Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Como
consecuencia de ello las obras y medidas no estructurales que se
El fenómeno del cambio climático genera muchas disponen, estarán sometidas a un nivel de riesgo diferente según la
inquietudes acerca del comportamiento de algunas variables; es por variable utilizada, para determinar valores de diseño
esto que, variables hidrológicas como las precipitaciones y los correspondientes a un determinado período de retorno.
caudales, muestran un papel fundamental en este aspecto, debido a
En este marco, el presente documento técnico basado en los
que son variables directamente influenciables por fenómenos de
contenidos del segundo curso del proyecto FONDEF D08I1054, tiene
amplio espectro temporal y espacial.
como fin realizar un aporte al conocimiento de las funciones de
Por otra parte, para solucionar los problemas que implican distribución de probabilidad que mejor ajustan al comportamiento
el diseño de obras y la planificación hidrológica, se debe recurrir al de eventos extremos y en particular de la variable caudales máximos
estudio de la probabilidad, dado que dichos problemas se refieren a instantáneos (caudales punta), a través de un ejemplo práctico, en
eventos que se podrían producir en el futuro, sin base en una donde se utilizarán las 4 funciones más utilizadas en estudios de
estimación real, (Linsley et. al., 1988). Sin embargo no solamente se variables hidrológicas, a saber Gumbel, Goodrich, Log-Normal y
debe estimar la magnitud del diseño, también se debe indicar la Pearson Tipo III, adicionalmente y a través de pruebas de bondad de
probabilidad de excedencia, con el fin de dar un cierto grado de ajuste como son el el coeficiente de determinación R cuadrado y el
seguridad a la obra, o bien el riesgo de falla, (Muñoz, 2004). De esta test de Kolmogorov Smirnov, se podrá realizar un análisis
forma es necesario construir un modelo probabilístico, en donde se comparativo y una proyección de posibles eventos extremos
debe contar con una función de distribución de probabilidad (FDP), asociados a diferentes períodos de retorno de los caudales punta,
que represente la variable hidrológica de interés. obtenidos de la información fluviométrica proporcionada por la
Dirección General de Aguas.
Las crecidas corresponden a fenómenos de concentración.
Según Ollero (1996), son procesos naturales, sin periodicidad,
constituidos por un incremento importante y repentino del caudal
en un sistema fluvial, el cual lleva consigo un ascenso del nivel de la
corriente, que puede desbordar el cauce menor para ocupar
progresivamente el cauce mayor, hasta alcanzar un máximo, o
caudal-punta y descender a continuación. Según Paoli et al. (1998),
las crecidas que se presentan en términos hidrológicos, poseen un
grado de riesgo y una probabilidad de excedencia diferente, según el
2. FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDAD (FDP)
considerando que −∞ ≤x ≤∞
Distribución Gumbel:
x −d ( x−μ )
1
F( x)= ∫ f ( x)dx=P( x≤X )=1− P( x≤X )=F (x )=e−e
−∞ T (Ecuación 1)
Luego,
la probabilidad de que x sea mayor que X, viene a estar dada por la Donde:
x
1 χ: Representa el valor a asumir por la variable aleatoria
P( x> X )=1−F ( X )= =1− ∫ f ( x )dx
T −∞ e: Constante de Neper.
μ y d: Parámetros En tanto los parámetros se determinan a partir del siguiente
sistema de ecuaciones:
3
m
Los parámetros de la distribución de una muestra de =P ( p )
tamaño infinito, tienden a los siguientes valores, en base a la media s3 ;
aritmética y la desviación estándar de la muestra: 1
a2 p = 2 [ Γ ( 2 p +1 )−Γ 2 ( p+1 ) ]
s ;
1 X 1 =x−
Γ ( p+1)
d= ap
0 , 779696∗S ; μ=x−0,450047∗S
Donde:
n 3
( xi − x̄ )
Otra FDP conocida en hidrología es la función de m 3 =∑
Distribución de Goodrich, la que posee la cualidad de eliminar m3 : Momento central de orden tres, i=1 n
valores extremos, es decir aquellos cuya probabilidad de ocurrencia S3 : Desviación típica al cubo.
