Está en la página 1de 71

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y


SCHACAYPAMP

I.- INTRODUCCIN

El presente trabajo es de vital importancia puesto que nos permite tener idea del
comportamiento de los fenmenos naturales como las precipitaciones, su
comportamiento en las diversas estaciones del ao puesto que permite tomar las
debidas precauciones, ya que su omisin nos ocasionara prdidas econmicas.
Y es por eso que se aplic la estadstica a la hidrologa con sus diversos mtodos d
probabilidad tales como las distribuciones continuas discretas, etc. Cada una de estas
con sus ventajas y desventajas para cada caso.
Tambin es muy importante para el diseo en la ingeniera como canales, presas,
hidroelctricas, puentes etc., puesto que solo por este detalle nuestros diseos no
cumpliran a cabalidad su rol para el cual fueron diseados y no garantizaran la vida
til a la que han sido diseados. Para esto

la naturaleza en base a estudios

estadsticos.
El anlisis de la prueba de Chi-cuadrado nos servir para ver si los datos se ajustan a
las distribuciones Exponencial y Normal.

Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

1.1. OBJETIVOS:
Objetivo general:
Realizar la distribucin de frecuencias y ver si los datos se ajustan a la distribucin
Exponencial o Normal; con los datos de precipitacin de las tres estaciones
meteorolgicas Ticapampa, Cahuish y Shacaypampa.
Objetivos secundarios:
Aprender los procedimientos de la tabulacin de datos hidrolgicos mediante
los conceptos de probabilidades y estadstica.
Aprender a estimar los parmetros mediante los mtodos grficos.
Desarrollar la prueba de bondad de ajuste dentro de las cuales se completan al
ajuste grfico.

1.2. ANTECEDENTES:
Se realizara los estudios de los datos de precipitacin de las tres estaciones
meteorolgicas Ticapampa, Cahuish y Shacaypampa.
Se cuenta con las tablas de registros de precipitacin de las tres estaciones
meteorolgicas Ticapampa, Cahuish y Shacaypampa, previamente corregidos y
completados.

Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

1.3. JUSTIFICACIN:
El trabajo es importante por la interpretacin de los conceptos de probabilidades y
estadstica aplicada a la hidrologa con el fin de poder estimar parmetros
hidrolgicos que nos servirn para conocer la precipitacin de las tres estaciones
meteorolgicas Ticapampa, Cahuish y Shacaypampa; y de esta manera hacer un
buen estudio hidrolgico calculando las probabilidades de que precipitacin exceda
al establecido, precipitacin que se registrara para un periodo de retorno 20, 30, 50 y
100.
II.- REVICION BIBLIOGRAFICA.
2.1 POBLACIN:
Para el presente estudio se considerara como poblacin al total de las
precipitacin anuales de las estaciones meteorolgicas Ticapampa, Cahuish y
Shacaypampa.
2.2 MUESTRA.
Para el presente estudio se considera muestra el conjunto de datos recopilados
de las estaciones meteorolgicas Ticapampa, Cahuish y Shacaypampa. Estos
datos son considerados como muestreo aleatorio.
2.3 HISTOGRAMA.
Es la representacin grfica de las frecuencias, en forma de rectngulos, siendo
La base de cada rectngulo el intervalo de clase y la altura la frecuencia
absoluta.
2.4 POLIGONO DE FRECUENCIA.

Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Es la representacin grfica de las frecuencias, se obtiene uniendo con lneas


rectas, los puntos formados por las marcas de clase versus la frecuencia absoluta
o relativa. Para q el polgono alcance al eje horizontal, a ambos lados de la
distribucin, se le agrega un intervalo de clase con frecuencia igual cero.
En forma prctica, un polgono de frecuencia se obtiene, uniendo con lneas
rectas los puntos medios de todas las barras de un histograma.
2.5 MEDIA:
La media de un conjunto N de datos numricos X1, X2,..., XN est representada
por y definida por:
N

1
X = xi
N i=1

.. (1).

2.6 MEDIANA:
Es un valor nico de un conjunto de datos que mide al elemento central en los
datos. Este nico elemento de los datos ordenados, es el ms cercano a la mitad,
o el ms central en el conjunto de nmeros. La mitad de los elementos quedan
por encima de ese punto, y la otra mitad por debajo de l.

n
N i1
2
M e =Y i1+C t
..(2)
ni

( )

2.7 MODA:

Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Es aquel valor que se repite ms frecuentemente en un conjunto de datos, se


denota por Mo.
2.8 DESVIACIN MEDIA
Es la media aritmtica de los valores absolutos de las desviaciones de los datos
con respecto a una medida de tendencia central.
N

xiestadigrafo . de . posicion

X = i=1

. (3)

Si el estadgrafo es la media, se tiene:


Para datos no clasificados

Xi X

DM= i=1

..(4)

Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Para datos clasificados


N

Xi X
i=1

..(5)

n
DM =

La desviacin media es una medida de dispersin fcil de calcular y se ve


afectada en menor medida por los valores extremos que la desviacin estndar y
se una a menudo cuando se dispone de muestras pequeas que incluye valores
extremos o cuando la distribucin es muy asimtrica
2.9 DESVIACIN ESTNDAR Y VARIANZA.
Miden el grado de dispersin de los datos numricos en torno de un valor
medio.
La Desviacin Estndar de un conjunto de datos X1,..., Xn est definida por:

( Xi X )
i1

(6)

La Variancia es el cuadrado de la desviacin estndar:


N

( Xi X )

2= i1

.(7)

Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

La frmula de la varianza ser:


N

( Xi X ) n i

V (X )= i1

2.10

.(8)

COVARIANZA.

Es una medida que permite determinar qu tan independiente es una variable


aleatoria de otra, es decir, el grado de independencia de dos variables aleatorias.

COV ( X ,Y )=s xy= xy =E [ ( X x ) ( Y y ) ]

2.11

(9)

COEFICIENTE DE CORRELACIN.

Es el estadstico que permite medir el grado de asociacin de dos variables


linealmente relacionadas.
Para el caso de una poblacin se define como:

Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

( x , y )=

2.12

E [ ( X x )( Y y ) ]

COV ( X ,Y )
= xy =
VARxVARy x y E ( X x )2 E ( Y y ) 2

.(10)

COEFICIENTE DE VARIACIN.

