ANEXO GUMBEL

DISTRIBUCIN DE VALORES EXTREMOS DE GUMBEL

El anlisis estadstico que se presenta a continuacin tiene por objeto obtener un dato
confiable de precipitacin mxima (mm.) para una duracin de 24 horas, con destino al
clculo de las curvas IDF por el mtodo de Vargas y Diaz Granados que han de permitir
obtener la lluvia de diseo para cada una de las cuencas interceptadas por la va. La
conversin de esta precitacin en la lluvia de diseo, seguramente con una duracin inferior
a 24 horas no forma parte del mtodo probabilstico y se efecta por otro tipo de clculos
estadsticos.

El mtodo de Gumbel es til para generar, como resultado final despus de su aplicacin
en un hidrograma unitario para un perodo de retorno determinado, datos de caudales en las
corrientes superficiales que atraviesa una va durante su trayecto. Existen otros mtodos de
aplicacin y utilidad similar, como el de los momentos de Pearson (Log Pearson),
igualmente confiable segn el caso. Corresponde a una aplicacin de la distribucin
estadstica de valores extremos del mismo nombre.

El Mtodo de Gumbel permite as mismo, a partir de una serie de registros histricos de
caudal, predecir la frecuencia y el valor correspondiente de caudal por fuera del rango
histrico registrado.

El Clculo de la funcin de probabilidad de Gumbel, o Funcin Tipo I. difiere levemente
de un autor a otro. Teniendo en cuenta esta observacin se prefiere esta distribucin frente a
la de Log Pearson y Pearson tipo III por ofrecer valores levemente superiores. Sin embargo
es conveniente mencionar que el valor de precipitacin obtenido para cada frecuencia, sea
de 100 aos, 50 aos, etc es irrelevante en el mtodo de Vargas ya mencionado puesto que
el valor requerido por el autor en sus frmulas es el promedio de la serie multianual , o
promedio de los registros mximos anuales y no el valor obtenido de la distribucin de
valores extremos.

Con el fin de entender el anlisis se presentan algunas definiciones de probabilidad :

Definiciones

1. Probabilidad.

Es una medida de la frecuencia de ocurrencia de un suceso.

2. Suceso

Es un hecho acontecido o un fenmeno ocurrido de caracterstica temporal (con
duracin).

3. Carcter.

Es una caracterstica de un suceso.

4. Variable contina.

Es aquella medida de un suceso que puede variar ampliamente dentro del rango de
sus posibles valores en un intervalo ya sea finito o infinito.

5. Variable discreta (o discontinua)

Es aquella que solo pueden tomar un valor o un rango de valores dentro del
intervalo. Por ejemplo la altura de un ser humano, no puede exceder de determinado
valor, o el nmero de das con lluvia, en un mes, no puede exceder de 31.

6. Poblacin.

Es el nmero total de individuos a considerar. Tambin se conoce como universo.
Una poblacin puede referirse a cualquier objeto o fenmeno. Vgr: altura de seres
humanos, temperatura en un sitio a las 12 a.m., altura de la marea en un punto,
velocidad del viento, presin arterial, etc.

7. Muestra

Es un pequeo grupo de poblacin. Su Anlisis ofrece una manera muy til para
analizar las tendencias de la poblacin en estudio.

Ejemplo: La precipitacin es un suceso que tiene ciertos caracteres como, nmero
de das con lluvia al mes; intensidad de la lluvia, es decir la cantidad de mm.
cados en un rea determinada dentro de un perodo de tiempo. El nmero de das
con lluvia al mes es una variable discreta pues no puede pasar de 31 das.

8. Distribucin estadstica.

Referida a una variable; las distribuciones estadsticas consisten en agrupaciones
de individuos de iguales caractersticas. Por ejemplo: la precipitacin total en
mm. en cada mes del ao en una determinada latitud y posicin geogrfica, podra
ser para diez aos consecutivos algo como: 104, 110, 90, 120, 115, 140, 132, 128,
99, 112.

9. Frecuencia:

En trminos porcentuales corresponde a la relacin existente entre el nmero de
veces que se presenta un fenmeno, o que se repite una variable, con respecto al
total de la muestra observada. Vara entre 0 y 100%.

Descripcin del mtodo

La presente descripcin utilizada para calcular el evento mximo probable, solo pretende
resumir el origen de las frmulas que conducen al valor adoptado de precipitacin o de
caudal y no constituye en ninguna forma un documento estadstico acadmico.

