HIDROLOGIA

Municipalidad Provincial General Snchez Cerro Gerencia de Desarrollo Urbano
MEJORAMIENTO DE LA INFRAESTRUCTURA DE RIEGO E IMPLEMENTACION DEL SISTEMA DE RIEGO TECNIFICADO EN LOS SECTORES DE
COLOHUACHE, YARAPAMPA, ESCOBAYA, CAHUA GRANDE Y CAHUA CHICA EN EL DISTRITO DE OMATE, PROVINCIA DE GENERAL SANCHEZ
CERRO REGIN MOQUEGUA
Estudio de Hidrologa 1

Consultor: Ing. Mximo Nina Lupaca Telefax: (054) 255279 RPM: *630151 RPC: 959776420 E-mail: mnl_ingenieros@hotmail.com

ESTUDIO HIDROLOGICO

Contenido
1. HIDROLOGIA .....................................................................................................................................................3
1.1 GENERALIDADES .............................................................................................................................................3
1.1.1 UBICACIN ........................................................................................................................................................3
1.1.2 OBJETIVOS .........................................................................................................................................................4
1.2 PARAMETROS DE LA MICROCUENCA .........................................................................................................4
1.2.1 INFORMACIN CARTOGRAFICA Y GEOGRFICA ....................................................................................4
1.2.2 DESCRIPCION GENERAL DE LA MICRO CUENCA .....................................................................................4
1.2.3 PARAMETROS MORFOLOGICOS ...................................................................................................................5
1.3 ANALISIS DE EVENTOS MAXIMOS ............................................................................................................. 10
1.3.1 DATOS HIDROMETEOROLOGICOS ............................................................................................................. 10
1.3.2 PROBABILIDAD DE OCURRENCIA DE LA PRESENTACION .................................................................. 13
1.3.3 ANALISIS ESTADISTICO DE PRECIPITACIONES MAXIMAS .................................................................. 13
1.3.4 METODOS DE ESTIMACION DE PARAMETROS DE LAS FUNCIONES PROBABILISTICAS .............. 14
1.3.5 METODO DE MOMENTOS ............................................................................................................................. 15
1.3.5.1 DISTRIBUCION NORMAL ..................................................................................................................... 15
1.3.5.2 DISTRIBUCION DE VALOR EXTREMO TIPO I .................................................................................. 16
1.3.5.3 DISTRIBUCION LOG NORMAL DE II PARAMETROS .................................................................... 21
1.3.5.4 DISTRIBUCION LOG NORMAL DE III PARAMETROS .................................................................. 25
1.3.5.5 DISTRIBUCION LOG PEARSON TIPO III ............................................................................................. 28
1.3.5.6 DISTRIBUCION PEARSON TIPO III ...................................................................................................... 31
1.3.6 VERIFICACION ESTADISTICA DE LAS DISTRIBUCIONES ..................................................................... 34



1.3.6.1 PRUEBAS DE AJUSTE ............................................................................................................................ 34
1.3.6.2 PRUEBA DE SMIRNOV KOLMOGOROV ............................................................................................. 34
1.3.6.3 METODO DEL ERROR CUADRTICO MINIMO ................................................................................ 37
1.3.6.4 SELECCIN DEL METODO ESTADSTICO APROPIADO ................................................................. 38
1.3.6.5 PRECIPITACION MAXIMA E INTENSIDAD MAXIMA ..................................................................... 39
1.3.6.6 ANLISIS DE RIESGO DE FALLA ........................................................................................................ 40
1.3.6.7 CURVAS DE INTENSIDAD-DURACIN Y FRECUENCIA (IDF) ...................................................... 42
1.4 CAUDAL MAXIMO .......................................................................................................................................... 44
1.4.1 COEFICIENTE DE ESCORRENTA ................................................................................................................ 44
1.4.2 TIEMPO DE CONCENTRACIN Tc ............................................................................................................... 45
1.4.3 APLICACIN DEL METODO MAC MATH ................................................................................................... 47
1.5 CONCLUSIONES .............................................................................................................................................. 47



1. HIDROLOGIA
1.1 GENERALIDADES
El tema de agua no es solamente de carcter tcnico productivo, implica tambin aspectos
sociales y de conservacin de los recursos naturales, por eso requiere de propuestas integrales
para su manejo; sobre todo considerar a la poblacin que se dedica a la agricultura como un ente
conservador del recurso hdrico en su rea de expansin.
Todos sabemos de la importancia que tiene el recurso hdrico como elemento insustituible para
fructificar nuestras necesidades, y no nos es ajeno el hecho de que sin un buen uso de este
recurso, no se podra lograr un desarrollo adecuado para este sector tan vital de la economa del
pas.
Es necesario tener en cuenta, que el agua es uno del recurso natural ms importante con que
contamos para hacer reverdecer nuestro medio y dar niveles de eficiencia y productividad. Este
resultado muchas veces se ha movido segn el momento y los tiempos, pero sin duda, el manejo
del agua ha sido objeto de trabajo en algunos momentos planificado, con visin de futuro por los
antiguos peruanos, en el que nada se dejaba pasar. Si se actuara de esta manera, los resultados
deberan ser los esperados.
La elaboracin del presente informe ha sido motivada por la falta de informacin, en lo referente a
la disponibilidad y manejo de los recursos hdricos. En la microcuenca se tiene el principal objetivo
de conservar la calidad del recurso evitando el desperdicio de este por ello se plantea la
construccin de captaciones para optimizar el rendimiento hdrico para los sectores de riego.
Colohuache Yarapampa, Escobaya y Cahua grande Cahua Chica
1.1.1 UBICACIN

La Provincia General Snchez Cerro est situada al Norte de la Provincia de Mariscal Nieto dentro
del Departamento de Moquegua entre las coordenadas geogrficas 15 57 y 16 58 de Latitud Sur
y 70 20 y 71 27 de Longitud Oeste, altitudinalmente se encuentra entre los 1815 a 3792 msnm,
presentando la mayor parte de su territorio dentro de la regin Andina.



Omate polticamente es la capital de la Provincia de General Snchez Cerro, Regin de
Moquegua, se encuentra a 147 km de distancia de la ciudad de Moquegua, en ella se llega a
travs de una carretera afirmada.
REGION: Moquegua
PROVINCIA: Gral. Snchez Cerro
DISTRITO: Omate
Sector de Riego: Colohuache Yarapampa, Escobaya y Cahua grande
Cahua Chica

1.1.2 OBJETIVOS
Los objetivos principales del presente informe son:
Determinar la precipitacin y la intensidad de lluvia en un evento mximo en la zona de
proyecto.
Determinar el caudal mximo de diseo para un periodo de retorno de 25 aos. En los
puntos de captacin.
1.2 PARAMETROS DE LA MICROCUENCA
1.2.1 INFORMACIN CARTOGRAFICA Y GEOGRFICA
Cartas Nacionales a escala 1:100,000 elaboradas por el Instituto Geogrfico Nacional, cuya
identificacin es la siguiente:
Omate : (34-q).
1.2.2 DESCRIPCION GENERAL DE LA MICRO CUENCA
El estudio hidrolgico comprende las microcuencas que se encuentran en el mbito de la cabecera
de los sectores de riego.
Estos micros cuencas se han dividido en nmero de tres denominados.
Micro cuenca SHINCA.
Micro cuenca SECA
Micro cuenca SUTO



1.2.3 PARAMETROS MORFOLOGICOS
El relieve del mbito de las cuencas en estudio, es en general escarpado y propia de la zona,
fisiogrficamente de paisaje escarpado y abrupto, concerniente a la cobertura vegetal rea de
espinales en los cerros, y el resto constituida por especies propias de la zona rida y desrtica.
En lo que respecta a este tem, se desarroll el marco terico y el clculo de los principales
parmetros geomorfolgicos en el rea de Proyecto de las micro cuencas asociados a su
capacidad de respuesta a la precipitacin en forma de escorrenta, tales como: rea. Permetro,



Longitud del Cauce Principal, Ancho Promedio, Coeficiente de Compacidad. Factor de forma,
Grado de Ramificacin, Densidad de drenaje y Pendiente Media.
AREA DE LA CUENCA
La superficie de la cuenca delimitada por el divisor topogrfico, corresponde a la superficie de la
misma proyectada en un plano horizontal, y su tamao influye en forma directa sobre las
caractersticas de los escurrimientos fluviales y sobre la amplitud de las fluctuaciones.
PERIMETRO DE LA CUENCA
El permetro de la cuenca est definido por la longitud de la lnea de divisin de aguas (Divortium
Aquarium).
LONGITUD MAYOR DEL RIO (L)
Recibe este nombre, el mayor cauce longitudinal que tiene una cuenca determinada, es decir, el
mayor recorrido que realiza el ro desde la cabecera de la cuenca, siguiendo todos los cambios de
direccin o sinuosidades hasta un punto fijo de inters, que puede ser una desembocadura.
FORMA DE CUENCA
Es la que determina la distribucin de las descargas de agua a lo largo del curso principal o cursos
principales, y es en gran parte responsable de las caractersticas de las crecientes que se
presentan en la cuenca.
Es expresada por parmetros, tales como el Ancho Promedio, Coeficiente de Compacidad y el
Factor de forma
ANCHO PROMEDIO
Es la relacin entre el rea de la cuenca y la longitud mayor del curso del ro, la expresin
es la siguiente:
L
A
Ap =

Dnde:
Ap = Ancho promedio de Ia cuenca (Km)
A = rea de la cuenca
COEFICIENTE DE COMPACIDAD (Kc)
O ndice de Gravelius, constituye la relacin entre el permetro de la cuenca y el permetro
de una circunferencia cuya rea - igual a la de un crculo - es equivalente al rea de la
cuenca en estudio.