Es una medida de dispersin y se define como el cociente entre la desviacin


estndar y la media.
Cv=

2.13

..(11)

COEFICIENTE DE MOMENTO DE ASIMETRA


La asimetra de una muestra se mide mediante el coeficiente de asimetra, para
el clculo del coeficiente de asimetra se emplea el tercer momento con respecto
a la media y para que este coeficiente no tenga dimensiones el tercer momento
se divide entre la desviacin estndar elevado a la potencia 3.
Es el grado de desvo o alejamiento del eje de simetra de una distribucin. Para
distribuciones asimtricas, la media tiende a situarse del lado de la cola ms
larga de la distribucin. Este coeficiente puede ser definido usando el 3
momento centrado en la media y la desviacin estndar:
g=C s =

n2 m3
( n1 ) ( n2 ) S 3

.(12)

Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP
n

3
1
m 3= ( Xi X )
n i=1

.(13)

S g=0 es una distribucin simtrica


S g>0 es una distribucin sesgada a la derecha (polgono de frecuencias
con cola ms larga a la derecha)
S g<0 es una distribucin sesgada a la izquierda (polgono de frecuencias
con cola ms larga hacia la izquierda).

El sesgo del polgono de frecuencias se aprecia trazando una vertical por la moda
donde se diferencia la cola del polgono de frecuencias.

Es importante indicar que los tres nmeros son suficientes para tener una idea de la
forma del histograma.

2.14

COEFICIENTE DE CURTOSIS.

El grado apuntamiento del polgono de frecuencias (forma puntiaguda del polgono


de frecuencias) se mide mediante el coeficiente de curtosis. Para el clculo del
coeficiente de curtosis se emplea el cuarto momento con respecto a la media y para
que este coeficiente no tenga dimensiones el cuarto momento se divide entre la
desviacin estndar elevado a la potencia 4
Mide el grado de achatamiento de una distribucin de datos y puede ser definido por
la divisin del momento de grado 4 centrado en la media entre la variancia elevada
al cuadrado. O sea:

Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Es una medida estadstica que describe el apuntamiento o achatamiento de una


cierta distribucin con respecto a una distribucin normal. La curtosis positiva
indica una distribucin relativamente apuntada, y la negativa indica una distribucin
relativamente achatada. En una distribucin normal la curtosis es igual a 3, a los
valores mayores a 3 se los llama curtosis excesiva. El caso de curtosis excesiva
indica que hay una mayor probabilidad de que los retornos observados estn ms
alejados de la media que en una distribucin normal.
El valor del coeficiente de curtosis es costumbre comparar con Ck=3 que es
coeficiente de apuntamiento de una curva continua de forma de una campana (curva
normal).
S Ck>3 es una distribucin leptocrtica, picuda o puntiaguda.
S Ck=3 es una distribucin mesocrtica o moderada (curva normal)
S Ck<3 es una distribucin platicrtica, achatada o plana.

2.15

DESVIACIN ESTNDAR MUESTRAL.

La varianza maestral est medida en el cuadrado de las unidades observadas al hacer las
mediciones contenidas en la muestra. Para devolverse a una estadstica que use las
mismas unidades que las observaciones, es necesario calcular su raz cuadrada.
Lo anterior conduce a la definicin de la estadstica denominada 'desviacin
estndar maestral', que no es otra cosa que la raz cuadrada de la varianza
Para una muestra de tamao n, x1, xn, se tiene que:

Pgina

10

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

2
1
= ( X i X )
n i=1

.(14)

El uso de esta estadstica es recomendado en aquellos conjuntos de datos que ofrecen


cierto grado de simetra respecto de su centro. En estos casos, habitualmente tiene
sentido medir discrepancias de un valor con el centro de los datos usando mltiplos de la
desviacin estndar.
A modo de ejemplo, se puede decir que un valor est bastante alejado del
centro de los datos si su distancia de l supera dos desviaciones estndar.
Apoyndose en la idea anterior, la desviacin estndar puede ser usada para
determinar valores que se encuentran 'cerca' del centro. Este uso va ms all de
la simple descripcin, en otros mbitos de Estadstica es usada para tomar
decisiones respecto de la poblacin de la que fue extrada la muestra.

2.16

SESGO

Segn el diccionario un sesgo es "una inclinacin parcial de la mente". En nuestro


mbito, la palabra sesgo sirve para definir la tendencia sistemtica de ciertos diseos de

Pgina

11

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

ensayos clnicos para producir de forma consistente resultados mejores o peores que
otros diseos.
Skewness o sesgo: Medida estadstica que describe la simetra de la
distribucin alrededor de un promedio. Si el sesgo es igual a cero, la
distribucin es simtrica; si el sesgo es positivo la distribucin una tendr una
cola asimtrica extendida hacia los valores positivos. Un sesgo negativo indica
una distribucin con una cola asimtrica extendida hacia los valores negativos.

III.- DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS.


3.1

DISTRIBUCION NORMAL

La distribucin normal es una distribucin simtrica en forma de campana,


tambin conocida como Campana de Gauss. Aunque muchas veces no se ajusta
a los datos hidrolgicos tiene amplia aplicacin por ejemplo a los datos
transformados que siguen la distribucin normal.
3.1.1

FUNCIN DE DENSIDAD:

La funcin de densidad est dada por:


1
f ( x )=
e
2

1 X
2

< X <

(15)

Pgina

12

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Los dos parmetros de la distribucin son la media y desviacin estndar


para los cuales

(media) y S (desviacin estndar) son derivados de los

datos.
3.1.2

ESTIMACIN DE PARMETROS:
n

1
X = X i
n i=1

.(16)

2
1
s=
X i X )
(

n1 i=1

3.1.3

.(17)

FACTOR DE FRECUENCIA:

Si se trabaja con los X sin transformar el K se calcula como


KT=

X T

..(18)

Este factor es el mismo de la variable normal estndar

( 1 )

K T =F1 1

..(19)

Pgina

13

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

3.1.4

LIMITES DE CONFIANZA:
X t (1 ) S e

(20)

Donde es el nivel de probabilidad

es el cuartil de la distribucin normal

estandarizada para una probabilidad acumulada de 1- y Se es el error estndar.