es muy pequeña. Por lo mismo, consigue suprimir las distorsiones P(p): Función auxiliar de Goodrich.
que pueda provocar un sólo valor anómalo. Posee la siguiente S2 : Varianza muestral.
función de distribución de probabilidad (Pizarro et. al., 1993). Г : Función Gamma.
x : Media muestral.
e : Constante de Neper
Distribución de Goodrich:
Para X1< X ≤ ∞
1 P 1
( ln x i −a )2
n
x=x 1 +
a p
[ −ln (1−F( X )) ]
β= ∑
[
i=1 n ] 2
Donde:
Una tercera FDP importante de considerar importante es la χ: Representa el valor a asumir por la variable aleatoria
Distribución Log-Normal, la cuál tiene la desventaja sobre la α, β: Parámetros
distribución normal de que está limitada a (X>0) y también que la e: Constante de Neper
transformación Log tiende a reducir la asimetría positiva
comúnmente encontrada en la información hidrológica, debido a En el mismo caso que la distribución normal, se asigna z como una
que al tomar los logaritmos, se reduce una proporción mayor de los variable estandarizada:
números grandes en relación a los pequeños (Chow et. al. 1994).
Presenta la siguiente función de distribución de probabilidad:
ln x−a
z=
β
Distribución Log-Normal:
2 Y la probabilidad se encuentra en la tabla Normal, donde el
x 1 ln x−a
F( x)=
1 − (
2 β ) dx valor de la variable x es:
∫e
2 πx ( β ) 0 (Ecuación 3)
β∗z+a
x=e (Ecuación 3 modificada)
Donde los parámetros existentes que se basan en los
logaritmos de la variable aleatoria, están definidos de la siguiente La última Función a estudiar es la Distribución Pearson Tipo
forma: III, la cuál se aplicó por primera vez en la hidrología por Foster
(1924), para poder describir la probabilidad de caudales máximos
n
ln x i anuales. Cuando la información es muy asimétrica positivamente, se
a=∑ utiliza una transformación Log para reducir su asimetría, la cual se
i=1 n presenta de la siguiente forma (Chow et. al., 1994):
Distribución Pearson Tipo III: Asimismo la variable estandarizada y se presenta a continuación:
x−δ
y=
x −δ
a
x
−(
1 ) x−δ
F( x )= ∫
αΓ ( β ) 0
e
δ
( )
δ
dx
(Ecuación 4)
Posteriormente, el ajuste, se realiza a través de la tabla chi-
cuadrado, donde:
2
x =2 y
Donde los parámetros de la distribución pueden ser μ=2 β
estimados en función del promedio ( x
) y desviación estándar (S)
de la muestra, por medio de las siguientes expresiones: Por lo tanto, el valor que asume la variable aleatoria x a partir de lo
anteriormente señalado, se define como:
2
2
α=
S
√β ;
β=
γ() ; δ=x−αβ x= ya+ δ
(Ecuación 4 modificada)
n
S=
√
1
∑
n−1 i=1
( x−x )2
R2 =1−
∑ (F n ( x )i−F ( x )i )2
∑ ( F n ( x )i −F n ( x )i )2 (Ecuación 7) P( x X ) F
Nº orden Año Caudal Orden frecuencia
Donde: Maximo Creciente relativa Fn (X)
1 1993 1112.400 90.99 0.063
R2 : Coeficiente de determinación; 0≤R2≤1 2 1994 403.600 134.84 0.125
F n ( x )i : Media de las frecuencias observadas acumuladas
d 3 1995 333.080 166.91 0.188
Fn ( x)i : Frecuencia observada 0.0045903230842 4 1996 134.840 200.61 0.250
F( x)i : Frecuencia teórica acumulada m 5 1997 596.800 219.01 0.313
306.06422968332 6 1998 166.909 226.30 0.375
A continuación, se presenta en la Tabla N°3 el cálculo de la 7 1999 226.296 333.08 0.438
frecuencia observada acumulada Fn(x), la frecuencia teórica 8 2000 571.723 403.60 0.500
acumulada F( x) y el Supremo de las diferencias que se explica a = 0.95 9 2001 678.425 471.72 0.563
con posterioridad: n º de libertad = 15 10 2002 558.946 558.95 0.625
Dt 11 2003 219.012 571.72 0.688
0.338 12 2004 200.612 596.80 0.750
13 2005 711.504 678.43 0.813
14 2006 471.720 711.50 0.875
N 15 2007 90.993 1112.40 0.938
15 promedio 431.79 0.500
Por otra parte, en la Tabla 4 se presentan los resultados de
las pruebas de bondad del ajuste (Test Kolmogorov-Smirnov y
15
Coeficiente de Determinación), para el ejemplo de la función de (0 , 063−0 , 0683 )2 (0 ,125−0 , 1114 )2
Gumbel desarrollado. [
R2 =1− ∑ (
1 (0 , 063−0,5 )2
+
(0 , 125−0,5)2
+. . .. .. . .)
