Universidad Nacional Agraria La Molina

Facultad de Ingeniera Agrcola DRAT

IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

CLASE X

ANLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIN TOTAL ANUAL Y

CAUDAL MEDIO ANUAL

1. Longitud necesaria de registro

Diversos investigadores como Rubinstein et al, han estudiado el problema de encontrar el

perodo ms racional para obtener valores estables y mutuamente comparables de los diversos
elementos meteorolgicos y concluyen que para el caso de la precipitacin, un periodo de 30
aos es an insuficiente para obtener un promedio estable de precipitacin total mensual, pero
son suficientes para un promedio de precipitacin total anual.

Cuantitativamente se puede utilizar el parmetro estadstico: Coeficiente de Variacin (Cv),

S
definido como: Cv = , para indicar que valores menores a 0.20 indican para la mayora de
x
los propsitos una aceptable longitud de la serie y una moderada variabilidad. Valores de Cv
mayores a 0.25 puede indicar que la serie de datos de lluvia anual es muy corta para obtener
de ella estimaciones confiables.

Shuh Chai Lee (1956), utiliz la estadstica de la media para estimar la longitud de registro
necesario para determinar el valor medio de los datos dentro de ciertos lmites seleccionados

de la media poblacional () , comnmente el 5% o 10%, esto implicara que x estara entre

0.95 x y 1.05 x o 0.90 x y 1.1 x , respectivamente.
Para probar los anterior se puede utilizar la distribucin t de Student, =n-2 grados de libertad,
siendo n el tamao de la muestra o tambin el valor buscado y un nivel de significancia . El
estadstico t est definido por la siguiente ecuacin:

x
t=
S
n
2
2S
t
x t 2 (Cv )2
Despejando n se obtiene n =

2
e2
1
x

Donde Cv es el coeficiente de variacin y 'e' es el lmite de exactitud deseado y por lo tanto

x (1-e) y x (1+e) son los llamados lmites de confianza de .

Como el valor de t es funcin de n, la ecuacin anterior se resuelve por tanteos. Por otra parte
el nivel de significancia es funcin del nivel de confianza deseado, o la probabilidad adoptada
para que la media del registro de tamao 'n' este dentro del lmite 'e'.

1 24/05/04
 Universidad Nacional Agraria La Molina
Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde
Por ejemplo

Se desea conocer la longitud de registro necesario para que con una probabilidad del 90%, la
media de la estacin climatolgica X, est dentro del 10% de la media verdadera, si se sabe
que para un periodo de registro de 38 aos se tiene una media de 745 mm con una desviacin
estndar tpica de 283.5 mm.

t 2 (Cv )2
Reemplazando en la ecuacin n = , y sabiendo que Cv = (283.5/745)2 y e = 0.10,
e2
entonces n = 14.4808 t2

Por lo tanto se requiere un registro de 41 aos para obtener una media en la estacin X, que
difiera de la verdadera en 10% con una probabilidad del 90%.

n (aos) 38 n t n Error (%)

38 1.688 41.28 -8.62
media (mm) 745.00
39 1.687 41.22 -5.68
desviacin estandar (mm) 283.50 40 1.686 41.16 -2.90
Alfa 0.10 41 1.685 41.11 -0.26
42 1.684 41.06 2.24
43 1.683 41.01 4.63
44 1.682 40.97 6.90
45 1.681 40.92 9.06

2. Funciones de distribucin utilizadas en el anlisis probabilstico de precipitaciones totales

anuales y caudales medios anuales

2.1 Seleccin de la funcin de distribucin ms adecuada

Aunque existe un nmero importante de distribuciones de probabilidad empleadas en

hidrologa, son slo unas cuantas las comnmente utilizadas, debido a que los datos
hidrolgicos de diversos tipos han sido probados en repetidas ocasiones ajustarse
satisfactoriamente a ciertos modelos tericos.

