Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones de Probabilidad - Hidrologav03
Distribuciones de Probabilidad - Hidrologav03
HIDROLOGIA (3)
Profesor Luis F. Carvajal
Universidad Nacional de Colombia
Facultad de Minas
Escuela de Geociencias y Medio Ambiente
Distribuciones de Probabilidad
Distribuciones discretas
Distribucin Binomial
Distribucin Poisson
Distribucin Geomtrica
Distribuciones continuas
Distribucin
Distribucin
Distribucin
Distribucin
Distribucin
Distribucin
Exponencial
Normal
Log Normal
Gamma
Log Pearson tipo III
General de Valor Extremo
DISTRIBICIONES DE
PROBABILIDAD DISCRETA
Distribucin Binomial
Un ejemplo de los ensayos de Bernoulli es lanzar una
moneda. Los ensayos operan bajo tres condiciones:
1.
2.
3.
n x n x
p ( x ) p q
x
Donde:
n
Es el nmero de combinaciones de n eventos
tomando
xa
x
la vez.
n!
n
x!(n x)!
x
p es la probabilidad de ocurrencia de un evento, por ejemplo
la probabilidad de xito en lanzar una moneda, q es la
probabilidad de falla.
q 1 p
x es la variable o el nmero de ensayos con xito.
p 1 / T 0.01
q 1 p 0.99
x 1
n 50
50
1
49
0.1 0.99 0.306
p (1)
1
Distribucin Poisson
Una expansin binomial es un pequeo inconveniente para
calcular nmeros grandes.
e
n
( p q ) e e e e
.....
2!
la
expansin
e
p( x)
x!
Poisson
es
Donde:
= np es la media.
La distribucin binomial finita puede ser aproximada por
la
distribucin Poisson infinita, siempre que se
apliquen las siguientes 4 condiciones:
1.
2.
3.
4.
0.5 e
p (1)
1!
0.303
Distribucin Geomtrica
RECORDANDO:
En una secuencia de Bernoulli, el nmero de ensayos hasta que un
evento especfico ocurra por primera vez es modelado por la
distribucin geomtrica.
xito ensayo t + n
Falla ensayo t 1
Si T v.a. apropiada:
P(T t ) pq T 1
t 1, 2, ....
DISTRIBICIONES DE
PROBABILIDAD CONTINUA
Distribucin Exponencial
Consideraciones:
Proceso de eventos aleatorios (los parmetros no
cambian con el tiempo).
No es posible tener mas de un evento en cualquier
instante.
Descripcin de un proceso Poisson.
La v.a. t representa el tiempo entre tormentas.
f (t ) e t , t0
Funcin de Densidad:E (t ) 1 /
La media es:
La varianza es:
La funcin de distribucin acumulada es:
= 1/
F (96) e t dt 1 e t
0
1
1 y - y
f(x) =
exp 2
2
y x 2
Y loga ( Xi )
N i1
ln XT = y +K y
Y
N
log (X )
i1
12
ln1 + Cv2
2 1/2
exp K T ln1 + Cv -
-1
2
K=
Cv
1
-1
K T = Fu 1 Tr
1
1
Fu 1
T
Intervalos de confianza
: Nivel de confianza o significancia
ST: Error estndar
ST =
ln XT u1- 2 ST
Y
N
= 1 +K
2
2
T
1/2
Tr=100
=4.52+2.326*0.237
QTr=100=159 m3/s
Intervalos de Confianza:
Ln(QTR=100) 95ST
Y
= 1 + K T
ST =
2
N
=1.92
ST=0.075
4.94 QY 5.14
5.0711.6*0.075
139159 170 m3/s
1
x
f(x) =
| | ( )
-1
-
() = z-1 e-z dz
0
1
= 2
v
C
1 3
1
2
2
K K T + (K t 1) + (K T 6KT ) (K T 1) +K T
6 3
3 6
6
6
6
1
x - xo
f(x) =
| | ()
-1
x - xo
exp
1
P ( X x)
e
( ) 0
x x0
x x0
dx
Parmetros
y , parmetros de escala y forma respectivamente.
xo parmetro de localizacin.
() = z-1 e-z dz
0
0 =
XT u1 2 ST
: Nivel de confianza o nivel de probabilidad
ST: Error estndar
ST =
N
K = 2.32
QTR=100 = 94.35 + 2.32*22.45 = 146.4
Intervalos de confianza:
X T u 1 2 S T
ST
N
ST = 17.6
De tabla 95=1.6
146,4 1.6*17.6
146.4 28.16 m3/s
x ()
-1
ln(x)- yo
Parmetros
y , parmetros de escala y forma
y yo parmetro de localizacin
Estimacin de Parmetros
Mtodo de los momentos
=
y
2
y0
Factor de Frecuencia:
Y T = ln XT =
y +K
y
ST =
ln X T 1 / 2S T
F(x) = exp - 1 -
Donde:
, y son parmetros que deben ser determinados.
Los tres casos limitantes son:
f(x) =
Rango:
x-
1
x-
exp - exp
- x
0
.
5772
Estimacin de parmetros:
x
f(x) = exp - 1 -
Rango:
1/
( / ) x
x
f(x) = exp - 1 -
Rango: x ( / )
1/
Distribucin Gumbel
La fda y el factor de frecuencias es:
x
F(x) exp - exp
6
K= 0.577 + ln lnTr - ln Tr - 1
XT u1- 2 ST
: Nivel de confianza o nivel de probabilidad
ST: Error estndar
^
ST =
N
= 1 +1.1396K+1.1K
2 1/2
QTr 95 ST
6
0.577 lnlnTR ln(TR 1)
K 100
KTr=100 = 3.13
QTr 100 K
QTr 100 94.35 3.13 22.45 164.77
Intervalos de confianza:
= 1 +1.1396K+1.1K2
1/2
= 3.91
ST = 14.62
QTR 1.6*14.62
141.4 164.77 188.17 m3/s