Documentos de Académico
Documentos de Profesional
Documentos de Cultura
5 Estadística
5 Estadística
73
74
75
m
n
76
(5.1)
1)
0 Pi 1
(5.2)
.
La probabilidad de un evento cierto es 1:
i =1
=1
(5.3)
P ( X 1 X 2 ) = P( X 1 ) + P( X 2 )
(5.4)
P ( X1 X 2 ) = P ( X1 ) + P ( X 2 ) P ( X1 X 2 )
(5.5)
77
P ( X1 X 2 ) = P ( X1 ) P ( X 2 )
(5.6)
P(
X1
X2
) = P(
X1 X 2
)
P( X 2 )
(5.7)
Ejemplo 5.1
Supngase que el ro Cauca alcanza cada invierno un nivel de creciente con
una frecuencia relativa de 0.2. En el Cauca hay un puente cuya
probabilidad de falla en los estribos es 0,3 y la experiencia muestra que
cuando hay creciente, las probabilidades de esta falla suben a 0,5. Las
probabilidades son:
P(creciente) = P(C) = 0,2
P(no creciente) = P(C) = 0,8
P(falla) = P(F) = 0,3
P(no falla) = P(F) = 0,7
P (falla dada creciente) = P(F/C)= 0,5
Se desea conocer la probabilidad de falla del puente.
Solucin:
El puente falla (queda inutilizado) cuando falla en los estribos o cuando hay
creciente; esto se puede denotar as:
78
P( C F ) = P( C ) + P( F ) P( C F )
5.1.2
Perodo de retorno:
5.1.3
Concepto de riesgo.
79
una situacin de riesgo, pues la obra se disea para soportar cierta avenida
mxima , y crecientes mayores le podran hacer dao o incluso destruirla. El
riego R puede entonces escribirse como:
1 n
R = 1 - (1 - )
(5.9)
Tr
La confiabilidad se define como el complemento del riesgo (Confiabilidad =
1-R). Se quiere que la obra tenga un riesgo pequeo de daarse o, lo que es
lo mismo, una alta confiabilidad.
Ejemplo 5.2
Qu perodo de retorno debe escoger un ingeniero en el diseo de un
box-culvert, si se acepta solo el 10% de riesgo de avenida en una vida til,
n, de 25 aos?
Solucin:
Aplicando la ecuacin 5.9 se tiene:
R = 0.1 = 1 - (1 -
1
Tr
25
T
TR = 238 aos
B
Ejemplo 5.3
Una presa por gravedad puede fallar por deslizamiento (A), por crecientes
(B), o por ambas. Asumir que :
1) La probabilidad de falla por deslizamiento es dos veces la
probabilidad de falla por creciente: P(A)=2 P(B)
80
(1)
(2)
(3)
AB
)
P( B )
(4)
Se sabe que:
P(
A
B
) = 0.8 = P(
81
Ejemplo 5.4
De 1000 circuitos de tubera de acueducto en una ciudad, se reportan 15
contaminados con materias fecales; 5 tienen excesivas concentraciones de
plomo (Pb) y entre stos dos de ellos contaminados tambin por materias
fecales. Se pregunta:
B
a)
b)
c)
d)
Solucin:
Llamemos P(F) a la probabilidad de contaminacin por materia fecal, P(Pb)
a la probabilidad de contaminacin por plomo y P(C) a la probabilidad de
contaminacin por plomo o por materia fecal. Se tiene entonces:
B
a) P(F) = 17/1000
b) La probabilidad condicional P(Pb/F) puede expresarse como:
B
P( Pb / F ) =
P(Pb F)
P(F)
82
(1)
(2)
P( F )
83
84
ni
n
f s ( xi ) =
(5.10)
F S ( x i ) = f S ( x j)
(5.11)
j =1
(x)
f X (x) = lim f S
n
x
x 0
(5.12)
85
(5.13)
f X (x) =
dFX (x)
dx
(5.14)
P(X x) = FX (x) =
(u)du
(5.15)
FX (xA ) = P (X x A )
(5.16)
86
(5.17)
FX (X T ) = P (X XT )
= 1 - P (X > XT )
FX(x)
P( X X T ) =
1
T
(5.18)
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
De donde:
FX ( X T ) = 1
87
1
T
10
O:
1
T
FX ( + K ) = 1
Y se obtiene finalmente:
K=
1 1
1
FX 1
PB
PB
(x)dx = 1
(5.19)
2)
b
P(a X b) = f X (x)dx
(5.20)
3)
b
f X (x)dx = 0
(5.21)
88
1)
(5.22)
f (x ) = 1
i
2)
P( a X b ) =
xi b
f (x )
xi a
(5.23)
3)
i= j
P( X x j ) = f ( x i )
(5.24)
i =1
Lo que implica que las probabilidades se definen solo como reas bajo la
funcin de densidad de probabilidades, FDP, entre lmites finitos.
