3 Probabilidad y Estadistica en Hidrologia1

07/09/2014
PROBABILIDAD Y ESTADISTICA
EN HIDROLOGA
C.L.V.P. - 2014
Un proceso probabilstico en hidrologa

consiste en un conjunto de variables al azar;
es decir, variables (eventos) que toman
valores en una secuencia a travs del tiempo
(horas, das, meses, aos). Estos eventos
pueden ser muestreados en forma discreta o
continua.
C.L.V.P. - 2014
C.L.V.P.2014
07/09/2014
En hidrologa, se trabaja con eventos

naturales irrepetibles registrados en
periodos de tiempo corto, a diferencia
de otras ciencias que trabajan con
registros que se pueden reproducir
por experimentacin.
C.L.V.P. - 2014
DATOS HIDROMETEREOLGICOS
Existen
ste varios
a os ttipos
pos de datos usados en
e la
a hidrologa:
d o og a
Datos histricos de eventos naturales registrados
cronolgicamente en forma discreta continua. Son
series de tiempo producto de observaciones y que se
pierden si no se registran en el momento de su
ocurrencia. A este tipo pertenecen la gran mayora
de los datos hidrolgicos e hidrometeorolgicos.
Levantamiento de datos hidrolgicos en reas, como por
ejemplo
l profundidad
f d d d y calidad
l d d de
d aguas subterrneas,
b
infiltracin o sedimentacin en ros. Son datos de campo

que se toman espordicamente y no necesariamente, en
forma secuencial.
C.L.V.P. - 2014
C.L.V.P.2014
07/09/2014
Medidas
en
laboratorio,
como
lo
son
conductividades hidrulicas o calidad de aguas.
Registro simultneo de un evento (lluvia-caudal)
en dos localidades geogrficas diferentes, durante
un determinado perodo de tiempo (generalmente
4 5 aos) usados para transferir informacin
correlacionar
datos
con propsitos
diversos,
como
l
d
d
lo son anlisis de caudales.
C.L.V.P. - 2014
Calidad homogeneidad y consistencia de los datos
Calidad,
Los datos hidrolgicos deben ser independientes,
homogneos y lo ms representativos posible de la
poblacin. En la recoleccin de datos de lluvias en una
cuenca, por ejemplo, las estaciones debern ser
localizadas en sitios estratgicos cuya cobertura total
deber representar la misma. Las fuentes de los errores
en datos hidrolgicos observados pueden ser: en el
sensor (error del registro del dato in situ),en la
transmisin del dato, en el registro en la estacin de
recepcin, en el procesamiento y anlisis de los datos.
C.L.V.P. - 2014
C.L.V.P.2014
07/09/2014
Calidad, homogeneidad y consistencia de los datos
Dentro de los errores, se consideran errores al azar y
errores sistemticos. Los primeros estn siempre en los
datos, generalmente se distribuyen alrededor del
verdadero valor y la desviacin estndar se usa para
determinar la magnitud de los desvos. Los segundos
crean inconsistencias o diferencias en un slo sentido
en
relacin
all
valor
medio
que
deben
ser
l
l
d
d b
detectadas y corregidas. Existen diversas tcnicas, como
las curvas de masa doble para corregir inconsistencias.
C.L.V.P. - 2014
Calidad homogeneidad y consistencia de los datos
Calidad,
Otro tipo de datos a tener en cuenta son los no
homogneos o datos afectados por algn efecto, no
necesariamente hidrolgico que repentinamente cambia
la tendencia normal de una serie de registros. La no
homogeneidad puede ser producida por un efecto
antrpico, fcilmente detectable e incluso pronosticado,
como lo es una presa en un ro, la cual produce hacia
aguas abajo descargas no homogneas que no pueden
ser consideradas conjuntamente con los caudales
vrgenes del ro aguas arriba del embalse.
C.L.V.P. - 2014
C.L.V.P.2014
07/09/2014
Variables aleatorias
Una variable aleatoria X(t) tiene una cierta distribucin
probabilstica. Esa distribucin determina la posibilidad
de que una determinada observacin X, de la variable,
caiga dentro de un rango especificado de X. S, por
ejemplo la precipitacin media de enero, en un lugar, es
de
podra
d 50 mm, la
l distribucin
d
b probabilstica
b b l
d establecer
bl
que pueda estar en el rango entre 40 y 60 milmetros.
C.L.V.P. - 2014
Series de Tiempo
Una serie de tiempo se define, en hidrologa, como
la magnitud de un evento observado en forma
discreta a intervalos de tiempo, dt, promediados en ese
intervalo o registrados en forma continua en un tiempo,
t, por ejemplo caudales medios, diarios, promedio de
caudales instantneos a travs de un intervalo discreto
de 1 da, o caudales instantneos registrados en forma
continua durante todos los instantes de cada da.
C.L.V.P. - 2014
C.L.V.P.2014
07/09/2014
PARMETROS ESTADSTICOS
Medidas de tendencia hacia un valor central de la
serie
Promedio aritmtico o media aritmtica () es el
primer momento alrededor del
origen. Aunque da
informacin
sobre
la
muestra, este parmetro no
caracteriza completamente a una variable aleatoria. Si la
muestra es pequea y contiene valores extremos (altos o
bajos) el promedio no ser un parmetro real en relacin
con la poblacin. Se calcula mediante la expresin:
C.L.V.P. - 2014
Medidas de tendencia hacia un valor central de la

serie
Promedio geomtrico:
expresin:
se
calcula
con
la
siguiente
x g n x1 * x2 * x3 * ...xn
C.L.V.P. - 2014
C.L.V.P.2014
07/09/2014
Mediana (M): es el valor de la variable que deja con igual

