Met deze standaardmethode komt er wel een veel 'sjiekere' grafiek uit.
De methode is hetzelfde als voorgesteld door het KNMI; 42 jaar "locally estimated scatterplot smoothing" (LOESS).
Daarnaast is een standaarddeviatie berekend (unbiased) over alle datapunten. Dit is wellicht onnauwkeurig, aangezien extremen kunnen toenemen, en met een trend die omslaat van vlak naar stijgend, is het gehele gemiddelde niet de beste maat om de standaarddeviatie over te berekenen. Het gemiddelde vervangen door de LOESS zou veel beter kunnen zijn.
De bandbreedten zijn empirisch bepaald zodat de voorkomende jaren grofweg overeenkomen met de normaalverdeling.
Aan de eerdere conclusies verandert vrij weinig. Enkel is beter te zien wat 2010 voor een zeldzaam jaar was.
Hoe heb je die bandbreedte bepaald? Is dat een offset van de LOESS curve? De vorm komt wel heel sterk overeen, met een gewogen fit of iets dergelijks zou ik meer variatie in de specifieke vorm verwachten.
Ik zou LOESS zelf niet als een standaardmethode beschouwen, ik vermoed dat het KNMI in dat document bedoeld dat het voor hun de gebruikelijke methode is. Bovendien worden er weldegelijk aannames gemaakt bij de toepassing ervan, wat het document tegenspreekt, zoals de grootte van het window en de orde van de fit.
Voor een ongewogen fit op een temporeel regelmatige dataset (bv jaarlijks, zonder NaN's) wordt LOESS in feite hetzelfde als een Savitzky-Golay filter wat efficiënt uit te rekenen is met een convolutie (aangezien de gewichten constant zijn). Het berekenen van de gewichten/kernel kan bijvoorbeeld met:
General least-squares smoothing and differentiation by the convolution (Savitzky-Golay) method
Door de gewichten ook te berekenen voor bijvoorbeeld de eerste afgeleide krijg je een idee over een eventuele versnelling of vertraging van de opwarming.