Villn Bejar, Mximo.

HidroEsta, software para clculos hidrolgicos.

Tecnologa en Marcha. Vol. 18 N. 2 Especial.

HidroEsta, software
para clculos hidrolgicos
Mximo Villn Bejar

Palabras clave
Precipitacin, caudales, variables
aleatorias, distribuciones, parmetros
estadsticos, media, varianza, hidrologa.

Resumen
Este trabajo de investigacin se orient
a la elaboracin de una herramienta
computacional bajo el ttulo HidroEsta,
software para clculos hidrolgicos,
utilizando Visual Basic, el cual pretende
ser una aplicacin que permita facilitar
y simplificar los clculos laboriosos
que se deben realizar en los estudios
hidrolgicos.
El software permite el clculo de los
parmetros estadsticos, clculos de
regresin lineal, no lineal, simple y
mltiple, as como regresin polinomial,
evaluar si una serie de datos se ajustan
a una serie de distribuciones, calcular
a partir de la curva de variacin
estacional o la curva de duracin,
eventos de diseo con determinada
probabilidad de ocurrencia, realizar el
anlisis de una tormenta y calcular
intensidades mximas, a partir de
datos de pluviogramas, los clculos de
aforos realizados con correntmetros

o molinetes, el clculo de caudales

mximos, con mtodos empricos
y estadsticos, clculos de la
evapotranspiracin y clculo del balance
hdrico.
En la investigacin se probaron diferentes
mtodos numricos para la solucin de
las ecuaciones, seleccionndose el ms
adecuado para cada situacin.
El producto del trabajo proporciona al
ingeniero civil, agrcola, agrnomo,
hidrlogos y otros especialistas que
trabajen en este campo, una herramienta
que permite realizar clculos, simulaciones
rpidas, y determinar los caudales o
precipitaciones de diseo.

Introduccin
Los estudios hidrolgicos requieren
del anlisis de cuantiosa informacin
hidrometeorolgica; esta informacin
puede consistir en datos de precipitacin,
caudales, temperatura, evaporacin, etc.
Los datos recopilados, solo representan
una informacin en bruto, pero si estos
se organizan y se analizan en forma
adecuada, proporcionan al hidrlogo una
herramienta de gran utilidad, que le

1 Ingeniero agrcola, especialista en ingeniera de recursos de aguas y suelos y computacin.

Catedrtico, Escuela Ingeniera Agrcola. Instituto Tecnolgico de Costa Rica. Cartago, Costa Rica.
Telfono: 550-2595. Correo electrnico: mvillon@itcr.ac.cr.

Vol. 18 N. 2 Especial

67

permite tomar decisiones en el diseo de

estructuras hidrulicas (5).
Para realizar los clculos, los hidrlogos
tienen que afrontar una serie de
problemas, debido a que:

El procesamiento de la informacin
que se tiene que realizar es bastante
laboriosa.

Las ecuaciones por solucionar,

en la mayora de los casos, son
muy complejas, y para su solucin
se requiere del uso de mtodos
numricos.

Las simulaciones que se realizan

manualmente consumen mucho
tiempo, debido a los clculos
requeridos.

Por lo laborioso del proceso de

la informacin y de los clculos, se
puede incurrir en errores, en razn de
lo cual es necesario un software que
brinde al hidrlogo una herramienta
que le permita simplificar todos estos
procesos, e inclusive posibilitarle
simular sus resultados, facilitando con
esto optimizar su diseo.
Objetivo
Elaborar un software que facilite y
simplifique los clculos laboriosos, y
el proceso del anlisis de la abundante
informacin que se deben realizar en los
estudios hidrolgicos.

Fundamentos tericos
Variables aleatorias
Una variable aleatoria (1) es una funcin
X, definida sobre un espacio muestral
S, que asigna un valor a esta variable,
correspondiente a cada punto (o cada
resultado) del espacio muestral de un
experimento.
A una variable aleatoria se le conoce
tambin como variable estocstica, sus
valores son nmeros reales, que no pueden

68

Vol. 18 N. 2 Especial

predecirse con certeza antes de ocurrir el

fenmeno; es decir, ocurren al azar.
Variable aleatoria discreta
Se dice que una variable aleatoria
X es discreta cuando sus valores se
restringen a un conjunto enumerable
finito o infinito.
Ejemplo: Nmero de das de lluvias
ocurridas en los meses de un ao
cualquiera.
Variable aleatoria continua
Se dice que una variable aleatoria X
es continua, cuando sus valores se
encuentran en un rango continuo y
puede ser representado por cualquier
nmero entero o decimal.
Ejemplo: El caudal diario registrado en
una estacin de aforo.
Distribuciones
El comportamiento de una variable
aleatoria se describe mediante su ley de
probabilidades, que, a su vez, se puede
caracterizar de varias maneras. La ms
comn es mediante la distribucin de
probabilidades de la variable aleatoria (4).
Notacin:
X variable aleatoria de la funcin
x valor particular que toma la
variable aleatoria
f(x) funcin de densidad de probabilidad
(funcin
de
probabilidad,
distribucin de probabilidad de x)
F(x) funcin acumulada (funcin de
distribucin acumulada)
Medidas de las distribuciones
La media aritmtica

