Imputación de Datos en Series de Precipitación Diaria Caso de Estudio Cuenca del Río Quindío

This paper shows the results obtained when five methods for imputing missing daily rainfall were applied to records of eight hydrological stations located in the Quindío river basin, on the west-center part of Colombia. With the purpose of preserving the presence of no rainfall data, were considered calculate the empirical probabilities of first-order Markov chains. The five methods were implemented with a recursive algorithm which initializes missing data with the average daily rainfall. After this, the algorithm runs iteratively, replacing the previous run missing data imputations, it runs until the maximum difference between two successive imputations is smaller than a threshold value. Data imputed by the Statistical Measure Weighting Method conserves the measures of central tendency from each station daily rainfall record when it includes missing data.En este artículo se presentan los resultados obtenidos por la aplicaciónde cinco técnicas de imputación de datos en series de precipitación diaria para ocho estaciones que tienen aferencia sobre la cuenca del río Quindío, localizada en la zona central colombiana.  Con el propósito de preservar la generación de valores de precipitación igual a cero, se consideró el cálculo de probabilidades empíricas a partir de una cadena de Markov de primer orden. Las técnicas fueron implementadas en un algoritmo iterativo, en el que los valores faltantes fueron iniciados con la precipitación promedio diaria. El algoritmo se ejecuta recursivamente sustituyendo los valores estimados en la corrida anterior, finaliza cuando la diferencia máxima entre dos iteraciones sucesivas es menor que un valor fijado previamente. Los datos imputados por la técnica de distanciaestadística ponderada conservan adecuadamente las medidas de tendencia central de la serie temporal de precipitación diaria condatos faltantes. &nbsp