probabilidad de ocurrencia (0.50) los valores abajo y arriba
de ella, por lo tanto, la mediana resulta atractiva, en el
caso de series que se apartan de la normal.
Moda: es el valor
mayor frecuencia.
de
la
variable
que
ocurre
con
C.L.V.P. - 2014
En hidrologa se tienen frecuentemente muestras de

distintos tamaos N1, N2, N3... NR y se necesita obtener el
promedio ponderado de todas ellas, as:
k
xp
N * x
i
i 1
N
i 1
C.L.V.P. - 2014
C.L.V.P.2014
07/09/2014
Medidas de Dispersin
Las medidas de dispersin miden como los valores de una
variable se dispersan alrededor del valor central o media
aritmtica de la serie; es decir, representan una distribucin
alrededor de un valor medio.
Desviacin media (M): Es la media aritmtica del valor
absoluto de los errores. Se calcula con la siguiente
p
expresin:
N
i 1
xi x
N
C.L.V.P. - 2014
Desviacin estndar (): Es el parmetro de dispersin ms
usado en hidrologa, se llama tambin desviacin
cuadrtica. Es la raz cuadrada de la varianza y tiene las
unidades de X.
_
xi x
i 1
N 1
N
C.L.V.P. - 2014
C.L.V.P.2014
07/09/2014
La varianza: es el cuadrado de la desviacin estndar (2 ) y
es el segundo momento alrededor de la media. Sus unidades
son el cuadrado de las unidades de la variable. En general, es
i di d que indica
i di
t cerca de
d la
l media
di est
t ell valor
l
un indicador
cuanto
de la variable. Si tericamente todos los valores fueran igual a
la media, la varianza sera cero.
La ecuacin de la varianza se puede tambin expresar
desarrollando el trinomio cuadrado perfecto del numerador.
_
xi x
2 i 1
N 1
N
C.L.V.P. - 2014
Covarianza. Cuando se analiza la varianza de dos (X, Y)

ms variables (X, Y, Z). En el caso de dos variables, la
covarianza es la media aritmtica del producto de los
errores de X, e Y, y se expresa mediante la siguiente
ecuacin:
1
Cv X , Y
N
_
_
xi x * yi y
i 1
N
C.L.V.P. - 2014
C.L.V.P.2014
07/09/2014
Coeficiente de variacin: es el cociente entre la desviacin

estndar y el promedio, X . Es adimensional.
Cv
C.L.V.P. - 2014
El coeficiente de asimetra (g): Es el tercer momento
media Describe la distribucin de los datos
alrededor de la media.
alrededor de media. Es una medida de la simetra. Una
distribucin simtrica tiene un coeficiente de asimetra igual
a cero cuando los datos se distribuyen alrededor de la
media; negativo cuando la distribucin de los datos tiene
mayor sesgo a la izquierda y positivo cuando tiene mayor
sesgo a la derecha, segn como se desve hacia valores
bajos o altos con relacin a la media. Es un parmetro muy
usado en estudios regionales, se calcula con la expresin:
C.L.V.P. - 2014
C.L.V.P.2014
N * xi x
i 1
g
N 1* N 2* 3
N
10
07/09/2014
DISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIN DE VARIABLES DISCRETAS
C.L.V.P. - 2014
DISTRIBUCIN BINOMIAL
La distribucin discreta binomial de probabilidad se
aplica a poblaciones que slo tienen dos eventos
discretos y complementarios. Una condicin esencial
para esta aplicacin es la independencia de eventos
sucesivos (observaciones o experimentos) y las
probabilidades
constantes p y q de
cada
ensayo
b bld d
d
d
individual. Esta condicin se debe verificar con los datos
a utilizar.
C.L.V.P. - 2014
C.L.V.P.2014
11
07/09/2014
La funcin de probabilidad acumulada es:
n
P( x ) * p x * q n x
x
C.L.V.P. - 2014
D d
Donde:
x es el nmero de veces que ocurre el evento.
P(x) es la probabilidad de ocurrencia x = 0, 1, 2 .... etc.
n es el tamao de la muestra (nmero de observaciones
independientes o casos posibles).
m es el nmero de eventos
q es la probabilidad de no excedencia, dada por:
q=1-p
p es la probabilidad de excedencia, calculada mediante la
expresin:
p
C.L.V.P. - 2014
C.L.V.P.2014
n
m
12
07/09/2014
n es el nmero combinatorio de n valores tomados de x, se

x evala as:
n
n!

x x!n x !
C.L.V.P. - 2014
_
El valor esperado (promedio):

La varianza:
2 n* p*q
El coeficiente de asimetra:
El coeficiente de kurtosis:
1 6 * p * q
3
k
n* p*q
C.L.V.P. - 2014
C.L.V.P.2014
x n* p
q p
n* p*q
13
07/09/2014
DISTRIBUCIN DE POISSON
Un caso interesante se presenta cuando el tamao de la
muestra, n, es muy grande y tiende a infinito, mientras que
la probabilidad, p, muy pequea y tendiente a cero, pero
su producto, m, es un nmero positivo, entonces se tiene la
funcin de densidad de probabilidad discreta de Poisson:
p( x )
m xem
x!
C.L.V.P. - 2014
DISTRIBUCIN DE POISSON
_
xm
La varianza:
2 m
Ell coeficiente
de
f
d asimetra:
1
m
C.L.V.P. - 2014
C.L.V.P.2014
14
07/09/2014
DISTRIBUCIN DE VARIABLES CONTINUAS
Las distribuciones continuas se caracterizan porque F(x) es
absolutamente continua. Por consiguiente F(x) tiene como
derivada:
F (x ) f ( x)
La funcin de distribucin de probabilidad es F(x)
x
F ( x)
f ( x)dx
f ( x)
dF ( x)
dx
C.L.V.P. - 2014
La derivada f(x) se denomina funcin de densidad de
probabilidad y los valores de x para los cuales f(x) > 0 son
el dominio de la variable aleatoria x.
C.L.V.P. - 2014
C.L.V.P.2014
15
07/09/2014
En el clculo de probabilidades de eventos mayores, la
variable x, puede representarse por el promedio x, ms un
incremento dx, de ese valor medio:
C.L.V.P. - 2014

