2.

FUNDAMENTOS TERICOS

PARA

EL

CLCULO

DE

CAUDALES

M XIMOS

2.1 Introduccin

Los fundamentos tericos de las metodologas utilizadas para la determinacin de caudales

mximos en este estudio, las cuales son algunas de las utilizadas en El Salvador; fueron
obtenidos de variada bibliografa, detallada en el apartado bibliogrfico de este documento.

El objetivo de este captulo es dar a conocer los fundamentos tericos de las metodologas
utilizadas, que posteriormente se validar n, para la obtencin de caudales mximos en El
Salvador, mejorando as su comprensin; adems de servir como gua para posteriores
estudios

relacionados

con

la

temtica

abordada.

Existen

metodologas

tanto

Hidrometeorolgicas como Estadsticas para la determinacin de caudales mximos. Las

metodologas Hidrometeorolgicas tomadas en cuenta en este trabajo son: Mtodo
Racional, Hidrogramas Unitarios Complejo y Sintticos de Snyder, Triangular y SCS; y las
metodologas Estadsticas utilizadas son Puntuales y Regionales.

2.2 Fundamentos tericos sobre Hidrometeorologa

La hidrometeorologa es el estudio de la meteorologa aplicada a los parmetros hdricos.

La teora hidrometeorolgica en general, comprende la observacin, procesamiento y
anlisis del comportamiento de los elementos hdricos, fundamentalmente las descargas de
los ros y los volmenes almacenados en reservorios y lagunas; y de los elementos
meteorolgicos, fundamentalmente la precipitacin pluvial. [Segoviano, 1974: p.257]

Las teoras hidrometeorolgicas para el clculo de caudales mximos son las siguientes:
Mtodo Racional, el cual comprende determinacin de coeficiente de escurrimiento C,
Curvas de Intensidad-Frecuencia-Duracin y clculos de tiempos de concentracin;
Hidrogramas Unitarios, los cuales se dividen en Sintticos (Snyder, Triangular y SCS) y
Complejos.

13

2.2.1 Clculo de caudales mximos utilizando el mtodo de la Frmula Racional

Este mtodo, que la literatura inglesa atribuye a Lloyd-George en 1906, si bien los
principios del mismo fueron establecidos por Mulvaney en 1850, permite determinar el
caudal mximo que escurrir por una determinada seccin, bajo el supuesto que ste
acontecer para una lluvia de intensidad mxima constante y uniforme en la cuenca
correspondiente a una duracin D igual al tiempo de concentracin de la seccin.

Qmx = CiA

(Ec. 2.1)

En donde: Qmx : Caudal mximo en la seccin de clculo, C : Coeficiente de escorrenta

medio ponderado de la cuenca, A: rea total de la cuenca vertiente en la seccin de clculo,
i: Intensidad media mxima para una duracin igual al tiempo de concentracin, de la
seccin de clculo. A continuacin se detallan los fundamentos tericos para determinar
cada una de las variables mencionadas anteriormente. [Schmidth, 1986: p.356]

a) Determinacin del Coeficiente de Escurrimiento C

El coeficiente de escurrimiento C representa la fraccin de la lluvia que escurre en forma

directa y toma valores entre cero y uno, y vara apreciablemente entre una cuenca y otra, y
de una tormenta a otra, debido a las condiciones de humedad iniciales. Sin embargo, es
comn tomar valores de C representativos de acuerdo con ciertas caractersticas de las
cuencas como la vegetacin, pendientes del terreno y uso de suelos. [German Monsalve,
1999: p.179].
b) Clculo de curvas de Intensidad-Frecuencia-Duracin. [Aparicio, 2001: p.167]

El mtodo utilizado relaciona simultneamente las tres variables Intensidad- frecuenciaDuracin, en una familia de curvas cuya ecuacin es:

14

i=

kT m
( d + c) n

(Ec. 2.2)

Donde k, m, n y c son constantes que se calculan mediante un anlisis de correlacin lineal

mltiple; T: Perodo de retorno en aos, d: Duracin en minutos e i: Intensidad en mm/h.

Si se toman logaritmos de la ecuacin 2.2, se obtiene:

Log i = log k + m log T n log (d + c)

(Ec. 2.3)

O bien :

y = a 0 + a1 x1 + a2 x2

(Ec. 2.4)

Donde: y = log i, a0 = log k, a1 = m, x 1 = log T, a2 = -n, x2 = log (d + c).

La ecuacin 2.4 es la de una familia de lneas rectas de pendientes a2 , ordenada al origen a0

y espaciamiento a1 .
Si los datos registrados de i, d y T se dibujan en papel logartmico, usualmente se agrupan
en torno a lneas rectas. A veces las curvas resultan ligeramente curvas, lo que se puede
corregir agregando a las duraciones un valor constante c, o bien, en algunos casos, cuando
la pendiente de las lneas vara mucho, dividiendo la lnea para cada perodo de retorno en
dos rectas. Si los datos se agrupan lo suficiente en torno a lneas rectas, el valor de c puede
tomarse como cero.

Al hacer un ajuste de correlacin lineal mltiple de una serie de tres tipos de datos, se
obtiene un sistema de ecuaciones como el siguiente:

? y = N a0 + a1 ? x1 + a2 ? x2

15

(Ec. 2.5)

? (x 1 y) = a0 ? x1 + a1 ? (x1 )2 + a2 ? (x1 x 2 )

(Ec. 2.6)

? (x 2 y) = a0 ? x2 + a 1 ? (x1 x2) + a2 ? (x2 )2

(Ec. 2.7)

Donde N es el nmero de datos y las incgnitas son a0 , a1 y a2; x1 es el logaritmo del

perodo de retorno, x 2 es la duracin (con el valor de c agregado de ser necesario) y y es la
intensidad, obtenidos de un registro de precipitacin. El perodo de retorno se obtiene de la
siguiente ecuacin:

T = (n + 1) / m

(Ec. 2.8)

Donde m = nmero de orden en una lista de mayor a menor de los datos y n = nmero de
datos. (El inverso del perodo es la frecuencia).

Una vez calculados los coeficientes a0 , a1 y a2 es posible evaluar los parmetros k, m y n

de la ecuacin 2.1 y con ella, dibujar las curvas Intensidad Frecuencia Duracin.

c) Determinacin de Tiempos de Concentracin tc.

El tiempo de concentracin no es ms que el tie mpo que tardara una gota de agua en
recorrer la longitud desde el punto ms distante de la corriente de agua de una cuenca hasta
el lugar de medicin. Los tiempos de concentracin son calculados a partir de las
caractersticas fsicas de la cuenca, las cuales son: las pendientes, longitudes, elevaciones
medias y el rea de la cuenca. Es de notar que todas las frmulas tienen factores de
correccin que aplican segn la cobertura de la cuenca. [German Monsalve, 1999: p.180]

Tiempo de concentracin a partir de la frmula emprica de Kirpich

Desarrollada a partir de la informacin del SCS en siete cuencas rurales en Tennessee con
canales bien definidos y pendientes empinadas (de 3% a 10%)

16

Tc = 0 .0003245 L0 .77 S 0.385 (En horas)

(Ec. 2.9)

L: Longitud mxima del canal o ro desde aguas arriba hasta la salida, (en metros).
S: Pendiente del cauce o H/L (m/m) donde H es la diferencia de elevacin entre el punto
ms

elevado

el

punto

de

inters.

