Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MEDIA :
1 n
x xi
n i 1
VARIANZA ²:
1 n
s2
n 1 i 1
( xi x) 2
Gráfico 12.1. “Efectos de la función de densidad de probabilidad causados por cambios en la desviación estándar”
Coeficiente de variación Cv es una medida adimensional de la variabilidad su
s
estimado es Cv
x
COEFICIENTE DE ASIMETRÍA
1
E `[( x ) 3 ]
3
(n 1)( n 2) * s 3
12.2 Pruebas de Ajuste de Bondad
Sirve para determinar qué tan adecuado es el ajuste de los datos a una distribución
de probabilidades y se han propuesto una serie de pruebas estadísticas que
determinan si es adecuado el ajuste, para el estudio se la prueba de bondad
utilizada es la Prueba Chi Cuadrado.
Prueba Chi Cuadrado
Una medida del ajuste o la discrepancia entre frecuencias observadas (fm(xi)) y las
frecuencias calculadas (p(xi)) por medio de una distribución teórica está dada por el
estadístico Xc2
𝑛
2
𝑛[𝑓𝑚(𝑥𝑖) − 𝑝(𝑥𝑖)]2
𝑋𝑐 = ∑
𝑝(𝑥𝑖)
𝑖=1
α = 0.05 α = 0.01
1 3.84 6.64
2 5.99 9.21
3 7.82 11.35
4 9.49 13.28
5 11.07 15.09
6 12.59 16.81
7 14.07 18.48
8 15.51 20.08
9 16.92 21.87
10 18.31 23.21
20 31.41 37.57
30 43.77 50.69
40 55.66 63.69
60 79.08 88.38
SERIE PARCIAL
AÑO Q (m³/s)
9,951
1999
6,275
7,131
2000
6,685
3,678
2001
3,436
6,943
2002
4,645
2003 4,557
3,376
1,433
2004
1,220
1,868
2005
1,477
1,534
2006
1,449
3,294
2007
3,139
4,549
2008
3,966
Tabla 12.2.1. “Caudales máximos instantáneos”
N° 20
PROMEDIO 4,030
DESV. 2,375
STAND
max 9,951
min 1,220
# Clase 6
L Clase 1,75
GL 3
Xc² 7.82
COLUMNA 1 2 3 4 5 6 7 8
INTERVALO RANGO medio ni fm(xi) Fm(xi) zi F(xi) P(xi) Xc²
1 0,001 1,751 0,88 5 0,2500 0,2500 -0,960 0,16853 0,16853 0,78768
2 1,751 3,501 2,63 5 0,2500 0,5000 -0,223 0,41294 0,24441 0,00256
3 3,501 5,251 4,38 5 0,2500 0,7500 0,514 0,69497 0,28203 0,07275
4 5,251 7,001 6,13 3 0,1500 0,9000 1,251 0,89435 0,19938 0,24460
5 7,001 8,751 7,88 2 0,1000 1,0000 1,988 0,97670 0,08235 0,07566
6 8,751 10,501 9,63 0 0,0000 1,0000 2,725 0,99683 0,02013 0,40260
Σ 20 ΣXc² 1,59
Tabla 12.2.2. “Prueba Chi Cuadrado”
Funciones de frecuencia relativa para la Distribución
0.3500
Normal
0.3000
0.2500
Frecuencia Relativa
0.2000
0.1500
0.1000
0.0500
0.0000
1,751 3,501 5,251 7,001 8,751 10,501
0,001 1,751 3,501 5,251 7,001 8,751
Muestra, "fm(xi)" Q (m³/s)
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00
Series1 Series2 Q (m³/s
Hipótesis:
Ho: Los datos de caudales máximas se ajusten a ley de probabilidad de distribución
normal.
Xc2 tabulado=7.82
Xc2 calculado=1.59
1.59<7.82; por lo tanto se acepta la hipótesis nula, es decir que la distribución se
ajusta a los datos con un 95% de confianza.
X T KT
X T x KT s
Para una distribución dada, puede determinarse una relación entre K y el período
de retorno (Tr). Esta relación puede expresarse en términos matemáticos o por
medio del uso de una tabla.
Función de densidad:
1 ( x ) 2
1
f ( x) exp 2 2
x
2
Estimación de parámetros:
1 n
x xi
n i 1
1
1 n 2
s
n 1 i 1
( xi x) 2
Factor de frecuencia:
Límites de confianza:
X Tr t(1 ) S e
CONCLUSIÓN: La distribución normal toma en cuenta valores desde cero, por lo tanto
al no existir datos de caudales cero no se puede utilizar esta ley de distribución, por lo
que se utiliza la ley LOG-NORMAL, la cual elimina los datos cero al introducir el
logaritmo.