Ejemplo 5.5
Hallar la funcin de distribucin acumulada para una variable aleatoria que
se define como el nmero de veces que se lanza una moneda, hasta que
aparece cara.
Solucin:
La probabilidad de que caiga cara en cualquier ensayo es y es
independiente de la probabilidad de que caiga sello.
Si A es el evento de que caiga sello en el primer ensayo y B (es el evento)
de que caiga sello en el segundo ensayo, la probabilidad que suceda A y B
es:
89
(1/2)x-1 = (1/2)x
P
P(X=x)
Fx(x)
1
2
3
1/8
7/8
r =
f X (x)dx
90
(5.25)
o en el caso discreto:
n
r = xri f X ( xi )
(5.26)
i =1
r = (x - ) f X (x)dx
(5.27)
r = f X ( x i )( x ) r
(5.28)
-
n
i =1
5.4
91
E[g( X )] =
g( u )f
( u )du
(5.29)
E(X) = =
xf
(x)dx
(5.30)
1 N
x = xi
N i =1
-
(5.31)
92
E[(X - ) ] = 2 = (x - ) f X (x)dx
2
(5.32)
1 N
2
(
x
i
x )
N - 1 i =1
(5.33)
(5.34)
x
; es una medida adimensional de la
x
variabilidad. alrededor de la media.
cuyo estimado es
E[(X - ) ] = (x - ) f X (x)dx
3
93
(5.35)
E[(x - ) ]
(5.36)
x =
N ( xi - x )
(5.37)
i =1
(N - 1)(N - 2) x
Como se muestra en la Figura 5..4, para >0, asimetra positiva, los datos
se concentran a la derecha y para <0, asimetra negativa, los datos se
concentran a la izquierda.
94
<0
>0
fX (x)
Absoluta
100-110
110-112
120-130
130-140
140-150
150-160
160-170
10
16
9
10
20
15
20
Solucin:
95
En total se tiene 100 valores, para cada intervalo se halla el valor medio o
marca de clase y se le asigna una frecuencia relativa, la cual es la frecuencia
absoluta sobre el nmero total de valores (100). El valor medio de cada
intervalo es xi y la frecuencia relativa es fx(xi).
B
Intervalo
clase (mm)
xi fx(xi)
Valor
medio xi
(mm)
F. absoluta
100-110
105
10
0.1
10.5
110-120
115
16
0.16
18.4
120-130
125
0.09
11.25
130-140
135
10
0.1
13.5
140-150
145
20
0.2
29
150-160
155
15
0.15
23.25
160-170
165
20
0.2
33
F. relativa
fx(xi)
B
=100
=138.90
x = xifx(xi)=138.9 mm.
B
5.5
96
un fracaso, esto es, solo hay dos eventos mutuamente excluyentes para un
experimento. Adems, los experimentos sucesivos son independientes y la
probabilidad permanece constante de ensayo a ensayo. Un ejemplo en
hidrologa sera la probabilidad de que un da sea lluvioso o seco. La
distribuciones de este tipo ms usadas en hidrologa son la distribucin
binomial y la geomtrica.
