Documentos de Académico
Documentos de Profesional
Documentos de Cultura
HIDROLOGIA I
2007
NDICE DE TEMAS
NDICE DE FIGURAS
NDICE DE CUADROS
Planteamiento Terico
Dado un conjunto de pares de valores correspondientes a dos variables x e y, la ley ms sencilla de
regresin o correlacin entre ambas es la lineal:
Figura 70. Situacin Relativa de Rectas de Regresin
22.00
17.60
x sobre y
ortogonal
13.20
y sobre x
y
8.80
4.40
0.00
0 4.4 8.8 13.2 17.6 22
x
/176/ y =a+m*x
La recta debe ser tal que el momento de segundo orden de la masa de puntos del plano xy, con
respecto a la misma, sea mnimo, es decir que debe serlo la suma de los cuadrados de las distancias de
tales puntos a la recta.
Esta condicin permitir determinar los parmetros m y n de la ecuacin de la recta, con slo obtener
las derivadas parciales de dicha suma respecto ambos parmetros e igualarlas a cero.
Ahora bien, pueden considerase tres casos:
i. que se midan las distancias de los puntos a la recta
paralelamente al eje de las y (regresin lineal de y
sobre x)
ii. paralelamente al eje de las x (regresin lineal de x
sobre y)
iii. o perpendicularmente a la propia recta (regresin
ortogonal)
Los momentos de inercia mnimos sern respectivamente Iy , Ix , e I0 .
De estos casos se tratar nicamente el tercero, por ser el de mayor aplicacin prctica, prescindiendo
de las demostraciones matemticas inherentes, por la complejidad que las mismas presentan.
Parmetros a Utilizar
Valor Medio
El valor medio o esperanza matemtica de una variable aleatoria es el centro de gravedad de la masa
de distribucin.
En la correlacin lineal, los valores medios de las variables x e y, estn dadas por:
n n
xi yi
i =1 i =1
/177/ x= ; y=
n n
Varianza y Covarianza
La varianza se define como el momento de inercia de la masa de distribucin, siendo la covarianza el
momento centrfugo.
La varianza en x e y ser:
n n
(xi x ) (yi y )
2 2
2x = i =1
; 2y = i =1
/178/ n n
y la covarianza:
n
(xi x ) * (yi y )
i =1
xy =
/179/ n
Desviacin Tpica
La desviacin tpica o desviacin standard o desvo medio cuadrtico, se lo define como la raz
cuadrada positiva de la varianza:
n n
(xi x ) (yi y )
2 2
x = + 2x = i =1
; y = + 2y = i =1
/180/ n n
En general, a mayor varianza, o mayor desviacin standard, corresponde mayor dispersin de la
variable en la respectiva distribucin.
xy xy
a=y *x ; m=
2 2y 2 2y
/184/ y =a+m*x
Coeficiente de Correlacin
Al efectuar el desarrollo de las regresiones lineales de y sobre x y de x sobre y, los coeficientes
angulares de las rectas resultantes (a los que se denomina coeficientes de regresin), estn dados
respectivamente por:
xy xy
/185/ yx = ; xy =
2x 2y
xy xy xy
r = = yx * xy = * =
2x 2y 2x * 2y
/186/
Sus valores estn comprendidos en el intervalo (-1, +1).
Adems, cuanto ms se aproxime a la unidad, menor ser el valor de los momentos de inercia Ix e
Iy . En particular, para = 1, resulta Ix = Iy = 0 , lo que significa que toda la masa se encuentra sobre
una recta, en la que se han confundido tambin las rectas de regresin.
El Coeficiente de Correlacin se utiliza para determinar el grado de dependencia lineal que existe entre
las dos variables, y mide, en cierto modo, la bondad del ajuste de los puntos a una recta.
En la utilizacin prctica de las rectas de regresin para generar valores no registrados o comletar
series de datos histricos, si se designa por n al nmero de aos (o de datos) registrados en la
seccin o regin a estudiar y N al correspondiente a la seccin o regin base, la extrapolacin podr
ser valedera, o no, segn los valores correspondientes de , de acuerdo al siguiente criterio:
Banda Caracterstica
Suponiendo que la distribucin de frecuencias de las desviaciones del conjunto de los puntos respecto a
la recta de regresin ortogonal fuese normal, el 95% de los puntos de la nube estara ubicado en el
interior de una banda obtenida trazando sendas paralelas a la recta de regresin a una distancia
2 * 1 .