3.2

DISTRIBUCIN LOGNORMAL DE DOS PARMETROS


Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente se dice
que X se distribuye normalmente.
Esta distribucin es muy usada para el clculo de valores extremos por ejemplo
Qmax, Qmnimos, Pmax, Pmnima (excelentes resultados en Antioquia). Tiene la
ventaja que X>0 y que la transformacin Log tiende a reducir la asimetra positiva
ya que al sacar logaritmos se reducen en mayor proporcin los datos mayores que
los menores.
Limitaciones: tiene solamente dos parmetros, y requiere que los logaritmos de las
variables estn centrados en la media.

Pgina

14

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

3.2.1

FUNCIN DE DENSIDAD:

1
f ( x )=
e
x 2

1 ( y y )
2y

y=lnx

X >0

(21)

(22)

Donde,
y: media de los logaritmos de la poblacin (parmetro escalar), estimado
y: Desviacin estndar de los logaritmos de la poblacin, estimado sy.

3.2.2

ESTIMACIN DE PARMETROS:

y =

1
ln ( X i ) ..(23)
n i =1

Pgina

15

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

sy

3.2.3

x
ln ( i) y

(24)

n
1

n1 i=1

FACTOR DE FRECUENCIA:
Puede trabajarse en el campo original y en el campo transformado.

Campo transformado: Si se trabaja en el campo transformado se trabaja


con la media y la desviacin estndar de los logaritmos, as:

ln ( X Tr )=X Tr + KS y

de donde,

X Tr =e

..(25)

ln ( XTr )

(26)

Con K con variable normal estandarizada para el Tr dado, x y media de los


logaritmos y Sy es la desviacin estndar de los logaritmos.

Pgina

16

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Campo original: Si se trabaja con los X sin transformar el K se calcula con la siguiente
expresin.

e K T ln ( 1+Cv 2)
Kt=

)}

ln ( 1+Cv 2 )
1
2

.(27)

Cv

K es la variable normal estandarizada para el Tr dado,


Cv=

Cv es el coeficiente de variacin, x media de los datos originales y s desviacin estndar de


los datos originales.
3.2.4

LIMITES DE CONFIANZA:

En el campo transformado.
ln ( X ) t ( 1 ) sT

se=

( sy )
n

(28)

.(29)

Pgina

17

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

KT2
= 1+
2

..(30)

en donde, n nmero de datos, Se error estndar, KT variable normal estandarizada.


3.3

DISTRIBUCION EXPONENCIAL.
Este modelo suele utilizarse para variables que describen el tiempo hasta que se
produce un determinado suceso; la funcin densidad del modelo probabilstico
exponencial est dado por:
3.3.1

FUNCIN DE DENSIDAD:

f ( x )=

e x
x
e

)]

.(3.8)

En donde y son los parmetros de la distribucin.

3.3.2

ESTIMACIN DE PARMETROS

Pgina

18

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

6
= s

= X 0.5772

Donde

..(3.9)

son la media y la desviacin estndar estimadas

con la

muestra.
3.3.3

Kt=

FACTOR DE FRECUENCIA:

[ ( )] }

Tr
6
0.5772+ ln ln

T r 1

.(4.0)

Donde Tr es el periodo de retorno. Para la distribucin Gumbel se tiene que el


caudal para un perodo de retorno de 2.33 aos es igual a la media de los caudales
mximos.
3.3.4

LIMITES DE CONFIANZA
Se=

.S
n

..(4.1)

= 1+ 1.1396 K T +1.1 K T 2

..(4.2)

Pgina

19

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

KT es el factor de frecuencia y t (1-) es la variable normal estandarizada para una


probabilidad de no excedencia de 1-.
IV.-AJUSTE DE DISTRIBUCIONES.
Para la modelacin de caudales mximos se utilizan, entre otras, las distribuciones
Log - Normal, Gumbel y Log-Gumbel principalmente.

Para seleccionar la

distribucin de probabilidades de la serie histrica se deben tener en cuenta algunas


consideraciones.
Cuando en la serie histrica se observan outliers[1] es necesario verificar la
sensibilidad del ajuste debido a la presencia de estos, (Ashkar, et al. 1994)
Para el ajuste a las distribuciones Log-Normal, Log-Gumbel y Log-Pearson se
requiere transformar la variable al campo logartmico para modelarla, con lo que se
disminuye la varianza muestral, pero tambin se filtran las variaciones reales de los
datos.
Las distribuciones de dos parmetros fijan el valor del coeficiente de asimetra, lo
que en algunos casos puede no ser recomendable. La distribucin Log - Normal de
dos parmetros slo es recomendable s el coeficiente de asimetra es cercano a
cero.

Las distribuciones Gumbel y Log - Gumbel son recomendables si el

coeficiente de asimetra de los eventos registrados es cercano a 1.13


Para ajustar distribuciones de tres parmetros (Log Normal III, Log Pearson) se
requiere estimar el coeficiente de asimetra de la distribucin; para ello es necesario
disponer de una serie con longitud de registros larga, mayor de 50 aos, (Kite,
1988). Las distribuciones de dos parmetros son usualmente preferidas cuando se

Pgina

20

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

dispone de pocos datos, porque reducen la varianza de la muestra, (Ashkar, et al.


1994).
Para seleccionar la distribucin de probabilidades adecuada se debe tratar de utilizar
informacin adicional del proceso hidrolgico que permita identificar la forma en
que se distribuye la variable. Usualmente es muy difcil determinar las propiedades
fsicas de los procesos hidrolgicos para identificar el tipo de distribucin de
probabilidad que es aplicable.
Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cual es la
distribucin que mejor se ajusta a los caudales mximos y recomiendan seleccionar el
mejor ajuste a criterio del modelador con la prueba de ajuste grfico o basado en el
comportamiento de las pruebas estadsticas de bondad del ajuste (por ejemplo Chi
Cuadrado, Smirnov-Kolmogorov, Cramer-Von Mises) en las que se calcula un estimador y
se compara con un valor tabulado para determinar si el ajuste es adecuado o no. En la
prueba de ajuste grfica se dibujan los valores registrados en la serie contra la distribucin
terica de probabilidades y de manera visual (subjetiva) se determina si el ajuste es
adecuado o no.
Cuando la informacin es adecuada el anlisis de frecuencia es la metodologa ms
recomendable para la evaluacin de eventos extremos, ya que la estimacin depende
solamente de los caudales mximos anuales que han ocurrido en la cuenca y no da
cuenta de los procesos de transformacin de la precipitacin en escorrenta.
Obviamente tiene algunas limitaciones relacionadas con el comportamiento de la
serie histrica y con el tamao y calidad de los datos de la muestra.

