UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

FACULTAD DE INGENIERÍA, ARQUITECTURA Y DISEÑO

UNIDAD ENSENADA

PRECIPITACIÓN DE LAS ESTACIONES METEOROLÓGICAS DE LA CUENCA

MEDIA DEL RIO SINÚ

MARÍA DEL MAR ROMERO MARTÍNEZ

DR. ÁLVARO LÓPEZ LAMBRAÑO

HIDROLOGÍA

ENSENADA, BAJA CALIFORNIA

18 DE SEPTIEMBRE DE 2017
 INTRODUCCIÓN

El agua es un recurso fundamental para la vida y un factor esencial para el sector

productivo, por lo que la determinación de los caudales en una región, tiene
especial importancia debido al predominio de las actividades relacionadas con el
aprovechamiento de los recursos hídricos; mediante esto es posible obtener
información valiosa para la gestión del agua, en términos de los usos: agrícolas,
forestales, energéticos, de uso doméstico, construcción de obras civiles, etc.
La precipitación es una parte importante del ciclo hidrológico, responsable del
depósito de agua y, por ende, de la vida en nuestro planeta, tanto de animales
como vegetales, que requieren del agua para vivir. La precipitación es generada
por las nubes, cuando alcanzan un punto de saturación; en este punto las gotas
de agua aumentan de tamaño hasta alcanzar el punto en que se precipitan por la
fuerza de gravedad.
Las precipitaciones constituyen uno de los principales ingresos de agua al balance
hídrico de una región o sistema natural. La variabilidad de éstas ocasiona en
muchos casos inundaciones o sequías severas que pueden afectar a la población,
sus actividades económicas, el acceso al agua potable y las coberturas del suelo
(Ferrelli & Solange Aliaga, 2015).
Estudiar las precipitaciones y conocer su distribución temporal es motivo de
interés para estudios hidrológicos. La precipitación, se puede caracterizar a través
de la intensidad, su distribución en el espacio y en el tiempo, y su frecuencia o
probabilidad de ocurrencia, y para poder caracterizarla es necesario un gran
número de observaciones, extraídas de series pluviográficas, con el objeto de
deducir el patrón de comportamiento en una zona determinada y permitir un
análisis o uso posterior.
Las precipitaciones proporcionan datos de vital importancia para realizar estudios
de crecidas, inundaciones y sequias para poder realizar diseños y
dimensionamiento de obras civiles que se requieran; por lo que es necesario
conocer las intensidades de precipitación para distintos periodos de retorno.
Los cálculos de precipitaciones máximos son indispensables para la planificación
y diseño de obras civiles, aunque a veces no se dispone de registros que nos
permitan determinar estos, por lo que se hace necesario contar con metodología
que nos permita calcular u obtener estos valores empíricamente.
En este informe se presentan las precipitaciones máximas anuales de 5
estaciones meteorológicas de la Cuenca Media del Rio Sinú, estas son San
Carlos, Santa Rosa, Santa Lucía y Loma Verde; a partir de estos datos son
calculados todos los parámetros estadísticos para determinar en qué año se
presentan la mayor precipitación, así como la media, mediana y los valores de
dispersión o fluctuación alrededor de los valores de tendencia central, la
frecuencia, la frecuencia relativa y acumulada con la que suceden las
precipitaciones en ciertos periodos de tiempo, y mediante un hietograma observar
como varia la lámina de lluvia en un periodo de tiempo dado y las curvas de
frecuencia para cada una de las estaciones.
A partir de las precipitaciones máximas anuales, asignando un orden a cada una
de las estas, es calculado la probabilidad de ocurrencia para determinar si un
evento (precipitación) puede ser igualado o excedido y el periodo de retorno con
las ecuaciones de probabilidad de frecuencia de California (1923), Hazen (1930),
weibull (1939), Chegodayev (1955), Blom (1958), Tukey (1962), y Gringortón
(1963), a partir de ellas se estima una probabilidad de periodo de retorno de las
precipitaciones de cada una de las estaciones meteorológicas.
 OBJETIVOS

OBJETIVO GENERAL:
Determinar la precipitación máxima anual para las estaciones San Carlos, Santa
Lucía, Santa Rosa y Loma Verde que hacen parte de la Cuenca Media del Rio
Sinú; y a través de las precipitaciones calcular la probabilidad de frecuencia y el
periodo de retorno de cada una de ellas.