Su frmula es la siguiente:
A P
P
Kc
* 2
=

A P Kc / * 28 . 0 =

Siendo:
Kc = Coeficiente de Compacidad (Km/Km2)
P = Permetro de la cuenca (Km)
A = rea de la cuenca (Km2)
Una cuenca se aproximar a una forma circular cuando el valor Kc se acerque a la unidad
Cuando se aleja de la unidad, presente una relacin irregular con relacin al crculo.
Si este coeficiente fuera igual a la unidad, significa que habr mayores oportunidades de
crecientes debido a que los tiempos de Concentracin, Tc (duracin necesaria para que
una gota de agua que cae en el punto ms alejado de aquella, llegue a la salida o
desembocadura), de los diferentes puntos de la cuenca seran iguales.
De igual modo, cuanto mayor sea el valor de Kc, tambin ser mayor el tiempo de
concentracin de las aguas y. por tanto, estar menos propensa a una inundacin.
Generalmente en cuencas muy alargadas el valor de Kc, es mayor que 2.
Un valor de Kc. menor que 1. Nos indica una cuenca de forma circular, siguiendo el
desarrollo de su curso principal, debiendo estar ms expuesta a las crecientes que una
cuenca de forma redondeada.
FACTOR DE FORMA (Ff)
Es otro ndice numrico con el que se puede expresar la forma y la mayor o menor
tendencia a crecientes de una cuenca.
Es la relacin entre el ancho promedio de la cuenca (Am) y la longitud del curso de agua
ms largo (L).
La expresin es la siguiente
L
Ap
Ff =

Siendo:
Ff = Factor de Forma



Ap = Ancho promedio de la cuenca (Km)
L = Longitud del curso ms largo (Km)
Una cuenca con Factor de Forma bajo, est sujeta a menos crecientes que otra del mismo
tamao pero con un Factor de Forma mayor.
Este valor es adimensional
SISTEMA DE DRENAJE
El sistema de drenaje de una cuenca est conformado por un curso de agua principal y sus
tributarios: observndose por lo general, que cuanto ms largo sea el curso de agua principal, ms
llena de bifurcaciones ser la red de drenaje.
Con la finalidad de determinar las caractersticas de dicha red, se definen los siguientes ndices:
GRADO DE RAMIFICACION
Para definir el grado de ramificacin de un curso de agua principal (Segn Horton), se ha
considerado el nmero de bifurcaciones que presentan sus tributarios, asignndole un orden a
cada uno de ellos en forma creciente desde el curso principal hasta el encuentro con la divisoria de
la cuenca.
DENSIDAD DE DRENAJE
Indica la relacin entre la longitud total de los cursos de agua: efmeros, intermitentes o perennes
de una cuenca (Li) y el rea total de la misma (A).
Valores altos de densidad refleja una cuenca muy bien drenada que debera responder
relativamente rpido al influjo de la precipitacin, es decir que las precipitaciones influirn
inmediatamente sobre las descargas de los ros (Tiempos de Concentracin cortos).
Una cuenca con baja densidad de drenaje refleja un rea pobremente drenada con respuesta
hidrolgica muy lenta. Una baja densidad de drenaje es favorecida en regiones donde el material
del subsuelo es altamente resistente bajo una cubierta de vegetacin muy densa y de relieve
plano.
La densidad de drenaje tiende a uno en ciertas regiones desrticas de topografa plana y terrenos
arenosos, y a un valor alto en regiones hmedas, montaosas y de terrenos impermeables.
Esta ltima situacin es la ms favorable, pues si una cuenca posee una red de drenaje bien
desarrollada, la extensin meda de los terrenos a travs de los cuales se produce el escurrimiento
superficial es corto y el tiempo en alcanzar los cursos de agua tambin ser corto; por consiguiente
la intensidad de las precipitaciones influir inmediatamente sobre el volumen de las descargas de
los ros.
La expresin es la siguiente:



A
Li
Dd =

Siendo:
Dd = Densidad de drenaje (Km/Km2)
Li = Longitud total de los cursos de agua (Km/Km2)
A = rea de la cuenca (Km2)
Monsalve, refiere que Dd usualmente toma los siguientes valores:
Entre 0.5 Km/Km2 para hoyas con drenaje pobre.
Hasta 3.5 Km/Km2 para hoyas excepcionalmente bien drenados.
PENDIENTE MEDIA DEL RIO
El agua superficial concentrada en los lechos fluviales escurre con una velocidad que depende
directamente de la declividad de stos, as a mayor declividad habr mayor velocidad de
escurrimiento. La pendiente Media del ro es un parmetro empleado para determinar la declividad
de un curso de agua entre dos puntos.
Se determina mediante la siguiente expresin:
L
Hm HM
Ic
* 1000
) (
=

Siendo:
Ic = Pendiente media del ro
L = longitud del ro
HM y Hm= Altitud Mxima y mnima del lecho del ro, referidas al nivel medio de las aguas del mar.



1.3 ANALISIS DE EVENTOS MAXIMOS
1.3.1 DATOS HIDROMETEOROLOGICOS
Es necesario identificar un perodo comn de anlisis, siendo este 1996 2010 en cuanto a
precipitaciones mximas en 24 horas, de acuerdo a la informacin disponible y que se requiere
para efectos de clculo, siendo estos los parmetros de Precipitacin de las estaciones de:

PARA PRECIPITACIN MX. 24 HORAS

PARAMETROS MORFOLOGICOS DE LAS MICROCUENCAS
DATOS DE
MICROCUENCA
SHINCA SECA SUTO
Area (Km2) 11.968 3.405 9.431
Cota Sup. 5140 4600 4800
Cota Inf. 2650 2750 2750
Long. Cauce (Km) 6.12 2.79 3.51
Perimetro (Km) 17.25 8.315 14.609
Ancho Promedio 1.956 1.220 2.687
Coef. De Compacidad 0.336 0.438 0.348
Factor de Forma 0.320 0.437 0.765
Densidad de Drenaje 0.511 0.819 0.372
Pendiente Media Rio 4.069 6.631 5.840
ESTACION LATITUD LONGITUD ALTITUD
OMATE 1640'39"S 7158'57"W 2080 msnm
QUINISTAQUILLAS 1646'46"S 7053'52"W 1590 msnm
PUQUINA 1637'37"S 7010'10"W 3340 msnm



Estacion : CO OMATE Latitud : 1640'39" S : Moquegua
Tipo : Convencional Longitud : 7158'57" W : General Sanchez Cerro
Altitud : 2,080.00 msnm : Omate
N
REGISTRO
AO ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC MAXIMO
1 1996 4.60 5.80 1.00 1.20 0.00 0.00 0.00 0.00 1.20 0.00 1.80 2.40 5.80
2 1997 17.20 15.00 17.20 0.00 0.00 0.00 0.00 5.60 11.00 0.00 1.80 13.40 17.20
3 1998 11.20 19.80 3.80 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 4.20 19.80
4 1999 4.20 17.10 13.00 3.80 0.00 0.00 0.00 0.00 0.40 1.00 0.00 3.20 17.10
5 2000 14.20 12.20 9.80 1.30 0.00 0.60 0.00 0.00 0.00 0.00 0.00 3.60 14.20
6 2001 14.60 38.90 18.80 2.20 0.00 0.00 0.00 0.00 0.00 1.60 0.00 0.00 38.90
7 2002 12.20 13.00 10.40 0.20 0.00 1.80 6.60 0.00 0.00 0.00 7.20 10.70 13.00
8 2003 2.20 5.20 8.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 9.00 9.00
9 2004 15.20 10.60 5.40 0.00 0.00 0.00 2.40 0.00 0.00 0.00 0.90 0.50 15.20
10 2005 11.20 14.00 7.20 0.10 0.00 0.00 0.00 0.00 3.40 0.00 0.00 1.60 14.00
11 2006 13.80 10.20 5.80 0.30 0.00 0.00 0.00 0.00 0.00 0.00 0.80 0.10 13.80
12 2007 s/d s/d 3.80 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.90 3.80
13 2008 25.40 7.40 1.00 0.00 0.00 0.00 0.00 1.60 0.00 0.00 0.00 6.40 25.40
14 2009 6.80 7.10 14.80 0.50 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 14.80
15 2010 6.80 5.60 1.60 0.90 3.80 0.00 0.00 0.00 0.00 0.00 0.00 1.80 6.80
14.00 14.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00
11.40 12.99 8.11 0.70 0.25 0.16 0.60 0.48 1.07 0.17 0.83 3.85 15.25
6.16 8.71 5.78 1.08 0.98 0.48 1.77 1.48 2.89 0.47 1.88 4.20 8.58
54.06 67.05 71.31 153.96 387.30 299.55 295.20 307.32 271.13 271.89 225.31 108.95 56.26
25.40 38.90 18.80 3.80 3.80 1.80 6.60 5.60 11.00 1.60 7.20 13.40 38.90
FUENTE : SENAMHI
Desv. Estandar
Coef. Variacion
Prec. Max.
REGISTRO DE PRECIPITACION MAXIMA EN 24 HORAS
(mm)
Departamento
Provincia
Distrito
N Datos
Media



Estacion : CO QUINISTAQUILLAS Latitud : 1646'46" S : Moquegua
Altitud : 1,590.00 msnm : Quinistaquillas
N
REGISTRO
1 1996 2.10 6.00 0.00 0.10 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 6.00
2 1997 7.20 27.50 6.50 0.00 0.00 0.00 0.00 2.60 9.40 0.00 0.00 9.90 27.50
3 1998 10.00 2.20 2.40 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.60 10.00
4 1999 6.10 11.30 6.00 0.50 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.50 11.30
5 2000 7.50 17.10 5.60 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 17.10
6 2001 4.00 54.00 19.30 0.50 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 54.00
7 2002 8.70 0.00 25.80 0.00 0.00 2.40 5.70 0.00 0.00 0.00 2.00 10.30 25.80
8 2003 1.40 0.00 2.50 0.00 0.00 0.00 0.00 0.00 0.00 1.10 0.00 1.00 2.50
9 2004 24.60 18.70 0.60 0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 24.60
10 2005 29.30 11.10 14.90 0.00 0.00 0.00 0.00 0.00 0.30 0.00 0.00 1.00 29.30
11 2006 4.60 4.80 15.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 15.00
12 2007 5.90 2.70 4.60 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 5.90
13 2008 26.20 7.60 1.40 0.00 0.00 0.00 0.00 0.50 0.00 0.00 0.00 0.80 26.20
14 2009 2.50 4.50 5.40 0.80 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 5.40
15 2010 1.90 3.00 0.30 0.20 0.00 0.00 0.00 0.00 0.00 0.00 0.00 8.50 8.50
N Datos 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00
Media 9.47 11.37 7.35 0.14 0.00 0.16 0.45 0.21 0.65 0.07 0.13 2.24 17.94
Desv. Estandar 9.32 14.11 7.78 0.25 0.00 0.62 1.48 0.67 2.42 0.28 0.52 3.84 13.59
Coef. Variacion 98.41 124.09 105.87 180.70 - 387.30 330.43 326.37 374.65 387.30 387.30 171.47 75.73
Prec. Max. 29.30 54.00 25.80 0.80 0.00 2.40 5.70 2.60 9.40 1.10 2.00 10.30 54.00
FUENTE : SENAMHI
(mm)
Departamento
Provincia
Distrito
Estacion : CO QUINISTAQUILLAS Latitud : 1646'46" S : Moquegua
Altitud : 1,590.00 msnm : Puquina
N
REGISTRO
1 1996 s/d s/d s/d s/d s/d s/d s/d s/d s/d s/d s/d s/d s/d
2 1997 s/d s/d s/d s/d s/d s/d s/d s/d s/d s/d s/d 11.10 11.10
3 1998 20.50 20.10 4.80 8.50 0.00 1.00 0.00 0.00 0.00 0.00 0.00 3.70 20.50
4 1999 15.90 22.50 9.40 2.50 0.00 0.00 0.00 0.00 1.70 8.80 0.00 4.40 22.50
5 2000 36.30 31.50 7.90 0.20 0.40 0.60 0.00 0.00 0.00 0.00 0.00 2.00 36.30
6 2001 17.20 39.10 31.10 4.50 0.00 0.00 0.00 0.60 0.00 2.00 0.00 0.00 39.10
7 2002 17.50 24.70 16.80 1.10 0.00 0.70 11.00 0.00 0.00 0.00 6.10 6.10 24.70
8 2003 10.80 12.10 12.40 0.00 0.20 0.00 0.80 0.00 0.00 0.00 0.00 7.30 12.40
9 2004 16.80 24.80 10.60 0.30 0.00 0.00 3.80 0.40 0.00 0.00 0.00 0.00 24.80
10 2005 15.70 19.90 15.00 0.90 0.00 0.00 0.00 0.00 1.30 0.00 0.00 3.60 19.90
11 2006 23.10 15.40 29.60 3.10 0.00 0.00 0.00 0.00 0.00 0.60 1.80 0.00 29.60
12 2007 10.40 6.50 7.50 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 3.50 10.40
13 2008 29.10 13.10 3.90 2.20 0.00 0.00 0.00 1.00 0.00 0.00 0.00 7.70 29.10
14 2009 14.20 11.50 18.90 0.40 0.00 0.00 0.40 0.00 0.00 0.00 0.00 2.00 18.90
15 2010 2.70 11.80 2.30 3.80 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 11.80
N Datos 13.00 13.00 13.00 13.00 13.00 13.00 13.00 13.00 13.00 13.00 13.00 14.00 14.00
Media 17.71 19.46 13.09 2.12 0.05 0.18 1.23 0.15 0.23 0.88 0.61 3.74 22.22
Desv. Estandar 8.46 9.12 9.11 2.45 0.12 0.35 3.12 0.32 0.57 2.45 1.72 3.33 9.14
Coef. Variacion 47.79 46.85 69.59 115.61 259.63 196.01 253.21 206.60 246.65 278.95 283.63 88.96 41.12
Prec. Max. 36.30 39.10 31.10 8.50 0.40 1.00 11.00 1.00 1.70 8.80 6.10 11.10 39.10
FUENTE : SENAMHI
(mm)
Departamento
Provincia
Distrito