Conocidas las definiciones anteriores, empezamos por sealar que una muestra de datos o
de variables puede tener un tamao considerable, por ejemplo 1000 individuos o datos, o
ser de tamao pequeo, por ejemplo 15 o 10 datos. De igual manera una distribucin de
datos puede ser agrupada o no agrupada. En el primer caso los datos se distribuyen en
rangos o intervalos de clase, y se usan cuando hay muchos datos, al menos 20 o 30; en el
segundo cada dato se analiza individualmente.

La Estadstica es una herramienta til para predecir el comportamiento futuro de una
variable, o para generar un reporte de las tendencias actuales o pasadas de la poblacin
estudiada. Conforme a estos conceptos, es posible afirmar que una empresa pesquera podra
averiguar la talla de los camarones pescados en el Atlntico en la zona del cabo de la Vela
y concluir que en un 90% son menores del No 5, en un 50% son menores de No. 10 y en
un 10%, son menores de No. 20, a partir de las mediciones efectuadas a 200 toneladas
capturadas durante diferentes pocas de 1 ao.

En esta ocasin, se utiliza la herramienta denominada distribucin estadstica de
valores extremos, para conocer el comportamiento futuro de los caudales mensuales o las
precipitaciones mximas en 24 horas, que pueden darse durante un ao, parmetro
requerido para el clculo de caudales mximos en las corrientes hdricas de la zona de la
va. Es muy importante contar al menos con diez aos consecutivos de datos altamente
confiables que permitan trabajar esta distribucin de tipo probabilstica.

Definiendo:

1. Valor Promedio o media Aritmtica:

X
m
= [ Xi ] /n; n = nmero de datos
Xi= Dato i = Variable aleatoria

2. Desviacin Tpica

= [(( Xi-Xm)
2
/ (n-1)]

3. Nmero "e".

e = 2,718282
= Constante matemtica.

4. Probabilidad de ocurrencia de un fenmeno E: equivale a la Frecuencia (E:
precipitacin en mm./hora o caudal)

P (E) = m / (n+1)

5. Perodo de Retorno: Es el nmero de aos en que volver a ocurrir el fenmeno E.
Es el inverso de la frecuencia.

Tr = 1/ P(E)

6. Nmero de orden: es el valor numrico secuencial que resulta de ordenar un
fenmeno de mayor a menor o viceversa: 1,2,3,4, etc.

m

7. Constantes analticas: , : Son valores constantes obtenidas al generar el
mtodo y su determinacin no es de importancia en este trabajo. Sin embargo se
anota que las constantes en series grandes pueden diferir levemente de los valores
anotados a continuacin.


Conocidos los parmetros anteriores definiremos la probabilidad de que una precipitacin
'j', sea excedida por un valor p
p
como igual a:
-e

( j -

)

P ( p
p
> j ) = 1 - e (I)
Xm = + 0.5772/
= 1,281/

Igualmente:
-e

( j

)

P ( p
p
< j ) = 1 - e (II)


En los clculos se obtienen la media aritmtica de los datos Xm, y la desviacin tpica de
la muestra, parmetros que permiten obtener y . Reemplazando en la ecuacin (I), se
llega a un valor de P del 99% o de 0,01 segn el caso que equivale a un perodo de retorno
de 100 aos.


Valor de precipitacin o de caudal obtenido

Se utiliza un papel probabilstco de Gumbel, en escala normal (vs) probabilstica y se
obtiene el valor de la mxima precipitacin ( o caudal) que podra ocurrir en 5, 10, 25,
50 y 100 aos. En este proyecto se hace en forma matemtica. Se trabaja con un perodo de
retorno entre 25 y 100 aos para propsito de caudales. Algunos casos especialmente
sensibles requieren hasta 1000 aos, como sucede en los diques que protegen reas
inundadas en Holanda.

La probabilidad obtenida conserva las caractersticas de la muestra utilizada. En el caso
actual se han calculado perodos de retorno de 5 a 100 aos para precipitaciones mximas
en 24 horas. La conversin de estos valores en precipitaciones de diseo, considerando
como tales aquellas precipitaciones que conforman un solo evento o aguacero con una
duracin D, que puede ser 4, 6, 8 horas etc. se obtiene posteriormente con otros mtodos
diferentes. Ver Grficos para cada estacin.

Bibliografa Particular:

Hidrologa Subterrnea: Barcelona. Custodio & Llamas. 1984
Distribuciones Probabilsticas comunes en Hidrologa. Cidiat. Roger Amisial 1979
Handbook of Applied Hidrology. Mc. Graw Hill. Linsley. 1985
Gumbel Distribution: Dennis Lettenmaier ASCE Abril-82.Journal of Hidraulics