P( X = x ) =
n!
p x (1 p )n x
x! (n x)!
(5.38)
97
= np
2 = np(1 p )
=
(5.39)
(q p )
npq
Ejemplo 5.7
Como se dijo anteriormente, una creciente de Tr aos de perodo de retorno
se define como aqulla que tiene una probabilidad de excedencia de 1/Tr en
cualquier ao. Asumiendo que las mximas crecientes anuales son
independientes, la distribucin binomial permite resolver varios problemas
prcticos en hidrologa, as:
B
P( X = 1) =
b)
50 1
( ) 1 (1 1 / 50) 49 = 0.37
3 50
c)
50
(1 / 50) 3 (1 1 / 50)47 = 0.06
3
La clave para contestar esta pregunta est en las palabras una o ms.
Como los eventos son independientes y mutuamente excluyentes, se puede
escribir:
98
50
(1 / 50) 0 (1 1 / 50) 50 = 0.64
0
P = (1 p )n 1 p
(5.40)
(5.41)
Ejemplo 5.9
El mximo nivel de la creciente anual de un ro se denota por H (metros):
Asumiendo que la funcin de densidad de probabilidad se describe como se
muestra en la grfica, determinar:
a) La altura de inundacin para un perodo de 20 aos.
99
F(H)
H(m)
Solucin:
a) El rea bajo la funcin de densidad es 1, que equivale a P(5[H[7) =1.
Para un caudal con un Tr de 20 aos se cumple que:
B
P( H H Tr=20 ) = 1 / 20 = 0.05
lo que significa que 0.05 es un rea bajo la funcin de densidad y:
P( H H Tr=20 ) = 1 0.05 = 0.95
100
(7 H Tr=20 )(0.95)
0.05 =
al
menos
una
vez)
Ejemplo 5.9
Tres diques de control de inundaciones se construyen en una planicie por la
cual corren dos ros, tal como se muestra en la figura. Los diques se disean
as:
El dique I tiene un caudal de diseo con un perodo de retorno de 20 aos.
El dique II tiene un caudal de diseo con un perodo de retorno de 10 aos
El dique III tiene un caudal de diseo con un perodo de retorno de 25 aos.
Asumir que las crecientes en los ros A y B son estadsticamente
independientes y que las fallas de los diques I y III tambin lo son.
101
Solucin:
a)El ro A puede producir inundacin en la planicie si falla el dique I o si
falla el dique II, lo que se puede expresar como:
P(I II ) = P(I ) + P(II ) P(I II )
P(I II ) = 0.05 + 0.1 0.1 0.05 = 0.145
102
Ejemplo 5.10
Un proyecto se disea con un caudal que tiene un perodo de retorno de 10
aos. Cul es la probabilidad de que este caudal se presente por primera vez
al quinto ao de acabado el proyecto?
Solucin:
Este es un ejemplo donde puede aplicarse la distribucin geomtrica, as:
La probabilidad de excedencia, p, para este caso es :
p =1/Tr=1/10=0.1
Entonces:
103
f X (x) =
1
x 2
( x x )2
2 2 x
(5.42)
104
= (x x ) / x
se obtiene como FDP y como funcin acumulada de la variable :
f u (u) =
1 - u2
e 2
2
1
Fu (u) =
2
-w
2
(5.43)
d
105
106
(5.44)
N
1
= ( x i )1 / 2
N
(5.45)
x -
(5.46)
107
2.
3.
X T = + K
Ejemplo 5.11
Se tiene una estacin con 30 aos de datos de caudales medios anuales con
media de 117 m3/s y desviacin estndar de 94 m3/s. Si los datos se ajustan a
una distribucin Normal, cul es el caudal correspondiente a un perodo de
retorno, Tr, de 100 aos?.
