Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esta Di Stica
Esta Di Stica
73
74
75
m
n
76
(5.1)
1)
(5.2)
.
La probabilidad de un evento cierto es 1:
P
i =1
=1
(5.3)
(5.4)
(5.5)
77
(5.6)
P( X 1
X2
) = P(
X1 X 2
)
P( X 2 )
(5.7)
Ejemplo 5.1
Supngase que el ro Cauca alcanza cada invierno un nivel de creciente con
una frecuencia relativa de 0.2. En el Cauca hay un puente cuya probabilidad
de falla en los estribos es 0,3 y la experiencia muestra que cuando hay
creciente, las probabilidades de esta falla suben a 0,5. Las probabilidades
son:
P(creciente) = P(C) = 0,2
P(no creciente) = P(C) = 0,8
P(falla) = P(F) = 0,3
P(no falla) = P(F) = 0,7
P (falla dada creciente) = P(F/C)= 0,5
Se desea conocer la probabilidad de falla del puente.
Solucin:
El puente falla (queda inutilizado) cuando falla en los estribos o cuando hay
creciente; esto se puede denotar as:
78
P( C F ) = P ( C ) + P ( F ) P( C F )
Aplicando la ecuacin 5.7 de probabilidad condicional:
P( C F ) = P ( C ) P( F )
C
Reemplazando valores, se obtiene:
P( C F ) = 0. 2 .0.5 = 0.1
Al reemplazar este valor en la expresin de unin de probabilidades, se
concluye finalmente que P(CF)=0.4
5.1.2 Perodo de retorno:
Se define el perodo de retorno, Tr, de un evento de cierta magnitud como el
tiempo promedio que transcurre entre la ocurrencia de ese evento y la
prxima ocurrencia de ese evento con la misma magnitud. Se define tambin
como el tiempo que transcurre para que un evento sea excedido o igualado,
al menos una vez en promedio. Si P es la probabilidad de excedencia, se
puede demostrar matemticamente que:
(5.8)
1
Tr =
P
3
79
una situacin de riesgo, pues la obra se disea para soportar cierta avenida
mxima , y crecientes mayores le podran hacer dao o incluso destruirla. El
riego R puede entonces escribirse como:
1
R = 1 - (1 - )n
(5.9)
Tr
La confiabilidad se define como el complemento del riesgo (Confiabilidad =
1-R). Se quiere que la obra tenga un riesgo pequeo de daarse o, lo que es
lo mismo, una alta confiabilidad.
Ejemplo 5.2
Qu perodo de retorno debe escoger un ingeniero en el diseo de un
box-culvert, si se acepta solo el 10% de riesgo de avenida en una vida til, n,
de 25 aos?
Solucin:
Aplicando la ecuacin 5.9 se tiene:
R = 0.1 = 1 - (1 -
1
Tr
25
80
(1)
(2)
(3)
Se sabe que:
P(
A
B
) = 0.8 = P(
AB
)
P( B )
P(A) = 9.1 * 10
81
(4)
Ejemplo 5.4
De 1000 circuitos de tubera de acueducto en una ciudad, se reportan 15
contaminados con materias fecales; 5 tienen excesivas concentraciones de
plomo (Pb) y entre stos dos de ellos contaminados tambin por materias
fecales. Se pregunta:
a)
b)
c)
d)
Solucin:
Llamemos P(F) a la probabilidad de contaminacin por materia fecal, P(Pb) a
la probabilidad de contaminacin por plomo y P(C) a la probabilidad de
contaminacin por plomo o por materia fecal. Se tiene entonces:
a) P(F) = 17/1000
b) La probabilidad condicional P(Pb/F) puede expresarse como:
P( Pb / F ) =
P(Pb F)
P(F)
82
(1)
P( F )
(2)
83
84
f s ( xi ) =
ni
n
(5.10)
FS ( xi ) = f S ( x j)
(5.11)
j= 1
(x)
[
f X (x) = lim f S
n
[ 0
(5.12)
[ 0
85
(5.13)
f X (x) =
dFX (x)
dx
(5.14)
P(X x) = FX (x) =
(u)du
(5.15)
(5.16)
Una forma bastante usada en hidrologa para escribir el valor de una variable
hidrolgica asociada a cierto perodo de retorno es la de utilizar lo que se
conoce como factor de frecuencia, K. En este caso, el valor de la variable se
puede escribir como:
X A = + K
86
(5.17)
= 1 - P (X > XT )
) [
P( X X T ) =
1
T
(5.18)
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
De donde:
FX ( X T ) = 1
87
1
T
10
O:
FX ( + K ) = 1
1
T
Y se obtiene finalmente:
K=
1
1
FX 1
1
T
-1
(x)dx = 1
(5.19)
2)
b
P(a X b) = f X (x)dx
(5.20)
3)
b
f X (x)dx = 0
(5.21)
88
1)
(5.22)
f ( xi ) = 1
i
2)
P( a X b ) =
xi b
f (x )
xi a
(5.23)
3)
i= j
P( X x j ) = f ( x i )
(5.24)
i =1
Lo que implica que las probabilidades se definen solo como reas bajo la
funcin de densidad de probabilidades, FDP, entre lmites finitos.
