Curso de Hidrología

Docente M.Sc. Ing. Eduardo Luis Flores Quispe

CLASE 5. ANALISIS DE CONSISTENCIA Y HOMOGENEIDAD DE DATOS MEJÍA (2001), antes de iniciar cualquier análisis o utilizar los datos observados en las estaciones hidrométricas, hay necesidad de realizar ciertas verificaciones de los valores de precipitación. Los datos hidrológicos en general, están constituidos por una larga secuencia de observaciones de alguna fase del ciclo hidrológico obtenidas para un determinado lugar. No obstante que un registro largo sea lo deseable, se debe reconocer que cuanto más largo es el período de registro, mayor será la posibilidad de error. Una serie generada en esas condiciones, si los errores o cambios fueran apreciables, es inconsistente, o carece de homogeneidad. Para verificar éste tipo de inconsistencia, se usa el método de la curva de doble masa, basado en el hecho de que un gráfico de una cantidad acumulada ploteada contra otra cantidad acumulada durante el mismo período, debe ser una línea recta siempre que las cantidades sean proporcionales, la inclinación de la recta representa la constante de proporcionalidad. Una alteración en la pendiente de la recta, indicará que ocurrió un cambio en la constante de proporcionalidad entre las dos variables o que tal vez la proporcionalidad no es constante en todos los niveles de acumulación. PAOLI et al. (2002), La consistencia en la determinación de caudales de diseño por transformación lluvia-caudal y análisis de frecuencia es de vital importancia para el diseño de obras hidráulicas. En la ingeniería práctica, el dimensionamiento de distintos tipos de obras requiere el cálculo de la crecida de diseño para lo cual es necesario asociar una magnitud de crecida con la probabilidad anual de ser superada, con lo que se presenta el riesgo hidrológico del evento. 5.1. Análisis de consistencia y homogeneidad de los datos hidrometeorológicos Según Rendon (2009), la Inconsistencia y no Homogeneidad de una serie hidrológica deben ser identificadas, eliminadas y ajustadas a las condiciones futuras, porque pueden introducir errores a la serie. La inconsistencia son los errores sistemáticos que se presentan como saltos y tendencias en las series muestrales. La no homogeneidad son cambios de los datos originales con el tiempo. Ej. La No Homogeneidad en los datos de Precipitación, se produce por movimiento de la Estación, cambios en el medio ambiente que rodea la Estación. 5.1.1. Análisis gráfico de saltos Rendon (2009) menciona que los saltos en el grafico de una serie de tiempo hidrológica son, formas determinísticas transitorias que permiten a una serie hidrológica periódica o no periódica, pasar de un estado a otro como respuesta a cambios hechos por el hombre debido al continuo desarrollo del aprovechamiento de los recursos hídricos o cambios naturales continuos que pueden ocurrir. Ej. Derivaciones aguas arriba, cambio de estación hacia aguas arriba. Para identificar el salto se debe graficar la serie de tiempo utilizando por ejemplo Excel. Antes es necesario conocer como es una serie de datos hidrológicos, en el cuadro siguiente se presenta una serie de registro de precipitación mensual de la estación Oroya en Junín.

