Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Doc00245-Seccion C PDF
Doc00245-Seccion C PDF
FUNDAMENTOS TERICOS
PARA
EL
CLCULO
DE
CAUDALES
M XIMOS
2.1 Introduccin
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
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
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)
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)
(Ec. 2.3)
O bien :
y = a 0 + a1 x1 + a2 x2
(Ec. 2.4)
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)
(Ec. 2.7)
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).
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
(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].
(Ec. 2.10)
][
17
(Ec. 2.11)
Tc = 0.94788 L3 / H
0.385
(En horas)
(Ec. 2.12)
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.
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)
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
1 m/s
1 - 2 m/s
Mayor del 10 %
2 m/s
12-15 %
1.07
1.37
1.83
5.49
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
Tabla 2.3. Velocidades promedio aproximadas de escorrenta para calcular el tiempo de concentracin
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]
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:
(Ec. 2.16)
Donde:
qp =
0.275C p A
tp
(Ec. 2.17)
Donde:
22
Cp : Coeficiente adimensional variable entre 0.56 y 0.69 tomando valores mayores para
cuencas con grandes inclinaciones.
(Ec. 2.18)
Donde:
En la figura 2.1 se muestran los grficos de los hidrogramas sintticos de Snyder con la
simbologa utilizada.
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
24
ES
dt =Pn xA = 1mmxA
(Ec. 2.26 )
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)
En donde:
25
(Ec. 2.30)
Donde:
t c: Tiempo de concentracin.
Adems la duracin:
(Ec. 2.31)
26
qp = CA/Tp
(Ec. 2.33 )
27
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].
Vd = Qn t
(Ec. 2.35)
n =1
28
(Ec. 2.36)
rd = ( R m t )
(Ec. 2.37)
m =1
Clculo del Hidrograma Unitario Complejo [Ven Te Chow, 1994: p.233, 234]
Qn =
n M
P U
m
m =1
n m +1
(Ec. 2.38)
29
1000
S =
10(2.54)(cm ) (Ec. 2.39)
CN
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.
30
(Ec. 2.41)
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
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.
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
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].
33
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.
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
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.
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
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].
Distribuciones de probabilidad
36
f (x)
P(a x b) = f ( x) dx = A
(Ec. 2.42)
(Ec. 2.43)
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.
(rotacin respecto al o
M =
(Ec. 2.47)
(Ec. 2.48)
Parmetros estadsticos
xf ( x )dx
(Ec. 2.49)
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)
s2 =
1 n
( xi x ) 2
n 1 i =1
(Ec. 2.52)
Coeficiente de variacin.
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 =
(Ec. 2.54)
1
E ( x )3
3
(Ec. 2.55)
Cs =
n ( x x ) 3
i =1
( n 1)(n 2) s 3
(Ec. 2.56)
Perodo de Retorno
40
T = 1/P
(Ec. 2.57)
(Ec. 2.58)
F(x) = (1 1/ T ) n
(Ec. 2.59)
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.
1. Normal
2. Log-normal
3. Pearson III
4. log-Pearson III
5. Gumbel
42
hidrolgicos tiene amplia aplicacin por ejemplo a los datos transformados que siguen la
distribucin normal.
F (x ) =
1 x
1
e 2
2
(Ec. 2.62)
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
f ( x) =
1 ln
1 1 2
e
2 x
(Ec. 2.71)
=
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)
45
f(x)
f(x)
f(x)
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.
x 1
1
f ( x) =
1 ( 1 ) 1
1 .1
46
x 1
1
(Ec. 2.76 )
x = 1 1 + 1
(Ec. 2.77)
S2 = 1 2 1
(Ec. 2.78)
= 2 / ( 1 )0.5
(Ec. 2.79)
(Ec. 2.80)
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)
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
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)
f ( x) = e[ ( x ) e
( x )
(Ec. 2.86)
Pt =[ 1 - F(x) ]
48
(Ec. 2.87)
(Ec. 2.88)
= /
(Ec. 2.89)
? = 0.577215
(Ec. 2.90)
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
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 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
La distribucin del
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:
(j i-cuadrado y
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