See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/272417913

La probabilidad de la precipitación diaria en Badajoz: aplicación del modelo

estocástico de la cadena de Markov de dos estados

Chapter · January 2004

CITATIONS READS

0 86

1 author:

María Rosa Cañada

Universidad Autónoma de Madrid
40 PUBLICATIONS   132 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Polución del aire, poblaciones vulnerables y salud: análisis de injusticias ambientales basados en geotecnologías View project

All content following this page was uploaded by María Rosa Cañada on 25 February 2015.

The user has requested enhancement of the downloaded file.

LA PROBABILIDAD DE LA PRECIPITACIÓN DIARIA EN
BADAJOZ: APLICACIÓN DEL MODELO ESTOCÁSTICO DE
LA CADENA DE MARKOV DE DOS ESTADOS
MARÍA ROSA CAÑADA TORRECILLA
Departamento de Geografía
Universidad Autónoma de Madrid

1. INTRODUCCIÓN

Uno de los principales recursos naturales que disponemos en nuestra

sociedad es el agua, imprescindible para cualquier actividad humana, pero en
especial para las actividades agrícolas. Por ello es importante conocer la
probabilidad diaria de ocurrencia o no de precipitación, así como la duración
de las rachas lluviosas y secas, pues constituyen una valiosa aportación para
poder gestionar los recursos hídricos de manera adecuada.
Estudiaremos las probabilidades mensuales y anuales de día con
precipitación y de día sin precipitación y las mismas condicionadas al tipo de
día-con precipitación o sin precipitación- que las precedió. Para ello utilizamos
el modelo estocástico de la cadena de Markov de dos estados, modelo que se
ha venido empleando por investigadores españoles, sobre todo desde la década
de los ochenta, en estudios climáticos que tienen por objeto el cálculo de
probabilidad de ocurrencia de sucesos ligados a variables dicotómicas.
Preferentemente ha sido utilizado en el cálculo de las probabilidades de día con
y sin precipitación (MATEO GONZÁLEZ, 1965; DOMÍNGUEZ, 1973;
BISHNOI y SAXENA, 1980; BURGUEÑO, 1981; MARTÍN VIDE, 1981,
1983; MARTÍN VIDE et al., 1989; RASO, 1982; PÉREZ MANRIQUE et al.,
1984; GOMEZ NAVARRO, 1996). Aunque también se ha empleado el uso de
las cadenas de Markov y sus distintos órdenes para el estudio probabilístico de
las sequías sobre todo en el sureste de España (MARTÍN VIDE y MORENO
GARCÍA, 1985; MARTÍN VIDE et al., 1992; CONESA y MARTÍN VIDE,
1993).
Fuera de nuestras fronteras, el uso de las cadenas de Markov es algo muy
difundido en Climatología y en otros temas geográficos.

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 2. METODOLOGÍA

El modelo de las cadenas de Markov es un modelo estocástico, es decir, de

variables aleatorias. Planteamos el estudio climático de la precipitación
mediante un proceso estocástico en el que el tiempo y el estado son discretos.
Usamos como unidad de tiempo el día y como estados posibles lluvioso y seco-
si se recogió precipitación apreciable o no en el transcurso de cada día. De esta
manera la sucesión de estados de los días es una cadena de tiempo discreto y de
dos estados (MARTÍN VIDE, 1983).
La cadena permite calcular la probabilidad de lo que sucederá un día
concreto dependiendo únicamente de lo que sucedió el día anterior (cadenas de
Markov de primer orden). Pero dada la persistencia de los días con
precipitación, que no muestran una dependencia exclusiva del estado de un día
respecto al del día anterior-como exige la propiedad de Markov-sino también
referida a los de los días precedentes a ese, algunos autores sostienen la
necesidad de utilizar cadenas de Markov de órdenes superiores a uno para que
el fenómeno estudiado quede totalmente bajo los presupuestos teóricos. Si bien
otros autores consideran innecesario modificar el modelo ya que la
dependencia es mucho mayor respecto al día anterior que a otros pasados, por
lo que opinan que se puede sacrificar el cumplimiento fiel de las hipótesis en
aras de la simplicidad, que se perdería, sin ganar en verosimilitud.
El cálculo de las probabilidades de precipitación diaria en Badajoz se ha
elaborado a partir del supuesto de considerar como día seco, al que se le ha
atribuido el valor 0, a todo aquel cuya precipitación haya sido inexistente o
inapreciable, es decir inferior a 0,1 mm, y como día lluvioso, al que se asignará
el valor 1, cuando haya registrado precipitación apreciable, es decir igual o
superior a 0,1 mm al día. Entre ambos estados es posible distinguir cuatro
transiciones: de día seco a día seco (0/0), de día seco a día lluvioso (0/1), de
día lluvioso a día seco (1/0) y de día lluvioso a día lluvioso (1/1).
A partir de la serie pluviométrica de Badajoz registrada día a día, se ha
contabilizado, por meses, el número de transiciones habidas durante un
período de observación de treinta años (1961-1990). La transición que une el

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 último día de un mes con el primero del siguiente se ha contabilizado en éste
último. Los resultados obtenidos aparecen de manera pormenorizada en la tabla
I. A partir de la cual hemos confeccionado la tabla II donde figura el número de
transiciones en treinta años. Las transiciones de esta tabla ordenadas en forma
de matriz conforman para cada uno de los meses así como para el conjunto del
año, la matriz total.