1

7 1002.2 17.2 50. 133.9 111.1 85.4 49.4 6.7 51.9 52.6 2.0 42.6 9.7 179.7 0.5 48. Ing.3 0.5 43.6 95.4 185.0 126.0 10.6 84.9 107.8 May.9 49.0 30.3 33.6 38.1 96. 174. Lima.1 34.9 Mar.9 89.5 44.1 Jun.4 0.8 485.3 68.6 22.8 7.2 102.3 8.6 62.6 80.3 38. 108 pag. Tot.1 18.2 192.1 116.1 8.8 32.0 16.0 17.5 64.9 72.2 104.2 26.9 75. luego febrero de 1985. 2001.7 52.4 88.9 33 27.4 50.8 1075.6 507.7 48.9 687.9 61.0 18.8 35. 2 .3 125.4 42.2 51. Vol.0 48.0 47. En el siguiente gráfico se presenta la serie de tiempo.0 4.5 25.3 19.6 89.1 39.4 7.1 116.2 16.6 52.2 45.7 40.5 568.0 7.4 26.7 68. 149.6 28.3 54.1 55.7 36.0 57.EST Ene.9 1083.8 31.0 0.4 45.1 192.8 38.3 42.5 Ago.6 49.1 78. El gráfico de la serie de tiempo se realiza teniendo en el eje de ordenadas la precipitación mensual y en el eje de las abscisas el mes de cada año.5 3.8 57. UNALM.2 0.8 51.7 713.9 34.4 6.7 28.5 0.9 349. Al lado derecho de observa la columna de precipitación total anual.4 231. Perú.6 0. MED.2 Oct.9 29.9 192.1 116.6 Set. medios.2 41.3 45. 8.9 100.4 133.9 198.5 35. 1.4 99.3 Feb.9 13. 36.6 198. 17.6 26.7 112.2 71. Eduardo Luis Flores Quispe CUADRO: PRECIPITACION TOTAL MENSUAL (mm) ESTACION LA OROYA DEPARTAMENTO: JUNIN LATITUD: 11º 31' PROVINCIA: YAULI ´LONGITUD: 75º 54' DISTRITO: LA OROYA ALTITUD: 3160 msnm Año 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 MAX.2 52.7 78. 13.0 0. 50.6 31.4 82.7 672.8 82.Sc.8 5.Curso de Hidrología Docente M.9 407.3 668.7 19.0 96. es decir. MIN.3 55.5 26.4 2.0 58.9 35.1 25.1 74.3 25.9 35.1 83.1 89.7 17.2 41..9 Nov.3 89.4 193.2 10.8 96.9 57.6 79.8 45.7 37. En la parte de abajo se presenta descriptores estadísticos como los valores máximos.5 1083.0 153.8 62.6 2.6 193.6 35.7 0.6 635.3 10.2 1.9 55.4 0.6 30.1 79.6 90. Hidrología Aplicada.5 43.0 70.1 66.9 89.0 0.0 1.2 31.8 194.6 1.8 45. D. mínimos y la desviación estándar de cada mes.2 0.2 502.4 88.6 139.2 29.6 72.4 Dic.8 38.7 44. así hasta noviembre de 1999 y diciembre de 1999.8 349.6 0. 86.6 8.0 8.4 514. CIP-FIA.4 69.6 164.7 0.8 153.1 48.3 125.4 50.0 4.1 Abr.1 106.1 39.3 52. 106.5 29.8 64. 47.3 Fuente: Mejía M. A. primero enero de 1985.2 2.0 20.9 94.8 Jul.0 39.7 38.9 72.5 99.3 37. 66.5 0.0 14.9 10.8 889.7 76.8 192.5 162.2 12.5 11.7 194.9 2.7 33.7 13.6 40.0 50.9 11.4 25. que es la suma de la precipitación de los 12 meses de cada año.

Casaracra. Cuando no se tiene una estación patrón cercana y de condiciones hidrológicas similares a la estación analizada. por tanto. por ejemplo el cambio de posición de la estación. o que pudo haber una situación que cambio la tendencia. los cuales se observan en forma de quiebres en la pendiente de la curva doble másica. Análisis de doble masa Rendon (2009) lo describe como. al final el grafico de doble masa tiene en el eje x el promedio acumulado y en el eje y. Ing. Eduardo Luis Flores Quispe Figura: Serie historica de precipitacion . Como existe un salto detectado se comprobara esto con el análisis de doble masa. se tiene un indicio de que la serie no es consistente. El ejemplo de cálculo se presenta en el siguiente cuadro. se procede a utilizar más de dos estaciones vecinas de similar hidrología. La curva de doble masa también es usada muy frecuentemente para corregir los quiebres multiplicando cada precipitación por la razón de pendientes del período que se considera erróneo. es decir una estación confiable para realizar el análisis de doble masa. Esta curva se construye llevando a un sistema de coordenadas cartesianas los valores acumulados de una estación en cuestión (eje de ordenadas). 1.2. se tiene los valores acumulados de todas las estaciones utilizadas. o cambio de lecturador de la estación. Perú.Sc. Entonces. Vol. A. CIP-FIA. 108 pag. 3 . donde se utilizó las estaciones vecinas a la estación Oroya llamadas: Quiulla. Observando el gráfico se puede decir que existe un salto hacia abajo desde el año 1990.. Hidrología Aplicada. 2001. UNALM. Lima.1. se realiza la acumulación de las precipitaciones anuales y de estas se saca el promedio. la forma más usual de detectar períodos donde se han producido posibles errores. La Cima. contra los valores acumulados anuales de una estación Patrón (eje de las abscisas).Estacion La Oroya 250 200 Precipitacion (mm) 150 100 50 0 1985 -50 1990 1995 Tiempo (años) Fuente: Mejía M.Curso de Hidrología Docente M. 5.

