UNIVERSIDAD RICARDO PALMA

HIDROLOGA

OBJETIVO
-

Determinar los caudales extremos por el mtodo de GUMBEL y el LOG

PEARSON III.

MARCO TEORICO
MTODO DE LA DISTRIBUCION DE GUMBEL
Llamada as en honor de Emil Julius Gumbel (1891-1966) utilizada para
modelar la distribucin del mximo (o el mnimo), por lo que se usa para
calcular valores extremos.
La aplicabilidad potencial de la distribucin de Gumbel para representar
los mximos se debe a la TEORIA DE VALORES EXTREMOS que indica que
es probable que sea til si la muestra de datos tiene una distribucin normal o
exponencial.
La distribucin de Gumbel o distribucin generalizada exponencial
gamma se utiliza habitualmente en el clculo de los caudales de avenida para el
dimensionamiento y diseo de los aliviaderos de las grandes presas hidralicas.
Se trata de una herramienta de clculo de probabilidades de contrastada validez
en el estudio de mximos de una serie.
Tambin es usada en ingeniera martima y en general en el diseo de
construcciones civiles que puedan estar sometidas a condiciones climatolgicas
extremas.
Lo que se pretende con esta distribucin es obtener la probabilidad de
que en una determinada serie se den nuevos mximos dadas unas condiciones
iniciales. Por ello, aplicando la distribucin de Gumbel a las series temporales de
cualquier activo financiero podemos construir un indicador, cuya principal
ventaja es la medicin de la inestabilidad en las zonas de mximos.

UNIVERSIDAD RICARDO PALMA

HIDROLOGA

MTODO DE LOG PEARSON III

El sistema Pearson fue originalmente ideado en un esfuerzo para modelar
observaciones visiblemente asimtricas. Era bien conocido en aquel tiempo
cmo ajustar un modelo terico para acomodar los primeros dos cumulantes o
los momentos de observados datos: Cualquier distribucin de probabilidad
puede estar extendida directamente para formar una familia de escala de
posicin. Excepto en los casos patolgicos, una familia de escala de posicin
puede estar hecha para acomodar la media (primer cumulante) y la varianza
(segundo cumulante) arbitrariamente bien. Sin embargo, no era conocido cmo
construir distribuciones de probabilidad en las cuales la asimetra (tercer
cumulante estndar) y la curtosis (cuarto cumulante estndar) pudieron estar
ajustados igualmente. Esta necesidad surgi al intentar acomodar modelos
tericos conocidos a datos observados que exhibieron asimetra. Los ejemplos de
Pearson incluyen datos de supervivencia, cules son usualmente asimtricos. En
su escrito original, Pearson (1895, p. 360) identific cuatro tipos de
distribuciones (numeradas del I al IV) adems de la distribucin normal (la cual
era originalmente conocida como tipo V). La clasificacin dependi en si las
distribuciones estaban definidas en un intervalo definido, en una semirrecta, o en
los reales y si estaban potencialmente asimtricas o necesariamente simtricas.
Un segundo escrito (Pearson 1901) arregl dos omisiones: Redefini la
distribucin de tipo V (originalmente inclua la distribucin normal, ahora
incorporaba la distribucin gamma inversa) e introdujo la distribucin de tipo
VI. Conjuntamente los primeros dos documentos de identificacin cubren los
cinco tipos principales del sistema Pearson (I, III, VI, V y IV). En un tercer
escrito, Pearson (1916) introdujo an ms casos especiales y subtipos (del VII al
XII).