[Enviromental

Modeling

System,

http://www.emsi.com/wmshelp/HydrologicModels/Calculators/Computing_Travel_Times/
Using_Basin_Data/Equations/Time_o f_Concentration/Kirpich_Tc_Equation.htm. Abril de
2004].

Tiempo de concentracin a partir de la frmula de la Federal Aviation Administration

(FAA)

Desarrollada a partir de la informacin sobre el drenaje de aeropuertos, recopilada por el

cuerpo de inge nieros de Estados Unidos; el mtodo tiene como finalidad el ser usado en
problema de drenaje de aeropuertos, pero ha sido frecuentemente usado para flujo
superficial en cuencas urbanas. [Jos Llamas, 1993: p. 96]
Tc = 0.7024 (1.1 C ) L0 .5 S 0. 33 (En horas)

(Ec. 2.10)

C: Coeficiente de escorrenta del Mtodo Racional (adimensional).

L: Longitud de flujo superficial (en metros).
S: Pendiente de la superficie.

Tiempo de concentracin a partir de la frmula emprica de Giandotti

][

Tc = 4 A + 1.5L / 0.8 E (En horas)

A: rea de la cuenca (en kilmetros cuadrados).

L: Longitud promedio de flujo superficial (en kilmetros).
E: Elevacin media de la cuenca. (en metros).

17

(Ec. 2.11)

Tiempo de concentraci n a partir de la frmula emprica del U.S. Bureau of Reclamation of

California

Conocida tambin como La frmula de California Culverts Practice. Esencialmente es la

ecuacin de Kirpich, desarrollada para pequeas cuencas montaosas en California.[Ven Te
Chow, 1994: p. 96]

Tc = 0.94788 L3 / H

0.385

(En horas)

(Ec. 2.12)

L: Longitud de flujo superficial (en kilmetros).

H: Diferencia de nivel entre la divisoria de aguas y la salida (en metros).

d) Validacin de frmulas empricas para la estimacin de Tiempos de Concentracin.

Cuando la lluvia cae sobre una cuenca y los niveles de infiltracin y de evaporacin son
iguales o inferiores a la intensidad del aguacero, comienza el fenmeno de escorrenta sobre
toda la superficie de la cuenca afectada por dicho aguacero.

El agua resbala, antes de alcanzar un ro principal o secundario, bajo la forma de capas de

agua, de una cierta altura (segn la intensidad de las precipitaciones y la pendiente de la
superficie de flujo) y una cierta velocidad, la cual se deno mina velocidad de la escorrenta.
[Jos Llamas, 1993: p. 375]

La velocidad de la escorrenta se utiliza para validar las frmulas con que se obtienen los
tiempos de concentracin, convirtiendo, estos ltimos, a velocidades y comparndolas con
las velocidades de escorrenta. Ella depende en primer lugar, de la pendiente de la
superficie de flujo y despus, de las caractersticas del suelo. A continuacin se presenta
una frmula emprica desarrollada para el clculo de esta velocidad. En la ecuacin, es el
ngulo del terreno. [Jos Llamas, 1993: p. 375]

18

v = 20sen 3 / 5 (m/s)

(Ec. 2.13)

v: Velocidad de escorrenta (m/s).

Anteriormente se detall la metodologa para la determinacin de tiempos de concentracin

de cuatro maneras distintas. Los tiempos de concentracin se transforma n a velocidad
dividiendo la longitud del cauce mximo, desde el nacimiento del cauce hasta el punto de
inters, de cada una de las subcuencas en estudio, entre los tiempos de concentracin
obtenidos por cada metodologa.

Existe un rango de mediciones de velocidades obtenidas por la Ing. Adriana Erazo del
Servicio Hidrolgico Nacional en la cuenca del ro Paz entre las estaciones hidrolgicas de
La Hachadura y El Jobo, el cual fue utilizado como base de comparacin (1-3m/s).

Tambin existe un estudio realizado en cuencas de Zaragoza, Espaa, el cual relacion los
tiempos de concentracin con las velocidades de escorrenta y obtuvo la siguiente ecuacin:

1 / 3L 0. 76 2 / 3L
TC = 0.3 1 / 4 +
S 3.6v

(Ec. 2.14)

Donde: L: Longitud del cauce principal (km) desde el punto de inicio del cauce hasta el
punto de medicin, S: Pendiente media del cauce, TC : Tiempo de concentracin (en horas)
En una de las conclusiones del estudio anterior, presentaron rangos de velocidades de
escorrenta en funcin de la pendiente media del cauce. Concluyeron que para pendientes
de 0 a 10% las velocidades de escorrenta estaban en el rango de 1 a 2 m/s como se muestra
en la tabla 2.1. [Documento sobre Condicionantes Fsicos para el Ordenamiento de la Orla
Sudoeste de Suelo Urbanizable].

19

Pendiente media de la cuenca (%) Velocidad de recorrido inicial (m/s)

Menor del 5 %
Del 5 a 10 %

1 m/s
1 - 2 m/s

Mayor del 10 %

2 m/s

Tabla 2.1. Velocidades de recorrido de tanteo, en funcin de la pendiente media de la cuenca.

Existe adems, un estudio de "Sistematizacin por medio de terrazas de predios destinados

a la agricultura"; J.C. Molinelli; Direccin de Agronoma, Publ. N 93, 1948; Montevideo.
Citado por Ghiggia, R. 1981. En el que obtiene rangos de velocidades de escorrenta
especficos para la determinacin de tiempos de concentracin en funcin del tipo de
superficie o suelo en la que el agua escurra. Estos rangos se presentan en la siguiente tabla.

Promedio de velocidades de escurrimiento para calcular

el tiempo de concentracin (m/s)
Condiciones de la superficie
0-3 % 4-7 % 8-11 %
Aguas no concentradas
Montes
0.3
0.61
0.9
Pasturas
0.45
0.91
1.22
Tierras cultivadas
0.61
1.22
1.52
Pavimentos
1.52
3.65
4.72

12-15 %
1.07
1.37
1.83
5.49

Nota: Las condiciones de la superficie se representan en porcentajes de pendientes.

Tabla 2.2. Promedio de velocidades de escurrimiento para calcular el tiempo de concentracin.

[www.fagro.edu.uy, septiembre 2004].

Los estudios anteriores sirvieron como base de sustentacin para los distintos tiempos de
concentracin obtenidos en este documento [www.fagro.edu.uy, septiembre 2004].

Ven Te Chow tambin propone una tabla similar a la anterior, obtenida de datos
representativos al estado de Texas, Estados Unidos. .[Ven Te Chow, 1994: p. 169].