1.3.2 PROBABILIDAD DE OCURRENCIA DE LA PRESENTACION
Existen varias formulas para calcular la probabilidad de ocurrencia, la misma que se muestra en
las siguientes tablas, siendo la ms utilizada la formula de Weibull.
FORMULAS EMPRICAS PARA DETERMINAR LA PROBABILIDAD DE OCURRENCIA

Mtodo Probabilidad de Ocurrencia (P)
California
n
m

Hazen
n
m 2 / 1

Weibull
1 + n
m

Chegadayev
4 . 0
3 . 0
+
n
m

Blom
4 / 1
8 / 3
+
n
m

Tukey
1 3
1 3
+
n
m

Gringorten
a n
a m
2 1 +

Donde:
P= Probabilidad experimental o frecuencia relativa emprica
m= Nmero de Orden
n= Nmero de datos
a= Valor comprendido en el intervalo 0<a<1, y depende de n, de acuerdo a la siguiente tabla

N 10 20 30 40 50 60 70 80 90 100
A 0.448 0.443 0.442 0.441 0.440 0.440 0.440 0.440 0.439 0.439
1.3.3 ANALISIS ESTADISTICO DE PRECIPITACIONES MAXIMAS
FUNCION DE PROBABILIDAD
Una funcin f(x) es llamada funcin de probabilidad o funcin de densidad de la variable aleatoria
contina X si cumple con las siguientes condiciones:



R x x f e > , 0 ) (

1 ) ( =
}
dx x f
Cuando se encuentra en los lmites

y

Sea el evento
) / ( b x a x A s s =
; luego,
}
= s s = e = dx x f b x a P A x P A P ) ( ) ( ) ( ) (

Cuando se encuentra entre los lmites a y b
En la estadstica existen decenas de funciones de distribucin de probabilidad terica; y
obviamente no es posible probarlas todas para un problema particular, por lo tanto es necesario
escoger uno de esos modelos, el que se adapte mejor al problema bajo anlisis.
Para el anlisis de las precipitaciones mximas de las microcuenca de la zona se han utilizado los
ltimos registros histricos mximos de 24 horas de 15 aos (1996-2010), para ello se ajustaron a
6 Distribuciones de probabilidades las cuales son:

Distribucin Normal Estndar.
Distribucin Gumbel (Distribucin extrema Tipo I).
Distribucin Log Pearson Tipo III.
Distribucin Log Normal II Parmetros.
Distribucin Log Normal III Parmetros.
Distribucin Pearson tipo III.

1.3.4 METODOS DE ESTIMACION DE PARAMETROS DE LAS FUNCIONES
PROBABILISTICAS
Existen varias tcnicas para la estimacin de los parmetros de una distribucin entre otras estas
son:

Mtodo de Momentos
Mtodo de mxima verosimilitud
Mtodo de mnimos cuadrados
Mtodo grfico
El objetivo de la estimacin de los parmetros es de relacionar los registros observados (media,
variancia, sesgo, etc.) de un fenmeno aleatorio con el modelo probabilstica seleccionado. En este
trabajo se desarrollara en base a la informacin seleccionada que se muestra en el siguiente
cuadro.



1.3.5 METODO DE MOMENTOS
1.3.5.1 DISTRIBUCION NORMAL
El mtodo de momentos fue desarrollado por primera vez por Karl Pearson en 1902. l consider
que unos buenos estimativos de los parmetros de una funcin de probabilidad son aquellos para
los cuales los momentos de la funcin de densidad de probabilidad alrededor del origen son
iguales a los momentos correspondientes de la informacin de la muestra.
El mtodo de momentos selecciona valores para los parmetros de la funcin de densidad de
probabilidad de tal manera que sus momentos son iguales a aquellos de la informacin de la
muestra.
= =
= =

X X
n n
X
n
i
i
n
i
i
1 1
1

La media o promedio es el estimador que corresponde a la funcin terica de probabilidad que es:
}

= dx x xf u ) (

Originalmente Pearson consider solamente momentos alrededor del origen, pero posteriormente
se volvi comn el uso de la varianza como el segundo momento central,
| |
2 2
) (( u x E = o
,
PRECIPITACIONES MAXIMAS (mm)
Nro.
Reg.
AO
ESTACION
OMATE
ESTACION
QUINISTAQUILL
AS
ESTACION
PUQUINA
PROMEDIO
1 1996 5.80 6.00 s/d 5.90
2 1997 17.20 27.50 11.10 18.60
3 1998 19.80 10.00 20.50 16.77
4 1999 17.10 11.30 22.50 16.97
5 2000 14.20 17.10 36.30 22.53
6 2001 38.90 54.00 39.10 44.00
7 2002 13.00 25.80 24.70 21.17
8 2003 9.00 2.50 12.40 7.97
9 2004 15.20 24.60 24.80 21.53
10 2005 14.00 29.30 19.90 21.07
11 2006 13.80 15.00 29.60 19.47
12 2007 3.80 5.90 10.40 6.70
13 2008 25.40 26.20 29.10 26.90
14 2009 14.80 5.40 18.90 13.03
15 2010 6.80 8.50 11.80 9.03



y el coeficiente de asimetra como el tercer momento central estandarizado,
| |
3 3
/ ) (( o u x E =
,
para determinar el segundo y el tercer parmetro de la distribucin.
Cuando la distribucin de probabilidad, a la que se estima los parmetros por este mtodo es
simtrica y particularmente si es normal, se puede demostrar que este mtodo es muy eficiente,
pero cuando las distribuciones son asimtricas y por lo tanto sesgadas, como ocurre muy a
menudo con las variables hidrolgicas, el utilizar este mtodo representa una prdida de eficiencia
en la estimacin.

Distribution Analysis: Normal Distribution
------------------Summary of Data -----------------------
First Moment (mean) = 18.1093
Second Moment = 9.232e01
Skew = 9.761e-01
---------------------------------------------------------
Point Weibull Actual Predicted Standard
Number Probability Value Value Deviation
---------------------------------------------------------
1 0.0625 5.9000 3.3661 4.5437
2 0.1250 6.7000 7.0556 3.7815
3 0.1875 7.9700 9.5866 3.3162
4 0.2500 9.0300 11.6315 2.9920
5 0.3125 13.0300 13.4170 2.7609
6 0.3750 16.7700 15.0519 2.6034
7 0.4375 16.9700 16.6009 2.5112
8 0.5000 18.6000 18.1094 2.4808
9 0.5625 19.4700 19.6177 2.5112
10 0.6250 21.0700 21.1667 2.6034
11 0.6875 21.1700 22.8017 2.7609
12 0.7500 21.5300 24.5871 2.9920
13 0.8125 22.5300 26.6321 3.3162
14 0.8750 26.9000 29.1630 3.7815
15 0.9375 44.0000 32.8526 4.5437
---------------------------------------------------------
----------------- Predictions --------------------------
Exceedence Return Calculated Standard
Probability Period Value Deviation
---------------------------------------------------------
0.9980 500.0 45.7667 7.5597
---------------------------------------------------------

1.3.5.2 DISTRIBUCION DE VALOR EXTREMO TIPO I
FUNCIN DE DISTRIBUCIN ACUMULADA.
La funcin de distribucin acumulada, tiene la forma:



| | | o
=
x
e
e x F ) (

Para:
,
+ < < x

+ < <o 0

+ < < |

Donde:
El parmetro se le conoce como parmetro de escala.
El parmetro se le conoce como parmetro de posicin.
FUNCIN DENSIDAD DE PROBABILIDAD.
Derivando la funcin de distribucin acumulada, con respecto a x, se obtiene la funcin de
densidad de probabilidad, es decir:
dx
x dF
x f
) (
) ( =

( )
( )
| |
| o
| o
o

=
x z
e x
e x f * ) (

Para
+ < < x
,
El signo (+) se aplica para valores mnimos y el signo (-) se aplica para valores mximos
(distribucin Gumbel o Tipo I).
Si se hace la transformacin:
( ) | o = x Y

Con lo cual, la funcin densidad reducida es:
( )
y
e y
e y f

= ) (

El signo (+) se emplea para eventos mnimos y el signo (-) para eventos mximos.
La funcin de distribucin acumulada es:
y
e
e y F

= ) (

(Mximo)
y
e
e y F

=1 ) (

(Mnimo)
max min
) ( 1 ) ( y F y F =

Los valores correspondientes de x e y, estn relacionadas por: F(x) = F(y) y la relacin:
( ) | o = x Y

o
|
y
x + =



MTODO DE GUMBEL (VALOR EXTREMO TIPO I)
Segn Paulet, 1974, El mtodo de Gumbel se utiliza para predecir magnitudes mximas de
variables hidrolgicas asumiendo que estos valores son independientes entre s, tambin son
usadas frecuentemente para el estudio de magnitud - duracin - frecuencias de lluvias (Hershfiel
1961).
Segn Linsley 1971, aplic al ro Clear Water en Idaho Estados Unidos. Este mtodo es adecuado
cuando se utiliza como datos las descargas mximas anuales en un punto de control de una
vertiente o un Ro.
La funcin de densidad reducida de Gumbel (Tipo I) tiene la forma de la ecuacin anterior pero con
signo negativo.
ESTIMACIN DE PARMETROS
Para la estimacin de los parmetros
o
y
|
de la Funcin Acumulada F(x) ecuacin se
utilizaron 2 mtodos de estimacin.
MTODO DE MOMENTOS
Segn Lowery y Nash, 1970 utilizando el mtodo de momentos se obtienen las siguientes
relaciones:
Media:
E(x)=
o
|
c
x + =

Donde c, es la constante de Euler, cuyo valor es:
(
+ + + + =

) (
1
. ..........
3
1
2
1
1 n Ln
n
Lim c
n

c = 0.5772156649
Por lo tanto :
o
|
57721 . 0
+ = X

Varianza:
( ) | |
6 *
) (
2
2
2 2
o
t
= = S x E X E

De donde se obtienen:



S
2825 . 1
= o

o
|
57721 . 0
= X

Reemplazando en las ecuaciones anteriores se tiene lo siguiente:
S X * 45 . 0 = |
==>Mximo
S X * 45 . 0 = |
==>Mnimo
Para muestras muy grandes, o bien como:
S
y
o
o =

a
x
y
| =

Para muestras relativamente pequeas, los valores de
y
y
y
o
se muestran en la tabla siguiente
tabla
Por otro lado, conocemos que la ecuacin de GUMBEL se expresa como:
o
|
y
X + =

De las ecuaciones se puede escribir la ecuacin como:
y
y
S y
X X
o o
*
+ =

y y
y
S y
S
X X
o o
*
*
+ =

( ) y
S
X X
y
Y
+ + =
o

Se sabe que la funcin de distribucin Acumulada ecuacin es:
F(y) = e
y
e

Por otro lado se tiene:



T
y F
1
1 ) ( =

Entonces se tiene que.
) (
1
1 y F e
T
y
e
= =

TABLA DE MEDIAS ESPERADAS Y DESVIACIONES ESTNDAR DE EXTREMOS REDUCIDOS

Tomando dos veces Ln a la ecuacin a ambos miembros se obtiene lo siguiente:
|
|
.
|
\
|
|
.
|
\
|
=
T
T
Ln Ln y
1

Reemplazando el valor de y en la ecuacin se obtiene:
|
|
.
|
\
|
|
|
.
|
\
|
|
.
|
\
|
+ =
T
T
Ln Ln
S
X X
y
y
1
o

N my s y N my s y
20 0.524 1.063 50 0.549 1.161
21 0.525 1.07 51 0.549 1.162
22 0.527 1.076 52 0.549 1.164
23 0.528 1.081 53 0.55 1.165
24 0.53 1.087 54 0.55 1.167
25 0.531 1.092 55 0.55 1.168
26 0.532 1.096 56 0.551 1.17
27 0.533 1.1 57 0.551 1.171
28 0.534 1.105 58 0.552 1.172
29 0.535 1.109 59 0.552 1.173
30 0.536 1.112 60 0.552 1.175
31 0.537 1.116 62 0.553 1.177
32 0.538 1.119 64 0.533 1.179
33 0.539 1.123 66 0.554 1.181
34 0.54 1.126 68 0.554 1.183
35 0.541 1.129 70 0.555 1.185
36 0.541 1.131 72 0.555 1.187
37 0.542 1.134 74 0.556 1.189
38 0.542 1.136 76 0.556 1.191
39 0.543 1.139 78 0.557 1.192
40 0.544 1.141 80 0.557 1.194
41 0.544 1.144 82 0.557 1.195
42 0.545 1.146 84 0.558 1.197
43 0.545 1.148 86 0.558 1.198
44 0.546 1.15 88 0.558 1.199
45 0.546 1.152 90 0.559 1.201
46 0.547 1.154 92 0.559 1.202
47 0.547 1.156 94 0.559 1.203
48 0.548 1.157 96 0.56 1.204
49 0.548 1.159 98 0.56 1.206



|
|
|
|
.
|
\
|
|
|
.
|
\
|
|
.
|
\
|
+ + =

K
y
y
T
T
LnLn S X X
1
1
o

S i consideramos que para valores grandes de N, la expresin
y
o
1
tiende a
t
6
y que
y
tiende
a c =0.5772 entonces hemos comprobado que la ecuacin general para expresar un valor de una
serie hidrolgica es:
S K X X * + =

Distribution Analysis: Gumbel Extremal Type I
------------------Summary of Data -----------------------
Skew = 9.761e-01
---------------------------------------------------------
---------------------------------------------------------
1 0.0625 5.9000 3.9713 3.0266
2 0.1250 6.7000 6.6251 2.5621
3 0.1875 7.9700 8.6259 2.2865
4 0.2500 9.0300 10.3654 2.1213
5 0.3125 13.0300 11.9844 2.0457
6 0.3750 16.7700 13.5571 2.0526
7 0.4375 16.9700 15.1344 2.1385
8 0.5000 18.6000 16.7595 2.3002
9 0.5625 19.4700 18.4776 2.5362
10 0.6250 21.0700 20.3434 2.8492
11 0.6875 21.1700 22.4340 3.2493
12 0.7500 21.5300 24.8717 3.7602
13 0.8125 22.5300 27.8794 4.4328
14 0.8750 26.9000 31.9519 5.3882
15 0.9375 44.0000 38.6589 7.0219
---------------------------------------------------------
----------------- Predictions --------------------------
---------------------------------------------------------
0.9980 500.0 70.6977 15.1298
---------------------------------------------------------
1.3.5.3 DISTRIBUCION LOG NORMAL DE II PARAMETROS
Si la variable aleatoria Y = log X est normalmente distribuida, entonces se dice que X est
distribuida en forma lognormal. Esta funcin fue estudiada por primera vez por Galtn en el ao de
1875, por eso es que se le llama tambin funcin de Galtn.
Por el teorema del lmite central, tenemos que si X es una variable aleatoria con distribucin
normal, se puede esperar una variable y=lnx, tambin con distribucin normal con media y y



varianza y2, se usan estos parmetros para especificar que la distribucin es logartmica, puesto
que tambin puede usarse la media y la varianza de x.

FUNCIN DE DENSIDAD DE PROBABILIDAD
La funcin densidad de distribucin normal para Y es:
2
2
1
2
1
) (
|
|
.
|
\
|
H
=
y
y
y
y
e y f
o
o

Para - < y < +
Refiriendo la funcin de distribucin de f(y) con f(x), se tiene:
x
y
d
d
y f x f ) ( ) ( =

Como Y=lnx
x d
d
x
y 1
=
, X>0
| |
y
y
x
y
e
x
x f
o

o
H
=
ln
2
1
2
1
) (

Para X>0
f(y) = Es la funcin de densidad de la distribucin normal para y con media y y variancia y2.
f(x) = Es la funcin de densidad de la distribucin Log - Normal para X con parmetro y y y2.
Las tablas de distribucin normal estndar pueden ser usadas para evaluar la distribucin Log
Normal.
Como f(x) = f(y)/x; pero f(y) es una distribucin normal tenemos: f(x)=f(z)/xy.
FUNCIN DE DISTRIBUCIN ACUMULADA
La funcin de distribucin acumulada para X e Y es:
dx e
x
x F
y
y
Lnx
x
y
2
2
1
0
1
2
1
) (
(
(
}
H
=
o

o



dy e x F
y
y
y
y
y
2
2
1
2
1
) (
(
(

}
H
=
o

Los valores de la funcin de distribucin de probabilidad F(y) se obtienen usando la frmula de
Abramowitz y Stegn si la variable estandarizada se define como:
y
y
y
Z
o

=

dz e x F
x z
}

H
=
2
2
2
1
) (

Para la estimacin de los parmetros
y
y
y
o
de la funcin de Distribucin Acumulada F(x) se
estimaron por 2 Mtodos de estimacin:
MTODO DE MOMENTOS
Utilizando el mtodo de momentos de las relaciones entre la media y la varianza de la variable x y
los parmetros
y
y
2
y
o
, pueden ser estimados por
y
y Sy2 mediante la transformacin yi =
LnXi. Se sabe que y = Lnx tiene distribucin normal, mientras que x tiene distribucin Log-Normal.
n
y
y
n
i
1
1
E
=
=
1
2
2
1 2
|
.
|
\
|

=
E
=
n
y n y
S
i
n
i
y

Los valores de
y
y Sy2 se estiman a partir de n observaciones Xi, i=1,2,3,4....n
Segn Chow (1954), se presento la siguiente relacin para calcular
y
y Sy2 sin que sea necesario
transformar los datos previamente en sus logaritmos.
|
|
.
|
\
|
+
=
1 2
1
2
2
Cv
x
Ln y

) 1 (
2 2
+ = Cv Ln S
y

Donde Cv es el coeficiente de variacin de los datos originales
x
Sx
C
v
=

Existen las siguientes relaciones para obtener la Media y Varianza de la distribucin Log Normal.



|
.
|
\
|
+
= =
2
2
1
) (
y y
e x E
x
o

Var(x)=
( ) 1
2
2
y
e
x
o

Cv=
| |
2 / 1
1
2
y
e
o

Coeficiente de Asimetra: g = 3Cv+Cv3
Para valores prcticos de
2
y
o
; 0.1<
, 6 . 0
2
<
y
o
la relacin es casi lineal y puede ser aproximada
por:
g=0.52 + 4.85*
2
y
o

Que es correcta dentro del 2%, en el rango mencionado.

Distribution Analysis: 2 Parameter Log Normal
------------------Summary of Data -----------------------
Skew = 9.761e-01
---------------------------------------------------------
---------------------------------------------------------
1 0.0625 5.9000 7.4500 3.0166
2 0.1250 6.7000 9.0201 2.6082
3 0.1875 7.9700 10.2846 2.3283
4 0.2500 9.0300 11.4346 2.1276
5 0.3125 13.0300 12.5434 1.9979
6 0.3750 16.7700 13.6527 1.9435
7 0.4375 16.9700 14.7941 1.9728
8 0.5000 18.6000 15.9972 2.0932
9 0.5625 19.4700 17.2981 2.3099
10 0.6250 21.0700 18.7443 2.6297
11 0.6875 21.1700 20.4020 3.0655
12 0.7500 21.5300 22.3803 3.6468
13 0.8125 22.5300 24.8828 4.4382
14 0.8750 26.9000 28.3709 5.5987
15 0.9375 44.0000 34.3501 7.6616
---------------------------------------------------------
----------------- Predictions --------------------------
---------------------------------------------------------
0.9980 500.0 67.0872 19.3374
---------------------------------------------------------



1.3.5.4 DISTRIBUCION LOG NORMAL DE III PARAMETROS
Es una funcin de distribucin anloga a la anterior con la nica diferencia que el lmite inferior no
es cero, fue introducida por primera vez por R. Gibrart el cual la llam la ley de efectos
proporcionales.
Difiere de la distribucin Log Normal de II parmetros por la introduccin de un lmite inferior X0, tal
que: y = ln(x-x0).
La funcin de densidad de x es:
2
0
) ln(
2
1
0
2 ) (
1
) (
(
(
H
=
y
y
x x
y
e
x x
x f
o

o

Para x>x0
Donde:
x0 = Parmetro de posicin
y = Parmetro de escala o media
y2= Parmetro de forma o varianza
Haciendo la transformacin y = ln(x-x0); la funcin de densidad reducida es:
2
2
1
2
1
) (
(
(
=
y
y
y
y
e y f
o
t o