Ejemplo 5.5
Hallar la funcin de distribucin acumulada para una variable aleatoria que se
define como el nmero de veces que se lanza una moneda, hasta que aparece
cara.
Solucin:
La probabilidad de que caiga cara en cualquier ensayo es y es
independiente de la probabilidad de que caiga sello.
Si A es el evento de que caiga sello en el primer ensayo y B (es el evento) de
que caiga sello en el segundo ensayo, la probabilidad que suceda A y B es:
89
x-1
= (1/2)
P(X=x)
Fx(x)
1
2
3
1/8
7/8
r = xr f X (x)dx
-
90
(5.25)
o en el caso discreto:
n
r = xr f X ( x i )
i
(5.26)
i =1
r = (x - ) f X (x)dx
(5.27)
r = f X ( x i )( x )r
(5.28)
-
n
i =1
5.4
91
E[g( X )] =
g ( u )f
( u )du
(5.29)
E(X) = =
xf
(x)dx
(5.30)
x =
-
1 N
xi
N i =1
(5.31)
92
E[(X - ) ] = 2 = (x - ) f X (x)dx
2
(5.32)
1 N
2
( xi x )
N - 1 i =1
(5.33)
(5.34)
x
; es una medida adimensional de la variabilidad.
x
alrededor de la media.
cuyo estimado es
E[(X - ) ] = (x - ) f X (x)dx
3
93
(5.35)
=
El estimador de
E[(x - )3 ]
(5.36)
x =
N ( x i - x )3
(5.37)
i =1
(N - 1)(N - 2) 1 x
Como se muestra en la Figura 5..4, para >0, asimetra positiva, los datos
se concentran a la derecha y para <0, asimetra negativa, los datos se
concentran a la izquierda.
94
<0
>0
fX ( x )
Absoluta
100-110
110-112
120-130
130-140
140-150
150-160
160-170
10
16
9
10
20
15
20
Solucin:
En total se tiene 100 valores, para cada intervalo se halla el valor medio o
marca de clase y se le asigna una frecuencia relativa, la cual es la frecuencia
95
F. relativa
xi fx(xi)
Intervalo
clase (mm)
Valor
medio xi
(mm)
F. absoluta
100-110
105
10
0.1
10.5
110-120
115
16
0.16
18.4
120-130
125
0.09
11.25
130-140
135
10
0.1
13.5
140-150
145
20
0.2
29
150-160
155
15
0.15
23.25
160-170
165
20
0.2
33
fx(xi)
=100
=138.90
5.5
96
P( X = x ) =
n!
p x (1 p )n x
x! (n x )!
(5.38)
97
(5.39)
Ejemplo 5.7
Como se dijo anteriormente, una creciente de Tr aos de perodo de retorno
se define como aqulla que tiene una probabilidad de excedencia de 1/Tr en
cualquier ao. Asumiendo que las mximas crecientes anuales son
independientes, la distribucin binomial permite resolver varios problemas
prcticos en hidrologa, as:
a) Cul es la probabilidad de que una creciente con un perodo de retorno
de 50 aos ocurra exactamente en ese perodo?
