Tesis

TESIS PROFESIONAL
Para obtener el ttulo de
INGENIERO CIVIL
PRESENTA:
Eduardo Antonio Fuentes Palacios
DIRECTOR DE TESIS:
Dra. Ma. Del Roso Ruz Urbano
Ciudad Universitaria, Mxico, Abril 2013
Anlisis comparativo entre el mtodo de correlacin lineal mltiple y la distribucin de probabilidad de Gumbel
para el clculo de las curvas intensidad-duracin-periodo de retorno.
Dedicatoria
A Dios, que me regala la vida y siempre me bendice.

A mi madre, todo lo que soy y ser es gracias a ella.
A un amigo que siempre estar con nosotros, Adolfo Mndez Zamora.
Agradecimientos
Gracias a mi hermana que es mi compaera y amiga para toda la vida y a toda mi familia que son
mi soporte y aliento. A mis amigos, a mis maestros. A la UNAM, que nos brinda una educacin
integral para ser personas que contribuyan al desarrollo del pas. A todas aquellas personas que
me brindaron informacin para la realizacin de esta investigacin. En especial, al Ingeniero
Francisco Meoo y a la Dra. Ruiz Urbano, quien en todo momento me brind su apoyo y asesora
para la elaboracin de esta tesis.
ndice
Introduccin ............................................................................... 6
1 Componentes del tema .......................................................... 7
1.1
Justificacin ................................................................................................................. 7
1.2
Objetivos ...................................................................................................................... 8
1.2.1
Objetivo general ..................................................................................................... 8
1.2.2
Objetivos particulares ............................................................................................. 8
1.3
Hiptesis ...................................................................................................................... 8
1.4
Marco Terico ............................................................................................................. 9
1.5
Diseo de la Investigacin ....................................................................................... 12
1.5.1
Tipo de Investigacin ............................................................................................ 12
1.5.2
Diseo de Investigacin ........................................................................................ 13
1.5.3
Poblacin .............................................................................................................. 13
2 Conceptos Generales ............................................................14

2.1
El ciclo Hidrolgico y la distribucin del agua ............................................................... 14
2.2
Medicin de la precipitacin ........................................................................................ 16
2.2.1
Pluvimetros ............................................................................................................ 16
2.2.2
Nivmetros ............................................................................................................... 19
2.2.3
Totalizadores ............................................................................................................ 20
2.2.4
Pluvigrafos .............................................................................................................. 21
2.2.5
Radar meteorolgico ................................................................................................ 25
2.3
Curva masa acumulada ................................................................................................ 26
2.4
Algunos conceptos de probabilidad y estadstica ......................................................... 29
2.5
Periodo de retorno ................................................................................................... 31
3 Curvas intensidad-duracin-periodo de retorno .........34

3.1
Definicin ................................................................................................................... 34
3.2
Implicaciones de las curvas ..................................................................................... 35
3.3
Mtodos para su obtencin ..................................................................................... 36
3.3.1
4
Mtodo de correlacin lineal mltiple ................................................................ 36
3.3.2
Mtodo intensidad de lluvia-perodo de retorno ................................................ 37
4 Mtodo de Correlacin Lineal Mltiple .................................38

4.1
Modelo de Regresin Lineal Simple ....................................................................... 38
4.2
Obtencin de los estimadores mnimo-cuadrticos............................................. 42
4.3
Regresin Lineal Mltiple ........................................................................................ 44
4.4
Coeficiente de Correlacin Mltiple ....................................................................... 46
4.5
Calculo de las Curvas i-d-T para un caso prctico ................................................ 47
5 Distribucin de Probabilidad de Gumbel ...............................60

5.1
Estadstica Hidrolgica ............................................................................................ 60
5.2
Tratamiento probabilstico de la informacin hidrolgica................................. 61
5.3
Ajuste a una distribucin de probabilidad ............................................................ 63
5.4
Distribucin de Probabilidad de Valores Extremos Tipo I o de Gumbel .......... 64
5.5
Calculo de las Curvas i-d-T para un caso prctico ................................................ 67
6 Anlisis comparativo del caso practico ..................................73

6.1
Comparacin de resultados ..................................................................................... 73
6.2
Discusin .................................................................................................................... 75
7 Conclusiones.........................................................................76
Bibliografa ................................................................................79
Anexo A ................................................................................................................................... 81
Anexo B ................................................................................................................................... 88
Anexo C ................................................................................................................................... 91
Introduccion
En los ltimos aos, el aumento desmedido de la poblacin mundial, ha originado un incremento
en el uso y aprovechamiento de los recursos hidrulicos, as como tambin una gran actividad y
profusin de los conocimientos cientficos y tecnolgicos acerca del agua.
Las reflexiones anteriores justifican plenamente el intento de llevar a cabo una obra que trate
acerca de estos conocimientos tcnicos del agua y un tema en especfico muy importante dentro
de estos conocimientos tcnicos son las curvas de intensidad-duracin-periodo de retorno, curvas
que son una gran herramienta en el diseo de obras hidrulicas y que son indispensables para la
seguridad de muchas personas que viven en ciudades con problemas de desbordamientos o
inundaciones.
El presente trabajo cuenta con informacin bsica de hidrologa, la forma de medir la precipitacin
de la lluvia, interpretar esa informacin para que sea de utilidad, conceptos de probabilidad y
estadstica y el concepto de periodo de retorno.
Se dedica un captulo completo a la definicin y las implicaciones prcticas de las curvas, as como
a los mtodos que se utilizan para su obtencin, posteriormente se aborda dos de estos mtodos
para su obtencin, el mtodo de correlacin mltiple: el modelo de regresin y todo su
fundamento matemtico.
El siguiente captulo trata el mtodo estocstico de distribucin de probabilidad de Gumbel, una
explicacin del tratamiento de la informacin estadstica de la hidrologa y el origen de su modelo
de distribucin.
En ambos mtodos se aplica la metodologa para un caso prctico con la informacin
pluviomtrica de la ciudad de Tapachula Chiapas, se explica paso a paso la secuencia de clculo, se
analiza la informacin disponible y si es necesario los factores que se tuvieron que utilizar debido a
la falta de veracidad en la informacin disponible y finalmente se grafican los resultados
obtenidos.
Tambin se analizaron y compararon los resultados obtenidos por ambos mtodos y se mostraron
las principales diferencias y similitudes, cuantitativas y cualitativamente.
Finalmente se dedic un capitulo para las conclusiones y recomendaciones en base a los
resultados obtenidos y el anlisis comparativo entre los dos mtodos para la obtencin de las
curvas.
1 Componentes del tema
1.1
Justificacin
La necesidad de avenidas de proyecto -para disear obras, estimar erosin de suelos o prevenir
daos por inundacin- choca casi siempre con la insuficiencia estadstica de los registros y lleva a
evaluar indirectamente el caudal mediante modelos lluvia-escurrimiento, alimentados por
tormentas hipotticas crticas.
Si bien incluyen otros componentes, esas avenidas de diseo parten de un vnculo esencial entre
los principales rasgos de la lluvia (duracin, altura de precipitacin, frecuencia): la funcin i-d-T.
Puesto que la probabilidad de ocurrencia de un evento o tormenta dada est condicionada por la
persistencia de ste, el problema consiste en identificar el algoritmo que relaciona tres variables:
la intensidad, i, la duracin, d, y el periodo de retorno, T.
Ese vnculo esencial para encontrar el algoritmo que relacione las tres variables bsicamente tiene
dos formas de hacerse, la primera es predecible o determinstica, esto significa que las
observaciones del proceso estn correlacionados con los valores de observaciones adyacentes y
las propiedades estadsticas de todas las observaciones no son iguales.
La otra forma de hacer este vnculo es de manera aleatoria, un proceso de este tipo se conoce con
el nombre de proceso estocstico. Cuando no existe correlacin entre observaciones adyacentes
como es el caso, la salida de un sistema hidrolgico es independiente del espacio e independiente
del tiempo.
Es en los prrafos anteriores en donde surge la importancia de hacer una comparacin y un
anlisis de estas dos maneras de tratar la estadstica hidrolgica, es decir, obtener las curvas de
7
intensidad-duracin-periodo de retorno, de una forma determinstica y otra aleatoria, adems

debido a la poca cantidad de estaciones pluviogrficas que existen en el pas en comparacin con
las pluviomtricas, surge la necesidad de determinar el trato estadstico que se har ya sea
determinstico o aleatorio dependiendo de la informacin con que cuente la regin a realizar las
curvas, se har un anlisis cuidadoso de los resultados obtenidos y se puntualizar las principales
diferencias entre las consideraciones que hacen una y otra.
Este anlisis permitir tener un criterio ms certero y actualizado a los ingenieros que disean
obras hidrulicas para escoger el mtodo que les permitir tener resultados ms precisos y
apegados a las condiciones extremas de los fenmenos meteorolgicos.
1.2
Objetivos
1.2.1
Objetivo general
Obtener, comparar y analizar los resultados de dos metodologas para la obtencin de las curvas
intensidad-duracin-periodo de retorno, utilizando un caso prctico en la zona de Tapachula,
Chiapas, Mxico.
1.2.2
Objetivos particulares
Comparar dos maneras de tratar la estadstica hidrolgica, una determinstica y la otra

aleatoria.
Conocer que mtodo se ajusta ms a ciertas necesidades de diseo de obras hidrulicas.
Analizar las caractersticas de cada mtodo para la obtencin de las curvas.
Obtener las curvas de intensidad-duracin-periodo de retorno aplicables a la ciudad de

Tapachula Chiapas, aplicables al diseo de obras hidrulicas de la ciudad (drenaje, canal,
presa, etc.).
1.3
Hiptesis
Los resultados obtenidos entre un mtodo y otro sern semejantes entre s.
1.4
Marco Terico
El Servicio Meteorolgico Nacional realiza el registro de la precipitacin en Mxico a travs de las

siguientes redes de medicin: La red de estaciones meteorolgicas convencionales, administrada
por la Gerencia de Aguas Superficiales e Ingeniera de Ros (GASIR); la red de Estaciones
Meteorolgicas Automticas (EMAS), la red de observatorios meteorolgicos, y la red de
Estaciones Sinpticas Meteorolgicas (ESIMES), administradas stas tres ltimas por el SMN. En
materia de informacin climatolgica la base de datos CLICOM (CLIma COMputarizado) como se
muestra en la Figura 3 almacena la informacin histrica tanto institucional (GASIR y
Observatorios Meteorolgicos) como la proporcionada por otras dependencias como la Comisin
Federal de Electricidad y la Secretaria de Agricultura. La Figura 1 y la Figura 2 muestran la
distribucin de estas redes.
Figura 1.- Distribucin de estaciones climatolgicas convencionales (GASIR)
Figura 2.- Distribucin actual de Observatorios Meteorolgicos, EMAS y ESIMES
Las complejas caractersticas de los procesos naturales que tienen relacin con los fenmenos
hidrolgicos hacen difcil y prcticamente inabordable el anlisis de stos mediante un
razonamiento deductivo riguroso; entonces, casi nunca es posible partir de una ley bsica y
determinar con base a ella el resultado hidrolgico necesario. Debido a esto ltimo, es necesario
partir de un conjunto de datos observados del fenmeno hidrolgico bajo estudio, analizarlos
estadstica y probabilsticamente para establecer las normas que rigen tal fenmeno, en general,
las soluciones a los problemas que se plantean en la hidrologa se obtienen a travs de los anlisis
estadsticos y probabilsticos de la informacin disponible.
Es a partir de estas redes que el Servicio Meteorolgico Nacional y la GASIR han apoyado la toma
de decisiones tanto para la formulacin de polticas y lineamientos en materia de administracin
del agua en Mxico como para el diseo y operacin de diversas obras hidrulicas, ya que la
adquisicin de datos es fundamental para el soporte y toma de decisiones, de manera tal que la
continuidad de las mediciones y su confiabilidad es de vital importancia.
10
Figura 3.- Red de estaciones climatolgicas CLICOM
Por tanto, la prevencin de los riesgos climatolgicos se realiza recurriendo a la observacin de

informacin meteorolgica correspondiente a largos periodos de tiempo, que permite distinguir
cuales valores pueden ser considerados como habituales (prximos a los valores medios normales)
y aquellos que por su marcada diferencia, se vinculan con el riesgo de ocurrir un acontecimiento
no deseado.
La lluvia est definida por tres variables: la intensidad, la duracin y el periodo de retorno. La
intensidad es la lmina o profundidad total de lluvia ocurrida durante una tormenta. De esta
forma, la altura de la lmina de agua cada en el lugar de la tormenta, incorpora la cantidad de
lluvia precipitada y la duracin del evento. Mientras que el periodo de retorno, es la frecuencia, o
intervalo de recurrencia, es decir, el nmero de aos promedio en el cual el evento puede ser
igualado o excedido cuando menos una vez. En el entendido, que el riesgo es mayor, cuanto
menor es el periodo de retorno o recurrencia.
La relacin probabilstica entre la intensidad de la lluvia, su duracin y frecuencia, es usualmente
presentada en forma de grficas. Estas representaciones son generalmente referidas como curvas
de intensidad-duracin-periodo de retorno, que resultan de unir los puntos que especifican la
intensidad de la lluvia, en intervalos de diferente duracin y, tambin en distintos periodos de
retorno.
11
No solo es importante considerar la cantidad de lluvia que cae en el ao, sino tambin la poca en
que se presentan las mximas precipitaciones. La temporada lluviosa en la mayor parte de nuestro
pas, se presenta en la mitad caliente del ao. As, las reas del territorio nacional que presentan
un rgimen de lluvia durante esta poca, las designa como de lluvias de verano. Al respecto, las
zonas del pas que presentan un rgimen de lluvias de verano, son aquellas que tienen porcentajes
de lluvia invernal menores del 10.2% de la anual. Esto debido a que durante el verano dominan los
vientos alisios, que introducen una gran cantidad de humedad que recogen al pasar por las aguas
clidas del Golfo de Mxico. Tambin contribuyen los ciclones tropicales; estos fenmenos
atmosfricos, que por la influencia monznica invaden el territorio de Mxico, y que provienen
tanto del Ocano Pacfico como del Atlntico, produciendo vientos destructivos y lluvias
torrenciales. En este sentido, la temporada de ciclones en la Repblica Mexicana se extiende de
mayo a octubre.
En varias regiones del mundo y de Mxico se est teniendo una disminucin en la precipitacin
acumulada anual (incremento de sequias) y un incremento de eventos de precipitaciones
extremas como son las tormentas intensas con las consecuentes inundaciones repentinas.
Estos dos efectos del calentamiento global tienen graves consecuencias, sobre todo en las
poblaciones ms vulnerables.
El incremento de precipitaciones extremas ha sido relacionado al calentamiento global debido a
que una atmsfera ms caliente puede retener una mayor cantidad de vapor de agua, el cual al
enfriarse puede provocar que se presenten lluvias torrenciales.
Las curvas de intensidad-duracin-periodo de retorno actuales de la Comisin Nacional del Agua
subestiman las probabilidades de ocurrencia e intensidades de lluvias extremas que han estado
rebasando la capacidad de la infraestructura de control de inundaciones.
Los parmetros de diseo de nueva infraestructura hidrulica (drenaje pluvial, diques, etc.)
tomados de las curvas i-d-T de la Comisin Nacional del Agua no cumplen con las condiciones
actuales y futuras ante los escenarios de calentamiento global.
1.5
Diseo de la Investigacin
1.5.1
Tipo de Investigacin
La presente investigacin por las caractersticas que presenta, se considera de tipo documental, ya
que constituye una estrategia donde se observa y reflexiona sistemticamente sobre realidades
(tericas o no) usando para ello diferentes tipos de documentos. El tipo de investigacin indaga,
interpreta, presenta datos e informaciones sobre un tema determinado de cualquier ciencia,
utilizando para ello, una metdica de anlisis; teniendo como finalidad obtener resultados que
pudiesen ser base para el desarrollo de la creacin cientfica.
12
1.5.2
Diseo de Investigacin
El diseo de una investigacin determina las etapas a seguir para concretar en el orden
metodolgico el conocimiento requerido, tomado en cuenta la estructura real del proceso y su
apoyo en un modelo terico del cual se parte para abordar la realidad del estudio. El diseo
pretende estructurar la consecucin del estudio, con la finalidad de ejercer el control sobre su
desarrollo y de esta manera, encontrar resultados confiables y su relacin con la interrogante
surgida del planteamiento del problema.
Vamos a conocer la definicin y las implicaciones que tienen las curvas de intensidad-duracinperiodo de retorno, estudiar los dos mtodos a analizar en este trabajo, de que principios de la
estadstica y la probabilidad se fundamentan, los parmetros que toman en cuenta y analizar con
profundidad los resultados que nos arrojaran una y otra, a lo cual se refiere la presente
investigacin, es de diseo no experimental, ya que no se manipula deliberadamente la variable y
los fenmenos se observan tal y como se dan en su contexto natural, para despus analizarlos en
conjunto, es decir, no se crearn hechos irreales, ni se manipula la variable intencionalmente para
obtener resultados especficos.
1.5.3
Poblacin
La poblacin, en trminos investigativos y metodolgicos, hace referencia al conjunto de todos los

