HidroEsta: Manual del usuario - pagina (84)
Sy=anta, Dxt+a, ox? $y yx tta, a”
Say =a, x+a, Dx? +a, x 44, )x'+...6a,x"""
Mxy= a, x2 +4, x +4, Wixi ta, Ye +..ta,,2"?
Dery = agdx" +4, x" +a, x"? +a, Yx""+ +a,"
+ (2.88)
Distribuciones teéricas
El hidr6logo generalmente tendré disponible un registro de datos
hidrometeorolégico (precipitacién, caudales, evapotranspiracién,
temperaturas, etc.), a través de su conocimiento del problema fisico,
escogeré un modelo probabilistico a usar, que represente en forma
satisfactoria el comportamiento de la variable.
Para utilizar estos modelos probabilisticos, se deben calcular sus
pardmetros y realizar la prueba de bondad de ajuste.
Si el ajuste es bueno, se puede utilizar la distribucién elegida, una
vez encontrada la ley de distribucién que rige a las variables
aleatorias, ademas, se podra predecir con determinada probabilidad,
la ocurrencia de una determinada magnitud, de un feaédmeno
hidrometeoroldgico. También se podré determinar la magnitud de un
fendémeno para un determinado periodo de retorno.
Las distribuciones teédricas cominmente utilizadas en Hidrologia,
son entre otras:
* Distribucién normalDefiniciones y férmulas - pagina (85)
= Distribucién log-normal de 2 6 3 parémetros
= Distribucién gamma de 2 63 pardémetros
« Distribucién log-Pearson tipo HI
= Distribucién Gumbel
= Distribucién log-Gumbel
Estas distribuciones se describen en este capitulo.
Periodo de retorno (T)
Se define el pertodo de retorno T, como el intervalo promedio de
tiempo en afios, dentro del cual un evento de magnitud x puede ser
igualado o excedido, por lo menos una vez en promedio. Asi, si un
evento igual o mayor a x, ocurre una vez en T afios, su probabilidad
de ocurrencia P, es igual 1 en T casos, es decir:
1
P(X 2 x)= «(2.89
n= F (2.89)
r-—1_
P(X =x)
donde :
P(X 2x ) = probabilidad de ocurrencia de un evento 2x
T = periodo de retorno
La definici6n anterior, permite indicar que la probabilidad de que x
no ocurra en cualquier afio; es decir, la probabilidad de ocurrencia
de un evento < x, se expresa como:
P(X 0, su logaritmo Y = In(X)Definiciones y férmulas - pégina (95)
es descrita por una distribucién normal. Esto es particularmente
cierto, si la variable hidrolégica resulta de algunos procesos
multiplicativos.
La variable aleatoria X, es positiva y el limite inferior xg no aparece.
La variable aleatoria: Y = InX, es normalmente distribuida con
media yy varianza o y
Se usan estos pardémetros para especificar que la distribucién es
logaritmica, puesto que también puede usarse la media y la varianza
de X.
1. Funcion densidad
Se dice que una variable aleatoria X, tiene una distribucién log-
normal de 2 pardmetros, si su funcién densidad es:
f@=— e y (2.112)
xV2Ilo
vi
para0 dys ide 3 Bay wz (241-13)
x dy
también, por las distribuciones acumuladas, se tiene:
FO) dy = fix) dx
6
dx
fy) =f) w- (2.114)
dy
sustituyendo (2.112) y (2.113), en (2.114), resulta:
2
_1/iBeo By
1 2 ey
=); =e /
fo jaa
J
o también:
fO)=
finalmente, reemplazando y = /nx, se tiene:
see
1 2| o
fQ)=z=—e y w- (2.115)
V2Hoy
para-co x (2.127)
2 12 2
o-= Inx, - ses (2.128
y ae i ay) 2-128)
6. Estimacién de parametros, método de momentos
lineales
Utilizando el método de momentos lineales, My y oy , se obtienen,
con las siguientes relaciones:
M, =A, « (2.129)
o, = IIA, seei( 22130)
donde:
4,, 4, = primer y segundo momento lineal calculados con
los y; = Inx,
Nota. Muchos registros hidrometeorolégicos, tienen como valores
de sus variables un valor igual a 0 (ejemplo, sino Iueve la
precipitacién serd 0). Al utilizar la distribucién log-normal, cuando
se toma logaritmos a éstos valores, el resultado es - cc, Para dar
solucién a este problema, se pueden hacer cualquiera de los
siguientes artificios:
1. Sumar | a todos los datos
2. Sumar un valor pequefio a todos los datos ( por ejemplo: 0.1,
0.01, 0.001, etc.)