P
Solucin:
En este caso se puede escribir:
Fu(K) = 1 - 1/Tr = 0.99
K = Fu-1 (0.99)
Con el valor de 0.99 en la tabla 5.1, se obtiene:
K = 2.326
El valor asociado a Tr=100 se calcula como:
Q100 = Q + Q K = 117 + 94 x 2.326 = 335.6 m3/s
B
PB
108
XT u1- ST
109
(5.47)
Cada distribucin tiene expresiones para hallar el error estndar, por ejemplo,
el de la distribucin Normal es:
ST =
1
x
(1 + K 2 / 2)2
N
(5.48)
Ejemplo 5.12
Los caudales medios anuales de un ro con media 1.5 m3/s y desviacin
estandar de 0.6 m3/s se distribuyen normalmente. Cul es la probabilidad de
que se produzca un caudal medio igual o menor a 1 m3/s, en cualquier ao?.
P
Solucin:
Se tiene entonces que:
P( X 1) = P(
1
)
1 1 .5
) = P( 0.83)
0 .6
110
Solucin:
P 280) = P(
280 356
) = P( 0.997)
76.2
y:
P( 0.997 ) = 1 0.8413 = 0.1587
111
1 y - y
1
f X (x) =
exp 2
y x 2
2 y
112
(5.49)
1 ln (X - xo ) - y
1
f X (x) =
exp 2 (X - xo ) y
y
2
(5.50)
1 N
log a ( X i )
N i =1
1 N
2
Y = [log a ( X i ) Y ]
N i =1
(5.51)
12
(5.52)
113
(5.53)
x0 = x 1 Cv z
Donde:
B
Cv x =
x
x
(5.54)
Cv z = z
z
Donde:
(1- w )
2/3
Cvz =
1
w = - x + 2x + 4
2
1/3
1/2
(5.55)
];
x > 0
Y = log a 1 + X 2
X
114
1
2
(5.57)
Ejemplo 5.14
Los caudales medios de un ro en una estacin hidromtrica han sido
modelados con las siguientes distribuciones:
a) Normal con parmetros = 256.7 m3/s y = 191 m3/s
b) Lognormal con parmetros y = 5.228 y y = 0.84
P
Calcular la probabilidad de que el caudal medio est entre 300 y 400 m3/s
P
Solucin:
a) Si se usa la Normal se tiene:
P(300[Q[400)= FX(400)-FX(300)
B
300 x
400 - x
Fu
P(300Q400)= F
x
x
= Fu (u400) - Fu (u300)
donde:
B
115
P(300Q400)=0.7734 - 0.5871=0.1863
b) Si se usa la distribucin lognormal:
P(300Q400)=FY(ln(400))-FY(ln(300))
ln(400) Y
ln(300) Y
Fu
= Fu
Y
Y
y:
ln(300) = 5.704
ln(400) = 5.99
B
ln (X T ) = y + K y
116
(5.58)
1
en donde K = Fu 1 1
1/2 ln (1 + Cv )
expK T (ln(1 + Cv 2 )) -
- 1
2
K=
Cv
(5.59)
1
-1
K T = Fu 1 -
Tr
(5.60)
donde:
1
1
Fu 1 es el inverso de la funcin de distribucin Normal estandarizada
T
ln(XT ) u1- 2 ST
(5.61)
en donde:
ST =
Y
N
117
(5.62)
1/2
= 1 + K T
2
(5.63)
Ejemplo 5.15
Se tiene un ro con caudales mximos anuales lognormalmente distribuidos,
con x =15 m3/s y x =5 m3/s; se da tambin Y =2.6554 y Y =0.3246.
Encontrar el caudal para un perodo de retorno de 100 aos. Si se tiene un
perodo de retorno de 30 aos de registro, cules son los lmites de confianza
para un ; de 10%?.