]
Tabla N°4. Resultados tests de bondad del ajuste Gumbel Como último punto relacionado con la FDP Gumbel y para
Gumbel
ejemplificar de mejor forma el ejercicio, es necesario conocer el
FDP Ajustada Dc Dt Ajuste K-S R2 valor a asumir por la variable aleatoria (caudal, precipitación etc.)
Gumbel 0,139 0,338 Acepta Ho 0,951 para cierto período de retorno asociado, de tal manera de poder
predecir posibles eventos futuros y poder tomar decisiones de
Donde: gestión. Para esto se pretende despejar dicha variable y calcular su
valor asociado a 10, 20 y 50 años. El despeje se presenta a
A = Se acepta el ajuste. continuación:
Dc = Supremo de las diferencias. −d ( x−μ )
−e
Dt = Valor tabla K-S. F( x)=e
R2 = Coeficiente de determinación.
En otras palabras la probabilidad de que la variable aleatoria Por lo tanto considerando los períodos de retorno 10, 20 y
tome un valor igual o inferior a cierto número X, está dada por la
50 años para el ejercicio se presenta la siguiente tabla de resultados:
función de distribución de probabilidad F(X).
1
F( x )=P( x≤X )=1− Tabla N°5: Probabilidad de Caudales Máximos para los Distintos
T Períodos de Retorno según Gumbel.
Por ejemplo para un período de retorno (T) de 30 años: Período de Probabilidad Probabilidad Gumbel
retorno de excedencia de no excedencia
1 10 0,100 0,900 796
F( x )=1− =0 , 96 20 0,050 0,950 953
30
50 0,020 0,980 1156
El valor de la variable aleatoria asumiendo ese período De esta forma se ha trabajado con la FDP Gumbel, por lo
debiera ser: tanto se procede a realizar todo el ejercicio, desde la obtención de
parámetros, los ajustes, la comprobación de la calidad del ajuste y el
valor estimado de la variable asociada a diversos períodos de
retorno, para las 3 FDP restantes:
Para poder realizar los ajustes respectivos de la FDP
3.4. Cálculo de la FDP de Goodrich Goodrich:
1
Para este ejemplo dicha sumatoria se debe calcular de la a2 p = 2
[ Γ ( 2 p +1 )−Γ 2 ( p+1 ) ]
siguiente forma: s
15 2
( 90 , 99−431 ,79 )3 ( 134 , 84−431 ,79 )3 Para esto se debe consideran S , que corresponde a la
m 3 =∑ + +. .. .. Varianza muestral y Γ (Función Gamma), esta última se obtiene
i=1 15 15 teniendo presente lo siguiente:
Γ ( p ) = ( p −1)!
Es necesario obtener P(p) , para esto m3 se divide por
Γ ( p +1) = p!= p Γ ( p )
Γ ( p −1) = ( p − 2) Γ ( p − 2)
S 3 (Desviación estándar a cubo):
Se utiliza la tabla de valores de la función Gamma, que
m3 también se encuentra al final del capítulo, en este caso es la la Tabla
=P ( p )
s3 Anexa N°3, donde se debe entrar por la parte izquierda, y ubicando
el segundo decimal, se determina la fila y columna que expresa el
Con el valor de P( p) se obtiene en la Tabla denominada valor a asumir por la función.
