Análisis Estadístico de Datos de Precipitación

1. Introducción.-

En meteorología, la precipitación es cualquier forma de hidrometeoro que cae de la

atmósfera y llega a la superficie terrestre. Este fenómeno incluye lluvia, llovizna, nieve,
aguanieve, granizo, pero no virga, neblina ni rocío, que son formas de condensación y
no de precipitación. La cantidad de precipitación sobre un punto de la superficie
terrestre es llamada pluviosidad, o monto pluviométrico.

La precipitación es una parte importante del ciclo hidrológico, llevando agua dulce a la
parte emergida de la corteza terrestre y, por ende, favoreciendo la vida en nuestro
planeta, tanto de animales como de vegetales, que requieren agua para vivir. La
precipitación se genera en las nubes, cuando alcanzan un punto de saturación; en este
punto las gotas de agua aumentan de tamaño hasta alcanzar una masa en que se
precipitan por la fuerza de gravedad. Es posible inseminar nubes para inducir la
precipitación rociando un polvo fino o un químico apropiado (como el nitrato de plata)
dentro de la nube, acelerando la formación de gotas de agua e incrementando la
probabilidad de precipitación, aunque estas pruebas no han sido satisfactorias.

Si bien la lluvia es la más frecuente de las precipitaciones, no deben olvidarse los otros
tipos: la nevada y el granizo. Cada una de estas precipitaciones puede a su vez
clasificarse en diversos tipos.
Variación temporal de la precipitación.- Las precipitaciones varían de acuerdo a
ciertos ciclos temporales determinados por los movimientos de rotación y traslación
terrestres y por la localización astronómica o geográfica del lugar de que se trate. Esos
ciclos pueden ser: diarios, mensuales o estacionales o en ciclos anuales, en efecto,
siempre hay meses en que las precipitaciones son mayores que en otros. Por ejemplo,
en San Francisco, California (Estados Unidos), los meses de mayores precipitaciones
se dan entre noviembre y marzo, mientras que en Miami, Florida los meses de mayor
precipitación son de mayo a octubre.

Para poder evaluar correctamente las características objetivas del clima, en el cual la
precipitación, y en especial la lluvia, desempeña un papel muy importante, las
precipitaciones mensuales deben haber sido observadas por un período de por lo
menos 20 a 30 años, lo que se llama un período de observación largo.
La variación estacional de las precipitaciones, en especial de la lluvia, define el año
hidrológico. Este da inicio en el mes siguiente al de menor precipitación media de largo
período. Por ejemplo en San Francisco, el año hidrológico se inicia en agosto, mientras
que en Miami se inicia en enero.
Importancia de las precipitaciones en la ingeniería.- En la ingeniería agrícola es
influida por factores climáticos en el riego y drenaje de cultivos y el uso del agua en
determinadas zonas dependiendo la precipitación al igual que la conservación de
tierras. Muchas obras de ingeniería civil se ven profundamente influidas por los
factores climáticos, por su importancia destacan las precipitaciones pluviales. En efecto,
un correcto dimensionamiento del drenaje garantizará la vida útil de una carretera, una
vía férrea, un aeropuerto. El conocimiento de las precipitaciones pluviales extremas y
en consecuencia el dimensionamiento adecuado de las obras hidráulicas, así por
ejemplo los vertedores de excedencias de las presas, garantizará su correcto
funcionamiento y la seguridad de las poblaciones que se sitúan aguas abajo. El cálculo
de las lluvias extremas, de corta duración, es muy importante para dimensionar el
drenaje urbano, y así evacuar volúmenes de agua que podrían producir inundaciones.

Las características de las precipitaciones pluviales que se deben conocer para estos
casos son:

La intensidad de la lluvia y duración de la lluvia: estas dos características están

asociadas. Para un mismo período de retorno, al aumentarse la duración de la lluvia
disminuye su intensidad media, la formulación de esta dependencia es empírica y se
determina caso por caso, con base en los datos observados directamente en el sitio de
estudio o en otros sitios próximos con las características hidrometeorológicas similares.
Dicha formulación se conoce como relación Intensidad-Duración-Frecuencia o
comúnmente conocidas como curvas IDF.