20

Velocidades promedio aproximadas en m / s del flujo de escorrenta para

calcular el tiempo de concentracin.
Descripcin del curso del
Pendiente en porcentaje
agua
0-3
4-7
8-11
> 12
No concentrado
Bosques
0-0.46
0.46-0.76
0.76-1.00
> 1.00
Pastizales
0-0.76
0.76-1.07
1.07-1.30
> 1.30
Cultivos
0-0.91
0.91-1.37
1.37-1.68
> 1.68
Pavimentos
0-2.59
2.59-4.11
4.11-5.18
> 5.18
Esta condicin usualmente ocurre en las partes superiores de la cuenca antes de que el flujo superficial
se acumule en un canal.

Tabla 2.3. Velocidades promedio aproximadas de escorrenta para calcular el tiempo de concentracin

2.2.2 Estimacin de Hidrogramas Unitarios.

Para la estimacin de caudales mximos utilizando hidrogramas unitarios, siempre es

necesario contar con al menos un hidrograma medido a la salida de la cuenca y con los
registros de precipitacin que originaron el hidrograma.

La mayor parte de las cuencas, no solo en El Salvador, sino en todo el mundo, no cuentan
con una estacin hidromtrica o bien con los registros pluviogrficos necesarios. Por ello,
es conveniente contar con mtodos con los que puedan obtenerse hidrogramas unitarios
usando nicamente datos de caractersticas generales de la cuenca. Los hidrogramas
unitarios as obtenidos se denominan sintticos. Los hidrogramas unitarios sintticos a
analizar son los siguientes: Snyder, Triangular y SCS. [Francisco Aparicio, 2001: p.228]

a) Estimacin de Hidrogramas Unitarios Sintticos

Fundamentos tericos para la estimacin del Hidrograma Unitario Sinttico de Snyder.

[German Monsalve, 1999: p.219].

Este procedimiento tiene utilidad cuando no se cuenta con los datos necesarios conjuntos de
caudal y precipitacin histricos para la deduccin del hidrograma unitario de una cuenca.

21

La deduccin de los parmetros para definir los hidrogramas unitarios sintticos se basan
en las caractersticas geomtricas y morfolgicas de la cuenca hidrogrfica. En la regin de
los Montes Apalaches, en Los Estados Unidos, Snyder estableci que, para cuencas de 16 a
16,100 kilmetros cuadrados:

t p = 0.7517Ct ( LxLc ) 0. 3

(Ec. 2.15)

Donde:

t p: Tiempo de retardo de la cuenca (en horas)

Ct: Coeficiente adimensional variando entre 1.8 y 2.2, tomando los valores menores para
cuencas con grandes inclinaciones.
L: Longitud del ro principal desde la divisoria de aguas hasta el punto en consideracin (en
kilmetros).
Lc: Longitud desde el punto del ro principal ms prximo al centro geomtrico de la
cuenca hasta el punto en consideracin (en kilmetros).
t r = t p / 5 .5

(Ec. 2.16)

Donde:

t r: Duracin de la lluvia neta (en horas).

qp =

0.275C p A
tp

(Ec. 2.17)

Donde:

qp: Caudal pico del HU por milmetro de lluvia neta (m/s/(mm)).

A: rea de drenaje de la cuenca (en km).

22

Cp : Coeficiente adimensional variable entre 0.56 y 0.69 tomando valores mayores para
cuencas con grandes inclinaciones.

El hidrograma unitario sinttico obtenido corresponde a un milmetro de precipitacin neta

sobre toda la cuenca.
T = 3 + tp /8

(Ec. 2.18)

Donde:

T: Tiempo base de la escorrenta.

En la figura 2.1 se muestran los grficos de los hidrogramas sintticos de Snyder con la
simbologa utilizada.

Figura 2.1. Hidrogramas Sintticos de Snyder

Para otra lluvia neta de duracin t R diferente a tP el tiempo de retardo correspondiente a t pR

el caudal pico qpR y el caudal base TR segn Linsley son:

23

t pR = t P +

TR = 3 +

q pR =

TR t r
4

(Ec. 2.19)

t pR

(Ec. 2.20)

0.275C P A
t pR

(Ec. 2.21)

Adicionalmente:

W75 =

0.10192

W50 =

0.17836

qP
qP

'1 .08

'1 .08

W75R =

0.10192

W50R =

0.17835

q PR
qPR

'1 .08

'1 .08

(Ec. 2.22)

(Ec. 2.23)

Sea que se trabaje con una lluvia neta de duracin t r o con una duracin t R en donde:

W75 : Ancho del HU, horas, correspondiente a un valor de las ordenadas igual al 75% del
caudal pico qP o qPR .
W50 : Ancho del HU, horas, correspondiente a un valor de las ordenadas igual al 50% del
caudal pico qP o qPR .

PR

=
=

(m 3 / s) /( mm )

km2

(Ec. 2.24 )

q PR (m 3 / s ) /(mm )

A
km2

(Ec. 2.25 )

qP
A

El valor de t P , tiempo de retardo de la cuenca es igual al tiempo entre el centro geomtrico

de la duracin de la lluvia neta t r, y el pico del hidrograma unitario (en horas) con base en
las caractersticas t P , t r, qP , W75 , W50 y T ( t PR , trR , qPR , W75R , W50R, y TR ). Se traza el
hidrograma unitario de escorrenta superficial. Se debe comprobar que:

24

ES

dt =Pn xA = 1mmxA

(Ec. 2.26 )

En caso contrario se debe ajustar el hidrograma (usualmente el tiempo base T o TR ) hasta

lograr que se cumpla la anterior ecuacin.

Fundamentos tericos para la estimacin del Hidrograma Unitario Sinttico Triangular.

[Francisco Aparicio, 2001: p. 232]

Desarrollado por Mockus en 1957. Se busca un gasto pico Qp , en funcin del rea de la
cuenca en km y el tiempo base en horas:

QP =

0.555 A 3
m / s / mm
tb

(Ec. 2.27 )

Del anlisis de varios hidrogramas, Mockus concluye que el tiempo base y el tiempo pico
se relacionan mediante la expresin:
t b = 2.67 t p

(Ec. 2.28)

t p = d e / 2 + tr

(Ec. 2.29)

El tiempo pico se expresa:

En donde:

de: Duracin en exceso.

t r: Tiempo de retraso.
y:
t r = 0.6t c (en horas)

25

(Ec. 2.30)

Donde:

t c: Tiempo de concentracin.
Adems la duracin:

d e = 2 t c Para cuencas grandes (en horas).

(Ec. 2.31)

d e = t c Para cuencas pequeas (en horas). (Ec. 2.32)

Y se calculan las caractersticas del HU triangular.

Fundamentos tericos para la estimacin del Hidrograma Adimensional SCS. [Ven Te
Chow, 1994: p.236]

El hidrograma adimensional SCS es un hidrograma unitario sinttico en el cual el caudal se

expresa por la relacin del caudal q con respecto al caudal pico qp y el tiempo por la
relacin del tiempo t con respecto al tiempo de ocurrencia del pico en el hidrograma
unitario Tp . Dados el caudal pico y el tiempo de retardo para la duracin de exceso de
precipitacin, el hidrograma unitario puede estimarse a partir del hidrograma sinttico
adimensional para la cuenca dada. La figura 2.2 muestra el hidrograma adimensional,
preparado utilizando los hidrogramas unitarios para una variedad de cuencas. Los valores
de qp y Tp pueden estimarse usando un modelo simplificado de un hidrograma unitario
triangular, en donde el tiempo est dado en horas y el caudal en m3/scm.

