2.

A partir de la serie de precipitación total mensual 1976-2005 (archivo digital

adjunto) de la estación meteorológica Bocagrande, ubicada a 2740 m.s.n.m.,
perteneciente a la red del Sistema de Información Climatológica e Hidrológica de
Corporación Autónoma Regional de Cundinamarca (CAR), determinar: a) Todos
los parámetros estadísticos básicos (medida de tendencia central y dispersión
“Momentos principales”); b) Realizar las pruebas de bondad ajuste a la distribución
Normal y Log Normal, con: Chi cuadrado, Kolmogorov – Smirnov y gráficamente;
c) Conformar series de duración completa (anual), duración parcial (anual),
excedencia anual, anual máxima y anual mínima; d) Estimar a partir de la serie
anual máxima la magnitud de precipitación correspondiente a períodos de retorno
de 25, 50 y 100 años, usando la distribución normal, log-normal, EVI I (Gumbel),
Pearson Tipo III y Log-Pearson Tipo III, analizar los resultados obtenidos; y e)
Determinar los límites de confianza del 95% para los valores de precipitación total
mensual correspondientes a un período de retorno de 100 años y una distribución
Normal. En todos los numerales de este punto analizar los resultados obtenidos.

Year ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE
1976 46,9 39,9 137,9 252,0 319,2 414,1 526,2 285,8 194,7 300,9 276,3 31,5
1977 0,0 72,8 69,6 182,0 120,7 238,7 415,7 242,4 296,3 168,6 233,1 87,4
1978 54,7 56,1 122,8 199,2 246,3 396,2 298,4 314,2 267,6 198,7 79,9 109,3
1979 21,0 14,7 148,8 323,1 213,4 348,6 203,2 328,1 197,7 342,2 259,9 111,9
1980 39,1 115,4 84,1 269,1 196,7 453,3 262,0 264,4 237,7 220,8 115,6 71,2
1981 14,0 85,0 51,5 221,3 317,0 220,5 270,1 235,8 249,7 226,1 226,4 133,3
1982 56,7 106,4 121,8 419,2 215,2 115,2 568,8 388,8 214,5 130,2 106,3 111,2
1983 50,4 173,2 152,5 339,6 256,2 278,6 550,3 324,4 332,5 238,2 136,9 132,8
1984 101,6 167,6 50,4 203,7 237,2 425,9 381,7 387,6 283,2 188,4 316,2 159,0
1985 14,0 52,5 73,5 138,6 224,0 132,3 278,0 366,4 253,0 22,1 284,8 119,0
1986 21,0 111,0 274,3 54,6 40,9 11,9 135,2 91,0 31,5 186,2 91,8 50,2
1987 44,2 96,5 54,5 118,0 118,3 100,1 455,6 92,8 157,9 153,2 44,9 37,4
1988 8,0 38,9 44,0 54,9 161,1 160,7 386,1 271,8 194,0 228,0 177,8 21,4
1989 35,0 102,5 296,4 80,4 291,8 160,4 41,1 180,5 156,2 234,3 125,3 83,5
1990 105,6 51,1 173,6 101,6 287,4 229,3 193,8 195,2 31,6 168,0 119,7 81,6
1991 10,4 58,8 84,1 174,7 206,1 216,3 444,0 457,1 138,6 116,6 144,0 58,3
1992 28,4 43,7 88,6 219,2 151,1 168,6 457,6 258,6 196,9 119,7 220,3 36,7
1993 52,4 22,5 154,4 279,2 341,7 295,7 478,2 215,9 206,2 187,5 194,1 34,0
1994 49,7 66,8 143,2 170,5 375,5 311,9 335,6 335,2 178,3 215,1 190,6 59,2
1995 21,7 19,9 189,8 149,0 257,9 190,8 181,7 226,4 118,3 209,6 107,1 118,2
1996 49,3 168,6 177,5 165,2 303,4 171,4 456,5 292,9 151,5 187,5 188,9 163,4
1997 71,3 92,3 58,2 133,4 188,4 196,0 461,6 251,8 159,3 146,7 70,7 28,7
1998 11,6 57,3 132,4 100,5 411,9 305,8 495,4 202,3 113,7 164,6 186,2 128,2
1999 90,9 166,7 86,0 272,0 232,4 261,9 118,5 311,3 263,3 335,6 208,6 74,0
2000 50,8 110,6 138,5 169,5 435,3 203,1 252,5 369,4 265,0 184,6 139,4 158,1
2001 1,0 99,3 143,4 118,2 294,1 291,1 251,9 241,9 259,9 88,9 186,0 128,9
2002 43,1 21,6 138,0 165,2 302,7 483,3 273,2 412,4 150,8 247,9 152,2 62,1
2003 2,0 18,1 110,9 250,7 217,4 223,7 278,8 208,3 214,5 195,7 239,4 67,0
2004 46,6 79,1 100,0 232,7 285,3 420,0 467,7 313,8 128,4 273,2 386,1 81,4
2005 48,6 85,8 71,0 345,0 430,6 212,9 254,5 177,8 140,9 116,5 139,1 73,1

a) Determinar todos los parámetros estadísticos básicos (medida de tendencia

central y dispersión “Momentos principales”)
 ̅)
1.) Calculo de la media o promedio (𝒙

