CAPITULO II

PRECIPITACION

1.- GENERALIDADES

1.1 PRECIPITACIÓN. FORMACIÓN, FORMAS, TIPOS, MEDICIÓN Y ANÁLISIS DE

DATOS
Como precipitación se conocen todas las formas de humedad que caen a la tierra,
provenientes de las nubes, como agua, nieve y hielo. La precipitación constituye la
entrada primordial del sistema hidrológico y es el factor principal que controla la
hidrología de una región.

El conocimiento de los comportamientos y patrones de la lluvia en el tiempo y en el

espacio es esencial para entender procesos como la variación de la humedad del suelo,
recarga de acuíferos y caudal en los ríos. El estudio de la precipitación es entonces de
capital importancia para los hidrólogos, pero una investigación detallada de los
mecanismos de su formación es dominio de la meteorología. La evaporación desde la
superficie de los océanos es la principal fuente de humedad para la precipitación, ya
que no más del 10% de la precipitación continental se puede atribuir a la evaporación
en los continentes. Por otra parte, el 25% de la precipitación total que cae en áreas
continentales regresa al mar como escorrentía directa o flujo de agua subterránea. Sin
embargo, la cercanía a los océanos no necesariamente implica altas
precipitaciones, como es el caso de islas desérticas.

1.1.1 FORMACIÓN DE LA PRECIPITACIÓN

Se sabe que la humedad siempre está presente en la atmósfera, aún en día sin nubes,
es lo que se conoce como humedad relativa. Para que ocurra la precipitación, es
necesario que el aire se enfríe por algún mecanismo, de manera que éste alcance su
punto de saturación. Vale decir, que la temperatura del aire (T a), sea inferior al
punto de condensación o temperatura del punto de rocío (T d). Estos mecanismos de
enfriamiento comúnmente se generan por la ascensión de masas de aire, las cuales
producen calentamiento o enfriamiento de la superficie de la tierra o bien, por barreras
orográficas. Sin embargo, la saturación, no necesariamente lleva a la precipitación.

En este sentido toma importancia la presencia de núcleos de condensación o

congelamiento, sobre los cuales se forman las gotas de agua o de cristales de hielo,
proceso que se conoce como nucleación. Estos núcleos por lo general consisten de
productos de combustión, óxidos de nitrógeno y partículas de sal. Éstos son los más
efectivos y aún con humedades relativas tan bajas como del 75% pueden producir
condensación.

Finalmente, se deben producir el crecimiento de las gotas de lluvia o los cristales de

hielo, ya que las nubes están sostenidas por componentes verticales de las fuerzas que
ejercen las corrientes de aire, estas son pequeñas, pero suficientes para impedir que
caigan partículas de determinado tamaño. Es necesario entonces que las gotas tengan
peso suficiente, porque de otra manera se podrían evaporar y desaparecería la nube
lentamente. Las gotas pueden crecer por atracción electrostática o por turbulencia.

1.1.2 FORMAS DE PRECIPITACIÓN

Cualquier producto formado por la condensación de vapor de agua atmosférico en el

aire libre o la superficie de la tierra es un hidrometeoro. Para la hidrología los
hidrometeoros de mayor interés son aquellos que caen, por lo que se dejan fuera la
neblina, la nieve arrastrada por el viento y el hielo.

Los principales tipos de precipitación son:

a. Llovizna: son gotas de agua pequeñas por lo que su velocidad de caída es
bastante baja. Por lo general cae de estratos y rara vez sobrepasa un valor de 1
mm/hr.
b. Lluvia: consiste en gotas de agua líquida con diámetros mayores a las que
componen la llovizna. Comúnmente se reportan tres intensidades: Ligera (hasta
2,5 mm/hr); Moderada (entre 2,5 y 7,6 mm/hr) y Fuerte (mayores a 7,6 mm/hr).
En algunos casos se define un tipo torrencial como aquella que supera los 12,7
mm/hr.
 c. Escarcha: es una capa de hielo que se forma producto del enfriamiento de una
superficie húmeda producida por lluvia o llovizna.
d. Nieve: está compuesta por cristales de hielo, blancos o traslúcidos. Se ha
estimado que 125 a 500 mm de nieve pueden generar 25 mm de agua líquida.
Su densidad promedio es igual a 0,1.
e. Granizo: precipitación en forma de bolas o cristales irregulares de hielo que
se producen generalmente por nubes convectivas.

1.1.3 TIPOS DE PRECIPITACIÓN

La precipitación lleva comúnmente el nombre del factor responsable del levantamiento

del aire que produce el enfriamiento a gran escala y necesario para que se produzcan
cantidades significativas de precipitación. Por ejemplo, la precipitación ciclónica
resulta del levantamiento del aire que converge de un área de baja presión o ciclón.
Esta se subdivide en frontal y no-frontal.

La precipitación frontal resulta del levantamiento del aire cálido sobre un frente más
denso y frío. La de frente cálido se forma cuando el aire avanza hacia arriba sobre una
masa de aire más frío.
La de frente frío es de naturaleza más corta y se forma cuando el aire cálido es obligado
a subir por una masa de aire frío que está avanzando y cuya cara delantera es un frente
frío. En este caso el aire cálido se eleva mucho más rápido que en el anterior y las tasas
de precipitación son mucho mayores.

La precipitación no-frontal es la que no tiene relación con frentes.

Por su parte, la precipitación convectiva es causada por el ascenso de aire cálido

más liviano que el aire frío de los alrededores. Se caracteriza por ser puntual y su
intensidad puede variar entre aquella correspondiente a lloviznas ligeras o aguaceros.

En cambio, la precipitación orográfica resulta del ascenso mecánico sobre una

cadena de montañas. La influencia orográfica es tan marcada en terreno quebrado que
los patrones de las tormentas tienden a parecerse a aquellos de la precipitación media
anual.
No obstante lo anterior, es importante destacar que en la naturaleza, los efectos
de estos varios tipos de enfriamiento a menudo están interrelacionados, de
manera que la precipitación resultante no puede identificarse como de un solo
tipo.

2.1.4 MEDICIÓN DE LA PRECIPITACIÓN

Los instrumentos para medir la cantidad y la intensidad de la precipitación son los más
importantes. En este sentido, todas las formas de precipitación se miden sobre la base
de una columna vertical de agua que se acumularía sobre una superficie a nivel si la
precipitación permaneciese en el lugar donde cae. Comúnmente la unidad de medida
en el sistema métrico es milímetros (mm).

Uno de los principales medidores de precipitación es el pluviómetro. El estándar (U.S.

National Weather Service) posee un colector con un diámetro de 20 cm. La lluvia pasa
del colector a un tubo cilíndrico medidor el cual está situado dentro del recipiente de
vertido. El tubo medidor tiene un área transversal que es 1/10 de aquella del colector,
de tal manera que 1 mm de lluvia llenará el tubo en 1,0 cm. En la figura siguiente se
muestra la estructura básica de un pluviómetro.

Estructura básica de un pluviómetro

El pluviómetro sólo proporciona la altura de precipitación total en milímetros en
intervalos de tiempo fijados de antemano, generalmente de 24 horas.
Cada milímetro medido de precipitación representa la altura (en lámina precipitada) que
tendría un cubo de área igual a un metro cuadrado.

Para medir continuamente la precipitación en el tiempo, es necesario un pluviógrafo,

que es el mismo pluviómetro provisto de un mecanismo de relojería que le permite
marcar en un tipo especial de papel la variación de la precipitación con el tiempo.