Dada la muestra compuesta de n datos,

x1, x2, ..., xn, la media, se define como la
suma algebraica de ellas, dividida entre
el nmero de datos. Cuando se calcula
la media para una poblacin, esta se

denota por , y cuando se trata de una

muestra, por x.
Matemticamente, la media de los datos
no agrupados se representa por:

La moda
Es aquel valor que se repite ms
frecuentemente en un conjunto de datos,
se denota por Mo.
Para datos agrupados en intervalos de
clase, la moda, una vez determinada la
clase modal, se calcula con la siguiente
ecuacin:

donde:
Mo = moda

donde:
= media poblacional

Lm = lmite inferior de la clase modal

= media muestral

d1 = diferencia entre la frecuencia

de la clase modal y la
premodal (clase anterior)

xi = valor i-simo de la muestra

n = nmero de datos de la muestra o
poblacin
La mediana
Es un valor nico de un conjunto de
datos que mide el elemento central en
los datos (5). Este nico elemento de los
datos ordenados es el ms cercano a la
mitad, o el ms central en el conjunto
de nmeros. La mitad de los elementos
quedan por encima de ese punto, y la
otra mitad por debajo de l.
Sean x1, x2, x3, ..., xn datos ordenados por
magnitud creciente o decreciente y n el
nmero impar de datos, la mediana (Med)
es el dato situado en el centro, es decir:
Med =

, para n impar

si n es par, la mediana es el promedio de

los nmeros centrales; es decir:

d2 = diferencia entre la frecuencia

de la clase modal y la
posmodal (clase siguiente)
w = amplitud del intervalo de clase
En general, la clase modal es aquella
que tiene la mxima frecuencia.
Varianza
La varianza poblacional
se define
como la suma de cuadrados de las
desviaciones de los datos con respecto a
la media, dividida entre el nmero total
de datos, es decir:

La varianza muestral (S) (5) se obtiene

dividiendo la suma de cuadrados de las
observaciones de los datos con respecto
a la media, entre el nmero total de
datos menos uno; es decir:

, para n par

Vol. 18 N. 2 Especial

69

Desviacin estndar

donde:

La desviacin estndar se define como

la raz cuadrada positiva de la varianza;
es decir:
(poblacional)
(muestral)
Coeficiente de variacin

Es una medida relativa de dispersin,

que relaciona la desviacin estndar y la
media; es decir:

Curtosis
Para datos poblacionales, el coeficiente
de curtosis (k) se define mediante la
siguiente ecuacin:

Sesgo
El sesgo es el estadstico que mide la
simetra y asimetra (2).

donde:

El sesgo ( ) para datos poblacionales se

obtiene con la siguiente ecuacin:

donde:

El coeficiente de curtosis para datos

muestrales (2) se define como:

El sesgo para datos muestrales, se

obtiene con:

70

Vol. 18 N. 2 Especial

donde:

Grfico

Mnimos cuadrados

Momentos

Mxima verosimilitud

Pruebas de bondad de ajuste

Los parmetros de una distribucin

terica son variables que para cada
conjunto de datos tiene un valor definido.
Una vez que los parmetros quedan
definidos, tambin queda definida la
distribucin terica.

Las pruebas de bondad de ajuste

consisten en comprobar, grfica y
estadsticamente, si la frecuencia
emprica de la serie analizada se
ajusta a una determinada funcin de
probabilidades terica seleccionada a
priori, con los parmetros estimados,
con base en los valores muestrales.

Por lo general, una funcin densidad o una

funcin de distribucin acumulada, puede
escribirse como una funcin de la variable
aleatoria y, en general, como una funcin
de sus parmetros; as, por ejemplo, la
funcin densidad de la distribucin normal
de variable aleatoria X, es:

Las pruebas estadsticas (4) tienen por

objeto medir la certidumbre que se
obtiene al hacer una hiptesis estadstica
sobre una poblacin; es decir, calificar
el hecho de suponer que una variable
aleatoria se distribuya segn una cierta
funcin de probabilidades.

Estimacin de parmetros

Las pruebas de bondad de ajuste ms

utilizadas son:

Ajuste grfico

donde:

= parmetro de localizacin.

