ANÁLISIS PROBABILÍSTICO, PRECIPITACIÓN

Y EVAPOTRANSPIRACIÓN

PROBABILISTIC ANALYSIS, PRECIPITATION AND EVAPOTRANSPIRATION

HIDROLOGÍA

ESCUELA AMBIENTAL
FACULTAD DE INGENIERÍA
UNIVERSIDAD DE ANTIOQUIA
2018
 INTRODUCCIÓN

El análisis probabilístico y estadístico en hidrología, permite que a partir de una

serie de datos y observaciones registradas en el tiempo, se ajuste el modelo de
probabilidad que mejor represente el comportamiento de los datos respecto a su
frecuencia, y permita estimar las probabilidades asociadas a la ocurrencia de un
evento, con el menor error posible. En el presente informe, se estudiará la variable
de precipitación de una estación de caudal del municipio de Riosucio y se
analizarán los resultados.

Por otro lado, en la hidrología, no es suficiente con conocer registros de

precipitación en puntos específicos, es por esto que existen varios métodos que
permiten ajustar y realizar un estudio promedio de un área mayor y obtener un
mejor análisis. En el presente trabajo se estimará la precipitación promedio de la
cuenca estudiada anteriormente (Taller 1) utilizando los polígonos de Thiessen y el
método IDW, además de calcular la evapotranspiración y posteriormente comparar
los resultados obtenidos.
 RESUMEN

Por medio de un análisis probabilístico y estadístico se predice la frecuencia y

probabilidad de ocurrencia de una variable aleatoria, además de su posible
comportamiento. Para la precipitación de una estación de caudal de Riosucio se
hace un ajuste en la distribución de los datos y se encuentran los resultados.

Luego, para la cuenca hidrográfica en la cual se trabajó anteriormente se estima la

precipitación y evaporación promedio, trazando un área para cada estación a partir
de varios métodos; luego se compara cada uno de ellos y se hace un análisis
detallado.
 RESULTADOS Y METODOLOGÍA

Parte I. Análisis probabilístico y de frecuencia.

A partir de Excel y la serie de datos asignada con la fecha y el valor de

precipitación (mm) registrados en una estación de caudal en Riosucio se obtuvo
los siguientes datos:

Media 6,430091101
Desviación estándar 10,69810651
Max 95
Min 0
Número de datos 10867
Rango 95
Intervalo de Sturges 14,3191619
Intervalo raiz 104,244904
Amplitud 6,785714286
Tabla 1. Parámetros iniciales.

Tabla 2. Frecuencias de datos iniciales

1. Se realiza un ajuste a las siguientes funciones de probabilidad:

1.1 Distribución Normal: Luego de hacer la tabla de frecuencias con los datos
hallados en la tabla (1) se hace la gráfica de frecuencia relativa F. R. para
cada intervalo en contraste con la función de densidad de probabilidad F(x).
 Tabla 3. Frecuencias distribución normal
0.800

0.700

0.600

0.500

0.400 FRECUENCIA RELATIVA

Función de densidad
0.300

0.200

0.100

0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14

Gráfica 1. Distribución normal

- El resultado muestra una gráfica con sesgo a la derecha, lo cual indica que
la mayoría de datos se acumulan hacia la izquierda, en los primeros
intervalos.

1.2 Distribución Lognormal: Antes de realizar la tabla de frecuencias con los

nuevos valores para la distribución lognormal, fue necesario filtrar y
reemplazar los datos iguales a cero por uno, y así lograr los cálculos
esperados.
Luego, se halló una nueva media y desviación estándar para los datos de
Lognormal.
Datos iniciales Datos Lognormal
Media 6,965565473 1,030592574
Desviación estándar 10,38322279 1,29701913
Max 95
Min 0
 Número de datos 10867
Rango 95
Intervalo de Sturges 14,3191619
Intervalo raíz 104,244904
Amplitud 6,785714286
Tabla 4. Parámetros Distribución Lognormal.

Posteriormente se modificó la función de distribución y densidad de

probabilidad con la media y desviación estándar nueva.

Tabla 5. Frecuencias Distribución lognormal

1.200

1.000

0.800

0.600 FRECUENCIA RELATIVA

Función de densidad
0.400

0.200

0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14
 Gráfica 2. Distribución Lognormal

1.3 Distribución Gumbel: A partir de la fórmula:

Se obtuvo la función de distribución y densidad de probabilidad para la distribución

Gumbel. La x se tomó como el límite superior de los intervalos.