Registro pluviográfico

Los tres tipos más importantes de pluviógrafos son: el de cubeta basculante, el de

balanza y el de flotador.
De los errores, el más serio, son los producidos por el viento, en donde la aceleración
vertical del aire, al ser forzado hacia arriba sobre el pluviómetro, le transmite una
aceleración hacia arriba a las gotas que están por entrar al pluviómetro produciéndose
una recogida deficiente.
La información que entrega la precipitación debería ser determinante para planificar el
diseño de una red de pluviómetros. Una de estaciones relativamente dispersa debería
bastar para el estudio de grandes tormentas o para determinar promedio de grandes
áreas planas. Las redes deben ser planeadas de tal manera que se obtenga un cuadro
representativo de la distribución espacial de la precipitación.
1.1.5 INTERPRETACIÓN Y ANÁLISIS DE DATOS DE PRECIPITACIÓN
a. Presentación de los datos. Antes de entrar a la interpretación y análisis de los
datos propiamente tales, es necesario señalar la forma de cómo se presentan
los datos de precipitación. La manera más común como los registros están
disponibles es la Curva de Masas de la lluvia, que resulta ser un gráfico de la
precipitación acumulada contra el tiempo, en orden cronológico. Es la curva que
se obtiene directamente del pluviógrafo, tal como lo presenta en la figura. Las
curvas de masa se usan para extraer información sobre la magnitud, duración e
intensidad de una tormenta.

Curva de masas
Por su parte, el hietograma es el gráfico que relaciona la intensidad de la lluvia contra
el intervalo de tiempo. Se define la intensidad como la variación de la precipitación con
el tiempo. El intervalo de tiempo depende del tamaño de la cuenca. Para cuencas
pequeñas, se usan intervalos de minutos, y para cuencas grandes, los intervalos son
generalmente de horas.. El hietograma es muy utilizado en el diseño de tormentas, para
el estudio de caudales máximos, y se deriva de la curva de masa. El área bajo el
hietograma representa la precipitación total recibida en ese período.

Hietograma
3.- INFORMACION ESTADISTICA

CUADRO N 1

PRECIPITACION TOTAL MENSUAL HISTORICA

(mm)

Estacion : ANDAGUA Latitud : 15 30' Region : AREQUIPA

Categoria : PLU Longitud : 72 21' Prov : CASTILLA
Altitud : 3 589 msnm Distr : ANDAGUA

AÑO ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC TOTAL

1963 130.0 169.5 145.0 8.5 5.5 0.0 0.0 0.0 40.0 17.8 17.5 43.5 577.3
1964 91.0 58.2 118.6 34.0 43.3 0.0 0.0 12.5 0.0 0.0 32.0 144.5 534.1
1965 33.0 139.5 51.0 15.5 0.0 0.0 0.0 16.5 0.0 0.0 15.5
1966 33.0 107.7 76.0 6.5 10.0 0.0 0.0 0.0 0.0 22.0 26.5 23.5 305.2
1967 131.3 214.1 179.0 0.0 12.5 0.0 0.0 2.5 33.5 0.0 0.0 40.5 613.4
1968 191.7 129.0 192.2 0.0 0.0 0.0 0.0 0.0 0.0 0.0 12.5 11.0 536.4
1969 147.5 85.5 148.7 13.5 0.0 0.0 0.0 0.0 3.3 0.0 16.5 67.9 482.9
1970 89.8 111.0 63.0 0.0 9.0 0.0 0.0 0.0 0.0 11.0 1.0 13.6 298.4
1971 78.4 89.5 22.3 4.0 0.0 0.0 0.0 0.0 0.0 7.0 2.0 32.4 235.6
1972 187.2 112.2 213.6 11.5 0.0 0.0 0.0 0.0 22.7 42.2 0.0 78.4 667.8
1973 142.4 118.4 150.7 39.4 0.0 0.0 0.0 13.6 64.8 0.0 13.9 32.4 575.6
1974 142.8 135.3 86.2 17.5 0.0 0.0 0.0 61.2 7.2 0.0 0.0 13.5 463.7
1975 209.2 326.5 127.1 3.5 0.0 0.0 0.0 0.0 0.0 0.0 0.0 61.9 728.2
1976 208.2 102.7 65.7 13.1 30.5 0.0 7.5 4.7 79.6 0.0 0.0 62.6 574.6
1977 51.9 132.0 110.3 0.0 0.0 0.0 0.0 0.0 0.0 10.0 12.3 24.3 340.8
1978 85.0 11.9 83.1 0.0 0.0 0.0 5.3 0.0 0.0 0.0 41.9 0.0 227.2
1979 39.9 39.1 148.5 2.5 0.0 0.0 0.0 0.0 2.5 65.3 0.0 76.1 373.9
1980 52.2 52.4 170.0 14.2 0.0 0.0 0.0 3.7 0.0 16.0 1.4 24.9 334.8
1981 47.7 80.6 26.6 45.9 0.0 0.0 0.0 17.8 0.0 0.0 9.6 51.6 279.8
1982 21.6 54.0 43.8 25.7 0.0 0.0 0.0 0.0 19.1 9.4 7.2 35.1 215.9
1983 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 6.8 6.8
1984 79.1 174.8 83.5 4.5 0.0 2.4 0.0 0.0 0.0 19.1 52.6 24.6 440.6
1985 6.6 126.8 63.8 3.8 6.2 5.3 0.0 0.0 0.0 0.0 30.8 29.8 273.1
1986 115.2 90.2 20.4 13.6 8.2 0.0 0.0 10.6 0.0 0.0 13.5 122.6 394.3
1987 120.2 6.9 24.7 4.6 0.0 0.0 17.1 0.0 0.0 13.1
1988 58.7 68.7 19.4 28.1 0.0 0.0 0.0 2.4 0.0 0.0 99.6
1989 105.2 168.8 15.0 40.8 0.0 4.6 0.0 0.0 0.0 0.0 3.6 0.0 338
1990 30.2 13.2 36.4 12.0 4.0 22.2 0.0 0.0 0.0 3.2 62.6 55.5 239.3

Promedio 95.2 103.9 90.5 12.6 5.6 1.2 1.1 4.5 10.4 8.4 13.2 44.2 390.8
Desviacion 61.5 69.8 59.9 13.3 10.9 4.3 3.6 12.1 20.6 14.9 17.3 36.2
 HIDROGRAMA DE PRECIPITACION ESTACION: ANDAGUA

180,0
160,0
140,0

120,0
100,0
mm

80,0

60,0
40,0
20,0

0,0
3 3 4 5 6 7
6 -6
3
l-6 6
3 6 64 l-64 -6 4 6 65 l-65 -6 5 -6 66 l-66 -6 6 -6
e- r ju t- e- r- j u t e- r- j u t e r- j u t e
en ab oc e n ab oc e n ab oc e n ab oc e n

Meses

3.1- ESTIMACION DE DATOS FALTANTES

Se refiere a un llenado provisional de los datos faltantes de la información existente, con

el fin de hacer el análisis de Doble Masa para verificar la consistencia de la información,
toda vez que la calcular las precipitaciones medias anuales; en los años donde faltan
datos de uno o varios meses esta media anual mostrará quiebres que distorsionaran
innecesariamente el diagrama, lo cual dificultara aún más la identificación de los
períodos dudosos y los confiables.

3.1.1 RELLENO PROVISIONAL DE DATOS FALTANTES (ANALISIS DE DOBLE

MASA)

CRITERIOS PRACTICOS:
a. Tipificar el comportamiento hidrológico de los años, en que faltan datos
(Húmedo, Normal o Seco).

b. Tener en cuenta el período de ubicación del dato faltante, si la información es no

anual.
 c. Completar con el promedio de los años o meses tipificados

ej. Si el año faltante es seco, entonces determinar el promedio de todos los años
secos con información y este servirá para completar el dato faltante.

