Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRECIPITACIÓN
Germán Acero R.
1
C. E. H.
Series de registros
VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS
FUNCIONES DE PROBABILIDAD
Se dice que una variable aleatoria x y su función correspondiente son discretas si:
El número de valores para los que x tiene una probabilidad diferente de cero (0)
es finito
Cada intervalo sobre la recta real tiene un número finito de esos valores;
entonces, si a x b no contiene ninguno de esos valores, p(a x b) = 0
Así mismo, cuando el número de valores o resultados que puede tomar la
variable aleatoria es infinito, se puede considerar que ésta es continua.
Un ejemplo de una variable aleatoria discreta puede ser el número de días de lluvia
sobre un sitio determinado en un período de un año. Sin embargo, la cantidad total
de lluvia precipitada en el año, en ese mismo sitio, se podría asumir como una
variable continua.
Si se tienen n variables aleatorias x1, x2, x3,………,xn tales que p(x=xi) > 0 con
probabilidades p1, p2, p3,……..,pn, siendo pi = p(x=xi), se puede introducir el
concepto de función de probabilidad o de densidad de probabilidad f(x), tal que:
f xi pi para x xi
0 en caso contrario f(x) es la función de densidad de probabilidad de x
2
C. E. H.
Series de registros
Como p(S) = 1 entonces:
i
f (x ) 1
i y p (a x b)
a x b
f ( xi )
a x b
pi
i 1
f (x i ) F( x i ) F(x i 1 )
3
C. E. H.
Series de registros
Para variables aleatorias continuas, se define la función de probabilidad o de
densidad de probabilidad f(x) tal que:
f ( x) 1
6
C. E. H.
Series de registros
FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDADES
PARA APLICACIONES HIDROLÓGICAS
Quizás uno de los puntos de interés en este asunto está relacionado con las
propiedades de las distribuciones y con los diferentes aspectos de sus aplicaciones
en hidrología.
7
C. E. H.
Series de registros
FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDADES
PARA APLICACIONES HIDROLÓGICAS
Funciones de distribución de variables aleatorias discretas:
Distribución Binomial
En hidrología tiene aplicación cuando se presentan eventos con características
como las siguientes:
Ocurrencia a o no de una propiedad (llueve o no llueve); si o no; presencia
o no de nubes en un experimento o durante una observación; etc.
Alguno o ninguno
Cero o uno
Cero o mayor que cero
Cualquier evento complementario con características semejantes a las de
los ejemplos anteriores. 8
C. E. H.
Series de registros
FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDADES
PARA APLICACIONES HIDROLÓGICAS
Si un evento tiene una probabilidad P y el evento complementario tiene una
probabilidad q = 1-p, entonces, si se realiza una secuencia de n experimentos
independientes, el número esperado de ocurrencias del primer evento es p.n y del
evento complementario es q.n = n(1-p).
Muchas variables hidrológicas de eventos complementarios satisfacen dichas
condiciones, al menos aproximadamente, pero deben ser verificadas antes de la
utilización de la distribución.
La función de densidad de la distribución Binomial esta dada por:
p( x) n Cx p x q n x es decir: p( x ) n C x p x ( 1 p ) n x para x = 0,1,2,3,…..,n.
10 !
p ( x 0) (0.2) 0 (1 0.2)10 0.107
0 ! (10 0) !
10 !
p ( x 1) (0.2)1 (1 0.2) 9 0.268
1! (10 1) !
10 !
p ( x 2) (0.2) 2 (1 0.2) 8 0..302
2 ! (10 2) !
10 !
p ( x 3) (0.2) 3 (1 0.2) 7 0.201
3! (10 3) !
10 !
p ( x 4) (0.2) 4 (1 0.2) 6 0.088
4 ! (10 4) !
10
C. E. H.
Series de registros
FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDADES
PARA APLICACIONES HIDROLÓGICAS
f) Una presa se ha proyectado con una vida útil de 50 años y se quiere evaluar la
probabilidad de que un flujo con un periodo de retorno Tr=100 años ocurra una vez
durante la vida de la presa.
Solución:
P 1 1 0.01
T 100
q 1 P 0.99 (Probabilidad de no ocurrencia 1 año)
50
P ( x 1) 20C1 P x (1 P ) n x 0.01 0.99 0.306
1 49
1
Entonces hay como 31% de probabilidades de que dicho flujo se presente al menos
una vez durante la vida útil del proyecto.
11
C. E. H.
Series de registros
FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDADES
PARA APLICACIONES HIDROLÓGICAS
Solución:
20!