Ajuste
Chi - cuadrado
estadstico Smirnov - Kolmogorov

= parmetro de escala.

Distribuciones tericas

Para que la funcin f(x), quede definida,

debe calcularse los parmetros y .
Como normalmente no se conocen todos
los valores de la variable aleatoria, la
estimacin de los parmetros se realiza
a partir de una muestra (4).
Mtodos de estimacin
de parmetros
Para determinar los valores numricos
de los parmetros de la distribucin
terica, a partir de los datos muestrales,
se utilizan varios mtodos de estimacin
(5), siendo en orden ascendente de menor
a mayor eficiencia, los siguientes:

El hidrlogo generalmente tendr

disponible un registro de datos
hidrometeorolgico (precipitacin,
temperaturas,
evapotranspiracin,
caudales, etc.), a travs de su conocimiento
del problema fsico, escoger un modelo
probabilstico por usar, que represente en
forma satisfactoria el comportamiento
de la variable.
Distribucin normal o gaussiana
Se dice que una variable aleatoria X
tiene una distribucin normal (2), si su
funcin densidad, es:

Vol. 18 N. 2 Especial

71

para - < x <

donde:
f(x) = funcin densidad normal de la
variable x
x=

variable independiente

X =

parmetro de localizacin,
igual a la media aritmtica
de x

S =

parmetro de escala, igual a la

desviacin estndar de x

EXP =
funcin
exponencial
con
base e, de los logaritmos
neperianos.
Cuando la variable aleatoria X se
distribuye normalmente con media
y varianza ( 2 = S2), se denota
de la siguiente forma:

Donde y, y, son la media y desviacin

estndar de los logaritmos naturales
de x; es decir, de lnx, y representan,
respectivamente, el parmetro de
escala y el parmetro de forma de la
distribucin.
Distribucin gamma
de dos parmetros

Se dice que una variable aleatoria X,

tiene una distribucin gamma de 2
parmetros (5), si su funcin densidad
de probabilidad es:

f ( x) =

x
e

( )

para:
0x<
0 < <
0<<
siendo:

Distribucin log-normal
de 2 parmetros

La variable aleatoria X es positiva y el

lmite inferior xo no aparece.
La variable aleatoria: Y = lnX, es
normalmente distribuida con media y
y varianza
y
Se usan estos parmetros para especificar
que la distribucin es logartmica, puesto
que tambin puede usarse la media y la
varianza de X.

parmetro de forma (+)

parmetro de escala (+)

= funcin gamma
definida como:

que converge si

Se dice que una variable aleatoria X tiene

una distribucin log-Pearson tipo II [5],
si su funcin densidad de probabilidad
es:

para:
xo x <

72

Vol. 18 N. 2 Especial

>0

Distribucin log-Pearson tipo III

Se dice que una variable aleatoria X

tiene una distribucin log-normal de 2
parmetros (5), si su funcin densidad es:

para 0 < x <

completa,

- < xo <
0<<

0 < <

La funcin de distribucin acumulada de

la distribucin Gumbel (5) tiene la forma:

donde:
xo = parmetro de posicin
= parmetro de escala

para: - < x <

= parmetro de forma

donde:

Distribucin Gumbel

La distribucin Gumbel (5) es una de

las distribuciones de valor extremo, es
llamada tambin Valor Extremo Tipo I,
Fisher-Tippett tipo I o distribucin doble
exponencial.
La funcin de distribucin acumulada de
la distribucin Gumbel, tiene la forma:
F(x) = EXP(-EXP(-(x - ) /))

0 < < es el parmetro de escala

- < < es el parmetro de posicin,
llamado tambin valor central o moda
si en la ecuacin, la variable x se
reemplaza por lnx, se obtiene la funcin
acumulada de la distribucin logGumbel, o distribucin de Frchet.
Medicin de caudales (aforos)

para: - < x <

donde:
0 < < es el parmetro de escala
- < < es el parmetro de posicin,
llamado tambin valor central o moda
Derivando la funcin de distribucin
acumulada con respecto a x, se obtiene
la funcin densidad de probabilidad; es
decir:

La hidrometra es la rama de la
Hidrologa que estudia la medicin del
escurrimiento. Para este mismo fin, es
usual emplear otro trmino denominado
aforo. Aforar una corriente significa
determinar, a travs de mediciones, el
caudal que pasa por una seccin dada y
en un momento dado (6).
Caudales mximos
Para disear (6):

Las dimensiones de un cauce

Sistema de drenaje
- agrcola

- aeropuerto
- ciudad
- carretera

para:
- < x <
Distribucin log-Gumbel

Muros de encauzamiento para

proteger ciudades y plantaciones

Alcantarillas

Vertedores de demasas

Luz en puentes

Se debe calcular o estimar el caudal

de diseo que, para esos casos, son los
caudales mximos.