Esta distribución es muy usada para el cálculo de valores extremos por ejemplo
caudales máximos, caudales mínimos, precipitaciones máximas, precipitaciones
mínimas (excelentes resultados en Antioquia). Tiene la ventaja que X>0 y que la
transformación Log tiende a reducir la asimetría positiva ya que al sacar logaritmos
se reducen en mayor proporción los datos mayores que los menores.
Limitaciones: tiene solamente dos parámetros, y requiere que los logaritmos de las
variables estén centrados en la media
Función de densidad:
1 ( y y )
1 2 y2
f ( x) exp x0
x 2
y = ln x
Estimación de parámetros:
1 n
y ln( xi )
n i 1
1
1 n 2
sy
n 1 i 1
(ln( xi ) y ) 2
Factor de frecuencia:
Ln(XTr) = xTr+KSy
de donde,
con K con variable normal estandarizada para el Tr dado, xy media de los logaritmos
y Sy es la desviación estándar de los logaritmos.
1
ln( 1 Cv 2 )
ExpKT * ( Ln(1 Cv ))
2 2
1
2
Kt
Cv
s
K es la variable normal estandarizada para el Tr dado, Cv es el coeficiente de
x
variación, x media de los datos originales y s desviación estándar de los datos
originales.
Límites de confianza:
En el campo transformado.
Ln( X Tr ) t(1 ) ST
1
( S y ) KT 2 2
Se 1
n 2
EJEMPLO:
n 30
x 131,850
sx 33,454
cv 0,254
y 2,107
1 𝑛
𝑘 = 1 − (1 − )
𝑇𝑟
1 1
𝑘 = 1 − (1 − ) = 0.01
100
𝑘0.01 = 2.33
ln(1 + 𝐶𝑢2
𝑒𝑥𝑝 {𝑘(ln(1 + 𝐶𝑢2 ) − ( )} − 1
2
𝑘𝑇 =
𝐶𝑢
ln(1 + 0.2542
𝑒𝑥𝑝 {2.33(ln(1 + 0.2542 ) − ( )} − 1
2
𝑘𝑇 =
0.254
𝑘 = 2.896
𝑄𝑇𝑅100 = Q + sQ ∗ kT
QTR100 = 131.850 + 33.454 *2.896
QTR100= 228.733 m3/s
En el campo transformado:
YTR = y + sy*k
YTR = 2,107 + 0,106 *2,33
YTR = 2.354; 𝑄𝑇𝑅 = 102.354
𝒎𝟑
𝑸𝑻𝑹 = 𝟐𝟐𝟓. 𝟗𝟖𝟒
𝒔
Límites de Confianza
𝑙𝑜𝑔𝑄𝑅𝑇 ± 𝑡(1 − 𝛼)𝑆𝑒
𝛿 ∗ 𝑠𝑦
𝑆𝑒 =
√𝑛
0.5 0.5
𝑘𝑇 2 2.332
𝛿 = (1 + ) ; 𝛿 = (1 + ) = 1.93
2 2
1.93 ∗ 0.106
𝑆𝑒 = = 0.037
√130
𝑡(1 − 𝛼) = 1.645
→ log(225.984) ± 1.645 ∗ 0.037
𝒎𝟑
→ 𝑹𝒂𝒏𝒈𝒐𝒅𝒆𝑽𝒂𝒍𝒊𝒅𝒆𝒛 = [𝟏𝟗𝟔. 𝟐𝟐𝟖 − 𝟐𝟔𝟎. 𝟐𝟓𝟐]
𝒔
RESULTADOS:
𝑋𝑇𝑅 = 𝑋̅ + 𝑆 ∗ 𝐾𝑡
Donde:
Función de densidad:
1 (x ) ( x )
f ( x) exp exp
( x )
F ( x) f ( x)dx exp exp
Estimación de parámetros
6
s
x 0.5772
Factor de frecuencia:
6
Tr
KT 0.5772 ln ln
Tr 1