 0 / 0 0 / 1
A 
 1/ 0 1/1 

Tabla I Número de transiciones por meses y años de los tipos 0/0, 0/1, 1/0 y 1/1
Año Enero Febrero Marzo Abril Mayo Junio
0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/
1961 12 6 7 6 23 2 2 2 24 1 1 5 15 5 6 4 19 2 2 8 22 2 2 4
1962 16 4 5 6 21 2 2 3 11 5 5 10 22 4 4 0 29 1 1 0 26 2 2 0
1963 9 1 2 19 7 7 6 8 17 4 5 5 19 2 2 7 24 3 3 1 19 4 4 3
1964 24 3 3 1 12 2 2 13 11 7 6 7 23 2 3 2 28 2 1 0 22 2 3 3
1965 21 3 3 4 17 4 3 4 21 3 4 3 29 1 0 0 27 1 2 1 28 1 1 0
1966 12 4 4 11 8 5 5 10 31 0 0 0 12 5 5 8 28 2 1 0 24 1 2 3
1967 22 4 4 1 17 3 3 5 23 4 4 0 15 3 2 10 18 2 3 8 23 2 2 3
1968 31 0 0 0 5 6 5 13 16 5 5 5 15 6 7 2 18 4 4 5 26 2 2 0
1969 16 4 4 7 7 6 5 10 12 5 6 8 20 3 3 4 17 5 5 4 19 5 5 1
1970 3 3 4 21 22 2 2 2 21 4 3 3 22 2 3 3 17 5 5 4 20 3 3 4
1971 9 6 3 13 25 1 2 0 20 3 2 6 9 6 7 8 14 3 3 11 21 3 3 3
1972 15 6 5 5 12 4 5 8 10 4 4 13 26 2 1 1 24 2 3 2 26 2 2 0
1973 19 5 6 1 23 2 2 1 21 4 4 2 24 3 3 0 20 2 2 7 18 3 3 6
1974 11 8 7 5 16 2 3 7 18 3 3 7 10 7 6 7 27 1 2 1 13 6 6 5
1975 19 5 5 2 13 4 3 8 13 4 5 9 23 2 2 3 17 4 3 7 24 2 3 1
1976 27 1 0 3 18 1 2 8 21 4 4 2 6 8 7 9 20 4 4 3 22 4 3 1
1977 8 6 6 11 7 2 3 16 24 3 3 1 25 2 2 1 22 3 2 4 18 4 5 3
1978 12 8 8 3 11 4 3 10 18 4 4 5 13 4 4 9 21 2 3 5 19 5 4 2
1979 13 6 5 7 8 4 4 12 12 6 7 6 21 3 3 3 31 0 0 0 27 1 1 1
1980 22 4 3 2 13 5 5 6 12 4 5 10 21 4 4 1 19 4 4 4 25 2 2 1
1981 29 1 1 0 23 2 1 2 18 4 5 4 12 6 6 6 20 3 3 5 28 1 1 0
1982 14 5 6 6 13 5 5 5 27 1 0 3 20 3 4 3 27 2 2 0 28 1 1 0
1983 29 1 1 0 16 4 4 4 27 2 2 0 15 1 0 14 19 4 4 4 26 1 2 1
1984 18 5 5 3 24 3 2 0 13 5 5 8 20 3 3 4 17 3 4 7 22 2 2 4
1985 15 3 3 10 8 6 5 9 21 4 5 1 13 3 3 11 19 5 4 3 24 1 2 3
1986 15 5 5 6 4 3 4 17 19 4 6 2 12 4 4 10 27 1 1 2 28 1 1 0
1987 15 4 3 9 9 3 4 12 24 2 2 3 20 2 2 6 25 2 2 2 27 2 1 0
1988 9 4 5 13 15 6 6 2 27 1 1 2 11 7 6 6 14 5 6 6 13 3 3 11
1989 21 3 3 4 17 3 3 5 21 3 3 4 9 6 6 9 19 4 3 5 25 2 3 0
1990 19 4 4 4 24 1 2 1 21 4 3 3 15 2 2 11 26 2 3 0 30 0 0 0