∑ 𝑛𝑖 ∗ 𝑈𝑖
𝑥̅ =
𝑁

Donde:

𝑥̅ = Media o promedio.

𝑛𝑖 = Numero de observaciones de cada intervalo.

𝑈𝑖 = Marca de clase.

N= Numero de datos.

66430
𝑥̅ =
360
𝑥̅ = 184,527778

Se obtuvo un valor de 184,5277mm como valor característico de la serie de

precipitación mensual de la ciudad de Bogotá para los años de 1976 a 2005, este
es un valor que se encuentra alejado de algunos datos que presentan un valor de
precipitación mucho mayor o menor al promedio de la serie.

Calculo de criterios necesarios para hallar la media:

 Definición del número de intervalos por el criterio de Sturgets

𝐾 = 1 + 3,3log⁡(𝑛)

Donde:

K= El número de intervalos.

𝑛 = El número de datos de precipitaciones mensuales.

𝐾 = 9,4357 ≈ 9

 Definimos el rango ( R )

𝑅 = 𝑋𝑚𝑎𝑥 − ⁡ 𝑋𝑚𝑖𝑛

Donde:
R= Rango

𝑋𝑚𝑎𝑥 = Dato de precipitación máxima.

𝑋𝑚𝑖𝑛 = Dato de precipitación mínima.

𝑅 = 568,8 − 0,0

𝑅 = 568,8

 Hallamos el tamaño de intervalo clase ( C )

𝑅
𝐶=
𝐾
Donde:

C= Tamaño del intervalo de clase.

R= Rango.

K= Numero de intervalos.

568,8
𝐶=
9
𝐶 = 63,2⁡ ≈ 65

 Calculo de la marca de clase (𝑈𝑖 )

𝐿. 𝐼 + 𝐿. 𝑆.
𝑈𝑖 = ⁡
2

Donde:
𝑈𝑖 = Marca de clase.
L.I. = Límite inferior del intervalo.
L.S.= Límite superior del intervalo.

 Ejemplo de cálculo de la marca de clase para el intervalo1

0,0 + 65
𝑈𝑖 = ⁡
2
𝑈𝑖 = 32,5

2.) Calculo de la desviación estándar ( σ )

 1
∑𝑁
𝑖=1 𝑛𝑖 ∗ (𝑈𝑖 − 𝑥̅ )
2 2
𝜎=[ ]
𝑁

Donde:

σ = Desviación estándar.

𝑛𝑖 =⁡Numero de observaciones de cada intervalo.

𝑈𝑖 = Marca de clase.

𝑥̅ = Media o promedio.

N= Numero de datos.
1
5106569,722 2
𝜎=[ ]
360

𝜎 = 119,100445

Mediante la desviación estándar se evidencia la dispersión de los datos con

respecto a la media, para la serie de precipitación mensual de la ciudad de Bogotá
para los años de 1976 a 2005 se obtuvo un valor de 119,100445 de desviación
estándar, indicándonos una alta dispersión de los datos a ambos lados de la
media.

3.) Calculo de la varianza

La varianza se define como la desviación estándar elevada al cuadrado.

2
∑𝑁
𝑖=1 𝑛𝑖 ∗ (𝑈𝑖 − 𝑥̅ )
2
𝜎 =
𝑁
Donde:

𝜎 2 = Varianza.

𝑛𝑖 =⁡Numero de observaciones de cada intervalo.

𝑈𝑖 = Marca de clase.

𝑥̅ = Media o promedio.

N= Numero de datos.
 5106569,722
𝜎2 =
360

𝜎 2 = 14184,9159

La varianza al igual que la desviación estándar, nos muestra una alta dispersión
de los datos en relación con la media.

4.) Calculo del coeficiente de variación

𝜎
𝐶𝑣 =
𝑥̅
119,100445
𝐶𝑣 =
184,527778

𝐶𝑣 = 0,6454

El coeficiente de variación relaciona la desviación estándar con la media, lo que

muestra una mayor variabilidad de los datos respecto a la media.

