U5 S07 S08 Hidrologia Estadistica

Hidrología
SEMANA VII Y VIII
HIDROLOGIA
ESTADISTICA
ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

Hidrología

Hidrología
OBJETIVOS:
Para la planeación y diseño de muchos
proyectos relacionados con el agua es
necesario el uso de información hidro-
metereologica, por lo cual en esta unidad se:
•Aprender a realizar las pruebas de

consistencia y homogeneidad de datos
meteorológicos e hidrométricos básicos.
•Análisis de saltos y tendencias, corrección
de datos hidrométricos
•Completación y extensión de
registros(extensión de datos , estimación de
Datos Faltantes)

Hidrología
Como saber si la información

meteorológica es consistente y de
calidad?
Imagen Fuente : www.senamhi.gob.pe

Hidrología
COMO PREPARAR LOS DATOS
ANALISIS EXPLORATORIO DE DATOS

COMPLETACION DE DATOS (*)
ANALISIS DE ANALISIS DE DOBLE

CONSISTENCIA MASA, MVR.
ANALISIS DE AUTOCORRELACION
ESTACIONARIEDAD (IND) TENDENCIA
E INDEPENDENCIA CAMBIOS EN LA
LINEAL MEDIA

Hidrología
ANÁLISIS DE
CONSISTENCIA
•Comparación tabular.
•Dibujo de series de tiempo

(inspección visual).
•Análisis de doble masa.

Hidrología
ANÁLISIS DE
CONSISTENCIA
Comparación tabular
Comparación tabular de precipitación mensual en la

cuenca Ubeluzi , Mozambique
Hidrología
Aditive Model Vs Measured Daily Discharge Values

140
ANÁLISIS DE 120
100
CONSISTENCIA
Discharge (m3/s)
80
60
Inspección Visual 40
Las inconsistencias y no homogeneidad, se manifiesta
con saltos y/o tendencias en las series hidrológicas, 20
afectando las características estadísticas, como la 0
1318
1757
2196
2635
3074
3513
3952
4391
4830
5269
5708
6147
6586
7025
7464
7903
8342
8781
9220
9659
10098
10537
10976
11415
11854
12293
12732
13171
13610
14049
14488
14927
15366
15805
16244
16683
17122
440
879
1
media, mediana, desviación estándar, etc. Measured Predicted
0.900
Chemoga Baseflow
0.800
0.700
Baseflow Discharge [m 3 /s]

0.600
0.500
0.400
0.300
0.200
Chemoga y = -0.0072x + 0.6701
0.100
R² = 0.2439
0.000
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
Chemoga BFI Linear (Chemoga BFI)
Análisis de tendencias en descargas Análisis de tendencias en descargas

Yangxiao Zhou, 2009 Cuenca Chemoga , Ethiopia
Spannenburg, Friesland, Holanda. Zafra et. al, 2009

Hidrología
Aditive Model Vs Measured Daily Discharge Values

140
ANÁLISIS DE 120
100
CONSISTENCIA
Discharge (m3/s)
80
60
Inspección Visual 40
Las inconsistencias y no homogeneidad, se manifiesta
con saltos y/o tendencias en las series hidrológicas, 20
afectando las características estadísticas, como la 0
1318
1757
2196
2635
3074
3513
3952
4391
4830
5269
5708
6147
6586
7025
7464
7903
8342
8781
9220
9659
10098
10537
10976
11415
11854
12293
12732
13171
13610
14049
14488
14927
15366
15805
16244
16683
17122
440
879
1
media, mediana, desviación estándar, etc. Measured Predicted
0.900
Chemoga Baseflow
0.800
0.700

0.600
0.500
0.400
0.300
0.200
Chemoga y = -0.0072x + 0.6701
0.100
R² = 0.2439
0.000
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
Análisis de tendencias en descargas Análisis de tendencias en descargas