Aplicando la ecuacin 5.38 se tiene:
P( X = 1) =
b)
50 1
( )1 (1 1 / 50) 49 = 0.37
3 50
50
(1 / 50)3 (1 1 / 50)47 = 0.06
3
La clave para contestar esta pregunta est en las palabras una o ms.
Como los eventos son independientes y mutuamente excluyentes, se puede
escribir:
P[una o ms crecientes en 50 aos] = 1 - P[no crecientes en 50 aos] o lo
que es lo mismo:
P[una o ms crecientes en 50 aos]= 1
98
50
(1 / 50) 0 (1 1 / 50) 50 = 0.64
0
(5.40)
(5.41)
Ejemplo 5.9
El mximo nivel de la creciente anual de un ro se denota por H (metros):
Asumiendo que la funcin de densidad de probabilidad se describe como se
muestra en la grfica, determinar:
a) La altura de inundacin para un perodo de 20 aos.
b) Cul es la probabilidad de que durante los prximos 20 aos la altura
hallada en el numeral anterior sea excedida al menos una vez?.
c) Cul es la probabilidad de que durante los prximos 5 aos este valor sea
excedido exactamente una vez?
99
F(H)
H(m)
Solucin:
66
(7 H Tr=20 )(0.95)
2
100
20
(0.05) 0 (0.95) 20 = 0.642
0
101
Solucin:
a)El ro A puede producir inundacin en la planicie si falla el dique I o si falla
el dique II, lo que se puede expresar como:
P(I II ) = P(I ) + P(II ) P(I II )
P(I II ) = 0.05 + 0.1 0.1 0.05 = 0.145
b) La probabilidad de inundacin se da por el ro A o por el ro B, lo que
puede expresarse como:
P( A B ) = P ( A ) + P( B ) P ( A B )
P(A)=0.145, hallado en el numeral anterior y P(B) =1/25=0.04, lo que
implica que:
P( A B ) = 0.145 + 0.04 0.145 0.04 = 0.179
c) La probabilidad de inundacin, P, en cualquier ao, es 0.179, como se
explic en el numeral anterior, y la probabilidad ,q, de no inundacin ser
entonces:
q =1 -P =1 - 0.179 =0.821
y la probabilidad de no inundacin en 4 aos ser entonces:
102
103
f X ( x) =
1
x 2
( x x )2
2 2x
(5.42)
fu (u) =
1 -u2
e 2
2
1
Fu (u) =
2
-w
2
104
(5.43)
d
105
106
(5.44)
N
1
= ( x i )1 / 2
N
(5.45)
x-
(5.46)
107
2.
3.
1
Usando el valor calculado de 1 en la tabla 5.1, se lee el valor
T
-1
de x en la primera columna, que corresponde a K o F E (1- 1/T)
Se calcula el valor buscado como:
X T = + K
Ejemplo 5.11
Se tiene una estacin con 30 aos de datos de caudales medios anuales con
3
3
media de 117 m /s y desviacin estndar de 94 m /s. Si los datos se ajustan
a una distribucin Normal, cul es el caudal correspondiente a un perodo de
retorno, Tr, de 100 aos?.
Solucin:
En este caso se puede escribir:
Fu(K) = 1 - 1/Tr = 0.99
-1
K = Fu (0.99)
Con el valor de 0.99 en la tabla 5.1, se obtiene:
K = 2.326
El valor asociado a Tr=100 se calcula como:
3
108
E E
E E E
E E
E E
Se debe tener en cuenta que los intervalos de confianza y los lmites de confianza
son realmente variables aleatorias, ya que son funciones del tamao de la
muestra y de estimadores a su vez, funcin de muestras aleatorias. Como los
tamaos de la muestra varan, los intervalos de confianza cambian de una
muestra a otra. Mientras ms estrecho es el intervalo de confianza, mejor es el
procedimiento de estimacin.