Para
+ < < y

si
y
y
y
z
o

=

2
2
1
2
1
) (
z
e z f
=
t

La funcin de distribucin acumulada del Mtodo Log - Normal de III Parmetros es:
dx e
x x
x F
x
x
x x
y
y
y
2
) ln(
2
1
0
0
0
2 ) (
1
) (
}
(
(
=
o

t o



dy e y F
y
y
y
y
y
2
2
1
2
1
) (
}

(
(
=
o
t o

Como
}

=
z
z
y
y
dz e z f
y
z
2
2
1
) (
t o

Las funciones: F(x) y F(y) son iguales.
La funcin F(z) es una distribucin normal estndar, la que puede ser usada para evaluar la
distribucin Log Normal.
Para la estimacin de los parmetros de Xo,
y
y
y
o
de la Funcin de Distribucin Acumulada
F(x) se tienen 2 Mtodos de estimacin:
MTODO DE MOMENTOS
Los momentos de X pueden obtenerse de los correspondientes momentos de la distribucin Log
Normal de II parmetros, debido a que las variables difieren solo en el parmetro de posicin Xo,
ya que y = Ln (x-xo).
H Xo X + =

Donde:
X = variable aleatoria con distribucin Log Normal de III parmetros
H = Variable aleatoria con distribucin Log Normal de II parmetros
Xo = Parmetro de posicin
H x
x H E x + = + =
0 0
) (

2 2
H x
o o =

Media:
|
.
|
\
|
+
+ =
2
2
1
0
y y
e x
x
o

Varianza:
( )
( )
2 2
2 2
* 1
y y y
e e
x
o o
o
+
=

El coeficiente de asimetra (g) esta dado por:
( ) ( ) 2 1
2 2
2
1
+ =
y y
e e g
o o

Y de forma aproximada puede ser:
4.85sy2 0.52 g + =



g =0.52+4.85sy2
Luego de las ecuaciones anteriores se obtienen los siguientes resultados:
85 . 4
52 . 0
=
g
y
o

(
(
|
|
.
|
\
|
=
2
2
1
2
1
2 y
x
y
y
e
Ln o
o
o

2
0
2
y
y
e X
x
o
+
=

Distribution Analysis: 3 Parameter Log Normal
------------------Summary of Data -----------------------
Skew = 9.761e-01
---------------------------------------------------------
---------------------------------------------------------
1 0.0625 5.9000 5.7542 2.9183
2 0.1250 6.7000 8.0295 2.2452
3 0.1875 7.9700 9.7532 2.1069
4 0.2500 9.0300 11.2515 2.1724
5 0.3125 13.0300 12.6424 2.3122
6 0.3750 16.7700 13.9877 2.4721
7 0.4375 16.9700 15.3288 2.6301
8 0.5000 18.6000 16.7003 2.7780
9 0.5625 19.4700 18.1396 2.9153
10 0.6250 21.0700 19.6918 3.0470
11 0.6875 21.1700 21.4157 3.1865
12 0.7500 21.5300 23.4044 3.3656
13 0.8125 22.5300 25.8261 3.6634
14 0.8750 26.9000 29.0515 4.2978
15 0.9375 44.0000 34.2471 6.0664
---------------------------------------------------------
----------------- Predictions --------------------------
---------------------------------------------------------
0.9980 500.0 58.1233 23.8556
---------------------------------------------------------



1.3.5.5 DISTRIBUCION LOG PEARSON TIPO III
Segn Chow, 1995, si log X sigue una distribucin Pearson Tipo III, entonces se dice que X sigue
una distribucin log - Pearson tipo III. Esta es la distribucin estndar para anlisis de frecuencias
de crecientes mximas anuales en los Estados Unidos (Benson, 1968).
La localizacin del lmite X0 en la distribucin Log - Pearson Tipo III depende de la asimetra de la
informacin, se plantea 2 casos:
Si la informacin tiene asimetra positiva, entonces Log x X0 y X0 es un lmite inferior.
Si la informacin tiene asimetra negativa, Log x X0 y X0 es un lmite superior.
Segn Bobee, 1975. La transformacin Log reduce la asimetra de la informacin transformada y
puede producir informacin transformada con asimetra negativa utilizando informacin original con
asimetra positiva. En este caso, la aplicacin de la distribucin Log - Pearson Tipo III impondra un
lmite superior artificial a la informacin.
Dependiendo de los valores de los parmetros, la distribucin Log - Pearson Tipo III puede asumir
muchas formas diferentes, tal como se muestra en la siguiente tabla
Localizacin de la moda para la distribucin Log - Pearson Tipo III como una funcin de sus
parmetros.

Parmetro de
Forma
<-Ln10 -Ln10<<0 >0
0<<1 Sin moda,
forma en J
Moda mnima
forma en U
Sin moda,
forma en J
invertida
>1 Unimodal Sin moda
forma en J
invertida
Unimodal
FUNCIN DE DENSIDAD DE PROBABILIDAD.
El primer paso es tomar los logartmicos de la informacin hidrolgica, Z=logx, mayormente se
utilizan logaritmos con base 10, se calculan la media X, la desviacin estndar Sx y el coeficiente
de asimetra Cs para los logaritmos de los datos.
La funcin de densidad para X y Z se dan a continuacin:
( )
( ) o
|
o | o
/ log
1
1
*
log 1
) (
x x
e
x x
x f

|
.
|
\
|
I
=

Si se hace una transformacin: Z = log(x) La funcin densidad reducida es:
( )
( )
( ) o
|
|
| o
/
1
0
0
* ) (
z z
e
z z
z f

=



Donde:
Z = Variable aleatoria con distribucin Pearson Tipo III
X = Variable aleatoria con distribucin Log - Pearson Tipo III
Z0 = Parmetro de Posicin
= Parmetro de escala
= Parmetro de forma
En el caso de la distribucin Log - Pearson Tipo III: X = 10z, la variable reducida es:
o
0
Z Z
Y

=

Por lo que la ecuacin queda de la siguiente manera:
( )
y
e y y f

I
= * *
1
) (
1 |
|

La funcin de distribucin acumulada de la distribucin Log Pearson Tipo III es:
( )
( )
dz e
z z
z F
z z Z
Z
o
|
o | o
0
0
*
1
) (
1
0
|
.
|
\
|
I
=
}

Sustituyendo las ecuaciones anteriores se obtiene lo siguiente:
( )
dy e y y F
y
y

}
I
= *
1
) (
0
1 |
|

La ecuacin anterior es una distribucin Ji cuadrada con 2 grados de libertad y X2=2y
( ) ) 2 / 2 ( / ) (
2
2
| v y F x F y F
x
= =

Para la estimacin de los parmetros Zo, o y | de la funcin acumulada se usaron 2 mtodos de
estimacin.
MTODO DE MOMENTOS
El procedimiento recomendado para el mtodo de momentos es convertir la serie de datos a sus
logaritmos y luego calcular los siguientes parmetros:
Media:
Logx
=
n
x
log



Desviacin Estndar:
( )
1
log log
log
2
E
=
n
x x
x o

Coeficiente de Asimtrica:
g =
( )
( )( )( )
3
3
log 2 1
log log
x n n
x x n
o

El valor de X; para cualquier nivel de probabilidad se puede calcular a partir de la siguiente
expresin:
Logx =
x
K x
log
log o +

Los valores de K se toman de la tabla siguiente:

Distribution Analysis: Log Pearson Type III
------------------Summary of Data -----------------------
Skew = 9.761e-01
---------------------------------------------------------
---------------------------------------------------------
1 0.0625 5.9000 5.9769 1.8945
2 0.1250 6.7000 7.9082 1.9043
3 0.1875 7.9700 9.4931 1.9824
4 0.2500 9.0300 10.9430 2.1069
5 0.3125 13.0300 12.3403 2.2622
6 0.3750 16.7700 13.7324 2.4377
7 0.4375 16.9700 15.1542 2.6269
8 0.5000 18.6000 16.6379 2.8259
9 0.5625 19.4700 18.2218 3.0341
10 0.6250 21.0700 19.9549 3.2543
11 0.6875 21.1700 21.9030 3.4959
12 0.7500 21.5300 24.1716 3.7835
13 0.8125 22.5300 26.9520 4.1849
14 0.8750 26.9000 30.6618 4.9120
15 0.9375 44.0000 36.5923 6.8700
---------------------------------------------------------
----------------- Predictions --------------------------
---------------------------------------------------------
0.9980 500.0 61.6145 30.2695
---------------------------------------------------------



1.3.5.6 DISTRIBUCION PEARSON TIPO III
Segn Chow, la distribucin Pearson Tipo III se aplic por primera vez en la Hidrologa por Foster
(1924) para describir la distribucin de probabilidad de picos crecientes mximos anuales. Cuando
la informacin es muy asimtrica positivamente, se utiliza una transformacin Log para reducir la
asimetra.
La distribucin Pearson Tipo III, Tambin llamada la distribucin gamma de tres parmetros,
introduce un tercer parmetro, el lmite inferior o parmetro de posicin , de tal manera que por el
mtodo de los momentos, los tres momentos de la muestra (la media, la desviacin estndar y el
coeficiente de asimetra) pueden transformarse en los tres parmetros , , de la distribucin de
probabilidad.
Funcin de densidad de probabilidad Pearson Tipo III
( )
( )
( ) c | c
c | |
> I =

parax e x x f
x
/ ) ( ) (
1

El sistema de distribuciones Pearson incluye siete tipos; todos son soluciones para f(x) en una
ecuacin de la forma:
) * * /( )) ( * ) ( ( / ) ( (
2
2 1 0
x C x C C d x x f dx x f d + + =

Donde d es la moda de la distribucin (el valor de x para la cual f(x) es un mximo) y C0, C1 y C2
son coeficientes que deben determinarse. Cuando C2 = 0 es la solucin de la ecuacin anterior, es
una distribucin Pearson tipo III, con una funcin de densidad de probabilidad segn la ecuacin
anterior Para C1 = C2 = 0, la solucin de la ecuacin anterior es una distribucin normal.
Segn Markovick, 1965, mostr que no hay diferencia entre el ajuste de una distribucin Gamma y
una Log Normal, esta funcin de distribucin es muy popular debido a que cuando el coeficiente de
asimetra se iguala a cero se obtiene la distribucin Normal.
Se dice que una variable aleatoria X tiene una distribucin Tipo III si su funcin densidad de
probabilidades con origen en la moda, est dada por:
( )
|
|
.
|
\
|
|
|
.
|
\
|
I
=
1
1 1
*
1
) (
1
1
1
1 1
o
o |
o
o
| o
x
e
x
x f

Donde 1, 1 y 1, son los parmetros de la funcin (1) es la funcin Gamma.
En la tabla de funcin gama se halla las propiedades bsicas y la tabla de valores de la funcin
Gamma.
Para:
< s x
1
o

Donde:



1 = Parmetro de Posicin
1 = Parmetro de escala
1 = Parmetro de forma
La variable reducida.
1
1
o
o
=
x
y

Por lo que
( )
y
e y y f

I
= *
1
) (
1
1
|
|

FUNCIN DE DISTRIBUCIN ACUMULADA.
La funcin de distribucin acumulada de la distribucin Pearson Tipo III es:
( )
dx
x
e x F
x
x
|
|
.
|
\
|
I
=
}
|
|
.
|
\
|

1
1
0 1 1
*
1
) (
1
1
o
|
| o
o
o

Combinando las ecuaciones anteriores se tiene:
( )
dy e y y F
y
y

}
I
=
0
1
1
1
) (
|
|

La ecuacin anterior es una funcin de distribucin Ji cuadrada con 21 grados de libertad y X2=2y
( ) ( )
1
2
2 / 2 / ) (
2
| v y F x F y F
x
= =

En las tablas de estadstica se encuentra la funcin de distribucin
2
X

Segn Aparicio 1996, manifiesta que la manera de usar la funcin de distribucin Pearson Tipo III
es estrictamente vlida cuando 1=n/2, donde n es un entero positivo cualquiera si, como es
comn, 21 es no entero, puede tomarse como el entero ms prximo o bien interpolar en la tabla
N A.2 del apndice A. Cuando 1<0.3, ser necesario acudir a tablas de la funcin de distribucin
Gamma de un Parmetro.
Para la estimacin de parmetros de la Funcin Acumulada F(x) se tiene 2 Mtodos de
Estimacin.
MTODO DE MOMENTOS
Los parmetros de
1 , 1
| o
y d1 de la Funcin Acumulada F(x) se evalan a partir de n datos
medidos mediante el siguiente sistema de ecuaciones.