P
Solucin:
El coeficiente de variacin se calcula como:
5
Cv = x =
= 0.33
x 15
Para hallar KT, se procede as:
B
Fu (K T ) = 1 -
1
TI
= 1-
1
= 0.99
100
De la tabla 5.1:
K T = F1 (0.99) = 2.33
El valor de K se puede calcular usando la ecuacin (5.59) como:
2
1/2 ln (1 + 0. 33 )
exp 2.33 (ln(1 + 0. 332 )) -
- 1
2
K=
0.333
118
K= 3.028
El valor asociado a un perodo de retorno de 100 aos ser:
1/2
= 1 + 2.33 = 1.93
2
0.3246
= 0.11
ST = 1.93 *
30
Por lo tanto:
ln (30.28) 1.64 * 0.11
= 3.41 0.1875
= [3.2225, 3.5975]
= [e3.2225, e3.5975] = [25.091, 36.5]
P
119
f X (x) =
x -
1
x -
exp- exp
(5.64)
= - 0.5772
(5.65)
(5.66)
6
{0.577 + ln[lnTr - ln(Tr - 1)]}
120
(5.67)
(5.68)
(5.69)
= [1 + 1.1396K + 1.1 K 2]
1/2
(5.70)
121
1
x - x
f X (x) =
e
| | ( )
(5.71)
Donde:
0 x < para ; > 0
-: < x ; para ; < 0
() = z-1 e-z dz
(5.72)
1
x - xo
x - xo
f X (x) =
exp
| | ( )
Donde:
xo x < ; para ; > 0
B
122
(5.73)
(5.74)
2 = 2
(5.75)
123
1
= 2
Cv
(5.76)
2
=
0 =
X
$ es el coeficiente de asimetra calculado usando la muestra.
(5.77)
(5.78)
(5.79)
1
K T = Fu 1 -
Tr
el factor de frecuencia K tiene la siguiente forma:
124
(5.80)
1
2
2
3
K K T + (K t 1) + (K T 6K T ) (K T 1) + K T
6 3
6
6
6 (5.81)
XT u 1 2 S T
ST =
N
(5.82)
1
ln(x) - y o
f x (x) =
x ()
-1
ln (x)- y o
-
(5.83)
125
126
Coeficiente
Probabilidad de Excedencia
de Asimetra
0.500
0.200
0.100
0.040
0.020
0.010
0.005
3.0
-0.396
0.420
1.180
2.278
3.152
4.051
4.970
2.9
-0.390
0.440
1.195
2.277
3.134
4.013
4.909
2.8
-0.384
0.460
1.210
2.275
3.114
3.973
4.847
2.7
-0.376
0.479
1.224
2.272
3.093
3.932
4.783
2.6
-0.368
0.499
1.238
2.267
3.071
3.889
4.718
2.5
-0.360
0.518
1.250
2.262
3.048
3.845
4.652
2.4
-0.351
0.537
1.262
2.256
3.023
3.800
4.584
2.3
-0.341
0.555
1.274
2.248
2.997
3.753
4.515
2.2
-0.330
0.574
1.284
2.240
2.970
3.705
4.444
2.1
-0.319
0.592
1.294
2.230
2.942
3.656
4.372
2.0
-0.307
0.609
1.302
2.219
2.912
3.605
4.298
1.9
-0.294
0.627
1.310
2.207
2.881
3.553
4.223
1.8
-0.282
0.643
1.318
2.193
2.848
3.499
4.147
1.7
-0.268
0.660
1.324
2.179
2.815
3.444
4.069
1.6
-0.254
0.675
1.329
2.163
2.780
3.388
3.990
1.5
-0.240
0.690
1.333
2.146
2.743
3.330
3.910
1.4
-0.225
0.705
1.337
2.128
2.706
3.271
3.828
1.3
-0.210
0.719
1.339
2.108
2.666
3.211
3.745
1.2
-0.195
0.732
1.340
2.087
2.626
3.149
3.661
1.1
-0.180
0.745
1.341
2.066
2.585
3.087
3.575
1.0
-0.164
0.758
1.340
2.043
2.542
3.022
3.489
0.9
-0.148
0.769
1.339
2.018
2.498
2.957
3.401
0.8
-0.132
0.780
1.336
1.993
2.453
2.891
3.312
0.7
-0.116
0.790
1.333
1.967
2.407
2.824
3.223
0.6
-0.099
0.800
1.328
1.939
2.359
2.755
3.132
0.5
-0.083
0.808
1.323
1.910
2.311
2.686
3.041
0.4
-0.066
0.816
1.317
1.880
2.261
2.615
2.949
0.3
-0.050
0.824
1.309
1.849
2.211