3. Sustituir los ceros por un 1
4. Sustituir los ceros por un valor positivo pequefioHidroEsta: Manual del usuario - pagina (102)
5. Ignorar todos los ceros del registro
Todas éstas soluciones, afectan los parémetros de la distribucién
log-normal; las soluciones 1 y 2, afectan el valor de py, mientras que
las soluciones 3, 4 y 5, afectan a fy y Oy.
En la figura 2.5, se presenta la funcién densidad de la distribucién
log-normal de 2 pardmetros, para varios valores de p y o?.
fx)
1.0
0.8
Figura 2.5 Distribucidn log-normal de 2 parémetros, con varios
valores de py
Distribucién log-normal de 3 parametros
En muchos casos el logaritmo de una variable aleatoria X, del todo
no son normalmente distribuido, pero restando un paraémetro de
Ifmite inferior xo, antes de tomar logaritmos, se puede conseguir que
sea normalmente distribuida.
Asi:
y = In(x - x0)Definiciones y f6rmulas - pagina (103)
es modelado teniendo una distribucién normal, tal que:
X= Xo + exp(y)
La distribucién log-normal de 3 parametros difiere de la distribucién
log-normal de 2 pardmetros por la introduccién de un limite inferior
Xo, tal que:
y=In@-x%) = y~ Nifty, oy)
1. Funci6n densidad
La funcién de densidad, de la distribucién log-normal de 3
parametros, es:
f= 1 __e (2.131)
para %y Sx<
donde:
Xq: pardmetro de posicién en el dominio x
Hy: pardmetro de escala en el dominio x
o%y : paraémetro de forma en el dominio x
2. Estimacién de parametros, método de momentos
Utilizando el método de los momentos, las relaciones entre la media,
la varianza y el coeficiente de sesgo, de la variable X y los
pardmetros xo, dy y O *y , que se obtiene, son:HidroEsta: Manual del usuario - pagina (104)
. Ht
media: Xx =E@)=x, +e >
Q
Nev
we (2.132)
2u +02 o2
varianza: S2=E(x-E(x))*=e % fe ¥ -1]...(2.133)
coeficiente de sesgo:
1
Hy ot 2 o
C,=8= 37576 Y-1) Je % +2] ...@.134)
#9
6 Cy = 8 =052+4.85 0? -- (2.135)
Ss y
para datos muestrales el coeficiente de sesgo es:
2
Cy =g=-— M3 (2.136)
(NNW -2)53
donde:
Ye,-¥?
M2 oe (2.137)
ww (2.138)Definiciones y formulas - pagina (105)
we (2.139)
luego:
de (2.135): oy =)! + (2.140)
\
de (2.133): we (2.141)
2:
1 Ss
M ==|In) —.—-|-o
Ya | G2 y
| e 7-1
de (2.132): 2 w+ (2,142)
°y
hres
x =X-e”
oO
Luego, dado un conjunto de valores x), x2, x3, ...,X, Con parémetros
X , 8, S°, C,, Cs los parémetros Xo, 1.0% , de la distribucién log-
normal de 3 parémetros, obtenidos por el método de momentos, se
calculan con las ecuaciones (2.142), (2.141) y (2.140),
respectivamente.
Nota limitante:
De la ecuacién (2.140), se observa que para que exista un valor real
deoy, Cs debe ser mayor que 0.52, en caso contrario, su valor sera
imaginario.
