Diese Seiten untersuchen meteorologische Zeitreihen als zeitlich zusammenhängende Prozesse. Im Fokus stehen Abweichungen vom saisonal Erwartbaren, deren Dauer, Stärke und zeitliche Struktur.
Statistische Kenngrößen wie Persistenz, Autokorrelation oder Lag-Abhängigkeiten dienen hier der Beschreibung typischer Dynamiken, nicht der Vorhersage oder Kausalinterpretation.
Alle Auswertungen sind deskriptiv.
Autokorrelation beschreibt den linearen Zusammenhang einer Zeitreihe mit sich selbst bei zeitlicher Verschiebung.
Formal ist die Autokorrelation ρ(τ) der Pearson-Korrelationskoeffizient zwischen den Werten x(t) und x(t+τ), wobei τ der zeitliche Versatz (Lag) ist.
Für τ = 0 gilt stets ρ(0) = 1.
In diesen Auswertungen wird die Autokorrelation für tägliche Werte mit ganzzahligen Lags in Tagen berechnet. Es werden ausschließlich Wertepaarungen innerhalb desselben Kalenderjahres verwendet.
Die Signifikanzbänder stammen aus einem AR(1)-Nullmodell (red noise) mit φ = ρ(Lag 1) der ΔT-Zeitreihe (Monte-Carlo, 600 Läufe, 95%).
| Lag | ρ(ΔT) | Band lo | Band hi | Sig | Paare | ρ(|ΔT|) | Band lo | Band hi | Sig | Paare |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 0.766 | 0.744 | 0.784 | nein | 3703 | 0.569 | 0.504 | 0.579 | nein | 3703 |
| 3 | 0.348 | 0.399 | 0.488 | ja | 3675 | 0.130 | 0.127 | 0.229 | nein | 3675 |
| 7 | 0.131 | 0.086 | 0.209 | nein | 3619 | 0.032 | -0.029 | 0.065 | nein | 3619 |
| 14 | 0.002 | -0.045 | 0.084 | nein | 3533 | -0.024 | -0.045 | 0.046 | nein | 3533 |
| 30 | -0.002 | -0.068 | 0.066 | nein | 3341 | -0.001 | -0.047 | 0.046 | nein | 3341 |
| 60 | -0.029 | -0.072 | 0.061 | nein | 2997 | 0.002 | -0.045 | 0.047 | nein | 2997 |
Sig = außerhalb des 95%-Bands des AR(1)-Nullmodells.
Werte außerhalb des Bandes deuten auf Struktur hin, die über ein einfaches AR(1)-Gedächtnis hinausgeht. φ wird aus Lag-1 von ΔT geschätzt. Für |ΔT| wird das Band über Monte-Carlo auf |AR(1)| bestimmt.