Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones de Probabilidad en Hidrología
Distribuciones de Probabilidad en Hidrología
P(x)
0.05
0.15
0.25
0.20
0.15
0.10
0.08
0.02
1.0
F(x)
0.05
0.20
0.45
0.65
0.80
0.90
0.98
1.00
x
1
2
3
4
5
6
7
8
9
Total
P(x)
0.05
0.10
0.15
0.20
0.10
0.10
0.15
0.10
0.05
1.00
F(x)
0.05
0.15
0.30
0.50
0.60
0.70
0.85
0.95
1.00
Lo que implica que las probabilidades se definen slo como REAS bajo la funcin de
densidad de probabilidad (FDP) entre lmites finitos.
MOMENTOS DE LAS DISTRIBUCIONES
Las propiedades de las distribuciones pueden ser definidas completamente en trminos
de los momentos. Los momentos en estadstica son similares a los momentos en fsica
(rotacin respecto al origen)
para la variable continua
Media :
es el valor esperado de la variable misma . Primer momento respecto a la origen.
Muestra la tendencia central de la distribucin
1.2.2 Varianza :
mide la variabilidad de los datos. Es el segundo momento respecto a la media.
Coeficiente de variacin
estimado es
Coeficiente de asimetra
la distribucin de los valores de una distribucin alrededor de la media se mide por la
asimetra. Se obtiene a partir del tercer momento alrededor de la media, dividindolo
por el cubo de la desviacin estndar para que sea adimensional.
tercer momento respecto a la media
110
120
130
140
150
160
170
Xi medio
105
115
125
135
145
155
165
Frecuencia Frecuencia
absoluta
relativa
10
0.1
16
0.16
9
0.09
10
0.1
20
0.2
15
0.15
20
0.2
Total=100
x f(x)
10.5
18.4
11.25
13.5
29
23.25
33
= 138.9
ANALISIS DE FRECUENCIA
El anlisis de frecuencia es una herramienta utilizada para, predecir el comportamiento
futuro de los caudales en un sitio de inters, a partir de la informacin histrica de
caudales. Es un mtodo basado en procedimientos estadsticos que permite calcular la
magnitud del caudal asociado a un perodo de retorno. Su confiabilidad depende de la
longitud y calidad de la serie histrica, adems de la incertidumbre propia de la
distribucin de probabilidades seleccionada.
Cuando se pretende realizar
extrapolaciones, perodo de retorno mayor que la longitud de la serie disponible, el error
relativo asociado a la distribucin de probabilidades utilizada es ms importante,
mientras que en interpolaciones la incertidumbre est asociada principalmente a la
calidad de los datos a modelar; en ambos casos la incertidumbre es alta dependiendo de
la cantidad de datos disponibles (Ashkar, et al. 1994). La extrapolacin de frecuencias
extremas en una distribucin emprica de crecientes es extremadamente riesgosa
(Garcon, 1994).
Para determinar la magnitud de eventos extremos cuando la distribucin de
probabilidades no es una funcin fcilmente invertibles se requiere conocer la variacin
de la variable respecto a la media. Chow en 1951 propus determinar esta variacin a
partir de un factor de frecuencia KT que puede ser expresado:
Para una distribucin dada, puede determinarse una relacin entre K y el perodo de
retorno Tr. Esta relacin puede expresarse en trminos matemticos o por medio del
uso de una tabla.
El anlisis de frecuencia consiste en determinar los parmetros de las distribuciones de
probabilidad y determinar con el factor de frecuencia la magnitud del evento para un
perodo de retorno dado.
A continuacin se describen las principales distribuciones de probabilidad utilizadas en
hidrologa, la forma de estimar sus parmetros, el factor de frecuencia y los lmites de
confianza. Estos ltimos son indicadores de que tanta incertidumbre se tiene con las
extrapolaciones, puesto que determinar el rango de valores donde realmente estara la
variables, si el rango es muy grande la incertidumbre es muy alta y si es pequeo, por el
contrario, habr mucha confianza en el valor estimado.
3 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS
DISTRIBUCION NORMAL
La distribucin normal es una distribucin simtrica en forma de campana, tambin
conocida como Campana de Gauss. Aunque muchas veces no se ajusta a los datos
hidrolgicos tiene amplia aplicacin por ejemplo a los datos transformados que siguen
la distribucin normal.
Funcin de densidad:
La funcin de densidad est dada por
Los dos parmetros de la distribucin son la media y desviacin estndar para los
cuales (media) y s (desviacin estndar) son derivados de los datos.
Estimacin de parmetros:
Factor de frecuencia:
1
Limites de confianza:
Funcin de densidad:
y = ln x
donde,
y : media de los logaritmos de la poblacin (parmetro escalar), estimado
Desviacin estndar de los logaritmos de la poblacin, estimado sy.
Estimacin de parmetros:
Factor de frecuencia:
Puede trabajarse en el campo original y en el campo transformado.