De esta forma, aunque la hiptesis de distribucin normal no es muy rigurosa, el trazado de la banda en
el grfico de correlacin brinda una idea de la calidad de sta y permite estimar, en una primera
aproximacin, los valores no ajustados.
/187/ y = a + b * x + k * x2 + j * x3 + K
(yi y )
2
La determinacin de los coeficientes a, b, c, etc. se debe hacer de modo que sea un
mnimo respecto a ellos.
Es tambin posible, sin aumentar el nmero de parmetros, buscar leyes no lineales que se adapten
mejor que las leyes de regresin lineal a la relacin entre los parmetros observados, tales como por
ejemplo la logartmica, doble logartmica, exponencial, etc.
Es posible transformar muchas de estas leyes en lineales, mediante un cambio de variable, y despus,
operar grfica, o numricamente, como si se tratase de una recurrencia lineal.
Correlaciones Grficas
Consisten en representar directamente la nube de puntos referida a un sistema de ejes, en escala
natural, semilogartmica o logartmica; y determinar luego, en forma grfica y a estima, la curva que
representa la tendencia media de la nube de puntos. Aparte de constituir un mtodo en s, representa
un auxiliar inestimable de las correlaciones analticas, al permitir visualizar la tendencia y orientar la
eleccin de la funcin que permita lograr el ajuste ms adecuado. Las correlaciones grficas son
tambin de suma utilidad para el caso de tener que representar relaciones entre tres variables.
Por ejemplo, el espacio muestral para la precipitacin anual es tericamente el rango desde cero hasta
infinito positivo (a pesar que los lmites prcticos inferior y superior son ms cercanos) y un evento A
puede ser la ocurrencia de una precipitacin anual menor que una cierta cantidad, tal como 200 mm.
La probabilidad de un evento, P(A ) , es la posibilidad de que ste ocurra cuando se hace una
observacin de la variable aleatoria.
Las probabilidades de eventos pueden estimarse. Si una muestra de n observaciones, tiene n A
n
valores en el rango de evento A, entonces la frecuencia relativa de A es A . A medida que el
n
tamao de la muestra aumenta, la frecuencia relativa se convierte progresivamente en una mejor
estimacin de la probabilidad del evento, es decir:
nA
P(A ) = lim
/188/ n n
Tales probabilidades se conocen como probabilidades objetivas o posteriores, debido a que dependen
concretamente de las observaciones de la variable aleatoria.
Cuando se estima la posibilidad de que un evento futuro ocurrir con base al juicio personal y la
experiencia, las estimaciones pertinentes se conocen como probabilidades subjetivas o a priori.
Las probabilidades de eventos obedecen a ciertos principios, a saber:
a) Probabilidad Total
Si el espacio muestral EM est completamente dividido en m eventos o reas no
traslapadas A 1, A 2 , A 3 ,K, A m entonces:
P(A I B )
P(A I B ) = P(A ) * P(B A ) P(B A ) =
/191/ P(A )
Si la ocurrencia de B no depende de la ocurrencia de A, se dice que los eventos son
independientes y:
Precipitacin [ mm ]
Precipitacin [ mm ]
375
350-375
350
325
300-325
300
275 250-275
250
225 200-225
200
175 150-175
150
125 100-125
100
75 50-75
50
25 0-25
0
0 1 2 3 4 5 6
60-61
64-65
68-69
72-73
76-77
80-81
84-85
88-89
92-93
96-97
00-01
04-05
Cantidad de Datos
Aos
j=1 j=1
Fm (x ) = ( ) nj
fm x j =
/194/
Esta expresin constituye una estimacin de P(X x i ) , o sea la probabilidad acumulada de x i .
Las funciones de frecuencia relativa y de frecuencia acumulada han sido definidas para una muestra;
las funciones correspondientes para la poblacin se aproximan como lmites a medida que
n y x 0 .