Pauta:

a. Las distribuciones de probabilidad ms adecuadas para aproximar series anuales de

precipitacin o descargas son la normal y la log normal, segn el siguiente criterio:

Coeficiente de oblicuidad (g)

Cv
-1.5 a -0.2 -0.2 a 0.5
0.00 a 0.25 Normal
Normal Si Cs<0.2 Log-normal
0.25 a 2.00
Weibull Si Cs>0.2

Siendo:

(log x log x )
3
n i
Coeficiente de oblicuidad (g), g=
(n 1)(n 2)(Iv )3

Indice de variabilidad (Iv), Iv =

1
n 1
[ (log xi log x) ] 2

2 24/05/04
 Universidad Nacional Agraria La Molina
Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde
a3
Coeficiente de asimetra, Cs =
S3

(xi x)
n 3
a3 =
(n 1)((n 2) )
2.2 Utilidad

Despus de ajustar una cierta distribucin de probabilidades a un registro de precipitacin total

anual o descarga media anual, sta se utiliza para obtener la probabilidad de tener lluvias
anuales o descargas medias anuales menores que un cierto valor previamente seleccionado y
tambin valores mayores que otra determinada magnitud. Tales determinaciones son valiosas
para el diseo de sistemas hidrulicos como por ejemplo en proyectos de irrigacin.

Si por ejemplo los lmites inferior y superior de lluvia de acuerdo a la tolerancia de un cultivo
son conocidos, entonces puede ser evaluada la probabilidad de falla de tal cultivo debido a la
sequa o al exceso de lluvia.

Los registros de precipitacin de un determinado mes o poca son bastante susceptibles de

anlisis probabilstico, semejante al descrito para las lluvias anuales, sin embargo, en este caso
interesa por lo general construir grficas que indiquen las lluvias mensuales para determinadas
probabilidades de ocurrencia, por ejemplo para el 50%, 75% y 95%.

Es as que para proyectos de irrigacin se utilizan valores de precipitacin con probabilidad de

ocurrencia o persistencia correspondiente al 75% y para proyectos hidroenergticos se utiliza
95%.

Por ejemplo, para el ro Santa, siendo evaluadas las descargas medias mensuales para
diferentes niveles de probabilidad de ocurrencia o persistencia.

3 24/05/04
 Universidad Nacional Agraria La Molina
Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

DESCARGAS MEDIAS AL 25%,50% y 75% DE PERSISTENCIA DEL RIO SANTA

ESTACION CONDORCERRO
1978/2000

450

400

350
DESCARGAS (m3/s)

300

250

200

150

100

50

0
ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
Q75% 122,104 158,507 173,923 140,745 77,821 47,963 38,808 38,355 41,212 53,213 70,605 87,796
Q50% 142,460 292,714 315,505 230,104 103,222 62,003 44,978 41,389 48,476 63,553 94,293 114,403
Q25% 219,999 350,225 391,206 312,688 124,017 64,729 51,588 45,040 53,962 96,195 114,259 176,884
Qmedio 183,297 295,233 313,978 231,253 104,270 59,422 45,641 42,178 48,379 72,191 101,835 139,925
TIEMPO (Meses)

3. Concepto y seleccin del periodo de retorno

El objetivo primario del anlisis estadstico de datos hidrolgicos es la determinacin del

llamado periodo de retorno en un cierto evento hidrolgico de una magnitud dada x. El periodo
de retorno Tr se define como el lapso promedio entre la ocurrencia de un evento igual o mayor
a una magnitud dada.

Como en hidrologa se utilizan muestras integradas por los eventos hidrolgicos anuales, se
podr plantear la siguiente ecuacin basndose en el concepto de probabilidad.

1
P( X x ) =
Tr

La ecuacin anterior indica que si un evento hidrolgico X igual o mayor que x, ocurre una vez
en Tr aos, su probabilidad de excedencia es 1/Tr, es decir que si una excedencia ocurre en
promedio una vez cada 25 aos, la probabilidad de que tal evento ocurra en cualquier ao es
1/25.