26

Figura 2.2. Hidrogramas Sintticos SCS y Triangular

Con base en la revisin de un gran nmero de hidrogramas unitarios, el Soil Conservation

Service sugiere que el tiempo de recesin puede aproximarse como 1.67Tp. Como el rea
bajo el hidrograma unitario debera ser igual a una escorrenta directa de 1 cm, puede
demostrarse que:

qp = CA/Tp

(Ec. 2.33 )

Donde C = 2.08 y A es el rea de drenaje en kilmetros cuadrados.

Adicionalmente, un estudio de los hidrogramas unitarios de muchas cuencas rurales

grandes y pequeas indica que el tiempo de retardo t p 0.6Tc, donde Tc es el tiempo de
concentracin de la cuenca. Como se muestra en la figura 2.2, el tiempo de ocurrencia del
pico Tp puede expresarse en trminos del tiempo de retardo t p y de la duracin de la lluvia
efectiva t r.

Tp = t r/2 + tp (Ec. 2.34 )

27

b) Estimacin de Hidrogramas Unitarios Complejos

Construccin del Hidrograma de Caudal

Un hidrograma de caudal es una grfica o una tabla que muestra la tasa de flujo como
funcin del tiempo en un lugar dado de la corriente. Se grafican los valores de caudales
mximos horarios para la tormenta a la que le corresponde el caudal mximo anual para
cada estacin en estudio [Ven Te chow, 1994: p.135].

Separacin del Caudal Base y el Caudal de Escurrimiento Directo mediante el mtodo de la

Lnea Recta

El mtodo consiste en ubicar el punto donde empieza a crecer la grfica (comienzo de

incremento de caudal) y luego se traza una lnea hasta interceptar el comienzo de la curva
de agotamiento. El caudal por debajo de esa lnea corresponde al aporte del agua
subterrnea y el resto a la escorrenta superficial total. [German Monsalve, 1999: p.186]. El
clculo del hidrograma de escorrenta directa consiste en restar el caudal base del caudal
observado para la tormenta en particular.

Clculo de Hietograma de Exceso de Lluvia [Ven Te Chow, 1994: p.138-142]

Para calcular el hietograma de exceso de lluvia se debe calcular el volumen de

escurrimiento directo V d y la profundid ad de escorrenta directa rd de la siguiente manera:

Vd = Qn t

(Ec. 2.35)

n =1

Donde ?t es la longitud del intervalo de tiempo seleccionado para el anlisis.

rd = Vd / Ac

Donde Ac es el rea de la cuenca.

28

(Ec. 2.36)

Como siguiente paso se procede a la estimacin de la tasa de abstracciones de lluvia () que

se originan por infiltracin y almacenamiento superficial en la cuenca, as como el nmero
de pulsos o intervalos M de lluvia diferentes de cero de escorrenta en exceso, los cuales se
encuentran por mtodo de ensayo y error de la siguiente manera; el valor de se calcula
seleccionando un intervalo de tiempo de longitud ?t, estimando el nmero de intervalos M
de lluvia que realmente contribuyen a la escorrenta directa, restando ?t de la precipitacin
que se observa en cada intervalo (Rm ) y ajustando los valores de y M tantas veces como
sea necesario para que las profundidades de escorrenta directa y de exceso de precipitacin
sean iguales, as:

rd = ( R m t )

(Ec. 2.37)

m =1

Las ordenadas del hietograma de exceso de precipitacin se calculan sustrayendo ?t de las

ordenadas del hietograma de precipitacin observada, despreciando todos los intervalos en
las cuales la profundidad de precipitacin observada es menor que ?t.

Clculo del Hidrograma Unitario Complejo [Ven Te Chow, 1994: p.233, 234]

La ecuacin de convolucin discreta que es la funcin respuesta de pulso discreto para un

sistema lineal, permite el clculo de la escorrenta directa Qn dado un exceso de lluvia P m y
el hidrograma unitario U n-m+1 , as:

Qn =

n M

P U
m

m =1

n m +1

(Ec. 2.38)

El hidrograma unitario se deduce utilizando un proceso inverso llamado deconvolucin,

dada una informacin de Pm y Qn . Supngase que existen M pulsos de exceso de lluvia y N
pulsos de escorrenta directa en la tormenta considerada; luego pueden escribirse N
ecuaciones para Qn , n = 1,2,,N, en trminos de N-M+1 valores desconocidos del
hidrograma unitario.

29

2.2.3 Clculo de caudales mximos a travs de los Hidrogramas Unitarios (Sintticos y

Complejo)

a) Clculo de Lluvia Neta a travs del mtodo SCS.

El procedimiento inicia estimando el nmero de curva CN de tablas, segn el tipo de suelo

y utilizando factores de correccin segn el caso. Una vez estimado el CN, se procede a
calcular la retencin potencial mxima (S):

1000

S =
10(2.54)(cm ) (Ec. 2.39)
CN

Una vez estimada la retencin potencial mxima, se procede a estimar la precipitacin

efectiva o profundidad de escorrenta con los valores de precipitacin total (P) y retencin
potencial mxima (S):

Pe =

(P 0.2S )2
P + 0 .8 S

( 2.54) (cm )

(Ec. 2.40)

Siendo esta ecuacin vlida nicamente para valores de P> 0.2S. Cuando P<0.2S
Pe = 0.

b) Clculo de caudales mximos a travs del Hidrograma Sinttico de Snyder

[http://www.geocities.com/awesome_quad/cap3/eyr3w.htm, septiembre de 2004]

De acuerdo con las investigaciones de F. Snyder en 1938 para la determinacin de caudales

mximos a travs del Hidrograma Sinttico de Snyder para cuencas de 16 a 16,000 km2 , la
frmula emprica necesaria para la determinacin de estos caudales es la siguiente:
Qmx = qp x I x t c (en m3 /s)

30

(Ec. 2.41)

Donde t c es el tiempo de concentracin en horas, I es la intensidad mxima en mm/h, y qp

es el caudal pico del Hidrograma unitario de Snyder en m3 /s/mm.

c) Clculo de caudales mximos a travs de los Hidrogramas Sintticos Triangular,

SCS e Hidrograma Unitario Complejo

Para la determinacin de caudales mximos por medio de Hidrogramas Unitarios

Complejos y Sintticos se necesita de un hietograma de lluvia. Cuando no existe registro de
precipitacin sobre la cuenca, es posible obtener dicho hietograma utilizando el mtodo del
Bloque Alterno.