En otros casos es recomendable completar con el promedio del año posterior y

anterior al dato o también del mes anterior y posterior al faltante, si la información es
anual o mensual respectivamente.

Si la información es mensual, determinar el promedio de los años típicos y completar

con este.

Estos criterios pueden ser válidos, solo en el caso de completación de algunos datos
faltantes, no así en el caso de extensión de periodos largos.

3.2.- ANALISIS DE CONSISTENCIA DE DATOS

La Inconsistencia y no Homogeneidad de una serie hidrológica deben ser identificadas,
eliminadas y ajustadas a las condiciones futuras, porque pueden introducir errores a la
serie.

INCOSISTENCIA: Son los errores sistemáticos que se presentan como saltos y

tendencias en las series maestrales.

a. SALTOS:
Formas determinísticas transitorias que permiten a una serie hidrológica periódica
o no periódica, pasar de un estado a otro como respuesta a cambios hechos por el
hombre o cambios naturales continuos.
&j. Derivaciones aguas arriba, cambio de estación hacia aguas arriba.

b. TENDENCIAS:
Son componentes determinísticas transitorias, que se definen como un cambio,
sistemático y continuo, sobre una muestra de información hidrometereológicas en
 cualquier parámetro de la misma que afecta distribuciones y dependencias de las
series.

&j. Cambio ascendente o descendente en temperatura, precipitación, evaporación

Gráficamente se puede observar como un ascenso o descenso lineal o no lineal
continuo en la muestra histórica, después de haber eliminado los saltos de la
serie.

NO HOMOGENEIDAD: Cambios de los datos originales con el tiempo.

&j. La No Homogeneidad en los datos de Precipitación, se produce por movimiento de

la Estación, cambios en el medio ambiente que rodea la Estación.
-

3.2.1. ANÁLISIS DE DOBLE MASA

El análisis de Doble Masa es la forma más usual de detectar períodos donde se han
producido posibles errores, los cuales se observan en forma de quiebres en la
pendiente de la curva doble másica.

Esta curva se construye llevando a un sistema de coordenadas cartesianas los valores

acumulados de una estación en cuestión (eje de ordenadas), contra los valores
acumulados anuales de una estación Patrón (eje de las abcisas).

La curva de doble masa también es usada muy frecuentemente para corregir los
quiebres multiplicando cada precipitación por la razón de pendientes del período que se
considera erróneo.

Sin embargo esto no es recomendable para estudios detallados, ya que un cambio de

pendiente, puede o no ser significativo, para un nivel de probabilidades, y estar dentro
de ciertos límites de confianza, los que serán comprobados mediante un análisis
estadístico, que evitaría hacer correcciones a la curva que en lugar de mejorar la serie
nos podrían llevar a generar mayores errores.
Existen varios criterios y formas de realizar el análisis de Doble Masa, el cual debe ser
el adecuado a las características de la red pluviométrica.
Se puede realizar el siguiente proceso:

1° Agrupar las estaciones en grupos, teniendo en cuenta la cercanía entre ellas,

altitud y similitud en hidrogramas.

2° Se calcula los volúmenes acumulados anuales para cada estación y el

promedio acumulado anual de las estaciones agrupadas.

3° Se plotea en el eje de las abcisas el promedio anual acumulado de la

precipitación de la información de las estaciones y, en el eje de las ordenadas la
precipitación anual acumulada de cada una de las estaciones del grupo en
análisis.

4° De las curvas de Doble Masa obtenidas en el paso 3°, se selecciona la que

tenga menos puntos de quiebre, es decir que se muestre más uniforme, la que es
considerada como la más confiable. La curva obtenida para la estación más
confiable sirve también para detectar sus períodos dudosos y confiables, para su
posterior análisis.

5° La estación escogida en el paso anterior como la más confiable, se plotea en el

eje de las abcisas, y las otras estaciones se plotean en el eje de las ordenadas.
En los gráficos obtenidos, se determinan los períodos dudosos y los
períodos confiables, ayudados además de los hidrogramas de cada estación
que se analice.
 CURVA DOBLE MASA
ANDAGUA - CHACHAS - ORCOPAMPA

14000.0
Precip. Acum. Estacion

12000.0
10000.0
8000.0
6000.0
4000.0
2000.0
0.0
0.0 20000.0 40000.0 60000.0 80000.0 100000.0 120000.0 140000.0 160000.0

Precipitacion Acumulada Promedio

Andagua Chachas Orcopampa

CUADRO N 2

ANALISIS DE DOBLE MASA

PRECIPITACION ACUMULADA
(MM)
ANDAGUA CHACHAS ORCOPAMPA PROMEDIO
AÑO PRECIPITACION PRECIPITACION PRECIPITACION PRECIPITACION
ANUAL ACUMULADA ANUAL ACUMULADA ANUAL ACUMULADA ANUAL ACUMULADA

1964 534.1 534.1 439.6 439.6 477.2 477.2 483.6 483.6

1965 272.1 806.2 144.5 584.1 396.5 873.7 754.7 1238.3
1966 305.2 1111.4 141.6 725.7 410.7 1284.4 1040.5 2278.8
1967 613.4 1724.8 388.3 1114.0 413.6 1698.0 1512.3 3791.1
1968 536.4 2261.2 294.6 1408.6 442.1 2140.1 1936.6 5727.7
1969 482.9 2744.1 232.0 1640.6 739.4 2879.5 2421.4 8149.1
1970 298.4 3042.5 188.6 1829.2 833.9 3713.4 2861.7 11010.8
1971 235.6 3278.1 198.4 2027.6 459.9 4173.3 3159.7 14170.5
1972 667.8 3945.9 423.6 2451.2 648.0 4821.3 3739.5 17910.0
1973 575.6 4521.5 283.3 2734.5 642.2 5463.5 4239.8 22149.8
1974 463.7 4985.2 265.1 2999.6 544.7 6008.2 4664.3 26814.1
1975 728.2 5713.4 369.4 3369.0 454.8 6463.0 5181.8 31995.9
1976 574.6 6288.0 282.6 3651.6 472.1 6935.1 5624.9 37620.8
1977 340.8 6628.8 315.0 3966.6 458.5 7393.6 5996.3 43617.1
1978 227.2 6856.0 114.5 4081.1 353.7 7747.3 6228.1 49845.2
1979 373.9 7229.9 254.3 4335.4 365.2 8112.5 6559.3 56404.5
1980 334.8 7564.7 145.7 4481.1 433.9 8546.4 6864.1 63268.6
1981 279.8 7844.5 228.2 4709.3 487.5 9033.9 7195.9 70464.5
1982 215.9 8060.4 133.8 4843.1 365.1 9399.0 7434.2 77898.7
1983 6.8 8067.2 118.9 4962.0 220.5 9619.5 7549.6 85448.3
1984 440.6 8507.8 299.1 5261.1 659.4 10278.9 8015.9 93464.2
1985 273.1 8780.9 58.9 5320.0 311.1 10590.0 8230.3 101694.5
1986 394.3 9175.2 257.9 5577.9 513.1 11103.1 8618.7 110313.2
1987 244.0 9419.2 78.3 5656.2 235.8 11338.9 8804.8 119118.0
1988 372.1 9791.3 292.3 5948.5 371.5 11710.4 9150.1 128268.1
1989 338.0 10129.3 205.4 6153.9 358.9 12069.3 9450.8 137718.9
1990 239.3 10368.6 114.7 6268.6 498.3 12567.6 9734.9 147453.8
 CURVA DE DOBLE MASA
CHACHAS vs ANDAGUA Y ORCOPAMPA

14000,0

12000,0

10000,0
Precip. Acum. Estacion

8000,0

6000,0

4000,0

2000,0

0,0
0,0 1000,0 2000,0 3000,0 4000,0 5000,0 6000,0 7000,0
Precipitacion Acumulada Chachas

Andagua Orcopampa

3.3.. ANALISIS ESTADISTICO

3.3.1. CONSISTENCIA DE LA MEDIA

El proceso tiene como fin demostrar, por medio de la prueba t de Student, que los
valores promedio provienen de una misma población, lo cual será cierto si ambas
medias son estadísticamente iguales. La forma es como sigue:

1° Se calcula la media y desviación estándar tanto del período dudoso como del
confiable de la siguiente manera:

 XI
XW 
NW

SW ( X )   X  XW 2
NW 1
Donde:

Xw : Media de uno de los períodos.

w : Período que se calcula.

w = 1, para el período dudoso.
w = 2, para el período confiable.
xi : Dato de registro mensual.
Sw(x) : Desviación estándar del período w

Nw : Tamaño de la muestra del período w.