Valores de la Función P( p) Auxiliar de Goodrich que se presenta Por lo tanto, en algunas ocasiones no será posible aplicar
al final de este documento, y corresponde a la Tabla Anexa N°2, se directamente la tabla, por lo cual se debe hacer una transformación,
obtiene p , interpretado por el valor P( p) ubicado en la la que en términos generales puede plantearse como:
derecha de la Tabla.
Γ ( p + m) = ( p + m −1)( p + m − 2)( p + m − 3)............( p + m − n)r(
Para el caso del ejercicio el valor obtenido es necesario p)
interpolarlo ya que los valores de P( p) se encuentran entre con 1 ¿ p ¿ 1.99
0,737553 y 0,764037.
Como último punto para despejar
X 1 solo se debe
considerar los valores ya obtenidos anteriormente e incluir x :
Media muestral del total de los datos.
Γ ( p+1)
Un ejemplo para aclarar cómo se obtienen los valores X 1 =x−
2
ap
Γ ( 2 p+1 ) −Γ ( p+1 ) , que es la parte más compleja dentro de
la expresión, es el siguiente: A continuación se presentan los parámetros a , p y
X1 .
Si p=0,6 :
Y para este caso ( 2 p+1 ) =2,2 entonces como el valor De acuerdo a la ecuación 2, y considerando los parámetros
Γ de 2,2 no se encuentra en la tabla se procede a descomponer calculados recientemente la frecuencia Teórica queda expresada de
de esta forma: la siguiente forma:
Γ ( 2,2 )=(1,2+1−1)∗Γ (1,2)=1,2∗0, 918=1 , 1016
−0. 00000092( x+62 , 039074)1/0,5448855
Por lo tanto para despejar
siguiente forma:
a la ecuación final queda de la
F( X )=1−e
1 La frecuencia relativa se obtiene de igual forma que en el
1
s [
a= 2 [ Γ ( 2 p+1 )−Γ 2 ( p+1 ) ]
] 2p ejercicio anterior, considerando:
d ( x )
P( x X ) F ( x) e e
(Ecuación 5)
Nº orden Año Caudal Orden frecuencia frecuencia teórica
Donde: Maximo Creciente relativa Fn (X) Gumbel F(X)
1 1993 1112.400 90.99 0.063 0.0683
Fn(X) = Frecuencia Observada Acumulada. 2 1994 403.600 134.84 0.125 0.1114
n = Número del dato n. d 3 1995 333.080 166.91 0.188 0.1504
N = Número total de datos 0.0045903230842 1996 134.840 200.61 0.250 0.1974
4
A continuación, en la Tabla 7 se ejemplifica el cálculo de la
m 5 1997 596.800 219.01 0.313 0.2251
frecuencia observada acumulada Fn(x), frecuencia teórica
306.06422968332 6 1998 166.909 226.30 0.375 0.2364
acumulada F(x), y el Supremo de las diferencias Dc, tal como en el
7 1999 226.296 333.08 0.438 0.4134
ejemplo anterior.
8 2000 571.723 403.60 0.500 0.5278
Tabla N°7. Ejemplo para el ajuste de la FDP de Goodrich a = 0.95 9 2001 678.425 471.72 0.563 0.6266
n º de libertad = 15 10 2002 558.946 558.95 0.625 0.7311
Dt 11 2003 219.012 571.72 0.688 0.7442
0.338 12 2004 200.612 596.80 0.750 0.7685
13 2005 711.504 678.43 0.813 0.8344
14 2006 471.720 711.50 0.875 0.8560
N 15 2007 90.993 1112.40 0.938 0.9756
15 promedio 431.79 0.500 Dc
desvest 279.39 Dt
En la Tabla 8 se presentan los resultados de las pruebas de
bondad del ajust (Test Kolmogorov-Smirnov y Coeficiente de
Determinación). Los cuales se obtienen de las ecuaciones 7 y 8.
FDP Ajustada Dc Dt Ajuste K-S R2 χ: Representa el valor a asumir por la variable aleatoria.
Goodrich 0,116 0,338 Acepta Ho 0,97 p , a y X 1 : Parámetros obtenidos anteriormente.