OBJETIVOS ESPECÍFICOS:
 Calcular los valores de tendencia central (media, moda, mediana) para cada
una de las estaciones.
 Establecer los valores de dispersión o fluctuación (desviación media,
desviación estándar, varianza, rango, coeficiente de variación, curtosis,
coeficiente de asimetría) en cada una de las estaciones metrológicas.
 Determinar la probabilidad de frecuencia y periodo de retorno de las
estaciones y a partir de ellas realizar un diagnóstico de las precipitaciones.
 FUNDAMENTACIÓN TEÓRICA

Hietograma: el hietograma es una gráfica que se genera a partir de los registros

de los fluviógrafos o de datos de pluviómetros que muestren cómo varía la lámina
de lluvia durante cierto intervalo fijo de tiempo ∆t. El área bajo el hietograma
representa la intensidad de la precipitación. Mediante el hietograma es muy fácil
decir a qué hora la precipitación adquirió su máxima intensidad y cuál fue el valor
de esta. (Garrido Monagas, Gómez Crespo, & Lacerda Sarría, 2016).

Precipitaciones: las precipitaciones constituyen uno de los principales ingresos

de agua al balance hídrico de una región o sistema natural. La variabilidad de
éstas ocasiona en muchos casos inundaciones o sequías severas que pueden
afectar a la población, sus actividades económicas, el acceso al agua potable y las
coberturas del suelo. (Ferrelli & Solange Aliaga, 2015).

Moda: La Moda (Mo) de un conjunto de datos es el valor (o cualidad) de la

variable aleatoria que aparece con mayor frecuencia, da una idea general del valor
que tiene más probabilidad de aparecer en un registro (Parra, 2014).

Mediana: Es el valor de la variable aleatoria que se encuentra en el centro de un

conjunto ordenado de datos. (Parra, 2014)
Para determinar la posición de la mediana (Me) de un conjunto con (n) datos, si n
es impar, entonces aplicamos la fórmula:
( n+1 )
x=
2

Ecuación 1: Posición de la mediana (No. impar de datos)

Si el número total de datos es par, la mediana será:

 ( X n+ X n )
2 2+1
x=
2
Ecuación 2: Mediana para No. de datos par

Media: La media aritmética o promedio simple muestra el valor central de los

datos constituyendo ser la medida de ubicación que más se utiliza. En general, es
calculada sumando los valores de interés y dividiendo entre el número de valores
sumados. (Paz, 2015)
n
1
x= ∑a
n i =1 i

Ecuación 3: Media aritmética

Desviación estándar: Se utiliza para cuantificar un intervalo de confianza o límite

de dispersión, dentro del cual los X i incluidos se consideran cercanos a X ,
mientras que fuera de éste se les considera alejados. (Cervantes-Hernandez,
2015)

√
n

∑ ( x i− x)2
i=1
s=
n−1
Ecuación 4: Desviación estándar

Varianza: La varianza de una muestra de n mediciones es la suma de las

desviaciones cuadradas de las mediciones alrededor la media dividida entre (n-1).
La varianza se mide en términos del cuadrado de las unidades originales de
medición. Si las mediciones originales son en pulgadas, la varianza se expresa en
pulgadas cuadradas. Tomando la raíz cuadrada de la varianza, obtenemos la
desviación estándar, que regresa la medida de variabilidad a las unidades
originales de medición. (Mendenhall, 2015)
 n

∑ ( xi −x)2
s2= i=1
n−1
Ecuación 5: Varianza

Coeficiente de asimetría: Se dice que una distribución de medidas es simétrica

cuando valores de la variable equidistantes, a uno y otro lado, del valor central
tienen la misma frecuencia. Es decir, en este caso tendremos simetría en el
histograma (o en el diagrama de barras) alrededor de una vertical trazada por el
punto central. En el caso de una distribución perfectamente simétrica los valores
de media aritmética, mediana y moda coinciden (x = Me = Mo).
En el caso de no tener simetría, diremos que tenemos asimetría a la derecha (o
positiva) o a la izquierda (o negativa) dependiendo de que el histograma muestre
una cola de medidas hacia valores altos o bajos de la variable respectivamente.
También se puede decir que la distribución esta sesgada a la derecha (sesgo
positivo) o a la izquierda (sesgo negativo).
En el caso de una distribución asimétrica, la media, mediana y moda no coinciden,
siendo x ¿ Me ¿ Mo para una asimetría positiva y x ¿ Me ¿ Mo para una asimetría
negativa. (García, López, & Calvo, 2016)

