ALUMNO: ZORRILLA BELLO CRISTIAN (GEOESTADISTICA)

6.2 DISTRIBUCIONES LOGARITMICAS

Las distribuciones logarítmicas más conocidas son la Log-normal, Log-Pearson tipo
3 y Log-Gumbel. Por ejemplo, si la variable aleatoria X, tiene una distribución log-
normal, esto significa Y =lnX , tiene una distribución normal. Análogamente, si X
es una variable aleatoria log-Pearson tipo 3, Y =lnX , es una variable aleatoria
Pearson tipo 3.
También, si la variable aleatoria X, tiene una distribución log-Gumbel, Y =lnX , es
una variable aleatoria Gumbel. Es posible una generalización, en el caso que se
introduzca un límite inferior X 0, en cuyo caso lnX, anteriores, es sustituido por
ln ⁡( X −X 0 ).

6.2.1 DISTRUBUCIONES LOG-NORMAL

Hay una distribución Log-normal de 2 parámetros y otra de 3 parámetros. En la de 3
parámetros, el tercer parámetro es el límite inferior X 0, denominado parámetro de
posición.
6.2.1.1 DISTRIBUCION LOG-NORMAL DE 2 PARAMETROS

La variable aleatoria X, es positiva y el límite inferior X 0 no aparece.

La variable aleatoria: Y =ln X, es normalmente distribuida con media µ y y varianza

σ 2 y.
Se usan estos parámetros para especificar que la distribución es logarítmica, puesto
que también puede usarse la media y varianza de X.
1. FUNCION DENSIDAD
La función de distribución de Y, es:
2
−1 y−µ y
1 2
(
σy
)
f ( y )= e ………………...…. (15)
√2 π σ y
y ̴ N (µ y , σ 2 y )
para ̵ α < y< α
Refiriendo la función de distribución de Y como f(x), se tiene:
dy
f ( x )=f ( y )
dx
Donde:
dy 1
y=ln x =
dx x
Por esta razón, la función de distribución de probabilidad de X es:
 2
−1 lnX− µ y

f ( x )=
1
e
2 (σy ) …(16)
x σ y √2 π

x ̴ logN (µ y ,σ 2 y )

2. FUNCION DE LA DISTRIBUCION ACUMULADA

2
y −1 y−µ y

F ( y )=
1 2 (
σy ) dy
∫e …. (17)
√2 π σ y ̵ α
y−µ y
Si Z=
σy
2
y −Z
1 2
F ( Z )= ∫e dZ …. (18)
√2 π ̵ α
Z ̴ N (0,1)

3. ESTIMACION DE PARAMETROS POR EL METODO DE MOMENTOS

Utilizando el método de momentos, las relaciones entre la media y la varianza de la
variable X y los parámetros µ y y σ 2 y , que se obtienen son:

σ2 y
Media: Ȳ =E ( x )=exp( µ y + )
2

Varianza: S2=E ( x−E( x ))2=exp ( 2 µ y +σ 2 y ) ( exp ( σ 2 y )−1)

1
σ2 y
Desv. Est : S=exp( µ y + )( exp(σ 2 y )−1) 2
2
S 1
Coeficiente de variación: C V = = (exp (σ 2 y)−1) 2
Ȳ
De donde:

σ 2 y=ln ⁡¿) …. (19)

−1 2
µy= σ y +ln X
2

1 Ȳ2
µ y = ln ⁡( 2 ) …. (20)
2 C V +1

Coeficiente de sesgo:
µ3 1 2
Cs= g = 3 = (e σ y −1) 2 (e σ y +2)
2
…. (21)
2
µ2
Para valores prácticos de σ 2 y : 0.1<σ 2 y <0.6 , la relación es casi lineal y puede ser
aproximado por:

C s=g=0.52+4.85 σ 2 y …. (22)

Que es correcto dentro del 2%, en el rango mencionado.

En la figura 16, se presenta la función densidad de la distribución log-normal de 2
parámetros, para varios valores de µ y σ 2.

Fig. 16. Distribución log-normal de 2 parámetros, con varios valores de µ y σ.