2.544
2.856
0.2
-0.033
0.830
1.301
1.818
2.159
2.472
2.763
0.1
-0.017
0.836
1.292
1.785
2.107
2.400
2.670
0.0
0.000
0.842
1.282
1.751
2.054
2.326
2.576
127
= y
2
y 0 = y
(5.84)
128
YT = ln XT = y + K y
(5.85)
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
Tr=2
1.0801
1.0808
1.0830
1.0866
1.0913
1.0987
1.1073
1.1179
1.1304
1.1449
1.1614
1.1799
1.2003
1.2223
1.2157
1.2701
1.2952
1.3204
1.3452
1.3690
1.3913
B
Tr=5
1.1698
1.2006
1.2309
1.2609
1.2905
1.3199
1.3492
1.3785
1.4082
1.4385
1.4699
1.5030
1.5382
1.5764
1.6181
1.6643
1.7157
1.7732
1.8374
1.9091
1.9888
B
Tr=10
1.3748
1.4367
1.4989
1.5610
1.6227
1.6838
1.7441
1.8032
1.8609
1.9170
1.9714
2.0240
2.0747
2.1237
2.1711
2.2173
2.2627
2.3081
2.3541
2.4018
2.4525
B
Tr=20
1.6845
1.7810
1.8815
1.9852
2.0915
2.1998
2.3094
2.4198
2.5303
2.6403
2.7492
2.8564
2.9613
3.0631
3.1615
3.2557
3.3455
3.4303
3.5100
3.5844
3.6536
B
Tr=50
2.1988
2.3425
2.4986
2.6656
2.8423
3.0277
3.2209
3.1208
3.6266
3.8374
4.0522
4.2699
4.4996
4.7100
4.9301
5.1486
5.3644
5.5761
5.7827
5.9829
6.1755
B
Tr=100
2.6363
2.8168
3.0175
3.2365
3.4724
3.7238
3.9895
4.2684
4.5595
4.8618
5.1741
5.4952
5.8240
6.1592
6.4992
6.8427
7.1881
7.5339
7.8783
8.2196
8.5562
B
129
y
N
ST =
(5.86)
ln X T 1 / 2S T
(5.87)
California:
P=
m
n
130
(5.88)
Weibull:
m
n +1
(5.89)
2m -1
2n
(5.90)
P=
Hazen:
P=
X = + K
(5.91)
131
132
133
5.8 BONDAD DE
PROBABILIDADES
AJUSTE
DE
UNA
DISTRIBUCION
DE
134
(5.92)
135
N
5
10
15
20
25
30
35
40
45
50
N50
;=0.20
0.45
0.32
0.27
0.23
0.21
0.19
0.18
0.17
0.16
0.15
;=0.10
0.51
0.37
0.30
0.26
0.24
0.22
0.20
0.19
0.18
0.17
;=0.05
0.56
0.41
0.34
0.29
0.27
0.24
0.23
0.21
0.20
0.19
;=0.01
0.67
0.49
0.40
0.36
0.32
0.29
0.27
0.25
0.24
0.23
1.07
N
1.22
N
1.36
N
1.63
N
k
(O e ) 2
2 = i i
ei
i =1
(5.93)
donde:
Oi = ei
Si 2 =0, significa que las distribucion terica y emprica ajustan exactamente,
mientras que si 20, ellas difieren. La distribucin de la variable 2 se puede
asimilar a una distribucin Chi-cuadrado con (k-n-1) grados de libertad,
donde k es el nmero de intervalos y n es el nmero de parmetros de la
distribucin terica. La funcin 2 est tabulada en muchos textos de
estadstica.Supngase que la hiptesis Ho es aceptar que una distribucin
emprica se ajusta a una distribucin Normal. Si el valor calculado de 2 por la
ecuacin 5.89 es mayor que algn valor crtico de 2 ,con niveles de
significancia ;de 0.05 o 0.01 ( el nivel de confianza se define como 1-;, siendo
P
136
Ejemplo 5.16
Se tienen los valores de temperatura mensual de una ciudad, mostrados en la
tabla 5.5 . Se supone que estas temperaturas se ajustan a una distribucin
Normal. Usando la prueba Smirnov-Kolmogorov, verificar la validez de esta
hiptesis.