Ilustración 1: Simetría de distribuciones

 Con asimetría hacia la derecha, positiva, (panel a), simétrica (panel b) y con
asimetría hacia la izquierda, negativa (panel c).
(García, López, & Calvo, 2016)

Con el fin de cuantificar el grado de asimetría de una distribución se pueden definir

los coeficientes de asimetría. Aunque no son los únicos, existen dos coeficientes
principales:
Coeficiente de asimetría de Fisher: Se define como el cociente entre el
momento de orden 3 respecto a la media y el cubo de la desviación típica.
k

m3 ∑ (xi −x)3 ni
g1 = donde m 3= i=1
s
3
N
Ecuación 6: Coeficiente de asimetría de Fisher

En el caso una distribución simétrica, las desviaciones respecto a la media se

anularán (puesto que en m3 el exponente es impar se sumarán números positivos
y negativos) y el coeficiente de asimetría será nulo (g1 = 0). En caso contrario, g1
tendrá valores positivos para una asimetría positiva (a la derecha) y negativos
cuando la asimetría sea en el otro sentido.
Hay que indicar que la división por el cubo de la desviación típica se hace para
que el coeficiente sea adimensional y, por lo tanto, comparable entre diferentes
muestras. (García, López, & Calvo, 2016)

Coeficiente de asimetría de Pearson: Este coeficiente, también adimensional, se

define como:
x−M o
Ap=
s
Ecuación 7: Coeficiente de asimetría de Pearson

Su interpretación es similar a la del coeficiente de Fisher, siendo nulo para una

distribución simétrica (en ese caso media y moda coinciden) y tanto más positivo,
o negativo, cuando más sesgada este la distribución hacia la derecha, o hacia la
izquierda. (García, López, & Calvo, 2016)

Curtosis: Además de la simetría, otra característica importante de la forma en que

se distribuyen los datos de la muestra es cómo es el agrupamiento en torno al
valor central. Como se observa en la Ilustración, los datos se pueden distribuir de
forma que tengamos un gran apuntamiento (o pico en el histograma) alrededor del
valor central, en cuyo caso diremos que tenemos una distribución leptocúrtica, o
en el extremo contrario, el histograma puede ser muy aplanado, lo que
corresponde a una distribución platicúrtica. En el caso intermedio, diremos que la
distribución es mesocrática y el agrupamiento corresponderá al de una distribución
llamada normal, o en forma de campana de Gauss. (García, López, & Calvo,
2016)
Esta característica del agrupamiento de los datos se denomina Curtosis y para
cuantificarla se define el coeficiente de Curtosis como el cociente entre el
momento de cuarto orden respecto a la media y la cuarta potencia de la
desviación típica.
k

m4 ∑ ( xi −x)4 ni
i=1
g 2= donde m4=
s
4
N
Ecuación 8: Coeficiente de Curtosis

Este coeficiente adimensional alcanza valores mayores cuanto más puntiaguda es

la distribución, teniendo un valor de 3 para la distribución mesocrática (o normal),
mayor que 3 para la leptocúrtica y menor para la platicúrtica.
 Ilustración 2: Distribuciones con diferente grado de apuntamiento.

Leptocúrtica (g2 > 3), mesocrática (g2 = 3) y platicúrtica (g2 < 3).
(García, López, & Calvo, 2016)

Periodo de Retorno: El periodo de retorno de cualquier evento extremo (lluvias

torrenciales, temperaturas extremas, huracanes, etc.), se define como el lapso o
número de años que en promedio, se cree que será igualado o excedido, es decir,
es la frecuencia con la que se presenta un evento (Mélice y Reason, 2007). El
grado de magnitud de un fenómeno extremo está relacionado de forma inversa
con su frecuencia de ocurrencia, las precipitaciones muy intensas ocurren con una
frecuencia menor que las moderadas o débiles (Gutiérrez Lozano, y otros, 2011)

1
Tr=
P

Frecuencia absoluta: Definida como el número de veces que aparece repetido el

valor en cuestión de la variable estadística en el conjunto de las observaciones
realizadas. Si N es el número de observaciones (o tamaño de la muestra), las
frecuencias absolutas cumplen las propiedades
Frecuencia relativa: Cociente entre la frecuencia absoluta y el número de
observaciones realizadas N. Es decir

