De vraag is alleen of de normale verdeling wel relevant is voor ijsdagen, omdat ze vaak geclusterd zitten, afhankelijk zijn van allerlei exogene factoren, etc. De statisticus die een verdeling kan bedenken die daarmee rekening houdt, mag direct aan de slag als postdoc bij het KNMI denk ik
Daarvoor heb je extremenverdelingen, bijv. Gumbel of GEV (Generalized Extreme Value). We zijn natuurlijk niet geïnteresseerd in alle dagen met Tx<0, enkel de vroegste na de zomer. Daarom heb ik alle ijsdagen gepakt en de dagen met dagnummer kleiner dan 180 opgehoogd met 365. De dagen zijn toegekend aan het jaar waarin het winterhalfjaar -begint-, dus het laatste jaar is 2008 (1 okt 2008 t/m 31 mrt 2009). Vervolgens heb ik voor elk jaar de laagste waarde gepakt, oftewel de vroegste dag dat ergens in het land in dat winterhalfjaar een ijsdag optrad. Fitten we nu de GEV-extremenverdeling richting de lage waarden, krijg je onderstaande grafiek.
De laatst mogelijke dag in oktober is 31 oktober, afhankelijk van schrikkeljaar is dat dag 304 of 305. Laten we uitgaan van 304. Volgens de GEV-verdeling valt dag 304 binnen het 95%-kansinterval voor een herhalingstijd van 75 jaar. De verdeling komt pas zelf erbij op 2621 jaar. Ik heb deze exercitie ook uitgevoerd op basis van 1910-1959 en 1960-2009, maar de kanswaarden verschillen nauwelijks. De opwarming heeft dus de verdeling tot heden weinig beïnvloed.
Gr. Ben Quote selectie
Bericht laatst bijgewerkt: 26-09-2009 12:45