casos que concuerdan con determinadas especificaciones. Es un conjunto finito de elementos o
unidades (personas, organizaciones, instituciones, documentos, variables, otros) a los cuales se
refiere una investigacin; visto de esta manera, la poblacin es el conjunto de unidades a las
cuales se refieren las conclusiones o generalizaciones obtenidas. En este contexto, una poblacin
est determinada por sus caractersticas definitorias, por tanto, el conjunto de elementos que
posea estas caractersticas se denomina poblacin o universo. Poblacin es la totalidad del
fenmeno a estudiar en donde las unidades poblacionales poseen una caracterstica comn, la
cual se estudia y da origen a los datos de la investigacin.
Como se desprende de lo anterior, la poblacin de esta investigacin, comprendera todas las
tormentas originadas en la regin incluso de las que no se tiene un registro de su ocurrencia, sin
embargo, ya que por obviedad no se cuenta con un registro de todas las tormentas mencionadas
se tom una muestra de la poblacin que est representada por los registros de pluvigrafos y
pluvimetros desde 1989 hasta el 2012.
13
2 Conceptos Generales
2.1
El ciclo Hidrolgico y la distribucin del agua
Conocer la distribucin es importante para fines de aplicaciones cientficas y socioeconmicas,

como los relacionados con la elaboracin de estudios climticos, inicializacin de modelos de
pronstico numrico del tiempo, gestin de recursos hdricos en agricultura y energa, prevencin
de inundaciones, etc.
La Figura 4 muestra un esquema de las complejas interacciones del ciclo del agua, el cual a su vez
como componente de la hidrosfera interacciona con la atmsfera, la bisfera, litsfera y la
crisfera, constituyendo un elemento esencial del sistema climtico terrestre.
Figura 4.- Ciclo hidrolgico del agua
14
Pese a que el agua cubre el 71% de la corteza terrestre, su disponibilidad promedio en el mundo
es de 1,386 millones de km, de los cuales el 97.5% es agua salada, y slo el 2.5% es agua dulce, de
la cual el 70% se encuentra en los glaciares, la nieve y el hielo. En cuanto a la disponibilidad del
agua per cpita en el mundo. Mxico ocupa el lugar 88 con 4,288 m/hab./ao, con variaciones
regionales y estacionales importantes. El primer lugar lo ocupa Groenlandia con 10,432,562
m/hab./ao.
En Mxico, el sureste recibe la mayor cantidad de la lluvia, registrndose en Tabasco
precipitaciones medias anuales de 2,095 mm, Chiapas 1,768 mm y Campeche de 1,337 mm,
mientras que, por otro lado, en el Noroeste se reciben 177 mm y solamente 160 mm en Baja
California y Baja California Sur. Esta polaridad en los regmenes de precipitacin en el pas asociada
al crecimiento demogrfico permite clasificar al sureste como una regin con un grado de presin
hdrica escasa (menor a 10%), mientras que a excepcin de Tamaulipas, el resto del territorio
nacional muestra un grado de presin fuerte (mayor a 40%), como lo indica la Figura 5.
Figura 5.- Grado de presin sobre los recursos hdricos, 2009
15
2.2
Medicin de la precipitacin
Para la medida y registro de las precipitaciones se emplea un material de observacin bsica muy
sencilla, pero de cierta diversidad y dificultad en cuanto a instalacin, normas de empleo e
interpretacin de sus medidas.
A. Para medir cantidades de precipitacin:
Pluvimetros
Nivmetros
Totalizadores
B. Para registrar distribuciones de lluvia en el tiempo:
Pluvigrafos
C. Para medir la precipitacin a distancia:
Radar meteorolgico
2.2.1 Pluvimetros
a) Pluvimetros ordinarios. El aparato que tradicionalmente sirve para medir la precipitacin
propiamente dicha es el pluvimetro. En esencia, consiste en un cilindro recto, de seccin
conocida, con un borde agudo horizontal (boca) y un dispositivo para recoger el agua
(colector). Entre stos por lo general existe un embudo.
A continuacin se describen las partes que lo conforman:
Boca. Generalmente su borde est hecho de material resistente a la intemperie. Suele consistir en
un anillo biselado y cortante, de latn o bronce, por ser materiales suficientemente rgidos, como
para que la superficie receptora se mantenga constante e inalterable a la intemperie para que no
se deforme o corroa.
Colector. Tiene una cmara de aire alrededor para evitar que se caliente el agua recogida y
disminuir la evaporacin. Debe tener poco contacto con el aire exterior.
16
Figura 6.- Pluvimetro Ordinario
Embudo. En los pluvimetros que lo tienen sirve para canalizar el agua hacia el colector y
simultneamente lo tapa, evitando que la lluvia colectada se evapore.
Probeta. En muchos modelos de pluvimetros se hace la lectura de la precipitacin vertiendo el
agua recogida por el colector en un recipiente o tubo graduado llamado probeta y leyendo
directamente sobre ella las unidades de altura de precipitacin por el nivel que alcanza el agua. El
fundamento de la graduacin es sencillo, si la altura del agua precipitada es , la seccin de la
probeta , la superficie de la boca del pluvimetro y la altura que el agua alcanza en la probeta ,
se tiene:
Por lo tanto,
Existen muy diversos tipos de pluvimetros: norteamericano, espaol, alemn, francs, belga,
ingls, canadiense, etc. En principio, todos stos son un mismo pluvimetro, lo que vara es la
altura de la boca del aparato sobre el suelo, la situacin del colector sobre la tierra o bajo tierra, la
forma de hacer la lectura, etctera.
Tipo norteamericano. Es un pluvimetro comn y corriente. La altura de la boca sobre el suelo es
de 762 mm, la medicin se hace con una regla fina de acero que se introduce por la boca del
pluvimetro, en el depsito colector, el cual a su vez tiene una seccin que es 1/10 de la seccin
de la boca del colector o superficie receptora. El embudo se encuentra a de dimetro de la boca.
El colector tiene su base prcticamente a nivel del suelo del pluvimetro. Cuando se desborda el
colector, si la cantidad de precipitacin es superior a su capacidad, el agua desbordada queda en la
17
armadura del pluvimetro. Se mide vertindola en el colector y tomando en ste la altura con la
regla. La armadura est montada sobre un trpode de hierro.
Tipo espaol y alemn (Hellman). La superficie receptora es de 200 cm, de manera que 1 mm de
lluvia corresponden 20 cm de agua recogida:
Las caractersticas ms importantes respecto a su instalacin son: que la boca del pluvimetro se
encuentra a 1.50 m del suelo, que va sujeto por un soporte lateral a un poste cuyo extremo
superior est cortado en bisel y que es fcilmente desmontable del soporte para hacer la lectura.
Figura 7.- Pluvimetro tipo norteamericano
Figura 8.- Pluvimetro tipo Hellmann
b) Pluvimetros Tropicales. Son aparatos anlogos pero con el depsito colector bastante
mayor para poder medir lluvias hasta de 500 mm. Por ejemplo, en un modelo Hellman el
deposito debe tener una capacidad de
.
18
2.2.2 Nivmetros
Con los nivmetros se mide la nieve precitada. Son necesarios cuando la cantidad de nieve es
considerable y su fusin es ms difcil. Son los mismos pluvimetros anteriores con algunas
modificaciones. La ms comn es la supresin del embudo para aumentar su capacidad, y la
colocacin en el interior de dos tabiques verticales que se cortan normalmente a lo largo del eje
del cilindro, esto evita que los remolinos del viento saquen la nieve recogida. Para facilitar la
fusin de la nieve dentro del cilindro se pone cloruro de calcio anhdrido, tambin se puede fundir
aadiendo agua caliente. En ambos casos se descuenta de la cantidad de agua medida de la
substancia utilizada para fundir la nieve.
Existen nivmetros radioactivos, basados en el amortiguamiento que experimenta la intensidad de
la radiacin de un foco emisor al atravesar un cierto espesor de substancia, en este caso nieve,
amortiguamiento que es proporcional a dicho espesor. El foco emisor suele estar constituido por
una pequea cantidad de material radiactivo encerrado en una capsula de plomo de gruesas
paredes con una abertura en su porcin superior. Dicha capsula queda alojada en el suelo y sobre
su vertical, en el eje del haz de radiacin, a suficiente distancia va un contador Geiger-Miller que
registra la intensidad de radiacin que llega hasta l, y puede emitir a su vez este registro.
Figura 9.- Nivmetro radiactivo
19
2.2.3 Totalizadores
Tienen por objeto obtener una sola medida de la precipitacin total cada en un cierto punto
durante un largo periodo (un ao hidrolgico, un verano, un periodo de lluvias, etc.); existen
diversos modelos que comnmente coinciden en sus detalles generales de construccin y
funcionamiento. Se instalan en lugares que slo pueden visitarse con escasa frecuencia,
normalmente una vez al ao.
Uno de los variados tipos de totalizadores consta de un depsito de zinc de aproximadamente 150
litros de capacidad con boca de 200 cm de seccin, para recoger precipitaciones hasta de 7 500
mm. La boca est provista de un aro de latn de borde cortante. En el fondo lleva un tapn de
rosca o un grifo. El depsito va metido en otro de chapa galvanizada que cumple con las siguientes
misiones: a) soportar el depsito interior, b) el espacio entre ambos acta como cmara de aire,
evitando el enfriamiento o el calentamiento exagerado del interior, y c) sirve a este de proteccin.
Figura 10.- Totalizador de montaa
20
2.2.4 Pluvigrafos
Son los instrumentos destinados a medir la distribucin de la lluvia en el tiempo en un
determinado lugar. Con ellos se conoce la cantidad de lluvia a travs del tiempo y tambin su
intensidad.
Hay cinco clases o tipos fundamentales:
a) de flotador sin sifn automtico,
b) de flotador con sifn automtico,
c) de balanza,
d) de oscilacin,
e) combinacin de balanza y oscilacin.
Ejemplo de cada tipo:
a) Pluvigrafo de flotador sin sifn automtico
El flotador tiene un vstago vertical provisto de salientes a intervalos iguales. En ellos se apoya un
brazo que sujeta la plumilla y est unido a un eje horizontal por el otro extremo; este brazo lleva
un dispositivo tal, que cuando la plumilla llega a la parte superior de la banda cae al de abajo. El
depsito se vaca con un sifn que se carga dndole un impulso al flotador o aadiendo agua para
cebarlo. Tiene como ventajas la sencillez y la falta de error acumulativo. Su inconveniente, como el
de todos los pluvigrafos de flotador, es que ste puede ser daado por las heladas.
Figura 11.- Pluvigrafo sin sifn automtico

21
b) Pluvigrafo de flotador con sifn automtico

El sifn automtico se ceba por s mismo cuando la plumilla ha alcanzado su mxima altura, y al
mismo tiempo sta vuelve a cero.
En el tipo de pluvigrafo Hellman la lluvia cada escurre a un receptor que, una vez lleno, se vaca
automticamente por un sifn acodado. Los cambios de altura del agua en dicho receptor son
registrados por una plumilla fijada a un vstago unido al flotador, cuyo movimiento,
perfectamente vertical, est asegurado por unos carriles. El tambor da la revolucin completa en
una semana. La boca de este tipo de aparato, como la del pluvimetro, est situada a 1.50 m del
suelo.
Para ajustar el cero, o lo que es lo mismo, regular el momento en que se vaca el receptor, puede
variarse la altura del codo del sifn mediante un dispositivo. El sifn de este aparato tiene el
inconveniente de que su descarga no es sbita, sino que se inicia con un goteo preliminar que
evidentemente origina un error en el registro. En otros tipos de pluvigrafos esto se evita
mediante otro tipo de sifones.
Figura 12.- Pluvigrafo de flotador con sifn automtico tipo Hellmann
22
Como se indic anteriormente, el inconveniente comn de los pluvigrafos de flotador es que las
heladas bloquean al flotador al solidificarse el agua del receptor. En los pluvigrafos Lambretch,
anlogos a los que se citaron, este inconveniente est resuelto con una lmpara de infrarrojo
instalada en el interior de la armadura donde se aloja el sistema de registro. Dicha lmpara se
enciende por un termostato cuando la temperatura exterior se aproxima a los 0C y lo apaga
cuando sta vuelve a subir.
c) Pluvigrafo de balanza
Es el ms indicado en los pases muy fros, porque no resulta daado por las heladas y, adems,
sirve de nivgrafo. El colector va colocado sobre el plato de un mecanismo tipo pesacartas que
acciona la plumilla inscriptora. Un inconveniente son las vibraciones debidas al viento, que
influyen en el registro; stas se evitan con amortiguadores de aceite. Va provisto de dos
dispositivos, lo cual permite la rpida substitucin del colector cuando el que est colocado en el
aparato se ha llenado.
Figura 13.- Pluvigrafo de balanza
d) Pluvigrafo de oscilacin
En ellos el agua es recogida por la boca cae en un depsito gemelo de otro, llamados canalones y
montados ambos sobre un eje capaz de bascular alrededor de otro horizontal. Cada vez que los
canalones oscilan se genera un movimiento en el engranaje que se transmite hasta la plumilla, la
cual registra en la grfica la altura de agua precipitada. En otros pluvigrafos con el mismo
23
principio, cuando uno de los canalones est lleno, el desplazamiento del centro de gravedad del
sistema mvil le obliga a girar hasta tocar un contacto elctrico, quedando entonces el otro
canaln bajo la boca, repitiendo as la operacin alternativamente. El registro puede hacerse en
grfica o a distancia, elctricamente, este ltimo tambin puede considerarse continuo, puesto
que transcurre para efectuar el cambio de un canaln a otro es de aproximadamente 0.2
segundos, suficiente para generar un error en la medicin, que aumenta con la intensidad de la
lluvia. El error es de poca importancia para lluvias de intensidad inferior a 50 mm por hora,
dndose muy pocas veces intensidades superiores.
Figura 14.- Pluvigrafo de oscilacin
e) Combinacin del pluvigrafo de balanza y el de oscilacin

El pluvigrafo Nilsson tiene un depsito con cuatro compartimientos a los que impide girar un
tope que sostiene a cada uno de ellos. El sistema total est equilibrado por un peso y se mueve
hacia abajo cuando la lluvia cae en uno de los compartimientos, elevando el peso y accionando la
plumilla inscriptora. Cuando han cado 3 mm de lluvia, el tope suelta el deposito giratorio vaciando
el agua y quedando el compartimiento siguiente en disposicin de recoger el agua.
24
Figura 15.- Pluvigrafo combinacin de balanza y de oscilacin tipo Nilsson
2.2.5 Radar meteorolgico