Mtodo del Bloque Alterno para el clulo de Hietogramas de precipitaciones de diseo

El mtodo del bloque alterno es una forma simple para desarrollar un hietograma de diseo
utilizando una curva I-D-F. El hietograma de diseo producido por este mtodo especifica
la profundidad de precipitacin que ocurre en n intrvalos de tiempo sucesivos de duracin
?t sobre una duracin total de Td =n?t. Despus de seleccionar el per odo de retorno de
diseo, la intensidad es medida en una curva I-D-F para cada una de las duraciones 1?t,
2?t, 3?t,, y la profundidad de precipitacin correspondiente se encuentra al multiplicar la
intensidad y la duracin. Tomando diferencias entre valo res sucesivos de profundidad de
precipitacin, se encuentra la cantidad de precipitacin que debe aadirse por cada unidad
adicional de tiempo ?t. Estos incrementos o bloques se reordenan en una secuencia
temporal de modo que la intensidad mxima ocurra en el centro de la duracin requerida Td
y que los dems bloques queden en orden descendente alternativamente hacia la derecha y
hacia la izquierda del bloque central para formar el hietograma de diseo.

31

2.3 Clculo de caudales mximos utilizando el mtodo Regional de ndice de Creciente

[Documento de Regionalizacin de Caudales Mximos y Medios en El Salvador
SNET, 2004: apartado 3.5]

Este mtodo se basa en el uso simultneo de los datos registrados en todas las estaciones
ubicadas dentro de una zona considerada hidrolgicamente homognea, con lo que la serie
resultante es mucho ms larga que la de una estacin en particular, adems de que permite
el clculo de caudales mximos en cualquier cuenca que no posea estacin hidromtrica, ya
que establece relaciones entre las caractersticas fisiogrficas de las cuencas y los caudales
mximos.

La regionalizacin de caudales mximos que se llev a cabo en El Salvador, fue a travs

del mtodo del ndice de creciente (Flood Index) el cual supone que los mximos anuales
dentro de la regin hidrolgicamente homognea siguen una misma funcin de distribucin
y lo que vara es un factor de escala de acuerdo a cada cuenca ubicada en dicha regin. Para
cada regin, se establece una serie que consiste en la suma de los caudales divididos por su
media en las estaciones que conforman la regin.

Para aplicar el mtodo Regional de ndice de Creciente, para la estimacin de caudales

mximos en cualquier punto de El salvador, se hace lo siguiente:

Se ubica la regin Hidrolgicamente homognea a la cual pertenece la cuenca a la cual se le

va a estimar los caudales mximos para diferentes perodos de retorno (mapa de regiones
Hidrolgicamente homogneas, (anexo A).

Se determina el caudal correspondiente al promedio de los ca udales mximos (Q2.33) con

base en el rea de la cuenca y a la regin Hidrolgicamente homognea a la que pertenece
(tabla 2.4).

32

REGIN
ECUACIN
1
Q2.33 =0.6839*A+72.986
2
Q2.33 =2.1408*A-71.75
2b
Q2.33 =0.9257*A-172.78
3
Q2.33 =0.5871*A+198.91
3b
Q2.33 =0.0701*A+122.32
4
Q2.33 =0.6758*A+53.357
5
Q 2.33 =-0.0008*A2 +1.6108*A+4.2165
6
Q2.33 =0.3519*A+53.544
7
Q 2.33=0.4868*A1.107
8
Q 2.33 =-5E-06*A2 +0.3154*A+205.28

R2
0.9925
0.9946
0.9275
0.9931
0.7167
0.9197
0.991
0.6362
0.9882
0.9702

RANGO DE REA (km2 )

100-1991
55-110
187-430
100-1930
1640-2240
25-200
45-120
45-845
13-560
915-18200

Tabla 2.4. Ecuaciones de relacin entre el valor medio de los caudales mximos Q2.33 y el rea de la cuenca
[Documento de Regionalizacin de Caudales Mximos y Medios en El Salvador SNET, 2004: p. 3.5]

El Q2.33 se multiplica por los factores de ajuste para los diferentes perodos de retorno (tabla
2.5), obteniendo as, el valor de caudal mximo para diferentes perodos de retorno.

PERODO
DE RETORNO
5
10
15
20
25
50
100

1
1.64
2.28
2.68
2.98
3.23
4.05
4.96

2
1.50
1.96
2.24
2.45
2.61
3.14
3.71

2b
1.39
1.73
1.93
2.07
2.18
2.54
2.90

3
1.40
1.74
1.94
2.09
2.20
2.57
2.94

REGIN
3b
4
1.54 1.50
2.05 1.96
2.36 2.24
2.60 2.44
2.79 2.61
3.41 3.13
4.08 3.70

5
1.51
1.99
2.28
2.49
2.66
3.22
3.81

6
1.42
1.79
2.01
2.17
2.30
2.71
3.14

7
1.38
1.71
1.90
2.04
2.15
2.49
2.84

8
1.40
1.75
1.96
2.11
2.22
2.59
2.98

Tabla 2.5. Factores de ajuste para el clculo de caudales mximos [Documento de Regionalizacin de
Caudales Mximos y Medios en El Salvador SNET, 2004: p. 3.5].

2.4 Fundamentos tericos Estadsticos para la determinacin de caudales mximos y

determinacin de Funcin de mejor ajuste

El estudio de un fenmeno hidrolgico requiere del anlisis de datos o muestras histricas

recopiladas para poder comprender el comportamiento del mismo, as como para tomar
decisiones relativas a un proyecto de ingeniera que dependa en gran medida del fenmeno
en cuestin.

33

La determinacin de caudales mximos a partir de datos histricos de estaciones

hidromtricas localizadas en las zonas hidrogrficas B, C, D, E, F, G, H, I, J de El
Salvador, se pretende realizar mediante un anlisis estadstico, por lo que es de vital
importancia el conocer de una manera formal las tcnicas estadsticas ms apropiadas para
as obtener la mejor informacin posible y para poder cuantificar el riesgo que representa la
generalizacin a partir de informaciones parciales. [Llamas, 1993: p. 87].

Algunos conceptos de probabilidad y estadstica

Para estudiar las tcnicas y recursos estadsticos es necesario tomar en cuenta algunos
conceptos bsicos sobre probabilidad, debido a que sta es el nexo entre Hidrologa y
Estadstica.

Cuando se va a realizar un experimento, slo se presentan dos situaciones: se sabe con

certeza lo que va a ocurrir o no se sabe. En Hidrologa esta semejanza es vlida, y ocurre lo
que en el segundo caso: no se sabe con certeza lo que ocurrir, an bajo las mismas
condiciones, los fenmenos hidrolgicos se "predicen" en base a "probabilidades".

Visto desde este punto, se dice que estamos en este caso frente a lo que se denomina
"experiencia aleatoria".

La teora de la probabilidad estudia las experiencias aleatorias y las posibles formas en que
ocurren, llamadas sucesos o eventos.

La probabilidad es un nmero real, entre cero y uno, que se le adjudica a los sucesos como
una medida de su posible ocurrencia. Si un suceso no puede ocurrir jams, como resultado
de la experiencia, se llama "suceso imposible" y tiene una probabilidad de cero. Si, por el
contrario, es evidente que siempre ocurrir, se le llama "suceso seguro" y tiene una
probabilidad de uno.