Yangxiao Zhou, 2009 Cuenca Chemoga , Ethiopia
Spannenburg, Friesland, Holanda. Zafra et. al, 2009

Hidrología
ANÁLISIS DE
CONSISTENCIA
Inspección Visual
Análisis de tendencias en descargas
Yangxiao Zhou, 2009
Spannenburg, Friesland, Holanda.
SALTOS: Identificados con cambios bruscos en los datos por lo que estos no son considerados
homogéneos ni consistentes.
a) Salto en la media:
b) Salto en la desviación estándar:

Hidrología
0.900
Chemoga Baseflow
ANÁLISIS DE 0.800
0.700

0.600
CONSISTENCIA 0.500
0.400
0.300
0.200
Inspección Visual 0.100
Chemoga y = -0.0072x + 0.6701
R² = 0.2439
0.000
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
TENDENCIA: Identificados con cambios continuos en Análisis de tendencias en descargas

los datos por lo que estos no son considerados Cuenca Chemoga , Ethiopia
Zafra et. al, 2009
homogéneos ni consistentes.
a) Tendencia en la media; esta tiende a incrementarse con el tiempo
b) Tendencia en la desviación estándar; esta tiende a incrementarse con el tiempo

Hidrología
ANÁLISIS DE
CONSISTENCIA Acumulado de
estaciones A, B, C.
Estación A
Doble Masa
Para verificar la homogeneidad de los datos

Estación B
y comprobar la presencia de anormalidades
en las estaciones (cambio de posición,
cambio de equipo) se utilizan curvas masa.
Estación C
Las curvas masa, son gráficos de
precipitación acumulada, en la que se ubica
la precipitación promedio acumulada de Acumulado del
todas las estaciones en las abscisas y la Promedio de
estaciones A, B, C.
precipitación acumulada en las ordenadas.

Hidrología
ANÁLISIS DE
estaciones A, B, C.
Estación A
Doble Masa
Al comparar las curvas de doble masa, se

Estación B
selecciona la estación mas confiable.
La estación que tiene menos quiebres,
puede ser considerada como la estación
mas confiable. Estación C
En este caso la estación B puede ser
considerada como la mas confiable.
Luego se procede a construir la curva de Acumulado del
doble masa con la estación base (B) en las Promedio de
estaciones A, B, C.
abscisas y la estación a estudiar en las
ordenadas.

Hidrología
ANÁLISIS DE
estaciones A, B, C.
Doble Masa
Estación A
Si por ejemplo se necesita corregir el
Periodo 1, el ajuste se realiza multiplicando
Periodo 1
cada precipitación del Periodo 2, por la
razón de las pendientes m2/m1.
Pc = (m2/m1 ) p
Periodo 2
P = precipitación a corregir Acumulado Estación

Pc = precipitación corregida Base (B)
m2 = pendiente de p
m1 = pendiente de Pc

Hidrología
ANÁLISIS DE
estaciones A, B, C.
Doble Masa
Estación A
•En el análisis de doble masa no se
consideran los quiebres que no persisten
Periodo 1
por mas de 4 años, ya que se considera que
los quiebres cortos se deben principalmente
a la variabilidad inherente a los dato
hidrológicos.
Periodo 2
•No se recomienda usar curvas de doble
masa en regiones montañosas, por que las Acumulado Estación
diferencias en los registros de estaciones Base (B)
cercanas pueden deberse a eventos

meteorológicos diferentes.