La magnitud de dx depende de la dispersin caracterstica
de la distribucin de x, del intervalo de recurrencia y otros
parmetros estadsticos. Es posible entonces representar a
dx como el producto de la desviacin estndar y de un
factor de frecuencia k, as:
_
x x k *
x k *
C.L.V.P. - 2014
C.L.V.P.2014
16
07/09/2014
Di idi d por ell valor
l
di para generalizar
li
l d hacindola
h i d l
Dividiendo
medio
ell resultado
adimensional es:
x
_
1 k *
1 k *
Pero coeficiente de variacin de x, es:
Cv
Cv
C.L.V.P. - 2014

Luego, se obtiene la ecuacin general del anlisis de
frecuencia propuesta por Chow (1964):
x
_
1 k * Cv
1 k * Cv
C.L.V.P. - 2014
C.L.V.P.2014
17
07/09/2014
C.L.V.P. - 2014
Establecido a priori,
priori un valor de grado de confianza,
confianza (80%,
(80% 82%,
82% 85%
Establecido,
95%), para cada uno corresponder un nivel de significancia. OMM
(1982) sugiere tomar como aceptable un grado de confianza del 80%.
El factor ms significativo que afecta esta banda, es el grado de
confianza que se desee establecer. Se usa frecuentemente el 95%, pero
valores entre 70% y 95% son comunes en el diseo hidrolgico.
El tamao de la muestra con la que se comput la curva de
frecuencia, afecta el ancho de la banda. A mayor tamao de muestra,
disminuye el intervalo.
La probabilidad de excedencia afecta la amplitud del intervalo; el
intervalo es menor para valores promedios y se hace mayor en las
puntas (probabilidades mayores y menores).
El coeficiente de asimetra afecta el intervalo de confianza. La
asimetra afecta el error estndar, por lo tanto el ancho de la banda
aumenta con el aumento del valor absoluto de la asimetra.
C.L.V.P. - 2014
C.L.V.P.2014
18
07/09/2014
DISTRIBUCIN NORMAL
La distribucin normal (Gaussiana) surge del teorema del
lmite del valor central, el cual establece que una variable
aleatoria x est normalmente distribuida con el promedio
y la desviacin estndar . La funcin de distribucin de
probabilidad (frecuencia acumulada) proporciona la
probabilidad de que X sea menor o igual a x as:
x
x 2
1
dx
F ( X x)
* exp
2
* 2 2 *
C.L.V.P. - 2014
DISTRIBUCIN NORMAL
C.L.V.P. - 2014
C.L.V.P.2014
Distribucin tpica normal
19
07/09/2014
DISTRIBUCIN NORMAL
La funcin de densidad de probabilidad, est dada por:
x 2
1
f ( x)
* exp
2 2
* 2
C.L.V.P. - 2014
DISTRIBUCIN LOGNORMAL DE DOS PARMETROS
Tambin se la denomina funcin de Galton (estudiada por
Galton en 1875). Es una distribucin donde la variable x se
reemplaza por su logaritmo (ln x), siendo en este caso su
rango slo de valores positivos de (x > 0), lo cual en la
hidrologa es una ventaja sobre la normal.
La funcin de densidad de probabilidad es:
1 y 2
1
y
exp *

f x

x * * 2
y
y
C.L.V.P. - 2014
C.L.V.P.2014
20
07/09/2014
Donde y es el logaritmo natural de x: y = ln (x)
y es la desviacin estndar de y.
y es el promedio de y se calcula as:
ln( x)
N
N es el nmero de datos de la muestra.
C.L.V.P. - 2014
Los parmetros estadsticos de x Chow (1954) se calculan
con las siguientes expresiones:
x exp y
Mediana:
y2
M x exp y
y2
exp
2
Mx

C.L.V.P. - 2014
C.L.V.P.2014
21
07/09/2014
Desviacin estndar:
* exp y2 12
1
El coeficiente de asimetra:
g 3 * Cv Cv3
El coeficiente de variacin:
C.L.V.P. - 2014
Cv exp y2 1 2
El factor de frecuencia, k , se puede calcular con la
ecuacin siguiente (Chow, 1964)
*k y
y
y
e 1
y2
1
2
y y
ky
C.L.V.P. - 2014
C.L.V.P.2014
y y k y * y
22
07/09/2014
DISTRIBUCIN LOGNORMAL DE TRES PARMETROS