Fórmulas de probabilidad de ocurrencia:

California (1923) Hazen (1930) Weibull (1930) Chegodayev
(1955)

m (2 m−1) m P=
P= N P= P= ( N +1) (m−0.3)
2N
( N + 0.4)

Blom (1958) Tukey (1962) Gringortón (1963)

(m−0.375) (3 m−1) P=
P= (N +0.25) P= (3 N + 1)
(m−0.4)
( N +0.12)

Asimetría: esta medida nos permite identificar si los datos se distribuyen de forma
uniforme alrededor del punto central (Media aritmética). La asimetría presenta tres
estados diferentes, cada uno de los cuales define de forma concisa como están
distribuidos los datos respecto al eje de asimetría. Se dice que la asimetría es
positiva cuando la mayoría de los datos se encuentran por encima del valor de la
media aritmética, la curva es Simétrica cuando se distribuyen aproximadamente la
misma cantidad de valores en ambos lados de la media y
se conoce como asimetría negativa cuando la mayor cantidad de datos se
aglomeran en los valores menores que la media.
El Coeficiente de asimetría, se representa mediante la ecuación matemática,

Donde (g1) representa el coeficiente de asimetría de Fisher, (Xi) cada uno de los
valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. Los
resultados de esta ecuación se interpretan:
(g1 = 0): Se acepta que la distribución es Simétrica, es decir, existe
aproximadamente la misma cantidad de valores a los dos lados de la media. Este
valor es difícil de conseguir por lo que se tiende a tomar los valores que son
cercanos ya sean positivos o negativos (± 0.5).
(g1 > 0): La curva es asimétricamente positiva por lo que los valores se tienden a
reunir más en la parte izquierda que en la derecha de la media.
(g1 < 0): La curva es asimétricamente negativa por lo que los valores se tienden a
reunir más en la parte derecha de la media.
Desde luego entre mayor sea el número (Positivo o Negativo), mayor será la
distancia que separa la aglomeración de los valores con respecto a la media.

METODOLOGÍA
Para realizar los cálculos de tendencia central de las estaciones de la Cuenca
Media del Rio Sinú, se utilizó el programa Excel para facilidad en la obtención de
datos; los cuales se calcularon de la siguiente forma:
1. Se tomaron los datos de las precipitaciones máximas anuales de la fuente
de información IDEAM (Instituto de Hidrología, Meteorología y Estudios
Ambientales).
2. Mediante una tabla de Excel se organizaron los valores de las
precipitaciones de acuerdo con el año.
3. Se determina el número de intervalo redondeando para obtener intervalos
de clase a utilizar para hallar las distribuciones de frecuencia.
4. Se hallaron las medidas de tendencia central (moda, media y mediana)
mediante el excel.

Moda: Es el dato que más se repite.

Media: La media de un conjunto de números, algunas ocasiones
simplemente llamada el promedio, es la suma de los datos dividida entre el
número total de datos.
Mediana: se encuentra en el intervalo donde la frecuencia acumulada llega
hasta la mitad de la suma de las frecuencias absolutas
5. Se determinaron los parámetros de dispersión o fluctuación las cuales son
 Desviación media.
 Desviación estándar.
 Varianza.
 Rango Se determina el rango a partir de la ecuación:
R(x) = X(k) - X(1)
Donde X(k) es el valor máximo de las precipitaciones y X (1) es el valor
mínimo de las precipitaciones.
 Coeficiente de variación.
 Coeficiente de simetría.
 Coeficiente de curtosis.
6. Se realiza una tabla para hallar las frecuencias relativas y acumuladas para
la obtención de los hietogramas y las gráficas; en estas se determinan los
intervalos de clase mediante el ancho de clase.
 7. Se determina la marca de clase teniendo en cuenta los intervalos de clase,
el cual es el punto medio de cada intervalo:
(Intervalo final + intervalo inicial)/2
8. Se hallan las frecuencias en cada intervalo, es decir, se cuentan los datos
las precipitaciones que están dentro de los intervalos de clase.
9. Se hallan las frecuencias acumuladas la cual es la suma de las frecuencias
y en el último intervalo debe obtenerse como dato la misma cantidad de
datos utilizados.
10. Se calcula la frecuencia relativa dividiendo la frecuencia entre el total de
datos para cada intervalo.
11. Se determina la frecuencia absoluta sumando las frecuencias relativas y el
último dato deberá ser igual a 1.
12. Se organizan las precipitaciones de mayor a menor y se les asigna un
orden para calcular los porcentajes de probabilidad mediante las siguientes
ecuaciones:

California (1923) Hazen (1930) Weibull (1930) Chegodayev

(1955)
m (2 m−1) m (m−0.3)
P= N P= P= ( N +1) P= ( N + 0.4)
2N
Blom (1958) Tukey (1962) Gringortón (1963)

(m−0.375) (3 m−1) P=
P= (N +0.25) P= (3 N + 1)
(m−0.4)
13. Se realiza el cálculo de los periodos de retorno( N(Tr)
+0.12)
para cada una de las
anteriores ecuaciones mediante la fórmula:

1
Tr= P

RESULTADOS
 Estación Santa Lucía

Estacion: SANTA LUCÍA

Posicion: 0851N -7602W
Fecha de Inicio: 1965 - AGOSTO
Fecha Final: 2015 - OCTUBRE
Variable: Precipitacion (mm)
Datos: Promedio Anual
Temporada: Anual
 
No. datos Año P (mm/año) P(mm/año) Mayor a Menor
1 1965 79 170
2 1966 100 140
3 1967 54 134
4 1968 59 130
5 1969 62 120
6 1970 70 111
7 1971 95 110
8 1972 111 108
9 1973 55 105
10 1974 60 105
11 1975 71 100
12 1976 71 97
13 1977 108 95
14 1978 52 95
15 1979 87 95
16 1980 73 94
17 1981 86 93
18 1982 105 90
19 1983 90 90
20 1984 78 90
21 1985 82 90
22 1986 105 87
23 1987 85 86
24 1988 170 85
25 1989 110 85
26 1990 97 85
27 1991 130 82
28 1992 94 82
29 1993 140 80
30 1994 90 80
 31 1995 70 79
32 1996 85 78
33 1997 60 75
34 1998 85 74.6
35 1999 28 73
36 2000 65 71
37 2001 90 71
38 2002 75 70
39 2003 95 70
40 2004 80 70
41 2005 60 65
42 2006 95 62
43 2007 74.6 60
44 2008 120 60
45 2009 82 60
46 2010 80 60
47 2011 134 59
48 2012 90 55
49 2013 70 54
50 2014 60 52
51 2015 93 28

Promedio 85.50196078

Datos
Mayor 170
Menor 28
Rango 142
No. datos 51
Parámetros estadísticosNo. intervalo 7.14
No. intervalo
85.5019607 8
Media
8 Ancho de clase 17.75
Mediana 85.0
Moda 90
18.3707804
Desv. Media
7
25.0253111
Desv. Estándar
1
626.266196
Varianza
1
0.29268698
Coef. Variación
5
 0.87358343 Cs>0 La distribución es asimétrica positiva con
Coef. Asimetría
4 tendencia a la derecha
Curtosis 1.93552876

Intervalo de clase Frecuencia Frec.

Marca de Frecuencia Frecuencia
Relativa
Inicio final clase   absoluta relativa
acumulada
0.01960784
28 45.75 36.875 1 1 0.019607843
3
0.17647058
45.75 63.5 54.625 9 10 0.196078431
8
0.25490196
63.5 81.25 72.375 13 23 0.450980392
1
0.33333333
81.25 99 90.125 17 40 0.784313725
3
0.11764705
99 116.75 107.875 6 46 0.901960784
9
0.05882352
116.75 134.5 125.625 3 49 0.960784314
9
0.01960784
134.5 152.25 143.375 1 50 0.980392157
3
0.01960784
152.25 170 161.125 1 51 1
3
51

Precipitación (mm)
180
160
140
120
100
80
60
40
20
0
65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99 01 03 05 07 09 11 13 15
19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20 20 20 20
 Hietograma
18 17
16
14 13
12

Frecuencia
10 9
8
6
6
4 3
2 1 1 1
0
36.875 54.625 72.375 90.125 107.875125.625143.375161.125
Marca de clase

curva de frecuencia relativa

0.35
0.3
Frecuencia relativa

0.25
0.2
0.15
0.1
0.05
0
20 40 60 80 100 120 140 160 180
Marca de clase

Frecuencia acumulada
1.2
1
frecuencia acumulada

0.8
0.6
0.4
0.2
0
20 40 60 80 100 120 140 160 180
Marca de clase
Estación Loma Verde
 Estacion: Loma Verde
Posicion: 0830N -7610W
Fecha de Inicio: 1966 - ENERO
Fecha Final: 2015 - DICIEMBRE
Variable: Precipitacion (mm)
Datos: Promedio Anual
Temporada: Anual