2 8998. puesto que la pendiente mide la proporción entre el acumulado de la estación y el acumulado promedio.0 716.6 914.0 10093.5 9524.3 700.8 469.3 5909.1 602.4 3600.0 9502.3 7062.5 635.4 5773.0 4083.5 1511.7 607.3 598.7 5401.5 590.1 6394.9 2104.4 Quiulla 675.3 7331.8 3440. Ing.6 639.1 565.0 0.7 7074.3 719.3 507.3 3452.5 6980.0 La Oroya 889.6 507.8 6444.0 6000. se dieron solo en la 4 Precipitacion anual acum.6 8811.1 7720.5 500.2 6261.2 947.9 Casaracra 637. por tanto los factores de produjeron este cambio.4 750.5 7491.0 8000.0 868.7 8747.8 3049.7 6231.0 1083.4 1349.3 584.4 5643.0 0.6 8057.0 4000.6 9355.8 816. Figura: Diagrama de doble masa referido al promedio 12000.6 5467.0 558.2 502.9 407.0 12000.3 La Oroya 889.6 845.6 3141.5 886.0 511.0 8807.1 8147.6 4162. esto significa que existe una inconsistencia.9 4724.0 8133.4 8408.7 736.1 3893.8 485.7 6357.2 5474.2 668.8 606.8 742.6 5031.3 9314.6 Las curvas de doble masa se presentan en el siguiente gráfico.8 714.0 588. esto significa que hubo una causa para que la pendiente de la curva cambie.0 2000.0 6895.7 713. Eduardo Luis Flores Quispe Cuadro: Análisis de doble masa de datos de precipitación Valores de Precipitación Anual Año Quiulla 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 675.9 729.5 663.Curso de Hidrología Docente M.4 673.5 568.8 459.0 Promedio de precipitacion anual acumulada (mm) Quiulla Casaracra La Cima La Oroya En el grafico anterior se observa un quiebre en la curva de la estación Oroya.1 9406.9 712.6 5005.0 2000.9 687.1 2816.0 4687.7 1002.9 10908.5 4052.0 4000.1 645.3 2118.5 3253.6 Casaracra 637.3 688.0 La Cima 452.0 1891.0 6000.8 1076.0 10000.1 802.8 8483.2 1964.0 2725.2 2552.8 1965.0 10079.8 349.0 10000.5 4202.1 10438.8 7631.7 10001.4 514.Sc.8 722.3 7584.2 976.1 La Cima 452.3 651.8 637.6 Valores de Precipitación Anual Acumulado Promedio 663.7 1374.0 8126.7 1424.0 8000.4 646.6 542.8 618.(mm) .3 2542.0 1010.0 4622.

el proceso tiene como fin demostrar. para el período confiable. La forma es como sigue: 1° Se calcula la media y desviación estándar tanto del período dudoso como del confiable de la siguiente manera: ∑ x x = n s = ∑ x −x n −1 Dónde: x : Media de uno de los períodos.1. Para demostrar la hipótesis planteada de que las muestras provienen de la misma población. para el período dudoso. en el orden siguiente: a. para el análisis de doble masa.05 b. para confirmar que existe un salto se realiza el análisis estadístico para comparar las medias y las varianzas de los periodos que son: Período 1: Enero 1985-Enero 1990 Período 2: Febrero 1990. la hipótesis alternativa y el nivel de significación: Ho: μ = μ Ha: μ ≠ μ α = 0. Cabe hacer notar que el tamaño de la muestra para cada período (n1 y n2). lo cual será cierto si ambas medias son estadísticamente iguales. Ing. mediante el estadístico t de Student. y un valor de t de tablas de la forma que sigue: t = x −x − μ −μ S 5 .Curso de Hidrología Docente M. Este análisis también nos muestra que existe una inconsistencia entre los datos desde 1985 a 1990. es aproximadamente 1990. que los valores promedio provienen de una misma población. se refiere a todos los valores diferentes de cero y no se toman en cuenta los valores con que se llenaron. w : Período que se calcula. Comparando el año en que se produce el cambio. Eduardo Luis Flores Quispe estación Oroya y no en las demás. w = 2.Sc. Se determina la hipótesis nula. 2° Se realiza la prueba de medias. sw : Desviación estándar del período w nw : Tamaño de la muestra del período w. siendo mayores al resto. xi : Dato de registro mensual.3. se obtiene un valor de t calculado. Consistencia de la media Rendon (2009) afirma que. el mismo detectado en el análisis gráfico de saltos. Análisis estadístico a. por medio de la prueba t de Student. es decir que la media ambos períodos son estadísticamente iguales. w = 1.Diciembre 1999 5.