4. Ecuacin general del anlisis hidrolgico de frecuencias

Ven Te Chow (1951) propuso que toda variable X de una serie hidrolgica puede ser
expresada de la siguiente manera:

X = x + K (S )

X
= 1 + K (Cv)
x

Siendo :
X : Variable aleatoria
x : Valor medio de la serie
S : Desviacin tpica de la serie
Cv : Coeficiente de variacin de la serie
K : Factor de frecuencia

4 24/05/04
 Universidad Nacional Agraria La Molina
Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

La ecuacin anterior es aplicable a casi todas las ecuaciones de probabilidad empleadas en

hidrologa.

La incertidumbre debida al desconocimiento de la distribucin de probabilidades de los datos

es un tema de controversia, sin embargo existen test o pruebas estadsticas para resolver este
problema como son las pruebas de Kolmogorov-Smirnov y Chi-cuadrado.

Asimismo el comparar grficamente la distribucin de probabilidades empricas y la terica

propuesta, conjuntamente con el juicio ingenieril y la experiencia en hidrologa, pueden
conducir en forma ms precisa y rpida a seleccionar la distribucin terica ms adecuada a
los datos.

5. Distribuciones de probabilidad adecuadas a lluvias y escurrimientos anuales

5.1 Distribucin normal y Log-normal

La distribucin normal es simtrica, con forma de campana; su distribucin representa los

errores accidentales alrededor de la media y por eso se conoce como Ley de Errores o de
Gauss.

La distribucin Log-normal es simtrica con sesgo hacia la derecha y equivale a una

distribucin normal en la cual la variable se reemplaza por su valor logartmico. Al igual que la
distribucin normal, la log-normal es funcin de slo dos parmetros estadsticos, la media y la
desviacin estndar.

La funcin de distribucin de probabilidad normal se define como:

2
1 x

1
F ( x) = e 2 dx
2

Donde y son los parmetros de la distribucin.

Para el clculo numrico de las distribuciones normal y log-normal se utilizan las siguientes
ecuaciones:

- Para la distribucin normal X = x + K (S )

- Para la distribucin log-normal log X = log x + K ( Iv)

El factor de frecuencia K es conocido tambin con el nombre de variable estandarizada para el

caso de la distribucin normal, est en funcin de la probabilidad P(X<=x) o del periodo de
retorno Tr, mediante la siguiente tabla.

5 24/05/04
 Universidad Nacional Agraria La Molina
Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

P(X<=x) % Tr (aos) K=Z

99.9 1000.00 3.0902
99.8 500.00 2.8782
99.0 100.00 2.3264
98.0 50.00 2.0538
95.0 20.00 1.6449
90.0 10.00 1.2816
80.0 5.00 0.8416
50.0 2.00 0
20.0 1.25 -0.8416
10.0 1.11 -1.2816
5.0 1.05 -1.6449
2.0 1.02 -2.0538
1.0 1.01 -2.3264
0.1 1.00 -3.0902

La metodologa de aplicacin consistir en calcular x y S, cuando se quiere ajustar a una

distribucin normal y log x e Iv cuando se quiere ajustar a una distribucin log-normal,
respectivamente.

A continuacin se calculan los valores de la variable X (lluvia anual) para los periodos de
retorno de los factores de frecuencia o variable estandarizada.

6 24/05/04
 Universidad Nacional Agraria La Molina
Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

Ejemplo:

Consideremos la precipitacin total anual registrada en la Estacin Tacalaya, Cuenca del ro

Locumba, Departamento de Tacna.