Hidrología
ANÁLISIS
ESTADISTICO
Análisis de Saltos
1. Consistencia de la Media
El análisis estadístico consiste en

probar, mediante la prueba t (prueba
de hipótesis), si los valores medios de
las submuestras, son estadísticamente
iguales o diferentes con una
probabilidad del 95% o con 5% de nivel
de significación, de la siguiente
manera:
Cuenca Chemoga , Ethiopia
Zafra et. al, 2009

Hidrología
ANÁLISIS
ESTADISTICO
Análisis de Saltos
a) Calculo de la media y de la desviación
estándar para las submuestras, según:

Zafra et. al, 2009

Hidrología
ANÁLISIS
ESTADISTICO
Análisis de Saltos
b) Calculo del (tc) calculado según:

Zafra et. al, 2009

Hidrología
ANÁLISIS
ESTADISTICO
Análisis de Saltos
c) Calculo del t tabular t(T) :
El valor critico de t se obtiene de la tabla t

de Student (tabla A.5 del apéndice ), con
una probabilidad al 95%, o con un nivel de
significación del 5%, es decir con α/2 =
0.025 y con grados de libertad y= n1 + n2 -
2

Zafra et. al, 2009

Hidrología
ANÁLISIS
ESTADISTICO
Análisis de Saltos
d) Comparación del tc con el t(T):
- Si │tc│ ≤ t(t) 95% → x1 = x2 (estadísticamente)
En este caso, siendo
- Si │tc│ > t(t) 95% → x1 ≠ x2 (estadísticamente)

Zafra et. al, 2009

Hidrología
CORRECION DE DATOS
•En los casos en que la media y la
desviación estándar son estadísticamente
iguales no se corrige la información original
por ser consistente con 95% de
probabilidades de que así sea, aun cuando
en el grafico de doble masa se observen
quiebres. Al cumplirse ambas condiciones,
la información es totalmente homogénea.
•En caso de no presentarse lo anterior se

puede recurrir a la corrección de datos,
previa verificación.

Hidrología
ESTIMACION DE
DATOS FALTANTES
Introducción
•La falla de equipos, datos

dudosos, cambios de ubicación de
estaciones, etc. genera problemas
en estudios hidrológicos.
•En muchas oportunidades es

necesario completar una serie de
datos hidrometeorológicos y e
hidrométricos.

Hidrología
ESTIMACION DE DATOS
FALTANTES
Introducción
•Existen diversos métodos y

técnicas de estimación de datos
faltantes.
•Se debe tener en cuenta la

metodología y teoría en las que se
apoya cada método para aplicarlo
correctamente y poder analizar y
entender los resultados.

Hidrología
ESTIMACION DE DATOS
FALTANTES
Correlación Lineal
•Generalmente se utilizan datos de

estaciones vecinas en periodos
simultáneos.
•Se pueden correlacionar las

precipitaciones medidas de una
estación cercana o el promedio de
estaciones cercanas con la estación
que se desea completar.

Hidrología
ESTIMACION DE DATOS
FALTANTES Cuenca del Rio Umbeluzi
Correlación Lineal 1951-1952
2500
•Generalmente se utilizan datos de 2000
P 425 (mm/month)
estaciones vecinas en periodos 1500
simultáneos. 1000
y = 0.9011x - 74.561
R² = 0.9937
𝑦= 𝛼+ 𝛽𝑥 500
0
𝑦𝑖 𝑥𝑖2 − 𝑥𝑖 𝑦𝑖 𝑥𝑖 0 500 1000 1500 2000 2500
𝛼= Average 0f P5, P6 and P119 (mm/month)
𝑛 𝑥𝑖2 − 𝑥𝑖 2
Jorge Zafra © 2009
𝑛 𝑥𝑖 𝑦𝑖 − 𝑥𝑖 𝑦𝑖 𝜎𝑥
𝛽= 𝜌= 𝛽
𝑛 𝑥𝑖2 − 𝑥𝑖 2 𝜎𝑦

Hidrología
ESTIMACION DE DATOS
2500
•Se busca una ecuación que 2000
P 425 (mm/month)
presente la mejor correlación. 1500
1000
y = 0.9011x - 74.561
•Una vez obtenida una ecuación 500
R² = 0.9937
lineal, se completan los datos 0

faltantes. 0 500 1000 1500 2000
Average 0f P5, P6 and P119 (mm/month)
2500
Que pasa si la correlación no es Jorge Zafra © 2009
aceptable??