Las precipitaciones pluviales extremas período de retorno de 2, 5, 10, 20, 50, 100, 500,
1000 y hasta 10.000 años, para cada sitio particular o para una cuenca, o la
precipitación máxima probable, o PMP, son determinadas con procedimientos
estadísticos, basándose en extensos registros de lluvia.

Información acerca del SENAMHI

El Servicio Nacional de Meteorología e Hidrología (SENAMHI) es una institución técnico
científica descentralizada del Ministerio de Medio Ambiente y Agua, creada en fecha 4
de septiembre de 1968, por D.S. Nº 8465; miembro de la Organización Meteorológica
Mundial (OMM). Tiene como domicilio legal la ciudad de La Paz, Bolivia, calle Reyes
Ortiz Nº 41, tercer piso, es un organismo técnico descentralizado del Estado, bajo
tuición del Ministerio de Medio Ambiente y Agua.
Rector de la actividad de monitoreo, registro y procesamiento de información
meteorológica, hidrológica, presta servicios especializados en estos campos.
Dentro de sus competencias está además la de ejercer autoridad de toda la actividad
meteorológica e hidrológica en el territorio del Estado Plurinacional.
Como autoridad delegada por norma legal, tiene la finalidad de gestionar los sistemas
de observación, procesamiento, predicción y difusión de información meteorológica e
hidrológica. Una de sus principales actividades es la de realizar vigilancia meteorológica
e hidrológica, y cuando las condiciones lo ameritan emitir avisos de alerta para fines de
prevención y mitigación de eventos hidrometeorológicos adversos.
Misión
Entidad rectora de la actividad meteorológica, hidrológica y actividades afines; como
institución técnico científica presta servicios especializados que contribuyen al
desarrollo sostenible del Estado Plurinacional de Bolivia; proporciona información
hidrometeorológica a todos los usuarios de la información, a los sistemas
medioambientales para el ciudado de la Madre Tierra; en el ámbito nacional e
internacional, participa en la vigilancia atmosférica mundial junto a entidades afines; a
nivel nacional coadyuva en la gestión de riesgos para la prevención y mitigación de
desastres; miembro de la Organización Meteorológica Mundial (OMM) con
representación internacional en su actividad.