1 1 1
* o | o + = X

1
* 2
1
2
| o = S

1
2
|
= g

Donde
X
es la media de los datos S2 su varianza y g su coeficiente de sesgo coeficiente de
Asimetra, que se define como:
( )
( )( )
3
3
1 2 1
*
S n n
n X X
g Cs
i
n
i

= =
E
=

Distribution Analysis: Pearson Type III
------------------Summary of Data -----------------------
Skew = 9.761e-01
---------------------------------------------------------
---------------------------------------------------------
1 0.0625 5.9000 8.6831 4.8959
2 0.1250 6.7000 9.5297 2.8698
3 0.1875 7.9700 10.3817 1.7580
4 0.2500 9.0300 11.2591 1.4878
5 0.3125 13.0300 12.1790 1.8538
6 0.3750 16.7700 13.1579 2.3961
7 0.4375 16.9700 14.2147 2.9245
8 0.5000 18.6000 15.3726 3.3908
9 0.5625 19.4700 16.6647 3.7836
10 0.6250 21.0700 18.1393 4.1010
11 0.6875 21.1700 19.8668 4.3468
12 0.7500 21.5300 21.9648 4.5434
13 0.8125 22.5300 24.6544 4.7774
14 0.8750 26.9000 28.4335 5.3797
15 0.9375 44.0000 34.9029 7.7579
---------------------------------------------------------
----------------- Predictions --------------------------
---------------------------------------------------------
0.9980 500.0 67.9893 35.4991



1.3.6 VERIFICACION ESTADISTICA DE LAS DISTRIBUCIONES
Para un mejor anlisis de los datos hidrolgicos es necesario conocer el tipo o forma de
distribucin terica que puede representar aproximadamente a la distribucin emprica (mtodo
estadstico) de estos datos. Para averiguar cuan aproximada es esta distribucin emprica a la
terica, es necesario realizar algunas pruebas estadsticas conocidas como prueba de ajuste.
1.3.6.1 PRUEBAS DE AJUSTE
Consisten en comprobar grfica y estadsticamente si la frecuencia emprica de la serie de
registros analizados se ajustan a un determinado modelo probabilstica adoptado a priori, con los
parmetros estimados en base a los valores maestrales.
Las pruebas estadsticas tienen por objeto medir la certidumbre que se obtiene al hacer una
hiptesis estadstica sobre una poblacin. Es decir, calificar el hecho de suponer que una variable
aleatoria se distribuye segn un modelo probabilstica.
Los ajustes ms comunes son:
Smirnov Kolmogorow.
Mtodo del error cuadrtico mnimo
1.3.6.2 PRUEBA DE SMIRNOV KOLMOGOROV
Esta prueba consiste en comparar el mximo valor absoluto de la diferencia D que hay entre la
funcin de distribucin observada Fo(Pm) y la estimada F(Pm)
) ( ) (
0 m m
P F P F mx D =

Con un valor crtico d que depende del nmero de datos y el nivel de significancia seleccionada si
D<d, se acepta la hiptesis. Esta prueba tiene la ventaja sobre la X2 de que compara los datos con
el modelo estadstico sin necesidad de agruparlos. La funcin de distribucin de probabilidad
observada se calcula como:
1
1 ) (
+
=
n
m
P F
m o

Donde m es el nmero de orden del dato Xm en una lista de mayor a menor y n es el nmero total
de datos.
Valores crticos para la prueba Smirnov Kolmogorov de bondad de ajuste

Tamao de la
muestra
a= 0.10 a = 0.05 a = 0.01
5 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
31 0.22 0.24 0.29
40 0.19 0.21 0.25
N grande
n
22 . 1

n
36 . 1

n
63 . 1

En el cuadro siguiente se muestra el procedimiento de clculo por mtodo de Smirnov Kolgomorov,
de donde en la columna 2 se han escrito las precipitaciones mximas anuales registradas
ordenadas de mayor a menor, en la columna 3 se calculan los valores de la funcin de distribucin
de probabilidad observada segn la ecuaciones anteriores.

PRUEBA DE DISTRIBUCION NORMAL
N P Actual weibull Z p w F1| F(z) di
1 44.00 0.063 2.695 0.011 0.616 0.004 0.996 0.934
2 26.90 0.125 0.915 0.262 0.825 0.180 0.820 0.695
3 22.53 0.188 0.460 0.359 0.904 0.323 0.677 0.490
4 21.53 0.250 0.356 0.374 0.924 0.361 0.639 0.389
5 21.17 0.313 0.318 0.379 0.931 0.375 0.625 0.313
6 21.07 0.375 0.308 0.380 0.933 0.379 0.621 0.246
7 19.47 0.438 0.141 0.395 0.968 0.444 0.556 0.119
8 18.60 0.500 0.051 0.398 0.988 0.480 0.520 0.020
9 16.97 0.563 -0.119 0.396 0.973 0.453 0.453 0.110
10 16.77 0.625 -0.140 0.395 0.969 0.444 0.444 0.181
11 13.03 0.688 -0.528 0.347 0.891 0.299 0.299 0.389
12 9.03 0.750 -0.945 0.255 0.820 0.172 0.172 0.578
13 7.97 0.813 -1.056 0.229 0.804 0.146 0.146 0.667
14 6.70 0.875 -1.187 0.197 0.784 0.118 0.118 0.757
15 5.90 0.938 -1.271 0.178 0.773 0.102 0.102 0.836
PRUEBA DE DISTRIBUCION LOG NORMAL II PARAMETROS
N P Actual weibull Z p w F1| F(z) di
1 44.00 0.06 2.032 0.051 0.680 0.021 0.979 0.917
2 26.90 0.13 1.044 0.231 0.805 0.148 0.852 0.727
3 22.53 0.19 0.688 0.315 0.863 0.246 0.754 0.567
4 21.53 0.25 0.597 0.334 0.879 0.275 0.725 0.475
5 21.17 0.31 0.562 0.341 0.885 0.287 0.713 0.401
6 21.07 0.38 0.553 0.342 0.886 0.290 0.710 0.335
7 19.47 0.44 0.394 0.369 0.916 0.347 0.653 0.216
8 18.60 0.50 0.303 0.381 0.934 0.381 0.619 0.119
9 16.97 0.56 0.118 0.396 0.973 0.453 0.547 0.016
10 16.77 0.63 0.094 0.397 0.979 0.462 0.538 0.087
11 13.03 0.69 -0.411 0.367 0.913 0.340 0.340 0.348
12 9.03 0.75 -1.147 0.207 0.790 0.126 0.126 0.624
13 7.97 0.81 -1.400 0.150 0.755 0.081 0.081 0.732
14 6.70 0.88 -1.747 0.087 0.712 0.040 0.040 0.835
15 5.90 0.94 -2.003 0.054 0.683 0.023 0.023 0.915



DISTRIBUCION EXTREMO TIPO I
N P Actual weibull F(z) di
1 44.00 0.063 0.969 0.907
2 26.90 0.125 0.805 0.680
3 22.53 0.188 0.701 0.513
4 21.53 0.250 0.671 0.421
5 21.17 0.313 0.660 0.348
6 21.07 0.375 0.657 0.282
7 19.47 0.438 0.604 0.167
8 18.60 0.500 0.573 0.073
9 16.97 0.563 0.512 0.051
10 16.77 0.625 0.504 0.121
11 13.03 0.688 0.351 0.336
12 9.03 0.750 0.192 0.558
13 7.97 0.813 0.155 0.657
14 6.70 0.875 0.117 0.758
15 5.90 0.938 0.095 0.842
PRUEBA DE DISTRIBUCION PEARSON TIPO III
N P Actual weibull Y X^2 FZ
1 44.00 0.063 7.211 14.423 0.987
2 26.90 0.125 4.262 8.524 0.870
3 22.53 0.188 3.509 7.018 0.781
4 21.53 0.250 3.337 6.673 0.754
5 21.17 0.313 3.273 6.547 0.743
6 21.07 0.375 3.256 6.512 0.740
7 19.47 0.438 2.980 5.960 0.690
8 18.60 0.500 2.831 5.661 0.659
9 16.97 0.563 2.549 5.098 0.596
10 16.77 0.625 2.515 5.029 0.588
11 13.03 0.688 1.871 3.741 0.413
12 9.03 0.750 1.181 2.362 0.203
13 7.97 0.813 0.997 1.994 0.150
14 6.70 0.875 0.778 1.557 0.094
15 5.90 0.938 0.640 1.281 0.063



1.3.6.3 METODO DEL ERROR CUADRTICO MINIMO
Este mtodo consiste en calcular, para cada funcin de distribucin, el error cuadrtico.
2
1
1
2
) (
(
=