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
Tabla I (cont.) Número de transiciones por meses y años de los tipos 0/0, 0/1, 1/0 y 1/1
Año Julio Agosto Septiembre Octubre Noviembre Diciembre
0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/ 0/0 0/1 1/0 1/1/
1961 31 0 0 0 28 2 1 0 20 3 3 4 20 3 4 4 10 6 6 8 16 3 2 10
1962 31 0 0 0 31 0 0 0 25 2 2 1 17 5 5 4 16 5 5 4 21 2 1 7
1963 31 0 0 0 31 0 0 0 23 2 2 3 28 1 0 2 12 4 4 10 10 1 2 18
1964 29 1 1 0 29 1 1 0 22 3 3 2 27 2 2 0 20 3 3 4 23 3 3 2
1965 31 0 0 0 29 1 1 0 23 1 1 5 10 4 4 13 13 5 5 7 14 6 6 5
1966 31 0 0 0 31 0 0 0 23 2 3 2 17 5 6 3 24 2 1 3 29 0 1 1
1967 31 0 0 0 31 0 0 0 30 0 0 0 22 2 2 5 13 6 6 5 27 2 2 0
1968 31 0 0 0 28 1 1 1 28 1 1 0 27 2 1 1 10 5 6 9 19 5 5 2
1969 28 1 1 1 30 1 0 0 18 4 4 4 16 3 4 8 17 3 3 7 25 2 1 3
1970 31 0 0 0 29 1 1 0 28 1 1 0 27 2 2 0 20 4 4 2 21 3 3 4
1971 28 1 1 1 25 2 2 2 30 0 0 0 26 2 2 1 25 2 2 1 19 4 4 4
1972 29 1 1 0 31 0 0 0 18 5 4 3 7 7 7 10 16 4 5 5 14 5 6 6
1973 27 2 2 0 29 1 1 0 28 1 1 0 22 2 2 5 18 4 4 4 25 2 2 2
1974 29 1 1 0 31 0 0 0 30 0 0 0 31 0 0 0 18 4 4 4 29 1 1 0
1975 31 0 0 0 31 0 0 0 26 2 2 0 25 3 3 0 23 3 3 1 20 4 4 3
1976 28 1 2 0 23 3 3 2 20 3 2 5 11 5 6 9 20 2 2 6 9 4 3 15
1977 28 1 1 1 29 1 1 0 25 2 2 1 17 3 3 8 15 5 4 6 9 7 8 7
1978 30 0 1 0 31 0 0 0 28 1 1 0 25 2 2 2 22 2 2 4 3 6 6 16
1979 29 1 1 0 31 0 0 0 25 2 2 1 10 4 4 13 23 1 1 5 24 3 3 1
1980 29 1 1 0 25 3 3 0 26 2 2 0 22 4 4 1 13 5 5 7 29 1 1 0
1981 29 1 1 0 28 1 1 1 22 4 4 0 23 4 4 0 28 1 1 0 13 5 4 9
1982 27 2 2 0 27 2 2 0 19 4 4 3 23 3 3 2 16 5 5 4 17 4 4 6
1983 31 0 0 0 30 1 0 0 27 1 2 0 21 3 3 4 8 2 2 18 20 2 2 7
1984 29 1 1 0 29 1 1 0 25 2 2 1 19 3 3 6 11 4 3 12 18 4 5 4
1985 29 1 1 0 31 0 0 0 26 2 2 0 29 1 1 0 19 4 4 3 14 5 4 8
1986 31 0 0 0 31 0 0 0 17 4 4 5 18 4 4 5 23 2 2 3 24 3 3 1
1987 24 3 4 0 28 2 1 0 24 2 3 1 9 8 7 7 20 3 4 3 13 3 2 13
1988 27 1 1 2 31 0 0 0 30 0 0 0 15 4 3 9 10 6 6 8 30 0 1 0
1989 31 0 0 0 28 1 1 1 22 4 3 1 16 4 5 6 12 2 1 15 4 7 7 13
1990 31 0 0 0 31 0 0 0 28 1 1 0 12 6 5 8 17 3 4 6 18 4 4 5

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 A continuación se calcula la matriz de transición A o matriz de los valores
de las probabilidades empíricas de las cuatro transiciones, cuyo cálculo no
ofrece dificultad alguna:

P P01 
A 00 
 P10 P11 

La probabilidad de día seco tras otro también seco P00, será igual al
cociente de dividir el número de transiciones 0/0 por la suma de 0/0 y 0/1, es
decir,
0/0
P00 = y por lo tanto la probabilidad de día de precipitación
0 / 0 + 0 /1
apreciable posterior a día seco sería P01 = 1 − P00 . De la misma manera, se

1/ 0
calculan las ecuaciones P10 = y P11 = 1 − P10 .
1/ 0 + 1/1
 7536 1012 
Así la matriz total para el conjunto del año es: A 
 1015 1393 

 0,8816 0,1184 
Y la matriz de transición es : P 
 0, 4215 0,5785 

Tabla II Número de transiciones en treinta años

0/0 0/1 1/0 1/1 Total
Enero 505 122 120 183 930
Febrero 438 104 103 203 848
Marzo 574 107 112 137 930
Abril 517 111 110 162 900
Mayo 653 83 83 109 928
Junio 693 70 74 63 900
Julio 882 20 23 5 930
Agosto 877 25 21 7 930
Septiembre 736 61 61 42 900
Octubre 592 101 101 136 930
Noviembre 512 107 107 174 900
Diciembre 557 101 100 172 930

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
AÑO 7536 1012 1015 1393 10956

3. PROBABILIDADES DE TRANSICIÓN

En la tabla III se recogen los valores de las probabilidades de transición y

su representación gráfica en la figura 1. A partir de esta última se constata la
simetría respecto a un eje paralelo al de abcisas, por un lado, entre las curvas
representativas de transición de día seco a día seco P00 y de día seco a día
lluvioso P01 y, por otro, entre las curvas de transición de día lluvioso a día seco
P10 y de día lluvioso a día lluvioso P11; puesto que ambas son complementarias
(P00 + P01=1 y P10 + P11=1).

Tabla III Valores mensuales y anuales de las probabilidades

de transición

P00 P01 P10 P11

Enero 0,80542265 0,19457735 0,3960396 0,6039604
Febrero 0,80811808 0,19188192 0,33660131 0,66339869
Marzo 0,84287812 0,15712188 0,4497992 0,5502008
Abril 0,82324841 0,17675159 0,40441176 0,59558824
Mayo 0,88722826 0,11277174 0,43229167 0,56770833
Junio 0,90825688 0,09174312 0,54014599 0,45985401
Julio 0,97782705 0,02217295 0,82142857 0,17857143
Agosto 0,97228381 0,02771619 0,75 0,25
Septiembre 0,92346299 0,07653701 0,59223301 0,40776699
Octubre 0,85425685 0,14574315 0,42616034 0,57383966
Noviembre 0,82714055 0,17285945 0,38078292 0,61921708
Diciembre 0,84650456 0,15349544 0,36764706 0,63235294
AÑO 0,88160973 0,11839027 0,42151163 0,57848837

Se observa una continua disminución desde enero hasta julio de las

probabilidades de transición de día lluvioso tras día lluvioso y de día lluvioso
tras día seco, consecuencia de la evolución descendente del número de
episodios lluviosos así como de su duración. Por el contrario crecen, durante el

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 mismo período, las curvas representativas de las probabilidades de transición
de día seco a día seco y de día lluvioso a día seco.