Cabe hacer notar que el tamaño de la muestra para cada período (N1 y N2), se refiere a
todos los valores diferentes de cero y no se toman en cuenta los valores con que se
llenaron, para el análisis de doble masa.

2° Se realiza la prueba de medias, mediante el estadístico t de Student, en el orden

siguiente:

a. Se determina la hipótesis planteada, la hipótesis alternativa y el nivel de significación:

Hp : µ1 = µ2

Ha : µ1  µ2

α = 0,05

Donde:
µ1,µ2 : medias poblacionales.

α : nivel de significación.

b. Para demostrar la hipótesis planteada de que las muestras provienen de la misma

población, es decir que la media ambos períodos son estadísticamente iguales, se
obtiene un valor de t calculado, y un valor de t de tablas de la forma que sigue:
 tC 
X 1 
 X 2  1  2 
Sd

1 1
Sd  SP 
N1 N2

SP 
N1 1S12  N 2 1S22
N1  N 2  2

Donde :
tc : t calculado.
Sd : Desviación estándar de los promedios
SP : Desviación estándar ponderada

El valor de t de tablas (tt) se obtiene con α =0,05 y N1+N2-2 grados de libertad.

Para tomar la decisión sobre la consistencia o no de la media, se compara el t calculado

con el t de las tablas:

Si tc < tt --- la media es consistente.

Si tc > tt --- la media es inconsistente.

3.3.2. CONSISTENCIA DE LA DESVIACION ESTANDART

Este análisis se realizó mediante el estadístico F de la siguiente manera:

1. Se calculó las variancias, sencillamente elevando al cuadrado las desviaciones

estándar para cada período.

2. Se hizo la prueba del estadístico F como sigue:

a. Se ensaya las hipótesis, tanto planteada y la alternativa:

Hp : σ12 = σ12
Ha : σ12  σ12
α = 0,05

b. Se calcula el estadístico FC y se busca el F de tablas (Ft):

S12
FC  si S1  S 2
2 2
S 22
ó

S 22
FC  2 si S 2  S1 S
2 2
S1

El valor de Ft se obtiene con α = 0,05, Grados de libertad del numerador (N 1-1), y

Grados de libertad del denominador (N2-1).

Los valores obtenidos se comparan y se demuestra si son o no consistentes con los

siguientes criterios:

FC < Ft La muestra es consistente en la desviación estándar.

FC > Ft La muestra es inconsistente.

Esto significa que la muestra es consistente en la desviación estándar cuando las

desviaciones de los períodos comparados son estadísticamente iguales.
3.4. CORRECCIÓN DE LA INFORMACIÓN

La información del período dudoso se corrige, cuando la media o la desviación estándar

no son homogéneas (estadísticamente iguales), y para ello se utiliza la siguiente
ecuación:

 X t  X 1
X 1t    S2 X   X 2
 S1X  

Cuando se va a corregir el primer periodo

Donde:
X'(t) = valor corregido.
X(t) = valor a ser corregido.
Y para el segundo periodo
X  X2
X 1t    t  S1  X   X 1
 S2 X  

X'(t) = valor corregido.

 X(t) = valor a ser corregido

3.5. COMPLETACIÓN Y EXTENSIÓN DEL REGISTRO

Una vez homogeneizada la información, ésta ya puede ser completada y extendida.

Para ello existen varios métodos y procedimientos que van desde los más sencillos,
como algunos criterios prácticos, hasta procesos complejos, como los estadísticos y
matemáticos.

Dentro de este proceso, la extensión es el más importante, ya que al extender, se está

creando una serie de registros larga, y sus parámetros serán diferentes a los de la serie
original (Serie corta). Es por ello que para aceptar la extensión de un registro corto, es
indispensable que la serie larga proporcione mejores estimados de los parámetros que
ésta.

De los métodos de estimación, los criterios prácticos, como es el relleno de datos con
el promedio; pueden generar efectos muy negativos en la información y por ende
conclusiones erróneas. El efecto más importante es que la variancia de la serie puede
ser reducida sustancialmente; ya que al colocar en un dato faltante un promedio se
está amortiguando los desvíos propios de la muestra, de tal manera que pierde uno
de sus parámetros más importantes, distorsionándola así por completo como serie
histórica. En cambio los métodos estadísticos proporcionan las herramientas necesarias
para determinar si la nueva serie ha mejorado la estimación de parámetros o la ha
empeorado.

El método estadístico más usado en estos casos, es el de Correlación y Análisis de

Regresión que matemáticamente se hacen en simultáneo, que puede ser con una o
más variables, y sirve tanto para completar como para extender la información.

Se puede usar el modelo de Regresión Lineal Simple, es decir que el registro que se
quiere extender sólo está correlacionado con una serie de registro largo.

Si usamos la ecuación de regresión común, es decir:

 Yt  a  bX t
Donde:
Yt : Variable aleatoria del registro a extender.
Xt : Variable aleatoria del registro largo.

a,b : Parámetros de la ecuación calculados por mínimos

cuadrados.

Surgirá un sesgo en la variancia de Y, debido a que el modelo no explica toda la

variancia del registro corto.
Podemos apoyarnos de dos Coeficientes:

Coeficiente de Correlación que mide el grado de asociación existente entre las variables
consideradas
Coeficiente de Determinación muestra el porcentaje de la variación total de la variable
Y, que es explicada por X.

Para remover este sesgo, se ha introducido una variancia adicional igual a 1  r 2 S1 (Y ) ,
de tal manera que el modelo de regresión lineal simple queda de la siguiente forma:

 
Yt  a  bX t   1  r 2 S1 (Y ) Et

Donde:

α :Parámetro usado para remover el sesgo en el estimado de la variancia Y, y es igual:

N 2 (N1  4N1 1

2 
N 2 1N1  3N1  21
N1: Longitud de la muestra del período corto.
N2: Longitud de la muestra por extender.
N1+N2: Longitud de la serie larga.
θ = 1 Cuando se considera la variable aleatoria.
θ = 0 Cuando no se considera la variable aleatoria.
 Et : Variable aleatoria normal e independiente con media cero y

variancia unitaria.
r : Coeficiente de correlación entre X e Y.

Al introducir una variable aleatoria al modelo, estamos manteniendo la

individualidad de la serie corta respecto a otros lugares, debido a que esta
variable representará la porción de cada dato estimado que no está influenciada
por los eventos ocurridos en dichos lugares. A su vez esto nos acerca más al
hecho de que los fenómenos hidrológicos son más aleatorios que determínisticos.

Dentro del análisis de Correlación existen tres tipos de ésta que son:

- CORRELACIÓN CRUZADA. o Correlación en el espacio, que se refiere cuando

la correlación se hace entre dos series de lugares diferentes pero para un mismo
tiempo.

- CORRELACIÓN EN EL TIEMPO. o Autocorrelación, que se da cuando en una

serie del mismo lugar, se correlaciona ésta convirtiéndola en dos, desfasándola en
el tiempo.