(5.47)
en donde
es el nivel de probabilidad, u1- es el cuantil de la distribucin
Normal estandarizada para una probabilidad acumulada de 1- y ST es el error
estndar.
109
Cada distribucin tiene expresiones para hallar el error estndar, por ejemplo, el
de la distribucin Normal es:
ST =
x
N
(1 + K
/ 2 )2
1
(5.48)
Ejemplo 5.12
3
1
)
1 1.5
) = P( 0.83)
0.6
EU
110
280 356
) = P( 0.997)
76.2
y:
P( 0.997 ) = 1 0.8413 = 0.1587
La probabilidad de que sea menor en tres aos consecutivos es:
0,1587 x 0,1587 x 0,1587 = 0,00399
5.6.2 Distribucin Log Normal
Consideremos un clculo hipottico de la escorrenta en una cuenca. La
escorrenta es el producto de varios factores aleatorios, como lluvia, rea
111
1 y - y
1
f X (x) =
exp 2
y x 2
2 y
112
(5.49)
1 ln (X - xo ) - y
1
f X (x) =
exp 2 (X - xo ) y
y
2
(5.50)
E K
Y =
1 N
log a ( X i )
N i =1
1 N
2
Y = [log a ( X i ) Y ]
N i =1
(5.51)
12
(5.52)
113
K K
E E
(5.53)
x0 = x 1
Cv z
Donde:
Cv x =
x
x
(5.54)
Cv z = z
z
Donde:
(1- w )
2/3
Cv z =
w = - x + 2 + 4
x
2
en donde
1/3
) ];
(5.55)
x > 0
1/2
? es el coeficiente de asimetra de x.
x
2
Y = log a 1 + X 2
114
(5.57)
P(300UQU400)= F
1
x
x
= Fu (u400) - Fu (u300)
donde:
-
115
P(300UQU400)=0.7734 - 0.5871=0.1863
b) Si se usa la distribucin lognormal:
P(300UQU400)=FY(ln(400))-FY(ln(300))
ln(400 ) Y
ln (300) Y
Fu
= Fu
Y
Y
y:
ln(300) = 5.704
ln(400) = 5.99
E yK
Y
a partir de
116
(5.58)
1
1/2 ln ( + Cv )
exp K T (ln (1 + Cv 2 )) -
- 1
2
K=
Cv
(5.59)
1
-1
K T = Fu 1 -
Tr
(5.60)
donde:
1
1
Fu 1 es el inverso de la funcin de distribucin Normal estandarizada
T
(5.61)
en donde:
ST =
Y
N
(5.62)
y
1/2
= 1 + KT
117
(5.63)
Ejemplo 5.15
Se tiene un ro con caudales mximos anuales lognormalmente distribuidos,
3
3
con x =15 m /s y x =5 m /s; se da tambin Y =2.6554 y Y =0.3246.
Solucin:
El coeficiente de variacin se calcula como:
Cv = x =
= 0.33
x 15
Para hallar KT, se procede as:
Fu (K T ) = 1 -
= 1-
TI
1
= 0.99
100
De la tabla 5.1:
K T = F1 (0.99) = 2.33
El valor de K se puede calcular usando la ecuacin (5.59) como:
2
1
1/2 ln ( + 0. 33 )
exp 2.33 (ln (1 + 0. 332 )) -
- 1
2
K=
0.333
K= 3.028
El valor asociado a un perodo de retorno de 100 aos ser:
3
XT = 15 + 5 x 3.028 = 30.14 m /s
118
= 1 + 2.33 = 1.93
0.3246
= 0.11
ST = 1.93 *
30
E =E
1-
0.95
=1.64
Por lo tanto:
ln (30.28) 1.64 * 0.11
= 3.41 0.1875
= [3.2225, 3.5975]
3.2225
3.5975
= [e
,e
] = [25.091, 36.5]
5.6.3 Distribucin Gumbel
Una familia importante de distribuciones usadas en el anlisis de frecuencia
hidrolgico es la distribucin general de valores extremos, la cual ha sido
ampliamente utilizada para representar el comportamiento de crecientes y
sequas. A partir de la distribucin general de valores extremos, se pueden
derivar tres tipos de distribuciones: la tipo I, comnmente conocida como
Gumbel, la tipo II y la tipo III, llamada tambin Weibull.