Fig. 1 Evolución de las probabilidades de transición a lo largo del

año
1
0,9
0,8
0,7
P00
0,6
P01
0,5
P10
0,4
0,3 P11

0,2
0,1
0
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

Desde julio las probabilidades de transición a día lluvioso tras día lluvioso
siguen una evolución creciente para culminar en diciembre y, las obtenidas
para la transición seco a lluvioso alcanzan en noviembre el máximo valor.
Como es obvio la evolución de las probabilidades de transición a día seco tras
día seco, o de día seco tras día lluvioso, son opuestas a las anteriores, dada la
simetría existente entre ambas curvas.
Este hecho hay que ponerlo en relación con los ritmos pluviométricos
observados en nuestra región. El máximo de precipitación se da en la estación
invernal, seguido de otro máximo en otoño y el mínimo en verano (CAÑADA,
1989). Hay que destacar los altos valores de P00, siempre por encima de 0,8,
llegando en los meses de verano al 0,97, consecuencia del predominio de unas
condiciones sinópticas estables vinculadas al cinturón de altas presiones
subtropicales que se halla muy desplazado hacia el norte en la estación estival.
Hay un escaso porcentaje de días ciclónicos, lo cual explica la baja
probabilidad (2,2%) de que tras un día seco haya un día lluvioso (tabla III).

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 El que la probabilidad de que tras un día lluvioso haya otro lluvioso alcance
los más altos valores desde noviembre a febrero, hay que ponerlo en relación
con un descenso latitudinal de las altas presiones subtropicales, siguiendo el
aparente movimiento del sol. Además es en ese período cuando se acentúa el
contraste térmico y diurno entre superficies continentales frías y marítimas más
cálidas, entre el Atlántico y el Mediterráneo, entre la masa de aire cálido y la
de procedencia polar. Todo ello se traduce en un reforzamiento de la corriente
en chorro que presenta un elevado índice zonal, por lo que su posición es baja
en sentido latitudinal, de ahí, que es durante estos meses cuando los tiempos
perturbados del oeste y suroeste alcanzan su máxima frecuencia y son los que
aportan la máxima precipitación a nuestra región (CAÑADA, 1989).

4. PROBABILIDADES DE TRANSICIÓN INDEPENDIENTEMENTE

DEL ESTADO INICIAL

Mediante la aplicación del modelo de Markov, hallamos las probabilidades

de día seco y de día lluvioso, probabilidades que son independientes de los
estados seco o lluvioso anteriores.
P10 P01
P0 = y P1 =
P01 + P10 P01 + P10

en los que Π 0 y Π 1 representan respectivamente la probabilidad de día seco y

de día lluvioso. Los valores mensuales y anuales obtenidos mediante este

procedimiento se disponen en la tabla IV junto con las frecuencias empíricas o
probabilidades observadas de día seco P0 y de día lluvioso P1 , calculadas
mediante las siguientes expresiones:

0 / 0 + 1/ 0 0 /1 + 1/1
P0 = y P1 =
0 / 0 + 1/ 0 + 0 /1 + 1/1 0 / 0 + 1/ 0 + 0 /1 + 1/1

P0 = 1 − P1 y P1 = 1 − P0 puesto que la suma de P0 y P1 sería siempre la

unidad.

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 La bondad de ajuste del modelo es muy notable. Tanto a nivel anual como
mensual las diferencias son muy pequeñas, no llegando en ningún caso a
superar 3,5 milésimas. A nivel anual el ajuste es perfecto, para apreciar
diferencias hay que llegar hasta el cuarto decimal, es decir, las diferencias
alcanzan 2 diezmilésimas (tabla IV).

Fig. 2 Probabilidades de día sin precipitación y de día con precipitación

independientemente de cualquier estado inicial

1,0
0,8
0,6 Π0
0,4 Π1
0,2
0,0
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

Tabla IV Valores mensuales de las probabilidades esperadas

por Markov de día seco y de día lluvioso (P0 y P1
respectivamente), frecuencias observadas (P0 y P1) y
diferencias entre unas y otras en valor absoluto
P0 P1 P0 P1 P1-P1= P0-P0

Enero 0,6706 0,3294 0,6720 0,3280 0,0015

Febrero 0,6369 0,3631 0,6380 0,3620 0,0011
Marzo 0,7411 0,2589 0,7376 0,2624 0,0035
Abril 0,6959 0,3041 0,6967 0,3033 0,0008
Mayo 0,7931 0,2069 0,7931 0,2069 0,0000
Junio 0,8548 0,1452 0,8522 0,1478 0,0026

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 Julio 0,9737 0,0263 0,9731 0,0269 0,0006
Agosto 0,9644 0,0356 0,9656 0,0344 0,0012
Septiembre 0,8856 0,1144 0,8856 0,1144 0,0000
Octubre 0,7452 0,2548 0,7452 0,2548 0,0000
Noviembre 0,6878 0,3122 0,6878 0,3122 0,0000
Diciembre 0,7055 0,2945 0,7065 0,2935 0,0010
AÑO 0,7807 0,2193 0,7805 0,2195 0,0002