ESTADISTICOS PARA EL LOGARITMO DE LOS DATOS

1.) Calculo de la media

∑ 𝑛𝑖 ∗ 𝑈𝑖
𝑥̅ =
𝑁

769,6765
𝑥̅ =
360

𝑥̅ = 2,13799028

Se obtuvo un valor de 2,13799028 como valor característico de la serie de

precipitación mensual de la ciudad de Bogotá para los años de 1976 a 2005.

2.) Calculo de la desviación estándar

1
∑𝑁
𝑖=1 𝑛𝑖 ∗ (𝑈𝑖 − 𝑥̅ )
2 2
𝜎=[ ]
𝑁
 1
57,22983622 2
𝜎=[ ]
360

𝜎 = ⁡0,39871264

Mediante la desviación estándar se evidencia la dispersión de los datos con

respecto a la media, para la serie de precipitación mensual de la ciudad de Bogotá
para los años de 1976 a 2005 se obtuvo un valor de 0,39871264 de desviación
estándar, indicándonos baja dispersión de los datos a ambos lados de la media.

3.) Calculo de la varianza

2
∑𝑁
𝑖=1 𝑛𝑖 ∗ (𝑈𝑖 − 𝑥̅ )
2
𝜎 =
𝑁
57,22983622
𝜎2 =
360

𝝈𝟐 =2,13799028

La varianza al igual que la desviación estándar, nos muestra una baja dispersión
de los datos en relación con la media.

4.) Calculo del coeficiente de variación

𝜎
𝐶𝑣 =
𝑥̅
⁡0,39871264
𝐶𝑣 =
2,13799028

𝐶𝑣 = 0,186489454

El coeficiente de variación relaciona la desviación estándar con la media, lo que

muestra escasa variabilidad de los datos respecto a la media.

b) Realizar las pruebas de bondad ajuste a la distribución Normal y Log

Normal, con: Chi cuadrado, Kolmogorov – Smirnov y gráficamente.
 PRUEBAS DE BONDAD DE AJUSTE A LA DISTRIBUCIÓN NORMAL

Intervalo Limite Limite 𝑛𝑖 𝑖 𝑛𝑖 ⁡∗⁡𝑈𝑖 𝑛𝑖 (𝑈𝑖 −⁡𝑥̅) 2⁡ 𝑓𝑠 (𝑋𝑖 ) 𝐹𝑠 (𝑋𝑖 ) 𝑖 𝐹(𝑋𝑖 ) ⁡(𝑋𝑖 ) 𝑋2 K- S β
inferior Superior
1 0 65 63 32,5 2047,5 1456083,9 0,175 0,175 -1,00358801 0,15801078 0,15801078 0,65760121 0,01698922 0,15801078
2 65 130 70 97,5 6825 530168,2926 0,194444 0,36944444 -0,45783018 0,32330894 0,16529816 1,8501245 0,04613551 0,32330894
3 130 195 76 162,5 12350 36876,92149 0,211111 0,58055556 0,08792765 0,53480388 0,21149494 0,00025077 0,04575168 0,46519612
4 195 260 65 227,5 14787,5 120029,8158 0,180556 0,76111111 0,63368547 0,73700509 0,20220121 0,83418089 0,02410602 0,26299491
5 260 325 44 292,5 12870 512952,1079 0,122222 0,88333333 1,1794433 0,88068769 0,1436826 1,15391274 0,00264565 0,11931231
6 325 390 18 357,5 6435 538549,0623 0,05 0,93333333 1,72520113 0,95797347 0,07728579 3,46797397 0,02464014 0,04202653
7 390 455 12 422,5 5070 679569,387 0,033333 0,96666667 2,27095895 0,98844043 0,03046696 0,09708198 0,02177377 0,01155957
8 455 520 9 487,5 4387,5 826129,5494 0,025 0,99166667 2,81671678 0,99734727 0,00890684 10,4679454 0,00568061 0,00265273
9 520 585 3 552,5 1657,5 406210,6862 0,008333 1 3,36247461 0,99944295 0,00209568 6,68374073 0,00055705 0,00055705
SUMATORIA 360 66430 5106569,722 6,66111111 25,2128122

 Calculo de la frecuencia relativa asociada a la serie (𝑓𝑠 (𝑋𝑖 ))

𝑛𝑖
𝑓𝑠 (𝑋𝑖 ) = ⁡
𝑁
Donde:

𝑓𝑠 ⁡(𝑋𝑖 )= Frecuencia relativa asociada a la serie.

𝑛𝑖 = Numero de observaciones de cada intervalo.

N= Numero de intervalos.