Ellas difieren entre s por el valor del parmetro de forma. La expresin
general de la funcin de densidad de probabilidades para la distribucin
extrema tipo I o Gumbel es:
119
f X (x) =
x -
1
x -
exp - exp
(5.64)
= - 0.5772
donde
(5.65)
(5.66)
6
{0.577 + ln[lnTr - ln(Tr - 1)]}
(5.67)
120
(5.68)
(5.69)
= [1 + 1.1396K + 1.1 K 2 ]
1/2
(5.70)
121
x
1
x -
f X (x) =
e
| | ( )
(5.71)
Donde:
El parmetro
siempre es mayor que cero, mientras que
puede ser
positivo o negativo. La funcin Gamma completa est dada por:
( ) = z-1 e-z dz
(5.72)
1
x - xo
x - xo
f X (x) =
exp | | ( )
U >0
U
<0
y : son los parmetros de escala y forma, respectivamente, y x
(5.73)
Donde:
para
xo x <
- < x xo para
parmetro de localizacin.
122
es el
(5.74)
2 = 2
(5.75)
= 2
Cv
(5.76)
123
, y C v son la media, desviacin estndar y coeficiente de variacin
(5.77)
(5.78)
X 0 =
es el coeficiente de asimetra calculado usando la muestra.
(5.79)
Tr
el factor de frecuencia K tiene la siguiente forma:
2
(5.80)
2
K K T + (K t 1) + (K T 3 6K T ) (K T 1) + K T
6 3
6
6
6 (5.81)
2
124
ST =
N
(5.82)
1
ln(x) - y o - ln (x)- y o
f x (x) =
e
x ( )
donde
es el parmetro de escala,
parmetro de localizacin.
(5.83)
: es el parmetro de forma y y
125
el
Coeficiente
Probabilidad de Excedencia
de Asimetra
0.500
0.200
0.100
0.040
0.020
0.010
0.005
3.0
-0.396
0.420
1.180
2.278
3.152
4.051
4.970
2.9
-0.390
0.440
1.195
2.277
3.134
4.013
4.909
2.8
-0.384
0.460
1.210
2.275
3.114
3.973
4.847
2.7
-0.376
0.479
1.224
2.272
3.093
3.932
4.783
2.6
-0.368
0.499
1.238
2.267
3.071
3.889
4.718
2.5
-0.360
0.518
1.250
2.262
3.048
3.845
4.652
2.4
-0.351
0.537
1.262
2.256
3.023
3.800
4.584
2.3
-0.341
0.555
1.274
2.248
2.997
3.753
4.515
2.2
-0.330
0.574
1.284
2.240
2.970
3.705
4.444
2.1
-0.319
0.592
1.294
2.230
2.942
3.656
4.372
2.0
-0.307
0.609
1.302
2.219
2.912
3.605
4.298
1.9
-0.294
0.627
1.310
2.207
2.881
3.553
4.223
1.8
-0.282
0.643
1.318
2.193
2.848
3.499
4.147
1.7
-0.268
0.660
1.324
2.179
2.815
3.444
4.069
1.6
-0.254
0.675
1.329
2.163
2.780
3.388
3.990
1.5
-0.240
0.690
1.333
2.146
2.743
3.330
3.910
1.4
-0.225
0.705
1.337
2.128
2.706
3.271
3.828
1.3
-0.210
0.719
1.339
2.108
2.666
3.211
3.745
1.2
-0.195
0.732
1.340
2.087
2.626
3.149
3.661
1.1
-0.180
0.745
1.341
2.066
2.585
3.087
3.575
1.0
-0.164
0.758
1.340
2.043
2.542
3.022
3.489
0.9
-0.148
0.769
1.339
2.018
2.498
2.957
3.401
0.8
-0.132
0.780
1.336
1.993
2.453
2.891
3.312
0.7
-0.116
0.790
1.333
1.967
2.407
2.824
3.223
0.6
-0.099
0.800
1.328
1.939
2.359
2.755
3.132
0.5
-0.083
0.808
1.323
1.910
2.311
2.686
3.041
0.4
-0.066
0.816
1.317
1.880
2.261
2.615
2.949
0.3
-0.050
0.824
1.309
1.849
2.211
2.544
2.856
0.2
-0.033
0.830
1.301
1.818
2.159
2.472
2.763
0.1
-0.017
0.836
1.292
1.785
2.107
2.400
2.670
0.0
0.000
0.842
1.282
1.751
2.054
2.326
2.576
126
y
= y
(5.84)
y 0 = y
Donde y , y y son la media, desviacin estndar y coeficiente de
asimetra calculados usando los logaritmos de los datos, respectivamente.