F(X): Probabilidad de no excedencia asociada al período de retorno:
Los valores obtenidos de K-S muestran un D c=0,116, menor
que el valor Dt=0,338, aceptándose la Hipótesis Nula de un buen 1
ajuste. Para el caso del Coeficiente de Determinación R 2 se presenta F( x )=P( x≤X )=1−
T
un 97%, lo que también indica un buen ajuste del modelo. Por lo
que el ajuste de Goodrich es óptimo al igual que el caso de Gumbel.
Los valores mencionados anteriormente se presentan a
continuación:
Por otra parte para conocer el valor asumido por la variable 3.5. Cálculo de la Probabilidad de Excedencia
aleatoria asociado a los períodos de retorno estudiados 10, 20 y 50
años, se realiza el despeje de la siguiente FDP: Se procede a entregar la Tabla N°9, con los valores de
caudales máximos asociados a los períodos de retorno, de acuerdo
−a( x−x1 ) 1/ p al despeje de la variable x, junto con los parámetros asociados a la
F( X )=1−e función de Goodrich.
base con los mismos 15 datos para el ejercicio, los cuáles son
Tabla N° 9: Probabilidad de Caudales Máximos para los Distintos considerados para calcular los nuevos parámetros.
Períodos de Retorno según Goodrich.
Tabla N°1: Información de Caudales Punta Estación Rio Maipo
Período de Probabilidad Probabilidad Goodrich en El Manzano, válida para el cálculo de las FDP.
retorno de excedencia de no excedencia
10 0,100 0,900 812
20 0,050 0,950 947
50 0,020 0,980 1105
Nº orden Año Caudal
Estos valores son obtenidos del despeje anterior y se asocian Maximo
a los períodos de retorno nombrados. Como referencia se puede 1 1993 1112.400
considerar el ejemplo de Gumbel, donde se muestra como al 2 1994 403.600
despejar la variable aleatoria con la probabilidad asociada se puede d 3 1995 333.080
estimar dichos valores de caudales para el futuro. 0.0045903230842 4 1996 134.840
m 5 1997 596.800
A continuación se presentan los resultados de la tercera 306.06422968332 6 1998 166.909
Función considerada Log-Normal: 7 1999 226.296
8 2000 571.723
a = 0.95 9 2001 678.425
n º de libertad = 15 10 2002 558.946
Dt 11 2003 219.012
0.338 12 2004 200.612
13 2005 711.504
14 2006 471.720
3.6. Cálculo de la FDP Log-Normal
,
En primera instancia se presenta nuevamente la Tabla 1, la A continuación se presenta la FDP Log-Normal
cual conserva los estadígrafos media y desviación estándar por ser la correspondiente a la ecuación 3:
1
( ln x i −a )2
n
F( x)=
1
∫
x
e
− (
2
1 ln x−a
β
2
) dx β= ∑
[
i=1 n ] 2
2 πx ( β ) 0
El cálculo se realiza de forma similar pero esta vez se
considera la diferencia los cuadrados de los ln y a (obtenido
Los parámetros necesarios para este caso son los que se
anteriormente) dividida por n (15), en sumatoria, al final a todo este
basan en los logaritmos de la variable aleatoria, los cuales son los
valor se le aplica raíz o se eleva a ½.
siguientes:
n
ln x i
a=∑ Por ejemplo si a = 4,5 en este caso el cálculo sería de la
i=1 n
siguiente forma:
Para el caso de a cada valor de la variable ordenada se le 1
ln 90 ,99−4,5 ln 134 , 84−4,5
calcula el ln de cada dato, se sumay se divide por el n° de datos que
es en este caso 15, por lo tanto el ejercicio partiría de la siguiente
forma:
β=
[(
15
+
15 )( +. .. ... . ) ] 2
a 5,852
β 0,689
El segundo parámetro de esta FDP es β :
De acuerdo a la ecuación 3, considerando los parámetros
obtenidos la F(X) es la siguiente:
2
x 1 ln x −5 , 852 Por otra parte la frecuencia relativa se obtiene de igual
F( x )=
1 −
2( 0 , 689 ) dx forma que en los ejercicios anteriores, considerando:
∫e
2 πx ( 0 , 689 ) 0
Pero de acuerdo a la complejidad de la función que
(Ecuación 5)
considera una integral se debe estandarizar la expresión quedando
Donde:
expresada de la siguiente forma:
Fn(X) = Frecuencia Observada Acumulada.
n = Número del dato n.
ln x−a
z= N = Número total de datos.