P ( x 1) 20C1 0.110.919 0.1 0.9 0.27
1 19
1!.(20 1)!
20
0.1 0.9
20!
P f (i ) 1 f (0) 1
20 0
1 0.12 0.88
0
i 1 0!.(20 0 )!
Es decir que en general hay 88% posibilidades de que el sistema falle en 20 años.
12
C. E. H.
Series de registros
FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDADES
PARA APLICACIONES HIDROLÓGICAS
Distribución de Poisson
Si en una distribución Binomial n y p son mutuamente dependientes y p es muy
pequeño mientras que n es muy grande, la distribución Binomial se vuelve poco
aplicable. Teóricamente si n mientras que p 0, pero su producto np, tiende
hacia un valor constante , la distribución de x (x = 0, 1, 2, …….., ) sigue una
distribución discreta llamada distribución de Poisson.
En la práctica no es estrictamente necesario que p 0 y que n sino que p
sea relativamente pequeño y n grande, para que la distribución sea aplicable con
la sola condición de que = np, permanezca aproximadamente constante,
mientras n y p cambian.
En la función de distribución de Poisson el único parámetro es y su expresión es
la siguiente:
En donde x es el número de ocurrencias de
x
e un evento de probabilidad pequeña o baja
p( x) dada, p, en un gran número de
x!
experimentos, n y p(x), es la probabilidad de
que x = 0, 1, 2, …….., . 13
C. E. H.
Series de registros
FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDADES
PARA APLICACIONES HIDROLÓGICAS
Para caudales de alto período de retorno, se puede probar fácilmente que estos
ocurren aleatoriamente en el tiempo y que el período de retorno no pasa de ser
otra cosa que el tiempo promedio entre eventos los cuales se encuentran
aleatoriamente alrededor de dichos tiempos promedios.
14
C. E. H.
Series de registros
FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDADES
PARA APLICACIONES HIDROLÓGICAS
Ejemplos de aplicaciones de la Función de Poisson:
a) Determinar la probabilidad de que un caudal Q con período de retorno Tr = 500
años (F(x)=0.998), se presente 3 veces durante un lapso de 100 años.
x e 0. 2 0 e 0. 2
p( x ) p( x 0 ) 0. 819
x! 0!
15
C. E. H.
Series de registros
FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDADES
PARA APLICACIONES HIDROLÓGICAS
Cuál es la probabilidad de que una tormenta con Tr=20 años ocurra una vez en un
periodo de 10 años.
10 10!
P( x 1) 10 C1 0.051 0.95 9 0.051 0.95 9 0.051 0.959 0.315
1 1!.(10 1)!
17
Series de registros C. E. H.
18
Series de registros C. E. H.
DISTRIBUCION NORMAL
19
Series de registros C. E. H.
21
Series de registros C. E. H.
22
Series de registros C. E. H.
Ejemplos de aplicación de la distribución Normal Estandarizada
- Comparar los límites para 1, 2 y 3, bajo la hipótesis de normalidad y sin
ninguna hipótesis distribucional, utilizando entonces la desigualdad de Chebishev.
Solución:
- Si una serie de caudales sigue una distribución N(15, 52), cuál es la probabilidad:
P(15.6 x 20.4)
Solución:
Entonces la probabilidad puede ser calculada de:
20 .4
P (15.6 x 20.4) (50 )1 / 2 e ( x 15 )
2
/ 50
dx
15 .6
23
Series de registros C. E. H.
o de las tablas, realizando las transformaciones correspondientes:
Z15.6 = (15.6-15)/5 = 0.12
Z20.4 = (20.4-15)/5 = 1.08
Entonces P(15.6 x 20.4) = P(0.12 Z 1.08) = Pz(1.08) – Pz(0.12)
P(0.12 Z 1.08) = 0.8599 – 0.5478 = 0.3121
Solución:
2000 1800
z 0 .8
250
Px x 0 0.02 1 P x x 0
1
50
0.5
0.48
= +
z0
Px x 0 0.98
x0 x
z 0 2.055 x 0 x 2.055
26
x0 1800 2.055x 250 2313.8mm
Series de registros C. E. H.
1800 0
3) Px x 0 0.2 Pz z 0 0.2
250 1
0,2 = 0,2
-z0 z0
0.5 0.3
= 1 - -
z0
Pz z 0 0.8
z 0 0.841
Para 0.3
- z 0 0.841
4) P(x 1900) ?
x0 x 1900 1800
z 0 .4
250
z = 0.40
1 1 1 1
Tr 2.9años
P x x 0 1 P x x 0 1 0.6554 0.3446
28
Series de registros C. E. H.
FIN
29