5.6.5.2 Factor de frecuencia
Si se cumple que Y= ln X, se tiene que:
127
YT = ln XT = y + K y
(5.85)
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
Tr=2
1.0801
1.0808
1.0830
1.0866
1.0913
1.0987
1.1073
1.1179
1.1304
1.1449
1.1614
1.1799
1.2003
1.2223
1.2157
1.2701
1.2952
1.3204
1.3452
1.3690
1.3913
Tr=5
1.1698
1.2006
1.2309
1.2609
1.2905
1.3199
1.3492
1.3785
1.4082
1.4385
1.4699
1.5030
1.5382
1.5764
1.6181
1.6643
1.7157
1.7732
1.8374
1.9091
1.9888
Tr=10
1.3748
1.4367
1.4989
1.5610
1.6227
1.6838
1.7441
1.8032
1.8609
1.9170
1.9714
2.0240
2.0747
2.1237
2.1711
2.2173
2.2627
2.3081
2.3541
2.4018
2.4525
Tr=20
1.6845
1.7810
1.8815
1.9852
2.0915
2.1998
2.3094
2.4198
2.5303
2.6403
2.7492
2.8564
2.9613
3.0631
3.1615
3.2557
3.3455
3.4303
3.5100
3.5844
3.6536
128
Tr=50
2.1988
2.3425
2.4986
2.6656
2.8423
3.0277
3.2209
3.1208
3.6266
3.8374
4.0522
4.2699
4.4996
4.7100
4.9301
5.1486
5.3644
5.5761
5.7827
5.9829
6.1755
Tr=100
2.6363
2.8168
3.0175
3.2365
3.4724
3.7238
3.9895
4.2684
4.5595
4.8618
5.1741
5.4952
5.8240
6.1592
6.4992
6.8427
7.1881
7.5339
7.8783
8.2196
8.5562
ST =
y
N
(5.86)
(5.87)
m
n
129
(5.88)
Weibull:
m
n +1
(5.89)
2m -1
2n
(5.90)
P=
Hazen:
P=
X= +K
(5.91)
130
131
132
5.8 BONDAD DE
PROBABILIDADES
AJUSTE
DE
UNA
DISTRIBUCION
DE
133
(5.92)
134
=0.20
1.07
N
=0.05
=0.01
1.22
N
0.45
0.32
0.27
0.23
0.21
0.19
0.18
0.17
0.16
0.15
=0.10
1.36
N
1.63
N
0.51
0.37
0.30
0.26
0.24
0.22
0.20
0.19
0.18
0.17
0.56
0.41
0.34
0.29
0.27
0.24
0.23
0.21
0.20
0.19
0.67
0.49
0.40
0.36
0.32
0.29
0.27
0.25
0.24
0.23
k
(O e ) 2
2 = i i
ei
i =1
(5.93)
donde:
Oi = ei
P
Si
=0, significa que las distribucion terica y emprica ajustan
2
exactamente, mientras que si
0, ellas difieren. La distribucin de la
2
variable
se puede asimilar a una distribucin Chi-cuadrado con (k-n-1)
grados de libertad, donde k es el nmero de intervalos y n es el nmero de
2
parmetros de la distribucin terica. La funcin est tabulada en muchos
textos de estadstica.Supngase que la hiptesis Ho es aceptar que una
distribucin emprica se ajusta a una distribucin Normal. Si el valor
135
Ejemplo 5.16
Se tienen los valores de temperatura mensual de una ciudad, mostrados en la
tabla 5.5 . Se supone que estas temperaturas se ajustan a una distribucin
Normal. Usando la prueba Smirnov-Kolmogorov, verificar la validez de esta
hiptesis.