 Ejemplo de cálculo de la frecuencia relativa asociada a la serie para el

intervalo 1

63
𝑓𝑠 (𝑋𝑖 ) = ⁡
360
𝑓𝑠 (𝑋𝑖 ) = ⁡0,175

 Calculo de la frecuencia acumulada asociada a la serie (𝐹𝑠 ⁡(𝑋𝑖 ))

𝐹𝑠 (𝑋𝑖 )𝑛 = ⁡ 𝑓𝑠 (𝑋𝑖 )𝑛 + 𝐹𝑠 (𝑋𝑖 )𝑛−1

Para el intervalo n=1 la frecuencia acumulada asociada a la serie es igual a la

frecuencia relativa asociada a la serie del intervalo n=1

Donde:
𝐹𝑠 (𝑋𝑖 )𝑛 = Frecuencia acumulada asociada a la serie para el intervalo n.

𝑓𝑠 (𝑋𝑖 )𝑛 = Frecuencia relativa asociada a la serie del intervalo n.

𝐹𝑠 (𝑋𝑖 )𝑛−1 = Frecuencia acumulada asociada a la serie del intervalo n-1.

 Ejemplo de cálculo de la frecuencia acumulada asociada a la serie para el

intervalo 2

𝐹𝑠 (𝑋𝑖 )2 = ⁡ 𝑓𝑠 (𝑋𝑖 )2 + 𝐹𝑠 (𝑋𝑖 )2−1

𝐹𝑠 (𝑋𝑖 )2 = ⁡0,19444 + 0,175

𝐹𝑠 (𝑋𝑖 )2 = ⁡0,36944

 Calculo de la variable estándar normal ( 𝑖 )

𝐿. 𝑆. −⁡𝑥̅
𝑖 =
𝜎
Donde:

𝑖 = Variable estándar normal.

L.S.= Límite superior del intervalo.

𝑥̅ = Media o promedio.

σ = Desviación estándar.

 Ejemplo de cálculo de la variable estándar normal para el intervalo 1.

65⁡ − ⁡184,527778
𝑖 =
119,100445

𝑖 = −1,00358801

 Calculo de la frecuencia acumulada para cada dato (𝐹(𝑋𝑖 ))

𝐹(𝑋𝑖 ) = 𝐵⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑠𝑖⁡⁡ 𝑖 <0

 𝐹(𝑋𝑖 ) = 1 − 𝐵⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑠𝑖⁡⁡ 𝑖 ⁡> 0

Donde:

𝐹(𝑋𝑖 ) = Frecuencia acumulada para cada dato.

𝑖 = Variable estándar normal.

1
𝐵 = ⁡ ⁡([1 + 0,196854 ∗ | 𝑖 |] + [0,115194 ∗ | 𝑖 |2 ] + ⁡ [0,000344 ∗ | 𝑖 |3 ] + ⁡ [0,019527 ∗ | 𝑖 |4 ])−4
2

 Ejemplo de cálculo de la frecuencia acumulada para cada dato para el

intervalo 1
1
𝐵 = ⁡ ⁡([1 + (0,196854 ∗ 1,00358801)] + [0,115194 ∗ 1,003588012 ] + ⁡ [0,000344 ∗ 1,003588013 ]
2
+ ⁡ [0,019527 ∗ 1,003588014 ])−4

𝐵 = 0,15801078

𝑖 ⁡𝑝𝑎𝑟𝑎⁡𝑒𝑙⁡𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜⁡1⁡𝑒𝑠 − 1,00358801

𝐹(𝑋𝑖 ) = 0,15801078⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑝𝑜𝑟𝑞 𝑒⁡⁡⁡⁡ 𝑖 <0

 Calculo de la frecuencia relativa de los datos ajustados ( (𝑋𝑖 ))

(𝑋𝑖 )𝑛 = ⁡ 𝐹(𝑋𝑖 )𝑛 − 𝐹(𝑋𝑖 )𝑛−1

Donde:

(𝑋𝑖 )𝑛 = Frecuencia relativa de los datos ajustados para el intervalo n.

𝐹(𝑋𝑖 )𝑛 = Frecuencia acumulada para cada dato, del intervalo n.

𝐹(𝑋𝑖 )𝑛−1= Frecuencia acumulada para cada dato, del intervalo n-1.

Para el intervalo n=1 la frecuencia relativa de los datos ajustados es igual a la

frecuencia acumulada para cada dato correspondiente al intervalo n=1.