Las medidas de la precipitacin mediante el radar se abocan a la altura y a la intensidad de la
precipitacin.
Por lo que respecta a la altura de la precipitacin, se toman fotografas que proyectan el rea del
temporal que la produce; en stas aparecen zonas luminosas de mayor o menor intensidad, de
acuerdo con la variacin de las intensidades del eco que se correlacionan con las precipitaciones
acumuladas, de conformidad con las informaciones recibidas de las estaciones sinpticas. Con esta
informacin se pueden trazar rpidamente las isoyetas.
En lo referente a la intensidad de la precipitacin, en las pantallas del radar meteorolgico el eco
de las gotas de lluvia es distinto del producido por otros obstculos y gotitas de las nubes, por lo
que ste puede ser interpretado como intensidad de lluvia.
Los datos generados por el radar son de gran utilidad para el manejo de situaciones ocasionadas
por fuertes precipitaciones. Por otro lado, representa un medio para efectuar medidas de
precipitacin en zonas inaccesibles.
En Mxico la red de 133 estaciones automticas administradas por el Sistema Meteorolgico
Nacional (SMN) an es insuficiente para detectar la variabilidad espacial de la precipitacin en el
territorio nacional.
25
Tucci y Collischonn (2006) relacionan el grado de desarrollo de los pases con el uso tecnolgico,
sealan que en los pases desarrollados la precipitacin se estima mediante la combinacin de
ellos de las tecnologas de radar o satlite o combinacin de ellos, mientras que en los pases en
vas de desarrollo los datos telemtricos o de radar son aun de uso escaso. Sealan que las
estimaciones de lluvia por satlite son ms econmicas pero que se necesitan una evaluacin de
su utilidad en funcin de los resultados; sealan que la estimacin de la lluvia por satlite tiene un
futuro importante para complementar la falta de estaciones de medicin y restricciones
presupuestales. Arreguin (2007) indica como algunos retos de Mxico en la investigacin,
desarrollo tecnolgico y formacin de recursos humanos en materia hdrica, la implementacin de
modelos lluvia-escurrimiento de parmetros distribuidos para ser alimentados automticamente
con datos de radar-meteorolgico, as como explotar los nuevos productos de estimacin de lluvia
con base en imgenes satelitales en la generacin de productos que se puedan luego asociar con
el riesgo de inundacin.
2.3
Curva masa acumulada
La curva masa es la representacin de la altura de precipitacin acumulada a travs del tiempo,

desde el inicio de la tormenta hasta su terminacin; se obtiene directamente del registro del
pluvigrafo. En la Figura 25 se muestra la curva masa de una estacin.
Cualquier tangente a la curva masa representa la intensidad de la lluvia, , para ese instante, que
se define como:
Dnde:
Intensidad de la lluvia, en mm/h
Incremento de la lluvia en el intervalo
Incremento de tiempo, en h
26
, en mm
Figura 16.- Curva masa de una tormenta
Para diferentes intervalos de tiempo (duracin) existir un valor de intensidad mxima que se
calcula mediante el procedimiento siguiente:
1. Se selecciona una duracin de inters, .
2. Con los valores de la curva masa se calculan las diferencias de precipitacin,
,
correspondientes a todas las parejas de puntos separados entre s un tiempo .
3. Se selecciona la diferencia mxima,
, y se divide entre el intervalo de tiempo a fin
de encontrar la intensidad mxima correspondiente a dicho intervalo.
4. Se repite el proceso para otras duraciones.
Para obtener la curva masa en una estacin es indispensable contar con un pluvigrafo, al llegar la
plumilla al nivel mximo dentro del recipiente temporal (generalmente 10 mm de precipitacin),
el sifn desaloja el agua y la plumilla empieza a registrar nuevamente desde el nivel mnimo; para
construir la curva masa se colocan los registros uno tras otro, es decir, como si el registro fuera
continuo.
En la Figura 17 se muestra una copia de la hoja de registro obtenida en el pluvigrafo de la
estacin Presa Mixcoac, D.F., el 12 de septiembre de 1977.
Se desea realizar el anlisis del registro, para presentar la informacin en forma ms adecuada
para su uso posterior.
27
Figura 17.- Registro de la tormenta del 12 de Septiembre de 1977. Estacin Presa Mixcoac D.F.
Las tres partes bsicas del anlisis de la lluvia registrada en un punto durante una tormenta son la
obtencin de la curva masa, el clculo del hietograma y el de la intensidad mxima asociada a
diferentes duraciones.
Para obtener la curva masa se requiere nicamente obtener la precipitacin acumulada, desde
que empieza la tormenta hasta que termina (en este caso, las 18 h y 23 h respectivamente). Debe
tenerse cuidado en considerar que cada vez que se vaca el receptor temporal del pluvigrafo se
han acumulado 10 mm. En la Tabla 1 se muestran los valores obtenidos tomando intervalos de 10
minutos para el anlisis. Esta misma informacin se muestra grficamente en la Figura 18.
Hora
18
19
20
21
22
23
0
0.00
0.65
11.60
20.50
23.50
25.60
10
0.10
0.90
12.90
21.00
24.00
25.60
Duracin, en min.
20
30
0.20
0.30
1.40
4.80
16.40
18.20
21.50
22.05
24.35
24.65
25.60
25.60
Tabla 1.- Valores obtenidos para duraciones de 10 minutos
28
40
0.40
7.80
19.00
22.40
25.00
25.60
50
0.50
9.60
19.80
22.90
25.40
25.60
Figura 18.- Curva masa de la tormenta del 12 de septiembre de 1977. Estacin Presa Mixcoac D.F.
2.4
Algunos conceptos de probabilidad y estadstica
Probabilidad: Si un experimento tiene resultados posibles y son mutuamente excluyentes y si de

ellos
resultados tienen un atributo , entonces la probabilidad de que ocurra un evento con
el atributo es:
( )
Por ejemplo, el experimento puede llamarse tiro de un dado u ocurrencia de una tormenta y
el atributo a puede ser el nmero que sale del tiro del dado es 2, o bien la altura de
precipitacin total es mayor o igual que 500 mm.
Estimadores mnimo-cuadraticos: Permite obtener estimadores basndose en minimizar la suma
de las desviaciones cuadrticas entre las observaciones y sus valores esperados, esto es, la
expresin:
(
( ))
En la que ( ) sern funcin de los parmetros desconocidos.

La obtencin de estimadores mnimo cuadraticos resulta habitual en los procesos de regresin
lineal de los parmetros que no figuren en los valores esperados de las observaciones.
29
Varianza: Sea X una variable aleatoria. Sea E(X) su valor esperado. Diremos que V(X) es la varianza
de la variable aleatoria de X y la definiremos como la esperanza del cuadrado de los desvos de la
( )) .
variable respecto de su valor esperado o media; es decir, ( )
(
Proceso estocstico: No es ms que una coleccin de variables aleatorias todas ellas definidas
sobre el mismo espacio de probabilidad. El subconjunto en el que toman valores todas las
variables aleatorias se conoce como espacio de estados, mientras que el conjunto de ndices, se
denomina espacio de tiempos. Segn los conjuntos sean finitos (o infinitos numerables) o
contengan, al menos, un intervalo se hablar de procesos estocsticos con espacio de estados
discreto o continuo y en tiempo discreto o continuo.
Covarianza: Es un importante parmetro estadstico que informa del grado de covariacin o de
dependencia de dos variables aleatorias.
(
( ) ( )
Es el valor esperado del producto, menos el producto de los valores esperados; debido a la
propiedad conmutativa del producto:
(
Si dos variables aleatorias son independientes el valor esperado del producto es igual al producto
de los valores esperados. Teniendo en cuenta, si X e Y son dos variables aleatorias independientes,
su covarianza es igual a cero.
Variable Aleatoria: Una variable aleatoria X es una funcin de valor real de los elementos de un
espacio muestral S. Se nota que el dominio de definicin de una variable aleatoria es un espacio
muestral, y que su rango es un conjunto de nmeros reales.
Existen dos tipos de variables aleatorias: se llama discreta a una variable aleatoria X si su rango es
un conjunto discreto de nmeros reales. Se llama continua si su rango es un intervalo o unin de
intervalos sobre la lnea de los reales.
Distribucin de Probabilidad: Estn relacionadas con las distribuciones de frecuencias. De hecho,
podemos pensar que una distribucin de probabilidad es una distribucin de frecuencia terica. Es
decir, una distribucin de frecuencias terica es una distribucin de probabilidades que describe la
forma en que se espera varen los resultados. Como estas distribuciones representan expectativas
de que algo suceda, resultan modelos tiles para hacer inferencias y tomar decisiones en
condiciones de incertidumbre.
Muestra: Es un subgrupo de poblacin seleccionado para participar en el estudio. Las
caractersticas de la muestra, llamada estadstica, se utilizan para hacer deducciones acerca de los
parmetros de poblacin. Las deducciones que vinculan caractersticas de muestra y parmetros
de poblacin son procedimientos de clculo y pruebas de hiptesis.
30
Espacio Muestral: El conjunto de todos los resultados posibles de un experimento aleatorio, se

denota por . Los espacios muestrales son de dos tipos. Un espacio muestral es discreto si tiene
un conjunto de elementos finito o infinito numerable. Y es continuo si el conjunto de resultados
del experimento es infinito no numerable; es decir, si el conjunto anterior est formado por
intervalos continuos, de forma que entre dos resultados cualesquiera existen infinitos resultados
posibles.
Frecuencia: Se llama frecuencia absoluta al nmero de individuos que presentan dicha modalidad.
Y frecuencia relativa al cociente de dividir su frecuencia absoluta por el nmero total de individuos
de la poblacin.
Parmetro: Es un nmero que describe la poblacin. En la prctica estadstica el valor del
parmetro no es conocido ya que no podemos examinar toda la poblacin.
Riesgo: Si
es la probabilidad de que ocurra un evento en cualquier ao,
Entonces la probabilidad de que dicho evento no ocurra en un ao cualquiera es:
Si se supone que la no ocurrencia de un evento en un ao cualquiera es independiente de la no

ocurrencia del mismo en los aos anteriores y posteriores, entonces la probabilidad de que el
evento no ocurra en aos sucesivos es:

Y, por lo tanto, la probabilidad de que el evento ocurra al menos una sola vez en
es:
aos sucesivos
es llamada riesgo en la teora probabilstica. Con este parmetro es posible determinar cules
son las implicaciones de seleccionar un periodo de retorno dado para una obra que tiene una vida
til de aos.
2.5
Periodo de retorno
Sea el evento el nmero que sale del tiro del dado es 2 y el evento la altura mxima de
precipitacin en 24 h en cualquier ao es de 500 mm. Ntese que en el experimento tiro de un
dado es posible hablar de resultados que tienen un valor numrico exacto, como 1, 2, etc., y las
probabilidades asociadas a estos resultados son diferentes de cero (1/6 en cada caso). Es claro, sin
31
embargo, que en el experimento ocurrencia de una tormenta, la probabilidad de que el

resultado tome un valor exacto, como 500 mm, es nula. En el ltimo caso es necesario hablar ms
bien de intervalos, como por ejemplo que la precipitacin mencionada tome un valor de 500 mm o
mayor, de 500 mm o menor que est en el intervalo de 300 a 500mm.
El nmero de aos en que, en promedio, se presenta un evento como el , se llama periodo de
retorno, intervalo de recurrencia o simplemente frecuencia y se acostumbra a denotarlo con .
As, por ejemplo, el periodo de retorno de la ocurrencia del nmero dos en el tiro de un dado es el
nmero de tiros en que, en promedio, el dos sale una vez; en este caso es igual a 6 tiros. Del
mismo modo, se dice que el periodo de retorno de la precipitacin mxima en 24 h de 500 mm es
de 25 aos cuando, en promedio, se presenta una precipitacin de esa magnitud o mayor una vez
cada 25 aos. Ntese que esto no significa que dicha precipitacin se presenta exactamente una
vez cada 25 aos, de la misma manera que el dos no sale exactamente una vez cada seis tiros del
dado.
De acuerdo con la definicin, la probabilidad de que en cualquier tiro del dado salga un dos es
( )
; entonces se tiene la siguiente relacin entre la probabilidad y periodo de retorno:
( )
Es decir:
Donde
se refieren a un evento cualquiera .
La misma relacin vale en el caso de la precipitacin mxima en 24 h:
Esto es, el periodo de retorno de la precipitacin mxima en 24 h de 500 mm es el inverso de que

esta precipitacin sea igualada o excedida en un ao cualquiera.
Obviamente, (
) y, entonces,
(
Usualmente, cuando se tienen datos de un cierto periodo, y se desea aplicar algn mtodo
estadstico para extrapolar dichos datos a periodos de retorno mayores al de las mediciones, es
necesario asignar un valor a a cada dato registrado:
32
Donde = nmero de orden en una lista de mayor a menor de los datos y

Consulte Anexo B.
= nmero de datos.
Por ejemplo, si se quiere determinar el riesgo de falla de una obra que tiene una vida til de 10
aos y se disea para un periodo de retorno de 10 aos, entonces tendramos lo siguiente:
Sustituyendo esto en la ecuacin
) :
(
El riesgo es del 65.1%, es decir, se tiene una probabilidad del 65.1% de que la obra falle durante su
vida til.
33
3 Curvas intensidad-duracion-periodo
de retorno
3.1
Definicin
Para determinar el grado de seguridad en las obras uno de los primeros pasos que debe seguirse
en muchos proyectos de diseo hidrolgico, como por ejemplo el diseo de un drenaje urbano, es
la determinacin del evento o de los eventos de lluvia que deben usarse. La forma ms comn de
hacerlo es utilizar una tormenta de diseo o un evento que involucre una relacin entre la
intensidad de lluvia (o profundidad), la duracin y las frecuencias o periodos de retorno
apropiados para la obra y el sitio. Si llegaran a existir curvas estndar de intensidad-duracinperiodo de retorno (i-d-T) disponibles para el sitio, este primer paso para desarrollar los proyectos
ya estara dado y no sera necesario llevar a cabo el anlisis, sin embargo, para los sitios que no
cuenten con estas curvas, ser de gran importancia que entiendan el procedimiento utilizado para
desarrollar estas relaciones y puedan calcular las curvas i-d-T adecuadas para su localidad y lleven
a cabo proyectos hidrulicos con un anlisis ms eficiente.
Usualmente los datos se presentan en forma de grfica, con la duracin en el eje horizontal y la
intensidad en el eje vertical, mostrando una serie de curvas, para cada uno de los periodos de
retorno de diseo, tal como se muestra en la Figura 19.
34
Figura 19.- Ejemplo de unas curvas intensidad-duracin-periodo de retorno (i-d-T)
La intensidad es la tasa temporal de precipitacin, es decir, la profundidad por unidad de tiempo

(mm/h). Puede ser la intensidad instantnea o la intensidad promedio sobre la duracin de la
lluvia. Comnmente se utiliza la intensidad promedio, que puede expresarse como:
Donde
es la altura de la precipitacin de la lluvia (mm) y es la duracin, dada usualmente en
horas. La frecuencia se expresa en funcin del periodo de retorno, T, que es el intervalo de tiempo
entre eventos de precipitacin que igualan o exceden la magnitud de diseo.
3.2
Implicaciones de las curvas
El grado ptimo de seguridad de una estructura depende, por un lado, de su costo y, por otro, del
costo de las prdidas asociadas con una falla. Por ejemplo, puede ser aceptable que un aeropuerto
pequeo se inunde en promedio una vez cada dos o tres aos, si el costo de su sistema de drenaje
se compara con el de uno que slo permita inundaciones una vez cada 50 aos en promedio, o
ms an, podra resultar totalmente incosteable un sistema de drenaje con el que se pudiera
extraer cualquier cantidad de precipitacin por grande que fuera, aun cuando tal drenaje fuera
posible de construir.
Por otra parte, sera poco econmico y poco tico aceptar un riesgo alto de falla del vertedor de
una presa grande situada aguas arriba en una ciudad importante, pues esta falla tendra
consecuencias desastrosas mientras que en el ejemplo del aeropuerto una insuficiencia del
drenaje no ocasionara ms que algunas molestias a los usuarios.
Sin embargo, al menos en lo que a la teora estadstica respecta, no es posible tener una seguridad
del 100% de que no exista ninguna avenida cuyas dimensiones hagan insuficiente el vertedor de la
presa, sino que slo se puede hablar de aceptar un riesgo pequeo. La magnitud de este riesgo
35
aceptable depende del balance entre el costo de la obra y el de los daos que se produciran al
verificarse una falla, y para poder determinar cul es el riesgo que se corre al proponer los
parmetros de diseo de la obra, es necesario analizar estadsticamente los datos hidrolgicos
recabados en la zona de estudio.
Estos datos son fundamentalmente de dos tipos: escurrimientos y precipitaciones. Un anlisis del
primer tipo de datos tendra como resultado directo un parmetro de diseo, que es el gasto
mximo, mientras que el segundo proporcionara datos con los cuales sera necesario alimentar un
modelo de la relacin lluvia-escurrimiento, para obtener una avenida de diseo.
Figura 20.- Inundaciones causadas por un mal diseo hidrulico
3.3
Mtodos para su obtencin
Estas curvas se pueden obtener por dos mtodos, en uno el clculo se realiza para valores
correspondientes a una sola duracin (mtodo de intensidad de lluvia-perodo de retorno) y en el
otro se hace un ajuste simultneo de los valores de las tres variables (mtodo de correlacin lineal
mltiple). A continuacin se describen ambos.
3.3.1
Mtodo de correlacin lineal mltiple
Relaciona simultneamente las tres variables en una familia de curvas cuya ecuacin es:
El proceso de clculo es el que se describe a continuacin:

1. Se escoge la mxima altura de precipitacin registrada para cada duracin seleccionada.
36
2. Se transforman las alturas de precipitacin a intensidades dividindolas entre sus

respectivas duraciones.
3. Se ordenan los datos para cada duracin de mayor a menor y se le asigna un periodo de
retorno.
4. Se calculan los parmetros de , y , (descritos en el siguiente captulo) as como sus
productos y cuadrados, y las sumas indicadas.
5. Se sustituyen los resultados en el sistema de ecuaciones y se resuelve el sistema para
obtener los valores de los coeficientes , y (descritos en el siguiente captulo).
6. Se sustituyen los valores de los coeficientes en la ecuacin anterior y se calculan las
curvas.
3.3.2 Mtodo intensidad de lluvia-perodo de retorno
El anlisis se realiza para cada duracin, ajustando a los valores mximos anuales una funcin de
distribucin de probabilidad. En seguida se describe el proceso del clculo.
1. Se selecciona una duracin de inters
2. De cada tormenta registrada se obtiene la intensidad de lluvia mxima para la duracin
seleccionada
3. De cada ao de registro se obtiene el mximo de los valores obtenidos en el paso 2
4. A las intensidades mximas anuales, para la duracin seleccionada, se les ajusta una
funcin de distribucin de valores extremos (generalmente una funcin del tipo Gumbel),
siguiendo el procedimiento se logra relacionar la magnitud de la intensidad con el periodo
de retorno correspondiente
5. El proceso se repite desde el paso 2, para considerar otras duraciones de inters.
Para obtener estas curvas se parte de los valores mximos de altura de precipitacin o intensidad
de lluvia-duracin para las tormentas ms desfavorables; conocidas las caractersticas ms
desfavorables se pueden utilizar dos criterios para determinarlas, descritos anteriormente.
El mtodo que utiliza la intensidad de la lluvia-perodo de retorno tiene la ventaja de que utiliza la
teora de las funciones de distribucin de probabilidad, pero con este mtodo se hace el anlisis
para cada duracin por separado, tiene la desventaja de que algunos valores pueden resultar
incongruentes.
En los mtodos mencionados anteriormente, el periodo de retorno se estima a partir de valores
mximos anuales. Algunos autores, sin embargo, recomiendan que las estimaciones
correspondientes a periodos de retorno pequeos (menores de 10 aos) se calculen a partir de
excedentes anuales, o bien se calculen con valores mximos anuales y los valores que se obtengan
se ajusten utilizando un criterio de ajuste de probabilidad. Adems ambos mtodos se pueden
utilizar si se utilizan en lugar de intensidades valores de altura de precipitacin.
37
4 Metodo de Correlacion Lineal

Multiple
4.1
Modelo de Regresin Lineal Simple
Con frecuencia, nos encontramos con problemas de la ingeniera con modelos en los que el
comportamiento de una variable, Y, se puede explicar a travs de una variable X; lo que
representamos mediante:
( )
Si consideramos que la relacin , que liga Y con X, es lineal, entonces la expresin anterior se
puede escribir as:
Como quiera que las relaciones del tipo anterior raramente son exactas, sino ms bien son
aproximaciones en las que se han omitido muchas variables de importancia secundaria, debemos
incluir un trmino de perturbacin aleatoria, , que refleja todos los factores distintos de X
que influyen sobre la variable endgena, pero que ninguno de ellos es relevante individualmente.
Con ello, la relacin quedara de la siguiente forma:
38
Modelo de regresin simple:
La expresin anterior refleja una relacin lineal, y en ella slo figura una nica variable explicativa,
recibiendo el nombre de relacin lineal simple. El calificativo de simple se debe a que solamente
hay una variable explicativa. Supongamos ahora que disponemos de T observaciones de la variable
Y (
) y de las correspondientes observaciones de X (
). Si hacemos
extensiva a la relacin entre observaciones, tendremos el siguiente conjunto de T ecuaciones:
El sistema de ecuaciones se puede escribir abreviadamente de la forma siguiente:
El objetivo principal de la regresin es la determinacin o estimacin de

y
a partir de la
informacin contenida en las observaciones de que disponemos. Esta estimacin se puede llevar a
cabo mediante diversos procedimientos. A continuacin se analizan en detalles algunos de los
mtodos posibles.
Interesa, en primer lugar, realizar una aproximacin intuitiva a diferentes criterios de ajuste. Para
ello se utiliza la representacin grfica de las observaciones (
), con
Si la
relacin lineal de dependencia entre Y y X fuera exacta, las observaciones se situaran a lo largo de
una recta como en la Figura 21. En ese caso, las estimaciones ms adecuadas de
y
de
hecho, los verdaderos valores seran, respectivamente, la ordenada en el origen y la pendiente
de dicha recta.
Figura 21.- Relacin lineal exacta de dependencia entre Y y X
39
Pero si la dependencia entre Y y X es estocstica, entonces, en general, las observaciones no se

alinearn a lo largo de una recta, sino que formarn una nube de puntos, como aparece en la
Figura 22. En ese caso, podemos contemplar las estimaciones de
y
como la ordenada en el
origen y la pendiente de una recta prxima a los puntos. As, si designamos mediante y las
estimaciones de
por
, respectivamente, la ordenada de la recta para el valor de
vendr dada
El problema que tenemos planteado es, pues, hallar unos estimadores y tales que la recta
). Se denomina error
que pasa por los puntos ( ) se ajuste lo mejor posible a los puntos (
o residuo a la diferencia entre el valor observado de la variable endgena y el valor ajustado, es
decir,
Teniendo en cuenta el concepto de residuo se analizan a continuacin diversos criterios de ajuste:
Figura 22.- Observaciones no alineadas a una lnea recta, sino que es una nube de puntos
Un primer criterio consistira en tomar como estimadores y aquellos valores que hagan la
suma de todos los residuos tan prxima a cero como sea posible. Con este criterio la expresin a
minimizar sera la siguiente:
| |
40
El problema fundamental de este mtodo de estimacin radica en que los residuos de distinto
signo pueden compensarse. Tal situacin puede observarse grficamente en la Figura 23, en la que
se representan tres observaciones alineadas, (
), (
)y(
), tales que:
Si se ajusta una recta que pase por los tres puntos, cada uno de los residuos tomar el valor cero,
de forma que:
|
| haciendo
Dicho ajuste se podra considerar ptimo. Pero tambin es posible que |
girar en cualquier sentido la recta si dejamos fijo (

), como muestra la Figura 23, debido a que
. Este sencillo ejemplo nos muestra que este criterio no es apropiado para la estimacin
de y , debido a que, para cualquier conjunto de observaciones, existen infinitas rectas que lo
satisfacen. Otra forma de evitar la compensacin de residuos positivos con negativos consiste en
tomar los valores absolutos de los residuos. En este caso se minimizara la siguiente expresin:
| |
Figura 23.- Ajuste haciendo girar la recta y dejando fijo un punto
41
Desgraciadamente, aunque los estimadores as obtenidos tienen algunas propiedades

interesantes, su clculo es complicado, requiriendo la resolucin de un problema de programacin
lineal o la aplicacin de un procedimiento de clculo iterativo. Un tercer mtodo consiste en
minimizar la suma de los cuadrados de los residuos, es decir,
Los estimadores obtenidos con arreglo al criterio expresado en la ecuacin anterior, se denominan
mnimo-cuadrticos, y gozan de ciertas propiedades estadsticas deseables, que se estudian
posteriormente. Por otra parte, frente al primero de los criterios examinados, al tomar los
cuadrados de los residuos se evita la compensacin de stos, mientras que, a diferencia del
segundo de los criterios, los estimadores mnimo-cuadrticos son sencillos de obtener. Es
importante sealar que, desde el momento en que tomamos los cuadrados de los residuos,
estamos penalizando ms que proporcionalmente a los residuos grandes frente a los pequeos (si
un residuo es el doble que otro, su cuadrado ser cuatro veces mayor), lo que caracteriza tambin
a la estimacin-cuadrtica frente a otros posibles mtodos.
4.2
Obtencin de los estimadores mnimo-cuadrticos
A continuacin se expone el proceso para la obtencin por mnimos cuadrados de los estimadores
y . El objetivo es minimizar la suma de los cuadrados de los residuos ( ). Para ello, en primer
lugar expresamos en funcin de los estimadores y :
Para minimizar , derivamos parcialmente respecto a y :
Los estimadores mnimo-cuadrticos se obtienen igualando las anteriores derivadas a cero:

(
42
Operando, se tiene que:

( )
Las ecuaciones anteriores se denominan ecuaciones normales de la recta de regresin.

Resolviendo este sistema, segn puede verse en el recuadro adjunto, a partir del resultado se
obtiene de forma inmediata el estimador de :
)(
)
)
Resolucin del sistema de ecuaciones:

Dividiendo la primera ecuacin normal en (1) por T se obtiene:
Dnde:
De acuerdo con la anterior expresin se obtiene
Sustituyendo en la segunda ecuacin normal se tienen que
Por otra parte,
43
( )
) (
( )
( )
Teniendo en cuenta (3) y (4), entonces (2) se puede expresar as:

)(
[(
A su vez se obtiene a travs de la relacin
) ]
Dividiendo numerador y denominador se tiene que
)(
)
)
)
( )
De acuerdo con la expresin anterior, la estimacin de se obtiene dividiendo la covarianza

muestral de X y Y por la varianza muestral de X. Dado que la varianza de X no puede ser negativa,
el signo de ser el mismo que el de la covarianza muestral de X y Y.
4.3
Regresin Lineal Mltiple
Existen dos aplicaciones de la regresin:
Explicativo. Determinar que variables explican una variable dada

Predictivo. Predecir valores de una variable a partir de valores conocidos de otras
44
Vamos a ajustar la regresin a un hiperplano por mnimos cuadrados, dando valores a la ecuacin
del hiperplano tenemos:
Matricialmente sera
donde:
)
(
Si
es una matriz denotaremos por
la matriz transpuesta de A. La matriz de errores ser:
De nuevo nuestro objetivo es minimizar
Por otro lado:
Luego tenemos que minimizar

(
45
)(
Y derivando e igualando a cero tenemos:
De donde deducimos que
Por tanto si existe la matriz inversa de
tenemos que:
(
4.4
Coeficiente de Correlacin Mltiple
Con la misma filosofa que en el caso de la regresin lineal definimos el coeficiente de correlacin
mltiple como:
Adems se verifica que
Siendo mejor el ajuste cuando ms cercano est a 1.

Como
tenemos que
(
Como tambin
tenemos que
46
Adems
Luego
4.5
Calculo de las Curvas i-d-T para un caso prctico
Tapachula es una ciudad localizada en la costa del estado de Chiapas, en la cuenca del rio Suchiate
y Rio Huixtla y otros, en la cordillera Centroamericana, entre los paralelos 14 37 y 15 14, los
meridianos 92 09 de longitud oeste y a una altura de 160 msnm, colinda al norte con otros
municipios de Chiapas y con Guatemala, al este con Guatemala y los municipios de Cacahoatn y
Tuxtla Chico, al oeste con el Ocano Pacifico, tiene una poblacin de un poco ms de 320, 451
habitantes, cuenta con un clima clido hmedo con abundantes lluvias en verano y tambin
semiclido hmedo con abundantes lluvias en verano, su tipo de suelo es principalmente aluvial
(45.38%), lacustre (1.86%) y Litoral (1.84%), el uso de su suelo es primordialmente agrcola
(67.13%), pastizal cultivado (15.70%) y zona urbana (5.76%) y con una vegetacin principalmente
de bosque (7.88%) y manglar (3.20%) entre otras.
Figura 24.- Centro del municipio de Tapachula, Chiapas
47
Para elaborar las curvas i-d-T, contamos con el registro de informacin de 3 pluvimetros y 1
pluvigrafo ubicados en la regin de la siguiente manera, como lo muestra la Figura 25 siguiente:
Figura 25.- Ubicacin de pluvimetros y pluvigrafos en la zona de estudio
El pluvigrafo se localiza dentro de la zona urbana del municipio de Tapachula, el primer

pluvimetro se localiza en la cabecera municipal de Puerto Chiapas, el segundo se localiza dentro
de una finca cafetalera conocida como Finca Chicharras tambin dentro del municipio de
Tapachula, y el tercero y ltimo, se localiza en el ejido Ignacio Lpez Rayn, municipio de Suchiate
el cual colinda con Tapachula.
La informacin la solicit al Organismo de Cuenca de la Frontera Sur, de la Comisin Nacional del
Agua y me brindaron registros mximos de lluvia acumulada en 24 horas de diferentes aos, como
el que se muestra en la siguiente Figura 26:
48
Figura 26.- Registros de lluvia mxima acumulada en 24 horas
Y los datos del pluvigrafo que me fueron brindados fueron como la siguiente Tabla 2 en Excel:
ANOZ
1992
1992
1992
1992
1992
1992
1992
1992
MESZ
09
09
09
09
09
09
09
09
DIAZ
19
19
19
19
19
19
20
20
HRAZ
03
06
12
15
18
21
00
03
EST
76903
76903
76903
76903
76903
76903
76903
76903
TERM
0
0
0
0
0
0
0
0
PRE24 PRELAM PRETPO

0
0
0
0
23
6
27
4
6
0
0
0
0
0
0
0
0
0
0
16
6
163.3
1
1
Tabla 2.- Datos del pluvigrafo brindados por el Organismo de Cuenca
En donde:
ANOZ: es el Ao Z
MESZ: Mes Z
DIAZ: Da Z
HRAZ: Hora Z
EST: Clave de la estacin
TERM: Campo para control de operacin, sin uso para fines meteorolgicos
PRE24: Precipitacin: lmina en mm, de las ltimas 24 horas
PRELAM: Precipitacin: lmina en mm, registrada en un lapso PRETPO (ver siguiente campo)
49
PRETPO: Precipitacin: horas en las que se ha acumulado la lmina reportada en PRELAM (ver
campo anterior)
Como se puede observar en la tabla, la informacin no est completa, le hace falta la informacin
de la hora 09, no se puede saber con certeza como fue acumulndose la lmina de agua en las 24
horas, porque de una lmina muy pequea de 16 mm a las 0 horas brinca a 163.3 mm tres horas
despus, incluso si se grafica esta informacin se obtiene una Grafica 1 como la siguiente:
duracin vs hp
y = 0.3786x2 - 4.6033x + 20.568

R = 0.7277
200
hp (mm)
150
E1
E2
100
E3
50
E4
Polinmica (E1)
0
10
20
30
duracin (horas)
Grafica 1.- Distribucin de la lluvia para diferentes duraciones a lo largo de 24 horas
Y como se puede observar en la grfica aun con un ajuste de tipo polinomial se obtiene un valor de
(coeficiente de determinacin mltiple, revisar Anexo C) no cercana a uno y la forma de la
grfica dista mucho de ser una curva masa acumulada, por tanto, los valores que me proporciono
la Comisin Nacional del Agua del pluvigrafo no son del todo confiables y no podemos basarnos
en ellos para realizar el clculo de las curvas.
No nos quedara de otra que basarnos en los datos de lluvia acumulada en 24 horas, adems,
Campos Aranda menciona que en la Repblica Mexicana se cuentan con 2 682 estaciones
pluviomtricas y 345 pluviogrfos, es decir, solo el 13% de las estaciones climatolgicas tienen
pluvigrafo, de manera que se tendr una relativa facilidad para disponer en una cuenca pequea
o en sus cercanas, de uno o varios registros de lluvias mximas diarias y obtener a partir de ellos
las curvas de intensidad-duracin-periodo de retorno, bsicas en todo anlisis hidrolgico de
avenidas mximas por mtodos empricos e hidrolgicos.
Debido a la escasez de registros de lluvia de corta duracin, ha surgido la necesidad de utilizar las
relaciones promedio entre lluvias encontradas en otros pases. Goswami (1972) indica que
diversos investigadores como Bell, Reich, Hershfield, Weiss y Wilson, han demostrado que las
relaciones duracin-lluvia encontradas en EUA pueden aplicarse en otras partes del mundo, como
sur y norte de Africa, Alaska, Hawai, Puerto Rico y Australia. Como se observa, las localizaciones
50
geogrficas, y por tanto los climas de los lugares citados son muy variados, lo cual da confiabilidad
a la aplicacin de tales relaciones en la Repblica Mexicana.
Los registros de lluvia de corta duracin son escasos en los pases en desarrollo y Mxico no es la
excepcin. Sin embargo, los de lluvias mximas diarias tienen gran densidad y longitudes de
registro aceptables, por lo cual, la lluvia con una duracin de una hora y un periodo de retorno de
dos aos (o cualquier otro), se podr evaluar con una relacin a la de 24 horas con igual perodo
de retorno, denominado cociente R.
A fin de verificar la magnitud del cociente R en la Repblica Mexicana, se recab informacin de
33 estaciones pluviogrficas, cuya amplitud de registros se muestra en la siguiente Figura 27:
Figura 27.- Relacin de las estaciones que se tomaron en cuenta para obtener el cociente R en la Repblica Mexicana
Los valores obtenidos para el cociente R en las estaciones pluviogrficas citadas se sealan en la
siguiente Figura 28, as como cierta informacin que se considera importante:
51
Figura 28.- Resultados para el coeficiente R y localizacin de las estaciones
A partir de valores encontrados para R se derivan las recomendaciones siguientes:

Un valor promedio de R de 0.479, con valores extremos de 0.646 y 0.204
En las regiones ridas y semiridas R vara de 0.40 a 0.60 y en las zonas hmedas, de 0.30
a 0.40
A mayor altitud, R es ms grande y viceversa.
52
Por lo tanto en la siguiente Tabla 3 se obtuvieron los mximos acumulados en 24 horas para
diferentes aos:
Ao
hp (mm) en
24 horas
1989
200.0
1990
1991
1992
1993
139.97
465.00
163.30
435.91
1994
1995
1996
186.76
434.57
203.47
1997
1998
1999
2000
2001
235.80
330.00
115.16
152.01
677.50
2002
2003
2004
2005
523.29
381.83
429.20
725.87
2006
452.30
2007
2008
2009
2010
446.23
468.15
412.00
770.99
2011
2012
695.21
278.50
Tabla 3.- Altura de precipitacin en (mm) mxima acumulada en 24 horas para cada ao de registro
Ahora se escogi una R de 0.35, ya que la zona de estudio es muy hmeda, y se calcul la lmina
en (mm) para una duracin de 1 hora.
53
Ao
hp (mm)
en 1 hora
1989
70.00
1990
1991
1992
48.99
162.75
57.16
1993
152.57
1994
1995
65.37
152.10
1996
1997
71.22
82.53
1998
1999
115.50
40.30
2000
2001
2002
2003
2004
53.20
237.13
183.15
133.64
150.22
2005
254.05
2006
2007
2008
2009
158.31
156.18
163.85
144.20
2010
2011
2012
269.85
243.32
97.47
Tabla 4.- Alturas de precipitacin en (mm) por cada ao de registro para una duracin de una hora
Ahora para obtener los valores de la altura de precipitacin pero para duraciones menores a una
hora se emplearan los coeficientes propuestos por la OMM en el reporte Nmero 168 mostrados
en la siguiente Tabla 5:
Duracin
(minutos)
10
20
30
40
45
50
60
Relacin
0.3
0.32
0.54
0.71
0.82
0.90
0.92
Tabla 5.- Coeficientes para determinar las alturas de precipitacin en (mm) para duraciones menores a una hora
54
Y para duraciones mayores a una hora se utiliza la siguiente ecuacin lineal:

(
( )
( )
Sustituyendo los valores para 80 minutos y para 120 minutos del ao 1989, a manera de ejemplo,
resulta:
(
( )
Posteriormente se calculan para una duracin de 120 minutos en todos los aos de registro.
Aplicando ya los factores para duraciones menores de una hora y la ecuacin para duraciones
mayores a una hora la Tabla 6 de alturas de precipitaciones mximas para diferentes duraciones
resulta de la siguiente manera:
Ao
duracin (minutos)
1989
1990
1991
1992
5
21.00
14.70
48.83
17.15
10
22.40
15.68
52.08
18.29
20
45
80
37.80 49.70 81.76
26.45 34.78 57.23
87.89 115.55 190.11
30.86 40.58 66.76
1993
1994
1995
1996
45.77
19.61
45.63
21.36
48.82
20.92
48.67
22.79
82.39 108.32 178.22 214.37

35.30 46.41 76.35 91.84
82.13 107.99 177.67 213.71
38.46 50.56 83.19 100.06
1997 24.76 26.41 44.57

1998 34.65 36.96 62.37
1999 12.09 12.90 21.76
120
98.35
68.83
228.67
80.31
58.60 96.40 115.96

82.01 134.92 162.28
28.62 47.08 56.63
2000 15.96 17.03 28.73 37.77 62.15 74.75

2001 71.14 75.88 128.05 168.36 276.99 333.17
2002 54.95 58.61 98.90 130.04 213.94 257.34
2003 40.09 42.77 72.17
94.88 156.11 187.77
2004 45.07 48.07 81.12 106.66 175.47 211.07

2005 76.22 81.30 137.19 180.38 296.76 356.96
2006 47.49 50.66 85.49 112.40 184.92 222.43
2007 46.85 49.98 84.34 110.89 182.44 219.44
55
2008 49.16 52.43 88.48 116.34 191.40 230.22

2009 43.26 46.14 77.87 102.38 168.44 202.61
2010 80.95 86.35 145.72 191.59 315.21 379.15
2011 73.00 77.86 131.39 172.76 284.23 341.88
2012 29.24 31.19 52.64 69.21 113.86 136.96
Tabla 6.- Alturas de precipitaciones mximas en (mm) para diferentes duraciones
Una vez transformados los datos a intensidades, es necesario asignar a cada uno un periodo de
retorno, en la siguiente Tabla 7 para cada duracin de mayor a menor y se les ha asignado un
periodo
de
retorno
de
acuerdo
con
la
ecuacin
:
Orden T = (n+1)/m Ao
duracin (minutos)
10
20
45
80
120
1
2
3
4
5
25.00
12.50
8.33
6.25
5.00
1989
1990
1991
1992
1993
971.45
914.59
875.96
853.65
659.35
518.11
487.78
467.18
455.28
351.65
437.15
411.57
394.18
384.14
296.71
255.45
240.50
230.35
224.48
173.39
236.41
222.57
213.17
207.74
160.46
189.57
178.48
170.94
166.59
128.67
6
7
8
9
10
4.17
3.57
3.13
2.78
2.50
1994
1995
1996
1997
1998
589.87
585.90
569.90
562.25
549.25
314.60
312.48
303.95
299.87
292.93
265.44
263.66
256.46
253.01
247.16
155.11
154.07
149.86
147.85
144.43
143.55
142.58
138.69
136.83
133.66
115.11
114.34
111.21
109.72
107.18
11
12
13
14
2.27
2.08
1.92
1.79
1999
2000
2001
2002
547.56
540.79
519.12
481.11
292.03
288.42
276.86
256.59
246.40
243.36
233.60
216.50
143.99
142.21
136.51
126.51
133.25
131.61
126.33
117.08
106.85
105.53
101.30
93.89
15
16
1.67
1.56
2003 415.80 221.76 187.11 109.34 101.19 81.14

2004 350.90 187.15 157.91 92.28 85.40 68.48
17
1.47
2005 297.11 158.46 133.70 78.13
72.30
57.98
18
19
20
1.39
1.32
1.25
2006 256.37 136.73 115.37 67.42

2007 251.99 134.39 113.40 66.26
2008 235.32 125.50 105.89 61.88
62.39
61.32
57.27
50.03
49.17
45.92
21
1.19
2009 205.76 109.74 92.59
54.11
50.07
40.15
22
23
24
1.14
1.09
1.04
2010 191.53 102.15 86.19

2011 176.37 94.06 79.36
2012 145.10 77.39 65.29
50.37
46.38
38.16
46.61
42.92
35.31
37.38
34.42
28.32
Tabla 7.- Alturas de precipitacin mximas en (mm) para diferentes duraciones, con nmero de orden y periodo de
retorno
56
Este mtodo relaciona simultneamente las tres variables en una familia de curvas cuya ecuacin
es:
(
Donde ,
mltiple.
son constantes que se calculan mediante un anlisis de correlacin lineal
Si se toman logaritmos de la ecuacin anterior se obtiene:

(
O bien:
Dnde:
(
La ecuacin
ordenada al origen
es la de una familia de lneas rectas de pendiente

y espaciamiento .
Si los datos registrados de , y se dibujan en papel logartmico, usualmente se agrupan en

torno a lneas rectas. A veces las lneas resultan ligeramente curvas, lo que se puede corregir
agregando a las duraciones un valor constante , o bien, en algunos casos, cuando la pendiente de
las lneas vara mucho, dividiendo la lnea para cada periodo de retorno en dos rectas. Si los datos
se agrupan lo suficiente en torno a lneas rectas, el valor de puede tomarse como cero.
Al hacer un ajuste de correlacin lineal mltiple de una serie de tres tipos de datos, se obtiene un
sistema de ecuaciones como el siguiente:
(
(
)
)
(
(
)
)
Donde es el nmero de datos y las incgnitas son ,

y ; ,
y son, respectivamente,
los logaritmos del periodo de retorno, la duracin (con el valor de agregado de ser necesario) y la
intensidad, obtenidos de un registro de precipitacin. Una vez calculados los coeficientes ,
y
es posible valuar los parmetros , y de la ecuacin.
57
Para nuestro caso prctico no se calcular el valor de , ya que se tomar como cero, ya que, los
datos se agrupan lo suficiente en torno a lneas rectas.
En la tabla del anexo A se han calculado los parmetros ,
y , as como sus productos y
cuadrados, y las sumas indicadas en el sistema de ecuaciones anterior.
Sustituyendo los resultados de la tabla del anexo A en el sistema de ecuaciones resulta:
441.206
+ 58.547 + 207.252
+ 41.755 + 84.264
+ 84.264 +
Resolviendo el sistema de ecuaciones anterior se obtiene:
Y los valores de los parmetros de la ecuacin
Por tanto:
Por lo que la ecuacin de las curvas i-d-T es:
( en min,
58
en aos, en mm/h).
son:
En la Figura 29 se muestran las curvas dibujadas segn la ecuacin anterior y en la Tabla 8 con los
valores obtenidos de las intensidades en (mm/h):
d (minutos)
5
10
20
45
80
120
2
321.08
229.25
163.68
110.37
83.45
68.52
5
550.80
393.27
280.80
189.34
143.15
117.55
T (en aos)
10
20
828.52
1246.26
591.56
889.83
422.38
635.34
284.80
428.40
215.33
323.90
176.81
265.97
50
2137.93
1526.49
1089.92
734.91
555.64
456.26
100
3215.89
2296.15
1639.45
1105.45
835.79
686.31
Tabla 8.- Valores de las curvas i-d-T, mediante correlacin lineal mltiple
curvas i-d-T
intensidad (mm/h)
10000
1000
T= 2 aos
T = 5 aos
100
T = 10 aos
T = 20 aos
10
T = 50 aos
T = 100 aos
1
0
20
40
60
80
100
120
duracin (minutos)
Figura 29.- Curvas i-d-T, mediante el mtodo de correlacin lineal mltiple
59
5 Distribucion de Probabilidad de
Gumbel
5.1
Estadstica Hidrolgica
Los procesos hidrolgicos evolucionan en el espacio y en el tiempo en una forma que es

parcialmente predecible, o determinstica, y parcialmente aleatoria. Un proceso de este tipo se
conoce con el nombre de proceso estocstico. En algunos casos, la variabilidad aleatoria del
proceso es tan grande comparada con su variabilidad determinstica, que se justifica que el
hidrlogo trate el proceso como puramente aleatorio. De esta manera, el valor de una
observacin del proceso no est correlacionado con los valores de observaciones adyacentes, y las
propiedades estadsticas de todas las observaciones son iguales.
Cuando no existe correlacin entre observaciones adyacentes, la salida de un sistema hidrolgico
es tratada como estocstica, independiente del espacio e independiente del tiempo, en el
esquema de clasificacin mostrado en la Figura 30.
60
Sistema
El modelo tiene
en cuenta
(aleatoriedad,
espacio, tiempo)
Determinstico
Estocstico
Aleatoriedad?
Distribuido
Agregado
Independiente del
espacio
Correlacionado en
el espacio
Flujo no
permanente
Flujo no
permanente
Independiente del
tiempo
Independiente del
tiempo
Flujo permanente
Flujo permanente
Correlacionado en
el tiempo
Correlacionado en
el tiempo
Variacin
espacial?
Variacin
temporal?
Figura 30.- Clasificacin de modelos hidrolgicos de acuerdo con la forma, la aleatoriedad y la variabilidad espacial y
temporal de los fenmenos hidrolgicos
Este tipo de tratamiento es apropiado para observaciones de eventos hidrolgicos extremos,

como crecientes o sequias, y para informacin hidrolgica promediada a lo largo de intervalos de
tiempo grandes, como la precipitacin anual. Los mtodos estadsticos estn basados en principios
matemticos que describen la variacin aleatoria de un conjunto de observaciones de un proceso,
y stos centran su atencin en las observaciones mismas en el lugar de los procesos fsicos que las
producen. La estadstica es una ciencia de descripcin, no de causalidad.
5.2
Tratamiento probabilstico de la informacin hidrolgica
Una variable aleatoria

es una variable descrita por una distribucin de probabilidad. La
distribucin determina la posibilidad de que una observacin de la variable caiga en un rango
especificado de . Por ejemplo, si es la precipitacin anual en un lugar especificado, entonces la
distribucin de probabilidad de determina la posibilidad de que la precipitacin anual observada
en un ao dado caiga en un rango definido, tal como menos de 30 mm, o 30 mm 40 mm, y as
sucesivamente.
Un conjunto de observaciones
de la variable aleatoria se denomina una muestra. Se
supone que las muestras son sacadas de una hipottica poblacin infinita que posee propiedades
estadsticas constantes, mientras que las propiedades de una muestra pueden variar de una
muestra a otra. El conjunto de todas las muestras posibles que pueden extraerse de una poblacin
se conoce como el espacio muestral, y un evento es un subconjunto del espacio muestral. Por
61
ejemplo, el espacio muestral para la precipitacin anual es tericamente el rango desde cero hasta
infinito positivo (a pesar de que los lmites prcticos inferior y superior son ms cercanos que esto)
y un evento puede ser la ocurrencia de una precipitacin anual menor que una cierta cantidad,
tal como 30mm.
La probabilidad de un evento, ( ), es la posibilidad de que ste ocurra cuando se hace una
observacin de la variable aleatoria. Las probabilidades de eventos pueden estimarse. Si una
muestra de observaciones tiene
valores en el rango de evento , entonces la frecuencia
relativa de
es
. A medida que el tamao de la muestra aumenta, la frecuencia relativa se
convierte progresivamente en una estimacin mejor de la probabilidad del evento, es decir:

( )
Tales probabilidades se conocen como probabilidades objetivas o posteriores debido a que
dependen concretamente de las observaciones de la variable aleatoria. La gente est
acostumbrada a estimar la posibilidad de que un evento futuro ocurrir con base en su juicio y
experiencia. Tales estimaciones se conocen como probabilidades subjetivas o a priori.
Las probabilidades de eventos obedecen a ciertos principios:
1. Probabilidad total. Si el espacio muestral est completamente divido en
reas no traslapadas
, entonces:
(
2. Complementariedad. Se sigue que si

entonces:
( )
es el complemento de
( )
, es decir,
( )
Figura 31.- Los eventos A y B son subconjuntos del espacio muestral
62
eventos o
3. Probabilidad condicional. Supngase que existen dos eventos y tal como se muestra
en la Figura 31. El evento podra ser el que la precipitacin de este ao fuera menor que
40 mm mientras que podra ser el evento de que la precipitacin del prximo ao sea
menor que 40 mm. Su interseccin es
, el evento de que tanto A como B ocurran, es
decir, dos aos sucesivos con precipitacin anual menor que 40 mm. Si ( | ) es la
probabilidad condicional de que ocurra
dado que ya ha ocurrido , entonces la
probabilidad conjunta de que y ocurran, (
), es el producto de ( | ) y la
)
( | ) ( ), o
probabilidad de que ocurra, es decir, (
( | )
)
( )
Si para el ejemplo citado anteriormente, los eventos de precipitacin son independientes de un

ao a otro, entonces la probabilidad de que la precipitacin sea menor que 40 mm en dos aos
sucesivos es simplemente el cuadrado de la probabilidad de que la precipitacin anual en un solo
ao sea menor que 40 mm.
El concepto de eventos u observaciones independientes es crtico para la interpretacin
estadstica correcta de secuencias de informacin hidrolgica, porque si la informacin es
independiente puede analizarse sin tener en cuenta su orden de ocurrencia. Si observaciones
sucesivas estn correlacionadas (no independientes), los mtodos estadsticos requeridos son ms
complejos debido a que la probabilidad conjunta (
) de eventos sucesivos no es igual a
( ) ( ).
Las probabilidades estimadas utilizando informacin de muestra, son aproximaciones debido a
que dependen de valores especficos de las observaciones en una muestra de tamao limitado.
Una alternativa es ajustar una funcin de distribucin de probabilidad a la informacin y luego
determinar las probabilidades de los eventos utilizando esta funcin de distribucin.
5.3
Ajuste a una distribucin de probabilidad
Una distribucin de probabilidad es una funcin que representa la probabilidad de ocurrencia de

una variable aleatoria. Mediante el ajuste a una distribucin de un conjunto de datos hidrolgicos,
una gran cantidad de informacin probabilstica en la muestra puede resumirse en forma
compacta en la funcin y en sus parmetros asociados.
63
5.4
Distribucin de Probabilidad de Valores Extremos Tipo I o de