Rhind (1909, pp. 430432) ide una forma sencilla de visualizar el

espacio de parmetros del sistema Pearson, el cual fue adoptado por Pearson
(1916, plate 1 and pp. 430ff., 448ff.). Los tipos de Pearson son caracterizados
por dos cantidades, comnmente referidas como 1 y 2. El primero es el
cuadrado de la asimetra: \beta_1 = \gamma_1^2 donde 1 es la asimetra o el
tercer momento estandarizado. El segundo es el curtosis tradicional o cuarto
2

UNIVERSIDAD RICARDO PALMA

HIDROLOGA

momento estandarizado: 2 = 2 + 3. Tratamientos modernos definen kurtosis 2

en trminos de cumunlant en vez de momentos, por lo tanto una distribucin
normal tenemos 2 = 0 y 2 = 3. Aqu seguimos el precedente histrico y
usamos 2. EL diagrama a la derecha muestra dada una distribucin concreta a
qu tipo de Pearson pertenece (identificado por el punto (1, 2)). Muchas de las
distribuciones asimtricas y no mesocrtica que hoy nos son familiares, no eran
conocidas a principios de 1890. Lo que hoy se conoce como distribucin beta
haba sido usada por Thomas Bayes como la Probabilidad a posteriori del
parmetro de la distribucin de Bernoulli en su trabajo de 1763 sobre la
probabilidad inversa. La distribucin beta gan prominencia debido a su
pertenencia al sistema Pearson y era conocida hasta los aos 1940 como la
distribucin Pearson tipo I. (La distribucin de Pearson tipo II es un caso
especial derivada del tipo I, pero ya no es tratada por separado.) La distribucin
gamma originada como resultado del trabajo de Pearson (Pearson 1893, p. 331;
Pearson 1895, pp. 357, 360, 373376) y era conocida como la distribucin de
Pearson tipo III, antes de adquirir su nombre moderno en 1930s y 1940s. .2 El
artculo de Pearson escrito en 1895 introdujo la distribucin de tipo IV, la cual
contiene la distribucin t-Student como caso especial, precediendo por varios
aos a William Sealy Gosset. En su artculo de 1901 introdujo la distribucin
gamma inversa (tipo V) y la distribucin beta prima (tipo VI).

UNIVERSIDAD RICARDO PALMA

HIDROLOGA

CLCULOS
MTODO DE GUMBEL, PARA VALORES EXTREMOS
Para la serie de caudales mximos anuales, siguiente, obtener los caudales de
periodo de retorno de 25, 50, 100, 200 y 500 aos.
AOS
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009

Q, m3/s
209
113
102
166
188
181
83
179
136
135
101
110
203
31
136
125
192
114
241
87

n= 20
Media de Qi

141.6

Desviacin
Estndar

51.94

El valor extremo viene dado por:

x=x + K n
Donde el valor de K se obtiene de y la tabla de valores de yn y n en funcin de n que
para nuestro caso es:
yn =
n =

0.5236

y= yn + K n
1.0628

UNIVERSIDAD RICARDO PALMA

HIDROLOGA

De la frmula de Gumbel:

x=x Cdigo: 201121487

Cdigo
2
1
4
8
7

T
(aos)
30
60
120
210
240

Ordenand
o
1
2
4
7
8

T
(aos)
30
60
120
210
240

Caudal
(m3/s)
281.40
315.69
349.77
377.21
383.75

MTODO DE LOG PEARSON III

Para la serie de caudales mximos anuales, siguiente, obtener los caudales de
periodo de retorno de 25, 50, 100, 200 y 500 aos.
AOS
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009

Q, m3/s
209
113
102
166
188
181
83
179
136
135
101
110
203
31
136
125
192
114
241
87

y= log(Qi)
2.320
2.053
2.009
2.220
2.274
2.258
1.919
2.253
2.134
2.130
2.004
2.041
2.307
1.491
2.134
2.097
2.283
2.057
2.382
1.940

(y - yprom)
0.205
-0.062
-0.107
0.105
0.159
0.142
-0.196
0.138
0.018
0.015
-0.111
-0.074
0.192
-0.624
0.018
-0.018
0.168
-0.058
0.267
-0.176