La probabilidad anual de día con precipitación es del 21,95%, es decir, el

22% de los días reciben precipitación apreciable, o lo que es lo mismo , de 100
días, caben esperar 78 no lluviosos. En la figura 2 representamos las
probabilidades de día seco y de día lluvioso. Ambas curvas representativas de
la distribución estacionaria son simétricas entre sí. La de probabilidad de día
con precipitación ( Π 1 ) describe una evolución decreciente desde marzo hasta
julio, seguida de un desarrollo ascendente hasta alcanzar el máximo en los
meses del invierno (principalmente febrero y enero) interrumpido por un ligero
descenso en diciembre. Por lo tanto el ritmo mensual de las probabilidades de
precipitación apreciable se caracteriza por un mínimo en julio y dos máximos,
uno principal en febrero (0,3631) y enero (0,3294) y, otro secundario, en
noviembre (0,3122).
Esta evolución es semejante a la ya comentada para la evolución de las
probabilidades de transición a estado 1 (P11) y sobre todo con las precedidas de
día seco (P01). La causa fundamental que explica los ritmos mensuales está en
el desplazamiento del chorro polar y de toda la circulación atmosférica hacia el
sur en la época fría del año y hacia el norte en la cálida. En consecuencia en
verano las masas tropicales se desplazan hacia nuestras latitudes canalizadas
por una dorsal, casi estacionaria que se instala sobre la vertical de la Península.
El chorro, muy lento por la uniformidad térmica reinante entre las distintas
superficies oceánicas y continentales, se encuentra desplazado al norte del
paralelo 45º, de ahí la escasa probabilidad de precipitación en julio y agosto
pues son los meses que presentan el mayor porcentaje de tiempos
anticiclónicos (CAÑADA, 1989). La poca precipitación que se produce se debe
a esporádicos descensos de masas de aire frío en forma de vaguada o de gota,
originando un contraste térmico vertical que da lugar a una fuerte inestabilidad
termodinámica que se traduce en precipitación muy intensa de tipo tormentoso.

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 La máxima probabilidad de precipitación se da en los meses invernales
(febrero, enero) cuando el gradiente térmico horizontal entre superficies
oceánicas y continentales es máximo en nuestras latitudes. La corriente en
chorro presenta entonces un elevado índice zonal, su posición es baja y de ahí
que sea durante esta estación cuando los tiempos perturbados del oeste y
suroeste presentan su máxima frecuencia y a ellos se debe el máximo
estacional de precipitación invernal. Aunque estos tipos de tiempo siguen
predominando también en primavera y otoño y son los responsables de los
máximos pluviométricos secundarios (noviembre y abril).
La falta de coincidencia entre la máxima precipitación media mensual
localizada en noviembre (CAÑADA, 1989) y la máxima probabilidad de
precipitación mensual, localizada en febrero, puede deberse a la mayor
intensidad de las precipitaciones durante este mes otoñal, en aquellos días en
que éstas son apreciables. Es una época muy favorable al desarrollo de
tormentas, tiempo típico de la transición del verano al otoño. La precipitación
es más intensa en noviembre pero la probabilidad de que llueva es mayor en
febrero, aunque en noviembre existe un máximo secundario de probabilidad de
precipitación apreciable.
El análisis detallado de los valores de P0 no aporta nada nuevo a lo
señalado, pues los ritmos de P0 son simétricos de los de P1 y los valores,
complementarios respecto a 1.

5. PROBABILIDAD CONDICIONADA DE LA PRECIPITACIÓN

DIARIA
5.1 Probabilidad de día con y sin precipitación tras m días después de
uno con y sin precipitación

Para conocer las variaciones de las probabilidades de precipitación en los

días inmediatos a un determinado estado inicial, basta con calcular la potencia
n de la matriz de transición A que estabiliza sus valores, y que, es aquella en
que las dos filas son iguales. El valor de cada elemento de la primera columna
es P0 y el de la segunda P1. Así se calculan las probabilidades de aparición de

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 un día seco o lluvioso al cabo de m días (m < n) después de un día seco o
lluvioso, que no son más que los elementos de la matriz Am.
a c 
Así, si A m =   entonces a es la probabilidad de día seco después de m
b d 
días tras un día seco, b es la probabilidad de día seco después de m días tras
uno lluvioso, c, la probabilidad de día lluvioso después de m días tras uno seco
y d, la probabilidad de día lluvioso al cabo de m días tras uno lluvioso. Cuando
a = b y c = d, estamos en el caso en que m = n, momento en el que la matriz se
ha estabilizado, o sea para todo m>n, Am = An . En este caso a = b = P0 y c =
d = P1, es decir se obtienen las probabilidades de día seco y de día lluvioso,
independientemente del estado inicial (MARTÍN VIDE, 1983).
Con la ayuda del programa Excel y de las enseñanzas del profesor Raso,
hemos calculado las sucesivas potencias de la matriz de transición hasta la
obtención de la matriz estacionaria. Este método permite determinar además de
la variación diaria de las probabilidades de que llueva o no tras un estado
inicial, el número de días sensibles a esta variación (tabla V). Así por ejemplo
para julio, mes en el que, junto con agosto, tarda menos en establecerse el
régimen estacionario, la equivalencia entre los dos elementos de cada una de
las filas de P6 indica que se trata de la matriz estacionaria y, por tanto, es
innecesario el cálculo de potencias de exponente natural de orden superior
porque en nada diferirían de ésta. En consecuencia, el primer elemento de cada
una de las filas debe coincidir con el valor de P0 y el segundo con el de P1,
previamente hallados en la elaboración de la tabla IV, y las probabilidades de
día seco o de día lluvioso, a partir del sexto desde uno inicial cualquiera, ya sea
seco o lluvioso, son respectivamente 0,9737 y 0,0263. Pero si interesa
determinar las probabilidades de que no llueva o de que llueva dos o más días
después de un estado inicial seco o lluvioso, basta con fijarnos en las
subsiguientes potencias de la matriz de transición antes de obtener la matriz
estacionaria.
La estabilización según los cálculos realizados se produce como máximo a
los trece días así se ha estimado para el conjunto del año, lo que nos indica la
gran persistencia que caracteriza a la precipitación. Por meses la duración del
tiempo necesario para que la probabilidad de precipitación y no precipitación

