ่งศตวรรษที่ผ่านมาเป็นไปได้ว่าทุกสิ่งที่ได้รับการปฏิบัติคือ ความผันผวนตามธรรมชาติในความถี่ของเหตุการณ์ 500 ปี พื้นดินที่นี่กำลังสั่นคลอน ส่วนหนึ่งของปัญหาคือการตัดสินใจว่าคำว่าคำว่าอากาศนั้นหมายถึงอะไรคำว่าสภาพอากาศโดยทั่วไปหมายถึงสภาพอากาศโดยเฉลี่ย (เท่าที่มีความหมายเชิงสถิติ) ที่ค่าเฉลี่ยมีการเปลี่ยนแปลงตามที่ระบุไว้แล้วข้อสังเกตทางอุตุนิยมวิทยาที่เป็นของแข็งมีอายุประมาณสองศตวรรษในสหรัฐอเมริกาส่วนใหญ่ และข้อสังเกตที่สำคัญบางอย่าง (สะดุดตาเหนือพื้นผิว) มีระยะเวลาการบันทึกสั้นกว่านี้ แน่นอนหลักฐานสามารถพบได้ในสภาพภูมิอากาศที่อาจเป็นมานานแล้ว (ยุคน้ำแข็งเป็นต้น) ดังนั้นสภาพภูมิอากาศในอดีตอันไกลโพ้นจึงแตกต่างจากสภาพอากาศในปัจจุบันมาก แต่ก็เป็นเรื่องยากจริงๆ เพื่อให้แน่ใจถึงรายละเอียดของสภาพอากาศที่เปลี่ยนแปลงไป และหากสภาพอากาศเปลี่ยนแปลงตลอดเวลา (อย่างที่อาจเป็น) แล้วสิ่งที่เรียกว่าสภาพภูมิอากาศนั้นเป็นเพียงวิธีการจัดการข้อมูลทางสถิติโดยเฉพาะ (และโดยทั่วไป) เมื่อมีการดูข้อมูลด้วยตัวเลือกอื่น ๆ บางทีสภาพภูมิอากาศจะมีเสถียรภาพมากกว่าเมื่อทางเลือกถูกสร้างขึ้นมาอีกวิธีหนึ่ง มีหลายคนที่ดี (เช่นเดียวกับคนที่ไม่รู้หนังสือในสื่อและที่อื่น ๆ ) พูดถึงวิธีที่มนุษย์เราอาจจะ (หรืออาจจะไม่) เปลี่ยนแปลงสภาพภูมิอากาศ และฉันไม่มีข้อมูลที่บอกว่าเราเป็น (หรือไม่ใช่) การเปลี่ยนแปลงสภาพภูมิอากาศจากสิ่งที่จะเกิดขึ้นโดยปราศจากกิจกรรมของมนุษย์ การเปลี่ยนแปลงที่มนุษย์นำเสนอจะแตกต่างไปจากการเปลี่ยนแปลงที่เกิดขึ้นโดยปราศจากมนุษย์การสร้างความแตกต่างนี้เป็นเรื่องยากมาก แม้ผู้เชี่ยวชาญไม่เห็นด้วยกับสิ่งต่างๆ เราเชื่อมั่นได้อย่างไรว่าเราไม่สามารถพึ่งพาสื่อต่างๆเพื่อแจ้งให้เราทราบเกี่ยวกับเรื่องดังกล่าวได้หมายเหตุ (เพิ่มในเดือนสิงหาคมปี 2540): เมื่อเร็ว ๆ นี้เรามีความมั่นใจว่ารายงานของสื่อมวลชนได้ปฏิบัติหน้าที่ในการให้ความรู้แก่เรา , Reid Bryson เขียนเรียงความที่น่าสนใจมากในฉบับเดือนมีนาคมปี 1997 ของแถลงการณ์ของ American Meteorological Society ฉบับ 78 pp 449-455 ซึ่งเขาเสนอคำจำกัดความดังต่อไปนี้สภาพภูมิอากาศ (สถานะภูมิอากาศ) เป็นสถานะทางอุณหพลศาสตร์ทางอุณหพลศาสตร์ของสภาวะเขตแดนโลกที่กำหนดรูปแบบของสภาพอากาศปัจจุบัน ความคิดของเขาคือเงื่อนไขขอบเขตทั่วโลกกำหนดประเภทของรูปแบบสภาพอากาศที่อนุญาต ดังนั้นหากสภาพเขตแดนมีการเปลี่ยนแปลงสภาพภูมิอากาศก็เช่นกัน เขาตั้งข้อสังเกตว่าสถานะนี้เปลี่ยนแปลงไปตามกาลเวลาและฤดูและอากาศจะรวมถึงรูปแบบสภาพอากาศที่เกี่ยวข้องกับสถานะนั้นด้วย เป็นที่น่าสนใจเป็นความคิดนี้ไม่ชัดเจนกับฉันว่าจริงๆมีการเปลี่ยนแปลงอะไร เราไม่ทราบเงื่อนไขขอบเขตที่แน่นอน การใช้คำนี้เกี่ยวข้องกับการรักษาปัญหาเป็นปัญหาค่าขอบเขตคำทางคณิตศาสตร์ และดังนั้นเราจะยังคงต้องทำแบบเฉลี่ยบางอย่างเพื่อที่จะจัดการกับปัญหาในแง่ปฏิบัติใด ๆ ยังไม่ได้แสดงให้เห็นว่าปัญหาเป็นปัญหาค่าขอบเขตที่แท้จริง อาจเป็นไปได้ว่าด้วยเงื่อนไขขอบเขตที่กำหนดชุดของรูปแบบสภาพอากาศที่อนุญาตอาจขึ้นกับสภาวะเริ่มต้น (ปัญหาค่าเริ่มต้นในแง่ทางคณิตศาสตร์) อย่างไรก็ตามฉันชอบความคิดที่ว่าสภาพภูมิอากาศที่จำเป็นต้องมีความผันผวนที่เกี่ยวข้องกับรูปแบบสภาพอากาศที่ได้รับอนุญาตโดยเงื่อนไขขอบเขตเฉพาะ 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.