2
de donde,
XTr = eln (xTr)
con K con variable normal estandarizada para el Tr dado, x y media de los logaritmos y
Sy es la desviacin estndar de los logaritmos.
3
Limites de confianza:
En el campo transformado.
xy=2.655
sy = 0.324
En el campo original
= 5/15 = 0.33
K = F-1(1-1/Tr) = F-1(1-1/100) = F-1(0.99)
de la tabla de la normal se obtiene KT=2.33
KT = 3.06
QTr = 15 + 5 * 3.028
QTr = 30.14 m3/s
En el campo transformado se tiene que:
LnQTr100 = 2.655 + 2.33*0.324
LnQTr100 = 3.40992
QTr100 = Exp (3.40992)
Q Tr100 = 30.26 m3/s
Limites de confianza
Ln (QTr) t(1-) Se
= 1.93
3.59095]
e3.59095]
36.29]
Funcin de densidad:
Estimacin de parmetros
donde
Factor de frecuencia:
Limites de confianza
Xt t(1-) Se
KT = 3.14
QTr100 = 15 + 3.14*5
QTr100 = 30.7 m3/s
Intervalos de confianza
t(1-) = t(0.95) = 1.645 (Ledo de la tabla de la normal)
= 3.93
Xt t(1-) Se
30.7 m3/s (1.64) (3.58)
[24.83 m3/s
36.58 m3/s]
Funcin de densidad:
donde,
x0 x para 0
x x0 para 0
y son los parmetros de escala y forma, respectivamente , y x 0 es el parmetro de
localizacin.
Estimacin de parmetros:
Cs es el coeficiente de asimetra,
muestra respectivamente.
Factor de frecuencia:
Intervalos de confianza:
Xt t(1-) Se
(1.9,100) = 3.553
(2.0,100) = 3.605
= F(1.981,100)
(1.9,100) = 8.2196
(2.0,100) = 8.5562
Se = 5133.56 pie3/s
t(1-) = t(0.95) = 1.645 (Ledo de la tabla de la normal)
16050 (5133.56) (1.645)
[7605.29 pie3/s
24494.71pie3/s]
Funcin de densidad:
donde,
y0 y para 0
y y0 para 0
y son los parmetros de escala y forma, respectivamente , y y 0 es el parmetro de
localizacin.
Estimacin de parmetros:
Cs es el coeficiente de asimetra,
son la media y la desviacin estndar de
los logaritmos de la muestra respectivamente.
Factor de frecuencia:
Intervalos de confianza:
Xt t(1-) Se
AJUSTE DE DISTRIBUCIONES
Para la modelacin de caudales mximos se utilizan, entre otras, las distribuciones Log Normal, Gumbel y Log-Gumbel principalmente. Para seleccionar la distribucin de
probabilidades de la serie histrica se deben tener en cuenta algunas consideraciones.
Para ajustar distribuciones de tres parmetros (Log Normal III, Log Pearson) se
requiere estimar el coeficiente de asimetra de la distribucin; para ello es
necesario disponer de una serie con longitud de registros larga, mayor de 50
aos, (Kite, 1988). Las distribuciones de dos parmetros son usualmente
preferidas cuando se dispone de pocos datos, porque reducen la varianza de la
muestra, (Ashkar, et al. 1994).
Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cual es
la distribucin que mejor se ajusta a los caudales mximos y recomiendan
seleccionar el mejor ajuste a criterio del modelador con la prueba de ajuste
grfico o basado en el comportamiento de las pruebas estadsticas de bondad del
ajuste (por ejemplo Chi Cuadrado, Smirnov-Kolmogorov, Cramer-Von Mises)
en las que se calcula un estimador y se compara con un valor tabulado para
determinar si el ajuste es adecuado o no. En la prueba de ajuste grfica se
dibujan los valores registrados en la serie contra la distribucin terica de
probabilidades y de manera visual (subjetiva) se determina si el ajuste es
adecuado o no.
California
Weibull
Hazen
La expresin ms utilizada es la Weibull. Con las anteriores expresiones se halla lo que
se conoce como la distribucin emprica de una muestra, esta luego se puede ajustar a
una de las distribuciones tericas presentadas anteriormente. Los resultados pueden ser
dibujados en el papel de probabilidad; este es diseado para que los datos se ajusten a
una lnea recta y se puedan comparar los datos muestrales con la distribucin terica
(lnea recta).
Pruebas de Ajuste
Para determinar que tan adecuado es el ajuste de los datos a una distribucin de
probabilidades se han propuesto una serie de pruebas estadsticas que determinan si es
adecuado el ajuste. Estos son anlisis estadsticos y como tal se deben entender, es
decir, no se puede ignorar el significado fsico de los ajustes.
La prueba requiere que el valor Dn calculado con la expresin anterior sea menor que el
valor tabulado Dn para un nivel de probabilidad requerido.
__.__