Eduardo Luis Flores Quispe S =S S = n −1 s + n −1 s n +n −2 1 1 + n n Dónde: tc : t calculado. Si tc > tt --. se compara el valor de t calculado con el t de las tablas: Si tc < tt --.Curso de Hidrología Docente M. sus medias y desviaciones estándar correspondientes.Sc. 6 . sd : Desviación estándar de los promedios sp : Desviación estándar ponderada El valor de t de tablas (tt) se obtiene con α =0.la media es inconsistente.543 Sd = 7. entonces se rechaza la hipótesis nula.1 Desv.8 Prueba t Sp = 44. Est 61. = 178 t_t = 1.0142 tc = 5. la media de la precipitación mensual del período 1 es mayor a la media del período 2.4 32. por tanto no hay consistencia en la media ni homogeneidad.9734 alpha = α (nivel de significancia) Como el valor de tc (t calculado) es mayor al valor de tt (t de la tabla).5 44. Para tomar la decisión sobre la consistencia o no de la media.Diciembre 1999 De los cuales se determinó el número de datos (n). En conclusión las medias de los dos períodos son diferentes. 79. mostrados a continuación Periodo1 Periodo2 n 61 119 Media A.05 y n1+n2-2 grados de libertad.0521 alpha = 0.la media es consistente. En el ejemplo anterior se consideró por criterio los siguientes períodos: Período 1: Enero 1985-Enero 1990 Período 2: Febrero 1990.l.05 g. Ing. Por tanto deben corregirse los datos.

y Grados de libertad del denominador (n2-1).05 Se calcula el estadístico FC y se busca el F de tablas (Ft): s F = . den= 117 Ft = 0. FC > Ft La muestra es inconsistente. Los valores obtenidos se comparan y se demuestra si son o no consistentes con los siguientes criterios: FC < Ft La muestra es consistente en la desviación estándar. sencillamente elevando al cuadrado las desviaciones estándar para cada período. tanto nula y la alternativa: Ho: σ = σ Ha: σ ≠ σ α = 0. Se ensaya las hipótesis. num= 60 g. Prueba F Fc = 3.05. Ing. Se hizo la prueba del estadístico F como sigue: a. 7 .Sc. por lo cual no existe consistencia y homogeneidad en las varianzas y debe corregirse la serie del período 1. Ó El valor de Ft se obtiene con α = 0. Con los datos del ejemplo anterior se determinó los siguientes resultados de la prueba F. Por tanto las varianzas de los períodos 1 y 2 son diferentes. Eduardo Luis Flores Quispe b. Grados de libertad del numerador (n1-1). Se calculó las variancias. por ser más antigua y es probable que pudiera haber errores en las mediciones.4993 alpha = 0. si s > s s F = s . Consistencia de la desviación estándar Según Rendon (2009). Esto significa que la muestra es consistente en la desviación estándar cuando las desviaciones de los períodos comparados son estadísticamente iguales.05 g. siendo mayor la varianza del período 1. 2. si s > s s a.l.6807 Como el valor de Fc (F calculado) es mayor a Ft (F de la tabla) se rechaza la hipótesis nula. este análisis se realiza mediante el estadístico F de la siguiente manera: 1.l.Curso de Hidrología Docente M.