Tabla 6. Frecuencias distribución Gumbel.

0.800

0.700

0.600

0.500

0.400 FRECUENCIA RELATIVA

Función de densidad
0.300

0.200

0.100

0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14

Gráfica3. Distribución Gumbel

2. Se halla pruebas de Bondad para cada distribución:

 Las pruebas de bondad se derivan de las últimasdos columnas de las
tablas 3, 5 y 6 de frecuencias mostradas en el numeral.

Prueba Smirnov- Kolmogorov:

- Para un nivel de significancia de 0.05. D𝛼 =1,36/(RAIZ(número de datos))
- Para un nivel de significancia de 0.01. D𝛼 =1,63 /(RAIZ(número de datos))
- Para obtener D se halló el máximo entre la columna de diferencia prueba.

Prueba Chi Cuadrado:

- Grados de libertad: (K – N- 1) = 14-2-1= 11.

Donde K= número de intervalos y N= número de parámetros de la distribución
teórica

Luego, según las tablas teóricas se obtuvo X𝛼

- Para un nivel de significancia de 0.05. X𝛼 =19,68
- Para un nivel de significancia de 0.01. X𝛼 =24,73

- Para obtener X se calculó la sumatoria de los valores obtenidos en la columna chi

cuadrado de la tabla de frecuencia.

Pruebas de bondad:

Tabla 7. Pruebas de bondad, Distribución normal

- Dado que D>D𝛼 tanto para un nivel de confianza del 95%, como para el del 99%,
la hipótesis se rechaza en ambos casos para la prueba K-S.
- Dado que X>X𝛼 tanto para un nivel de confianza del 95%, como para el del 99%,
la hipótesis se rechaza en ambos casos para la prueba chi cuadrado.
 Tabla 8. Pruebas de bondad, distribución lognormal.

- Dado que D>D𝛼 tanto para un nivel de confianza del 95%, como para el del 99%,
la hipótesis se rechaza en ambos casos para la prueba K-S.
- Dado que X<X𝛼 tanto para un nivel de confianza del 95%, como para el del 99%,
la hipótesis se acepta en ambos casos para la prueba chi cuadrado.

Tabla 9. Pruebas de bondad para distribución Gumbel.

- Dado que D>D𝛼 tanto para un nivel de confianza del 95%, como para el del 99%,
la hipótesis se rechaza en ambos casos para la prueba K-S.
- Dado que X<X𝛼 tanto para un nivel de confianza del 95%, como para el del 99%,
la hipótesis se acepta en ambos casos para la prueba chi cuadrado.

3. Análisis de frecuencia para los valores máximos de la serie para los

períodos de retorno de 2, 5, 10, 50, 100, 200 y 500 años

Con la fórmula:

Se halla el factor de frecuencia para una distribucion Gumbel, y

 posteriormente con la suma de la media y su producto con la desviación
estándar se obtiene la siguiente tabla:

Tabla 10. Frecuencia para periodos de retorno

ANÁLISIS PARTE I

Haciendo una comparación de la gráfica de frecuencias con el ajuste de cada

distribución se evidencia que todas presentan un sesgo a la derecha, es decir, la
mayoría de datos se encuentran acumulados en los primeros intervalos, y se da
una distribución asimétrica. Además tienen relativamente la misma tendencia que
la función de densidad pero no se ajustan completamente.

Con base a los resultados de las pruebas de bondad de ajuste, y al comparar los
valores teóricos y muestrales de las funciones de frecuencia relativa o acumulada
las pruebas de chi cuadrado muestran mayor aceptabilidad frente a las pruebas K-
S al evidenciarse que en la distribución Gumbel y lognormal sí se acepta la
hipótesis y solo en la normal se rechaza; además de esto para un nivel de
confianza del 99% los datos sí se ajustan a la hipótesis inicial.
Esto quiere decir, según los datos arrojados en el trabajo que la distribución de
probabilidad que mejor se ajusta y se debe usar para conocer el comportamiento
de la precipitación es la distribución Gumbel.

Por otro lado, al relacionar la magnitud del evento extremo como lo es la

precipitación, con su frecuencia de ocurrencia se conoce el número de veces de
desviación típica en que el valor extremo considerado excede a la media de la
serie.
Parte II. Precipitación y evapotranspiración en la cuenca
hidrográfica
 CONCLUSIONES

REFERENCIAS BIBLIOGRÁFICAS