Non-Linear Dependence and Teleconnections in Climate Data: Sources, Relevance, Nonstationarity
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F14%3A00393071" target="_blank" >RIV/67985807:_____/14:00393071 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/68378289:_____/14:00393071
Výsledek na webu
<a href="http://dx.doi.org/10.1007/s00382-013-1780-2" target="_blank" >http://dx.doi.org/10.1007/s00382-013-1780-2</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/s00382-013-1780-2" target="_blank" >10.1007/s00382-013-1780-2</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Non-Linear Dependence and Teleconnections in Climate Data: Sources, Relevance, Nonstationarity
Popis výsledku v původním jazyce
Quantification of relations between measured variables of interest by statistical measures of dependence is a common step in analysis of climate data. The choice of dependence measure is key for the results of the subsequent analysis and interpretation.The use of linear Pearson?s correlation coefficient is widespread and convenient. On the other side, as the climate is widely acknowledged to be a nonlinear system, nonlinear dependence quantification methods, such as those based on information-theoretical concepts, are increasingly used for this purpose. In this paper we outline an approach that enables well informed choice of dependence measure for a given type of data, improving the subsequent interpretation of the results. The presented multi-step approach includes statistical testing, quantification of the specific non-linear contribution to the interaction information, localization of areas with strongest nonlinear contribution and assessment of the role of specific temporal patte
Název v anglickém jazyce
Non-Linear Dependence and Teleconnections in Climate Data: Sources, Relevance, Nonstationarity
Popis výsledku anglicky
Quantification of relations between measured variables of interest by statistical measures of dependence is a common step in analysis of climate data. The choice of dependence measure is key for the results of the subsequent analysis and interpretation.The use of linear Pearson?s correlation coefficient is widespread and convenient. On the other side, as the climate is widely acknowledged to be a nonlinear system, nonlinear dependence quantification methods, such as those based on information-theoretical concepts, are increasingly used for this purpose. In this paper we outline an approach that enables well informed choice of dependence measure for a given type of data, improving the subsequent interpretation of the results. The presented multi-step approach includes statistical testing, quantification of the specific non-linear contribution to the interaction information, localization of areas with strongest nonlinear contribution and assessment of the role of specific temporal patte
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GCP103%2F11%2FJ068" target="_blank" >GCP103/11/J068: Interakce, přenos informace a složité struktury v dynamice měnícího se klimatu</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Climate Dynamics
ISSN
0930-7575
e-ISSN
—
Svazek periodika
42
Číslo periodika v rámci svazku
7-8
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
14
Strana od-do
1873-1886
Kód UT WoS článku
000334068100011
EID výsledku v databázi Scopus
—