12%
10%
8%
fm(x)
6%
4%
2%
0%
0-25
25-50
50-75
75-100
100-125
125-150
150-175
175-200
200-225
225-250
250-275
275-300
300-325
325-350
350-375
375-400
400-425
425-450
450-475
475-500
500-525
525-550
Precipitacin [ mm ]
100%
90%
80%
70%
60%
Fm(x)
50%
40%
30%
20%
10%
0%
0-25
25-50
50-75
75-100
100-125
125-150
150-175
175-200
200-225
225-250
250-275
275-300
300-325
325-350
350-375
375-400
400-425
425-450
450-475
475-500
500-525
525-550
Precipitacin [ mm ]
100%
90%
80%
70%
60%
F(x)
50%
40%
30%
20%
10%
0%
0 25 50 75 100
100 125 150 175 200
200 225 250 275 300
300 325 350 375 400
400 425 450 475 500
500 525 550
Precipitacin [ mm ]
fm (x )
/196/ f (x ) = lim
n
x 0
x
12%
10%
8%
f(x)
6%
4%
2%
0%
25
50
75
100
125
150
175
200
225
250
275
300
325
350
375
400
425
450
475
500
525
550
0 100 200 300 400 500
Precipitacin [ mm ]
Para un valor dado de x, F(x ) es la probabilidad acumulada P(X x ) , y puede expresarse como la
integral de la Funcin de Densidad de Probabilidad en el rango [X x ] , usando una variable de
integracin auxiliar u:
Desde el punto de vista de ajuste de la informacin de la muestra a una distribucin terica, las cuatro
funciones:
9 Frecuencia Relativa fm (x ) para la muestra
El ciclo puede cerrarse calculando un valor terico de la Funcin de Frecuencia Relativa, denominado la
Funcin de Probabilidad Incrementada p(x i ) , como:
5
Extrado de Ven Te Chow. Los subndices s corresponden a los m de ste apunte, para las muestras.
p(x i ) = P(x i x X x )
xi
p(x i ) = f (x ) * dx
x i x
xi x i x
p(x i ) = f (x ) * dx f (x ) * dx =
La comparacin entre p(x i ) y la funcin de frecuencia relativa observada fm (x ) para cada x i puede
utilizarse como una medida del grado de ajuste de la distribucin a la informacin.
Los rangos de variacin y dimensiones de las cuatro funciones son:
(x )2
1
f (x ) = *e 2* 2
/200/ 2* *
donde:
y son parmetros de clculo
La precipitacin anual, calculada como la suma de los efectos de muchos eventos independientes,
tiende a seguir una distribucin normal.
Figura 78. Funcin de Densidad de Probabilidad Normal
Tiene limitaciones importantes, como que vara en un rango continuo [ , ] , mientras que la mayora
de las variables hidrolgicas son no negativas; y que es simtrica con respecto a la media, mientras que
la informacin hidrolgica tiende a ser asimtrica.
Distribucin Lognormal
Si la variable Y = log(X ) est normalmente distribuida, entonces se dice que X est distribuida en forma
lognormal.
Figura 79. Funcin de Densidad de Probabilidad Lognormal
Esta funcin es til cuando se quiere representar variables hidrolgicas asimtricas. Tiene la ventaja,
sobre la normal, en que est limitada a valores positivos de X y la transformacin a logaritmos tiende a
reducir la asimetra positiva, comn en las variables hidrolgicas.
Distribucin Exponencial
Es una distribucin que tiene un nico parmetro . Se utiliza para describir el tiempo entre la ocurrencia
de dos eventos de variables aleatorias, como por ejemplo, precipitaciones, entradas de contaminantes a
un ro, etc., y en este caso, sera la tasa media de ocurrencia de los eventos.
Tiene la desventaja de que requiere que la ocurrencia de cada evento sea completamente
independiente de sus vecinos y de que no est definida para X=0.
La funcin de densidad de probabilidad es:
/201/ f (x ) = * e * x x > 0
Distribucin Gamma
Es una distribucin de 2 parmetros, uno de forma y otro de escala . Tiene una forma que vara
suavemente y se usa para describir variables hidrolgicas asimtricas, sin usar logaritmos.
Figura 80. Funcin de Densidad de Probabilidad Gamma
Tiene lmite inferior igual a 0, lo cual es una desventaja cuando se usa para analizar variables que
tienen un lmite superior mayor a 0.
La funcin de densidad de probabilidad es:
* x 1 * e * x
f (x ) = x>0
/202/ ( )
9.b.2.ANLISIS DE FRECUENCIA
Los sistemas hidrolgicos son afectados en ocasiones por eventos extremos, tales como tormentas
severas, crecidas y sequas. La magnitud de un evento extremo est inversamente relacionada con su
frecuencia de ocurrencia, es decir, eventos muy severos ocurren con menor frecuencia, que eventos
ms moderados.
El objetivo del anlisis de frecuencia de informacin hidrolgica es, relacionar la magnitud de los
eventos extremos con su frecuencia de ocurrencia, mediante el uso de Funciones de Distribucin de
Probabilidad.