34

Cualquier otro suceso diferente de los sealados tomar su valor de probabilidad en el

intervalo real abierto ]0, 1[. [Hernndez, 2002: p. 11 y 12].

En este intervalo, como se dijo, cada suceso es relacionado con un nmero real llamado
"variable aleatoria", de un modo tal que la asignacin de la probabilidad se realiza desde un
conjunto de nmeros reales hacia el intervalo [0, 1], donde la suma de todos los valores de
probabilidad es igual a 1.

Las variables aleatorias numricas se clasifican en discretas y continuas. Se llaman

discretas cuando toman valores puntuales; por lo general, nmeros enteros. Se llaman
continuas cuando, real o tericamente, pueden tomar cualquier valor dentro de un conjunto
bien definido de nmeros reales. [Hernndez, 2002, p.72].

Esta asignacin de la probabilidad obliga a analizar la forma en que dicha probabilidad se

distribuye en cada una de las variables aleatorias. Cuando el nmero de observaciones se
incrementa, el tamao de los intervalos decrece. Si los intervalos en los que ocurren los
sucesos u observaciones, es tan pequeo que tienden a cero, la distribucin de
probabilidades se hace mediante una determinada funcin.

Funciones de probabilidad

Existen dos tipos de funciones de probabilidad:

Funciones discretas: cuando el nmero de valores x que puede tomar una variable aleatoria
X es finito, se dice que la variable aleatoria X es discreta (por ejemplo, el arrojar un dado).
Funciones continuas: cuando el nmero de valores x que puede tomar una variable aleatoria
X es infinito se dice que dicha variable aleatoria es continua.
Por su naturaleza, a la hidrologa le interesa estudiar a las funciones continuas de
probabilidad, ya que los eventos ocurrentes no tienen un rango finito. (Por ejemplo los
volmenes de escurrimiento mensual de un ro).

35

Estimar a qu funcin de distribucin pertenece un fenmeno hidrolgico es un problema

complejo, puesto que slo se tiene la muestra histrica disponible como herramienta, y un
anlisis previo de la misma dar la pauta para elegir la funcin ms adecuada. En el anlisis
de dicha muestra pueden considerarse los siguientes criterios:

El tipo de fenmeno hidrolgico: Se pueden elegir las funciones cuyos lmites matemticos
sean compatibles con los lmites impuestos por la naturaleza del fenmeno. [Llamas, 1993:
p. 96].

Las caractersticas estadsticas de la muestra: La bsqueda de la funcin de distribucin

debe limitarse a aquellas familias de funciones de simetra equivalente.

La longitud de la muestra: Cuando se cuenta con muestras cortas o de reducido nmero de

valores (50 o menos), slo deben analizarse las funciones definidas por un nmero reducido
de parmetros (de 1 a 3). Si la muestra es larga o lo suficientemente grande se deben
utilizar funciones con mayor nmero de parmetros para dar mayor precisin debido a que
el riesgo de la extrapolacin a partir de una muestra limitada, es inversamente proporcional
a la longitud de la muestra. [Llamas, 1993, p. 96].

Distribuciones de probabilidad

El comportamiento de las variables aleatorias discretas o continuas se describe con la ayuda

de Distribuciones de Probabilidad.

La variable se designa por mayscula y un valor

especfico de ella por minscula.

Por P(x = a) se denota la probabilidad de que un evento asuma el valor a; similarmente
P(a x b) denota la probabilidad de que un evento se encuentre en el intervalo (a,b). Si
conocemos la probabilidad P(a x b) para todos los valores de a y b, se dice que
conocemos la Distribucin de Probabilidades de la variable x.

36

f (x)

Figura 2.3. Distribucin de la funcin de probabilidad de la variable x

P(a x b) = f ( x) dx = A

(Ec. 2.42)

Si x es un nmero dado y consideramos la probabilidad P(X x):

F(x)= P(X x) (Probabilid ad de no excedencia).

(Ec. 2.43)

y llamamos F(x) la funcin de distribucin acumulada.

Cuando el nmero de observaciones se incrementa, el tamao de los intervalos decrece.

f(x) es la llamada funcin de densidad de probabilidades y tiene las siguientes
caractersticas:

f ( x )dx = 1

(Ec. 2.44)

P (a x b) = f ( x )dx

(Ec. 2.45)

f ( x )dx = 0

(Ec. 2.46)

37

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 o
M =

f ( x) dx para la variable continua

(Ec. 2.47)

o respecto a la media (eje de rotacin diferente al origen)

M = ( x ) f ( x) dx para la variable continua

(Ec. 2.48)

Parmetros estadsticos

Los estadsticos extraen informacin de una muestra, indicando las caractersticas de la

poblacin. Los principales estadsticos son los momentos de primer, segundo y tercer
orden correspondiente a la media, varianza, y asimetra respectivamente.
Media :
Es el valor esperado de la variable misma. Primer momento respecto al origen. Muestra la
tendencia central de la distribucin

xf ( x )dx

(Ec. 2.49)

El valor estimado de la media a partir de la muestra es:

38

x=

1 n
xi
n i =1

(Ec. 2.50)

Varianza :
Mide la variabilidad de los datos. Es el segundo momento respecto a la media.

= ( x ) 2 f ( x) dx
2

(Ec. 2.51)

El valor estimado de la varianza a partir de la muestra es:

s2 =

1 n
( xi x ) 2
n 1 i =1

(Ec. 2.52)

En el cual el divisor es n-1 en lugar de n para asegurar que la estadstica de la muestra no

sea sesgada, es decir, que no tenga una tendencia, en promedio, a ser mayor o menor que
el valor verdadero. Las unidades de la varianza son la media al cuadrado, la desviacin
estndar es una medida de la variabilidad que tiene las mismas dimensiones que la media
y simplemente es la raz cuadrada de la varianza, se estima por s.

Coeficiente de variacin.

es una medida adimensional de la variabilidad. Su estimado es:

C =

(Ec. 2.53)
x

39

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.

] (x )

E (x )3 =

f ( x) dx tercer momento respecto a la media

(Ec. 2.54)

1
E ( x )3
3

(Ec. 2.55)

Un estimativo del coeficiente de asimetra est dado por:

Cs =

n ( x x ) 3
i =1

( n 1)(n 2) s 3

(Ec. 2.56)

Perodo de Retorno

Cada espacio muestral tiene su propia funcin de distribucin o de densidad de

probabilidad, que normalmente no se conoce a priori. Cuando de ese espacio se extrae un
grupo de datos (muestra) al azar, es razonable esperar que su funcin de distribuc in de
probabilidad sea similar a la del espacio completo, en particular si la muestra es grande.
Adems, lo ms razonable que se puede suponer en cuanto a la frecuencia de cada dato del
grupo es que sta sea, dentro del espacio muestral, igual a la observada.
El perodo de retorno o intervalo de recurrencia, T, se define como el tiempo promedio en
el cual un evento de cierta magnitud va a ser igualado o superado por lo menos en una
ocasin. Por ejemplo, si se tiene un evento de diseo con una probabilidad de ocurrencia P
= 0.25 y tomando un proyecto con una vida til de 100 aos se tendra entonces que de los
100 aos que dure el proyecto, en 25 se excedera el evento de diseo. Por lo tanto, el

40

tiempo promedio de recurrencia del evento es de 100/25 = 4 aos. Si P es la probabilidad,

entonces:

T = 1/P

(Ec. 2.57)

La probabilidad de que el evento no ocurra sera entonces:

F(x) = (1-P) = 1-1/T

(Ec. 2.58)

La probabilidad de que no ocurra en n aos de la vida til del proyecto sera:

F(x) = (1 1/ T ) n

(Ec. 2.59)

y la probabilidad de que ocurra el evento en n aos o el riesgo de que se presente es:

F(x) = [1 (1 1 / T )]

(Ec. 2.60)

Cuando se tiene una lista de datos ordenados en forma decreciente con respecto al evento,
el perodo de retorno se puede calcular como:

T = (n+1)/m

(Ec. 2.61)

Donde:
n = nmero de datos.
m = nmero consecutivo de la lista para dicho evento.