Gumbel
La distribucin de Gumbel, tambin llamada distribucin general de valores extremos tipo I, es el

modelo de los valores lmite (mximo o mnimo) cuando se aproxima al infinito de valores
independientes de una distribucin inicial cuya cola derecha o izquierda es ilimitada y de tipo
exponencial; es decir, la distribucin acumulativa inicial aproxima a la unidad (cero) con
incremento (decremento) de los valores de la variable aleatoria al menos tan rpido como la
distribucin exponencial se acerque a la unidad. Para el caso de valores extremos las
distribuciones utilizadas pueden ser: normal, lognormal, exponencial y gamma mientras satisfagan
los requerimientos.
La distribucin tipo I para valores extremos ha sido usada para estudios de alturas de lluviaduracin-frecuencia y de gastos mximos anuales en ros. Gumbel (1958) afirma que esta ltima
aplicacin asume como muestras las descargas diarias de un rio siendo la distribucin original de
tipo exponencial,
= 365, por lo que se considera una muestra suficientemente grande e
independiente. A pesar de no cumplirse la independencia de eventos de su aplicacin la
experiencia ha sido razonablemente buena. Los gastos mximos obtenidos se apegan a una
independencia de eventos a pesar de que la muestra es menor a 365.
La funcin de densidad de probabilidad para la distribucin general de valores extremos tipo I es:
( )
{ ((
))
[ (
]}
Donde el signo se aplica para los valores mximos y el signo + para los valores mnimos. Los
parmetros y son parmetros de escala y de forma, el parmetro de escala alarga o comprime
la escala de medicin (la escala sobre el eje horizontal cuando se dibuja la funcin de densidad), el
parmetro de forma la curva de densidad acampanada se desplaza a la derecha o a la izquierda.
(Devore, 2008)El tipo I para valores mximos y mnimos son simtricos entre si sobre . La Figura
32 es una representacin grfica de las distribuciones para
y
.
64
Figura 32.-Ejemplo de las curvas de densidad de valores extremos tipo I
La media y la varianza del tipo de valor extremo de la distribucin son:

( )
(
(
( )
)
)
El coeficiente de asimetra es:

(
)
(
As, el tipo I tiene un coeficiente constante de asimetra.

Si la transformacin
se convierte en:
es usada, la funcin de densidad para valores extremos tipo I

( )
)]
Donde el signo aplica para valores mximos y el signo + para valores mnimos. La funcin de
probabilidad es:
( )
[
[
65
)]
)]
( )] (
La distribucin acumulada para los valores mximos ha sido tabulada por (U.S. National Bureau of
Standards 1953). Puede utilizarse esta misma tabla para los valores mnimos sealando que:
( )
Los parmetros de distribucin de valor extremo tipo I se pueden estimar de varias maneras.
Lowery y Nash (1970) compar varios mtodos para la estimacin de y lleg a la conclusin de
que el mtodo de los momentos era tan satisfactoria como otros mtodos (percentiles, mxima
verosimilitud, momentos L, etc.) Si el mtodo de momentos se utiliza, los estimadores son:
66
)
)
5.5
Calculo de las Curvas i-d-T para un caso prctico
Recordamos que los nicos valores de confianza que tenemos en este caso son los acumulados en
24 horas que se muestran en la siguiente Tabla 9:
Ao
hp (mm) en
24 horas
1989
200.0
1990
1991
139.97
465.00
1992
1993
163.30
435.91
1994
186.76
1995
434.57
1996
1997
1998
1999
203.47
235.80
330.00
115.16
2000
2001
2002
2003
2004
2005
152.01
677.50
523.29
381.83
429.20
725.87
2006
2007
2008
2009
452.30
446.23
468.15
412.00
2010
770.99
2011
2012
695.21
278.50
Tabla 9.- Registro de alturas de precipitacin mximas acumuladas en 24 horas para cada ao
Ahora con estos valores de la lluvia acumulada en 24 horas, aplicamos la distribucin de

probabilidad de valores extremos tipo I, con la siguiente metodologa:
Mtodo de altura de precipitacin periodo de retorno
El proceso de clculo es el siguiente:
67
1. A las precipitaciones mximas anuales, para la duracin seleccionada, se les ajusta una
funcin de distribucin de probabilidad, generalmente del tipo Gumbel; para ello hay que
asignar a los datos un periodo de retorno, de la siguiente manera:
a) Para la duracin escogida en el paso 1, se ordenan de mayor a menor los valores
de precipitacin mxima calculados en el paso 3, y se les asigna un nmero de
orden (m)
b) Se calcula el periodo de retorno (T) que corresponde a cada dato de precipitacin
mxima utilizando la siguiente ecuacin:
Para una duracin de 24 horas, se acomodan los valores en la siguiente Tabla 10:
hp (mm)
ordenados
25.00
770.99
12.50
8.33
6.25
725.87
695.21
677.50
5.00
4.17
3.57
3.13
2.78
2.50
523.29
468.15
465.00
452.30
446.23
435.91
2.27
2.08
1.92
1.79
1.67
434.57
429.20
412.00
381.83
330.00
1.56
1.47
1.39
1.32
287.50
235.80
203.47
200.00
1.25
186.76
1.19
163.30
1.14
152.01
1.09
139.97
1.04
115.16
Tabla 10.- Valores de hp (mm) ordenados de mayor a menor para una duracin de 24 horas
68
2. A continuacin se calcula el promedio y la desviacin estndar de las alturas de

precipitacin (mm) de los valores para una duracin de 24 horas.
3. Recordando que las ecuaciones de
son las siguientes:
Sustituimos para
y :
Recordando que la funcin de distribucin de probabilidad de Gumbel es:

( )
)]
4. Para determinar los valores de x para varios valores del periodo de retorno T, es
conveniente utilizar la variable reducida . Para T = 2 aos, la ecuacin da:
5. Finalmente sustituiremos el valor de

continuacin se presenta:
Y resulta;
69
[ (
)]
[ (
)]
en la ecuacin reducida de valores extremos que a
Cabe recordar que el valor de

, se debe de interpretar como 356.41 mm de altura de
precipitacin asociado a un periodo de retorno de 2 aos.
6. A partir de aqu con el estudio para diferentes estaciones del pas para obtener un
cociente
que publica Campos Aranda en la revista Ingeniera Hidrulica en
Mxico/mayo-agosto 1990, podemos relacionar esta altura de precipitacin con una
duracin de 24 horas y periodo de retorno de 2 aos a una altura de precipitacin de 1
hora y periodo de retorno de 2 aos, se escogi un valor intermedio entre los valores de
0.30 a 0.40 que propone para regiones hmedas por lo que la relacin queda de la
siguiente manera:
(
Sustituyendo tenemos:
F.C. Bell encontr cocientes estables entre la lluvia de una hora y un periodo de retorno de dos
aos y la lluvia de igual duracin pero con diferente periodo de retorno; posteriormente, combin
las relaciones duracin-lluvia con los cocientes frecuencia-lluvia, para obtener una relacin general
de precipitacin-duracin-periodo de retorno definida por la ecuacin siguiente:
(
Siendo
)(
la precipitacin de duracin minutos y periodo de retorno
aos, en milmetros.
7. Ya con el clculo de una altura de precipitacin de duracin 24 horas y un periodo de

retorno de 2 aos calculado en el inciso 6, podemos aplicar la ecuacin de F.C. Bell, a
manera de ejemplo se realizara el clculo para una duracin de 5 minutos y un periodo de
retorno de 5 aos:
(
( )
)(
( )
)(
8. Posteriormente se realizan los clculos para las duraciones que se quieran, en este caso
sern: 5, 10, 20, 45, 80 y 120 minutos, y para los periodos de retorno deseados, en este
caso sern: 2, 5, 10, 20, 50 y 100 aos, recordemos que los valores obtenidos en la
primera columna de la tabla son de altura de precipitacin, ya que nos interesa saber la
intensidad en la segunda columna, se muestran ya el valor de sus intensidades, obtenidas
nicamente con la expresin
70
en (mm/h):
T = 2 aos
d (min) P (mm) i (mm/h)
T = 5 aos
T = 10 aos
38.46
461.49
50.76
609.11
60.06
720.77
10
20
45
80
57.57
80.29
112.39
139.45
345.40
240.87
149.85
104.59
10
20
45
80
75.98
105.97
148.34
184.06
455.88
317.92
197.78
138.04
10
20
45
80
89.91
125.40
175.53
217.80
539.45
376.20
234.04
163.35
120
161.00
80.50
120
212.50
106.25
120
251.45
125.73
T = 20 aos
T = 50 aos
T = 100 aos
5
10
20
45
69.37
103.84
144.83
202.73
832.44
623.03
434.48
270.30
5
10
20
45
81.67
122.25
170.51
238.68
980.06
733.51
511.53
318.24
5
10
20
45
90.98 1091.72
136.18 817.09
189.94 569.81
265.87 354.50
80
120
251.54
290.41
188.66
145.20
80
120
296.15
341.91
222.11
170.95
80
120
329.89
380.87
247.42
190.43
Tabla 11.- Clculos de intensidades en (mm/h) realizados para diferentes duraciones y diferentes periodos de retorno
9. Finalmente se elabora una tabla resumen, como la Tabla 12 ya con las intensidades para
cada duracin y cada periodo de retorno y se hace una grfica, como la de la Figura 33:
d (minutos)
5
10
20
45
80
120
2
461.49
345.40
240.87
149.85
104.59
80.50
5
609.11
455.88
317.92
197.78
138.04
106.25
T (en aos)
10
20
720.77
832.44
539.45
623.03
376.20
434.48
234.04
270.30
163.35
188.66
125.73
145.20
50
980.06
733.51
511.53
318.24
222.11
170.95
100
1091.72
817.09
569.81
354.50
247.42
190.43
Tabla 12.- Valores de las curvas i-d-T, mediante el mtodo de distribucin de probabilidad de Gumbel
71
Curvas i-d-T
inensidad (mm/h)
10000.00
1000.00
T=2 aos
T=5 aos
100.00
T=10 aos
T=20 aos
10.00
T=50 aos
T=100 aos
1.00
0
20
40
60
80
100
120
140
duracin (min)
Figura 33.- Curvas i-d-T, mediante el mtodo de distribucin de probabilidad de Gumbel
72
6 Analisis comparativo del caso

practico
6.1
Comparacin de resultados
Los resultados de intensidad en (mm/h) para nuestro caso prctico por ambos mtodos fueron los
siguientes:
Para el mtodo de correlacin lineal mltiple los valores oscilan entre un valor mnimo de 68.52
para una duracin de 120 minutos y un periodo de retorno de 2 aos y un valor mximo de
3215.89 para una duracin de 5 minutos y un periodo de retorno de 100 aos.
Para el mtodo de distribucin de probabilidad de Gumbel los valores oscilan entre un valor
mnimo de 80.50 para una duracin de 120 minutos y un periodo de retorno de 2 aos y un valor
mximo de 1091.72 para una duracin de 5 minutos y un periodo de retorno de 100 aos.
Como puede observarse en ambos casos los valores mnimos corresponden la duracin ms
grande en este caso 120 minutos y el periodo de retorno ms bajo de 2 aos, y para los valores
mximos de intensidad corresponden la duracin ms pequea de 5 minutos y el periodo de
retorno ms grande de 100 aos, sin embargo, los valores extremos entre ambos mtodos se
presentan en el mtodo de correlacin lineal mltiple, es decir, el valor ms pequeo entre los dos
y tambin el valor ms grande entre los dos mtodos.
Para el valor ms pequeo entre los dos mtodos existe una diferencia de 11.98 (mm/h) y la
diferencia entre el valor ms grande entre ambos mtodos es considerable ya que es de 2124.16
(mm/h), esto obedece a que en un principio para todas las duraciones y todo el periodo de
73
retorno de 2 aos, y hasta una duracin de 45 minutos para un periodo de retorno de 5 aos, el
mtodo de distribucin de probabilidad de Gumbel tiene valores ms grandes que el otro mtodo,
a partir de ah el mtodo de correlacin lineal mltiple tiene como resultado valores ms grandes
que el mtodo de distribucin de probabilidad, cabe notar que todava para todas las duraciones y
un periodo de retorno de 10 aos no existe una gran diferencia entre los valores de ambos
mtodos, sin embargo, a partir de un periodo de retorno de 20 aos ya los valores del mtodo de
correlacin son como mnimo 100 (mm/h) ms altos que el mtodo de distribucin de
probabilidad, esta tendencia se acenta mucho ms para periodos de retorno de 50 y 100 aos, lo
anterior se muestra en la siguiente Figura 34:
Comparativo de las diferencias entre

ambos mtodos
diferencia (mm/h)
2500
2000
1500
T = 2 aos
1000
T = 100 aos
500
0
0 10 20 30 40 50 60 70 80 90 100 110 120 130
duracion (minutos)
Figura 34.- Diferencia en (mm/h) entre los dos mtodos para periodos de retorno diferentes
Otra notable diferencia entre ambos mtodos es la separacin entre las curvas en ambos
mtodos, mientras que en el mtodo de correlacin lineal mltiple las lneas de las curvas se
encuentran con una mayor separacin entre s, en el mtodo de distribucin de probabilidad de
Gumbel la separacin entre las curvas es mnima, de hecho no se alcanzan a apreciar algunas
curvas por la proximidad de la siguiente.
Esta diferencia grafica mencionada en el prrafo anterior nos permite hacer notar que el mtodo
de distribucin de probabilidad arroja valores mucho ms compactos entre los periodos de
retorno es decir, no es tan grande las diferencias entre las intensidades entre por ejemplo un
periodo de retorno de 50 aos y uno de 100 aos, en cambio, en el mtodo de correlacin lineal
los valores de intensidades entre los mismos periodos de retorno (50 y 100 aos) si son demasiado
distantes entre uno y otro.
74
6.2
Discusin
Un modelo determinstico cuando cualquiera que sea el valor de la variable de tiempo, la

respuesta a una entrada dada es siempre la misma, para un mismo estado inicial del sistema. En
estos modelos el problema se reduce principalmente a la determinacin y ajuste de los
parmetros que describen el sistema, por ello tales modelos son llamados tambin paramtricos.
Debe hacerse notar, que en la realidad no es posible formular y simular un sistema hidrolgico
natural, en trminos estrictamente determinsticos, debido a la variabilidad en el tiempo de dichos
sistemas, variabilidad que se origina por los cambios introducidos por el hombre directa o
indirectamente y a los procesos naturales de erosin, cambios climticos y otros fenmenos que
constituyen la evolucin geomorfolgica de la tierra; adems, de las dificultades en la formulacin
matemtica de los complejos procesos fsicos involucrados.
En los modelos de simulacin estocsticos, se evalan los parmetros estadsticos que describen la
respuesta del sistema y se utilizan posteriormente en la generacin de series de datos hidrolgicos
estadsticamente indistinguibles de las series observadas.
Con los modelos determinsticos se pretende simular de manera continua en el tiempo una
sucesin de eventos hidrolgicos a intervalos cortos (horas o das) y la comprobacin de la validez
del modelo se realiza por comparacin con la sucesin de eventos observados; en cambio con los
modelos estocsticos no se busca una simulacin continua de eventos, sino la generacin de series
hidrolgicas no observadas de igual probabilidad de ocurrencia que las observadas, es decir,
fundamentalmente consiste en predecir a grandes intervalos (mes o ao) los valores
caractersticas de la respuesta del sistema y no su valor instantneo.
Cada uno de los dos enfoques expuestos tiene sus ventajas y limitaciones que los hacen
aconsejables para distintos tipos de problemas o diseos hidrolgicos.
75
7 Conclusiones
Se cumpli el objetivo planteado, calcularon, analizaron y compararon dos mtodos para la