Hidrología
ESTIMACION DE DATOS
2500
•Primero se correlaciona la 2000
P 425 (mm/month)
estaciones mas cercanas a la 1500
estación de estudio. 1000

y = 0.9011x - 74.561
R² = 0.9937
500
•Si la precipitación difiere en 0

menos del 10% , se correlaciona el 0 500 1000 1500 2000
2500
promedio de las estaciones

cercanas con la estación que se Jorge Zafra © 2009
desea completar.

Hidrología
ESTIMACION DE DATOS
Método de la Razón Normal 1951-1952
2500
•Si la precipitación media anual de 2000
P 425 (mm/month)
cualquiera de las estaciones 1500
circundantes difiere en mas de 1000

y = 0.9011x - 74.561
10% se usa la siguiente formula: 500
R² = 0.9937
0
0 500 1000 1500 2000 2500
1 𝑝𝑥 𝑝𝑥 𝑝𝑥
ℎ𝑝𝑥 = ℎ + ℎ + ⋯ + ℎ𝑝𝑛
𝑛 𝑝1 𝑝1 𝑝2 𝑝2 𝑝𝑛 Jorge Zafra © 2009

Hidrología
ESTIMACION DE DATOS
Método de la Razón Normal 1951-1952
2500
1 𝑝𝑥 𝑝𝑥 𝑝𝑥
ℎ𝑝𝑥 = ℎ𝑝1 + ℎ𝑝2 + ⋯ + ℎ𝑝𝑛 2000
𝑛 𝑝1 𝑝2 𝑝𝑛
P 425 (mm/month)
1500
1000
y = 0.9011x - 74.561
hpi = precipitación registrada el día x en la R² = 0.9937
500
estación n
hpx = precipitación registrada el día x en la 0
0 500 1000 1500 2000 2500
estación a completar Average 0f P5, P6 and P119 (mm/month)
hpi = precipitación media anual en la estación
i. Jorge Zafra © 2009
px = precipitación media anual en la estación a

completar.
n = numero de estacione auxiliares
Hidrología
ESTIMACION DE DATOS
Métodos Adicionales 1951-1952
2500
•En casos excepcionales en los que 2000
P 425 (mm/month)
es poco practico utilizar los 1500
métodos antes mencionados 1000

y = 0.9011x - 74.561
podemos utilizar también otros 500
R² = 0.9937
métodos mas complejos pero mas 0

efectivos. 0 500 1000 1500 2000
2500
Jorge Zafra © 2009

Hidrología
ESTIMACION DE DATOS Infilling
FALTANTES
30
25
Métodos Adicionales 20
Q [m3/s]
15
10
•Los métodos adicionales mas

5
conocidos son:
01-Jan-61 16-May-62 28-Sep-63 09-Feb-65
Original data Local mean value Seasonal mean value
Infilling
•Promedios estacionales, Regresión lineal 30
25
múltiple. 20
Q [m3/s]
15
•Curva de Recesión. 10
•Autoregresiones, Media móvil y autorregresion. 0

01-Jan-61 16-May-62 28-Sep-63 09-Feb-65
Original data Recession
•Generación de series sintéticas (Hidrología

Ejemplos de Estimación de datos faltantes:
estocástica).(SAMS,HEC4,etc) Arriba: valor promedio y promedio estacional
Abajo: Curva de recesión
Hidrología
ESTIMACION DE DATOS
FALTANTES
Métodos Adicionales Infilling
30
•Curva de Recesión:
25
20
Q [m3/s]
15
•Utilizada generalmente para datos de 10
escorrentía. 5
0
•Se apoya en el concepto de recesión después de 01-Jan-61 16-May-62 28-Sep-63 09-Feb-65
un evento (semanas, meses). Original data Recession
−∆𝑡 Ejemplos de Estimación de datos faltantes:

𝑄𝑡 = 𝑄𝑡−1 𝑒 𝑘 Curva de recesión
•El parámetro adimensional k se obtiene del

análisis del flujo base de la serie.
Hidrología
ESTIMACION DE DATOS
FALTANTES
30
•Regresión Lineal Múltiple:

25
20
Q [m3/s]
15
•Cuando dos o mas variables son dependientes 10
se puede plantear lo siguiente: 5
0
𝑦 = 𝛼 + 𝛽1 𝑥1 + 𝛽2 𝑥2 01-Jan-61 16-May-62 28-Sep-63 09-Feb-65
•Esta ecuación puede ser resuelta con un sistema

de ecuaciones, o el planteamiento de las Ejemplos de Estimación de datos faltantes:
Curva de recesión
ecuaciones normales
•Si queremos encontrar α , β1 , β2 entonces:

Hidrología
ESTIMACION DE DATOS
FALTANTES
30

25
20
Q [m3/s]
15
𝑦 = 𝛼𝑛 + 𝛽1 𝑥1 + 𝛽2 𝑥2
10
2
5
(𝑥1 𝑦) = 𝛼 𝑥1 + 𝛽1 𝑥1 + 𝛽2 (𝑥1 𝑦2 )
0
01-Jan-61 16-May-62 28-Sep-63 09-Feb-65
(𝑥2 𝑦) = 𝛼 𝑥2 + 𝛽1 𝑥1 𝑥2 + 𝛽2 (𝑥2 )2 Original data Recession

Curva de recesión
2 1/2
𝑆𝑦І𝑥 1, 𝑥 2
𝑅 = 1−
𝑆𝑦2

Hidrología
ESTIMACION DE DATOS
FALTANTES
30

25
20
Q [m3/s]
15
•Este método considera varias asumciones para 10
su desarrollo. 5
0
•Linealidad, las estaciones deben tener una 01-Jan-61 16-May-62 28-Sep-63 09-Feb-65
relación lineal. Original data Recession
• No Estocástica, los errores residuales

deben se aleatorios. Ejemplos de Estimación de datos faltantes:
Curva de recesión
•Media Cero
•Varianza Constante
•Normalidad ,del termino residual.

Hidrología
EXTENSION DE SERIES Infilling

30
25
Métodos 20
Q [m3/s]
15
10
•Generalmente para extender

5
series temporales se utilizan

01-Jan-61 16-May-62 28-Sep-63 09-Feb-65
Original data Local mean value Seasonal mean value
algunos métodos de estimación de Infilling
datos faltantes:
30
25
20
Q [m3/s]
15
•Regresión lineal múltiple. 10
•Autoregresiones 0
01-Jan-61 16-May-62 28-Sep-63 09-Feb-65

•Generación de series sintéticas (Hidrología
estocástica).(SAMS,HEC4,etc) Arriba: valor promedio y promedio estacional
Abajo: Curva de recesión
Hidrología
EJEMPLO
Análisis de información hidrológica de la estación de Coranchay, por lo cual se
cuenta data histórica incompleta de caudales medios mensuales (lps) desde el
año 1955 al 2009.

Hidrología
EJEMPLO
En primer lugar se visualizó la data en año calendario viendo dicha falta de datos
en los años de 1954 - 1955 y 2009 - 2010, por lo que optamos en trabajar con
data histórica completa descartando dichos periodos.

Hidrología
Análisis Visual EJEMPLO

•De los datos mensuales, observamos que existe una secuencia periódica en los picos,
aunque vemos como dichos picos van disminuyendo a lo largo del tiempo. También
podemos determinar de la figura que es innecesaria la corrección de datos por saltos
pero analizaremos si necesita la corrección de datos por tendencia ya que en los
histogramas observamos una evolución natural
12000
10000
8000
Q (l/s)
6000
4000
2000
0
0 100 200 300 400 500 600
Meses

Hidrología
Análisis de Tendencia de la Media
Análisis de Tendencia de la Desviación Estándar