Solucin:
La media de la muestra es 76.4F y la desviacin estndar es 3.1 F. Se fijan
dos hiptesis: una hiptesis Ho estipula que la variable X es normalmente
distribuida con los valores de la media y desviacin estndar calculados
anteriormente y la otra hiptesis alternativa, Ha, es lo contrario de sta.
B
137
Ao
Junio
Julio
Agosto
1944
77
77
77
1945
72
76
76
1946
76
78
74
1947
74
74
83
1948
78
80
76
1949
75
79
74
1950
75
73
70
1951
73
78
78
1952
82
81
77
1953
79
80
78
1954
78
83
80
1955
69
80
79
1956
74
77
77
1957
75
76
74
1958
72
76
74
1959
72
75
76
138
fT(t)
FE(t)
FE(t)N
FT(t)
FE(t)N -FT(t)
68
0.0035
0.0045
69
0.0208
0.0084
0.0124
70
0.0417
0.0197
0.022
71
0.0417
0.0409
0.0008
72
0.1042
0.0778
0.0264
73
0.1458
0.1357
0.0101
74
14
0.2917
0.2206
0.0711
75
18
0.3750
0.3264
0.0486
76
25
0.5208
0.488
0.0328
77
31
0.6458
0.5753
0.0705
78
37
0.7708
0.6950
0.0758
79
40
0.83333
0.7995
0.0338
80
44
0.9167
0.8770
0.0397
81
45
0.9375
0.9306
0.0069
Ejemplo 5.17
139
Ao
Q m3/s
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
3239.0
3431.7
4577.9
3612.0
4151.8
1949.0
2342.9
1345.0
1862.2
1652.8
4220.0
4958.4
2664.9
1392.7
Solucin
Distribucin Gumbel
Aplicando la ecuacin de Ven Te Chow se tiene que:
Q Tr = 50 = + K
y:
= 2957.2 m3/s
P
140
ST=1111.458 m3/s
B
(4329.37 QTr=50=61587986.07)
B
Distribucin Log-Normal
Con los logaritmos de los valores de caudales mximos instantneos se
obtiene que:
y = 7.903
y = 0.4504
Aplicando la ecuacin 5.59 para hallar el factor de frecuencia K y utilizando
la tabla 5.1 se halla:
K=2.055
De la ecuacin 5.58:
ln QTr=50=8.8286
y sacando el antilogaritmo :
B
QTr=50=6827 m3/s
B
141
(4814.4QTr=50=68279679.84)
B
K=2.144
y aplicando la ecuacin de Ven TE Chow:
QTr=50=5604 m3/s
B
Con la ecuacin 5.82 y con la tabla 5.3 se obtiene un error estandar ST=809.05
y los intervalos de confianza para ;=0.05 son entonces:
B
(4273QTr=50=56046934.9)
B
142