La distribucin log normal se puede generalizar para casos
en que el lmite inferior de la misma no sea cero, en este
caso se introduce un tercer parmetro que lo sustituya (x). La funcin de densidad de probabilidad toma la forma:
ln x y
f ( x)
exp
2 *2y
x * y * 2
1
C.L.V.P. - 2014
DISTRIBUCIN LOGNORMAL DE TRES PARMETROS
Donde es el lmite inferior, x la variable. Si el lmite
inferior, , se conoce a priori, la variable x, se reemplaza
por (x-) y se procede como en la lognormal de dos
parmetros. Cuando el lmite inferior no se conoce, este se
determina por los mtodos de estimacin de parmetros.
La distribucin lognormal se usa corrientemente en
hidrologa para variables como precipitacin, caudal y otras
medidas desde base cero,
cero cuyo lmite superior es
desconocido.
La prctica hidrolgica ha definido que la distribucin
lognormal se ajusta bien para numerosas variables
asimtricas que se toman encima de un valor de base
(series de duracin parcial).
C.L.V.P. - 2014
C.L.V.P.2014
23
07/09/2014
DISTRIBUCIONES TIPO PEARSON
E t
f
i
d probabilidad
b bilid d se ajustan
j t
bi
i
Estas
funciones
de
bien
a varias
distribuciones, la ecuacin general que define la distribucin
acumulada (Chow, 1964) es:
a x
dx
F ( x) exp
2
b0 b1 * x b2 * x
Donde
y b2
son constantes
que se deben
D d a, b0,
b0 b1
t t
d b
determinar experimentalmente.
En hidrologa se usan distribuciones pertenecientes a esta
familia de funciones, es decir, son casos especiales de la
general.
C.L.V.P. - 2014
DISTRIBUCIN GAMMA DE UN PARMETRO
f ( x)
1
* x 1 Exp x 0 x
*
f(x) = 0
para
x<0
Donde es el parmetro de forma. Si no es entero, el

producto se obtiene de tablas que se encuentran en
la literatura Si es entero y positivo, el producto se
evala mediante la expresin:
C.L.V.P. - 2014
C.L.V.P.2014
1!
24
07/09/2014
Los parmetros
(Yevjevich 1972)
Promedio:
estadsticos
de
x ;
Varianza:
la
distribucin
son:
0 x
Coeficiente de asimetra:
C.L.V.P. - 2014
La funcin de distribucin gamma de un parmetro
converge para valores elevados de hacia la distribucin
normal ( > 30) y se puede integrar para valores enteros
de
C.L.V.P. - 2014
C.L.V.P.2014
25
07/09/2014
DISTRIBUCIN GAMMA DE DOS PARMETROS
La funcin de densidad de probabilidad de esta distribucin,
se obtiene sustituyendo en la ecuacin de la distribucin
Gama de un parmetro, x por x/, as:
f ( x)
x
1

* x 1 Exp

f ( x) 0
para
0 x
para
x*0
C.L.V.P. - 2014

Donde es el parmetro de forma ( > 0) y el parmetro
de escala ( > 0). El producto: se evala mediante la
siguiente expresin:
1!
C.L.V.P. - 2014
C.L.V.P.2014
26
07/09/2014
Los parmetros estadsticos para x son:
Promedio:
*
Varianza:
2 * 2
Coeficiente de asimetra:
g
C.L.V.P. - 2014
Funcin de densidad de probabilidad de dos parmetros

(Yevjevich,1972) para =2 y tres valores de
C.L.V.P. - 2014
C.L.V.P.2014
27
07/09/2014
DISTRIBUCIN PEARSON III (GAMMA
PARMETROS)
(KENDALL, 1969)
DE
TRES
La funcin densidad es:
P0 * x E
exp P0 x E
f ( x)
para x E
Donde: es la funcin g
gamma de
, Po, y E son los parmetros de la distribucin. Se calculan
mediante las expresiones:
p0
C.L.V.P. - 2014
2

g
E x x *
DISTRIBUCIN LOG PEARSON III
Es la distribucin Pearson III, pero usada con los logaritmos
de los valores de la muestra. Es una distribucin muy usada
en Estados Unidos y recomendada por el USWRC (1976). A
diferencia de las ecuaciones de lognormal que usan
logaritmos naturales, esta distribucin usan los logaritmos
en base 10 (log).
Po y E
f ( x)
* exp P0 * y E
x
Donde y = log x; para log x >= E

C.L.V.P. - 2014
C.L.V.P.2014
28
07/09/2014
, Po, y E son los parmetros de la distribucin. Se calculan
di t las
l expresiones:
i
mediante
P0
g* y
E y y *
Siendo: la funcin gamma de , y la desviacin estndar
de y, g el coeficiente de asimetra de y.
C.L.V.P. - 2014
El USWRC (1976) recomienda esta distribucin para definir series
ltimamente
sido
bastante
cuestionada
anuales
crecidas.
a
ua es de c
ec das
t a e te ha
a s
do basta
te cuest
o ada
esta metodologa, aunque conviene tenerla presente en el diseo
hidrolgico.
Para calcular el coeficiente de frecuencia, k, de la distribucin LogPearson III (para caudales mximos anuales), la ecuacin
recomendada (USWRC, 1976) es: _
Log (Q) x x * k
Donde:
x es la media de los logaritmos decimales de x.

g
x es la desviacin estndar de los logaritmos
decimales de x
los
k es el factor de frecuencia que es funcin del

coeficiente de asimetra de los logaritmos decimales de
caudales mximos medios diarios anuales y de la
probabilidad de excedencia
Log(Q) es el logaritmo decimal del caudal Q en m3/s
C.L.V.P. - 2014
C.L.V.P.2014
29
07/09/2014
El clculo del coeficiente de frecuencia, para una muestra de n valores,
se realiza mediante el uso de los siguientes parmetros estadsticos:
Promedio:
Desviacin estndar:
log( x)
N
x
C fi i t d
Coeficiente
de asimetra:
i
t
log( x) x
( N 1)
N log( x) x
N 1N 2 x 3
Si se trabaja con asimetra g=0, la distribucin log Pearson III es igual a

log-normal.
C.L.V.P. - 2014
Distribucin General de Valores Extremos (GEV)
Las tres formas de distribucin de valores extremos son
casos especiales de la distribucin general de valores
extremos (Jenkinson, 1955). La funcin de distribucin
acumulada es:
1
F ( x ) exp 1 k *
Donde k,
k y son parmetros a determinar.
determinar Luego:
Si k = 0, es la distribucin tipo I (Gumbel).
Si k < 0, es la distribucin tipo II (Frechet).
Si k > 0, es la distribucin tipo III (Weibull).
C.L.V.P. - 2014
C.L.V.P.2014
30
07/09/2014
Distribucin Tipo I (Gumbel)
L funcin
f
i de
d distribucin
di t ib i acumulada
l d es: (Yevjevich,
(Y j i h
La
1972)
F ( X x ) exp exp * x
Donde es el parmetro de forma y el parmetro de

