P. 1
Clase 5 Analisis de Consistencia

Clase 5 Analisis de Consistencia

|Views: 1.926|Likes:
Publicado porRoberto Bruna

More info:

Published by: Roberto Bruna on Sep 25, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/11/2015

pdf

text

original

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

9 1083.2 1.1 116.1 66.6 30.1 83.0 58.8 7.4 185.6 49.1 89.2 26.3 0.1 78.1 116.4 Dic.4 6.6 79.0 7.0 70.0 96.9 107.9 89.Sc.8 38.9 35.6 72. 108 pag.5 0. medios.6 507..7 76.9 49.9 52. A. 47.4 50.0 39.8 194.9 11.8 5. es decir.9 55. En la parte de abajo se presenta descriptores estadísticos como los valores máximos. 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.6 89.1 55.9 349.3 68.6 40. mínimos y la desviación estándar de cada mes. Ing. 13.4 50.6 35.7 713.5 43.1 8.0 4.6 0. 2001.2 31.3 33.2 104.2 12.1 116.7 0. 1.1 192.7 28.6 1. 36.5 11.4 514.3 19.7 78.8 38.6 22.5 568.9 57.3 125.6 139.3 25. 149. 106.4 88.0 126.4 133.6 193.1 85.7 179.2 Oct.6 198.6 31.5 29.9 111.9 89.4 0.8 51.2 41. 86.5 162.4 88.7 44.2 102.5 1083. 133.7 17. Perú. 17.EST Ene.1 Abr.2 0.1 39.6 2.8 349.7 1002.0 18. primero enero de 1985.0 48.1 39.5 44.6 52.3 54.3 38.0 10.6 38.5 25.9 61.0 17.6 84.8 32.8 May. luego febrero de 1985.4 99.7 672.3 37.4 69. En el siguiente gráfico se presenta la serie de tiempo.6 0.3 52.1 34.3 8.4 25.9 75.1 106.4 82. 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.7 68. UNALM. 50.9 687.8 82.9 407.9 33 27.4 193.3 89.9 72.8 96.5 35.2 71.9 72.6 62.5 64.8 485.9 13.2 2.5 26.0 16. D.4 45. así hasta noviembre de 1999 y diciembre de 1999.1 48. CIP-FIA.3 42.1 74.8 57.7 19.0 0. Vol.2 16. Lima.0 42. 174.9 192.1 18.8 192.2 45.5 43.2 50.4 26.3 Feb.6 Set.4 231.0 0.6 95.7 0.0 1.2 502.8 45. 2 .8 62. Al lado derecho de observa la columna de precipitación total anual.7 51.3 668.9 Nov. 66.4 0.9 100.0 50.2 51. que es la suma de la precipitación de los 12 meses de cada año.6 8.0 20.8 31.9 94.0 30.1 96.8 35.5 99.3 55.4 7.7 13.7 37.7 48.0 4.3 45.0 57.8 153.7 194.5 3.0 8.6 164.7 0.6 28.6 90.7 38.0 153.9 10.7 36.8 1075.8 64.2 17.2 52.9 Mar.7 33.5 Ago.9 198.3 Fuente: Mejía M. MIN. MED.7 112.4 2.4 42.5 48.1 25.2 41.7 52.5 0.6 2.6 9.4 49.1 79.9 35.2 0.2 192. Tot.0 14.Curso de Hidrología Docente M.2 10.9 29.4 6.8 Jul.8 889.2 29.7 40.0 0.9 34.0 47.9 2. 8.3 125.6 635.6 80.6 26.8 45.1 Jun. Hidrología Aplicada.3 10.