La estimacién de los 3 pardmetros de la distribucién lognormal por
e] método de momentos resulta relativamente ineficiente.HidroEsta: Manual del usuario - pagina (106)
3. Estimacién.de parametros, método de maxima
verosimilitud
Los pardmetros de la distribucién log-normal de 3 parémetros,
estimados por el método de maxima verosimilitud son:
ix
yp ie)
~(2.143)
1
ulet (7 -0)- ny P 2 (2.144)
donde:
pardmetro de escala, igual al promedio de losda(x - x9)
Oy= pardmetro de forma, igual a la desviacidn estandar de los
In(x - Xo)
Xo = parémetro de posicién
EI parémetro de posicién se calcula, mediante un proceso iterativo
como solucién de la siguiente expresién resumida:
N
> 0 ... (2.145)
a 8%,
i=1*j)
La ecuacién (2.145), solo es posible resolverla por un proceso
computacional.Definiciones y formulas - pdgina (107)
4. Estimaci6n de parametros, método simplificado
Una forma simple y eficiente de estimar el pardémetro de posicién x5
de la distribucién log-normal, es mediante el estimado del cuantil del
limite inferior, con la siguiente ecuacién:
XX, -x
in Xnedione (2.146)
— 2x,
‘mediana
donde:
x, = primer valor de la serie ordenada ascendentemente
Xp = Ultimo valor de la serie ordenada ascendentemente
medians = Mediana de la serie de valores, cuyo valor se
calcula como:
sin=par = x, = (Xo $Xayou)/2 «.. (2.147)
--- (2.148)
‘mediana
Sin = impar = Xpediona = ¥unen2
n= ntimero de datos de la serie
Cuando x, +x, — 2x, > 0, x representa el limite inferior y u, y
‘median
o se estiman como la media y varianza de y; = I(x; — x0).
Cuando x, + x, — 2x, <0, xo representa el limite superior y 4,
‘medians
y o; se estiman como la media y varianza de yj = In(xo - x).
5. Funci6n de distribucién acumulada
La funcién de distribucién acumulada, se calcula haciendo la
transformaci6n, a una distribucién normal esténdar, siendo su
ecuacién:
ves (2.149)
1
F(Z)=——
(Z) onHidroEsta: Manual del usuario - pagina (108)
donde:
In(x- x9) -
Jp ED ves (2.150)
By
yi Hy, 0 y. Xo son los parametros de la distribucién log-normal
de 3 pardmetros
Cabe mencionar que, si en las ecuaciones (2.131) y (2.150) x9 = 0,
las ecuaciones obtenidas corresponden a la distribucién log-normal
de dos pardmetros.
Distribucién gamma
Otra distribucién que juega un papel importante en Hidrologia es la
distribucién gamma. Su aplicacién es tan comtin, como el uso de la
distribucién log-normal.
Distribucién gamma de dos parametros
1. Funcién densidad
Se dice que una variable aleatoria X, tiene una distribucién gamma
de 2 pardmetros si su funci6n densidad de probabilidad es:
ve (2.151)Definiciones y formulas - pagina (109)
siendo:
y = pardmetro de forma (+)
&= pardmetro de escala (+)
rv) = funcién gamma completa, definida como:
ry)= Jo 27 Tea que converge si y >0
La funciéa gamma tiene las siguientes propiedades:
» Ty) =(y-1)! para y = 1, 2,3,...
* Py+= yxy) para y >0
* P(W)=FQ=l
" 7 (2)= TI
. T (O)= °o
Si y > 0 pero no entero, I'(y) puede ser calculado por expansién de
series e integracién numérica por:
rysyreY pul wt, Le 139
Vy | 127 oggy? sigaoy3 248832074
2. Funcién acumulada
La funcién de distribucién acumulada, de la funcién gamma
incompleta de 2 pardmetros es:
x,
y-l, B
F()= ff == ae es (2.152)
Bra)HidroEsta: Manual del usuario - pagina (110)
Si y es entero, la funcién de distribucién gamma acumulada, segtin
Mood et al (1974), puede calcularse por:
x x!
—*y-1 7
Fay=i-e By VL vee (2.153)
a jl
fa
La variable aleatoria reducida gamma de 2 pardmetros, est4 dada
por:
ye vee (2,154)
B
la cual reduce la funcién de densidad de probabilidad a:
y-lo-y
yi ve
g(y) = - wwe (2.155)
my
y la funci6n de distribucién acumulada a:
y-la-y
YF e
Giy)= dy ve. (2.156)
0 Ty)
Las funciones reducidas contienen el parametroy , por lo cual, cada
valor positivo de y, determina una funcion diferente. Un extracto
de las tablas de Wik, Gnanadesikan Huyett (1962), para las variables
aleatorias reducida Gamma, se muestra en la tabla 2.3.
