Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulo X Estadistica Aplicada A La Hidrologia PDF
Capitulo X Estadistica Aplicada A La Hidrologia PDF
CAPTULO X
ESTADSTICA APLICADA A LA HIDROLOGIA
10.1 INTRODUCCIN.
Los estudios hidrolgicos requieren del anlisis de informacin hidrometeorolgica, esta
informacin puede ser de datos de precipitacin, caudales, temperatura, evaporacin,
infiltracin, etc.
Se cuenta con datos recopilados de un periodo disponible, si esta informacin es organizada y
se analiza adecuadamente proporciona una herramienta muy til, para tomar decisiones sobre
el diseo de estructuras hidrulicas y responder a innumerables dudas y parmetros de diseo,
como se muestra en la Figura 10.1
FIGURA No 10.1
APLICACIONES DE LA ESTADISTICA EN LA HIDROLOGIA.
FUNCIONES DE PROBABILIDAD:
Una de las formas de representar las probabilidades de las variables hidrolgicas son las
funciones de probabilidad (funciones de densidad), y las funciones de probabilidad
acumuladas que a continuacin se mencionan.
FIGURA No 10.2
FUNCION DE PROBABILIDAD DISCRETA
FIGURA No 10.3
DOCENTE: Msc. Ing. ABEL A. MUIZ PAUCARMAYTA
3
FIGURA No 10.4
PROBABILIDAD EXCEDENCIA Y NO EXCEDENCIA
Tal que:
P(X x) + P(X x) = 1 (Ec. 10.4)
Lo que significa que la probabilidad de un evento axb, es igual al rea que hay bajo la
curva de la funcin de densidad f(xi) entre x=a y x=b, ver Figura No 10.5
FIGURA No 10.5
PROBABILIDAD DE UN EVENTO axb
Se concluye que la probabilidad puntual es cero, porque el rea bajo la curva es cero.,
como se observa en la Figura 10.6
FIGURA No 10.6
PROBABILIDAD PUNTUAL
FIGURA No 10.7
FUNCION DE DISTRIBUCION ACUMULADA
La Figura No 10.7 nos permite ver el porcentaje de las observaciones que estn por
encima (Fxi) o debajo (1-Fxi) del valor xi con respecto al total.
(Ec. 10.9)
1
T
1 P( X x)
FIGURA No 10.8
CAUDALES DIARIOS MAXIMOS
La media histrica de esta serie de 41 aos resulta 14.9 m3/s.
Ahora considerar por ejemplo el valor 20 m3/s. Trazar una recta a 20 m3/s en el grfico.
Realizar el conteo de aos transcurridos entre eventos mayores a 20 m3/s:
Una vez que se present el evento Q>20 m3/s en el segundo ao, transcurrieron 2 aos
antes de que se volviera a presentar dicho evento. Luego transcurrieron 5 aos, luego 2
aos, etc.
Considerando varias centenas de aos, el periodo de retorno T ser el valor esperado de
esos lapsos de tiempo. Entonces en el ejemplo descrito T puede ser estimado como sigue:
2 5 2 5 6 2 2 1 8 5
T 3.80aos
10
Lo que significa:
Considerando varias centenas de aos, el valor de 20 m3/s es excedido en promedio una
vez cada 3.8 aos, es decir, el periodo de retorno del valor de 20 m3/s es de 3.8 aos.
TABLA No 10.1
PERIODO DE RETORNO PARA ESTRUCTURAS MENORES
TABLA No 10.2
PERIODO DE RETORNO PARA ESTRUCTURAS CIVILES EN GENERAL
TABLA No 10.3
PERIODO DE RETORNO PARA OBRAS HIDRAULICAS EN CARRETERAS
TABLA No 10.4
PERIODO DE RETORNO SEGN AREAS A PROTEGER
/
FUENTE: CAMPOS ARANDA. HIDROLOGIA 1987
TABLA No 10.5
PERIODO DE RETORNO PARA VERTEDEROS DE EMBALSE
1 (Ec. 10.11)
R P( X x.al.menos.una.vez.en.N .aos) 1 (1 ) N
T
Dnde:
T = Periodo de Retorno;
DOCENTE: Msc. Ing. ABEL A. MUIZ PAUCARMAYTA
8
N = Aos
P( X x) = Probabilidad de excedencia
R = Riesgo de fallo o probabilidad de que un evento con periodo de retorno T aos ocurra
al menos una vez en N aos.
De la misma manera se puede definir la confiabilidad que viene a ser el complemento del
riesgo de fallo, que se define como la probabilidad de que un evento con periodo de
retorno de T aos no ocurra en N aos, la confiabilidad se puede expresar de la siguiente
manera:
P( X x.cada.ao.durante.N .aos) 1 P( X x) N
(Ec. 10.12)
1 (Ec.10.13)
R P( X x.cada.ao.durante.N ) (1 ) F ( x) N N
Tambin es posible calcular el periodo de retorno a partir del riesgo de fallo y del nmero
de aos, como sigue a continuacin:
(Ec. 10.14)
1
T
ln .1 R
1 exp
N
Dnde:
m : Numero de orden.