Vol. 18 N. 2 Especial

73

Algunos mtodos para el clculo del

caudal mximo, son:

algoritmo de Newton Raphson

Mtodo directo

mtodo de la secante

Mtodos empricos

integracin grfica

interpolacin de Lagrange

Mtodo del nmero de curva

algoritmo de Romberg

Mtodos estadsticos

Mtodos hidrolgicos

Para el clculo de las distribuciones

acumuladas tericas como la Normal,
Log-Normal, Gamma, y el clculo de sus
valores inversos, se utiliza el desarrollo
de series.

Evapotranspiracin
Son las prdidas totales: evaporacin
de la superficie evaporante (del suelo y
agua) + transpiracin de las plantas.
El trmino evapotranspiracin potencial
(6) fue introducido por Thornthwaite y
se define como la prdida total del agua
que ocurrira si en ningn momento
existiera deficiencia de agua en el suelo
para el uso de la vegetacin.

Muchas soluciones de las ecuaciones se

realizan mediante nomogramas y tablas.
Para un proceso computacional, estas se
deben transformar a ecuaciones, por lo
que se investigarn las ecuaciones ms
adecuadas, utilizando:

correlaciones lineales simples

correlaciones no lineales, simples

Se define como el uso consuntivo la

suma de la evapotranspiracin y el agua
utilizada directamente para construir
los tejidos de las plantas.

correlaciones lineales mltiples

correlaciones no lineales mltiples

Como el agua para construir los tejidos

comparada con la evapotranspiracin es
despreciable, se puede tomar:

Resultados

Uso consuntivo evapotranspiracin

En los proyectos de irrigacin
interesa hacer clculos previos de las
necesidades de agua de los cultivos.
Estas necesidades de agua, que van a
ser satisfechas mediante el riego, viene
a constituir la evapotranspiracin o el
uso consuntivo.
Para el clculo de estas cantidades de
agua, se han desarrollado mtodos
basados en datos meteorolgicos, de
los cuales los ms conocidos son el
Thornthwaite y el de Blaney Clidde.

Materiales y mtodos

El producto de este trabajo es HidroEsta.

Una de sus pantallas, correspondiente
al clculo de la distribucin normal,
se muestra en la figura de la siguiente
pgina.

Discusin
Los
resultados
computacionales
obtenidos con la aplicacin son, en
todos los casos, ms aproximados que
los obtenidos con los nomogramas.
HidroEsta representa una contribucin
para simplificar los estudios hidrolgicos.
Es importante porque:

Proporciona una herramienta

novedosa y fcil de utilizar para el
ingeniero civil, ingeniero agrcola,
ingeniero agrnomo y otros
especialistas que trabajen en el
campo de los estudios hidrolgicos.

Permite, simplificar el proceso de

la abundante informacin y los

Para el desarrollo del software, se utiliz

Visual Basic, versin 6.0, la cual permite
crear aplicaciones de 32 bits.
Para la solucin de las ecuaciones, se
utilizarn los mtodos numricos, tales
como:

74

Vol. 18 N. 2 Especial

clculos laboriosos.

Permite a partir de la informacin

proporcionada,
simular
los
parmetros de diseo de las
estructuras por construir.

Reduce enormemente el tiempo de

clculo.

Permite obtener un diseo ptimo y

econmico.

Agradecimiento
Un especial agradecimiento a la
Vicerrectora de Investigacin y
Extensin del Instituto Tecnolgico de
Costa Rica, que facilitaron el tiempo y
el material para realizar este trabajo.

in hydrology. Water Resources

Publications, Michigan, U.S.A. 1977.
3 Maidment, David. Handbook of hydrology.
Editorial McGraw-Hill. New Cork
USA. 1993.
4 Villn, Mximo. Diseo de capacidad de
embalses por el mtodo experimentalteora de range. Tesis para optar
por el grado de Magster Scientiae
en Ingeniera de Recursos de Agua y
Tierra. Universidad Nacional Agraria
La Molina. Lima Per, 1983.
5 Villn, Mximo. Hidrologa estadstica. Taller
de Publicaciones. Instituto Tecnolgico
de Costa Rica. Cartago - Costa Rica.
2001.
6 Villn, Mximo. Hidrologa. Taller de
Publicaciones. Instituto Tecnolgico
de Costa Rica. Cartago Costa Rica.
2002.

Referencias bibliogrficas
1 Haan, Ch. Statistical methods in hydrology.
Iowa State University Press, U.S.A.,
1977.
2 Kite, G.W. Frequency and risk analyses

Vol. 18 N. 2 Especial

75