β
A continuación, en la Tabla N°11 se presenta el cálculo de la
Para este caso incluyendo los parámetros de la función se
frecuencia observada acumulada Fn(x), la frecuencia teórica el Dc
obtiene lo siguiente:
con el supremo de dichas diferencias, para la Función Log-Normal,
ln x−5 , 852 de igual forma como los ejercicios anteriores.
z=
0 , 689
Si z = -1,95, entonces F(X) = 1 – z(1,95), donde z(1,95) Tabla N°11. Ejemplo para el ajuste de la FDP Log-Normal
=.0,9744, por lo tanto F(X) = 1- 0,9744 = 0,0256.
Coeficiente de Determinación). Estos se calculan de la misma forma
x )
e d ( los
queen
P( x X ) e de losejercicios
F ( x) partir anteriores considerando las ecuaciones 7 y 8, a
datos obtenidos de la Tabla 11.
Nº orden Año Caudal Orden frecuencia frecuencia teórica
Tabla 12. Resultados tests de Bondad de Ajuste Log-Normal
Maximo Creciente relativa Fn (X) Gumbel F(X)
1 1993 1112.400 90.99 0.063 0.0683
FDP Ajustada Dc Dt Ajuste K-S R2
2 1994 403.600 134.84 0.125 0.1114
Log-Normal 0,130 0,338 Acepta Ho 0,938
d 3 1995 333.080 166.91 0.188 0.1504
0.0045903230842 4 1996 134.840 200.61 0.250 0.1974
m 5 1997 596.800 219.01 0.313 0.2251
1
306.06422968332 6 1998 166.909 226.30 0.375 0.2364 F( x )=1− =0 , 96
30
7 1999 226.296 333.08 0.438 0.4134
En la comparación del test de Kolmogorov-Smirnov (Test K-
8 2000 571.723 403.60 0.500 0.5278 S) el Dc máximo con el Dt al nivel de confianza del 95% y con un n
a = 0.95 9 2001 678.425 471.72 0.563 0.6266 observado de 15 datos para el caso de Log-Normal se obtiene lo
n º de libertad = 15 10 2002 558.946 558.95 0.625 0.7311 siguiente: Dc = 0,116 es menor que el Dt = 0,338, por lo que el ajuste
Dt 11 2003 219.012 571.72 0.688 0.7442 es aceptable.
0.338 12 2004 200.612 596.80 0.750 0.7685
Por otra parte el porcentaje de los datos observados
13 2005 711.504 678.43 0.813 0.8344
explicados por el modelo a través del Coeficiente de Determinación
14 2006 471.720 711.50 0.875 0.8560 (R2) entregan un 93,8%, lo que es un valor alto y aceptable también.
N 15 2007 90.993 1112.40 0.938 0.9756
15 promedio 431.79 0.500 Dc Para conocer el valor asumido por la variable aleatoria
desvest 279.39 Dt asociado a los 3 períodos de retorno estudiados es necesario
conocer el despeje de la variable aleatoria x, la cuál de acuerdo a la
complejidad de la Función original esta se realiza de la
Posteriormente la Tabla 12 presenta los resultados de las estandarización de z, obteniéndose la siguiente fórmula:
pruebas de bondad del ajuste (Test Kolmogorov-Smirnov y
x=e β∗z+a (Despeje de X en la Ecuación 3 estandarizada) 3.7. Cálculo de la Probabilidad de Excedencia
Para ejemplificar de forma más clara la obtención de los Nº orden Año Caudal
parámetros de esta FDP, es necesario nuevamente considerar la Maximo
Tabla 1, que representa la base original de la información. 1 1993 1112.400
2 1994 403.600
Tabla N°1: Información de Caudales Punta Estación Rio Maipo 1995 333.080
d 3
en El Manzano, válida para el cálculo de las FDP. 1996 134.840
0.0045903230842 4
m 5 1997 596.800
306.06422968332 6 1998 166.909
7 1999 226.296
8 2000 571.723
a = 0.95 9 2001 678.425
n º de libertad = 15 10 2002 558.946
Dt 11 2003 219.012
0.338 12 2004 200.612
13 2005 711.504
14 2006 471.720
Los parámetros necesarios para ajustar la distribución
Pearson Tipo III, son α , β y δ , los cuales pueden ser
estimados en función del promedio ( x ) y desviación estándar (S)
de la muestra,
i=1
( 15
279 , 393 )[
+ ..