obtencin de las curvas de intensidad-duracin-periodo de retorno, con ayuda de los resultados
obtenidos para el caso prctico de la ciudad de Tapachula Chiapas, del anlisis y comparacin
realizada en el captulo anterior se puede concluir:
Se obtuvieron resultados semejantes entre ambos mtodos ya que las curvas obtenidas tienen
una forma muy semejante y una tendencia a su crecimiento parecida.
Sin embargo, puede tambin comentarse de manera particular aspectos que sobresalen de cada
forma de tratar la informacin hidrolgica, en la forma determinstica los valores de los resultados
tienen un mucho mayor rango, en este mtodo se encuentran los valores mnimos y mximos
entre ambos, la tendencia a lneas rectas sobre todo para duraciones por arriba de los 40 minutos
es mucho ms marcada, pero sobre todo su principal caracterstica es que la distancia entre los
periodos de retorno se disparan para periodos de retorno grandes como 50 y 100 aos.
Para el tipo aleatorio digamos que los resultados se ubican en un rango estrecho de valores, su
grafica tiene una tendencia principalmente de arco es decir no se suaviza para ninguna duracin
en particular, y sobre todo los valores entre los diferentes periodos de retorno no se disparan, es
decir, la separacin de los valores para los periodos de retorno subsecuentes es uniforme y no se
disparan aunque sean periodos de retorno grandes.
Nuestro pas cuenta con muy pocos pluviogrfos, aproximadamente el 13% con suficientes aos
de registro en comparacin con la informacin de pluvimetros, la informacin necesaria para
elaborar estas curvas es muy reducida, a travs del Organismo de Cuenca de la Frontera Sur se
obtuvieron aparentemente alturas de precipitacin para duraciones de cada 3 horas sin embargo,
76
esa informacin como se coment dentro del cuerpo de la tesis, no brindaba certeza acerca de la
realidad de los datos, ya que al graficar la acumulacin de las alturas de precipitacin de la lluvia a
lo largo de un da, distaba mucho de parecerse a una grfica de una curva masa acumulada,
concepto que tambin se explic en el contenido de esta tesis, por tal motivo, se tuve que recurrir
a factores que se describen a continuacin:
El primero de ellos fue 0.35 para el factor R tomado de la publicacin de Campos Aranda
en 1990.
Los siguientes factores que se aplicaron son los propuestos por el OMM (Organismo
Mundial de Meteorologa) que atendiendo precisamente esta necesidad de contar con
duraciones menores a una hora para realizar estas curvas y pblico en su reporte numero
168 los siguientes factores para duraciones menores a una hora:
Duracin
(minutos)
10
20
30
40
45
50
60
Relacin
0.3
0.32
0.54
0.71
0.82
0.90
0.92
Ya que para la realizacin de las curvas se consider duraciones desde 5 minutos hasta
120 minutos debido a que el tiempo de concentracin en zonas urbanas es generalmente
de 120 minutos y Tapachula cuenta con una pendiente bastante grande as que damos por
hecho que para esta ciudad no se superar este tiempo de concentracin, por tanto, tuve
que calcular esta altura de precipitacin para valores mayores a una hora y esto se
resolvi con la ecuacin:
( )
( )
Esta ecuacin relaciona una duracin una hora con cualquier otra duracin mayor a esta,
publicada por Dionisio Aguilar Ramrez, en su tesis: Anlisis de la variacin climtica en el
Valle de Mxico. (Aguilar Ramrez, 2012)
Para el mtodo de distribucin de probabilidad de Gumbel se utiliz la siguiente:
Una ecuacin publicada por F.C. Bell que calcula alturas de precipitacin para cualquier
duracin y periodos de retorno a partir de una duracin de una hora y un periodo de
retorno de 2 aos la ecuacin es la siguiente:
(
77
)(
Si bien los coeficientes y ecuaciones que se aplicaron para la elaboracin de las curvas estn
basados en estudios serios que contemplan diferentes condiciones y son publicados por
investigadores con prestigio o por instituciones con reconocimiento mundial, estos factores nunca
podrn sustituir ni tampoco ser ms confiables que la informacin que arrojan los instrumentos
que miden directamente la cantidad de lluvia que se origina y en qu tiempo se origin en la zona
para la cual se elaboraran las curvas, por esto es muy importante que nuestro pas, cuente con una
red de pluvigrafos ms amplia y en las zonas en donde ya los tienen, conservarlos y brindarles un
mantenimiento adecuado para que puedan arrojarnos informacin para una gran cantidad de
aos de registro y sobre todo informacin fidedigna y confiable, ya que mientras ms informacin
tengamos para elaborar estas curvas ms eficientes sern los diseos para obras hidrulicas y
podremos prevenir fallas como inundaciones o desbordamientos.
Se recomienda tomar como herramienta en el clculo del diseo del drenaje pluvial de la ciudad
de Tapachula Chiapas esta investigacin, ya que con la obtencin de las curvas se dio un avance
significativo para el diseo y construccin del drenaje pluvial de esta ciudad que tanto lo requiere.
En trminos generales y atendiendo las hiptesis de esta tesis, se concluye que los resultados
obtenidos entre un mtodo y el otro son semejantes, ya que las curvas son muy parecidas entre
una metodologa y la otra variando nicamente los rangos de valores para los resultados
obtenidos pero conservando su forma y la tendencia de su crecimiento.
En realidad es imposible decir si un mtodo es mejor que el otro, porque incluso la forma de
abordar la solucin para encontrar las curvas es muy diferente entre uno y otro, como ya se
coment anteriormente, el objetivo principal de esta tesis es presentar dos alternativas para el
clculo de estas curvas, presentar la metodologa para realizar los clculos por ambos mtodos,
realizar un anlisis de las diferencias y/o semejanzas entre ellos, as como tambin, hacer
conciencia de la importancia de contar con curvas i-d-T actualizadas en las principales ciudades de
nuestro pas, ya que las condiciones climatolgicas y la cantidad de lluvia que se precipita en la
actualidad ha variado mucho en comparacin con pocas pasadas.
78
Bibliografa
Aguilar Ramrez, D. A. (2012). Analisis de la Variacin Climatica en el Valle de Mxico. En Tesis (pg.
127). Mxico, D.F.
lvarez Cceres, R. (2007). Estadtica Aplicada a las Ciencias de la Salud. Espaa: Daz de Santos.
Aparicio Mijares, F. J. (2011). Fundamentos de hidrologa de superficie. Mxico: Limusa.
Brea Puyol, A. F. (2003). Hidrologa Urbana. Mexico, D.F.: UAM.
Caamao Nelli, G., & Marcelo Garca, C. (1999). Relacin intensidad-duracin-recurrencia de
lluvias mximas: enfoque a travs del factor de frecuencia - caso lognormal. Ingeniera
Hidrulica en Mxico., XIV(3), 37-44.
Cceres Hernndez, J. J. (2007). Conceptos Bsicos de Estadstica para Ciencias Sociales. Madrid,
Espaa: Delta Publicaciones.
Campos Aranda, D. (1998). Procesos del Ciclo Hidrolgico. San Luis Potosi: Universidad Autnoma
de San Luis Potosi, Facultad de Ingeniera.
Cao, A. R. (2002). Introduccin a la Simulacin y a la Teora de Colas. La Corua, Espaa: NETBIBLO.
Chow, V. T., Maidment, D. R., & Mays, W. L. (1994). Hidrologa Aplicada. Santaf de Bogot,
Colombia.: McGraw-Hill.
Comision Nacional del Agua. (2011). Estadsticas del Agua en Mexico. Mxico: Secretara de Medio
Ambiente y Recursos Naturales.
Devore, J. L. (2008). Probabilidad y Estadstica para Ingeniera y Ciencias. Mxico, D.F.: Cengage
Learning.
Gonzlez Salazar, A., Jurez, A., & Loza Ramrez, L. (2008). Sincrona Summer. Recuperado el 10 de
Octubre de 2012, de http://sincronia.cucsh.udg.mx/salazar.htm
Haan, C. T. (1997). Estatical Methods in Hydrology. Iowa, United States of America: The Iowa State
University Press / Ames.
Ibarra Ochoa, M. (2011). Evaluacin de las Estimaciones de Lluvia del sistema hidroestimador en
las cuencas de los ros grijalva y usumancita del sureste de Mxico. Jiutepec, Morelos:
Tesis de Maestria.
Instituto de Ingenieria, UNAM; Instituto de Investigaciones Elctricas, CFE. (1981). Manual de
diseo de obras civiles. Mexico D.F.: CFE.
79
Larson, H. J. (1992). Introduccin a la Teora de Probabilidades e Inferencia Estadstica. Mxico,

D.F.: LIMUSA.
Levin, R. I., & Rubin, D. S. (2004). Estadstica para Administracin y Economa. Naucalpan, Edo. de
Mxico: Pearson Prentice Hall.
Maderey Rascn, L. E., & Jimnez Romn, A. (2005). Principios de Hidrogeografa Estudio del Ciclo
Hidrolgico. Mxico: Universidad Nacional Autnoma de Mxico.
Malhotra, N. K. (2004). Investigacin de Mercados Un Enfoque Aplicado. Mxico D.F.: Pearson
Educacin.
Meja Meja, E. (Noviembre de 2005). UNMSM. Recuperado el 2012, de
http://www.unmsm.edu.pe/educacion/postgrado/descargas/tecnicas.pdf
Moore, D. S. (2000). Estadstica aplicada bsica. Barcelona, Espaa: Antoni Bosch.
Perez, R., & Lpez, A. J. (2011). Mtodos estadsticos para Economa y Empresa. Oviedo, Espaa:
Creative Commons.
Ruz Marn, M. (s.f.). Regresin y Correlacin.
Urbano, M. d. (s.f.). Econometra Aplicada.
Vargas Sabadas, A. (1995). Estadstica Descriptiva e Inferencial. Castilla: Universidad de Castilla-La
Mancha.
Velsquez Mazariegos, S. (2011). Scribd. Recuperado el 18 de Octubre de 2012, de
http://es.scribd.com/doc/95693418/3/Curva-masa-o-de-Volumenes-Acumulados-Que-sepuede-conocer
Velzquez Angulo, G., & Esquivel Ceballos, V. H. (2009). Cambios en las curvas de intensidadduracin-periodo de retorno (IDT) por efecto del calentamiento global. Primera Reunin
de la Red Temtica de Agua del CONACyT. Cocoyoc, Morelos.
80
Anexo A
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.477
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
1.398
1.097
0.921
0.796
0.699
0.620
0.553
0.495
0.444
0.398
0.357
0.319
0.284
0.252
0.222
0.194
0.167
0.143
0.119
0.097
0.076
0.056
0.036
0.018
1.398
1.097
0.921
0.796
0.699
0.620
0.553
0.495
0.444
81
1.505
1.482
1.462
1.366
1.287
1.235
1.154
1.138
1.076
1.065
0.992
0.989
0.907
0.880
0.856
0.784
0.713
0.530
0.477
0.348
0.301
-0.281
-0.432
-0.778
1.472
1.462
1.458
1.287
1.243
1.138
1.128
1.065
1.065
2.103
1.626
1.346
1.087
0.900
0.765
0.638
0.563
0.478
0.424
0.354
0.315
0.258
0.221
0.190
0.152
0.119
0.076
0.057
0.034
0.023
-0.016
-0.016
-0.014
2.058
1.604
1.342
1.024
0.869
0.706
0.623
0.527
0.472
0.718
0.707
0.698
0.652
0.614
0.589
0.550
0.543
0.514
0.508
0.473
0.472
0.433
0.420
0.408
0.374
0.340
0.253
0.227
0.166
0.144
-0.134
-0.206
-0.371
1.146
1.138
1.134
1.002
0.967
0.886
0.878
0.829
0.828
1.954
1.203
0.848
0.633
0.489
0.384
0.306
0.245
0.197
0.158
0.127
0.102
0.081
0.063
0.049
0.038
0.028
0.020
0.014
0.009
0.006
0.003
0.001
0.000
1.954
1.203
0.848
0.633
0.489
0.384
0.306
0.245
0.197
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.228
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.667
0.523
0.439
0.380
0.333
0.296
0.264
0.236
0.212
0.190
0.170
0.152
0.136
0.120
0.106
0.092
0.080
0.068
0.057
0.046
0.036
0.026
0.017
0.008
1.088
0.854
0.717
0.619
0.544
0.482
0.430
0.385
0.345
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.778
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
0.954
1.079
1.079
1.079
0.398
0.357
0.319
0.284
0.252
0.222
0.194
0.167
0.143
0.119
0.097
0.076
0.056
0.036
0.018
1.398
1.097
0.921
0.796
0.699
0.620
0.553
0.495
0.444
0.398
0.357
0.319
0.284
0.252
0.222
0.194
0.167
0.143
0.119
0.097
0.076
0.056
0.036
0.018
1.398
1.097
0.921
82
1.057
0.992
0.981
0.977
0.922
0.869
0.844
0.794
0.713
0.483
0.477
0.040
0.000
-0.434
-0.769
1.462
1.437
1.432
1.287
1.251
1.138
1.100
1.065
1.045
1.037
1.010
0.992
0.963
0.935
0.889
0.859
0.832
0.745
0.713
0.477
0.037
-0.026
-0.176
-0.433
1.462
1.405
1.399
0.421
0.354
0.313
0.277
0.232
0.193
0.164
0.133
0.102
0.058
0.046
0.003
0.000
-0.016
-0.014
2.044
1.577
1.319
1.024
0.875
0.706
0.608
0.527
0.464
0.413
0.360
0.316
0.274
0.236
0.197
0.166
0.139
0.106
0.085
0.046
0.003
-0.001
-0.006
-0.008
2.044
1.541
1.289
0.823
0.772
0.764
0.760
0.718
0.676
0.657
0.618
0.555
0.376
0.371
0.031
0.000
-0.338
-0.598
1.395
1.372
1.367
1.228
1.194
1.086
1.050
1.016
0.997
0.990
0.964
0.947
0.919
0.893
0.848
0.819
0.794
0.711
0.680
0.455
0.035
-0.025
-0.168
-0.413
1.578
1.516
1.510
0.158
0.127
0.102
0.081
0.063
0.049
0.038
0.028
0.020
0.014
0.009
0.006
0.003
0.001
0.000
1.954
1.203
0.848
0.633
0.489
0.384
0.306
0.245
0.197
0.158
0.127
0.102
0.081
0.063
0.049
0.038
0.028
0.020
0.014
0.009
0.006
0.003
0.001
0.000
1.954
1.203
0.848
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.606
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
0.911
1.165
1.165
1.165
0.310
0.277
0.248
0.221
0.196
0.173
0.151
0.130
0.111
0.093
0.075
0.059
0.043
0.028
0.014
1.334
1.047
0.879
0.759
0.667
0.591
0.528
0.472
0.423
0.380
0.340
0.304
0.271
0.240
0.212
0.185
0.160
0.136
0.114
0.092
0.072
0.053
0.035
0.017
1.509
1.184
0.994
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.079
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
1.176
0.796
0.699
0.620
0.553
0.495
0.444
0.398
0.357
0.319
0.284
0.252
0.222
0.194
0.167
0.143
0.119
0.097
0.076
0.056
0.036
0.018
1.398
1.097
0.921
0.796
0.699
0.620
0.553
0.495
0.444
0.398
0.357
0.319
0.284
0.252
0.222
0.194
0.167
0.143
0.119
0.097
0.076
83
1.393
1.287
1.259
1.153
1.138
1.100
1.071
1.065
1.023
1.016
0.992
0.950
0.908
0.848
0.819
0.780
0.764
0.234
0.219
-0.301
-0.434
1.462
1.423
1.376
1.358
1.287
1.267
1.261
1.203
1.149
1.138
1.065
1.039
1.025
0.994
0.992
0.956
0.936
0.837
0.807
0.742
0.667
1.109
0.900
0.781
0.638
0.563
0.488
0.426
0.380
0.326
0.289
0.250
0.211
0.176
0.142
0.117
0.093
0.074
0.018
0.012
-0.011
-0.008
2.044
1.561
1.267
1.081
0.900
0.785
0.697
0.595
0.510
0.453
0.380
0.331
0.291
0.250
0.220
0.185
0.157
0.119
0.096
0.072
0.050
1.503
1.389
1.359
1.245
1.228
1.187
1.156
1.149
1.105
1.097
1.071
1.025
0.979
0.915
0.884
0.841
0.824
0.252
0.236
-0.325
-0.468
1.719
1.673
1.618
1.597
1.514
1.490
1.483
1.414
1.351
1.339
1.252
1.222
1.206
1.170
1.167
1.125
1.101
0.984
0.949
0.872
0.784
0.633
0.489
0.384
0.306
0.245
0.197
0.158
0.127
0.102
0.081
0.063
0.049
0.038
0.028
0.020
0.014
0.009
0.006
0.003
0.001
0.000
1.954
1.203
0.848
0.633
0.489
0.384
0.306
0.245
0.197
0.158
0.127
0.102
0.081
0.063
0.049
0.038
0.028
0.020
0.014
0.009
0.006
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.165
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
1.383
0.859
0.754
0.669
0.597
0.534
0.479
0.429
0.385
0.344
0.306
0.272
0.239
0.209
0.181
0.154
0.129
0.105
0.082
0.060
0.039
0.019
1.644
1.290
1.083
0.936
0.822
0.729
0.650
0.582
0.522
0.468
0.419
0.375
0.334
0.296
0.261
0.228
0.197
0.168
0.140
0.114
0.089
1.176
1.176
1.176
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.255
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
0.056
0.036
0.018
1.398
1.097
0.921
0.796
0.699
0.620
0.553
0.495
0.444
0.398
0.357
0.319
0.284
0.252
0.222
0.194
0.167
0.143
0.119
0.097
0.076
0.056
0.036
0.018
1.398
1.097
0.921
0.796
0.699
0.620
0.553
0.495
0.444
0.398
0.357
0.319
0.284
0.252
0.222
84
0.395
0.389
-0.398
1.462
1.347
1.345
1.343
1.329
1.312
1.287
1.275
1.193
1.138
1.118
1.081
1.065
1.036
1.005
0.992
0.971
0.921
0.825
0.793
0.588
0.526
0.513
-0.477
1.462
1.427
1.419
1.312
1.287
1.283
1.277
1.260
1.233
1.212
1.194
1.179
1.138
1.065
0.992
0.022
0.014
-0.007
2.044
1.478
1.239
1.069
0.929
0.813
0.712
0.631
0.529
0.453
0.399
0.345
0.302
0.261
0.223
0.192
0.163
0.131
0.098
0.077
0.045
0.029
0.019
-0.008
2.044
1.565
1.307
1.044
0.900
0.795
0.706
0.624
0.547
0.482
0.426
0.376
0.323
0.268
0.220
0.465
0.457
-0.468
1.835
1.691
1.688
1.686
1.669
1.647
1.616
1.601
1.497
1.429
1.403
1.358
1.336
1.300
1.262
1.246
1.219
1.157
1.036
0.996
0.738
0.660
0.643
-0.599
1.933
1.887
1.876
1.734
1.702
1.696
1.688
1.666
1.630
1.603
1.579
1.558
1.505
1.408
1.312
0.003
0.001
0.000
1.954
1.203
0.848
0.633
0.489
0.384
0.306
0.245
0.197
0.158
0.127
0.102
0.081
0.063
0.049
0.038
0.028
0.020
0.014
0.009
0.006
0.003
0.001
0.000
1.954
1.203
0.848
0.633
0.489
0.384
0.306
0.245
0.197
0.158
0.127
0.102
0.081
0.063
0.049
1.383
1.383
1.383
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.576
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
0.065
0.043
0.021
1.755
1.377
1.156
0.999
0.877
0.778
0.694
0.621
0.557
0.500
0.448
0.400
0.356
0.316
0.278
0.243
0.210
0.179
0.150
0.122
0.095
0.070
0.045
0.022
1.848
1.450
1.218
1.052
0.924
0.819
0.731
0.654
0.587
0.526
0.471
0.421
0.376
0.333
0.293
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.322
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
1.380
0.194
0.167
0.143
0.119
0.097
0.076
0.056
0.036
0.018
1.398
1.097
0.921
0.796
0.699
0.620
0.553
0.495
0.444
0.398
0.357
0.319
0.284
0.252
0.222
0.194
0.167
0.143
0.119
0.097
0.076
0.056
0.036
0.018
0.969
0.947
0.907
0.814
0.780
0.636
0.605
0.521
0.246
1.507
1.481
1.462
1.451
1.339
1.290
1.287
1.275
1.269
1.259
1.258
1.252
1.235
1.202
1.138
1.065
0.992
0.928
0.921
0.891
0.833
0.802
0.766
0.681
0.188
0.159
0.129
0.097
0.076
0.048
0.034
0.019
0.004
2.106
1.624
1.346
1.155
0.936
0.800
0.712
0.631
0.563
0.501
0.448
0.399
0.351
0.303
0.253
0.206
0.166
0.132
0.110
0.086
0.063
0.045
0.028
0.012
1.281
1.252
1.199
1.076
1.031
0.841
0.800
0.689
0.325
2.080
2.044
2.018
2.002
1.847
1.781
1.777
1.760
1.752
1.738
1.736
1.729
1.704
1.659
1.571
1.469
1.370
1.281
1.271
1.230
1.149
1.106
1.057
0.940
0.038
0.028
0.020
0.014
0.009
0.006
0.003
0.001
0.000
1.954
1.203
0.848
0.633
0.489
0.384
0.306
0.245
0.197
0.158
0.127
0.102
0.081
0.063
0.049
0.038
0.028
0.020
0.014
0.009
0.006
0.003
0.001
0.000
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.748
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
1.905
0.256
0.221
0.189
0.158
0.128
0.100
0.073
0.048
0.023
1.929
1.514
1.271
1.098
0.965
0.855
0.763
0.683
0.612
0.549
0.492
0.440
0.392
0.348
0.306
0.268
0.231
0.197
0.165
0.134
0.105
0.077
0.050
0.024
202.14
78.06
180.05
96.09
195.43
55.67
228.49
82.19
85
Anlisis de la informacin brindada de un pluvigrafo por el Organismo de Cuenca de la