N : Nmero total de datos.
a : Valor entre 0a1, que depende de N de acuerdo a la Tabla No 10.7
TABLA No 10.7
VALORES DEL PARAMETRO a PARA LA FORMULA DE GRINGORTEM
b. Posicin de Ploteo.
Es la representacin grfica de la probabilidad acumulada de una distribucin terica, este
papel de probabilidades tiene las escalas de las ordenada (X) y las abscisas (Probabilidad)
diseadas de tal manera que los datos que van a ser ajustados aparezcan cercanos a una
lnea recta.
El propsito del papel de probabilidad es el de linealizar la relacin de probabilidad de tal
manera que los datos graficados se acomoden a una recta, generalmente con fines de
comparacin. Es una forma de determinar si una serie de datos est siendo representada
de mejor manera por una distribucin de probabilidades en comparacin con otras
distribuciones de probabilidades tericas.
Para este propsito se hace uso de la posicin de ploteo.
Este procedimiento es conocido como la prueba de bondad de ajuste grfico, que nos sirve
para poder determinar si los datos se ajustan a la distribucin representada por el papel de
probabilidades. Ms adelante se presentarn las pruebas de bondad de ajuste estadstico
a. Distribucin Normal.
Tambin denominada distribucin gausiana. Se dice que una variable aleatoria X tiene una
distribucin normal, cuando su funcin de densidad de probabilidad es:
(Ec. 10.15)
1 x X
2
1
f ( x) e
2 S 2 S
Dnde:
f(x) : Funcin de densidad normal de la variable x
x : Variable independiente
X : Parmetro de localizacin, igual a la media aritmtica de x.
S : Parmetro de escala igual a la desviacin estndar de x.
e : Base del logaritmo neperiano
__
FIGURA No 10.9
FUNCION DE DENSIDAD DE LA DISTRIBUCION NORMAL
Para su aplicacin lo ms fcil es la utilizacin de una tabla que relacione Z versus f(Z)
para lo cual se ha definido la variable estandarizada como:
x X (Ec. 10.16)
Z
S
Donde la funcin de densidad de Z, es denominada funcin de densidad de la distribucin
normal estndar o estandarizada, que tiene la siguiente expresin:
(Ec. 10.17)
Z
2
1
f (Z ) e
2 S 2
Una caracterstica importante de la distribucin normal estndar es que tiene la media cero
y la varianza igual a uno.
La funcin de distribucin acumulada de la distribucin normal es:
2
1 x X
1
2 S
(Ec. 10.18)
F ( x) f ( x) e
x x
dx
2 S
O su equivalente:
Z2
1 (Ec. 10.19)
F ( x) F ( Z ) e
2
Z
dZ
2
Para 0<x<
(Ec. 10.20)
1 ln .x
2
1
f ( x) e y
x 2 2
y y
Para -<y<
(Ec. 10.21)
1 y
2
1
f ( y) e y
2 2
y y
DOCENTE: Msc. Ing. ABEL A. MUIZ PAUCARMAYTA
12
Dnde:
f(x) : Funcin de densidad log-normal de la variable x
x : Variable independiente y
y : Media aritmtica de los logaritmos naturales de x
y : Desviacin estndar de los logaritmos naturales de x
y : ln x
e : Base del logaritmo neperiano
La funcin de distribucin acumulada de la distribucin log-normal se muestra a
continuacin.
1 ln .x (Ec. 10.22)
2
1
F ( x) f ( x) e dx
x x y
x 2
2
0 0
y y
O su equivalente:
(Ec. 10.23)
1 y
2
1
F ( y ) f ( x) e dy
y y y
2
2
y y
Si:
y ln .x
Z y
y
y
y
1 Z2
(Ec. 10.24)
2
e
Z
F (Z ) dZ
2
FIGURA No 10.10
FUNCION DE DENSIDAD DE LA DISTRIBUCION LOG NORMAL
Una vez realizada la transformacin con la variable estandarizada Z, utilizar las tablas de
la ley normal para el clculo de la probabilidad o la funcin acumulada.
La distribucin log-normal es de gran utilidad en hidrologa, siendo algunas de sus
principales aplicaciones:
Como referencia para comparar varias distribuciones tericas de ajuste con una
distribucin emprica.
Anlisis de errores aleatorios en las observaciones o mediciones hidrolgicas.
Para aplicar inferencia estadstica.
(x x ) 1
( x x0 ) (Ec. 10.25)
f ( x) e 0
( )
(x x ) 1
( x x0 ) (Ec. 10.26)
F ( x)
x
e 0
( )
x0
Dnde:
f(x) : Funcin de densidad de la variable x.
F(x) : Funcin de distribucin acumulada.
x : Variable aleatoria.
x0 : Origen de la variable x, parmetro de posicin.
: Parmetro de escala.
: Parmetro de forma.
() : Funcin gama completa.
FIGURA No 10.11
FUNCION DE DENSIDAD DE LA DISTRIBUCION PEARSON TIPO III
X X K * x
(Ec. 10.27)
Dnde:
X : Variable analizada, con una probabilidad dada.