Pgina

21

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Cuando se presenten cambios o tendencias en la serie histrica se deben utilizar


tcnicas estadsticas que permitan removerlos para poder realizar el anlisis de
frecuencias (Kite, 1988; Mamdouh, 1993; Ashkar, et al. 1994).
La seleccin inadecuada de la distribucin de probabilidades de la serie histrica
arrojar resultados de confiabilidad dudosa, (Ashkar, et al. 1994).
El tamao de la muestra influye directamente en la confiabilidad de los resultados,
as a mayor perodo de retorno del estimativo mayor longitud de registros necesaria
para mejor confiabilidad en los resultados.
4.1. PRUEBAS DE AJUSTE
Para la evaluacin de probabilidades se han propuesto una serie de pruebas
estadsticas que determinan si es adecuado el ajuste. Estos son anlisis estadsticos
y como tal se deben entender, es decir, no se puede ignorar el significado fsico de
los ajustes.
Tipos de pruebas de ajuste de bondad
Ajuste grfico
Ajuste Estadstico

Sirnov-Kolmogorov.

Pgina

22

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

V.- MATERIALES
Para el desarrollo del presente trabajo empleamos los siguientes materiales:

Registro de caudales medios anuales de las cuenca de colcas:


Uso de computadora
Softwares Como: Excel, Word.
Calculadora HP

VI.- METODOLOGA
PROCEDIMIENTO A SEGUIR
Para la distribucin de frecuencias:

Obtencin de los limites como son el mximo y el mnimo y acomodarlos en


forma descendente.

Obtuvimos un rango de variacin: R=Ls-Li

Calculo del numero de intervalos de clase, segn la siguiente frmula :


K= 1+3.3Log(n), y aproximndolo a un numero entero.

Calculo del intervalo de clase:


A=K/m-1

Calculo de la distribucin de incremento:=R-R

Pgina

23

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Procedemos a llenar el cuadro de distribucin de frecuencias que detallamos


en la parte de clculos.

Calculamos las medidas descriptivas, utilizando las siguientes formulas.

Tendencia central
Media aritmtica:
Mediana:
Moda
Medidas de dispersin
Desviacin
Varianza
Desviacin estndar
Coeficiente de variacin
Medidas de asimetra
Coeficiente de Asimetra

Con los datos (promedios anuales) se hace un proceso estadstico para determinar, las
medidas de distribucin tales como la media aritmtica, la mediana, la moda, la
desviacin estndar y varianza.

Luego hacemos una aproximacin a las distribuciones tericas ms utilizadas en


hidrolgica tales como la normal, Exponencial y Gumbel. En este proceso determinamos
si el ajuste es bueno con la prueba de bondad de ajuste, en caso de ser bueno, se puede
utilizar la distribucin elegida, una vez encontrada la ley de distribucin que rige a las

Pgina

24

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

variables aleatorias, adems se podr predecir con determinada probabilidad, la


ocurrencia de una determinada magnitud de un fenmeno hidrometeorolgico.A partir
de las distribuciones encontradas satisfactorias o que el ajuste de bondad de ajuste a
resultado satisfactorio se puede proyectar para valores que no estn en el intervalo de la
muestra, y con la ley de distribucin que rige cada una de las series de datos se hace ms
fcil el anlisis estadstico de las probabilidades para determinados periodos de retorno,
para hallar la probabilidad de excedencia de un determinado caudal para proyectar los
proyectos de ingeniera garantizado de esta manera una vida til acorde con las
necesidades.

GRAFICAS.
En las siguientes pginas se encuentran: las grficas de:
Histograma de Frecuencias
Se grfica el Intervalo de Clase en el eje X vs. La Frecuencia Absoluta Simple en el eje
Y.
Polgono de Frecuencia
Se grfica La Marca de Clase en el eje X vs. La Frecuencia Absoluta Simple en el eje Y.
Histograma de Frecuencias Acumulativas u Ojiva
Se grfica el Limite Superior del Intervalo de Clase en el eje X vs. La Frecuencia
Absoluta Acumulada en el eje Y.

Pgina

25

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

VII.- CALCULOS Y RESULTADOS


4.1 ESTACIN TICAPAMPA:
1. Ordenar los datos en forma descendente

AO

PP

PP
(Ordenados)

1954

639.40

973.10

1955

739.50

854.70

1956

654.20

839.70

1957

708.30

824.10

1958

589.80

803.00

Pgina

26

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

1959

803.00

768.40

1960

854.70

739.50

1961

768.40

738.40

1962

738.40

729.90

1963

973.10

714.80

1964

729.90

708.30

1965

714.80

678.50

1966

678.50

654.20

1967

839.70

639.40

1968

517.60

589.80

1969

824.10

517.50

TABLA N 1 Datos hidrolgicos mensuales de estacin de Ticapampa


2. Calcular distribucin de frecuencias:
OBTENCIN DE LOS LIMITES

Lmite inferior =

517.6

Lmite superior =

973.10

CALCULO DE RANGO DE VARIACIN

R = Ls Li

R = 973.10 517.6

R = 455.5

Pgina

27

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

CALCULO DEL NUMERO DE INTERVALOS DE CLASE


Regla de Sturges:
m = 1 + 1.33 ln(n)
Dnde: n = 16
m = 4.6875
OBTENCIN DEL TAMAO DE LOS INTERVALOS DE CLASE

C = 113.8750

3. Hallamos los intervalos de clases, marca de clase y frecuencia absoluta:


NUMERO

INTERVALO DE CLASE

DE

MARCA

FRECUENCI

DE CLASE

A ABSOLUTA

MC
460,55

4
0

INTERVALO
DE CLASE K
1

Pgina

28

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

1
2
3
4
TOTAL

517,50
631,40
745,30
859,20

631,40
745,30
859,20
973,10

574,45
688,35
802,25
916,15
1030,05

2
8
5
1
0
16

TABLA N 2 Intervalos de clases, marca de clase y frecuencia absoluta


4.-Con los datos obtenidos hallamos la tabla estadstica: y las graficas:

Pgina

29

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL TICAPAMPA, CAHUISH Y SCHACAYPAMP

4. Con los datos obtenidos hallamos la tabla estadstica: y las graficas:

NUMERO

INTERVALO DE

MARCA

FRECUENCIA

FRECUENCIA

FRECUENCI

FRECUENCIA

FUNCION

FUNCION

DE

CLASE

DE

ABSOLUTA

RELATIVA

A ABSOLUTA

RELATIVA

DENSIDAD

DENSIDAD

ACUMULAD

ACUMULADA

EMPRICA

TEORICA

INTERVAL

CLASE

O DE

CLASE K
1

MC

fr

460,55

NORMAL
7

fe

fx-normal

0,0002

517,50

631,40

574,45

0,125

0,125

0,0011

0,001

631,40

745,30

688,35

0,500

10

0,625

0,0044

0,003

745,30

859,20

802,25

0,313

15

0,938

0,003

0,003

859,20

973,10

916,15

0,063

16

1,000

0,001

0,001

0,000

1,000

0,000

0,000106

16

1,0

1030,05
TOTAL

TABLA N 3 Tabla estadstica

Pgina

30

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

FUNCION DENSIDAD ESTACION TICAPAMPA ( fr, fe, fx-Normal)


0.6

F
u
n
c
i
o
n
e
s

0.5
0.4
fr

0.3

fe
fx-normal

0.2
0.1
0
400.0

600.0

800.0

1000.0

1200.0

Datos de Marca de Clase

Grfico 1: Marca de clase vs (frecuencia relativa, Funcin densidad emprica, funcin


densidad terica normal)

Pgina

31

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

FUNCION DENSIDAD ESTACION DE TICAPAMPA( fe, fx-Normal)


0.01
0

F
u
n
c
i
o
n
e
s

0
0
0
0

fe

fx-normal

0
0
0
0
400.0

600.0

800.0

1000.0

1200.0

Datos de Marca de Clase

Grfico 2: Marca de clase vs (Funcin densidad emprica, funcin densidad terica


normal)

Pgina

32

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

HISTOGRAMA - ESTACION TICAPAMPA


0.6
0.500

0.5
0.4

0.313
FRECUENCIA RELATIVA

0.3
0.2

0.125

0.1

0.063

0
0.000
460.55000000000007

802.25

0.000

MARCA DE CLASE

Grfico 3: Marca de clase vs frecuencia relativa

Pgina

33

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP
POLIGONO DE FRECUENCIA - ESTACION TICAPAMPA
9
8
8
7
6
5
5
Frecuencia Relativa
4
3
2
2
1
1
0
00
460.55000000000007
574.44999999999948
688.34999999999877
916.14999999999986
802.25
1030.05

Marca de Clase

Grfico 4: Marca de clase vs frecuencia relativa


DISTRIBUCIN EXPONENCIAL:
F ( x )= e

Dnde:
X: Marca de clase
=

1
x

Tenemos entonces la tabla hallada y marca de clase:

Pgina

34

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP
NUMERO

INTERVALO

MARCA

FRECUENCI

DE

DE CLASE

DE

A ABSOLUTA

INTERVALO

CLASE

DE CLASE K
1

2
-

631,4

Yi
460,55
574,45

0
631,4

0
745,3

688,35

0
745,3

0
859,2

802,25

0
859,2

0
973,1

916,15

517,5

ni
0
2

0
-

1030,0
5
16

TOTAL

TABLA N 4 Tabla hallada y marca de clase


Hallando landa entonces tenemos:
Promedi

735.831

Desviacin Estndar

110.778

1
=0 . 0014
735 . 831

La ecuacin queda entonces:

Pgina

35

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

F ( x )= e x
F ( x )=0 . 0014 e0 .0014 x

Entonces generamos datos con marca de clase:


MAR
CA
DE
CLAS
E

FRECUE
NCIA
ABSOLUT
A

FRECUE
NCIA
RELATIV
A

Yi

ni

hi

460.55
574.45
688.35
802.25
916.15
1030.0
5

0
2
8
5
1

0
0.125
0.500
0.313
0.063
0.000

FRECUE
NCIA
ABSOLUT
A
ACUMUL
ADA
Ni

FRECUE
NCIA
RELATIV
A
ACUMUL
ADA
Hi

FUNCI
ON
DENSI
DAD
EMPRI
CA
fe

2
10
15
16

0
0.125
0.625
0.938
1.000
1.000

0
0.001
0.004
0.003
0.001
0.000

FUNCION
DENSIDAD
TEORICA
EXPONEN
CIAL
fxExponencial
0.00073
0.00062
0.00053
0.00046
0.00039
0.00034

16
1.0
TABLA N 5 Tabla de marca de clase total

Pgina

36

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

FUNCION DENSIDAD ESTACION TICAPAMPA ( fr, fe, fx-Exponecial)


0.6

F
u
n
c
i
o
n
e
s

0.5
0.4
hi

0.3

fe
fx-Exponencial

0.2
0.1
0
400.0

600.0

800.0

1000.0 1200.0

Datos de Marca de Clase

Grfico 5: Marca de clase vs (frecuencia relativa, Funcin densidad emprica, funcin


densidad terica Exponencial)

Pgina

37

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

FUNCION DENSIDAD ESTACION DE TICAPAMPA( fr, fe, fx-Exponencial)


F
u
n
c
i
o
n
e
s

0.01
0
0
0
0
0
0
0
0
0
0
400.0

fe
fx-Exponencial

600.0

800.0 1000.0 1200.0

Datos de Marca de Clase

Grfico 6: Marca de clase vs (Funcin densidad emprica, funcin densidad terica


Exponencial)

Pgina

38

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP
DISTRIBUCION EXPONENCIAL ESTACION TICAPAM PA
0.00100

F(X)-Exponencial

0.00000
350.00

550.00

750.00

950.00

Marca de Clase

Grfico7: Marca de clase vs (funcin densidad terica Exponencial)

Pgina

39

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

4.2 ESTACIN CAHUISH:


5. Ordenar los datos en forma descendente

AO

PP

PP
(Ordenados)