=
n
i
i i
Y X C

PRUEBA DE DISTRIBUCION LOG PEARSON TIPO III
N P Actual weibull logx Fo(Xm) Y X2 F(xm)
1 44.00 0.063 1.643 0.938 41.211 82.423 0.965
2 26.90 0.125 1.430 0.875 36.285 72.570 0.853
3 22.53 0.188 1.353 0.813 34.511 69.023 0.775
4 21.53 0.250 1.333 0.750 34.057 68.114 0.752
5 21.17 0.313 1.326 0.688 33.885 67.770 0.743
6 21.07 0.375 1.324 0.625 33.838 67.675 0.740
7 19.47 0.438 1.289 0.563 33.047 66.093 0.695
8 18.60 0.500 1.270 0.500 32.591 65.181 0.667
9 16.97 0.563 1.230 0.438 31.670 63.341 0.606
10 16.77 0.625 1.224 0.375 31.552 63.104 0.598
11 13.03 0.688 1.115 0.313 29.030 58.060 0.417
12 9.03 0.750 0.956 0.250 25.360 50.719 0.177
13 7.97 0.813 0.901 0.188 24.101 48.203 0.117
14 6.70 0.875 0.826 0.125 22.368 44.736 0.059
15 5.90 0.938 0.771 0.063 21.095 42.189 0.032
F(Xm) F(PX)-Fo(Xm) F(Xm) F(PX)-Fo(Xm) F(Xm) F(PX)-Fo(Xm) F(Xm) F(PX)-Fo(Xm) F(Xm) F(PX)-Fo(Xm)
1 44.00 0.94 0.9960 0.0585 0.9790 0.0415 0.9694 0.0319 0.987 0.0494 0.9648 0.0273
2 26.90 0.88 0.8200 0.0550 0.8520 0.0230 0.8052 0.0698 0.870 0.0046 0.8525 0.0225
3 22.53 0.81 0.6770 0.1355 0.7540 0.0585 0.7006 0.1119 0.781 0.0318 0.7753 0.0372
4 21.53 0.75 0.6390 0.1110 0.7250 0.0250 0.6713 0.0787 0.754 0.0039 0.7519 0.0019
5 21.17 0.69 0.6250 0.0625 0.7130 0.0255 0.6600 0.0275 0.743 0.0559 0.7426 0.0551
6 21.07 0.63 0.6210 0.0040 0.7100 0.0850 0.6569 0.0319 0.740 0.1155 0.7400 0.1150
7 19.47 0.56 0.5560 0.0065 0.6530 0.0905 0.6041 0.0416 0.690 0.1274 0.6946 0.1321
8 18.60 0.50 0.5200 0.0200 0.6190 0.1190 0.5734 0.0734 0.659 0.1594 0.6665 0.1665
9 16.97 0.44 0.4530 0.0155 0.5470 0.1095 0.5119 0.0744 0.596 0.1585 0.6062 0.1687
10 16.77 0.38 0.4440 0.0690 0.5380 0.1630 0.5041 0.1291 0.588 0.2127 0.5981 0.2231
11 13.03 0.31 0.2990 0.0135 0.3400 0.0275 0.3511 0.0386 0.413 0.1003 0.4169 0.1044
12 9.03 0.25 0.1720 0.0780 0.1260 0.1240 0.1923 0.0577 0.203 0.0472 0.1768 0.0732
13 7.97 0.19 0.1460 0.0415 0.0810 0.1065 0.1555 0.0320 0.150 0.0375 0.1171 0.0704
14 6.70 0.13 0.1180 0.0070 0.0400 0.0850 0.1166 0.0084 0.094 0.0314 0.0586 0.0664
15 5.90 0.06 0.1020 0.0395 0.0230 0.0395 0.0950 0.0325 0.063 0.0006 0.0317 0.0308
0.1355 0.1630 0.1291 0.2127 0.2231 MAXIMO VALOR
METODO DE SMIRNOV - KOLMOGOROV
Distribucion Normal Distribucion Log Normal II parmetros Distribucion Extremo Tipo I Distribucion Pearson Tipo III Distribucion Log Pearson
P (mm.) Fo(Xm) N



Donde
Xi = es el i-esimo dato estimado
Yi = es el i-simo dato calculado con la funcin de distribucin bajo anlisis
N = Nmero de datos
En el cuadro siguiente se muestra el procedimiento estimado para cada uno de los diferentes
mtodos estadsticos usados en el presente estudio.

1.3.6.4 SELECCIN DEL METODO ESTADSTICO APROPIADO
En el cuadro siguiente se resume los resultados de las pruebas efectuadas anteriormente. En este
cuadro se han calificado las funciones segn el orden de preferencias indicado por cada prueba de
ajuste, dando 1 a la mejor y 6 a la peor. De estos resultados se concluye que la funcin que
mejor se ajusta a los datos es la LOG PEARSON TIPO III
Seleccin de la funcin de Distribucin

En conclusin despus de realizar todas las pruebas de anlisis estadstico la distribucin que
mejor se adecua es el mtodo de LOG PEARSON TIPO III por que tiene menor error
weibull T P (mm.)
m/(n+1) AOS Po Pe (Pe-Po)^2 Pe (Pe-Po)^2 Pe (Pe-Po)^2 Pe (Pe-Po)^2 Pe (Pe-Po)^2 Pe (Pe-Po)^2
1 0.063 16.000 44.000 32.853 124.265 38.659 28.527 34.350 93.121 34.247 95.119 36.592 54.874 34.903 82.757
2 0.125 8.000 26.900 29.163 5.121 31.952 25.522 28.371 2.164 29.052 4.629 30.662 14.151 28.434 2.352
3 0.188 5.333 22.533 26.632 16.800 27.879 28.580 24.883 5.520 25.826 10.842 26.952 19.525 24.654 4.499
4 0.250 4.000 21.533 24.587 9.325 24.872 11.145 22.380 0.717 23.404 3.501 24.172 6.960 21.965 0.186
5 0.313 3.200 21.167 22.802 2.673 22.434 1.606 20.402 0.585 21.416 0.062 21.903 0.542 19.867 1.690
6 0.375 2.667 21.067 21.167 0.010 20.343 0.523 18.744 5.393 19.692 1.890 19.955 1.236 18.139 8.569
7 0.438 2.286 19.467 19.618 0.023 18.478 0.978 17.298 4.703 18.140 1.761 18.222 1.550 16.665 7.851
8 0.500 2.000 18.600 18.109 0.241 16.760 3.387 15.997 6.775 16.700 3.609 16.638 3.850 15.373 10.416
9 0.563 1.778 16.967 16.601 0.134 15.134 3.357 14.794 4.720 15.329 2.683 15.154 3.285 14.215 7.573
10 0.625 1.600 16.767 15.052 2.940 13.557 10.301 13.653 9.697 13.988 7.723 13.732 9.207 13.158 13.023
11 0.688 1.455 13.033 13.417 0.147 11.984 1.100 12.543 0.240 12.642 0.153 12.340 0.480 12.179 0.730
12 0.750 1.333 9.033 11.632 6.750 10.365 1.774 11.435 5.766 11.252 4.920 10.943 3.647 11.259 4.954
13 0.813 1.231 7.967 9.587 2.624 8.626 0.435 10.285 5.373 9.753 3.192 9.493 2.330 10.382 5.832
14 0.875 1.143 6.700 7.056 0.126 6.625 0.006 9.020 5.383 8.030 1.768 7.908 1.460 9.530 8.007
15 0.938 1.067 5.900 3.366 6.421 3.971 3.720 7.450 2.403 5.754 0.021 5.977 0.006 8.683 7.746
METODO DE ERROR CUADRATICO MINIMO
SUMA
n
DISTRIBUCION NORMAL
DISTRIBUCION EXTREMO
TIPO I
DISTRIBUCION LOG
NORMAL 2 PARAMETROS
DISTRBUCION LOG
NORMAL III PARAMETROS
DISTRIBUCION PEARSON TIPO
III
177.601 120.962 166.186
DISTRIBUCION LOG PERSON
TIPO III
13.327 10.998 12.351 11.911 11.095
152.558 141.872 123.103
C 12.891
ERROR CUAD.
MIN.
SMIRNOV
KOLMOGOROV
TOTAL
NORMAL 6 2 8
GUMBEL 1 1 2
LOG NORMAL 2P 4 3 7
LOG NORMAL 3P 3 6 9
LOG PEARSON III 2 4 6
PEARSON TIPO III 5 5 10
DISTRIBUCIONES



1.3.6.5 PRECIPITACION MAXIMA E INTENSIDAD MAXIMA
El estudio de la Precipitacin Mxima e Intensidad Mxima es muy importante para tener
conocimiento de la intensidad de las tormentas, sus magnitudes, as como su frecuencia, son muy
necesarios para el diseo de las diferentes obras hidrulicas que pudieran construirse en las zonas
de estudio.
Para el anlisis se ha tenido en cuenta en cuenta la informacin de precipitacin mxima en 24
horas
Con la finalidad de obtener informacin de precipitacin mxima en 24 horas y la para diferentes
periodos de retorno y que permita tener confiabilidad de su recurrencia, se le evalu a travs de 6
distribuciones de frecuencia
Distribucin Normal Estndar.
Distribucin Gumbel (Distribucin extrema Tipo I).
Distribucin Log Pearson Tipo III.
Distribucin Log Normal II Parmetros.
Distribucin Log Normal III Parmetros.
Distribucin Pearson tipo III.
En el cuadro siguiente se muestra el resumen de los resultados por el mtodo estadstico de la
distribucin que ms se ajusta aplicando el mtodo de momentos desarrollados en el presente
estudio la distribucin que se considera es la distribucin GUMBEL EXTREMO TIPO I. Se observa
que la diferencia entre uno y otro mtodo puede ser apreciable. En muchos casos las diferencias
son muchos mayores que las que resultan aqu. Una seleccin apresurada de cualquiera de los
mtodos podra traducirse en una estructura sobre diseada y costosa o sub diseada y peligrosa.
Para ello se ha utilizado el programa Hidroesta.



Precipitaciones Mximas en (mm) y periodo de retorno en (aos)
1.3.6.6 ANLISIS DE RIESGO DE FALLA
El diseo de estructuras para el control de agua incluye la consideracin de riesgos. Una
estructura para el control de agua puede fallar si la magnitud correspondiente al periodo de retorno
de diseo T se excede durante la vida til de la estructura. Este riesgo hidrolgico natural, o
inherente, de falla puede calcularse utilizando la ecuacin:
Es el tiempo medio en aos en que ese inundacin (evento) es igualdad o superada por lo menos
una vez es decir
P
T
ad probabilid
retorno de periodo
1 1
= =

T = periodo de retorno
P = probabilidad de ocurrencia de un caudal
En hidrologa se utiliza ms el periodo de retorno que la probabilidad
Return Calculated Standard
Period Value Deviation
25 18.5668 9.2857



n
n
T
T
T T
T
T
(
|
.
|
\
|
(
|
.
|
\
|
(
|
.
|
\
|
(
|
.
|
\
|
|
.
|
\
|
1
- 1 - .1 aos...... n proximos los produzca se SI retorno de suceso un que de ad Probabilid
1
- 1 aos..... n proximos los produzca se NO retorno de suceso un que de ad Probabilid
1
- 1
1
- 1 aos.. dos proximos los produzca se NO retorno de suceso un que de ad Probabilid
1
- .....1 ao....... prximo el produzca se NO retorno de suceso un que de ad Probabilid
1
........ ao....... prximo el produzca se T retorno de suceso un que de ad Probabilid

En El diseo de obras pblicas, la ltima expresin obtenida es el Riesgo de falla (R, es decir la
probabilidad de que SI se produzca alguna vez un suceso de periodo de retorno T a lo largo a un
periodo de n aos:
|
.
|
\
|
=
n
T
R
1
1 1

ESTRUCTURA T(aos)
CAUDALES DE PROYECTO
Vertedor de grandes presas 10000
Vertedor de una presa de tierra 1000
Vertedor de una presa de concreto 500
Galerias de aguas pluviales 5 a 20
Bocatomas 25 a 75
Pequeas presas para abastecimeinto de agua 50 a 100
puentes en carreteras importantes 50 a 100
puentes en carreteras comunes 25

Valores de periodo de retorno T asociado al riesgo R
Riesgo
R 1 10 25 50 100 200
0.01 100.00 995.49 2487.98 4975.46 9950.42 19900.33
0.10 10.00 95.41 237.78 475.06 949.62 1898.74
0.25 4.00 35.26 87.40 174.30 348.11 695.71
0.50 2.00 14.93 36.57 72.64 144.77 289.04
0.75 1.33 7.73 18.54 36.57 72.64 144.77
0.99 1.01 2.71 5.94 11.37 22.22 43.93
Vida util de la obra (n) en aos