- CORRELACIÓN MIXTA. Es aquella que se da entre series de lugares

diferentes y tiempos diferentes.

Para el análisis se usa en orden de prioridad, los dos primeros tipos; es decir,
Correlación Cruzada y Autocorrelación. La Correlación Cruzada se ha da
especialmente para los meses húmedos donde existe un grado de asociación
aceptable entre estaciones. En cambio, en los meses secos el grado de
asociación es casi nulo, por lo que se aplica la Autocorrelación, desfasando la
serie en un mes.

La forma como se procede para realizar la completación y extensión de datos es

la siguiente:

CORRELACIÓN CRUZADA
1° La estación que se quiere completar y/o extender será la serie dependiente,
que se representará por Y, y las series que sirvan para extender por X. La
Correlación se puede hacer mes a mes, de tal manera que se evite la
dependencia y ciclicidad propia de los datos no anuales.

2° Cálculo del coeficiente de correlación. Se correlaciona la estación Y, con varias

estaciones de características similares. La serie independiente X, se escogerá
de aquella que tenga el coeficiente de correlación más alto para el mes
analizado.

3° Cálculo de los parámetros de regresión con las ecuaciones siguientes:

a
Y  X   XY  X
2

N  X   X 
2 2

N  XY   X  Y
b
N  X 2   X 
2

SX
r b
SY

Donde:
Sx : Desviación estándar de X.
Sy : Desviación estándar de Y.

4° Criterio de Mejora de los estimados de los parámetros.

Para determinar si la media y la desviación estándar han sido mejorados se
compara el coeficiente de correlación ya calculado, con los coeficientes críticos
deducidos. Si el r calculado es mayor que el R crítico, quiere decir que el
estimado de los parámetros mejoró, y viceversa.

5° Ganancia de Información.
Este paso sirve para corroborar el paso anterior. Con la ganancia o no de
información se demuestra el grado de precisión que han tenido los estimados
de los parámetros. "La variancia de un parámetro, ha sido usada típicamente en
el campo estadístico, para medir la precisión asociada con ello". Pero existe una
forma sencilla y práctica de medir este grado de precisión de un parámetro; que
es mediante la Información Relativa (I), con la cual hemos trabajado nosotros.
Estadísticamente, L viene a ser la razón entre la variancia de la serie original,
entre la variancia de la serie restituída; y ésta tiene que ser mayor a la unidad
para demostrar que ha mejorado el estimado.

Para ser calculada I, previamente se tiene que calcular la Longitud Efectiva (Ne)
dada por Longbein en 1960.

N1  N 2
Ne 
1
N2
N1  2

1 r2 

Además:

N g  N e  N1

Conociendo la Longitud Efectiva calculamos L:

Ne
L
N1

De donde concluimos:

Si L > 1, Ne > N1 y Ng > 0. Si hay ganancia de información, entonces se puede

usar la ecuación de regresión lineal para extender.

Si L< 1, Ne < N1 y Ng < 0, se pierde información y por lo tanto no debe usar la

ecuación de regresión lineal.

6° Se da forma a las ecuaciones de regresión que se usaran para la

completación y extensión.
 7° Se generaron números aleatorios, los cuales tienen una una distribución
normal, independiente para el intervalo [0,1]. También se pueden escoger al azar
de una tabla de números aleatorios.

Autocorrelación

1° Se usa para los meses que no pudieran ser extendidos por Correlación
Cruzada. Las series de cada estación se desfasan en una unidad. Esto quiere
decir que los datos del mes Yt se correlacionaron con el mes Yt-1, donde la
variable dependiente es Yt y la variable independiente es Yt-1.

2° Se calcula los parámetros de Autocorrelación, en los cuales, ya no se toma

en cuenta el factor aleatorio, ya que los meses secos están por lo general
fuertemente autocorrelacionados.

3° Se determinan las ecuaciones de extensión y se procede a calcular los datos

faltantes.

Como referencia cabe resaltar que de no haber sido posible la extensión y completación
con los procedimientos anteriores, es necesario aplicarse como último métodos
prácticos. M
ej. Corrección de datos:
Del año 1967 al 1969, periodo dudoso y 1977 a 1982, periodo confiable
 CUADRO N 1

PRECIPITACION TOTAL MENSUAL HISTORICA

(mm)

Estacion : ANDAGUA Latitud : 15 30' Region : AREQUIPA

Categoria : PLU Longitud : 72 21' Prov : CASTILLA
Altitud : 3 589 msnm Distr : ANDAGUA

AÑO ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC TOTAL

1963 130.0 169.5 145.0 8.5 5.5 0.0 0.0 0.0 40.0 17.8 17.5 43.5 577.3
1964 91.0 58.2 118.6 34.0 43.3 0.0 0.0 12.5 0.0 0.0 32.0 144.5 534.1
1965 33.0 139.5 51.0 15.5 0.0 0.0 0.0 16.5 0.0 0.0 15.5
1966 33.0 107.7 76.0 6.5 10.0 0.0 0.0 0.0 0.0 22.0 26.5 23.5 305.2
1967 131.3 214.1 179.0 0.0 12.5 0.0 0.0 2.5 33.5 0.0 0.0 40.5 613.4
1968 191.7 129.0 192.2 0.0 0.0 0.0 0.0 0.0 0.0 0.0 12.5 11.0 536.4
1969 147.5 85.5 148.7 13.5 0.0 0.0 0.0 0.0 3.3 0.0 16.5 67.9 482.9
1970 89.8 111.0 63.0 0.0 9.0 0.0 0.0 0.0 0.0 11.0 1.0 13.6 298.4
1971 78.4 89.5 22.3 4.0 0.0 0.0 0.0 0.0 0.0 7.0 2.0 32.4 235.6
1972 187.2 112.2 213.6 11.5 0.0 0.0 0.0 0.0 22.7 42.2 0.0 78.4 667.8
1973 142.4 118.4 150.7 39.4 0.0 0.0 0.0 13.6 64.8 0.0 13.9 32.4 575.6
1974 142.8 135.3 86.2 17.5 0.0 0.0 0.0 61.2 7.2 0.0 0.0 13.5 463.7
1975 209.2 326.5 127.1 3.5 0.0 0.0 0.0 0.0 0.0 0.0 0.0 61.9 728.2
1976 208.2 102.7 65.7 13.1 30.5 0.0 7.5 4.7 79.6 0.0 0.0 62.6 574.6
1977 51.9 132.0 110.3 0.0 0.0 0.0 0.0 0.0 0.0 10.0 12.3 24.3 340.8
1978 85.0 11.9 83.1 0.0 0.0 0.0 5.3 0.0 0.0 0.0 41.9 0.0 227.2
1979 39.9 39.1 148.5 2.5 0.0 0.0 0.0 0.0 2.5 65.3 0.0 76.1 373.9
1980 52.2 52.4 170.0 14.2 0.0 0.0 0.0 3.7 0.0 16.0 1.4 24.9 334.8
1981 47.7 80.6 26.6 45.9 0.0 0.0 0.0 17.8 0.0 0.0 9.6 51.6 279.8
1982 21.6 54.0 43.8 25.7 0.0 0.0 0.0 0.0 19.1 9.4 7.2 35.1 215.9
1983 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 6.8 6.8
1984 79.1 174.8 83.5 4.5 0.0 2.4 0.0 0.0 0.0 19.1 52.6 24.6 440.6
1985 6.6 126.8 63.8 3.8 6.2 5.3 0.0 0.0 0.0 0.0 30.8 29.8 273.1
1986 115.2 90.2 20.4 13.6 8.2 0.0 0.0 10.6 0.0 0.0 13.5 122.6 394.3
1987 120.2 6.9 24.7 4.6 0.0 0.0 17.1 0.0 0.0 13.1
1988 58.7 68.7 19.4 28.1 0.0 0.0 0.0 2.4 0.0 0.0 99.6
1989 105.2 168.8 15.0 40.8 0.0 4.6 0.0 0.0 0.0 0.0 3.6 0.0 338
1990 30.2 13.2 36.4 12.0 4.0 22.2 0.0 0.0 0.0 3.2 62.6 55.5 239.3

