Está en la página 1de 6

DISTRIBUCIN BINOMIAL La variable aleatoria x, representa el nmero de veces que ocurre un xito en un cierto nmero de intentos N; Donde x vara

entre 0 y N. La distribucin binomial de probabilidades para los N+1 valores de X estn dados por: ( ) ( ) ( )

Los parmetros de esta distribucin son; la media, la varianza y el coeficiente de asimetra. ( ) ( )

Caractersticas Esta distribucin se aplica a situaciones en que en un nmero de intentos slo pueden ocurrir dos sucesos el xito o el fracaso. Se le asignan los nmeros 1 y 0 respectivamente. La ocurrencia de los ciclos regulares (anual y diario) debe ser analizada en periodos ms cortos (meses u horas) donde la probabilidad de ocurrencia es poco variable. Deben considerarse series de tiempo o extender los perodos cubiertos hasta hacerlos independientes.

DISTRIBUCIN DE POISSON La distribucin de Poisson describe el nmero de sucesos discretos que ocurren en serie, o en una secuencia, y que muestran una independencia de tipo muy particular. ( )

La distribucin de Poisson debe tener un ajuste, el cual se realiza por el mtodo de los momentos, donde se igualan los momentos de la muestra con los momentos de la distribucin o poblacin. La distribucin de Poisson tiene slo un parmetro , que especifica la tasa promedio de ocurrencia y sus dimensiones son ocurrencias en la unidad de tiempo. Caractersticas

Los sucesos discretos que ocurren en la secuencia son independientes en un


intervalo de tiempo.

Los sucesos dependen del tamao del intervalo en el cual son evaluado.

La serie no depende de donde se ubica el intervalo ni de las ocurrencias en otros


intervalos.

Difcilmente la probabilidad de ocurrencia de ms de un suceso es pequea. La distribucin de Poisson solo se aplica cuando la probabilidad de ocurrencia p
tiende a cero y el nmero de datos N tiende a infinito.

DISTRIBUCIN NORMAL La aplicacin de la distribucin normal se deriva del conocimiento del teorema del valor central. El cual establece que en el lmite, a medida que la muestra crece, la media aritmtica de un conjunto de observaciones independientes tiene una distribucin gaussiana como se muestra en la figura. Esto es vlido sin importar de qu distribucin derivan los datos.

La distribucin normal es: ( ) Teniendo en cuenta que, [ ( ) ]

para simplificar la expresin

Los dos parmetros de la distribucin son la media la cual determina el centro de esta distribucin simtrica y la desviacin estndar controla el ensanchamiento de la distribucin.

Caractersticas La distribucin tiene una forma de campana simtrica, por lo tanto la media, la moda y la mediana son iguales. No se ha establecido el tamao de la muestra para que el teorema del lmite central sea aplicable. La simetra de la distribucin la hace inaplicable para valores extremos. La distribucin Normal describe el comportamiento probabilstico de los valores medios muy bien. Aproximar la distribucin de probabilidades de errores aleatorios.

Comparar distribuciones: las propiedades de una muestra de variables no normales pueden compararse con las de variables normales. DISTRIBUCIN LOG-NORMAL Se usa para representar variaciones en propiedades de la nubosidad y clculo de la escorrenta en una cuenca. La aplicacin de la distribucin log-normal consiste en una transformacin logartmica de los datos, con la suposicin de que los datos transformados siguen una distribucin normal. En donde se puede evaluar diferentes valores de media y desviacin estndar de la muestra como se muestra en la figura. Si la variable transformada Y = ln(X) sigue la distribucin normal, teniendo en cuenta dos parmetros, ( ) [ ( ) ]

Si se considera un lmite inferior X0 diferente de cero de una variable aleatoria X y Z=X-X0, la distribucin log-normal con tres parmetros es; Para la distribucin log-normal con dos parmetros, se tiene

( ) Caractersticas

[ ( ( )

) ]

La distribucin log-normal puede aplicarse a eventos hidrolgicos, en los cuales la variable tiene un lmite inferior. la distribucin no es simtrica y los factores que causan los eventos son independientes y multiplicativos. La distribucin log-normal con tres parmetros puede aplicarse a eventos con valores positivos o negativos, siempre que x x0. La distribucin log-normal con dos parmetros solo puede aplicarse a eventos con valores positivos.

DISTRIBUCIN GAMMA La distribucin 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. A continuacin se muestra la distribucin gamma.

La distribucin Gamma de dos parmetros tiene una funcin de densidad de probabilidades de la forma: ( ) ( )

| | ( )

Donde, = Parmetro de escala; puede tomar valores positivos o negativos. = parmetro de forma; siempre va a ser >0. ()= funcin gamma completa. Para la distribucin Gamma, usando el mtodo de los momentos, los parmetros son; la media y la varianza.

Caractersticas La distribucin gama ofrece problemas al ajuste por mtodo de los momentos debido a que sus parmetros no corresponden a momentos de esta. Las estimaciones basadas en el mtodo de los momentos se usan para valores de >10. La distribucin gama no es integrable analticamente y debe recurrirse a aproximaciones computacionales o tablas.

DISTRIBUCIN PEARSON III Esta distribucin se basa en el mismo principio que la distribucin gamma, pero tiene en cuenta tres parmetros. Por lo tanto su funcin de probabilidad es; ( ) ( ) ( )

| | ( )

Para la distribucin Pearson III, los parmetros, por el mtodo de momentos son;

( )

DISTRIBUCIN DE LOG-PEARSON III

La distribucin Log-Pearson III se basa en variables aleatorias logartmicas de la distribucin Pearson III. Esta es usada para anlisis de frecuencia de caudales mximos, su funcin es; ( ) ( ( ) ) ( ( ) )

| | ( )

Para la distribucin Log-Pearson III, los parmetros, por el mtodo de momentos son;

( )
Usando los logaritmos de cada uno de los datos.

DISTRIBUCIN GUMBEL Esta distribucin analiza los acontecimientos atmosfricos extremos, teniendo en cuenta valores mnimos y mximos de una variable de un nmero de observaciones. Presenta un mximo valor cuando x= .Esta viene dada por; ( ) [ ( )]

Los parametros que tiene en cuenta son;

Donde 0,5772 corresponde al coeficiente de asimtrica y es igual a la constante de Euler. DISTRIBUCIN FRECHET Corresponde a la teora de valores extremos tipo II, la cual se representa por, ( ) ( ( ( [ ( )])))

Los parametros que tiene en cuenta son los mismos que para la distribucion Gumbel. Difiriendo del factor de forma el cual varia para cada uno de los tipos.

DISTRIBUCIN WEIBULL Corresponde a la teora de valores extremos tipo III, la cual se representa por,

( )

( )( )

[ ( ) ]

El ajuste de esta distribucin requiere de mtodos iterativos. Esto es vlido para el mtodo de los momentos ya que su sus parmetros son; ( ) [ ( ) ( )]

Pero se puede evaluar por el mtodo preferido es el ajuste de mxima verosimilitud.