2. Datos y Cálculos

Análisis de regresión lineal

 PINOS TINGUIPAYA
AÑO X[mm] Y[mm]
1970 ****
1971 ****
1972 61.5
1973 291.4
1974 228.8
PINOS TINGUIPAYA
1975 ****
1976 309.5 **** AÑO X[mm] Y[mm]
1977 516.3 794.4 1977 794,4 516,3
1978 462.2 **** 1978 688 392,9
1979 392.9 688.0 1979 462,1 223,3
1980 223.3 462.1
1981 399.8 711.8
1980 711.8 399.8
1982 308.3 812.8 1981 812.8 308.3
1983 187.5 300.1 1982 300.1 187.5
1984 660.1 1264.6 1983 1264.6 660.1
1985 472.0 1006.7
1984 1006.7 472.0
1986 368.8 751.2
1987 416.3 427.6 1985 751.2 368.8
1988 526.7 587.8 1986 427.6 416.3
1989 327.6 496.1 1987 587.8 526.7
1990 469.7 596.1 1988 496.1 327.6
1991 419.5 ****
1989 596.1 469.7
1992 372.9 791.0
1993 407.9 **** 1990 791.0 372.9
1994 299.0 333.7 1991 333.7 299.0
1995 **** **** 1992 505.2 419.2
1996 419.2 505.2 1993 558.7 524.0
1997 524.0 558.7
1998 381.9 ****
1994 633.1 378.3
1999 378.3 633.1 1995 773.0 379.7
2000 379.7 773.0 1996 811.0 577.0
2001 577.0 811.0 1997 362.6 393.5
2002 393.5 362.6
1998 369.7 393.5
2003 393.5 369.7
2004 315.9 223.3
1999 223.3 315.9
2005 437.0 316.8 2000 316.8 437.0
2006 379.6 386.7 2001 386.7 379.6
2007 430.0 423.6 2002 423.6 430.0
2008 337.9 356.0
2003 356.0 337.9
2009 571.7 494.0
2010 391.1 268.5 2004 494.0 571.7
2011 585.0 607.2 2005 268.5 391.1
2012 536.4 518.3 2006 607.2 585.0
2013 493.7 572.6 2007 518.3 536.4
2014 403.1 539.7
2008 572.6 493.7
2015 401.7 390.2
2016 265.5 **** 2009 539.7 403.1
2017 2010 390.2 401.7
 N° x y xi-xm yi-ym (xi-xm)(yi-ym) (xi-xm)2 (yi-ym)2
1 516,3 794,4 96,02059 231,629412 22241,192 9219,953 53652,18
2 392,9 688 -27,3794 125,229412 -3428,7076 749,6322 15682,41
3 223,3 462,1 -196,979 -100,67059 19830,033 38800,89 10134,57
4 399,8 711,8 -20,4794 149,029412 -3052,0347 419,4063 22209,77
5 308,3 812,8 -111,979 250,029412 -27998,146 12539,39 62514,71
6 187,5 300,1 -232,779 -262,67059 61144,305 54186,25 68995,84
7 660,1 1264,6 239,8206 701,829412 168313,14 57513,91 492564,5
8 472 1006,7 51,72059 443,929412 22960,29 2675,019 197073,3
9 368,8 751,2 -51,4794 188,429412 -9700,2353 2650,13 35505,64
10 416,3 427,6 -3,97941 -135,17059 537,89943 15,83572 18271,09
11 526,7 587,8 106,4206 25,0294118 2663,6447 11325,34 626,4715
12 327,6 496,1 -92,6794 -66,670588 6178,9909 8589,473 4444,967
13 469,7 596,1 49,42059 33,3294118 1647,1591 2442,395 1110,85
14 372,9 791 -47,3794 228,229412 -10813,375 2244,809 52088,66
15 299 333,7 -121,279 -229,07059 27781,546 14708,7 52473,33
16 419,2 505,2 -1,07941 -57,570588 62,14237 1,16513 3314,373
17 524 558,7 103,7206 -4,0705882 -422,20381 10757,96 16,56969
18 378,3 633,1 -41,9794 70,3294118 -2952,3873 1762,271 4946,226
19 379,7 773 -40,5794 210,229412 -8530,9859 1646,689 44196,41
20 577 811 156,7206 248,229412 38902,659 24561,34 61617,84
21 393,5 362,6 -26,7794 -200,17059 5360,4506 717,1369 40068,26
22 393,5 369,7 -26,7794 -193,07059 5170,3168 717,1369 37276,25
23 315,9 223,3 -104,379 -339,47059 35433,74 10895,06 115240,3
24 437 316,8 16,72059 -245,97059 -4112,7729 279,5781 60501,53
25 379,6 386,7 -40,6794 -176,07059 7162,448 1654,815 31000,85
26 430 423,6 9,720588 -139,17059 -1352,82 94,48984 19368,45
27 337,9 356 -82,3794 -206,77059 17033,639 6786,367 42754,08
28 571,7 494 151,4206 -68,770588 -10413,283 22928,19 4729,394
29 391,1 268,5 -29,1794 -294,27059 8586,6427 851,4381 86595,18
30 585 607,2 164,7206 44,4294118 7318,4388 27132,87 1973,973
31 536,4 518,3 116,1206 -44,470588 -5163,9509 13483,99 1977,633
32 493,7 572,6 73,42059 9,82941176 721,68119 5390,583 96,61734
33 403,1 539,7 -17,1794 -23,070588 396,33913 295,1322 532,252
34 401,7 390,2 -18,5794 -172,57059 3206,26 345,1945 29780,61
35
36
TOTAL 14289,5 19134,2 374712,06 348382,6 1673335
PROMEDIO 420,2794 562,7706