 Ejemplo de cálculo de la frecuencia relativa de los datos ajustados para el

intervalo n=2

(𝑋𝑖 )2 = ⁡ 𝐹(𝑋𝑖 )2 − 𝐹(𝑋𝑖 )2−1

(𝑋𝑖 )2 = ⁡0,323308 − 0,158010

(𝑋𝑖 )2 = ⁡0,165298
 1.) Prueba de bondad de ajuste Chi – cuadrado
𝐾
2 (𝑂𝑖 − 𝐸𝑖 )2
𝑋 = ⁡ ∑ 𝑁⁡
𝐸𝑖
𝑖=1

Donde:

𝑂𝑖 = 𝑓𝑠 (𝑋𝑖 )

𝐸𝑖 = ⁡ (𝑋𝑖 )
𝐾
2 (𝑓𝑠 (𝑋𝑖 ) − (𝑋𝑖 ))2
𝑋 = ⁡ ∑ 𝑁⁡
(𝑋𝑖 )
𝑖=1

Donde:
2
𝑋 = Prueba de bondad de ajuste Chi – cuadrado.

N= Numero de intervalos.

𝑓𝑠 ⁡(𝑋𝑖 )= Frecuencia relativa asociada a la serie.

(𝑋𝑖 )= Frecuencia relativa de los datos ajustados.

 Ejemplo de cálculo de la prueba de bondad de ajuste Chi – cuadrado para

el intervalo 1.

2 (𝑓𝑠 (𝑋𝑖 ) − (𝑋𝑖 ))2

𝑋 = 𝑁⁡
(𝑋𝑖 )

2 (0,175 − 0,15801078)2
𝑋 = ⁡360 ∗ ⁡
0,15108078
2
𝑋 = 0,65760121

 Cálculo del valor de Chi – cuadrado experimental.

𝐾
2 (𝑓𝑠 (𝑋𝑖 ) − (𝑋𝑖 ))2
𝑋 = ⁡ ∑ 360 ∗ ⁡
(𝑋𝑖 )
𝑖=1

2
𝑋 = ⁡25,2128122 = 𝐷

 Definición de los grados de libertad:

 𝜈 =𝐾−𝑝−𝑛
Donde:
𝜈= Grados de libertad.
𝐾= Numero de intervalos.
𝑝= Numero de parámetros utilizados.
𝑛= Constante = 1

𝜈 =9−2−1
𝜈=6

Con el valor de 6 grados de libertad y un nivel de confianza de más del 95%

se halla en las tablas el valor de Chi- cuadrado (𝑋 2). Si D es menor que el valor
de (𝑋 2) de las tablas la prueba se ajusta.

Valor de (𝑋 2 ) teórico= 14,4

2
𝐷⁡ > ⁡ 𝑋

Con el valor obtenido para la prueba Chi- Cuadrado, se puede concluir que la serie
de precipitación mensual de la ciudad de Bogotá para los años de 1976 a 2005 no
se ajusta a una distribución normal.

2.) Prueba de bondad de ajuste de Kolmogorov – smirnov

𝐷 = 𝑀𝑎𝑥⁡|𝐹𝑠 ⁡(𝑋𝑖 ) − 𝐹(𝑋𝑖 )|

Donde:

𝐹𝑠 (𝑋𝑖 ) = Frecuencia acumulada asociada a la serie.

𝐹(𝑋𝑖 ) = Frecuencia acumulada para cada dato.

 Ejemplo de cálculo de K-S para el intervalo 1

𝐾 − 𝑆 = |𝐹𝑠 ⁡(𝑋𝑖 ) − 𝐹(𝑋𝑖 )|

𝐾 − 𝑆 = |0,175 − 0,15801078|

𝐾 − 𝑆 = 0,016989

 Cálculo del valor de Kolmogorov – Smirnov experimental

El máximo valor de K – S es 0,04613551 por lo tanto:

 𝐷 = 0,04613551

 Valor de K – S teórico:

Para un numero de datos mayor a 100 y con un nivel de significancia de 0,01 el

valor teórico de K – S se halla mediante la formula

1,63
𝐾−𝑆 =
√𝑛
1,63
𝐾−𝑆 =
√360

𝐾 − 𝑆 = 0,085909

𝑆𝑖⁡⁡⁡⁡⁡⁡⁡𝐷 ⁡ < ⁡𝐾 − 𝑆⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑙𝑎⁡𝑝𝑟 𝑒𝑏𝑎⁡𝑠𝑒⁡𝑎𝑗 𝑠𝑡𝑎

𝑆𝑖⁡⁡⁡⁡⁡⁡⁡𝐷 ⁡ > ⁡𝐾 − 𝑆⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑙𝑎⁡𝑝𝑟 𝑒𝑏𝑎⁡𝑛𝑜⁡𝑠𝑒⁡𝑎𝑗 𝑠𝑡𝑎

𝐶𝑜𝑚𝑜⁡⁡⁡0,04613551⁡ < 0,085909

⁡⁡⁡⁡⁡𝐿𝐴⁡ 𝑅𝑈𝐸𝐵𝐴⁡𝑆𝐸⁡𝐴𝐽𝑈𝑆𝑇𝐴

Con la prueba de ajuste de Kolmogorov- smirnov se puede evidenciar que la serie

de precipitación mensual de la ciudad de Bogotá para los años de 1976 a 2005 se
ajusta a una distribución normal.