localizacin (valor central).
Haciendo uso de una variable reducida, y:
y * x
La funcin de distribucin queda:
C.L.V.P. - 2014
F ( X x ) exp exp y e e
Cuando x o y tienden a + a -
, F(x) tiende a 0 a
1, respectivamente. Los valores de y , estn
vinculados a la media () y a la desviacin estndard ()
por valores constantes o variables segn
sea
el
tamao de la muestra. Conocidos y los valores de
y son:
0.45 *
1.281
La asimetra es constante: (g=1.139)
C.L.V.P. - 2014
C.L.V.P.2014
31
07/09/2014
frecuencia k,
k de la
Para calcular el coeficiente de frecuencia,
distribucin Gumbel tipo I (valores extremos), partiendo de
la ecuacin de densidad de probabilidad de Gumbel, (Chow,
1964) lo expresa como:
T
6
* ln ln R

TR 1
Donde es la constante de Euler igual a 0.57721 (Kreyszic,

1964).
TR es el tiempo de recurrencia o perodo de retorno en aos.
C.L.V.P. - 2014
Despejando el perodo de retorno, TR , se tiene:
TR

* k
1 exp exp

6

que:
Pero se sabe q
1 k * Cv
x
_
Cuando:
xx
1 1 Cv * k
C.L.V.P. - 2014
C.L.V.P.2014
32
07/09/2014
Luego, en la ecuacin anterior, cuando k = 0, TR = 2.33
aos que es el tiempo de retorno que el U. S. Geological
Survey toma para la creciente anual (U. S. Geological
Survey, 1960).
Desde el punto de vista del diseo hidrolgico se trabaja
con tablas de valores de k, Para ello se debe definir la
variable reducida (Linsley et al., 1975).
La distribucin de probabilidad de una variable que puede
ser igualada o excedida es:
P( x) 1 e e
C.L.V.P. - 2014
Donde y es la variable reducida. El valor de y se relaciona
con los datos por la siguiente ecuacin (Chow et al., 1994)
_
y yn
x
x x
Donde: x es el p
promedio de la serie de datos.
x es la desviacin estndar de x.
n, yn son funciones de la longitud del registro (ver
tabla siguiente).
C.L.V.P. - 2014
C.L.V.P.2014
33
07/09/2014
Valores de yn y n en funcin de
la longitud del registro, N, en
aos.
yn
20
0 52
0,52
1 06
1,06
30
0,54
1,11
40
0,54
1,14
50
0,55
1,16
60
0,55
1,17
70
0,55
1,19
80
0,56
1,19
90
0,56
1,20
100
0,56
1,21
150
0,56
1,23
200
0,57
1,24
0,57
1,28
N (aos)
C.L.V.P. - 2014
l
d la
l variable
i bl reducida
d id se encuentra
t
l
El valor
de
con la
siguiente ecuacin:
T
y ln ln R
TR 1
La tabla de valores de k, se calcula as: se obtiene primero
los valores de y para diferentes perodos de retorno, (TR)
mediante la ecuacin anterior. Luego, con la longitud del
registro, N (en aos), se obtienen en la tabla anterior, yn,
n y los valores de k que figuran en la Tabla siguiente.
C.L.V.P. - 2014
C.L.V.P.2014
34
07/09/2014
Valores de k para la distribucin Gumbel de valores extremos Tipo I (Adaptada de Linsley et al, 1975).
TR
(aos)
Probabilidad
ocurrencia
Variable
reducida
y
Longitud del registro, N (aos)

20
30
40
50
100
200
1.58
0.63
0.000
-0.492
-0.482
-0.476
-0.473
-0.464
-0.459
-0.450
2.00
0.50
0.367
-0.417
-0.152
-0.155
-0.156
-0.160
-0.162
-0.164
2.33
0.43
0.579
0.052
0.038
0.031
0.026
0.016
0.010
0.001
0.20
1.500
0.919
0.866
0.838
0.820
0.779
0.755
0.719
10
0.10
2.250
1.62
1.54
1.50
1.47
1.40
1.36
1.30
20
0.05
2.970
2.30
2.19
2.13
2.09
2.00
1.94
1.87
50
0.02
3.902
3.18
3.03
2.94
2.89
2.77
2.70
2.59
100
0.01
4.600
3.84
3.65
3.55
3.49
3.35
3.27
3.14
200
0.005
5.296
4.49
4.28
4.16
4.09
3.93
3.83
3.68
400
0.0025
6.000
5.15
4.91
4.78
4.56
4.51
4.40
4.23
500
0.002
6.01
5.36
5.10
4.97
4.87
4.66
4.54
4.40
0.001
6.91
6.03
5.73
5.58
5.48
5.25
5.11
4.95
1000
C.L.V.P. - 2014
Distribucin Tipo II (Cauchy o Frechet)
Cuando el lmite inferior es cero (0 < x < ) y tomando
los logaritmos de x, se tiene una distribucin de uso
prctico, que es un caso especial de Frechet (Log
Gumbel).
F ( X x) exp exp y
t
Donde:
y ln( x),
s ln( ),
t ln( )
C.L.V.P. - 2014
C.L.V.P.2014
35
07/09/2014
Distribucin Tipo II (Cauchy o Frechet)