La solucién de la integral de la funcién gamma reducida de la
ecuacién (2.156), se puede obtener por el desarrollo de la serie:
-y( ly yt ytn-l
Oty) =*] 24 2 4 |... 2.157)
TO) y vat) yyt Dekpen—D |Definiciones y formulas - pagina (111)
Tabla 2.3 Funcién acumulada de variables aleatorias reducidas
Gamma, G(y), en funcion de y y ¥
Gly) y=i y=2]) y=5 y =10 y =20
0.10 0.105 0.532 2.433 6.221 14.53
0.20 0.223 0.824 3.090 7.289 16.17
0.30 0.357 1.097 3.634 8.133 17.44
0.40 0.511 1.376 4.148 8.904 18.57
0.50 0.693 1.678 4.671 9.669 19.67
0.60 0.916 2.022 5.237 _| 10.476 20.81
0.70 1.204 2.439 5.890 | 11.387 22.08
0.80 1.609 2.994 6.721 | 12.519 23.63
0.90 2.303 3.890 7.994 | 14.206 25.90
0.95 2.996 4.744 9.154 | 15.705 27.88
0.99 4.605 6.638 11.605 | 18.783 31.85
o
n yl tte +i-1
eo=o <5 Po - vs (2.158)
fl yt j-D
j=l
En la ecuacién (2.157) 0 (2.158), con un par de valores de y, Y,se
determina G(y), siendo:
x
yore
B
_
ryyaylet tiie + 1 --, ai
VY 127 aggy2 sis4oy3 ~ 248832074
La aplicacién HidroEsta, permite calcular la funcién gamma
acumulada F(x) = G(y), utilizando la transformacién a la variable
reducida y.HidroEsta: Manual del usuario - pagina (112)
La representacién grafica de la funcién densidad y la funcién de
distribucién acumulada, para una variable aleatoria X, que sigue una
distribuci6n gamma, con y = 5 y 8 = 5.63, se muestra en la figura
2.6.
fox)“ f(x)“
| 1.0
O08 | 08
0.02 | 06
0.01 | os
0.2
0 > 0 >
20 40 60 x 20 40 60 x
funcién densidad funci6n acumulada
Figura 2.6 Funcién densidad y funcién acumulada de la
distribucién gamma de dos pardmetros.
3. Estimacién de parametros, método de momentos
Utilizando el método de los momentos, las relaciones ent; 2 la media
X , la varianza S? y el coeficiente de sesgo Cs, de la variable X, y los
pardmetros B y y de la distribucién gamma, que se obtiene, son:
media: X =E(x)= By wee (2.159)
varianza: S$? = Ry «+» (2.160)Definiciones y formulas - pagina (113)
coeficiente de sesgo: Cs =g = ca awe (2.161)
y2
De las ecuaciones (2.159) y (2.160), se tiene:
x2
a ws (2.162)
S 2
De las ecuaciones (2.159) y (2.162), se tiene:
Ss?
= ws (2163)
B ¥ ¢ )
4, Estimacién de parametros, método de maxima
verosimilitud
Thom (1958), establecié que para y < 10, el método de momentos
produce una estimacién inaceptable de los parametros 8 y y. Thom
manifiesta que para y cerca de 1, el método de momentos usa
solamente el 50%, de la informacién de la muestra para estimar 8, y
solamente el 40% para estimar y .
Greenwood y Durand (1960), presentan las siguientes relaciones
aproximadas, de estimacién de parémetros por el método de maxima.
verosimilitud:
para: 0 < y $ 0.5772
y = (0.5000876 + 0.1648852y - 0.0544274y?)/y —... (2.164)
ypara: 0.5772 11 =Tevi*
y= 1+alxtl) - -.. (2.169)
(1+ tl(a2 + a3xtl))
donde:
A
ev) = vee (2.170)
wa ¢ )
1
= -0.5947: b3 = -2.1817: b4 = 1.2113
4,, A, = primer y segundo momento lineal
os (2.171)Definiciones y formulas - pagina (115)
Distribucién gamma de 3 parametros 0 Pearson
tipo I
1. Funcién densidad
Se dice jue una variable aleatoria X, tiene una distribucién gamma
de 3 pardmetros o distribucién Pearson tipo HI, si su funcién
densidad de probabilidad es:
_(-x9)
xy )V1 B
fey 20) 2
BYTY)
(2.172)
para:
Xq S$ x< 00
-09 0.