15
279 ,393 ]
. . .. ..+. . .
De acuerdo a la ecuación 4, considerando los parámetros
obtenidos se obtiene la F(X) siguiente:
1
x −(
x −−312 ,766
)
Con el valor de γ se obtienen los parámetros a finales los
F( x )= ∫
104 , 841 Γ ( 7 ,102 ) 0
e
−312 , 766
( x−−312, 766
−312 , 766 )
dx
90 ,99+312,766
y= =3,8511
104 ,841 A continuación, en la Tabla N°15 se presentan los valores de
la frecuencia observada acumulada F n(x), la frecuencia teórica el Dc
2
Entonces el valor x =2 y=2∗(3 , 8511)=7 , 702
con el supremo de dichas diferencias, tal como en el ejemplo
anterior:
μ=2 β=2∗(7 , 102)=14 , 204=14
Ahora
A lo que le correspondería según la Tabla Anexa N°5: Período de Probabilidad Probabilidad Pearson
retorno de excedencia de no excedencia Tipo III
2
x 0, 975 =2 y=26,1 10 0,100 0,900 793
20 0,050 0,950 930
50 0,020 0,980 1108
Para finalizar se presenta como cuadro resumen los Testsde extremos. Sin embargo otros autores siguen proponiendo el uso de
Bondad de Ajuste de las 4 FDP y se procede a elegir la que mejor las 4 funciones para ajustar valores extremos, dado que va a
representa la tendencia de los datos considerados en el ejercicio: depender del espacio geográfico donde se esté estimando, la
variabilidad, la cantidad de datos con que se cuente, entre otros.
Diferencia
FDP Ajustada Dc Dt Ajuste K-S R2
entre Dt y Dc
Gumbel 0,139 0,338 0,1990 Acepta Ho 0,951 REFERENCIAS BIBLIOGRÁFICAS
Goodrich 0,116 0,338 0,2220 Acepta Ho 0,970
Aguilera, M.A. 2007. Análisis de las funciones de distribución de
Log-Normal 0,13 0,338 0,2080 Acepta Ho 0,938
probabilidad para caudales máximos en la Región del Maule. Talca,
Pearson Tipo III 0,118 0,338 0,2200 Acepta Ho 0,965 Chile. Universidad de Talca, Facultad de Ciencias Forestales. 86 p.
Aparicio, F. 1997. Fundamentos de Hidrología de Superficie. 11 ed.
Por lo tanto la Función que entrega una diferencia mayor México. Editorial Limusa S.A. 303 p.
entre el valor de tabla y el valor crítico supremo en la prueba K-S, es
Ashakar, F.; T.B.M.J Ouarda, R. Roy and B. Bobée. 1993. Robust
Goodrich, lo que estaría indicando una leve inclinación a un mejor
estimators in hydrologic frequency analysis, in Engineering
ajuste de los datos presentados, sobre todo si también se presenta Hydrology. Edited by C.Y, Am. Soc. Civ. Eng. 347-352 p.
el mayor R2 de las 4 Funciones.