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 sea ajena a un estado inicial es de doce días en diciembre, seguido por once en
febrero, mayo, octubre y noviembre. El menor tiempo es de seis días y
corresponde al mes de julio. Este ritmo es semejante al descrito para las
probabilidades de transición a día lluvioso y de las de día de precipitación
apreciable y está en relación con la inestabilidad atmosférica causante de las
precipitaciones, máxima en invierno y mínima en verano.
Tabla V Valores mensuales y anuales de día sin precipitación tras m días después de uno
sin precipitación, de día con precipitación tras m días después de uno sin precipitación, de
día sin precipitación tras m días después de uno con precipitación y de día con
precipitación tras m días después de uno con precipitación
Enero Febrero Marzo Abril Mayo Junio
0,8054 0,1946 0,8081 0,1919 0,8429 0,1571 0,8232 0,1768 0,8872 0,1128 0,9083 0,0917
0,3960 0,6040 0,3366 0,6634 0,4498 0,5502 0,4044 0,5956 0,4323 0,5677 0,5401 0,4599
2
P P2 P2 P2 P2 P2
0,7258 0,2742 0,7176 0,2824 0,7811 0,2189 0,7492 0,2508 0,8359 0,1641 0,8745 0,1255
0,5582 0,4418 0,4953 0,5047 0,6266 0,3734 0,5738 0,4262 0,6290 0,3710 0,7390 0,2610

P3 P3 P3 P3 P3 P3
0,6932 0,3068 0,6750 0,3250 0,7568 0,2432 0,7182 0,2818 0,8126 0,1874 0,8621 0,1379
0,6245 0,3755 0,5702 0,4298 0,6961 0,3039 0,6447 0,3553 0,7184 0,2816 0,8122 0,1878
P4 P4 P4 P4 P4 P4
0,6798 0,3202 0,6549 0,3451 0,7473 0,2527 0,7052 0,2948 0,8020 0,1980 0,8575 0,1425
0,6517 0,3483 0,6054 0,3946 0,7234 0,2766 0,6745 0,3255 0,7591 0,2409 0,8391 0,1609
P5 P5 P5 P5 P5 P5
0,6743 0,3257 0,6454 0,3546 0,7435 0,2565 0,6998 0,3002 0,7971 0,2029 0,8558 0,1442
0,6628 0,3372 0,6221 0,3779 0,7342 0,2658 0,6869 0,3131 0,7776 0,2224 0,8490 0,1510
P6 P6 P6 P6 P6 P6
0,6721 0,3279 0,6409 0,3591 0,7421 0,2579 0,6975 0,3025 0,7949 0,2051 0,8552 0,1448
0,6674 0,3326 0,6299 0,3701 0,7384 0,2616 0,6921 0,3079 0,7861 0,2139 0,8527 0,1473
P7 P7 P7 P7 P7 P7
0,6712 0,3288 0,6388 0,3612 0,7415 0,2585 0,6966 0,3034 0,7939 0,2061 0,8549 0,1451
0,6693 0,3307 0,6336 0,3664 0,7400 0,2600 0,6943 0,3057 0,7899 0,2101 0,8540 0,1460
P8 P8 P8 P8 P8 P8
0,6708 0,3292 0,6378 0,3622 0,7413 0,2587 0,6962 0,3038 0,7935 0,2065 0,8549 0,1451
0,6700 0,3300 0,6354 0,3646 0,7407 0,2593 0,6952 0,3048 0,7916 0,2084 0,8545 0,1455
9
P P9 P9 P9 P9 P9
0,6707 0,3293 0,6373 0,3627 0,7412 0,2588 0,6960 0,3040 0,7933 0,2067 0,8548 0,1452
0,6703 0,3297 0,6362 0,3638 0,7410 0,2590 0,6956 0,3044 0,7924 0,2076 0,8547 0,1453
10
P P10 P10 P10 P10 P10

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 0,6706 0,3294 0,6371 0,3629 0,7411 0,2589 0,6959 0,3041 0,7932 0,2068 0,8548 0,1452
0,6705 0,3295 0,6366 0,3634 0,7411 0,2589 0,6958 0,3042 0,7928 0,2072 0,8548 0,1452
P11 P11
0,6370 0,3630 0,7931 0,2069
0,6368 0,3632 0,7930 0,2070

Tabla V (cont.) Valores mensuales y anuales de día sin precipitación tras m días después de uno sin precipitación, de día con
precipitación tras m días después de uno sin precipitación, de día sin precipitación tras m días después de uno con precipitación y de
día con precipitación tras m días después de uno con precipitación

Julio Agosto Septiembre Octubre Noviembre Diciembre Año

0,9778 0,0222 0,9723 0,0277 0,9235 0,0765 0,8543 0,1457 0,8271 0,1729 0,8465 0,1535 0,8816 0,1184

0,8214 0,1786 0,7500 0,2500 0,5922 0,4078 0,4262 0,5738 0,3808 0,6192 0,3676 0,6324 0,4215 0,5785

P2 P2 P2 P2 P2 P2 P2

0,9744 0,0256 0,9661 0,0339 0,8981 0,1019 0,7919 0,2081 0,7500 0,2500 0,7730 0,2270 0,8271 0,1729