3.) Prueba de bondad de ajuste por el método grafico

Para este método se ordenaron todos los datos de mayor a menor y se la asigno a
cada uno el número de orden (m), luego se procedió a hallar la probabilidad de
excedencia, el periodo de retorno y la probabilidad acumulada

 Calculo de la probabilidad de excedencia (P)

3
𝑚−8
=⁡
1
𝑁+4

Donde:

P= Probabilidad de excedencia.

𝑚= Numero de orden de cada dato.

N= Numero de datos.

 Ejemplo de cálculo de la probabilidad de excedencia para el dato con

número de orden 1

3
2−8
=⁡
1
360 + 4

=⁡0,001734906

 Calculo del periodo de retorno (T)

1
𝑇=

 Ejemplo de cálculo del periodo de retorno para el dato con número de orden
1

1
𝑇=
0,001734906

𝑇 = 576,4

 Calculo de probabilidad acumulada

𝑟𝑜𝑏. 𝑎𝑐 𝑚 𝑙𝑎𝑑𝑎 = 1 −
Donde:
P= Probabilidad de excedencia.
 Ejemplo de cálculo de la probabilidad acumulada para el dato con numero
de orden 1

𝑟𝑜𝑏. 𝑎𝑐 𝑚 𝑙𝑎𝑑𝑎 = 1 −0,001734906

𝑟𝑜𝑏. 𝑎𝑐 𝑚 𝑙𝑎𝑑𝑎 =0,998265094

 Grafica probabilidad acumulada versus precipitación media mensual

 Grafica precipitación media mensual versus probabilidad de excedencia

 Calculo del 𝑅 2
 2
Intervalo 𝐹𝑠 (𝑋𝑖 ) (𝐹𝑠 𝑋𝑖 − 𝐹(𝑋 )) (𝐹𝑆 𝑋𝑖 − 𝐹𝑆 𝑋𝑖 )2 𝑅2
F_s (X_i)
1 0,175 0,158010781 0,74012346 0,000288634 0,319364521 0,99140341
2 0,36944444 0,323308939 0,74012346 0,002128485 0,13740293
3 0,58055556 0,534803876 0,74012346 0,002093216 0,025461915
4 0,76111111 0,737005087 0,74012346 0,0005811 0,000440482
5 0,88333333 0,880687685 0,74012346 6,99945E-06 0,020509069
6 0,93333333 0,957973472 0,74012346 0,000607136 0,037330056
7 0,96666667 0,988440433 0,74012346 0,000474097 0,051321826
8 0,99166667 0,997347274 0,74012346 3,22693E-05 0,063273986
9 1 0,999442955 0,74012346 3,10299E-07 0,067535818
SUMATORIA 6,66111111 6,577020503 0,006212247 0,722640604

∑(𝐹𝑆 (𝑋𝑖 ) − 𝐹(𝑋𝑖 ))2

𝑅2 = 1 −
̅̅̅̅̅̅̅̅
∑(𝐹𝑠 (𝑋𝑖 ) − 𝐹𝑆 (𝑋𝑖 ))
2

Donde:

𝐹𝑠 ⁡(𝑋𝑖 )= Frecuencia acumulada asociada a la serie.

𝐹(𝑋𝑖 ) = Frecuencia acumulada para cada dato.

̅̅̅̅̅̅̅̅
𝐹𝑠 (𝑋𝑖 )= Promedio de la frecuencia acumulada para cada dato.