Blazkova, S.; Beven, K.; 2003. Flood frequency estimation by
Estos resultados demuestra lo que algunos estudios indican continuos simulation of subcatchment rainfalls and discharges with
como por ejemplo Blazkova y Beven (2003), determinan la the aim improving dam safety assessment in a large basin in the
Czech Republic. Journal of hydrology. 294 (1-4) 153-172. Consultado
probabilidad de excedencia asociada para los caudales a través de
03 Junio 2008. Disponible en base de datos Science Direct.
Goodrich, encontrando mayor claridad para la evaluación del grado
de seguridad en el funcionamiento de obras para mitigar eventos
Casassa, G.; Echelmeyer, K.; Neumman, T.; Raymond, Ch.; Rignot, E.;
Rivera, A. 2005. Reatreat of Glaciar Tyndall, Patagonia, over the last Miller N., Bashford K. ,Strem E. 2003. Potential Impacts of Climate
half-century. Journal of Glaciology. 51 (1) 239-247. Consultado 28 Change on California hydrology Journal of the American Water
Jul. 2008. Disponible en Resources Association 39 (4), 771–784. Consultado 13 junio 2008.
http://www.glaciologia.cl/textos/raymd.pdf Disponible en base de datos Dialnet.
Chavarri, E. 2004. Curso IA-4026, Hidrología Aplicada. (en línea). Morales, C. M. 2005. Análisis de las escorrentías mensuales y
Consultado 19 nov. 2007. Disponible en anuales de la cuenca del Lontué y la potencial influencia glaciar en la
http://tarwi.lamolina.edu.pe/ ~echavarri/echv_7.html producción de agua. Talca, Chile. Universidad de Talca, Facultad de
Ciencias Forestales. 127 p.
Chow, V.; Maidment, D.; Mays, L. 1994. Hidrología aplicada.
Colombia. Editorial McGraw-Hill. Interamericana S.A. 584 p. Muñoz, M.F. 2004. Análisis de algunas de las variables hidrológicas y
su ajuste a funciones de distribución de probabilidad, en tres
Combes, S.; Prentice, M.; Hansen, L.; Rosentrater, L. 2002. Climate cuencas de la Región del Maule. Talca, Chile. Universidad de Talca,
change and global glacier decline. (en línea). Consultado 06 Facultad de Ciencias Forestales. 86 p.
diciembre 2007. Disponible en:
http://www.wwf.fi/wwf/www/uploads/pdf/glaciersraportti.pdf Ollero, A.1996. El curso medio del Ebro: geomorfología fluvial,
ecogeografía y riesgos. (en línea). Consultado 26 Jun. 2008.
Foster, H. 1988. Theoretical frequency curves and their application Disponible en
to engineering problems. Trans. Am. Soc. Civ. Eng. 87 (2) 142-173. http://www.ingeba.euskalnet.net/lurralde/lurranet/lur20/
200oller/ollero20.htm
Kroll, C.; Vogel, R. 2002. The probability distribution of low
streamflow series in the Unit United States. Journal of Hydrologic Önoz, B.; Bayazit, M. T. 2001. Effect of the occurrence process of the
Engineering. EEUU. ASCE, 7(2), 137-146. peaks over threshold on the flood estimates. Journal of hydrology.
224 (1-2) 86-96.
Linsley, R.; Kohler, M.; Paulus, J. 1988. Hidrología para ingenieros. 2
ed. México. Editorial McGraw-Hill Interamericana S.A. 386 p. Consultado 06 Abril 2008. Disponible en base de datos Sicence
Direct.
Llamas. 1993. Hidrología General. Edición española. Servicio Paoli C.; Cacik P.; Bolzicco J. 1998. Análisis de riesgo conjunto en la
Editorial Universidad del País Vasco. 635 p. determinación de crecidas de proyectos de régimenes complejos.
(en línea). Consultado 24 nov. 2007. Disponible en
https://upcommons.upc.edu/revistes/bitstream/2099/2986/1/52ar Yue, S.; Ouarda, T.; Bobée, B.; 2006, Legendre; P.; Bruneau, P. The
ti cle.pdf Gumbel mixed model for flood frequency analysis. Journal of
Pizarro, R.; González, P.; Wittersheim, M.; Saavedra, J.; Soto, C. hydrology. 226 (1-2) 88-100. Consultado 06 diciembre 2007.
1993. Disponible en base de datos Sicence Direct.
Pizarro, R.; Morales, C; Moran, L.; Vargas, J.; Sanguesa, C.; Godoy, C.;
2006. Informe País. Estado del Medio Ambiente en Chile 2005.
Santiago. Chile. Capítulo 2. Aguas Continentales. Instituto de
Asuntos Públicos, Universidad de Chile. Editorial LOM. 371 p.