La distribucin, se ajusta con el uso de un factor de
frecuencia k, que es igual al que se usa para Gumbel,
estableciendo el lmite inferior cero. Se usa al igual que
Gumbel para valores extremos. No deben usarse para
series de duracin parcial,
parcial sino slo para anuales.
anuales
C.L.V.P. - 2014
Distribucin Tipo III (Weibull) (Chow, 1964)
Cuando existe un lmite
probabilidad acumulada es:
superior
la
x E
F ( X x ) exp
E
ecuacin
de
Donde: x E, en el rango de - < x < E

k es el factor de frecuencia , k > 0.
E es calculado mediante la siguiente expresin:
es el mayor valor esperado de E
C.L.V.P. - 2014
C.L.V.P.2014
36
07/09/2014
Distribucin Tipo III (Weibull) (Chow, 1964)
Esta distribucin se usa para anlisis de frecuencia de
caudales bajos (sequas). Los anlisis de caudales bajos
resultan importantes en el aprovechamiento, regulacin de
ros y estudio de descargas de contaminantes.
A diferencia del estudio de frecuencia de crecidas, donde se
usan caudales instantneos, en caudales bajos es
conveniente establecer promedios de 1 semana o 1 mes
una estacin segn se especifique. O sea, se hace
referencia a caudales bajos de duracin D das para cada
ao
Para
este
se recomiendan
la
hidrolgico.
hid l i
P
t anlisis,
li i
i d
l
distribucin Log-Pearson III y Weibull donde en lugar de
usar la probabilidad de excedencia se usa la de no
excedencia. Esto es importante porque el evento de tiempo
de retorno de x aos (TR) es el valor que no debe ser
excedido.
C.L.V.P. - 2014
Distribucin de Wakeby
Esta distribucin fue introducida en los anlisis de los
valores de caudales mximos por Houghton. Como
define Houghton en su trabajo, esta distribucin es una
distribucin parent (madre u origen de las otras). Es
una distribucin de 5 parmetros que supera a las
tradicionales de dos o tres parmetros, de modo que se
muestra ms flexible sobretodo en relacin con la
p
q
de la cola derecha y de la izquierda
de la
separacin
distribucin.
C.L.V.P. - 2014
C.L.V.P.2014
37
07/09/2014
Di t ib i de
d Wakeby
W k b
Distribucin
La funcin inversa de distribucin de probabilidad es:
x a * 1 F c * 1 F e
b
Donde F es la variable uniforme (0, 1), F = F(x), a, b, c

y d son siempre
positivas
y e a veces es positiva.
i
ii
ii
(Houghton, 1978).
C.L.V.P. - 2014
Distribucin de Wakeby
Esta distribucin fue introducida en los anlisis de los
valores de caudales mximos por Houghton. Como
define Houghton en su trabajo, esta distribucin es una
distribucin parent (madre u origen de las otras). Es
una distribucin de 5 parmetros que supera a las
tradicionales de dos o tres parmetros, de modo que se
muestra ms flexible sobretodo en relacin con la
p
q
de la cola derecha y de la izquierda
de la
separacin
distribucin.
C.L.V.P. - 2014
C.L.V.P.2014
38
07/09/2014
Aplicaciones frecuentes en diseo hidrolgico
Las funciones de distribucin de variables aleatorias tienen una
fuerte aplicacin en diseo hidrolgico. Una distribucin de
probabilidad es una funcin que representa la probabilidad de
ocurrencia de una variable aleatoria. Esto significa que el ajuste de
los datos de una muestra de una variable hidrolgica permite
describir en forma compacta, la funcin y sus parmetros,
explicando mediante ellos, el comportamiento a esperar de la
variable hidrolgica.
Si una variable hidrolgica x se obtiene por medio de una muestra
de una poblacin, el procedimiento comn en estadstica, es
primero seleccionar la funcin de distribucin que mejor ajuste. Esta
seleccin se hace mediante la experiencia adquirida en el
tratamiento de la misma variable,
variable en otros lugares o situaciones
conocidas (caudales de los ros, lluvias en un lugar) o tambin por
consideraciones
fsicas
(rgimen
hidrolgico,
condiciones
meteorolgicas) o simplemente por ensayo y error. Actualmente,
esto es posible con el uso de la computacin y los programas
existentes que permiten hacerlo con facilidad y rapidez. El segundo
paso, es estimar los parmetros de esa distribucin por mtodos de
ajuste para finalmente calcular los lmites de confianza y realizar las
pruebas de bondad de ese ajuste.
C.L.V.P. - 2014
Resumen de las Funciones de Distribucin de Probabilidad ms usadas en Hidrologa
Tipo de Distribucin
Utilizacin
Observaciones
Binomial
Variables discretas
Eventos si no
Poisson
Variables discretas
Si al probabilidad es pequea y el
nmero de eventos N
N, grande
Normal (Gauss)
Variable continua
Records extensos de lluvia y cuadales medios

de largos intervalos (1 ao, 2 aos, 5 aos, 10 aos)
Log-Normal de 2 parmetros
y de 3 parmetros
Variable continua
Precipitacin, caudales anuales.

Series de duracin parcial
Gamma de 2 parmetros
Variable continua
Frecuencia de caudales y lluvias.