Los requisitos que debe cumplir la informacin hidrolgica (eventos extremos) es que:
9 debe ser independiente
9 est idnticamente distribuida (por ejemplo, precipitacin diaria mxima anual)
9 el sistema hidrolgico que la produce (por ejemplo, un sistema de tormenta) sea aleatorio,
independiente del espacio y del tiempo
La informacin hidrolgica empleada debe ser seleccionada cuidadosamente, de manera tal que se
satisfagan las suposiciones de independencia y de distribucin idntica.
En la prctica, esto se lleva a cabo usualmente seleccionando el mximo anual de la variable bajo
anlisis (por ejemplo, el caudal mximo anual, que puede corresponder al flujo pico instantneo mximo
o al medio diario mximo, que se haya producido en cualquier momento o en cualquier da durante el
aforo) con la expectativa de que observaciones sucesivas de esta variable de un ao a otro sean
independientes.
Los resultados del anlisis de frecuencia de los caudales de crecida pueden utilizarse para muchos
propsitos en ingeniera:
9 diseo de presas, puentes, cauces evacuadores y estructuras de control
de crecidas
9 determinar el beneficio econmico de proyectos de atenuacin de crecidas
9 delimitar planicies de inundacin y determinar el efecto de ocupaciones o
construcciones en las mismas
550
500
450
400
350
Caudal [m3/s]
300
250
200
150
100
50
0
1905 1915 1925 1935 1945 1955 1965 1975 1985 1995
Aos
Este valor promedio debe realizarse sobre un nmero de ocurrencias suficientemente grande.
Para relacionar la probabilidad p = P(X x T ) de ocurrencia del evento X x T en cualquier observacin,
con el perodo de retorno, efectuando el siguiente razonamiento: para cada observacin existen dos
resultados posibles:
xito X xT probabilidad = p
Falla X < xT probabilidad = 1-p
Debido a que las observaciones son independientes, la probabilidad de un intervalo de recurrencia de
duracin t es el producto de las probabilidades de (t 1) fallas seguidas por un xito, es decir
(1 p)t 1 * p y el valor esperado para t estar dado por:
Tr = E(t ) = t * (1 p)
t =1
t 1
*p
/204/
que desarrollando en serie de potencia y simplificando es igual a:
p 1
Tr = E(t ) = =
/205/ [1 (1 p)] 2 p
Si se desea determinar cual es la probabilidad de que un evento con perodo de retorno de Tr aos
ocurra al menos una vez en N aos, primero se debe calcular su complemento, o sea, la situacin en la
que ningn evento con un periodo de recurrencia TR aos ocurra en N aos.
Para ello debemos calcular la probabilidad de ocurrencia de una secuencia de N fallas sucesivas, es
decir:
P(X < x T ) = (1 p )
N
/207/
De esta manera, la probabilidad de que un evento de un perodo de retorno TR aos ocurra 1 vez en N
aos sera:
P(X x T ) = 1 (1 p )
N
N
1
P (X x T ) = 1 1
/208/ Tr
210
180
150
Caudal Medio Diario [m3/s]
120
90
60
30
0
01/07/32
01/07/35
01/07/38
01/07/41
01/07/44
01/07/47
01/07/50
01/07/53
01/07/56
01/07/59
01/07/62
01/07/65
01/07/68
01/07/71
01/07/74
01/07/77
01/07/80
01/07/83
01/07/86
01/07/89
01/07/92
01/07/95
01/07/98
01/07/01
01/07/04
9 Serie de duracin parcial, que es una serie de datos seleccionados de manera tal que
la magnitud de cada uno de ellos sea mayor que un valor base predefinido
9 Serie de excedencia anual, constituida por una serie de duracin parcial en la que el
valor base se selecciona de forma tal que el nmero de valores de la serie sea igual al
nmero de aos del registro disponible.
0
30
60
90
120
150
180
210
0
30
60
90
120
150
180
210
Unidad 9
01/07/1932 01/07/32
01/07/1935 01/07/35
01/07/1938 01/07/38
01/07/1941 01/07/41
01/07/1944 01/07/44
01/07/1950 01/07/50
01/07/1953 01/07/53
01/07/1956 01/07/56
01/07/1959 01/07/59
01/07/1962 01/07/62
01/07/1965 01/07/65
01/07/1968 01/07/68
01/07/1971 01/07/71
01/07/1974 01/07/74
Facultad de Ingeniera
01/07/1977 01/07/77
01/07/1980 01/07/80
01/07/1983 01/07/83
01/07/1986 01/07/86
01/07/1989 01/07/89
01/07/1992 01/07/92
01/07/1995 01/07/95
Figura 83. Serie de Duracin Parcial 74 aos - 652 valores mayores a 90 m/s
Figura 84. Serie de Excedencia Anual 74 aos - 74 valores mayores a 134 m/s
01/07/1998 01/07/98
01/07/2001 01/07/01
01/07/2004 01/07/04
9-17
Ctedra: Hidrologa I
Unidad 9 9-18
9 Serie de valores extremos, que es aquella que se constituye con los valores mximos,
o mnimos, producidos en cada uno de los intervalos de tiempo de igual longitud en
que se haya dividido el registro.