1954

932.10

1105.00

1955

765.00

1100.00

1956

523.10

1083.00

1957

735.90

999.00

1958

695.20

987.20

1959

1083.00

934.10

1960

834.00

932.10

1961

1105.00

919.30

1962

812.70

834.00

1963

1100.00

812.90

1964

934.10

812.70

1965

987.20

765.00

1966

812.90

758.70

1967

999.00

735.90

1968

758.70

695.20

1969

919.30

523.10

TABLA N 6 Datos hidrolgicos mensuales de estacin de Cahuish

Pgina

40

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

6. Calcular distribucin de frecuencias:


OBTENCIN DE LOS LIMITES

Lmite inferior =

523.10

Lmite superior =

1105.00

CALCULO DE RANGO DE VARIACIN

R = Ls Li

R = 1105.00 523.10

R = 581.90

CALCULO DEL NUMERO DE INTERVALOS DE CLASE


Regla de Sturges:
m = 1 + 1.33 ln(n)
Dnde: n = 16
m = 4.6875
OBTENCIN DEL TAMAO DE LOS INTERVALOS DE CLASE

Pgina

41

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

C = 193.9667

7. Hallamos los intervalos de clases, marca de clase y frecuencia absoluta:


NUMERO

INTERVALO DE CLASE

MARCA

FRECUENCI

DE

DE

A ABSOLUTA

INTERVALO

CLASE

DE CLASE K
1
1
2
3
4

2
523.10
668.58
814.05
959.53

668.58
814.05
959.53
1105.0
0

MC
450.36
595.84
741.31
886.79
1032.2

4
0
1
6
4
5

6
1177.7

4
16
TOTAL
TABLA N 7.- Tabla de Intervalos de clases, marca de clase y frecuencia absoluta
4.-Con los datos obtenidos hallamos la tabla estadstica: y las graficas:

Pgina

42

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Pgina

43

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL TICAPAMPA, CAHUISH Y SCHACAYPAMP
Object 113

8. Con los datos obtenidos hallamos la tabla estadstica: y las graficas:


NUMERO

INTERVALO

DE

CLASE

DE

INTERVALO

MARC

FRECUENCI

FRECUENCI

FRECUENCI

FRECUENCI

FUNCION

FUNCION

A ABSOLUTA

A RELATIVA

A ABSOLUTA

A RELATIVA

DENSIDA

DENSIDAD

ACUMULAD

ACUMULAD

TEORICA

EMPRIC

NORMAL
fx-normal
0.0001
0.001

DE

CLASE

DE CLASE K
1
1

523.1
0
668.5

8
814.0

5
959.5
3

TOTAL

4
0
1

fr
0
0.063

668.58

MC
450.36
595.84

0.063

A
fe
0
0.0004

814.05

741.31

0.375

0.438

0.0026

0.002

959.53

886.79

0.250

11

0.688

0.002

0.002

1105.0

1032.26

0.313

16

1.000

0.002

0.002

1177.74

0.000

1.000

0.000

0.000

16

1.0

Pgina

44

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

FUNCION DENSIDAD ESTACION CAHUISH ( fr, fe, fx-Normal)


0.4

F
u
n
c
i
o
n
e
s

0.35
0.3
0.25

fr

0.2

fe

0.15

fx-normal

0.1
0.05
0
400.0 600.0 800.0 1000.0 1200.0 1400.0

Datos de Marca de Clase

Grfico 8: Marca de clase vs (frecuencia relativa, Funcin densidad emprica, funcin


densidad terica normal)

Pgina

45

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

FUNCION DENSIDAD ESTACION DE CAHUISH ( fe, fx-Normal)


0

F
u
n
c
i
o
n
e
s

0
0
fe

fx-normal

0
0
0
400.0

600.0

800.0 1000.0 1200.0 1400.0

Datos de Marca de Clase

Grfico 9: Marca de clase vs (Funcin densidad emprica, funcin terica normal)

Pgina

46

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

HISTOGRAMA - ESTACION CAHUISH

FRECUENCIA RELATIVA

0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0

0.375
0.313
0.250

0.063
0.000

0.000

MARCA DE CLASE

Grfico 10: Marca de clase vs frecuencia relativa

Pgina

47

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

POLIGONO DE FRECUENCIA - ESTACION CAHUISH


7

Frecuencia Relativa

3
2
1

1
0

00
450.36250000000007
595.83749999999873
741.31249999999886
886.78750000000014
1032.2625
1177.7375000000011

Marca de Clase

Grfico 11: Marca de clase vs frecuencia relativa


DISTRIBUCIN EXPONENCIAL:
F ( x )= e x
Dnde:
X: Marca de clase
=

1
x

Tenemos entonces la tabla hallada y marca de clase:

Pgina

48

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

NUMERO DE

INTERVALO

MARCA

FRECUENCIA

INTERVALO

DE CLASE

DE

ABSOLUTA

DE CLASE K
1
1
2
3
4

2
523.10
668.58
814.05
959.53

668.58
814.05
959.53
1105.00

TOTAL
TABLA N 9.- Tabla hallada y Marca de clase de cahuish

CLASE
Yi
450.36
595.84
741.31
886.79
1032.26
1177.74

ni
0
5
2
4
5
0
16

Hallando landa entonces tenemos:


Promedi

874.825

Desviacin Estndar

162.075

1
=0 .0011
874 .825

La ecuacin queda entonces:


F ( x )= e x

Pgina

49

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

F ( x )=0 . 0011 e0 .0011 x

Entonces generamos datos con marca de clase:


MAR
CA
DE
CLAS
E

FRECUE
NCIA
ABSOLUT
A

FRECUE
NCIA
RELATIV
A

Yi

ni

hi

450.36
595.84
741.31
886.79
1032.2
6
1177.7
4

0
5
2
4
5

0
0.313
0.125
0.250
0.313

0.000

FRECUE
NCIA
ABSOLUT
A
ACUMUL
ADA
Ni

FRECUE
NCIA
RELATIV
A
ACUMUL
ADA
Hi

FUNCI
ON
DENSI
DAD
EMPRI
CA
fe

FUNCION
DENSIDAD
TEORICA
EXPONEN
CIAL

5
7
11
16

0
0.313
0.438
0.688
1.000

0
0.002
0.001
0.002
0.002

fxExponencial
0.00068
0.00058
0.00049
0.00041
0.00035

1.000

0.000

0.00030

16
1.0
TABLA N 10.- Tabla de marca de clase total de Cahuish

Pgina

50

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

FUNCION DENSIDAD ESTACION CAHUISH ( fr, fe, fx-Exponecial)