Promedio 95.2 103.9 90.5 12.6 5.6 1.2 1.1 4.5 10.4 8.4 13.2 44.2 390.8
Desviacion 61.5 69.8 59.9 13.3 10.9 4.3 3.6 12.1 20.6 14.9 17.3 36.2
SEPARACION PERIODOS DUDOSOS

x (x-media)^2
1 131.3 2058.294
2 214.1 16427.144
3 179.0 8661.731
4 12.5 5392.197
5 2.5 6960.828
6 33.5 2749.070
7 40.5 2064.028
8 191.7 11186.959
9 129.0 1854.889
10 192.2 11292.977
11 12.5 5392.197
12 11.0 5614.742
13 147.5 3790.670
14 85.5 0.186
15 148.7 3939.875
16 13.5 5246.334
17 3.3 6827.978
18 16.5 4820.744
19 67.9 325.138
Media 85.932 104605.981

Desv. Es Sx 76.23282359
SEPARACION PERIODOS CONFIABLE

x (x-media)^2
1 51,9 75,182
2 132,0 7880,243
3 110,3 4498,483
4 10,0 1104,184
5 12,3 956,620
6 24,3 358,317
7 85,0 1744,794
8 11,9 981,523
9 83,1 1589,675
10 5,3 1438,629
11 41,9 1,767
12 39,9 11,084
13 39,1 17,051
14 148,5 11081,927
15 2,5 1658,873
16 2,5 1658,873
17 65,3 487,117
18 76,1 1080,485
19 52,2 80,474
20 52,4 84,102
21 170,0 16070,818
22 14,2 842,698
23 3,7 1562,563
24 16,0 741,433
25 1,4 1749,688
26 24,9 335,962
27 47,7 19,987
28 80,6 1396,572
29 26,6 276,533
30 45,9 7,133
31 17,8 646,648
32 9,6 1130,928
33 51,6 70,069
34 21,6 467,825
35 54,0 116,009
36 43,8 0,326
37 25,7 307,275
38 19,1 582,222
 39 9,4 1144,419
40 7,2 1298,108
41 35,1 66,085
1772,4 65622,705
Media 43,229

Desv. Est. Sx 40,50392107

X1 85,932
S1 76,233
N1 19

X2 43,229
S2 40,504
N2 41

Sp 54,175
Sd 15,035

tc 2,8402 tt 2,002

FC 3,5423 Ft 1,87

CORRECCION DE LA INFORMACION

Xt 131,3
X1 85,932
S1 76,232824
S2 40,503921
X2 43,229

X'T 67,334357
AÑOS X Y1 X1 X2 X1Y1 (Yi-Y)(Xi-X) (Xi-X)² X² 2  1.028311966
1939 175.80 91.00 175.8 * 15997.800 2071.105 9592.244 30905.640   1.014057181
1940 4.50 33.00 4.5 * 148.500 2703.561 5381.690 20.250 b 0.311811871
1941 10.40 33.00 10.4 * 343.200 2486.126 4550.852 108.160 a 45.57566109
1942 109.80 67.30 109.8 * 7389.540 -81.553 1020.164 12056.040 r 0.668865233 r2= 0.4473807
1943 112.00 99.40 112 * 11132.800 1008.723 1165.540 12544.000 ß = 11.60601304
1944 66.00 75.90 66 * 5009.400 -71.713 140.660 4356.000
1945 79.30 89.80 79.3 * 7121.140 28.723 2.074 6288.490 A = -7.266773504
1946 60.60 78.40 60.6 * 4751.040 -147.515 297.908 3672.360 B = 1.533547009
1947 84.00 72.80 84 * 6115.200 18.093 37.700 7056.000 C = -53.41031746
1948 78.00 52.70 78 * 4110.600 -2.401 0.020 6084.000
1949 103.20 52.90 103.2 * 5459.280 -429.597 642.116 10650.240
1950 79.50 82.60 79.5 * 6566.700 20.905 2.690 6320.250 0.901109647
1951 121.60 82.10 121.6 * 9983.360 535.669 1913.188 14786.560
1952 30.30 51.90 30.3 * 1572.570 853.861 2261.954 918.090
1953 52.90 85.00 52.9 * 4496.500 -378.061 623.002 2798.410
1954 8.90 * 8.9 0.000 5438.781 6062.180 0.000
1955 15.80 * 15.8 0.000 5438.781 6062.180 0.000
1956 44.40 * 44.4 0.000 5438.781 6062.180 0.000
1957 26.10 * 26.1 0.000 5438.781 6062.180 0.000
1958 0.00 * 0 0.000 5438.781 6062.180 0.000
1959 * 0 0.000 5438.781 6062.180 0.000
1960 * 0 0.000 5438.781 6062.180 0.000 PRUEBA DE SIGNIFICACION
1961 * 0 0.000 5438.781 6062.180 0.000
1962 * 0 0.000 5438.781 6062.180 0.000 r n 2
tc 
1963 * 0 0.000 5438.781 6062.180 0.000 1 r 2
1964 * 0 0.000 5438.781 6062.180 0.000
1965 * 0 0.000 5438.781 6062.180 0.000 tc= 3.244122721
1966 * 0 0.000 5438.781 6062.180 0.000 Significacion= 0,05 Grados de Libertad
1967 * 0 0.000 5438.781 6062.180 0.000 tt= 2.16 n1-2
1968 * 0 0.000 5438.781 6062.180 0.000 tc>tt
1969 * 0 0.000 5438.781 6062.180 0.000 Se rechaza hipotesis nula; hay correlacion entre estas variables
1970 * 0 0.000 5438.781 6062.180 0.000
1971 * 0 0.000 5438.781 6062.180 0.000
1972 * 0 0.000 5438.781 6062.180 0.000 ECUACION DE REGRESION
1973 * 0 0.000 5438.781 6062.180 0.000
1974 * 0 0.000 5438.781 6062.180 0.000 SIN FACTOR ALEATORIO
1975 * 0 0.000 5438.781 6062.180 0.000
1976 * 0 0.000 5438.781 6062.180 0.000 Yt  a  bXt
1977 * 0 0.000 5438.781 6062.180 0.000
1978 * 0 0.000 5438.781 6062.180 0.000 Xt= 8.90
õ(Yi-Y)(Xi-X) 144585.435 179186.286 Yt= 48.35078673
N 20 15 15 25
media 69.85 77.86 4.1391 Yt  a  bXt   1  r 2 S1y t
STDS 20.7107 44.426 10.845

