Metodología — Estadística Ambiental¶

Describe el ciclo estadístico implementado, las decisiones de diseño y la relación con el repositorio origen boa-sarima-forecaster.

1. Ciclo estadístico completo¶

El repositorio implementa cuatro etapas encadenables e independientes:

Datos crudos
   ↓ io/loaders.py + io/validators.py
EDA → catálogo de variables + calidad + reporte HTML
   ↓ eda/variables.py + eda/quality.py + eda/profiling.py + eda/viz.py
Estadística descriptiva → resúmenes, correlaciones, STL, ACF
   ↓ descriptive/univariate.py + bivariate.py + temporal.py
Estadística inferencial → distribuciones, hipótesis, estacionariedad, tendencia
   ↓ inference/distributions.py + hypothesis.py + stationarity.py + trend.py + intervals.py
[Análisis espacial] → Kriging, Moran, GWR
   ↓ spatial/
Feature engineering → lags, calendario, exógenas, ENSO
   ↓ features/
Preprocesamiento → imputación, outliers, remuestreo
   ↓ preprocessing/
Modelos predictivos → ARIMA, SARIMA, SARIMAX, Prophet, XGBoost, RF, LSTM
   ↓ predictive/ + optimization/
Backtesting + comparación multi-criterio
   ↓ evaluation/
Reporte final HTML
   ↓ reporting/

2. Módulos y responsabilidades¶

2.1 Ingesta (`io/`)¶

Módulo	Responsabilidad
`loaders.py`	Lectura multiformato: CSV, Excel, Parquet, NetCDF, SHP/GPKG
`validators.py`	Rangos de plausibilidad física para 30+ variables colombianas

2.2 EDA (`eda/`)¶

Módulo	Responsabilidad
`variables.py`	Tipificador automático: 7 tipos (continua, discreta, nominal, ordinal, temporal, espacial, texto)
`quality.py`	MCAR/MAR/MNAR, gaps temporales, congelamiento de sensor, cross-checks
`profiling.py`	Reporte HTML autocontenido + integración opcional ydata-profiling/sweetviz
`viz.py`	8 funciones estándar (series, faltantes, histograma, boxplot, correlación, estacional, multi-series, scatter)

2.3 Preprocesamiento (`preprocessing/`)¶

Módulo	Responsabilidad
`imputation.py`	8 métodos: ffill, bfill, linear, mean, median, rolling_mean, Kalman, MICE
`outliers.py`	IQR, z-score, modified z-score — solo flags por default (ADR-002)
`resampling.py`	Remuestreo, alineación de frecuencias, timestamps faltantes

2.4 Descriptiva (`descriptive/`)¶

Módulo	Responsabilidad
`univariate.py`	Resumen completo con agrupación; tabla de frecuencias
`bivariate.py`	Correlación (Pearson/Spearman/Kendall), contingencia, chi-cuadrado
`temporal.py`	STL, ACF, PACF, rolling stats, resumen estacional

2.5 Inferencial (`inference/`)¶

Módulo	Responsabilidad
`distributions.py`	Normalidad (Shapiro-Wilk, KS, Anderson-Darling), ajuste a 6 distribuciones
`hypothesis.py`	t-test Welch, Mann-Whitney, ANOVA, Kruskal-Wallis
`stationarity.py`	ADF + KPSS con diagnóstico conjunto (ADR-004)
`trend.py`	Mann-Kendall, Sen's slope, Pettitt
`intervals.py`	IC paramétrico (media), bootstrap (mediana, cuantiles), excedencia de norma

2.6 Espacial (`spatial/`)¶

Módulo	Responsabilidad
`io.py`	Lectura de vectores (SHP/GPKG/GeoJSON), raster (GeoTIFF), NetCDF
`projections.py`	MAGNA-SIRGAS, CTM12, WGS84; clip a Colombia
`interpolation.py`	IDW (puro numpy), Kriging ordinario (pykrige)
`autocorrelation.py`	Índice de Moran global y local LISA (pysal/esda)
`viz.py`	Mapas folium de estaciones, coropletas, resultado de Kriging

2.7 Features (`features/`)¶

Módulo	Responsabilidad
`lags.py`	Lags, rolling stats, diferencias
`calendar.py`	Variables de calendario con codificación cíclica seno/coseno
`exogenous.py`	Alineación de exógenas, heat index, features meteorológicos
`climate.py`	ONI (ENSO) desde NOAA, clasificación niño/niña/neutro, dummies

2.8 Predictiva (`predictive/`)¶

Módulo	Responsabilidad
`base.py`	`BaseModel` ABC con interfaz `fit/predict/fit_predict`
`classical.py`	ARIMA, SARIMA, SARIMAX, ETS (statsmodels)
`prophet_model.py`	Prophet con exógenas opcionales
`ml.py`	XGBoost, RandomForest, LightGBM con lag features automáticos
`registry.py`	`get_model()`, `list_models()`, `register()`

2.9 Evaluación (`evaluation/`)¶

Módulo	Responsabilidad
`metrics.py`	MAE, RMSE, R², sMAPE, MASE + NSE, KGE, PBIAS (hidrología)
`backtesting.py`	Walk-forward expanding/sliding; `compare_backtests()`
`comparison.py`	Ranking multi-criterio por dominio; `select_best()`

2.10 Reportes (`reporting/`)¶

Módulo	Responsabilidad
`forecast_report.py`	HTML con métricas, gráfico Chart.js real vs. pronósticos
`eda_report.py`	(ver `eda/profiling.py`)

3. Herencia de boa-sarima-forecaster¶

Ver docs/decisiones.md ADR-001 y tabla de equivalencias en README.md.

Los módulos con mayor herencia son optimization/bayes_opt.py, evaluation/metrics.py y predictive/classical.py.

4. Decisiones de diseño clave¶

Ver docs/decisiones.md para el registro completo (ADRs).

ADR	Decisión
ADR-001	Fork y herencia de boa-sarima-forecaster con atribución explícita
ADR-002	Outliers NO se eliminan automáticamente — picos ambientales son señal real
ADR-003	Métricas por dominio: NSE+KGE para hidrología, sMAPE solo cuando y≥0
ADR-004	ADF+KPSS obligatorios antes de ARIMA; advertencia explícita si no estacionaria

Metodología — Estadística Ambiental¶

1. Ciclo estadístico completo¶

2. Módulos y responsabilidades¶

2.1 Ingesta (io/)¶

2.2 EDA (eda/)¶

2.3 Preprocesamiento (preprocessing/)¶

2.4 Descriptiva (descriptive/)¶

2.5 Inferencial (inference/)¶

2.6 Espacial (spatial/)¶

2.7 Features (features/)¶

2.8 Predictiva (predictive/)¶

2.9 Evaluación (evaluation/)¶

2.10 Reportes (reporting/)¶