0.35

F 0.3
u 0.25
n
c 0.2
i 0.15
o
n 0.1
e 0.05
s

0
400.0

hi
fe
fx-Exponencial

600.0

800.0 1000.0 1200.0 1400.0

Datos de Marca de Clase

Grfico 12: Marca de clase vs (frecuencia relativa, Funcin densidad emprica,


funcin densidad terica Exponencial)

Pgina

51

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

FUNCION DENSIDAD ESTACION DE CAHUISH( fr, fe, fx-Exponencial)


0

F
u
n
c
i
o
n
e
s

0
0
fe
fx-Exponencial

0
0
0
400.0

600.0

800.0

1000.0 1200.0 1400.0

Datos de Marca de Clase

Grfico 13: Marca de clase vs (Funcin densidad emprica, funcin densidad terica
Exponencial)

Pgina

52

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

DISTRIBUCION EXPONENCIAL ESTACION CAHUISH


0.00100

F(X)- EXPOENCIAL

0.00000
350.00

550.00

750.00

950.00

1150.00

MARCA DE CLASE

Grfico14 : Marca de clase vs (funcin densidad terica Exponencial)

Pgina

53

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

4.3 ESTACIN SHACAYPAMPA:


9. Ordenar los datos en forma descendente

AO

PP

PP
(Ordenados)

1954

667.50

878.40

1955

653.50

870.80

1956

435.00

765.00

1957

628.60

746.10

1958

655.70

695.40

1959

765.00

667.50

1960

647.30

655.70

1961

878.40

653.50

1962

746.10

647.30

1963

870.80

628.60

1964

565.70

622.60

1965

402.10

584.40

1966

584.40

565.70

1967

695.40

435.00

Pgina

54

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

1968

416.80

416.80

1969

622.60

402.10

PROME = 639.681
D.S =

141.132

g=

-0.117

TABLA N 11.- Datos hidrolgicos de la Estacin de Shacaypampa


10. Calcular distribucin de frecuencias:
OBTENCIN DE LOS LIMITES

Lmite inferior =

Lmite superior =

402.10
878.40

CALCULO DE RANGO DE VARIACIN

R = Ls Li

R = 878.40 402.10

R = 476.30

CALCULO DEL NUMERO DE INTERVALOS DE CLASE


Regla de Sturges:
m = 1 + 1.33 ln(n)

Pgina

55

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

Dnde: n = 16
m = 4.6875
OBTENCIN DEL TAMAO DE LOS INTERVALOS DE CLASE

C = 158.7667

11. Hallamos los intervalos de clases, marca de clase y frecuencia absoluta:


NUMERO

MARCA

FRECUENCIA

DE

DE

ABSOLUTA

INTERVALO

CLASE

DE CLASE K
1

INTERVALO DE CLASE

MC
342.56
461.64
580.71
699.79
818.86
937.94

4
0
1
402.10
521.18
3
2
521.18
640.25
4
3
640.25
759.33
6
4
759.33
878.40
3
0
TOTAL
16
TABLA N 12.- Tabla de Intervalos de clases, marca de clase y frecuencia absoluta
Pgina

56

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE


MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMP

4.-Con los datos obtenidos hallamos la tabla estadstica: y las graficas:

Pgina

57

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL TICAPAMPA, CAHUISH Y SCHACAYPAMP

12. Con los datos obtenidos hallamos la tabla estadstica: y las graficas:
NUMERO

INTERVALO DE

MARC

FRECUENCI

FRECUENCI

FRECUENCIA

FRECUENCIA

FUNCION

FUNCION

DE

CLASE

A ABSOLUTA

A RELATIVA

ABSOLUTA

RELATIVA

DENSIDA

DENSIDAD

CLASE

ACUMULAD

ACUMULAD

TEORICA

MC

fr

A
6

A
7

EMPRICA
fe

NORMAL
fx-

342.5

normal
0.0003

521.

6
461.64

0.188

0.188

0.0016

0.001

18
640.

580.71

0.250

0.438

0.0021

0.003

25
759.

699.79

0.375

13

0.813

0.003

0.003

33
878.

818.86

0.188

16

1.000

0.002

0.001

937.94

0.000

1.000

0.000

0.000

16

1.0

INTERVALO
DE CLASE K
1

402.
-

10
521.
18
640.

25
759.

33

TOTAL

DE

40

TABLA N 13.- Tabla estadstica de la Estacin de Shacaypampa

Pgina

58

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL TICAPAMPA, CAHUISH Y SCHACAYPAMP

Pgina

59

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

FUNCION DENSIDAD ESTACION SHACAYPAMPA ( fr, fe, fx-Normal)


0.4

F
u
n
c
i
o
n
e
s

0.35
0.3
0.25

fr

0.2

fe

0.15

fx-normal

0.1
0.05
0
300.0 400.0 500.0 600.0 700.0 800.0 900.0 1000.0

Datos de Marca de Clase

Grfico 15: Marca de clase vs (frecuencia relativa, Funcin densidad emprica,


funcin densidad terica normal)

FCA
Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

FUNCION DENSIDAD ESTACION DE SHACAYPAMPA ( fe, fx-Normal)


0

F
u
n
c
i
o
n
e
s

0
0
0

fe

fx-normal

0
0
0
300.0 400.0 500.0 600.0 700.0 800.0 900.0 1000.0

Datos de Marca de Clase

Grfico 16: Marca de clase vs (Funcin densidad emprica, funcin densidad terica
normal)

FCA
Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

HISTOGRAMA - ESTACION SHACAYPAMPA

FRECUENCIA RELATIVA

0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0

0.375
0.250
0.188

0.000

MARCA DE CLASE

Grfico 17: Marca de clase vs frecuencia relativa

FCA
Pgina

0.188

0.000

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

POLIGONO DE FRECUENCIA - ESTACION SHACAYPAMPA

6
5
4

Frecuencia Relativa

4
3

2
1

00
342.5625
461.63749999999999
580.71249999999998
699.78750000000002
818.86249999999882
937.93749999999909