Covarianza
 n

∑ ( x i−x́ ) ( y i− ý )
S xy = i=1
n
S xy=¿716,329463

Varianza (X)
n

∑ ( xi −x́ ) 2
S2x = i=1
n

S2x =¿ 10246,54575
S X =¿¿ 101,2252229

Varianza (Y)
n

∑ ( y i −x́ )2
S2y = i=1
n

S2y =¿2668,61017
S X =¿¿221,8462047

Coeficiente de correlación

S xy
r=
S x∗S y

r =¿0,490770001

Coeficiente de determina r 2=¿0,240855194

Ecuación lineal

Regresión Y sobre X ^y =a+bx

 S xy
b= b=¿ 1,07558
S 2x

a= ý−b x́ a=¿110,72797

Por lo tanto 𝒚 ̂=𝟐𝟏𝟗.𝟕𝟗𝟏𝟔𝟖+𝟎.𝟔𝟏𝟒𝟓𝟕𝒙

Regresión Y sobre X ^y =a+bx

S xy
b= b=¿ 0,22393
S 2x

a= ý−b x́ a=¿ 294,25748

Por lo tanto
 DATOS COMPLEMENTADOS

PINOS TINGUIPAYA
N° AÑO X[mm] Y[mm]
1 1972 61,5 176,875916
2 1973 291,4 424,150933
3 1974 228,8 356,819849
4 1976 309,5 443,618866
5 1977 516.3 794.4
6 1978 462,2 607,859384
7 1979 392.9 688.0
8 1980 223.3 462.1
9 1981 399.8 711.8
10 1982 308.3 812.8
11 1983 187.5 300.1
12 1984 660.1 1264.6
13 1985 472.0 1006.7
14 1986 368.8 751.2
15 1987 416.3 427.6
16 1988 526.7 587.8
17 1989 327.6 496.1
18 1990 469.7 596.1
19 1991 419,5 561,932271
20 1992 372.9 791.0
21 1993 407,9 549,455585
22 1994 299.0 333.7
23 1996 419.2 505.2
24 1997 524.0 558.7
25 1998 381,9 521,490598
26 1999 378.3 633.1
27 2000 379.7 773.0
28 2001 577.0 811.0
29 2002 393.5 362.6
30 2003 393.5 369.7
31 2004 315.9 223.3
32 2005 437.0 316.8
33 2006 379.6 386.7
34 2007 430.0 423.6
35 2008 337.9 356.0
36 2009 571.7 494.0
37 2010 391.1 268.5
38 2011 585.0 607.2
39 2012 536.4 518.3
40 2013 493.7 572.6
41 2014 403.1 539.7
42 2015 401.7 390.2
43 2016 265,5 396,293504
Análisis de distribución de frecuencias

Ordenamos los datos de forma ascendente

N° TINGUIPAYA
1 176,8759
2 223,3
3 268,5
4 300,1
5 316,8
6 333,7
7 356
8 356,8198
9 362,6
10 369,7
11 386,7
12 390,2
13 396,2935
14 423,6
15 424,1509
16 427,6
17 443,6189
18 462,1
19 494
20 496,1
21 505,2
22 518,3
23 521,4906
24 539,7
25 549,4556
26 558,7
27 561,9323
28 572,6
29 587,8
30 596,1
31 607,2
32 607,8594
33 633,1
34 688
35 711,8
36 751,2
37 773
38 791
39 794,4
40 811
41 812,8
42 1006,7
43 1264,6
.Rango R¿ Dmax −D min