9 Serie anual, es una serie de valores extremos en la que la longitud del intervalo de
tiempo considerada es de un ao. Es la serie de valores extremos ms
frecuentemente utilizada, y puede ser a su vez: serie anual mxima, cuando est
conformada por los valores mximos anuales y serie anual mnima, cuando se
seleccionan para constituirla los valores mnimos anuales.
Figura 85. Serie de Valores Extremos Anual 74 aos 74 valores, los mximos de cada ao
210
180
Caudales Mximos Medios Diarios [m3/s]
150
120
90
60
30
0
1931-1932
1936-1937
1941-1942
1946-1947
1951-1952
1956-1957
1961-1962
1966-1967
1971-1972
1976-1977
1981-1982
1986-1987
1991-1992
1996-1997
2001-2002
Cabe observar la diferencia que resulta de trabajar con valores extremos mximos anuales o con
valores de excedencia anual de la informacin disponible.
En una serie de excedencia anual generalmente aparecen la totalidad de los valores altos y mximos
anuales, dado que en varios aos el segundo valor mximo (y eventualmente otros) puede tener una
magnitud mayor que la de algunos mximos de otros aos.
Sin embargo, en la serie de mximos anuales, estos segundos valores mximos se excluyen, y en
consecuencia no se tienen en cuenta a los efectos del anlisis.
A pesar que la serie de excedencia anual es til para algunos propsitos, est limitada por el hecho de
que puede ser difcil verificar que todas las observaciones sean independientes; la ocurrencia de una
gran crecida bien podra estar relacionada con condiciones de suelo saturado consecuencia de otra
gran crecida que hubiese ocurrido un corto tiempo antes.
Por lo general, a los fines prcticos, usualmente es mejor utilizar series de mximos anuales para los
anlisis hidrolgicos pertinentes.
En cualquier caso, a medida que el perodo de retorno del evento considerado sea mayor, los
resultados de las dos metodologas se tornan muy similares, debido a que la posibilidad de que estos
dos eventos ocurran en un mismo ao es muy pequea.
El perodo de retorno, TrE de magnitudes de eventos deducido a partir de una serie de excedencia
anual est relacionado con el correspondiente perodo de retorno Tr deducido de una serie mxima
anual, segn Ven Te Chow, por:
1
TrE =
Tr
ln
/209/ Tr 1
Esta expresin demuestra que las diferencias son prcticamente despreciables para Tr mayores de 10
aos.
La limitacin que tienen las series parciales es que no estamos seguros de que todos los eventos sean
independientes.
9.c.1. PLANTEAMIENTO
Estos mtodos consisten en estimar los valores de las crecidas mximas que pueden producirse en un
ro a partir de una serie de caudales mximos conocidos, extrapolando en dicha serie mediante el
empleo de una curva de frecuencia para diferentes probabilidades.
El problema se centra en utilizar al mximo los registros de caudales de que se dispone en la estacin
para la cual se busca evaluar la ms fuerte crecida a temer; habr necesidad as de emplear
principalmente las tcnicas estadsticas de anlisis de crecidas, las que permitirn resolver el problema
que representa calcular la probabilidad de que un caudal, superior a un valor dado, sobrevenga al
menos una vez durante un determinado perodo de tiempo (un siglo o un milenio, por ejemplo). Igual
razonamiento es extensivo a la cuantificacin de precipitaciones mximas en funcin de los valores de
los registros disponibles.
El caudal de la crecida anual, definido como el mayor caudal del ao, puede ser efectivamente
considerado como una variable aleatoria continua e ilimitada, de la cual puede proponerse estudiar la
distribucin estadstica.