Marca de Clase

Grfico 18: Marca de clase vs frecuencia relativa


DISTRIBUCIN EXPONENCIAL:
F ( x )= e x
Dnde:
X: Marca de clase
=

1
x

Tenemos entonces la tabla hallada y marca de clase:

FCA
Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

NUMERO

DE

INTERVALO
DE CLASE K
1

INTERVALO

MARCA

FRECUENCIA

DE CLASE

DE

ABSOLUTA
ni
0
3

521.1

CLASE
Yi
342.56
461.64

8
640.2

580.71

5
759.3

699.79

3
878.4

818.86

937.94

0
16

402.1

0
521.1

8
640.2

5
759.3
3

0
-

TOTAL
TABLA N 14.- Tabla hallada y Marca de clase de Shacaypam
Hallando landa entonces tenemos:
Promedi

639.681

Desviacin Estndar

141.132

1
=0 . 0016
639 . 681

La ecuacin queda entonces:


F ( x )= e x

FCA
Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

0 .0016 x

F ( x )=0 . 0016 e

Entonces generamos datos con marca de clase:


MAR
CA
DE
CLAS
E

FRECUE
NCIA
ABSOLUT
A

FRECUE
NCIA
RELATIV
A

Yi

ni

hi

342.56

461.64

0.188

580.71

699.79

FRECUE
NCIA
RELATIV
A
ACUMUL
ADA
Hi

FUNCI
ON
DENSI
DAD
EMPRI
CA
fe

fxExponencial
0.00092

0.188

0.002

0.00076

0.250

0.438

0.002

0.00063

0.375

13

0.813

0.003

0.00052

818.86

0.188

16

1.000

0.002

0.00043

937.94

0.000

1.000

0.000

0.00036

16

FRECUE
NCIA
ABSOLUT
A
ACUMUL
ADA
Ni

1.0

TABLA N 15.- Tabla de marca de clase total Estacin de Shacaypampa

FCA
Pgina

FUNCION
DENSIDAD
TEORICA
EXPONEN
CIAL

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

FUNCION DENSIDAD ESTACION DE SHACAYPAMPA ( fr, fe, fx-Exponencial)


0

F
u
n
c
i
o
n
e
s

0
0
0

fe

fx-Exponencial

0
0
0
200.0 400.0 600.0 800.0 1000.0

Datos de Marca de Clase

Grfico 19: Marca de clase vs (Funcin densidad emprica, funcin densidad terica
Exponencial)

FCA
Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

DISTRIBUCION EXPONENCIAL ESTACION SHACAYPAMPA


0.00100

F(X- EXPONENCIAL)

0.00000
200.00

400.00

600.00

800.00

1000.00

MARCA DE CLASE

Grfico20 : Marca de clase vs (funcin densidad terica Exponencial)

FCA
Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

VIII.- CONCLUSIONES:
En el Tratamiento Estadstico de datos Hidrolgicos, los parmetros
Poblacionales son los mismos que los muestrales.
Podemos decir que los datos son confiables ya que al calcularlos por
mtodos diferentes llegamos a resultados aproximadamente iguales..
Entonces se puede utilizar la distribucin normal y Gumbel para
calcular valores que no estn en el rango de la distribucin
Se concluye que el uso de la estadstica Inferencial, es una
alternativa razonablemente viable para realizar el anlisis,
procesamiento e interpretacin de los registros en las estaciones
de

algunos parmetros

Hidrolgicos

como

alternativa ms

accesible frente a un anlisis de series de tiempo que la mayora


de ingenieros no tienen mayor conocimiento al respecto.
El uso de nuevas tecnologas como es el uso de programas
informticos nos permite realizar un anlisis mucho ms exacto y
el tiempo de procesamiento de la informacin es mucho menor
por la gran versatilidad con que se nos presentan stos.
Pudimos observar que, las distribucin normal para su anlisis
FCA
Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

toma valores parmetros como la media y la desviacin estndar


d los datos los cuales nos dan una idea d como est la muestra.
.

IX.- RECOMENDACIONES:
Los datos deben ser actuales y precisos para iniciar con el tratamiento
estadstico.
El uso estadstico es recomendable para este tipo de tratamiento ya que
permite darnos valores precisos.
Que la UNASAM y en especial la Facultad de Ingeniera Agrcola brinde
Capacitacin y Charlas sobre Sotwares modernos de la Carrera, para cada
Curso de especialidad que llevamos durante el Pregrado, como por ejemplo
el AutoCAD Land y sobre temas ligados con la Ingeniera Agrcola
La adquisicin por parte de la facultad de la Carta Nacionales ya que en este
momento la facultad no cuenta con estos. La adquisicin de estas cartas
beneficiaria a los alumnos de agrcola, as como para toda la Universidad.

FCA
Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

Deben firmen convenios con Instituciones pblicas y privadas que tengan


relacin en los cursos que se llevan, por ejemplo en la rama de Hidrologa
con instituciones que hagan estudios de las cuencas de nuestro pas. para
aportar en la formacin prctica y profesional de los alumnos.

X.- BIBLIOGRAFIA:
[1] VILLON, Mximo. Hidrologa estadstica. Instituto Tecnolgico de Costa Rica.
Cartago.2001.
[2] VILLON, Mximo. Hidrologa. Instituto Tecnolgico de Costa Rica. Cartago.2001.
[3] GARCIA, Celestino. Estadstica y probabilidad. Universidad Nacional de Ingeniera.
Facultad de Ciencias. Lima.
[4] MEJIA, Abel y DE PIEROLA, Nicols. Estadstica aplicada a la hidrologa.
Universidad Nacional de Agraria La Molina. Lima.1985.
[5] MEJIA, Abel. Mtodos estadsticos en hidrologa. Universidad Nacional de Agraria La
Molina. Lima.1991.
[6] CALZADA, Jos. Estadstica general. Jurdica. Lima.1991.
[7] REYES, Toribio. Regionalizacin de los Caudales Mximos Instantneos Anuales de la
Cuenca del Ro Santa. Universidad Nacional Santiago Antnez de Mayolo.
Huaraz.2014.
FCA
Pgina

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO


DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA

FCA
Pgina