41

Una vez que se asigna un perodo de retorno al gasto de diseo de la obra que se est
analizando, es necesario hacer extrapolaciones a partir de los gastos mximos anuales que
se hayan registrado para conocer el gasto de diseo que correspondera al perodo de
retorno seleccionado. Esas extrapolaciones se logran mediante el uso de funciones de
distribucin de probabilidad, aquellas que ms se ajusten a los registros con los que se
cuenta.

De las las funciones de distribucin de probabilidad ms usadas en hidrologa, estas son

algunas de ellas para la determinacin de caudales mximos:

1. Normal
2. Log-normal
3. Pearson III
4. log-Pearson III
5. Gumbel

Para la estimacin de caudales mximos en este documento se seleccionaron la funcin

Log-Normal porque es apropiada para variables aleatorias que cubren todo el rango de
valores de los resultados posibles del experimento bajo anlisis (volmenes de
escurrimiento mensual, por ejemplo); la funcin Gumbel debido que se desarroll para el
anlisis de los valores extremos de dichos resultados, como los gastos mximos o mnimos
anuales; y la funcin Log-Pearson III ya que ocupa un lugar intermedio. [Francisco
Aparicio, 2001: p. 253]

2.4.1 Distribuciones de Probabilidad ms usadas en hidrologa para variables

continuas.
Distribucin 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

42

hidrolgicos tiene amplia aplicacin por ejemplo a los datos transformados que siguen la
distribucin normal.

La funcin de densidad de probabilidad normal se define como:

F (x ) =

1 x

1
e 2
2

(Ec. 2.62)

y la funcin de distribucin de probabilidad normal como:

F (x ) =

1 x

1
e 2
2

dx

(Ec. 2.63)

Donde:

x = variable aleatoria.
= media de la poblacin.
= desviacin estndar de la poblacin.

Para resolver esta funcin se recurren a mtodos numricos para evaluarla, y para hacer
esto ms sencillo se ha asignado como variable estandarizada:

z=

(Ec. 2.64)

Que est normalmente distribuida con media cero y desviacin estndar unitaria. As la
funcin principal queda como:
F (x ) = F (z) =

1 z 2 2
e dz
2

43

(Ec. 2.65)

Hay dos maneras de estimar F(z), una es mediante una tabla que se ha publicado de dicha
ecuacin. Y la segunda es mediante frmulas aproximadas, la funcin de densidad f(z) se
aproxima como:
f(z) = (a0 + a1 z2 + a2 z4 + a3 z6 )-1

(Ec. 2.66)

Donde:

a0 = 2.490895
a1 = 1.466003
a2 = -0.024393
a3 = 0.178257
Y la funcin de distribucin sera la siguiente:

F(z) = H(z),

z>0

F(z) = 1- H(z),

z< 0

(Ec. 2.67)

(Ec. 2.68)

Donde:
1
H (z) = 1
e
2

z2
2

(b1 q + b2 q 2 + b3 q 3 )

Siendo:
q=

1
1 + b0 z

(Ec. 2.70)

b0 = 0.33267
b1 = 0.43618
b2 = -0.12017
b3 = 0.93730

44

(Ec. 2.69)

Distribucin Log-Normal

En esta funcin los logaritmos naturales de la variable aleatoria se distribuyen

normalmente.

f ( x) =

1 ln

1 1 2
e
2 x

(Ec. 2.71)

donde y son parmetros de la distribucin, y por lo tanto son la media y la desviacin

estndar de los logaritmos de la variable aleatoria. La funcin de distribucin de
probabilidad es:
n

=
i =1

ln xi
n

(Ec. 2.72)

n (ln xi ) 2
=
n
i =1

1/ 2

(Ec. 2.73)

La distribucin de probabilidad:
1 ln

1 1 2
F ( x) =
e
2 x
0

dx

(Ec. 2.74)

Al igual que en la distrib ucin normal, se le asigna a "z" los siguientes valores:

z=

ln x

(Ec. 2.75)

A causa de su asimetra pronunciada, la funcin Log- Normal se usa bastante en hidrologa,

sobre todo en el estudio de valores extremos.

45

f(x)
f(x)

f(x)

Figura 2.4. Funcin de densidad Log-Normal

Distribucin Pearson III

Esta distribucin ha sido una de las ms utilizadas en hidrologa. Como la mayora de las
variables hidrolgicas son sesgadas, la funcin Gamma se utiliza para ajustar la
distribucin de frecuencia de variables tales como crecientes mximas anuales, Caudales
mnimos, Volmenes de flujo anuales y estacionales, valores de precipitaciones extremas y
volmenes de lluvia de corta duracin. La funcin de distribucin Gamma tiene dos o tres
parmetros.

La funcin de densidad de probabilidad Pearson de tres parmetros (tipo III) se define

como:

x 1
1
f ( x) =

1 ( 1 ) 1

1 .1

46

x 1
1

(Ec. 2.76 )

donde 1, 1, 1 son los parmetros de la funcin y ( 1 ) es la funcin de Gamma. Los

parmetros 1, 1, 1 se evalan a partir de n datos medidos, mediante el siguiente sistema
de ecuaciones:

x = 1 1 + 1

(Ec. 2.77)

S2 = 1 2 1

(Ec. 2.78)

= 2 / ( 1 )0.5

(Ec. 2.79)

donde x es la media de los datos, S2 su variancia y su coeficiente de sesgo, que se define

como:
( xi x) 3 / n
S3
i =1
n

(Ec. 2.80)

La funcin de distribucin de probabilidad es:

x1
1

F ( x) =
e
1 ( 1 ) 0
x

x 1

dx

(Ec. 2.81)

y sustituyendo

y=

x 1
1

(Ec. 2.82)

La ecuacin quedara
y

F ( y) =

1
y 1e y dy

( 1 ) 0

(Ec. 2.83)

Siendo la anterior una funcin ji cuadrada con 2 1 grados de libertad y x 2 = 2 y :

F ( y ) = F ( x 2 ) = Fx 2 ( 2 y 21 )

47

(Ec. 2.84)

Esta funcin se usa solo cuando 1 = n /2, donde n es un entero positivo cualquiera. Como
2 es no entero, puede tomarse como el entero ms prximo o bien interpolar en la tabla del
anexo B. Cuando < 0.3, se tendr que acudir a tablas de la funcin de distribucin de
Gamma de un parmetro. Cuando da valores extraos, como negativos o muy grandes, es
recomendable fijar dicho valor de d a ojo, estimndolo, como la ordenada al origen en una
grfica de gasto contra periodo de retorno.
Distribucin Log-Pearson III

Si los logaritmos Y de una variable aleatoria X se ajustan a una distribucin Pearson tipo III,
se dice que la variable aleatoria X se ajusta a una distribucin Log Pearson Tipo III. Esta
distribucin es ampliamente usada en el mundo para el anlisis de frecuencia de caudales
mximos.