Estacin : Tacalaya
Cuenca : Locumba
Departamento : Tacna
Ao Pp.Total Anual (mm) Log(Pp.Total Anual)
1953 542.9 2.735
1954 603.8 2.781
1955 646.4 2.811
1956 225.3 2.353
1957 356.0 2.551
1958 310.2 2.492
1959 462.8 2.665
1960 345.9 2.539
1961 666.9 2.824
1962 503.2 2.702 Factor de Frecuencia Mediante Factor de Frecuencia
P(X<=x) % Tr (aos) K=Z Normal Log-Normal
1963 665.0 2.823
99.9 1000.00 3.0902 941.8 23.831
1964 427.7 2.631 99.8 500.00 2.8782 909.6 22.990
1965 285.0 2.455 99.0 100.00 2.3264 825.8 20.936
1966 325.2 2.512 98.0 50.00 2.0538 784.4 19.991
1967 544.9 2.736 95.0 20.00 1.6449 722.3 18.652
1968 615.0 2.789 90.0 10.00 1.2816 667.2 17.537
1969 506.8 2.705 80.0 5.00 0.8416 600.3 16.277
50.0 2.00 0 472.5 14.112
1970 420.2 2.623
20.0 1.25 -0.8416 344.7 12.236
1971 494.9 2.695 10.0 1.11 -1.2816 277.9 11.356
1972 700.2 2.845 5.0 1.05 -1.6449 222.7 10.678
1973 629.9 2.799 2.0 1.02 -2.0538 160.6 9.962
1974 562.5 2.750 1.0 1.01 -2.3264 119.2 9.512
1975 543.3 2.735 0.1 1.00 -3.0902 3.2 8.357
1976 454.7 2.658
1977 367.5 2.565
1978 361.4 2.558
1979 355.5 2.551
1980 308.3 2.489
1981 504.1 2.703
1982 351.8 2.546
1983 111.4 2.047
1984 657.6 2.818
1985 736.4 2.867
Media 472.5 2.647
Desv.Est. 151.9 0.170

7 24/05/04
 Universidad Nacional Agraria La Molina
Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

NOrden Prob.Emprica (%) Prob.Emp.Excedencia Series ordenadas de mayor a menor Distribucin Distribucin
Weibull P(X>=x) Pp.Total Anual Log(Pp.Total Anual) Normal Log-normal
1 3 97 736.4 2.867 759.5 19.442
2 6 94 700.2 2.845 710.2 18.400
3 9 91 666.9 2.824 677.8 17.747
4 12 88 665.0 2.823 652.8 17.258
5 15 85 657.6 2.818 631.8 16.860
6 18 82 646.4 2.811 613.6 16.519
7 21 79 629.9 2.799 597.2 16.219
8 24 76 615.0 2.789 582.1 15.949
9 26 74 603.8 2.781 568.0 15.700
10 29 71 562.5 2.750 554.7 15.469
11 32 68 544.9 2.736 542.0 15.251
12 35 65 543.3 2.735 529.8 15.045
13 38 62 542.9 2.735 518.0 14.847
14 41 59 506.8 2.705 506.4 14.656
15 44 56 504.1 2.703 495.0 14.471
16 47 53 503.2 2.702 483.7 14.290
17 50 50 494.9 2.695 472.5 14.112
18 53 47 462.8 2.665 461.3 13.937
19 56 44 454.7 2.658 450.0 13.762
20 59 41 427.7 2.631 438.6 13.589
21 62 38 420.2 2.623 427.0 13.414
22 65 35 367.5 2.565 415.2 13.237
23 68 32 361.4 2.558 403.0 13.058
24 71 29 356.0 2.551 390.3 12.874
25 74 26 355.5 2.551 377.0 12.685
26 76 24 351.8 2.546 362.9 12.487
27 79 21 345.9 2.539 347.8 12.279
28 82 18 325.2 2.512 331.4 12.056
29 85 15 310.2 2.492 313.2 11.812
30 88 12 308.3 2.489 292.3 11.540
31 91 9 285.0 2.455 267.2 11.222
32 94 6 225.3 2.353 234.9 10.824
33 97 3 111.4 2.047 185.5 10.244

Ajuste de datos a Distribucin normal y log-normal

Prob.Emp.No Excedencia P(X<=x) Distribucin Normal Distribucin Log-normal

800 25
700
Pp.Total Anual (mm)

20
Log.normal
600
Pp.Ajuste

500 15
400
300 10
200
5
100
0 0
0 20 40 60 80 100
Probabilidad (X<=x)

8 24/05/04