Límites de confianza
Xt t(1-) Se
s
Se
n
1
[1 1.1396KT 1.1KT 2 ] 2
EJEMPLO:
n 30
x 131,850
sx 33,454
𝑄𝑇𝑅100 = Q + sQ ∗ kT
kT(n,Tr) ; kT(30,100)
Kt tabla: 3.393
𝑄𝑇𝑅100 = Q + sQ ∗ kT
QTR10 = 131.85+3.393*33.454
Límites de Confianza
𝑄𝑇𝑅 ± 𝑡(1 − 𝛼)𝑆𝑒
𝛿 ∗ 𝑠𝑦
𝑆𝑒 =
√𝑛
𝛿 = (1 + 1.396𝑘𝑇 + 1.1𝑘𝑇 2 );
𝛿 = (1 + 1.396 ∗ 3.393 + 1.1 ∗ 3.3932 )0.5 = 4.187
4.187 ∗ 33.454
𝑆𝑒 = = 25.573
√30
𝑡(1 − 𝛼) = 1.645
→ QTr(183.403) ± 1.645 ∗ 25.573
183.403 ± 42.068
𝒎𝟑
→ 𝑹𝒂𝒏𝒈𝒐𝒅𝒆𝑽𝒂𝒍𝒊𝒅𝒆𝒛 = [𝟐𝟎𝟑. 𝟐𝟗𝟐 − 𝟐𝟖𝟕. 𝟒𝟐𝟖]
𝒔
RESULTADOS:
Otro método para obtener los caudales máximos y/o mínimos para diferentes
periodos de retorno, se puede aplicar la variable reducida de acuerdo a Ven Te
Chow.
Para obtener un caudal relacionado a un periodo de retorno se aplican las siguientes
fórmulas:
𝑇𝑟
𝑌𝑇 = −𝑙𝑛 [( )]
𝑇𝑟 − 1
𝑢 = 𝑥̅ − 0.5772𝛼
√6𝑆𝑋
𝛼=
𝜋
𝑋𝑇𝑅 = 𝑢̅ + 𝑆 ∗ 𝑌𝑡
Donde:
XTr= caudal para un determinado periodo de retorno
S= desviación estándar de la muestra
Yt= variable reducida
EJEMPLO:
n 30
x 131,850
sx 33,454
𝑋𝑇𝑅100 = U + s ∗ Yt
√6 ∗ 𝑠𝑥 √6 ∗ 33.454
𝛼= ; 𝛼 = = 26.084
𝜋 𝜋
𝑈 = 𝑥 − 0.5772𝛼; 𝑈 = 131.850 − 0.5772 ∗ 26.084 = 116.794
𝑇𝑟 100
𝑦𝑇 = −𝑙𝑛 [ln( ] ; 𝑦𝑇 = −𝑙𝑛 [ln( ] = 4.600
𝑇𝑟 − 1 100 − 1
𝑋𝑇𝑅10 = 116.794 + 33.454 ∗ 4.6
𝐦𝟑
𝑿𝑻𝑹𝟏𝟎 = 𝟐𝟕𝟎. 𝟔𝟖𝟗 𝐬
Límites de Confianza
𝑄𝑇𝑅 ± 𝑡(1 − 𝛼)𝑆𝑒
𝛿 ∗ 𝑠𝑦
𝑆𝑒 =
√𝑛
𝛿 = (1 + 1.396𝑦𝑇 + 1.1𝑦𝑇 2 );
𝛿 = (1 + 1.396 ∗ 4.600 + 1.1 ∗ 4.6002 )0.5 = 5.433
5.433 ∗ 33.454
𝑆𝑒 = = 33.185
√30
𝑡(1 − 𝛼) = 1.645
→ QTr(270.689) ± 1.645 ∗ 33.185
192.079 ± 54.590
𝒎𝟑
→ 𝑹𝒂𝒏𝒈𝒐𝒅𝒆𝑽𝒂𝒍𝒊𝒅𝒆𝒛 = [𝟐𝟏𝟔. 𝟎𝟗𝟗 − 𝟑𝟐𝟓. 𝟐𝟕𝟗]
𝒔
RESULTADOS:
𝑋𝑇𝑅 = 𝑋̅ + 𝑆 ∗ 𝐾𝑡
Donde:
Función de densidad:
1
1 x xˆ0 x xˆ0
f ( x) exp
donde,
x0 x para 0
x x0 para 0
Estimación de parámetros:
2
2 Cs
ˆ ; ˆ s ; xˆ0 x ˆ
Cs 2
Factor de frecuencia:
2 3 4 5
Cs 1 3 Cs Cs Cs 1 Cs
K z ( z 2 1) ( z 6 z ) ( z 2 1) z
6 3 6 6 6 3 6
Intervalos de confianza:
Xt t(1-) Se
S
Se
n
EJEMPLO:
n 30
x 131,850
Sx 33,454
Cs 0,6
𝑄𝑇𝑅100 = Q + sQ ∗ kT
kT(cs,Tr) ; kT(-0.0728,100)
De la tabla 7.7.3 (a) “Factores de frecuencia KT para la distribución Pearson Tipo III –
Cs Positivos” de la Fuente: Hidrología Básica y Aplicada, Autor: Carlos Gutiérrez se