Solucin:
La media de la muestra es 76.4F y la desviacin estndar es 3.1 F. Se fijan
dos hiptesis: una hiptesis Ho estipula que la variable X es normalmente
distribuida con los valores de la media y desviacin estndar calculados
anteriormente y la otra hiptesis alternativa, Ha, es lo contrario de sta.
Se puede fijar un intervalo de 1 F y se hace la tabla 5.6 donde FE(T) es la
frecuencia acumulada de la muestra, fT (t) es la frecuencia, FE(t)N es la
distribucin de probabilidades acumulada emprica y FT(t) es la distribucin
de probabilidades acumulada Normal (se halla utilizando el concepto de
variable reducida u y usando la tabla 5.1)
136
Junio
Julio
Agosto
1944
77
77
77
1945
72
76
76
1946
76
78
74
1947
74
74
83
1948
78
80
76
1949
75
79
74
1950
75
73
70
1951
73
78
78
1952
82
81
77
1953
79
80
78
1954
78
83
80
1955
69
80
79
1956
74
77
77
1957
75
76
74
1958
72
76
74
1959
72
75
76
137
fT(t)
FE(t)
FE(t)N
FT(t)
FE(t)N -FT(t)
68
0.0035
0.0045
69
0.0208
0.0084
0.0124
70
0.0417
0.0197
0.022
71
0.0417
0.0409
0.0008
72
0.1042
0.0778
0.0264
73
0.1458
0.1357
0.0101
74
14
0.2917
0.2206
0.0711
75
18
0.3750
0.3264
0.0486
76
25
0.5208
0.488
0.0328
77
31
0.6458
0.5753
0.0705
78
37
0.7708
0.6950
0.0758
79
40
0.83333
0.7995
0.0338
80
44
0.9167
0.8770
0.0397
81
45
0.9375
0.9306
0.0069
Ejemplo 5.17
Se tienen los caudales mximos instantneos de la estacin RP-3 en el Ro
Murr, en el departamento de Antioquia. Se desea encontrar el caudal de un
perodo de retorno de 50 aos hallado con las distribuciones Gumbel,
Lognormal de dos parmetros y Log Pearson tipo III.
138
Ao
Q m /s
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
3239.0
3431.7
4577.9
3612.0
4151.8
1949.0
2342.9
1345.0
1862.2
1652.8
4220.0
4958.4
2664.9
1392.7
Solucin
Distribucin Gumbel
Aplicando la ecuacin de Ven Te Chow se tiene que:
Q Tr = 50 = + K
y:
3
= 2957.2 m /s
3
= 1234 .58 m /s
139
ST=1111.458 m /s
y = 7.903
y = 0.4504
Aplicando la ecuacin 5.59 para hallar el factor de frecuencia K y utilizando
la tabla 5.1 se halla:
K=2.055
De la ecuacin 5.58:
ln QTr=50=8.8286
y sacando el antilogaritmo :
3
QTr=50=6827 m /s
Con las ecuaciones 5.62 y 5.63 se obtiene un error estandar ST=0.2123
Para un
(4814.4UQTr=50=6827U9679.84)
Distribucin Pearson Tipo III
140
0.95
=1.64. Finalmente :
Se tiene que:
= 2957.2
= 1234.6
= 0.1702
De la tabla 5.2 se obtiene el valor del factor de frecuencia K:
K=2.144
y aplicando la ecuacin de Ven TE Chow:
3
QTr=50=5604 m /s
141