_
Para la distribucin Pearson tipo III, se deber calcular la media, la desviacin estndar y
el coeficiente de asimetra.
Media : _
x (Ec. 10.28)
X i
Desviacin Estndar : (x X )
2 (Ec. 10.29)
i
N 1
x
Coeficiente de Asimetra : N (x X ) 3 (Ec. 10.30)
C g i
( N 1)( N 2)
s 3
La distribucin Pearson tipo III es de gran utilidad en hidrologa, siendo algunas de sus
principales aplicaciones:
Como referencia para comparar varias distribuciones tericas de ajuste con una
distribucin emprica.
Anlisis de errores aleatorios en las observaciones o mediciones hidrolgicas.
Para aplicar inferencia estadstica.
Para realizar ajustes de distribucin emprica de variables hidrolgicas de precipitacin,
caudales, temperatura, etc., tales como valores anuales, mensuales o valores
acumulados anuales, mensuales.
1 x
(Ec. 10.31)
f ( x)
e
e
Dnde:
f(x) : Funcin de densidad de Gumbel de la variable x.
x : Variable independiente.
: Parmetro de escala.
: Parmetro de posicin, llamado moda.
DOCENTE: Msc. Ing. ABEL A. MUIZ PAUCARMAYTA
15
FIGURA No 10.12
FUNCION DE DENSIDAD DE LA DISTRIBUCION GUMBEL
F ( x) e
e
(Ec. 10.32)
6 (Ec. 10.33)
S 0.78S
2
a. Prueba Chi Cuadrado X
La prueba Chi-cuadrado se basa en el clculo de frecuencias, tanto de valores
observados, como valores esperados, para un nmero determinado de intervalos.
Esta prueba es comnmente usada para verificar la bondad de ajuste de la distribucin
emprica a una distribucin terica conocida, fue propuesta por Karl Pearson en 1900.
La expresin general de la prueba Chi-cuadrado est dada por:
(Ec. 10.35)
e
x
k
2 i i
c
i 1
e i
e N
k k
i i
i 1 i 1
Dnde:
i : Numero de valores observados en el intervalo de clase i.
ei : Numero de valores esperados en el intervalo de clase i.
2
x c
: Valor calculado de Chi Cuadrado, a partir de los datos.
N NP (Ec. 10.36)
x
k
2 i i
c
i 1
NP i
Donde:
Ni : Nmero de observaciones que caen dentro de los lmites de clases ajustadas
del intervalo i
N : Tamao muestral i
Pi : Probabilidad igual para todos los intervalos de clases
Pi =1/k o ei=PiN
K (Ec. 10.37)
x N N
k
2 2
c
N i 1 i
2 2
El valor de x c
obtenido por la ecuacin se compara con el x t
de la Tabla C-3 del Anexo
entonces el ajuste es malo y se rechaza la hiptesis, siendo necesario probar con otra
distribucin terica.
Esta prueba es de fcil aplicacin, es vlida slo para ajustes a la distribucin normal, en
la prctica se usa para cualquier modelo de ajuste.
b. Prueba de Smirnov-Kolmogorov.
La prueba de ajuste de Sminov-Kolmogorov, consiste en comparar las diferencias
existentes entre la probabilidad emprica de los datos de la muestra y la probabilidad
terica, tomando el valor mximo del valor absoluto, de la diferencia entre el valor
observado y el valor de la recta terica del modelo , es decir:
Donde:
D : Estadstico de Smirnov-Kolmogorov, cuyo valor es igual a la diferencia mxima
existente entre la probabilidad ajustada y la probabilidad emprica
F(x) : Probabilidad de la distribucin terica
P(x) : Probabilidad experimental o emprica de los datos
Pmax F ( x) P( x) 0 o P.D D 0
Tambien:
m (Ec. 10.40)
Px
N 1
Dnde:
Px : Probabilidad emprica o experimental.
m : Numero de orden.
N : Numero de datos.
2. Calcular la probabilidad terica F(x), utilizando la ecuacin de la funcin acumulada
F(x) de los modelos tericos o tablas elaboradas para tal fin.
3. Calcular las diferencias F(x)-P(x)
4. Seleccionar la mxima diferencia: D mx. F(x)-P(x)
5. Calcular el valor crtico del estadstico D, es decir D0, para un nivel de significancia
=0.05 y N igual al nmero de datos, los valores de D 0 se muestran a continuacin en
la siguiente tabla:
6. Comparar el valor del estadstico D, con el valor crtico D0 de la Tabla C-4 del Anexo C,
con los siguientes criterios de decisin:
Si:
D<D0 El ajuste es bueno, al nivel de significacin seleccionado
DD0 El ajuste no es bueno, al nivel de significacin seleccionado, siendo necesario
probar con otra distribucin.
Esta prueba de ajuste no requiere del conocimiento a priori de la funcin de distribucin
terica, es aplicable a distribuciones de datos no agrupados y de cualquier distribucin
terica.
Comparndola con la prueba Chi-cuadrado, no requiere que la frecuencia absoluta de
cada clase sea igual o mayor que 5, esta no es una prueba exacta, sino una prueba
aproximada.