∑(𝐹𝑆 (𝑋𝑖 ) − 𝐹(𝑋𝑖 ))2

𝑅2 = 1 −
∑(𝐹𝑠 (𝑋𝑖 ) − ̅̅̅̅̅̅̅̅
𝐹𝑆 (𝑋𝑖 ))2

0,006212247
𝑅2 = 1 −
0,722640604

𝑅 2 =0,99140341

Con el valor obtenido de 𝑅 2 = 0,99140341 se puede evidenciar que la serie de

precipitación mensual de la ciudad de Bogotá para los años de 1976 a 2005 se
ajusta a una distribución normal.
 PRUEBAS DE BONDAD DE AJUSTE A LA DISTRIBUCIÓN LOG- NORMAL

𝑛𝑖 𝑛𝑖 ⁡∗⁡ 𝑈𝑖 𝑛𝑖 (𝑈𝑖 −⁡𝑥̅) 2⁡ 𝑓𝑠 (𝑋𝑖 ) 𝐹𝑠 (𝑋𝑖 ) 𝑋2

Limite Limite β
Intervalo
inferior Superior 𝑖 𝑖 𝐹(𝑋𝑖 ) ⁡(𝑋𝑖 ) K- S

1 0 0,307 3 0,154 0,4605 11,81460501 0,00833333 0,00833333 -4,59225545 1,7234E-05 1,7234E-05 1444,6068 0,0083161 1,7234E-05
2 0,307 0,614 0 0,461 0 0 0 0,00833333 -3,82227735 0,0001481 0,00013087 0,04711282 0,00818523 0,0001481
3 0,614 0,921 1 0,768 0,7675 1,878243608 0,00277778 0,01111111 -3,05229924 0,0013601 0,001212 0,72822299 0,00975101 0,0013601
4 0,921 1,228 6 1,075 6,447 6,786069454 0,01666667 0,02777778 -2,28232114 0,01122795 0,00986786 1,68634216 0,01654982 0,01122795
5 1,228 1,536 15 1,382 20,73 8,572819552 0,04166667 0,06944444 -1,50983496 0,06545661 0,05422866 1,04758843 0,00398783 0,06545661
6 1,536 1,842 40 1,689 67,56 8,063690861 0,11111111 0,18055556 -0,74236493 0,22891504 0,16345843 6,03509435 0,04835949 0,22891504
7 1,842 2,149 83 1,996 165,6265 1,685188831 0,23055556 0,41111111 0,02761317 0,51089635 0,28198131 3,37631884 0,09978524 0,48910365
8 2,149 2,456 147 2,303 338,4675 3,978326852 0,40833333 0,81944444 0,79759127 0,78739534 0,27649899 22,629037 0,03204911 0,21260466
9 2,456 2,763 65 2,61 169,6175 14,45089204 0,18055556 1 1,56756938 0,94164293 0,1542476 1,6153195 0,05835707 0,05835707
SUMATORIA 360 769,6765 57,22983622 2,53611111 1481,77184

1.) Prueba de bondad de ajuste Chi – cuadrado

𝐾
2 (𝑂𝑖 − 𝐸𝑖 )2
𝑋 = ⁡ ∑ 𝑁⁡
𝐸𝑖
𝑖=1

Donde:

𝑂𝑖 = 𝑓𝑠 (𝑋𝑖 )

𝐸𝑖 = ⁡ (𝑋𝑖 )
𝐾
2 (𝑓𝑠 (𝑋𝑖 ) − (𝑋𝑖 ))2
𝑋 = ⁡ ∑ 𝑁⁡
(𝑋𝑖 )
𝑖=1

Donde:
2
𝑋 = Prueba de bondad de ajuste Chi – cuadrado.

N= Numero de intervalos.

𝑓𝑠 ⁡(𝑋𝑖 )= Frecuencia relativa asociada a la serie.

(𝑋𝑖 )= Frecuencia relativa de los datos ajustados.

 Cálculo del valor de Chi – cuadrado experimental.

𝐾
2 (𝑓𝑠 (𝑋𝑖 ) − (𝑋𝑖 ))2
𝑋 = ⁡ ∑ 360 ∗ ⁡
(𝑋𝑖 )
𝑖=1
 2
𝑋 =1481,77184 = 𝐷

 Definición de los grados de libertad:

𝜈 =𝐾−𝑝−𝑛
Donde:
𝜈= Grados de libertad.
𝐾= Numero de intervalos.
𝑝= Numero de parámetros utilizados.
𝑛= Constante = 1

𝜈 =9−2−1
𝜈=6

Con el valor de 6 grados de libertad y un nivel de confianza de más del 95%

se halla en las tablas el valor de Chi- cuadrado (𝑋 2). Si D es menor que el valor
de (𝑋 2) de las tablas la prueba se ajusta.

Valor de (𝑋 2 ) teórico= 14,4

2
𝐷⁡ > ⁡ 𝑋

Con el valor obtenido para la prueba Chi- Cuadrado, se puede concluir que la serie
de precipitación mensual de la ciudad de Bogotá para los años de 1976 a 2005 no
se ajusta a una distribución log-normal.