Frontera Sur
ANOZ
1992
1992
1992
1992
1992
1992
1992
1992
MESZ
09
09
09
09
09
09
09
09
DIAZ
19
19
19
19
19
19
20
20
HRAZ
03
06
12
15
18
21
00
03
EST
76903
76903
76903
76903
76903
76903
76903
76903
TERM
0
0
0
0
0
0
0
0
PRE24
0
0
27
0
0
0
0
163.3
PRELAM
0
23
4
0
0
0
16
1
Mtodo de factor de ajuste relacionando estaciones pluviomtricas cercanas al

pluvigrafo.
86
Estacin 1 :
Pluvigrafo Tapachula
Estacin 2 :
Pluvimetro Puerto Madero
Estacin 3 :
Pluvimetro Finca Chicharras
Estacin 4 :
Pluvimetro Ignacio Lpez Rayn
Duracin
(horas)
hp (mm)
0
3
6
9
12
15
18
21
24
0
23
27
0
0
0
0
43
163.3
Estaciones
Factores de Ajuste
Estacin 1
Estacin 2
0.36
Estacin 3
0.77
Estacin 4
0.50
PRETPO
0
6
6
0
0
0
6
1
Tiempo (hrs)
0
Estacin 1
0
Estacin 2
0
Estacin 3
0
Estacin 4
0
23
8.31
8.31
11.41
27
9.76
20.75
13.39
12
15
18
21
43
15.54
33.05
21.33
24
163.3
59
125.50
81
Interpolacin
(horas)
(mm)
0
0
3
10.17
6
6.58
9
9.80
12
19.85
15
36.70
18
60.38
21
90.86
24
163.30
hp (mm)
duracin vs hp
y = 0.3786x2 - 4.6033x + 20.568

R = 0.7277
180
160
140
120
100
80
60
40
20
0
E1
E2
E3
E4
Polinmica (E1)
0
10
20
duracin (horas)
87
30
Anexo B
Cada espacio muestral tiene su propia funcin de distribucin o de densidad de probabilidad, que
normalmente no se conoce a priori. Cuando de ese espacio se extrae un grupo de datos (muestra)
al azar, es razonable esperar que su funcin de distribucin de probabilidad sea similar a la del
espacio completo, en particular si la muestra es grande. Adems, lo ms razonable que se puede
suponer en cuanto a la frecuencia de cada dato del grupo es que sta sea, dentro del espacio
muestral, igual a la observada.
Considrese, por ejemplo, el conjunto de diez gastos mximos anuales de la siguiente tabla.
1972 1973 1974 1975 1976 1977
2000 5000 4500 3800 2900 3100
1978 1979 1980 1981

1500 2200 3900 4700
Si esta muestra fuera todo el espacio, la funcin de distribucin de probabilidades sera la

mostrada en la figura. De esta funcin se observa, por ejemplo, que la probabilidad de que el
gasto mximo anual ser menor o igual a 1500 m/s se encuentra dentro de los lmites.
(
y la probabilidad de que dicho gasto sea menor o igual a 5000 m/s se encuentra dentro de los
lmites
(
Los lmites de las ecuaciones anteriores se pueden expresar en funcin de la posicin de la variable
aleatoria (
) en una tabla de valores de la misma, ordenados de mayor a menor (vase en
la siguiente tabla). As, si es el nmero de orden y el nmero total de datos, y si se escoge el
lmite superior en las ecuaciones pasadas, se tiene para un valor de con nmero de orden :
88
1
5000
10
4700 4500 3900 3800 3100 2900 2200 2000 1500
y si se toma el lmite inferior resulta:

(
Se observa que, en el caso de la primera ecuacin, la probabilidad de que el gasto sea mayor de
5000 m/s es nula y, en el segundo caso, la probabilidad de que el gasto mximo anual sea menor
de 1500 m/s es tambin nula.
Sin embargo, resulta absurdo decidir que jams se presentar un gasto mayor de 5000 m/s o uno
menor de 1500 m/s slo porque en 10 aos de registro no se han presentado gastos de estas
magnitudes. En vista de que este gasto es una variable aleatoria continua, cuyo dominio de
definicin es:
Siempre habr una probabilidad no nula de que se presente un gasto menor o igual que un valor
cualquiera en este rango, no importa qu tan pequeo o grande sea dicho valor.
De aqu la necesidad de usar una frmula que asigne una probabilidad no nula a cualquier evento.
Esto puede hacerse con una frmula del tipo:
(
que sita la probabilidad exactamente en el centro del intervalo.

Otra manera de hacer lo anterior es suponiendo que la frecuencia observada de un evento es la
misma que la poblacin de frecuencias de ese evento, lo que conduce a la frmula:
(
La ecuacin anterior es la ms usada en hidrologa. El periodo de retorno del

los
registrados es entonces, de acuerdo con la ecuacin anterior y la ecuacin
89
-simo evento de
.
As, el mximo evento registrado en un conjunto de 10 tiene un periodo de retorno de 11 aos y el

mnimo lo tiene de 1.1 aos.
En Hidrologa, normalmente se prefiere trabajar con periodos de retorno en lugar de
probabilidades, pues es un concepto que resulta ms claro ya que tiene las mismas unidades
(tiempo) que la vida til de las obras y puede compararse con sta.
(Aparicio Mijares, 2011).
90
Anexo C
Definicin : En el contexto del anlisis de la regresin lineal simple el coeficiente de correlacin
mltiple establece una medida del grado de asociacin lineal entre la variable respuesta y la
variable predictora, concretamente entre la variable respuesta y la recta de regresin estimada. Se
define, a partir de los pares de observaciones, mediante:
)(
)
(
Su cuadrado, , denominado coeficiente de determinacin mltiple, puede interpretarse como el

porcentaje de variabilidad de explicada o debida a la recta de regresin, en tanto que puede
comprobarse que:
Cuando todos los puntos se encuentran sobre la recta de regresin estimada, es decir, "el ajuste es
perfecto", la suma de cuadrados de residuos,
, toma el valor cero y , por tanto,
= 1. El
denominador de la ltima expresin es una medida de la variabilidad total de las observaciones
de la variable respuesta.
http://e-stadistica.bio.ucm.es/glosario/coef_corre.html
91

Tesis

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis

Cargado por

Copyright:

Formatos disponibles

TESIS PROFESIONAL

Para obtener el ttulo de

Ciudad Universitaria, Mxico, Abril 2013

A Dios, que me regala la vida y siempre me bendice.

Objetivo general ..................................................................................................... 8

Objetivos particulares ............................................................................................. 8

Marco Terico ............................................................................................................. 9

Diseo de la Investigacin ....................................................................................... 12

Tipo de Investigacin ............................................................................................ 12

Diseo de Investigacin ........................................................................................ 13

2 Conceptos Generales ............................................................14

El ciclo Hidrolgico y la distribucin del agua ............................................................... 14

Medicin de la precipitacin ........................................................................................ 16

Radar meteorolgico ................................................................................................ 25

Curva masa acumulada ................................................................................................ 26

Algunos conceptos de probabilidad y estadstica ......................................................... 29

Periodo de retorno ................................................................................................... 31

3 Curvas intensidad-duracin-periodo de retorno .........34

Implicaciones de las curvas ..................................................................................... 35

Mtodos para su obtencin ..................................................................................... 36

Mtodo de correlacin lineal mltiple ................................................................ 36

Mtodo intensidad de lluvia-perodo de retorno ................................................ 37

4 Mtodo de Correlacin Lineal Mltiple .................................38

Modelo de Regresin Lineal Simple ....................................................................... 38

Obtencin de los estimadores mnimo-cuadrticos............................................. 42

Regresin Lineal Mltiple ........................................................................................ 44

Coeficiente de Correlacin Mltiple ....................................................................... 46

Calculo de las Curvas i-d-T para un caso prctico ................................................ 47

5 Distribucin de Probabilidad de Gumbel ...............................60

Estadstica Hidrolgica ............................................................................................ 60

Tratamiento probabilstico de la informacin hidrolgica................................. 61

Ajuste a una distribucin de probabilidad ............................................................ 63

Distribucin de Probabilidad de Valores Extremos Tipo I o de Gumbel .......... 64

Calculo de las Curvas i-d-T para un caso prctico ................................................ 67

6 Anlisis comparativo del caso practico ..................................73

Comparacin de resultados ..................................................................................... 73

1 Componentes del tema

intensidad-duracin-periodo de retorno, de una forma determinstica y otra aleatoria, adems

Comparar dos maneras de tratar la estadstica hidrolgica, una determinstica y la otra

Conocer que mtodo se ajusta ms a ciertas necesidades de diseo de obras hidrulicas.

Analizar las caractersticas de cada mtodo para la obtencin de las curvas.

Obtener las curvas de intensidad-duracin-periodo de retorno aplicables a la ciudad de

El Servicio Meteorolgico Nacional realiza el registro de la precipitacin en Mxico a travs de las

Figura 1.- Distribucin de estaciones climatolgicas convencionales (GASIR)

Figura 2.- Distribucin actual de Observatorios Meteorolgicos, EMAS y ESIMES

Figura 3.- Red de estaciones climatolgicas CLICOM

Por tanto, la prevencin de los riesgos climatolgicos se realiza recurriendo a la observacin de

La poblacin, en trminos investigativos y metodolgicos, hace referencia al conjunto de todos los

El ciclo Hidrolgico y la distribucin del agua

Conocer la distribucin es importante para fines de aplicaciones cientficas y socioeconmicas,

Figura 4.- Ciclo hidrolgico del agua

Figura 5.- Grado de presin sobre los recursos hdricos, 2009

Figura 6.- Pluvimetro Ordinario

Figura 7.- Pluvimetro tipo norteamericano

Figura 8.- Pluvimetro tipo Hellmann

Figura 9.- Nivmetro radiactivo

Figura 10.- Totalizador de montaa

Figura 11.- Pluvigrafo sin sifn automtico

b) Pluvigrafo de flotador con sifn automtico

Figura 12.- Pluvigrafo de flotador con sifn automtico tipo Hellmann

Figura 13.- Pluvigrafo de balanza

Figura 14.- Pluvigrafo de oscilacin

e) Combinacin del pluvigrafo de balanza y el de oscilacin

Figura 15.- Pluvigrafo combinacin de balanza y de oscilacin tipo Nilsson