R¿ 1087,7
Numero de clase k =1+3.3∗log ( n )

k =¿6,3904459
valor asumido k =7
R
Ancho de clase a=
k

a=¿ 155,4= 155,4

N° Li-1 Li+1 ci ni Ni ci*ni ࢉ࢏െഥ
࢞ ૛‫כ‬ ࢔࢏ z
1 176,88 332,28 254,5759 5 5 1272,88 417941,1 -1,446
2 332,28 487,68 409,9759 13 18 5329,687 232440,6 -0,669
3 487,68 643,08 565,3759 15 33 8480,639 7052,8 0,108
4 643,08 798,48 720,7759 6 39 4324,655 188151,9 0,886
5 798,48 953,88 876,1759 2 41 1752,352 221090,8 1,663
6 953,88 1109,28 1031,576 1 42 1031,576 238030,5 2,440
7 1109,28 1264,68 1186,976 1 43 1186,976 413813,9 3,218
Ʃ - - - 43 - 23378,76 1718521,6 -

Gráficos

Estadígrafos de tendencia central

k

Media aritmética
∑ c i∗n i
x́= i=1
n
x́=¿ 543,69
n 43
Mediana = =21.5 →i=3
2 2
 n
Me=Li−1 +a
2
−N i−1
ni ( )
Me=¿ 529,12

ni −ni−1
Moda Mo=Li−1+ a
[ ( ni−ni−1) + ( ni−ni+1 ) ]
Mo=¿ 515,93
 Estadígrafos no centrales

( 10k )−N
Deciles
Dk = Li −1 +a [ n∗

ni
i−1

] ; k =1,2 , … ,9

n*(1/10) = 4,3 entonces: D1 = 310,52

n*(2/10) = 8,6 entonces: D2 = 444,16

n*(3/10) = 12,9 entonces: D3 = 426,71

n*(4/10) = 17,2 entonces: D4 = 479,39

n*(5/10) = 21,5 entonces: D5 = 523,94

n*(6/10) = 25,8 entonces: D6 = 456,60

n*(7/10) = 30,1 entonces: D7 = 567,97

n*(8/10) = 34,4 entonces: D8 = 441,06

n*(9/10) = 38,7 entonces: D9 = 775,17

( k4 )−N
Cuartiles
Q k =Li −1 +a [ n∗

ni
i−1

] ; k =1,2,3
 n*(1/4) = 10,75 entonces: Q1 = 510,99

n*(2/4) = 21,5 entonces: Q2 = 523,94

n*(3/4) = 32,25 entonces: Q3 = 623,65

Estadígrafos de desviación.
k

Varianza.
∑ ( ci− x́ ) 2
S2= i=1
n

S2=¿ 39965,61904

Desviación estándar. S= √ S2

S=¿ 199,91

S
Coeficiente de variación. CV =
x́

CV =¿ 0,368

c i−x́
Tipificación. z=
S

z1 = -1,446
z2 = -0,669
z3 = 0,108
z4 = 0,886
z5 = 1,663
z6 = 2,440
z7 = 3,218
d. Notas aclaratorias o referencias bibliográficas.
Se usó algunas páginas de internet como ser:
http://principessa1105.blogspot.com/2015/10/importancia-de-las-precipitaciones.html?
m=1

https://es.wikipedia.org/wiki/Precipitaci%C3%B3n_(meteorolog%C3%ADa)#Variaci
%C3%B3n_temporal_de_la_precipitaci%C3%B3n

e. Lista del material documental que se usó para el trabajo

la información correspondiente a cada estación deberá obtenerla de la página
www.senamhi.gob.bo.
También se apoyó de una hoja de cálculo que se adjunta en el cd, este proyecto nos
ayudamos con la avanzado en todo el semestre de en estadística.

Conclusiones y observaciones
Ya realizado todos los cálculos y obteniendo los resultados las gráficas
etcétera podemos observar que en la gráfica del histograma y polígono de
frecuencias está muy variable no está muy constante esto nos muestra que
la precipitación varía en distintos años
Esta aplicación es importante en nuestra carrera ya que como se mencionó
en el anterior punto de introducción nos dice que nos ayuda para la para la
construcción de carreteras pavimentos construcciones debido a los factores
que presenta este.