386 HIDROI.

OG~A APL~CADA
ESTAD~ST~CA
HIDROL~GICA 387
(Abramowitz y Stegun, 1965). La distribuci6n gamma de dos parimctros (parimc- T A B L A 11.5.2
tros fi y A) tiene como limite inferior cero, lo cual es una desventaja para la aplica- F o r m a y localization de la moda p a r a la distribution log-Pearson tipo 111 como
cion a variables hidroldgicas que tienen un limite inferior superior a cero. u n a funci6n d e sus parametros
Pariimetro de forma P A < -In 10 -hlO<A<O A> 0
Distribucion Pearson tipo Ill O<b<1 Sin moda Moda minima Sin moda
La distribuci6n Pearson tipo 111, tambiCn llamada la distrihucidn gamma de tres pa- forma en J forma en U forma en J invertida
~ rdmetros, introduce un tercer parimetro cl limite inferior E , de tal manera que por
P ' l UnimodaI Sin moda Unimodal
el metodo de 10s momentos, 10s tres momentos de la muestra (la media, la desvia- forma en J invertida
!I cion estandar y el cocficiente dc asimetria) pueden transformarse en 10s tres para-
metros A , @ y E de la distribuci6n de probabilidad. Esta cs una distribuci6n muy Fuente: Bobee. 1975.
I flexible, que puede asumir diferentes formas a medida que A , P y E varian (Bobee y
u Robitaille, 1977).
El sistema de distribuciones Pearson incluye siete tipos; todos son soluciones Tal como se describio previarnente, la distribuci6n log- Pearson tipo III se de-
para f(x) en una ecuacion de la forma sarrolld como un mitodo para ajustar una curva a cierta informaci6n. Su uso esta
ii justificado porque se ha encontrado que arroja buenos resultados en muchas aplica-
11
dlf(x)l
- - - f( X I (-
~ 6) (1 1S . 2 ) ciones, particularmente para la informaci6n de picos de crecientes. El ajuste de la
du Co+Clx+C2x2 distribucidn a la informaci6n puede probarse utilizando la prueba x', o utilizando
la graficacibn d e probabilidad descrita en el capitulo 12.
donde d es la moda de la distribucidn (el valor dc x para el cual f (x) es un mkximo)
y CO,CI y Cz son coeficientes quc deben determinarse. Cuando Ct = 0, la solucidn Distribucion de valor extremo
de la ecuacidn (1 1.5.2) cs una distribucidn Pearson tipo 111, con una funci6n de densi-
1, dad de probabilidad de la forma que se muestra en la tabla 11.5.1. Para Ct = C2 = 0 Los valores extremos son valores mhximos o minimos seleccionados de conjuntos
la solucidn de (1 1.5.2) es una distribucidn normal. Por tanto, la distribuci6n normal de datos. Por ejemplo, el caudal miximo anual en un lugar dado es el mayor caudal
es un caso especial de la distribution Pearson tip0 111 para describir una variable no registrado durante un afio y 10s valores de caudal maxim0 anual para cada aiio de
Y registro hist6rico conforman un conjunto de valores extremos que puede analizarse
asimktrica. La distribucidn Pearson tip0 111 se aplico por primera vez en la hidrolo-
gia por Foster (1924) para describir la distribution de probabilidad de picos de cre- estadisticamente. Fisher y Tippett (1928) han demostrado que las distribuciones de
cientes miximos anuales. Cuando la informacicin es muy asimttrica positivamente, valores extremos seleccionados de conjuntos de muestras de cualquier disrribuci6n
se utiliza una transformaci6n log para reducir la asimetria. de probabilidpd convergen en una de las tres formas de distribuciones de valor ex-
tremo, llamadas tipo I, I1 y 111 respectivamente, cuando el niimero de valores extre-
mos selcccionados es grande. Las propiedades de las tres formas limitantes fueron
Distribucidn Iog-Pear~ontip0 111 desarrolladas en mayor detalle por Gumbel (1941) para la distribuci6n de Valor Ex-
tremo tipo I (EVI, por sus siglas en inglts), por Frechet (1927) para la distribuci6n
Si log X sigue una distribucibn Pearson tipo 111, entonces se dice que X sigue una de Valor Extremo tipo I1 (EVII) y por Weibull (1939) para la distribuci6n de Valor
distribuci6n log-Pearson tipo 111. Esta es la distribuci6n estindar para anilisis de Extremo tip0 I11 (EVIII).
frecuencia de crecientes miximas anuales en 10s Estados Unidos (Benson, 1968), y Jenkinson (1955) demostr6 que estas tres formas limitantes eran casos espe-
su uso se describe en detalle en el capitulo 12. Como un caso especial, cuando log X ciales de una distribuci6n dnica llamada la distribuci6n de Valor Extremo Generai
e s sirnttrico alrededor de su media, la distribucidn log-Pearson tipo I11 se reduce a (GEV, por sus siglas en inglts). La funcidn de distribucidn de probabilidad para la
la distribuci6n lognormal. GEV es
La localizacibn del limite r en la distribucidn log-Pearson tip0 I11 depende de
Ia asimetria de la information. Si Csta tiene asimetria positiva, entonces log X 2 E
y E es un limite inferior, mientras que si la informaci6n tiene asimetria negativa,
log X 5 E y E es un limite superior. La transformaci6n log reduce la asimetria de la
~(x)=exp[-(I-k-)
x-u
a
Ilk
] (11.5.3)

informacidn transformada y puede producir inforrnacion transformada con asimetria

negativa utilizando informacibn original con asimetria positiva. En este caso, la
aplicacibn de la distribuci6n log-Pearson tipo 111 impondria un limite superior arti-
ficial a la informacibn. Dependiendo de 10s valores de 10s parimetros, la distribu-
cidn log-Pearson tipo 111 puede asumir muchas formas diferentes, tal como se
muestra en la tabla 1 1.5.2 (Bobee, 1975).
donde k, u y cu son parametros que deben ser determinados.
Los tres casos limitantes son 1) para k = 0, la distribuci6n de Valor Extremo
tipo I, para la cual la funcidn d e densidad de probabilidad e s t i dada en la tabla
11.5.1; 2) para k < 0, la distribuci6n de Valor Extremo tipo IT, para la cual (1 1.5.3)
se aplica con (u + alk) 5 x 5 -, y 3 ) para k > 0, la distribuci6n de Valor