2.) Prueba de bondad de ajuste de Kolmogorov – smirnov

𝐷 = 𝑀𝑎𝑥⁡|𝐹𝑠 ⁡(𝑋𝑖 ) − 𝐹(𝑋𝑖 )|

Donde:

𝐹𝑠 (𝑋𝑖 ) = Frecuencia acumulada asociada a la serie.

𝐹(𝑋𝑖 ) = Frecuencia acumulada para cada dato.

 Cálculo del valor de Kolmogorov – Smirnov experimental

El máximo valor de K – S es 0,09978524 por lo tanto:

𝐷 = 0,09978524⁡

 Valor de K – S teórico:
Para un numero de datos mayor a 100 y con un nivel de significancia de 0,01 el
valor teórico de K – S se halla mediante la formula

1,63
𝐾−𝑆 =
√𝑛
1,63
𝐾−𝑆 =
√360

𝐾 − 𝑆 = 0,085909

𝑆𝑖⁡⁡⁡⁡⁡⁡⁡𝐷 ⁡ < ⁡𝐾 − 𝑆⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑙𝑎⁡𝑝𝑟 𝑒𝑏𝑎⁡𝑠𝑒⁡𝑎𝑗 𝑠𝑡𝑎

𝑆𝑖⁡⁡⁡⁡⁡⁡⁡𝐷 ⁡ > ⁡𝐾 − 𝑆⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑙𝑎⁡𝑝𝑟 𝑒𝑏𝑎⁡𝑛𝑜⁡𝑠𝑒⁡𝑎𝑗 𝑠𝑡𝑎

𝐶𝑜𝑚𝑜⁡0,09978524⁡⁡ > 0,085909

⁡⁡⁡⁡⁡𝐿𝐴⁡ 𝑅𝑈𝐸𝐵𝐴⁡𝑁𝑂⁡𝑆𝐸⁡𝐴𝐽𝑈𝑆𝑇𝐴

Con la prueba de ajuste de Kolmogorov- smirnov se puede evidenciar que la serie

de precipitación mensual de la ciudad de Bogotá para los años de 1976 a 2005 no
se ajusta a una distribución log - normal.

3.) Prueba de bondad de ajuste por el método grafico

2
Intervalo 𝐹𝑠 (𝑋𝑖 ) (𝐹𝑠 𝑋𝑖 − 𝐹(𝑋𝑖 )) (𝐹𝑆 𝑋𝑖 − 𝐹𝑆 𝑋𝑖 )2 𝑅2
F_s (X_i)
1 0,00833333 1,7234E-05 0,281790123 6,91575E-05 0,074778616 0,985184784
2 0,00833333 0,0001481 0,281790123 6,6998E-05 0,074778616
3 0,01111111 0,0013601 0,281790123 9,50822E-05 0,073267128
4 0,02777778 0,01122795 0,281790123 0,000273897 0,064522272
5 0,06944444 0,06545661 0,281790123 1,59028E-05 0,045090687
6 0,18055556 0,22891504 0,281790123 0,00233864 0,010248438
7 0,41111111 0,51089635 0,281790123 0,009957094 0,016723918
8 0,81944444 0,78739534 0,281790123 0,001027145 0,289072169
9 1 0,94164293 0,281790123 0,003405547 0,515825427
SUMATORIA 2,53611111 0,017249463 1,16430727
  Calculo del 𝑅 2

∑(𝐹𝑆 (𝑋𝑖 ) − 𝐹(𝑋𝑖 ))2

𝑅2 = 1 −
∑(𝐹𝑠 (𝑋𝑖 ) − ̅̅̅̅̅̅̅̅
𝐹𝑆 (𝑋𝑖 ))2

Donde:

𝐹𝑠 ⁡(𝑋𝑖 )= Frecuencia acumulada asociada a la serie.

𝐹(𝑋𝑖 ) = Frecuencia acumulada para cada dato.

̅̅̅̅̅̅̅̅
𝐹𝑠 (𝑋𝑖 )= Promedio de la frecuencia acumulada para cada dato.

∑(𝐹𝑆 (𝑋𝑖 ) − 𝐹(𝑋𝑖 ))2

𝑅2 = 1 −
∑(𝐹𝑠 (𝑋𝑖 ) − ̅̅̅̅̅̅̅̅
𝐹𝑆 (𝑋𝑖 ))2

0,017249463
𝑅2 = 1 −
1,16430727

𝑅 2 =0,985184784

Con el valor obtenido de 𝑅 2 = 0,985184784 se puede evidenciar que la serie de

precipitación mensual de la ciudad de Bogotá para los años de 1976 a 2005 no se
ajusta a una distribución log - normal.

 Grafica log. Precipitación media mensual versus log. Probabilidad de

excedencia