Generacin de hidrogramas sintticos
Tipo I (Gumbel)
Valores extremos
Valores extremos de caudales
Tipo II (Frechet)
Valores extremos,
limite inferior cero
Log Gumbel en un caso especial de tipo II.
Tipo III (Weibull)
Existe un limite
superior (E)
Valores mnimos de caudales o lluvias
General de Valores Extremos

(GEV)
Incluye los
Tipo I, II y III
Determinacin del tipo de

distribucin ms conveniente
Wakeby
Es de uso general
Explica el Efecto de Separacin
Semilogaritmica
Series de duracin parcial
Variable continua
Caudales y lluvias mximas anuales.
Exponencial
C.L.V.P. - 2014
Log-Pearson III
C.L.V.P.2014
39
07/09/2014
AJUSTE DE LA DISTRIBUCIN.
ESTIMACIN DE PARMETROS
Despus que los datos han sido ordenados y depurados

el principal objetivo de la inferencia estadstica es la
estimacin de los parmetros de la funcin de
distribucin de probabilidad.
Cuanto ms confiable sea la estimacin de los
parmetros en la muestra, mejor y ms confiable ser la
informacin q
que se p
puede extraer del anlisis
estadstico. Si los datos son buenos a mayor nmero de
ellos ms cercano se estar de la verdadera distribucin.
C.L.V.P. - 2014
Los mtodos de ajuste son de dos clases: analticos y

grficos. El clculo analtico con resultado analticogrfico es incluido en los software actuales. En general el
clculo de parmetros para ajuste de la curva de
distribucin se hace por tres mtodos analticos: el
mtodo de los momentos; el mtodo de mnimos
cuadrados y mtodo
de mxima
verosimilitud.
C.L.V.P. - 2014
C.L.V.P.2014
40
07/09/2014
Mtodos Analticos
Los mtodos descritos a continuacin, son los ajustes
analticos de un conjunto de datos a una curva de
distribucin de probabilidad.
C.L.V.P. - 2014
Mtodo de los Momentos

Por este mtodo introducido por Pearson, se establecen
relaciones entre los N parmetros de la distribucin
seleccionada y los n primeros momentos de la muestra.
As para cada parmetro , , ..n tendr una ecuacin:
f1 i , i 1....
f 2 j , j 1....
....
N f N k , k 1....
C.L.V.P. - 2014
C.L.V.P.2014
41
07/09/2014
Mtodo de los mnimos cuadrados
E t es un mtodo
t d muy usado
d en hidrologa,
hid l no slo
l para ajustar
j t
Este
funciones de distribucin, sino tambin curvas de caudales en ros
(relacin h/Q), ecuaciones de regresin de correlaciones entre
estaciones de caudales, ajuste de curvas de intensidadduracin
frecuencia de lluvias, etc. Por este mtodo se calcula una lnea de
regresin (en lo posible recta) para ajustar los datos graficados. La
lnea que se obtiene puede no representar exactamente la
distribucin terica, pero, en general puede producir un ajuste igual
o mejor que el mtodo de los momentos.
Basado en este mtodo Chow (1951) propuso un mtodo general de
ajuste de anlisis de frecuencias hidrolgicas, mediante un factor de
frecuencia.
El ajuste de una distribucin se puede hacer, ya sea a una de las
conocidas distribuciones de frecuencia de probabilidad o a cualquier
otra curva emprica que la observacin del grfico de los valores de
la variable pueda sugerir. En el caso de una funcin:
C.L.V.P. - 2014
En el caso de una funcin:
y f ( x; , , ...)
Los datos deben ser ajustados mediante la mejor
estimacin de los parmetros , , . El mtodo
minimiza la suma de los desvos al cuadrado de los
valores observados y los calculados,, as:
N
S yi y yi f xi ; , ,...,
1
C.L.V.P. - 2014
C.L.V.P.2014
42
07/09/2014
Donde: xi e yi son las coordenadas de los datos
observados y N el nmero de datos (tamao de la
muestra). La lnea dada por la funcin f(x, , , ...)
debe tambin ser minimizada y por lo tanto, todas las
primeras derivadas parciales con respecto a , ,
deben ser cero: Por lo tanto:
N
yi y
i 1
yi y
i 1
0;
...
C.L.V.P. - 2014
d
d
b
De estas derivadas
se obtienen
n ecuaciones para
encontrar n parmetros. Como, en general se trata de
ajustar a una recta de la forma:
y *x
O en forma logartmica, si es el caso, los parmetros y

se encuentran como:
N
x y
i
i 1
x
i 1
C.L.V.P. - 2014
C.L.V.P.2014
2
i
N * x* y
_2
N *x
y x
43
07/09/2014
Para el caso de una ecuacin cuadrtica de la forma:
y * x * x2
Se plantean tres ecuaciones para determinar los tres
parmetros a, b, c:
N
yi * N * xi * xi2
i 1
i 1
x *y
i 1
C.L.V.P. - 2014
i 1
* xi * xi2 * xi3
i 1
i 1
i 1
i 1
i 1
i 1
i 1
xi2 * yi * xi2 * xi3 * xi4
Mtodo de Mxima Verosimilitud
Por este mtodo se determinan los valores de los
parmetros en forma de obtener la funcin de
verosimilitud. Si se tiene una funcin de densidad de
probabilidad f(x; ; ...) de una variable continua x con
los parmetros , ... a ser estimados, el producto
infinito o funcin de verosimilitud de una muestra de N
valores de una variable continua x es:
N
L f ( xi ; , ...)
i 1
C.L.V.P. - 2014
C.L.V.P.2014
44
07/09/2014
Si la variable es discreta y la funcin de probabilidad
acumulada es: Pi (x; , ) la funcin de verosimilitud es
el producto:
N
L1 Pi ( xi ; , ...)
i 1
Como uno alcanza su mximo valor, para ciertos valores

p
g
; luego
g la ecuacin es:
de ,, ,
,...,, se aplican
logaritmos;
N
i 1
i 1
LnL ln f xi ; , ... ln f xi ; , ...