0,9499 0,0501 0,9167 0,0833 0,7884 0,2116 0,6086 0,3914 0,5507 0,4493 0,5437 0,4563 0,6154 0,3846

P3 P3 P3 P3 P3 P3 P3

0,9738 0,0262 0,9648 0,0352 0,8897 0,1103 0,7652 0,2348 0,7155 0,2845 0,7378 0,2622 0,8021 0,1979

0,9700 0,0300 0,9538 0,0462 0,8534 0,1466 0,6867 0,3133 0,6266 0,3734 0,6280 0,3720 0,7047 0,2953

P4 P4 P4 P4 P4 P4 P4

0,9737 0,0263 0,9644 0,0356 0,8869 0,1131 0,7537 0,2463 0,7002 0,2998 0,7210 0,2790 0,7905 0,2095

0,9731 0,0269 0,9620 0,0380 0,8749 0,1251 0,7201 0,2799 0,6605 0,3395 0,6684 0,3316 0,7457 0,2543

P5 P5 P5 P5 P5 P5 P5

0,9737 0,0263 0,9644 0,0356 0,8860 0,1140 0,7488 0,2512 0,6933 0,3067 0,7129 0,2871 0,7852 0,2148

0,9736 0,0264 0,9638 0,0362 0,8820 0,1180 0,7344 0,2656 0,6756 0,3244 0,6877 0,3123 0,7646 0,2354

P6 P6 P6 P6 P6 P6 P6

0,9737 0,0263 0,9644 0,0356 0,8857 0,1143 0,7467 0,2533 0,6902 0,3098 0,7090 0,2910 0,7828 0,2172

0,9737 0,0263 0,9642 0,0358 0,8844 0,1156 0,7406 0,2594 0,6823 0,3177 0,6970 0,3030 0,7733 0,2267

P7 P7 P7 P7 P7 P7

0,9644 0,0356 0,8856 0,1144 0,7458 0,2542 0,6889 0,3111 0,7072 0,2928 0,7817 0,2183

0,9643 0,0357 0,8852 0,1148 0,7432 0,2568 0,6853 0,3147 0,7014 0,2986 0,7773 0,2227

P8 P8 P8 P8 P8 P8

0,9644 0,0356 0,8856 0,1144 0,7454 0,2546 0,6883 0,3117 0,7063 0,2937 0,7812 0,2188

0,9644 0,0356 0,8854 0,1146 0,7443 0,2557 0,6867 0,3133 0,7035 0,2965 0,7792 0,2208

P9 P9 P9 P9 P9

0,8856 0,1144 0,7453 0,2547 0,6880 0,3120 0,7059 0,2941 0,7809 0,2191

0,8855 0,1145 0,7448 0,2552 0,6873 0,3127 0,7045 0,2955 0,7800 0,2200

P10 P10 P10 P10

0,7452 0,2548 0,6879 0,3121 0,7057 0,2943 0,7808 0,2192

0,7450 0,2550 0,6876 0,3124 0,7050 0,2950 0,7804 0,2196

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 P11 P11 P11 P11

0,7452 0,2548 0,6878 0,3122 0,7056 0,2944 0,7808 0,2192

0,7451 0,2549 0,6877 0,3123 0,7052 0,2948 0,7806 0,2194

12 12
P P

0,7055 0,2945 0,7807 0,2193

0,7054 0,2946 0,7806 0,2194

P13

0,7807 0,2193

0,7807 0,2193

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 La comparación entre las respectivas matrices P1 y Pn es decir entre las
probabilidades de precipitación y de no precipitación calculadas para el día
inmediatamente siguiente a uno inicial y las obtenidas para el primero no
condicionado por el estado inicial, nos permite constatar la mayor modificación
de las probabilidades de precipitación y no precipitación en días sucesivos
posteriores a uno lluvioso que a partir de uno seco.

5.2. Probabilidad esperada de las rachas lluviosas y duración media de las

mismas
Al calcular las probabilidades anuales simples (p(n)) y las acumuladas
(P(n)) de aparición de una racha de n días lluviosos, observamos que rachas
lluviosas de más de diez días tienen una probabilidad de darse inferior a 1,8
milésimas, es decir, son de muy difícil aparición. El 42,15% son rachas de un
único día, que coincide con la probabilidad P10, y el 24,38% de todas las rachas
lluviosas están formadas por solo dos días.

Tabla VI Valores anuales esperados (por Markov) de las

probabilidades simples, p(n), y de las acumuladas, P(n), de
aparición de una racha de n días lluviosos
n p(n) P(n)
1 0,4215 0,4215
2 0,2438 0,6653
3 0,1411 0,8064
4 0,0816 0,8880
5 0,0472 0,9352
6 0,0273 0,9625
7 0,0158 0,9783
8 0,0091 0,9874
9 0,0053 0,9927
10 0,0031 0,9958
11 0,0018 0,9976
12 0,0010 0,9986
13 0,0006 0,9992
14 0,0003 0,9995
15 0,0002 0,9997
16 0,0001 0,9998
17 0,0001 0,9999

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 En cuanto a la duración media de las rachas lluviosas y de las rachas secas
1
(tabla VII), obtenidas mediante la aplicación del modelo markoviano, para
P10
1
las lluviosas y para las secas, se deduce que la duración de las rachas
P01
lluviosas presenta un mínimo estival (entre 1,2 y 1,8) y un máximo en invierno
(entre 2,9 y 2,5). Estos ritmos no difieren de los analizados para las
probabilidades condicionadas de precipitación diaria y que se explican por el
contraste entre los tipos de circulación de la época cálida y de la fría a lo largo
del año y, del predominio en invierno de situaciones sinópticas del oeste y
suroeste que dan lugar a precipitaciones persistentes.