4. Estimaci6n de parametros, método de momentos
lineales
Los 3 parametros de la distribuci6n gamma, por el método de los
momentos lineales se encuentras con las siguientes ecuaciones:
Si 73> ; , entonces tl=1-13
y= Heol +42 + 03x) 180)
1+ 11(b4 + 11(b5 + b6 xt)
Si B< ; , entonces fl = 31113?
oe 1+alxel _. -.. (2.183) |
t(L + £1(a2 + a3xtl) |
donde:
13=\r,)
A
t=
AsDefiniciones y formulas - pdgina (119)
al = 0.2906: a2 = 0.1882: a3 = 0.0442
bl = 0.36067: b2 = -0.59567:
b4 = -2.78861: b5 = 2.56096:
A,, 4, = segundo y tercer momento lineal
xd, xT)
T(y +1/2)
+++ (2.184)
X =4,-Bxy +++ (2.185)
5. Aplicaciones en hidrologia
Su uso en hidrologia esta casi tan difundido, como el uso de la
distribucién log-normal de 3 pardmetros, con la desventaja, que tiene
mayor complicacién al estimar sus parémetros y calcular los valores
de la funcién de distribucién acumulada.
La practica ha demostrado que los resultados entre la distribucién
log-normal y la distribucién Pearson tipo II, para el ajuste de series
de precipitaciones anuales, médulos anuales, precipitaciones
mensuales, etc. no difieren,
Las razones que convalidan la utilizacién de ésta distribucién de
probabilidad, son las mismas que lo hacen en la distribucién log-
normal.
Distribucion log-Pearson tipo II
1. Funcién densidad
Se dice que una variable aleatoria X, tiene una distribucién log-
Pearson tipo III, si su funcién densidad de probabilidad es:HidroEsta: Manual del usuario - pagina (120)
_ms7%9
-1
soy= (merrell # (2.186)
BT”)
para:
Xp Sx< 0
-00 ° 5 =0,788 os (2.213)
i
w= X-0577210 =X -0458 .., (2.214)
Los pardmetros de la distribucién Gumbel a y p, se calculan con las
ecuaciones (2.213) y (2.214), en funcién de los parametros X y S de
la muestra.
La distribucién Gumbel tiene un coeficiente de sesgo fijo igual a
1.1396.
4. Estimacién de pardmetros, método de momentos
lineales
Los pardmetros de la distribucién Gumbel, por el método de los
momentos lineales se encuentras con las siguientes ecuaciones:
ds
oa wee (2.215.
In2 ‘ }
=A, —0.57721566490153286 la «++ (2.216)
donde:
A,, A, = primer y segundo momento lineal
5. Aplicacién en hidrologia
La ley de Gumbel 0 ley de valores extremos, se utiliza generalmente
para ajustar a una expresién matematica, las distribuciones empiricas
de frecuencia de caudales méximos anuales, precipitaciones
maximas anuales, etc.Definiciones y formulas - pagina (127)
Es importante verificar, antes de aplicar esta distribucién de
probabilidad, que los coeficientes de asimetria y curtosis de la
distribuci6n empfrica sean del mismo orden que los valores
poblacionales.
Uno de ‘os inconvenientes del uso de esta distribuci6n, es que en una
distribucién doble exponencial, la variable puede tomar cualquier
valor, por lo que se puede asignar probabilidades a valores negativos
de la variable aleatoria, cuestién que resta significaci6n fisica a la
aplicacién, debido a que las variables hidrolégicas toman solamente
valores positivos 0 cero.
Distribucién log-Gumbel
1. Funci6n acumulada
La funcién de distribuci6n acumulada de la distribucién Gumbel,
tiene la forma:
Fae" & (2.217)
para: -0o