C.L.V.P. - 2014
De sus derivadas parciales en , ,...igualadas a cero, se
obtienen las funciones de mxima verosimilitud que
sern tantas ecuaciones como parmetros a determinar:
ln( L)
0;
ln( L)
0;
...
El mtodo da mejores resultados para muestras grandes

En este caso, provee la mejor estimacin de los
parmetros, aunque su aplicacin prctica resulta la ms
compleja que otros mtodos.
C.L.V.P. - 2014
C.L.V.P.2014
45
07/09/2014
TEST DE BONDAD DE AJUSTE

Una curva de frecuencia desarrollada a travs de una
muestra de datos, se supone que es la mejor estimacin
de la curva de frecuencia de la poblacin.
La aplicacin de los test de bondad de ajuste a
determinadas distribuciones, puede ayudar a seleccionar
aquella que mejor represente a la distribucin de
frecuencia de la poblacin. Si bien, se han mencionado
criterios
generales, obtenidos de la experiencia
hidrolgica para
seleccionar una determinada
distribucin de frecuencia, no
existen verdaderos
acuerdos en este sentido y lo cierto es,
como lo
establece el USWRC (1982), ninguna distribucin es la
mejor para todos los criterios, luego el juicio del
hidrlogo resulta fundamental.
C.L.V.P. - 2014

Test de Ji-cuadrado (2)
Este mtodo se usa tanto p
para verificar distribuciones de
probabilidad, ya sean distribuciones continuas con grupos de datos
expresados como frecuencia absolutas de intervalos de clase o
como frecuencias absolutas en distribuciones discretas. Es un
mtodo para mtrico que se evala mediante la expresin:
( f i n * pi ) 2

n
*
p
i 1
i
En esta ecuacin n es el nmero de intervalos de clase para

variables discretas o el nmero de eventos para variables
continuas, fi son las frecuencias absolutas observadas de cada
evento (o de cada intervalo de clase) y pi es la probabilidad de los
eventos (o de los intervalos) calculados con la ecuacin a verificar
C.L.V.P. - 2014
p(x,
, , ...).
C.L.V.P.2014
46
07/09/2014

Test de Kolmogorov-Smirnov (K-S)
Kolmogorov-Smirnov
(K-S)
El mtodo Kolmogorov
Smirnov (K
S) se usa cuando no se verifican
parmetros de una distribucin previa y se trabaja con una distribucin
acumulada.
En este mtodo se determina la mxima desviacin entre la posicin de
graficacin experimental (Pxi) la distribucin acumulada terica (F(x)). Si
se tiene una muestra de n datos x1, x2, x3....xn en orden ascendente o
descendente y sus posiciones de graficacin dadas por P(xi) = m/n+1, se
obtiene el grfico de una preseleccionada distribucin emprica. Luego,
F(x) el verdadero valor de la distribucin terica la mxima diferencia se
define como:
D0 maxF ( x ) P ( xi )
Donde Do, es el valor de la mxima desviacin entre la curva experimental

y la terica. En algunos casos, este valor puede corresponder a la cola de
la distribucin donde el ajuste no es tan necesario.
C.L.V.P. - 2014
C.L.V.P.2014
47

3 Probabilidad y Estadistica en Hidrologia1

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

3 Probabilidad y Estadistica en Hidrologia1

Cargado por

Copyright:

Formatos disponibles

07/09/2014

Un proceso probabilstico en hidrologa

En hidrologa, se trabaja con eventos

infiltracin o sedimentacin en ros. Son datos de campo

Medidas de tendencia hacia un valor central de la

Mediana (M): es el valor de la variable que deja con igual

En hidrologa se tienen frecuentemente muestras de

Covarianza. Cuando se analiza la varianza de dos (X, Y)

Coeficiente de variacin: es el cociente entre la desviacin

El valor esperado (promedio):

El valor esperado (promedio):

DISTRIBUCIN DE VARIABLES CONTINUAS

Pero coeficiente de variacin de x, es:

DISTRIBUCIN DE VARIABLES CONTINUAS

Distribucin tpica normal

N es el nmero de datos de la muestra.

DISTRIBUCIN LOGNORMAL DE TRES PARMETROS

Donde es el parmetro de forma. Si no es entero, el

DISTRIBUCIN GAMMA DE DOS PARMETROS

Funcin de densidad de probabilidad de dos parmetros

La funcin densidad es:

Donde y = log x; para log x >= E

x es la media de los logaritmos decimales de x.

k es el factor de frecuencia que es funcin del

Si se trabaja con asimetra g=0, la distribucin log Pearson III es igual a

Donde es el parmetro de forma y el parmetro de

La asimetra es constante: (g=1.139)

Donde es la constante de Euler igual a 0.57721 (Kreyszic,

Longitud del registro, N (aos)

Distribucin Tipo II (Cauchy o Frechet)

Donde: x E, en el rango de - < x < E

Donde F es la variable uniforme (0, 1), F = F(x), a, b, c

Records extensos de lluvia y cuadales medios

Precipitacin, caudales anuales.

Frecuencia de caudales y lluvias.

Valores extremos de caudales

Log Gumbel en un caso especial de tipo II.

Tipo III (Weibull)

Valores mnimos de caudales o lluvias

General de Valores Extremos

Determinacin del tipo de

Explica el Efecto de Separacin

Series de duracin parcial

Caudales y lluvias mximas anuales.

Despus que los datos han sido ordenados y depurados

Los mtodos de ajuste son de dos clases: analticos y

Mtodo de los Momentos

O en forma logartmica, si es el caso, los parmetros y

xi2 * yi * xi2 * xi3 * xi4

Como uno alcanza su mximo valor, para ciertos valores

LnL ln f xi ; , ... ln f xi ; , ...

El mtodo da mejores resultados para muestras grandes

TEST DE BONDAD DE AJUSTE

TEST DE BONDAD DE AJUSTE

En esta ecuacin n es el nmero de intervalos de clase para

TEST DE BONDAD DE AJUSTE

Donde Do, es el valor de la mxima desviacin entre la curva experimental

También podría gustarte