Estando esta distribucin ajustada a alguna de las leyes tericas conocidas de probabilidad, que se
analizarn en el apartado 9.c.3, de manera que interprete, tan fielmente como sea posible, las
observaciones disponibles, se admite que esa misma ley es vlida, tanto dentro como fuera del perodo
de observacin, permitiendo por lo tanto, calcular el caudal que tiene una probabilidad dada de
ocurrencia, aunque sta sea muy pequea (como el de la crecida milenaria o decamilenaria, por
ejemplo).
En estos casos, en que se extrapola la ley de distribucin a lapsos de tiempo mucho ms extensos que
aqul para el cual se dispone de datos, pueden resultar errores considerables en uno u otro sentido, lo
que se confirma observando que, por lo general, los datos extremos de que se tiene noticia, presentan
muy frecuentemente una gran dispersin, alejndose de la curva de distribucin que se intenta ajustar.
Debe tenerse siempre presente que la extrapolacin de los valores de las crecidas para elevados
tiempos de recurrencia, a partir de datos de 25 a 50 aos, no tiene ningn fundamento cientfico, sino
slo matemtico, por lo que los valores estimados para tales casos deben tomarse con grandes
reservas y, si es posible, comprobar, por medio de investigaciones histricas, si las crecidas ocurridas
en tiempos lejanos fueron del mismo orden de magnitud que las obtenidas por extrapolacin con las
leyes de frecuencia empleadas.
Un factor muy importante a considerar es que los resultados son funcin de los datos contenidos en la
serie de registros, serie que se va enriqueciendo con nuevos valores a medida que pasa el tiempo. De
all que en ocasiones, al actualizar clculos efectuados un cierto tiempo atrs, se obtienen, al incorporar
a la serie los nuevos registros, caudales sensiblemente diferentes para iguales tiempos de recurrencia,
lo que puede llegar a cuestionar el nivel de seguridad primitivamente asignado a una obra dada.
Otro aspecto de incidencia es que los datos de partida son generalmente caudales mximos medios
diarios y no caudales mximos instantneos, dado que normalmente existen series aceptablemente
extensas de datos con valores medios diarios, en parte de la serie, y con datos medios diarios e
instantneos, en el resto. En este caso se puede intentar una correlacin entre valores medios diarios e
instantneos y, en caso de obtenerse un ajuste aceptable, calcular, mediante regresin, la serie
completa de valores instantneos.
Los coeficientes x 0 y a estn relacionados con la media x y la desviacin tpica por las
relaciones:
1 0.577
/211/ = 0.78 * y x 0 = x
a a
Luego la probabilidad de obtener un valor mayor que x es:
Donde:
x es la magnitud del evento extremo de probabilidad P(X x )
i =1
/213/ =
n 1
i =1
/215/ log(x ) =
n 1
c) El coeficiente de asimetra:
n
n * [log(x i ) log(x )]
3
i =1
/216/ S=
(n 1) * (n 2) * (log(x ) )3
Luego el valor de x para una probabilidad dada, se calcula por medio de la expresin:
Para esta expresin, el valor de K T se halla tabulado en funcin de S y del tiempo de recurrencia para
el cual se desea determinar x.
Para ello puede establecerse la relacin de proporcionalidad p = EB DB , multiplicando luego todas las
ordenadas genricas FG por dicho valor, obtenindose as los segmentos FH (siempre tomados a
partir de las rectas separadoras del flujo base), cuyos extremos superiores, puntos H, sern puntos de
paso del hidrograma buscado, el que se extender desde A hasta C, pasando por E.
Figura 86. Determinacin del Hidrograma de una Crecida de Recurrencia Tr
55
E
50
45
40
35
H
D
Caudal [m3/s]
30
25
20 G
15
10
C
A F B
5
0
0 30 60 90 120 150 180 210 240 270
Tiempo [min]
En caso que el caudal mximo haya sido calculado con valores de caudales mximos medios diarios, y
exista en el ro en estudio una diferencia no despreciable con los mximos instantneos, deber
calcularse la relacin media ms probable entre ambos y ubicar el punto E segn el valor
correspondiente al caudal mximo instantneo de la crecida de proyecto.
Otra alternativa sera la de generar directamente, mediante correlacin y regresin, la serie de caudales
mximos instantneos y trabajar directamente con ella.
Una vez que la serie de datos ha sido identificada y ordenada las posiciones de graficacin calculadas,
puede elaborarse un grfico de la magnitud en estudio x vs Probabilid [P(X x ) P(X < x ) Tr ]
para verificar el ajuste de la distribucin.
Alternativamente resulta conveniente efectuar la lnea ajustada resultante con la informacin de la
muestra.