Esta se trabaja igual que para la Pearson Tipo III incluso el uso de la

distribucin ji cuadrada, pero con Xy y Sy como la media y desviacin estndar de los

logaritmos de la variable original X.
Distribucin Gumbel

Supngase que se tienen N muestras cada una con n eventos. Si se selecciona el mximo x
de los n eventos de cada muestra, es posible demostrar que, a medida que aumenta n, la
funcin de probabilidad de x (probabilidad de no excedencia) tiende a:
( )

F ( x) = e e

= P (X= x)

(Ec. 2.85)

La funcin de densidad de probabilidad es entonces:

f ( x) = e[ ( x ) e

( x )

(Ec. 2.86)

y la probabilidad de excedencia es:

Pt =[ 1 - F(x) ]

48

(Ec. 2.87)

Donde y son los parmetros de la funcin.

Los valores de y :

(Ec. 2.88)

= /

(Ec. 2.89)

Donde ? es la constante de Euler y es igual a:

? = 0.577215

(Ec. 2.90)

2.4.2 Pruebas de bondad 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 mismos.

En la teora estadstica, las pruebas de bondad del ajuste ms conocidas son la Smirnov Kolmogorov y la Chi - Cuadrado, las cuales son las que se utilizarn en nuestro anlisis y
que se describen a continuacin:

Prueba Smirnov-Kolmogorov

La prueba de bondad de ajuste estadstico Smirnov - Kolmogorov considera la desviacin

de la funcin de distribucin de probabilidades de la muestra P(x) de la funcin de
probabilidades terica, escogida Po(x) tal que:
Dn = max( P ( x) Po ( x))

49

(Ec. 2.91)

La prueba requiere que el valor D calculado con la expresin anterior sea menor que el
valor tabulado dcrit para un nivel de probabilidad (significancia) requerido.
Esta prueba es fcil de realizar y comprende las siguientes etapas:

El valor estadstico D es la mxima diferencia entre la funcin de distribucin acumulada

de la muestra y la funcin de distribucin acumulada terica escogida.
Se fija el nivel de probabilidad (nivel de significancia) , valores de 0.05 y 0.01 son los
ms usuales.

El valor crtico dcrit de la prueba debe ser obtenido de la tabla 2.6, el cual est en funcin
de y n , pues depende del nivel de significancia y del nmero de datos.
Si el valor calculado D es menor que el dcrit, la distribucin escogida se debe aceptar.
Por el contrario, si el valor calculado D es mayor que el dcrit, la distribucin escogida se
debe rechazar.

Tamao de la muestra

a = 0.10

a = 0.05

a = 0.01

0.51

0.56

0.67

10

0.37

0.41

0.49

15

0.30

0.34

0.40

20

0.26

0.29

0.35

25

0.24

0.26

0.32

30

0.22

0.24

0.29

40

0.19

0.21

0.25

n grande

1.22 / (n)1/2

1.36 / (n)1/2

1.63 / (n)1/2

Tabla 2.6.Valores crticos d crit para la prueba Smirnov-Kolmogorov de Bondad de ajuste. [Aparicio, 1993, p.
289].

50

Prueba ji-Cuadrado

Una medida de las discrepancia entre las frecuencias observadas (fo ) y las frecuencias
calculadas (f c) por medio de una distribucin terica esta dada por el estadstico x

( f0 fc )2
fc
i =1
k

x2 =

(Ec. 2.92)

en donde

Si el estadstico x=0 significa que las distribuciones terica y emprica ajustan

exactamente, mientras que si el estadstico x>0, ellas difieren.

La distribucin del

estadstico x se puede asimilar a una distribucin Chi-cuadrado con (k-1-m) grados de

libertad, donde k es el nmero de intervalos y m es el nmero de los parmetros de la
distribucin terica. La funcin x se encuentra tabulada tal y como se mostr en la figura
2.6. Supngase que una hiptesis Ho es aceptar que una distribucin emprica se ajusta a
una distribucin Normal. Si el valor calculado de x por la ecuacin anterior es mayor que
algn valor crtico de x, con niveles de significancia de 0.05 y 0.01 (el nive l de
confianza es 1-) se puede decir que las frecuencias observadas difieren significativamente
de las frecuencias esperadas (o calculadas) y entonces la hiptesis Ho se rechaza, si ocurre
lo contrario entonces se acepta.

2.4.3 Seleccin de la Funcin de Distribucin de mejor ajuste.

Al aplicar cada una de las funciones de distribucin a los datos de los registros de cada
estacin es posible que se observen que existen diferencias que son apreciables entre las
mismas. Debido a esto es necesario seleccio nar con cuidado la funcin a utilizar, ya que
una mala seleccin de cualquiera de las funciones puede traducirse, para el ingeniero o
entidad que utilizar en el futuro esta informacin, en una estructura sobrediseada y
costosa o subdiseada y peligrosa [Aparicio, 2001, p. 270].

51

La seleccin de la funcin de mejor ajuste a utilizar, con el propsito de calcular los valores
de Caudales Mximos en cada una de las estaciones analizadas, se realiza de la siguiente
manera:

En primera instancia se aplican ambas pruebas de bondad de ajuste

(j i-cuadrado y

Smirnov-Kolmogorov) a las distribuciones obtenidas de cada funcin para los registros de

cada estacin.
Luego se calcula el valor del parmetro estadstico x2 para la prueba ji-cuadrado,y el
parmetro D para Smirnov-Kolmogorov, para as compararlos con los valores estadsticos
crticos x 2 1-a , k-1-m y dcrit respectivamente, los cuales se encuentran en funcin del nivel de
significancia a usado. Para este ltimo se seleccion el valor de a = 0.05, es decir se acepta
una incertidumbre en el modelo de un 5 por ciento, o lo que es lo mismo se requiere de un
95 por ciento de certeza para aceptar el modelo o la hiptesis.

Ya comparados los parmetros calculados con los valores crticos se procede a concluir si
se acepta o se rechaza la funcin aplicada, y a escoger cual sera la preferible segn las
pruebas aplicadas.

Para seleccionar finalmente la funcin a utilizar se tabulan los resultados de las pruebas
aplicadas, calificando las funciones segn el orden de preferencia, otorgando un valor de 1
a la de "mejor" ajuste y creciendo este valor hasta la de "peor" ajuste, o definitivamente
rechazando la funcin.

52