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. 3 . Eduardo Luis Flores Quispe Figura: Serie historica de precipitacion . contra los valores acumulados anuales de una estación Patrón (eje de las abscisas).Sc. Cuando no se tiene una estación patrón cercana y de condiciones hidrológicas similares a la estación analizada. 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. 108 pag. por tanto. CIP-FIA. se tiene los valores acumulados de todas las estaciones utilizadas. Análisis de doble masa Rendon (2009) lo describe como. la forma más usual de detectar períodos donde se han producido posibles errores. UNALM. se realiza la acumulación de las precipitaciones anuales y de estas se saca el promedio. Entonces. donde se utilizó las estaciones vecinas a la estación Oroya llamadas: Quiulla. Vol. Esta curva se construye llevando a un sistema de coordenadas cartesianas los valores acumulados de una estación en cuestión (eje de ordenadas). La Cima. El ejemplo de cálculo se presenta en el siguiente cuadro.2.Curso de Hidrología Docente M. es decir una estación confiable para realizar el análisis de doble masa. o cambio de lecturador de la estación. 2001. Observando el gráfico se puede decir que existe un salto hacia abajo desde el año 1990. Ing. por ejemplo el cambio de posición de la estación. al final el grafico de doble masa tiene en el eje x el promedio acumulado y en el eje y. A. 5. Hidrología Aplicada. 1. Como existe un salto detectado se comprobara esto con el análisis de doble masa. Casaracra. se tiene un indicio de que la serie no es consistente. Perú..Estacion La Oroya 250 200 Precipitacion (mm) 150 100 50 0 1985 -50 1990 1995 Tiempo (años) Fuente: Mejía M.1. se procede a utilizar más de dos estaciones vecinas de similar hidrología. Lima.

5 635.6 8057.1 645.3 La Oroya 889.8 3440.1 802.4 750.3 5909.8 606.3 7331.7 10001.6 5031.8 714.9 10908.7 1424.0 558.6 914.6 Las curvas de doble masa se presentan en el siguiente gráfico.7 7074.9 687. Ing.1 La Cima 452.6 Valores de Precipitación Anual Acumulado Promedio 663.2 2552.7 6357.6 639.5 663. Figura: Diagrama de doble masa referido al promedio 12000.6 9355.8 722.6 542.0 4000.8 637.4 5773.0 10079.9 729.9 Casaracra 637.8 816.8 7631.3 688.3 7584. 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 675.3 507.4 1349.3 700.0 La Oroya 889.7 5401.1 3893.3 2542.6 4162.0 2000.1 565.9 712.0 10000.0 511.5 3253.8 1076.3 7062.4 5643.0 4083.1 9406.0 10000.2 947.Curso de Hidrología Docente M.2 1964.2 8998.8 485.0 4687.5 886.8 469.5 568.0 2725.4 Quiulla 675.0 La Cima 452.1 602.8 618.3 2118.9 2104.3 598.8 8483.6 5005.5 4052.4 8408. por tanto los factores de produjeron este cambio.0 8000.1 10438.5 6980.3 651.6 8811.8 1965.0 12000.5 500.4 673.3 719. se dieron solo en la 4 Precipitacion anual acum.6 5467.0 1083.2 976.0 1010.0 6000. puesto que la pendiente mide la proporción entre el acumulado de la estación y el acumulado promedio.1 2816.9 407.2 6261.3 9314.0 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.6 Casaracra 637.0 1891.7 736.0 8000.4 646.8 6444.0 2000.(mm) .0 4000.1 7720.5 7491.0 588.7 713.0 716.0 9502.0 868.0 4622.8 459.5 590.0 10093.1 8147.2 668.8 742.5 1511.8 3049.Sc.4 514.7 607.6 845.4 3600.0 0.3 584. esto significa que hubo una causa para que la pendiente de la curva cambie.2 502.0 6895.7 6231. esto significa que existe una inconsistencia.6 3141.5 9524.1 6394.0 0.5 4202.0 8133.0 8807.0 8126.7 8747.6 507.2 5474.7 1374.0 6000.3 3452.7 1002.9 4724.8 349.