Tabla VII Duración media esperada por Markov en días de las rachas lluviosas
y secas
E F M A M J JL A S O N D AÑO
Rachas 2,5 2,97 2,2 2,5 2,3 1,85 1,2 1,3 1,7 2,3 2,6 2,7 2,4
lluviosas
Rachas 5,1 5,2 6,4 5,7 8,9 10,9 45,04 36,1 13,1 6,9 5,8 6,5 8,4
secas

La duraciones mensuales de las rachas secas tienen un máximo en los

meses de julio y agosto, con una duración superior al mes, lo que significa que
un número elevado de cada año de estos dos meses no presenta ningún día de
lluvia apreciable.
La duración media anual de los ciclos constituidos por una racha lluviosa y
1 1
una seca son en días 10,8, obtenidos mediante la suma de + . Esta
P10 P01
duración es parecida a la obtenida por el profesor Martín Vide para algunas
ciudades del litoral mediterráneo (MARTÍN VIDE, 1987) donde observa que a
medida que la latitud aumenta los ritmos son más cortos, lo que indica que el
clima es más cambiante, en contraste con una menor variabilidad estadística.

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 6. CONCLUSIONES
El modelo de la cadena de Markov de dos estados se nos revela muy
adecuado para calcular la probabilidad de precipitación diaria, como lo
demuestra la bondad de ajuste de los resultados alcanzados.
Las probabilidades de precipitación en Badajoz describen una evolución
decreciente desde marzo hasta julio, seguida de un desarrollo ascendente hasta
alcanzar el máximo en los meses del invierno. Evolución semejante a las de
las probabilidades de transición. La causa fundamental que explica estos ritmos
es el balanceo estacional de la circulación atmosférica.
El número de días que tiene que transcurrir para que la probabilidad de
precipitación y de no precipitación sea independiente de un determinado estado
inicial, es bastante elevado, oscila entre seis y doce días.
En cuanto a las secuencias lluviosas, el 42% de las mismas son de un único
día. Su duración media es mayor en invierno y menor en verano. Por el
contrario las rachas secas tienen un máximo en los meses de julio y agosto, con
una duración superior al mes.

7. REFERENCIAS BIBLIOGRÁFICAS

BISHNOI, O.P. y SAXENA, K.K. (1980):”Precipitation simulation process

with Markov Caín modeling”. Statistical Climatology.Developments in
Atmospheric Science, 13, pp. 197-205. Elsevier.
BURGUEÑO, A. (1981): “Diversos aspectos climatológicos de la lluvia en
Barcelona”. Notes de Geografía Física, 5, pp. 3-16.
CAÑADA TORRECILLA, M.R. (1989): El clima de Extremadura. Estudio
analítico y dinámico. U.A.M.
CONESA GARCÍA, C. y MARTÍN VIDE, J. (1993): “Analyse par la chaîne
de Markov de la sécheresse dans le sud-est de l’Espagne”. Rev. Sécheresse, 2,
vol. 4, pp. 123-129.
DOMINGUEZ, J.I. (1973): Las cadenas de Markov, su aplicación al clima de
Málaga. Posibilidades turísticas. Dep. Estadística, Univ. Málaga.

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.
 GÓMEZ NAVARRO, L. (1996): “Análisis de las secuencias lluviosas en
España mediante el modelo de las cadenas de Markov”. Clima y agua: la
gestión de un recurso climático, pp. 271-280.
MARTÍN VIDE, J. (1981): “ Cantidades diarias y análisis markoviano de las
precipitaciones en el litoral mediterráneo sur de la Península Ibérica”. Paralelo
37º,5, pp. 97-114.
MARTÍN VIDE, J. (1983): “La aceptación del modelo estocástico de la
Cadena de Markov homogénea en tiempo discreto y de dos estados en los
cálculos de la probabilidad de la precipitación diaria”. VIII Congreso de
Geógrafos Españoles. Barcelona, pp. 24-31.
MARTÍN VIDE, J. (1987): Caracteristiques climatològiques de la precipitació
en la franja costera mediterrània de la Península Ibérica. Barcelona, ICC.
MARTÍN VIDE, J. et al. (1989): “La bondad de la cadena de Markov de
primer orden en el cálculo de la probabilidad de secuencias lluviosas y secas en
Cataluña”. Notes de Geografía Física, 18, pp. 51-55.
MARTÍN VIDE, J. et al. (1992): “Acerca de la bondad de las cadenas de
Markov de primer, segundo y tercer órdenes en el análisis de las sequías del
sureste de España”. Actas del V Coloquio de Geografía Cuantitativa. Zaragoza,
pp. 485-500.
MATEO GONZÁLEZ, P. (1965): Persistencia de los días de precipitación y
sin precipitación en Gijón (Costa Cantábrica de España). Serie A, nº 40.
Madrid, S.M.N. Ministerio del Aire.
PÉREZ MANRIQUE, C. et al. (1984): “Estudio de las rachas secas y lluviosas
en Gijón y San Sebastián”. Revista de Geofísica, 40, pp. 73-80.
RASO NADAL, J.M. (1982): “Probabilidades de transición y distribución
estacionaria de los días con y sin precipitación en Palma de Mallorca según el
modelo de la cadena de Markov para dos estados”. Tarraco, III, pp. 195-209.

Historia, clima y paisaje. Estudios Geográficos en Memoria del Profesor Antonio López
Gómez. Universidad de Valencia, Universidad Autónoma de Madrid y Universidad de
Alicante, 2004, pp. 295-304.

View publication stats