6.2.1.2 DISTRIBUCION LOG-NORMAL DE 3 PARÁMETROS

Esta difiere de la distribución log-normal de 2 parámetros por la introducción de un
límite inferior X 0, tal que:

y=ln ( x−X 0 ) y ̴ N (µ y , σ 2 y )

La función de distribución de probabilidad de x es:

2
−1 ln ( x−X 0)− µ y
1 2
(
σy
)
f ( x )= e …. (23)
( x −X 0 )σ y √2 π
para x 0 ≤ x< ¿ α

x 0 :Parámetro de posición en el dominio x

µ y : Parámetro de escala en el dominio x

σ 2 y : Parámetro de forma en el dominio x

1. ESTIMACION DE PARÁMETROS, MÉTODOS DE MONENTOS

Utilizando el método de los momentos, las relaciones entre la media, la varianza y el
coeficiente de sesgo, de la variable X y los parámetros de x 0, µ y y σ 2 y , que se obtiene,
son:
2
σ y
Media: Ȳ =E ( x )=x + e µ + y
2 …. (24)
0

2 2

Varianza: S2=E ( x−E(x ))2=e2 µ +σ y (e σ y −1) …. (25) y

Coeficiente de sesgo:
µ3 1 2
Cs= g = 3 = (e σ y −1) 2 (e σ y +2)
2
…. (26)
2
µ2

C s=g=0.52+4.85 σ 2 y …. (27)

Para datos muestrales el coeficiente de sesgo es:

N 2M3
C s=g= …. (28)
(N−1)( N−2)S 3

Donde:

∑ (x i−Ȳ )3
M =
3
…. (29)
N

∑ ( x i−Ȳ )2
S=
√ N−1
…. (30)

Ȳ=
∑ xi …. (31)
N
Luego:

Cs−0.52
De (27): σ y =
√ 4.85
…. (32)

1 S2
De (25): µ y = ( ln σ y
2 e −1
2
(
−σ y ) 2
) …. (33)

2
σ y
De (24): x =Ȳ −e µ + y
2 …. (34)
0

6.2.2 EJEMPLO
 m3
Dada la serie histórica de caudales medio anuales, en que corresponde a un
seg .
registro de 50 años para el rio Santa (Perú):

95.05 98.13 100.18 101.66 101.76

105.21 105.81 106.40 107.43 107.62
108.75 110.77 114.31 116.40 119.52
123.00 123.22 124.31 127.82 128.15
132.49 134.10 136.22 144.22 145.79
246.08 153.64 153.97 154.80 156.80
158.48 162.29 164.35 169.18 169.64
177.00 182.53 183.11 183.49 184.98
193.78 193.88 197.58 207.78 208.18
212.48 217.52 239.07 256.62 266.54

1. Averiguar si se ajustan a una distribución log-normal de dos parámetros

2. El caudal a para un periodo de retorno de 75 años.

SOLUCION:

1) Ajuste a la distribución log-normal de dos parámetros:

Utilizando los programas del listado 6(para crear el archivo de datos) y el listado
7(para realizar la prueba de bondad de ajuste), se encuentra que los datos, se
ajustan a la distribución log-normal de dos parámetros, con un nivel de significancia
del 5%, o a una probabilidad de 95%.
Un resumen de los resultados obtenidos con el programa es:
∆ = 0.0747
∆ 0=0.1923 , para un nivel de significancia del 5%

Como: ∆ = 0.0747 < ∆ 0=0.1923 , se concluye que los datos se ajustan a al

distribución log-normal de 2 parámetros, con un nivel de significancia del 5%.

2) Calculo de un caudal para un periodo de retorno de 75 años:

1
F ( Q=q ) =P ( Q ≤ q )=1−
T
1
F ( Q=q ) =1−
75
F ( Q=q ) =0.9866666=F ( Z )

De la tabla 2 del apéndice, para F ( Z )=0.9866666, se obtiene por interpolación:

Z= 2.215
Pero para una distribución log-normal de 2 parámetros, la variable estandarizada
es:
 lnQ−µ y
Z= …. (1)
σy
El programa del listado 7, permite calcular también los parámetros µ y y σ y, siendo
los valores obtenidos:
µ y =4.9861
σ y =0.2808

Sustituyendo valores en la ec. (1), se tiene:

ln Q−4.9861
=2.215
0.2808
De donde:

Q=e2.215∗0.2808+ 4.9861

m3
Q=272.618
s