( y - Yprom)^3
0.00859
-0.00024
-0.00122
0.00115
0.00401
0.00289
-0.00756
0.00260
0.00001
0.00000
-0.00137
-0.00040
0.00710
-0.24292
0.00001
-0.00001
0.00474
-0.00020
0.01897
-0.00543

UNIVERSIDAD RICARDO PALMA

HIDROLOGA

n = 20
Promedio de y = log(Qi)

x = 2.115

Desviacin Estndar y = log(Qi)

S = 0.199
Suma de Qi
Qi = 2832 m3/s
Suma de ( y - Yprom)^3
( y - Yprom)^3 = -0.2093
Momento de tercer orden
M3 = -0.0122
Coeficiente de Sesgo
Coeficiente de Asimetra = -1.56
Para obtener el valor de KT para la distribucin de Pearson III el coeficiente de
asimetra es negativo por ende se usara la siguiente tabla para la interpolacin:

UNIVERSIDAD RICARDO PALMA

HIDROLOGA

Coeficiente de Asimetra = -1.56

Entonces se tendr que interpolar -1.56 con -1.5 y -1.6.
-

Cs (para 25 aos)
KT = (-1)*(((1.5-1.56)/(1.5-1.6)*(1.157-1.116))-1.157)
KT (25 aos) = 1.132

Cs (para 50 aos)
KT = (-1)*(((1.5-1.56)/(1.5-1.6)*(1.217-1.166))-1.217)
KT (50 aos) = 1.186

Cs (para 100 aos)

KT = (-1)*(((1.5-1.56)/(1.5-1.6)*(1.256-1.197))-1.256)
KT = (100 aos) = 1.221

Cs (para 200 aos)

KT = (-1)*(((1.5-1.56)/(1.5-1.6)*(1.282-1.216))-1.282)
KT (200 aos) = 1.242

Cs = -1.56
KT

25 aos
1.132
KT
50 aos
1.186
KT
100 aos
1.221
KT
200 aos
1.242

INTERPOLANDO KT PARA 30 AOS, 60 AOS, 120 AOS, 210

AOS, 240 AOS.

Cdigo

Ordenando

T
(aos)
30

60

120

210

240

UNIVERSIDAD RICARDO PALMA

-

HIDROLOGA

KT para 30 aos
KT = (-1)*((((25-30) / (25-50))*(1.132-1.186))-1.132)
KT =1.143

KT para 60 aos
KT = (-1)*((((50-60) / (50-100))*(1.186-1.221))-1.186)
KT = 1.193

KT para 120 aos

KT = (-1)*((((100-120) / (100-200))*(1.221-1.242))-1.221)
KT = 1.225

KT para 210 aos

KT = (-1)*((((100-210) / (100-200))*(1.221-1.242))-1.221)
KT = 1.245

KT para 240 aos

KT = (-1)*((((100-240) / (100-200))*(1.221-1.242))-1.221)
KT = 1.251

KT
Para 30 aos
Para 60 aos
Para 120 aos
Para 210 aos
Para 240 aos

1.143
1.193
1.225
1.245
1.251

CAUDALES EXTREMOS
T
(aos)
30
60
120
210
240

P = 1/T

0.0333
0.0167
0.0083
0.0048
0.0042

3.33
1.67
0.83
0.56
0.42

K
(Tabla)
1.143
1.193
1.225
1.245
1.251

logQt = logQt
prom+ KS
2.34
2.35
2.36
2.36
2.36

Caudales Extremos
(m3/s)
220.0
225.1
228.4
230.5
231.2

UNIVERSIDAD RICARDO PALMA

HIDROLOGA

CONCLUSIONES
Se obtuvieron los caudales extremos por ambos mtodos.
MTODO DE GUMBEL
T
(aos)
30
60

Caudal Extremos
(m3/s)
281.40
315.69

120

349.77

210

377.21

240

383.75

MTODO DE LOG PEARSON III

T
(aos)
30
60
120
210
240

Caudales Extremos
(m3/s)
220.0
225.1
228.4
230.5
231.2