Análisis de
Tendencia

Hidrología
ANALISIS MEDIA
12000
10000
8000
Q (l/s)
6000
4000
2000
0
0 100 200 300 400 500 600
Meses
Ley de Regresión de la Tendencia en la Media

ANALISIS DE LA MEDIA
Tm = -0.8415t + 2091.4
R² = 0.0217

Hidrología
ANALISIS EN LA DESVIACION
3000
2500
2000
Q (l/s)
1500
1000
500
0
0 10 20 30 40 50
Meses
Ley de Regresión de la Tendencia en la Desviación Estandar

ANÁLISIS DE LA DESVIACIÓN
Ts= -2.3466t + 797.69
R² = 0,0032

Hidrología
Lectura Adicional
•Manual de Usuario HEC 4

http://www.hec.usace.army.mil/publications/ComputerProgramD
ocumentation/HEC-4_UsersManual_(CPD-4).pdf
•Regresion Lineal Multiple

http://www.ltrr.arizona.edu/~dmeko/notes_11.pdf
•Aplicación de algunos métodos de relleno a series anuales de

lluvia de diferentes regiones de Costa Rica
http://www.imn.ac.cr/publicaciones/revista/Aplicacion%20de%20
algunos%20metodos%20Rosario%20Alfaro0700.pdf
•Estimación de datos faltantes en estaciones meteorológicas de

Venezuela vía un modelo de redes neuronales
http://webs.ono.com/reclim3/reclim08e.pdf

Hidrología
Preguntas o
Comentarios ?

U5 S07 S08 Hidrologia Estadistica

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

U5 S07 S08 Hidrologia Estadistica

Cargado por

Copyright:

Formatos disponibles

Hidrología

SEMANA VII Y VIII

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

•Aprender a realizar las pruebas de

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

Como saber si la información

Imagen Fuente : www.senamhi.gob.pe

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

COMO PREPARAR LOS DATOS

ANALISIS EXPLORATORIO DE DATOS

ANALISIS DE ANALISIS DE DOBLE

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

•Dibujo de series de tiempo

•Análisis de doble masa.

Imagen Fuente : www.senamhi.gob.pe

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

Comparación tabular de precipitación mensual en la

Aditive Model Vs Measured Daily Discharge Values

afectando las características estadísticas, como la 0

Baseflow Discharge [m 3 /s]

Análisis de tendencias en descargas Análisis de tendencias en descargas

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

Aditive Model Vs Measured Daily Discharge Values

afectando las características estadísticas, como la 0

Baseflow Discharge [m 3 /s]

Análisis de tendencias en descargas Análisis de tendencias en descargas

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

b) Salto en la desviación estándar:

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

Baseflow Discharge [m 3 /s]

TENDENCIA: Identificados con cambios continuos en Análisis de tendencias en descargas

a) Tendencia en la media; esta tiende a incrementarse con el tiempo

b) Tendencia en la desviación estándar; esta tiende a incrementarse con el tiempo

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

Para verificar la homogeneidad de los datos

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

Al comparar las curvas de doble masa, se

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

P = precipitación a corregir Acumulado Estación

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

cercanas pueden deberse a eventos

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

El análisis estadístico consiste en

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

Análisis de tendencias en descargas

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

Análisis de tendencias en descargas

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

c) Calculo del t tabular t(T) :

El valor critico de t se obtiene de la tabla t

Análisis de tendencias en descargas

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

d) Comparación del tc con el t(T):

- Si │tc│ ≤ t(t) 95% → x1 = x2 (estadísticamente)

En este caso, siendo

- Si │tc│ > t(t) 95% → x1 ≠ x2 (estadísticamente)

Análisis de tendencias en descargas

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

•En caso de no presentarse lo anterior se

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova

•La falla de equipos, datos

•En muchas oportunidades es

ESCUELA PROFESIONAL: INGENIERÍA CIVIL MSc. Ing. Jorge Zafra Cordova