obtiene KT con Cs= 0.7 se obtiene K=2.824
Límites de Confianza
𝑄𝑇𝑅 ± 𝑡(1 − 𝛼)𝑆𝑒
𝛿 ∗ 𝑠𝑥
𝑆𝑒 =
√𝑛
0.5 0.5
𝑘𝑇 2 2.8242
𝛿 = (1 + ) ; (1 + ) = 2,190
2 2
2,190 ∗ 33,454
𝑆𝑒 = = 13,375
√30
𝑡(1 − 𝛼) = 1.645
→ 224,016 ± 1.645 ∗ 13,375
224,014 ± 22,002;
RESULTADOS:
𝑋𝑇𝑅 = 𝑋̅ + 𝑆 ∗ 𝐾𝑡
Donde:
Función de densidad:
1
1 ln( x) y0 ln( x) y0
f ( x) exp
x
donde,
y0 y para 0
y y0 para 0
Estimación de parámetros:
2
2 Cs
ˆ ; ˆ s y ; xˆ0 x y ˆ
Cs 2
Factor de frecuencia:
ln( YTr ) x y K s y
2 3 4 5
Cs 1 3 Cs Cs Cs 1 Cs
K z ( z 2 1) ( z 6 z ) ( z 2 1) z
6 3 6 6 6 3 6
Intervalos de confianza:
Xt t(1-) Se
Sy
Se
n
EJEMPLO:
𝑦𝑇𝑅100 = y + sy ∗ kT
KT (cs,Tr) ; KT=2,615
𝑋𝑇𝑅100 = 102,384
Límites de Confianza
𝑦𝑅𝑇 ± 𝑡(1 − 𝛼)𝑆𝑒
𝛿 ∗ 𝑠𝑦
𝑆𝑒 =
√𝑛
0.5 0.5
𝑘𝑇 2 2.6152
𝛿 = (1 + ) ; 𝛿 = (1 + ) =1,960
2 2
1,960 ∗ 0.106
𝑆𝑒 = = 0,038
√30
𝑡(1 − 𝛼) = 1.645
→ 2,384 ± 1.645 ∗ 0,038
2,384 ± 0,06251; log[2,322 – 2.4447]
RESULTADOS:
VEASE ANEXO 6 (EJEMPLO DE CALCULO DE CAUDALES POR LAS DIFERENTES LEYES DE DISTRIBUCION)
12.5 PRESENTACIÓN DE LOS RESULTADOS
LEY DE DIST. Tr (AÑOS) 10 25 50 100
QTR (m3/s) 178,952 199,186 216,673 225,984
LOG-
R. de Validez
NORMAL [161,580- 198,191] [176,823- 224,376] [189,570- 247,650] [196,228 - 260,252]
(m3/s)
QTR (m3/s) 183,403 211,906 233,082 245,360
GUMBEL R. de Validez
[160,123 - 206,682] [180,1092- 243,720] [194,796 - 271,369] [203,292 - 287,428]
(m3/s)
QTR (m3/s) 192,079 223,799 247,331 270,689
VARIABLE
R. de Validez
REDUCIDA [161,711 - 222,446] [183,736 - 263,861] [199,996 - 294,665] [216,099 - 325,279]
(m3/s)
QTR (m3/s) 176,277 196,718 210,769 224,016
PEARSON III R. de Validez
[162,494-190,060] [179,667-213,768] [191,228-230,309] [202,015-246,018]
(m3/s)
QTR (m3/s) 176,510 202,492 222,212 242,252
LOG
R. de Validez
PEARSON III [159,696-195,094] [179,260-228,735] [192,810-256,099] [209,848-279,661]
(m3/s)
Tabla 11.5. “Análisis de resultados Para distintas leyes de distribución” Fuente: Autor
Tabla 11.6. “Análisis de resultados Para distintas leyes de distribución” Fuente: Autor