varper: varianza explicada de cada una de las componentes principales. Se realiza la reordenacion habitual, de mayor a menor, de forma que se hace visible el hecho de que muy pocas componentes explican la mayor parte de la varianza explicada. Esto ocurrira escogiendo variables 'suaves'. Como puede ser z500 o T850, por ejemplo.
varcen: media de la varianza entre los centroides
varint: media de entre todos los grupos de la varianza interna de cada grupo.
varopt (r): cociente entre la varianza entre centroides y la varianza interna (varcen/varint). Fijado un numero de clusters cuanto mayor sea este valor mas nos interesara la agrupacion, porque quiere decir que tendra centroides mas separados y dentro de cada grupo los miembros mas juntos. Esta funcion objetivo prentende buscar nubes de puntos bien definidas. Lamentablemente este valor unicamente permite comparar agrupamientos que tengan el mismo numero de grupos.
sign: significacion estadistica de 2 a 6 grupos (1 a 5 en eje horizontal). Fijada la mejor agrupacion Q para un numero de clusters prefijado se considera su valor rQ. La significacion estadistica esta dada por el porcentaje de perturbaciones a la agrupacion Q que tengan el score r Para establecer el numero optimo de grupos buscamos un maximo de significacion estadistica que supere un determinado umbral tmin. Sin embargo, se considera una hiperheuristica dependiente del alcance con cuatro casos discrtiminando el corto, medio y largo plazo
i) D+0,1,2 tmin=55.0. Maximo 3 grupos
ii) D+3,4,5,6 tmin=1.0
iii) D+7,8,9 tmin=1.0 se elige maximo absoluto
iv) D+10,... se toman 6 grupos
en casos i), ii) se elige el primer valor ncl tal que sign(n)>sign(n+1)-tol. Se trata en esencia del primer maximo local.
en casos i), ii), iii) fijado el numero de clusters optimo n se toma toma recursivamente n-1 si |sign(n-1)-sign(n)|<=tol=2.0. Esto quiere decir que si la agrupacion optima con n grupos tiene similar significacion estadistica que n-1 grupos, nos quedamos con este ultimo caso. Esto de forma recursiva.