Un anlisis de la tabla anterior muestra que si adopta un riesgo de 10% de que durante los 10 aos
de vida til de una estructura ocurra una descarga igual o superior a la del proyecto, se debe usar
un periodo de retorno de 95.41 aos.
Dada la magnitud de las subcuencas, para la estimacin de las mximas avenidas se ha tenido en
consideracin los siguientes rangos de superficies de cuenca de recepcin:



rea Mtodo
< 10 Km2 Hidrograma del US - SCS
< 100 Km2 Mac Math
> 100 km2 Curvas Envolventes de Creager
Riesgo de
Falla
Vida esperada del proyecto, n (aos)
1 2 5 10 20 25 50 100
0.99 1.01 1.11 1.66 2.71 4.86 5.94 11.37 22.22
0.9 1.11 1.46 2.71 4.86 9.20 11.37 22.22 43.93
0.75 1.33 2.00 4.13 7.73 14.93 18.54 36.57 72.64
0.5 2.00 3.41 7.73 14.93 29.36 36.57 72.64 144.77
0.25 4.00 7.46 17.89 35.26 70.02 87.40 174.30 348.11
0.1 10.00 19.49 47.96 95.41 190.32 237.78 475.06 949.62
0.05 20.00 39.49 97.98 195.46 390.41 487.89 975.29 1950.07
0.01 100.00 199.50 498.00 995.49 1990.48 2487.98 4975.46 9950.42
Vida esperada de la Estructura
1.3.6.7 CURVAS DE INTENSIDAD-DURACIN Y FRECUENCIA (IDF)
Uno de los primeros pasos que debe seguirse en muchos proyectos de diseo hidrolgico, como el
diseo de un drenaje, es la determinacin del evento o los eventos de lluvia que deben usarse. La
forma ms comn de hacerlo es utilizar una tormenta de diseo o un evento que involucre una
relacin entre la intensidad de lluvia (o profundidad), la duracin, y las frecuencias o periodos de
retorno apropiados para la obra y el sitio. Deberan existir curvas (IDF) estndar desarrolladas por
instituciones del gobierno disponibles para el sitio para que su uso sea de forma general, uniforme
y oficial.
Para construir la curva IDF para diferentes periodos de retorno utilizamos la formula de DYCK
PESCHKE para el clculo de mximas avenidas.
25 . 0
24
1440
|
.
|
\
|
=
d
P Pd
h

Donde
Pd : Precipitacin mxima para un periodo de duracin
d : Periodo de duracin (min. 10, 15, 30., etc)
P24h: Precipitacin mxima para 24 horas (En este estudio se utilizara el modelo adecuado segn
las pruebas realizados en los acpites anteriores.



INTENSIDAD DE LLUVIA EN (mm/hr)

.
PRECIPITACIONES MAXIMAS PARA DIFERENTES TIEMPOS DE DURACION
PARA LA DISTRIBUCION GUMBEL EXTREMO I
T(aos) (mm) 5 10 15 30 60 120 180 360 1440
25 18.567 4.507 5.360 5.932 7.054 8.388 9.976 11.040 13.129 18.567
P
r
e
c
.
m
m
P.MAX. 24
horas
Periodo de
Retorno
PERIODO DE DURACION (min)
T(aos) (mm) 5 10 15 30 60 120 180 360 1440
25 18.567 54.08 32.16 23.73 14.11 8.39 4.99 3.68 2.19 0.77
Periodo de
Retorno
PERIODO DE DURACION (min)
P.MAX. 24
horas



1.4 CAUDAL MAXIMO
1.4.1 COEFICIENTE DE ESCORRENTA
El coeficiente de escorrenta se considera como el porcentaje de agua que escurre en una lluvia
determinada. Los valores tpicos del coeficiente de escorrenta para una amplia variedad de
condiciones son dados en manuales de diseo y otros libros de referencia., ver tabla siguiente
TABLA PUNTAJES PARA LA OBTENCIN DEL COEFICIENTES DE ESCORRENTA: C

El coeficiente de escorrenta C es la variable del Mtodo Racional menos susceptible a una precisa
determinacin y requiere en consecuencia criterio y entendimiento ingeniera. Su uso en la frmula
implica un valor fijo para un rea dada. El coeficiente de escorrenta representa los efectos
integrados de infiltracin, almacenamiento por detencin y retencin, evaporacin, trnsito del flujo
e intercepcin, los cuales afectan el tiempo de distribucin y el valor del escurrimiento.
Caracterisitcas de la
cuenca
Caracterisiticas de la escorrentia y los correspondientes valores numericos
EXTREMO ALTO NORMAL BAJO

RELIEVE
Terreno escarpado y empi-
nado con pendientes mayo-
res que 30%. Puntos..
...40
Accidentes, con pendiente
promedio del 10% al 30%
Puntos.....30
Ondulados, con pendientes
promedio del 5% al 10%.
Puntos.....20
Terreno Relativamente pla-
no con promedio del 0% al
5% Puntos.....10

INFILTRACION
sin una capa efectivade
suelo superficical terreno
rocoso de insignificante ca-
pacidad de infiltracion . Pun-
tos.....20
Lento para absorber el
agua, arcilla u otro suelo de
baja capacidad de infiltra-
cion Puntos.....15
Normal, franco profundo
coninfiltracion similar a los
suelos tipicos de praderas
Puntos.....10
Alta, arena u otro suelo que
absrbe el agua facil y rapi-
damente puntos...
..5

INFILTRACION
Terreno desnudoo o sin
cobertura Puntos....
..20
Cobertura regular, cultivos
limpios (de escarda) o cu-
bierto natural pobre menos
del 10% del area bajo buena
cobertura Puntos.....
15
regular a buena cerca del
50% del area con buenos
pastizales bosques o equi-
valentes . No mas del 50%
cultivos limpios Puntos..
...10
Excelente, cerca del 90%
con buenos pastizales bos-
ques o cobertura equivalen-
te puntos.....5

ALMACENAMIEN-
TO SUPERFICIAL
Insignificnate depresiones
en la superficie poco profun-
das, desagues pequeos y
empinados no hay lagunas
o pantanos Puntos...
..20
Bajo, sistemas bien defini-
dos de pequeos desagues,
no hay lagunas o pantanos
Puntos.....15
Normal, considereable al-
macenamiento en depresio-
nes superficiales lagunas y
pantanos menores del 2%
del area Puntos...
..10
alto almacenamiento en
depresiones superficiales,
sistema de drenaje no bien
definidos; muchas lagunas y
pantanos puntos...
..5



Frecuentemente es conveniente desarrollar un C compuesto basado en porcentajes de diferentes
tipos de superficie en el rea de drenaje, que debe calcularse como:
=
Ai
CiAi
C

Donde
Ci = Coeficiente de Escurrimiento para el rea Ai
Ai = rea del sector especifico de la cuenca
1.4.2 TIEMPO DE CONCENTRACIN Tc
Es el tiempo empleado por una gota de agua que cae en el punto hidrolgicamente ms alejado de
la cuenca para llegar a la salida de sta.
De Acuerdo a esta definicin, el caudal pico Qp en la salida de la cuenca debe alcanzar despus
de un lapso igual al del tiempo de concentracin tc.
La obtencin de los tiempos de concentracin para las microcuencas para el sistema de riego, por
los diferentes mtodos, ha sido desarrollada empleando los parmetros y procedimientos descritos
por las siguientes formulas:
ECUACIN DE KIRPICH (1940)
t
L
S
c
=
|
\
|
.
|
|
60
0 06628
0 77
0 385
.
.
.

Donde:
tc = tiempo de concentracin( min.)
L = longitud del rio desde aguas arriba hasta la salida (km. )
S = pendiente promedio de la cuenca (m/m.)
FRMULA DE FEDERAL AVIATION AGENCY (1970)
( )
t
C L
S
c
=

3 26036
11
0 50
0 333
.
.
.
.

Donde
tc = tiempo de concentracin, min.
C= coeficiente de escorrenta de mtodo racional ver Tabla
L = longitud del flujo superficial, m;
S = pendiente de la superficie, %.



VALORES DE C DE LA FEDERAL AVIATION AGENCY.

Clasificacin Coeficiente de escorrenta C
Zona urbana comercial 0.70 - 0.95
Zona de residencia
familiar
0.30 - 0.50
Asfalto / concreto 0.70 - 0.95
Suelo arenoso 0.05 - 0.20
Suelo rocoso 0.13 - 0.35
Pavimento de adoquines 0.70 - 0.85

El valor de i intensidad es igual al tiempo de concentracin
385 . 0
3
871 . 0
|
|
.
|
\
|
=
H
L
Tc

Donde
Tc = Tiempo de concentracin en horas
L = Longitud del cauce principal Km.
H = Desnivel mximo en m

TIEMPO DE CONCENTRACION
SHI NCA SECA SUTO
5140 4600 4800
2650 2750 2750
6.12 2.79 3.51
0.25 0.25 0.25
11.968 3.405 9.431
64 37 43
1196.8 340.5 943.1
406.9 663.1 584.0
Tiempo de Conc. (mim)
DATOS DE
MI CROCUENCAS
Area (ha)
Pendiente (m/km)
Cota Superior msnm.
Cota Inferior msnm.
Longitud (Km)
Coeficiente de Escorr.
Area (Km2)
INTENSIDAD MAXIMA PARA Tc.
MICRO
CUENCA
(mm) (mm/hr)
SHINCA 8.52 8.01
SECA 7.42 12.13
SUTO 7.71 10.79
Intensidad . Max. para T.
de Conc.



1.4.3 APLICACIN DEL METODO MAC MATH
Las descargas mximas para las Sub cuencas reas que lo componen el rea de drenaje que
escurre al hacia las quebradas se determin mediante la frmula de Mac Math, cuya expresin es
la siguiente:
1000
* * *
max
42 . 0 58 . 0
I Ac P C
Q =

Donde:
Qp : Caudal de diseo (m3/s)
p : Intensidad para una duracin (TC(horas)) y frecuencia (f=1/Tr) o tiempo de retorno (Tr(aos))
en (mm)
C : Coeficiente de escorrenta que depende de topo-fisiogrfica de la cuenca receptora
(adimensional)
Ac
- rea de la microcuenca (ha.)
I
- Pendiente media del cauce (m/km.)
Las descargas mximas calculadas por el Mtodo de Mac Math, se muestran en los cuadros
respectivos de cada uno de las sub cuencas, tomando en cuenta las precipitaciones mximas de
24 horas donde se contaban con datos y/o datos mximos de precipitaciones mensuales.

1.5 CONCLUSIONES
Las estaciones pluviomtricas que se utilizaron en el presente estudio son: Omate, Quinistaquillas
y Puquina ya que estas estaciones son las ms cercanas al rea de proyecto y estn certificadas
por el Senamhi.
Las distribuciones para eventos extremos utilizados son: la distribucin Normal, distribucin
Gumbel extremo tipo I, distribucin Normal de 2 parmetros, distribucin normal 3 parmetros,
distribucin Pearson tipo 3 y distribucin Log Pearson tipo 3.
Segn los anlisis y pruebas estadsticas se ha seleccionado la distribucin GUMBEL.

CAUDAL MAXIMO DE DISEO (m3/s)
TR=25AOS
Microcuenca Caudal Max.
m3/s
SHINCA 6.66
SECA 10.09
SUTO 8.97

HIDROLOGIA

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

HIDROLOGIA

Cargado por

Copyright:

Formatos disponibles

Municipalidad Provincial General Snchez Cerro Gerencia de Desarrollo Urbano

También podría gustarte