xt yt Ytalea
1969 8.90 48.35078673 48.457238
1970 15.80 50.50228864 53.86734
1971 44.40 59.42010814 67.725067
1972 26.10 53.71395091 63.71724
AÑOS X Y1 X1 X2 X1Y1 (Yi-Y)(Xi-X) (Xi-X)² X² Ó² = #¡DIV/0!
1964 53.7 91.0 53.664523 * 4883.4716 -829.2770582 948.32681 2879.881 Ó = #¡DIV/0! Y= a+bXt
1965 40.2 33.0 40.209205 * 1326.9038 1374.897871 1958.0831 1616.7802 b 0.478735618
1966 55.8 33.0 55.789047 * 1841.0385 890.8170088 821.99135 3112.4177 a 26.20007231 Y=26,20+0,4787*Xt
1967 67.3 * * 0 -275.6234083 7133.3967 0r 0.614377194
1968 61.8 99.4 61.808531 * 6145.3752 -800.8234751 513.0636 3820.2945 ß = #¡DIV/0! Xt= 212.3
1969 42.6 75.9 42.616999 * 3236.4081 -496.7008927 1750.7897 1816.2086
1970 119.3 89.8 119.31231 * 10714.245 896.7304164 1214.7227 14235.427 A = -2.44783507 Y= 127.83564
1971 124.0 78.4 123.97507 * 9719.6455 566.2204889 1561.4851 15369.818 B = 0.350215595
1972 117.8 72.8 117.75513 * 8567.7345 289.2706804 1108.6032 13866.271 C = -50.61246556
1973 121.0 52.7 121.02878 * 6382.2635 -414.6063746 1337.317 14647.966
1974 137.1 52.9 137.13515 * 7256.1272 -587.7945889 2774.7307 18806.05
1975 110.3 82.6 110.2912 * 9109.264 478.4525454 667.28016 12164.15
1976 126.7 82.1 126.7 * 10407.879 763.4926622 1784.2651 16052.89
1977 50.8 51.9 50.8 * 2636.52 409.6681673 1132.9578 2580.64
1978 83.1 85.0 83.1 * 7063.5 -28.45171451 1.848072 6905.61
1979 20.6 39.9 20.6 * 821.94 1543.544858 4078.0278 424.36
1980 78.5 52.2 78.5 * 4097.7 70.74433853 35.514902 6162.25
1981 124.0 47.7 124 * 5914.8 -647.3175358 1563.456 15376
1982 62.8 21.6 62.8 * 1356.48 919.8974462 469.13126 3943.84
1983 28.2 0.0 28.2 * 0 3604.597031 3165.1244 795.24
1984 130.3 79.1 130.3 * 10306.73 688.9389676 2101.3571 16978.09
1985 5.8 6.6 5.8 * 38.28 4520.634572 6187.3072 33.64
1986 122.1 115.2 122.1 * 14065.92 1924.525244 1416.8119 14908.41
1987 138.7 120.2 138.7 * 16671.74 3044.469875 2942.0386 19237.69
1988 212.3 * 212.3 0 5411.398516 7133.3967 0
1989 97.8 105.2 97.8 * 10288.56 548.6843087 177.97059 9564.84
1990 58.5 30.2 58.5 * 1766.7 879.2714694 673.89243 3422.25
1991 0 5411.398516 7133.3967 0
1992 0 5411.398516 7133.3967 0
õ(Yi-Y)(Xi-X) 35568.45845 68919.683
N 26 26 25 1
media 64.1 84.459438 212.3
AÑOS X Y1 X1 X2 X1Y1 (Yi-Y)(Xi-X) (Xi-X)² X² Ó² = 1.047619048
1964 321.0 175.0 321 * 56175 38965.83333 132617.36 103041 Ó = 1.023532631
1965 222.0 75.0 222 * 16650 95875.5 214523.36 49284 b 0.431222103
1966 155.0 45.0 155 * 6975 125649.5 281076.69 24025 a -13.45901069
1967 274.0 77.0 274 * 21098 84289.16667 169058.03 75076 r 0.98708582
1968 431.0 131.0 431 * 56461 38379.16667 64600.694 185761 ß = 7.13245187
1969 446.0 136.0 446 * 60656 34918.33333 57200.694 198916
1970 456.0 171.0 456 * 77976 25437.5 52517.361 207936 A = -6.560846561
1971 1270.0 475.0 1270 * 603250 112872.8333 342030.03 1612900 B = 1.566137566
1972 2089.0 897.0 2089 * 1873833 863357.5 1970748 4363921 C = -37.06589707
1973 1618.0 710.0 1618 * 1148780 399252.6667 870178.03 2617924
1974 431.0 268.0 431 * 115508 3558.333333 64600.694 185761 PRUEBA DE SIGNIFICACION
1975 509.0 224.0 509 * 114016 10217.66667 31034.694 259081
1976 * 0 0 193217 469453.36 0
1977 * 0 0 193217 469453.36 0 r n 2
1978 * 0 0 193217 469453.36 0 tc 
1979 * 0 0 193217 469453.36 0 1 r 2
1980 * 0 0 193217 469453.36 0 tc= 19.48557335
1981 * 0 0 193217 469453.36 0 Significacion= 0,05 Grados de Libertad
1982 * 0 0 193217 469453.36 0 tt= 2.228
1983 * 0 0 193217 469453.36 0 tc>tt
1984 * 0 0 193217 469453.36 0 Se rechaza hipotesis nula; hay correlacion entre estas variables
1985 * 0 0 193217 469453.36 0
1986 * 0 0 193217 469453.36 0 ECUACION DE REGRESION
1987 * 0 0 193217 469453.36 0
1988 * 0 0 193217 469453.36 0 SIN FACTOR ALEATORIO
1989 * 0 0 193217 469453.36 0
1990 * 0 0 193217 469453.36 0 Yt  a  bXt
1991 0 193217 469453.36 0
1992 0 193217 469453.36 0 Xt= 800
õ(Yi-Y)(Xi-X) 5117463 12230893 Yt= 331.5186715
N 12 12 12 15
media 282.0 685.167 0 Yt  a  bXt   1  r 2 S1y t
STDS 271.552 621.595 0
N. Aleatorio 0.852486223
Yt= 337.5989884
AÑOS X Y1 X1 X2 X1Y1 (Yi-Y)(Xi-X) (Xi-X)² X² Ó² = 1.057342657
1986 2149.2 4151.0 2149.2 * 8921329.2 148506.5677 40884.84 4619060.6 Ó = 1.028271685
1987 2115.5 3736.6 2115.5 * 7904777.3 53929.07308 28392.25 4475340.3 b 1.086803351
1988 2195.1 3263.2 2195.1 * 7163050.3 -38045.18077 61553.61 4818464 a 1300.540029
1989 1822.0 3438.1 1822 * 6264218.2 -2694.230769 15625 3319684 r 0.551310388 r2= 0.3039431
1990 2616.7 * 2616.7 0 6652015.362 3790809 0 ß= 277.2911448
1991 1739.8 3140.4 1739.8 * 5463667.9 57217.48308 42931.84 3026904
1992 1799.0 3474.4 1799 * 6250445.6 -8562.369231 21904 3236401 A = -5.878181818
1993 1888.1 2987.7 1888.1 * 5641076.4 25259.03846 3469.21 3564921.6 B = 1.356363636
1994 2020.1 3633.3 2020.1 * 7339629.3 15844.70615 5343.61 4080804 C = -38.41333333
1995 2095.2 3606.8 2095.2 * 7556967.4 28195.62 21963.24 4389863
1996 2104.3 3945.4 2104.3 * 8302305.2 83188.71 24743.29 4428078.5 PRUEBA DE SIGNIFICACION
1997 1678.0 3004.1 1678 * 5040879.8 110948.0154 72361 2815684
1998 1703.0 * 1703 0 6652015.362 3790809 0
1999 2083.0 2918.0 2083 * 6078194 -67802.27692 18496 4338889 r n 2
2000 1621.7 3116.1 1621.7 * 5053379.4 97735.13385 105820.09 2629910.9 tc 
2001 * 0 0 6652015.362 3790809 0 1 r 2
2002 * 0 0 6652015.362 3790809 0 tc= 2.191644754
2003 * 0 0 6652015.362 3790809 0 Significacion= 0,05 Grados de Libertad
2004 * 0 0 6652015.362 3790809 0 tt= 2.16
2005 * 0 0 6652015.362 3790809 0 tc>tt
2006 * 0 0 6652015.362 3790809 0 Se rechaza hipotesis nula; hay correlacion entre estas variables
2007 * 0 0 6652015.362 3790809 0
2008 * 0 0 6652015.362 3790809 0 ECUACION DE REGRESION
2009 * 0 0 6652015.362 3790809 0
2010 * 0 0 6652015.362 3790809 0 SIN FACTOR ALEATORIO
2011 * 0 0 6652015.362 3790809 0
2012 * 0 0 6652015.362 3790809 0 Yt  a  bXt
2013 0 6652015.362 3790809 0
2014 0 6652015.362 3790809 0 Xt= 2616.7
õ(Yi-Y)(Xi-X) 106935966.1 61116432 Yt= 4144.378358
N 15 13 13 14
media 3416.5 1947 308.55 Yt  a  bXt  1  r 2 S1y t
STDS 387.42122 196.53 804.53
N. Aleatorio 0
Yt= 4144.378358
4. PRECIPITACIÓN MEDIA