Consistencia de la media Rendon (2009) afirma que.05 b.Sc. para el período dudoso.Curso de Hidrología Docente M. Comparando el año en que se produce el cambio.3. Este análisis también nos muestra que existe una inconsistencia entre los datos desde 1985 a 1990. para el período confiable. Eduardo Luis Flores Quispe estación Oroya y no en las demás. se obtiene un valor de t calculado. y un valor de t de tablas de la forma que sigue: t = x −x − μ −μ S 5 . mediante el estadístico t de Student. para el análisis de doble masa. w : Período que se calcula. que los valores promedio provienen de una misma población. w = 1. 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. Análisis estadístico a. es decir que la media ambos períodos son estadísticamente iguales. xi : Dato de registro mensual. Cabe hacer notar que el tamaño de la muestra para cada período (n1 y n2). el proceso tiene como fin demostrar. Se determina la hipótesis nula.Diciembre 1999 5. se refiere a todos los valores diferentes de cero y no se toman en cuenta los valores con que se llenaron. Para demostrar la hipótesis planteada de que las muestras provienen de la misma población. lo cual será cierto si ambas medias son estadísticamente iguales. sw : Desviación estándar del período w nw : Tamaño de la muestra del período w. la hipótesis alternativa y el nivel de significación: Ho: μ = μ Ha: μ ≠ μ α = 0. siendo mayores al resto. es aproximadamente 1990.1. Ing. por medio de la prueba t de Student. 2° Se realiza la prueba de medias. w = 2. en el orden siguiente: a. 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. el mismo detectado en el análisis gráfico de saltos.

Ing.Diciembre 1999 De los cuales se determinó el número de datos (n).l.Sc. entonces se rechaza la hipótesis nula. se compara el valor de t calculado con el t de las tablas: Si tc < tt --. mostrados a continuación Periodo1 Periodo2 n 61 119 Media A.5 44. En el ejemplo anterior se consideró por criterio los siguientes períodos: Período 1: Enero 1985-Enero 1990 Período 2: Febrero 1990.1 Desv. Para tomar la decisión sobre la consistencia o no de la media. la media de la precipitación mensual del período 1 es mayor a la media del período 2.05 y n1+n2-2 grados de libertad. sd : Desviación estándar de los promedios sp : Desviación estándar ponderada El valor de t de tablas (tt) se obtiene con α =0.8 Prueba t Sp = 44.9734 alpha = α (nivel de significancia) Como el valor de tc (t calculado) es mayor al valor de tt (t de la tabla).0142 tc = 5.la media es inconsistente. Est 61. = 178 t_t = 1.Curso de Hidrología Docente M. 79. sus medias y desviaciones estándar correspondientes. Si tc > tt --.0521 alpha = 0. Eduardo Luis Flores Quispe S =S S = n −1 s + n −1 s n +n −2 1 1 + n n Dónde: tc : t calculado.la media es consistente. por tanto no hay consistencia en la media ni homogeneidad.05 g. En conclusión las medias de los dos períodos son diferentes.4 32. 6 .543 Sd = 7. Por tanto deben corregirse los datos.

Prueba F Fc = 3. por lo cual no existe consistencia y homogeneidad en las varianzas y debe corregirse la serie del período 1. si s > s s a.6807 Como el valor de Fc (F calculado) es mayor a Ft (F de la tabla) se rechaza la hipótesis nula. 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. Ing. sencillamente elevando al cuadrado las desviaciones estándar para cada período. Se hizo la prueba del estadístico F como sigue: a. num= 60 g. este análisis se realiza mediante el estadístico F de la siguiente manera: 1. siendo mayor la varianza del período 1.l. Eduardo Luis Flores Quispe b.05 g. Esto significa que la muestra es consistente en la desviación estándar cuando las desviaciones de los períodos comparados son estadísticamente iguales. 2. Grados de libertad del numerador (n1-1). Con los datos del ejemplo anterior se determinó los siguientes resultados de la prueba F. den= 117 Ft = 0.Curso de Hidrología Docente M. Consistencia de la desviación estándar Según Rendon (2009).05. FC > Ft La muestra es inconsistente. Por tanto las varianzas de los períodos 1 y 2 son diferentes. y Grados de libertad del denominador (n2-1).4993 alpha = 0.Sc. tanto nula y la alternativa: Ho: σ = σ Ha: σ ≠ σ α = 0. si s > s s F = s . 7 . Ó El valor de Ft se obtiene con α = 0.l.05 Se calcula el estadístico FC y se busca el F de tablas (Ft): s F = . por ser más antigua y es probable que pudiera haber errores en las mediciones. Se ensaya las hipótesis. Se calculó las variancias.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->