El cálculo de la Precipitación Media de la cuenca es una fase aplicativa. Para ello se

usan tres métodos, dos de ellos bastante difundidos, y un tercero (Thiessen Mejorado),
que combina los anteriores.

- MÉTODO DE LAS ISOYETAS

Podemos definir la Isoyeta, como la línea que representa igual precipitación.

El método consiste en trazar las isoyetas, interpolando las precipitaciones medias de

cada estación, de igual forma como se trazan las curvas de nivel. En segundo lugar se
hallan las áreas entre isoyetas adyacentes y se multiplican por su precipitación
promedio; sumando el total de estos factores y dividiéndolos entre el área total.
Se debe resaltar que al momento de trazar las Isoyetas se debe tener en cuenta el
factor orográfico, que se visualiza a través de las curvas de nivel. Las líneas isoyetas
deben, en lo posible, tener un trazo similar a dichas curvas.
 CUADRO N 1

PRECIPITACION MEDIA MENSUAL

METODO DE LAS ISOYETAS

ENERO

ISOYETA AREA NETA PREC PROM VOLUMEN

(mm) (Km2) (mm) PREC
48,5 50 15,10 49,3 743,68
50 385,70 50,0 19285,00
80 348,20 65,0 22633,00
110 385,40 95,0 36613,00
140 239,80 125,0 29975,00
186,3 170 1921,05 178,2 342235,06
3295,25 451484,73

Pm = 137,0

CUADRO N 2

PRECIPITACION MEDIA MENSUAL

METODO DE LAS ISOYETAS

FEBRERO

ISOYETA AREA NETA PREC PROM VOLUMEN

(mm) (Km2) (mm) PREC
60,8 80 244,10 70,4 17184,64
80 395,90 80,0 31672,00
110 393,30 95,0 37363,50
140 357,60 125,0 44700,00
170 804,20 155,0 124651,00
225,5 200 1100,15 212,8 234056,91
3295,25 489628,05

Pm = 148,6
- MÉTODO DE THIESSEN

El método de Thiessen es el más sencillo de los tres presentados, y tiene el

siguiente procedimiento:

- Se unen las estaciones formando triángulos.

- Se trazan las mediatrices de cada lado de los triángulos de tal manera que
formen polígonos, que vienen a representar el área de influencia de cada
estación. Cuando los triángulos son obtusos, se debe tener cuidado en
delinear el polígono.
- Se determinan las áreas de cada polígono que estén dentro de la cuenca.
- Se multiplica la precipitación de cada estación por su respectiva área de
influencia, y se divide entre el área total de la cuenca. La suma de todas las
precipitaciones ponderadas es la precipitación media de la cuenca.
 CUADRO N 1

PRECIPITACION MEDIA MENSUAL

METODO DE THIESSEN

ENERO

ESTACION PREC AREA AREA PREC POND

(mm) (Km2) % (mm)

ARMA 53,9 25,67 0,779 0,4

COTAHUASI 71,5 182,03 5,524 3,9
CHINCAYLLAPA 151,8 442,34 13,424 20,4
PUICA 97,5 487,46 14,793 14,4
PULHUAY 161,7 436,80 13,255 21,4
SAIROSA 186,3 1211,41 36,762 68,5
SALAMANCA 62,5 1,17 0,036 0,0
TOMEPAMPA 48,5 508,37 15,427 7,5
3295,25 136,6

CUADRO N 2

PRECIPITACION MEDIA MENSUAL

METODO DE THIESSEN

FEBRERO

ESTACION PREC AREA AREA PREC POND

(mm) (Km2) % (mm)

ARMA 55,3 25,67 0,779 0,4

COTAHUASI 76,7 182,03 5,524 4,2
CHINCAYLLAPA 155,9 442,34 13,424 20,9
PUICA 120,3 487,46 14,793 17,8
PULHUAY 225,5 436,80 13,255 29,9
SAIROSA 173,8 1211,41 36,762 63,9
SALAMANCA 88,3 1,17 0,036 0,0
TOMEPAMPA 60,8 508,37 15,427 9,4
3295,25 146,6
- MÉTODO DE THIESSEN MEJORADO

El método de Thiessen Mejorado, da resultados más exactos que el de

Thiessen clásico, incluso muy cercanos al de Isoyetas, debido a que combina
ambos métodos.
El proceso de cálculo es el siguiente:
- Se dibujan en un mismo plano los polígonos de Thiessen y las Isoyetas.
- Se halla la precipitación sobre cada polígono, en base a las isoyetas dentro
de éste.

aI
h   hm
aP

Donde :
hm  Precipitación media entre isoyetas.
a I  Área entre isoyetas.
a P  Área del polígono.

- Se determina el área relativa de cada polígono, que está dada por la relación
del polígono entre el área de la cuenca.

- Se calcula el peso de cada estación:

precipitación _ sobre _ poligono

pE  Area _ relativa
precipitación _ en _ estación

- Se multiplica los pesos de cada estación por la precipitación en cada

estación, y sumando todos ellos obtenemos la precipitación media en la
cuenca.
 CUADRO N 1

PRECIPITACION MEDIA MENSUAL

METODO DE THIESSEN MEJORADO

ENERO

ESTACION PREC RELACION PREC PESO PREC

POLIGONO AREAS ESTACION PONDER
ADA

ARMA 0,0 0,008 53,9 0,000 0,0

COTAHUASI 74,3 0,055 71,5 0,057 4,1
CHINCAYLLAPA 152,0 0,134 151,8 0,134 20,4
PUICA 101,0 0,148 97,5 0,153 14,9
PULHUAY 166,4 0,133 161,7 0,136 22,1
SAIROSA 170,0 0,368 186,3 0,335 62,5
SALAMANCA 0,0 0,000 62,5 0,000 0,0
TOMEPAMPA 86,6 0,154 48,5 0,275 13,4
Prec. Media 137,4

CUADRO N 2

PRECIPITACION MEDIA MENSUAL

METODO DE THIESSEN MEJORADO

FEBRERO

ESTACION PREC RELACION PREC PESO PREC

POLIGONO AREAS ESTACION PONDER
ADA

ARMA 0,0 0,008 55,3 0,000 0,0

COTAHUASI 89,0 0,055 76,7 0,064 4,9
CHINCAYLLAPA 161,0 0,134 155,9 0,139 21,6
PUICA 134,0 0,148 120,3 0,165 19,8
PULHUAY 166,4 0,133 225,5 0,098 22,1
SAIROSA 197,6 0,368 173,8 0,418 72,6
SALAMANCA 0,0 0,000 88,3 0,000 0,0
TOMEPAMPA 110,0 0,154 60,8 0,279 17,0
Prec. Media 158,0