No. datos Año P (mm/año) P(mm/año) Mayor a Menor

1 1966 137 138
2 1967 134 137
3 1968 66 134
4 1969 138 126
5 1970 80 124
6 1971 70 116
7 1972 56 115
8 1973 72 115
9 1974 55 100
10 1975 70 98
11 1976 116 96
12 1977 49 95
13 1978 70 95
14 1979 126 94
15 1980 115 90
16 1981 64 90
17 1982 98 90
18 1983 66 87
19 1984 77 85
20 1985 96 85
21 1986 63 83
22 1987 73 80
23 1988 95 80
24 1989 87 80
25 1990 80 80
26 1991 80 77
27 1992 100 77
28 1993 90 76
29 1994 74 74
30 1995 60 73
31 1996 80 72
32 1997 90 72
33 1998 85 70
34 1999 67 70
35 2000 57 70
36 2001 76 70
37 2002 83 69
38 2003 115 67
39 2004 94 66
40 2005 95 66
41 2006 85 64
42 2007 124 63
43 2008 58 60
44 2009 42 58
45 2010 72 57
46 2011 50 56
47 2012 77 55
48 2013 69 50
49 2014 70 49
50 2015 90 42

Promedio 82.72

Datos
Mayor 138
Menor 42
Rango 96
No. datos 50
No. intervalo 7.07
No. intervalo 8
Ancho de clase 12

Parámetros estadísticos
Media 82.72
 Mediana 78.5
Moda 80
Desv. Media 18.2352
Desv. Estándar 23.37977497
Varianza 546.6138776
Coef. Variación 0.282637512
Cs>0 La distribución es asimétrica positiva
Coef. Asimetría 0.779362645
con tendencia a la derecha
Curtosis 0.129549423

Frecuenci
Intervalo de clase Marca de Frecuencia Frecuenci
a Frec. Relativa
clase absoluta a relativa
Inicio final   acumulada
42 54 48 3 3 0.06 0.06
54 66 60 7 10 0.14 0.2
66 78 72 15 25 0.3 0.5
78 90 84 8 33 0.16 0.66
90 102 96 9 42 0.18 0.84
102 114 108 0 42 0 0.84
114 126 120 4 46 0.08 0.92
126 138 132 4 50 0.08 1
50

Precipitación (mm)
160

140

120

100

80

60

40

20

0
66 68 70 72 74 76 78 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10 12 14
19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20 20 20 20
 Hietograma
16 15
14
12
10 9

Frecuencia
8
8 7
6
4 4
4 3
2
0
0
48 60 72 84 96 108 120 132
Marca de Clase

Frecuencia Relativa
0.35
0.3
Frecuencia relativa

0.25
0.2
0.15
0.1
0.05
0
40 50 60 70 80 90 100 110 120 130 140

Marca de clase

Frecuencia Acumulada
1.2

1
Frecuencia Acumulada

0.8

0.6

0.4

0.2

0
40 50 60 70 80 90 100 110 120 130 140
Marca de clase
 Estación Santa Rosa

Estacion: SANTA ROSA

Posicion: 0844N -7536W
Fecha de Inicio: 1963 - ENERO
Fecha Final: 2015 - DICIEMBRE
Variable: Precipitación (mm)
Datos: Promedio Anual
Temporada: Anual

No. datos Año P (mm/año) P(mm/año) Mayor a Menor

1 1963 103 140
2 1964 105 137
3 1965 111 135
4 1966 70 135
5 1967 86 130
6 1968 90 125
7 1969 68 124
8 1970 80 120
9 1971 86 120
10 1972 107 120
11 1973 98 114
12 1974 140 114
13 1975 79 113
14 1976 94 111
15 1977 110 110
16 1978 92 110
17 1979 88 110
18 1980 114 109
19 1981 106 107
20 1982 90 106
21 1983 84 105
22 1984 64 105
23 1985 137 104
24 1986 120 103
25 1987 100 100
26 1988 120 98
27 1989 130 96
28 1990 135 95
29 1991 114 94
30 1992 96 92
31 1993 109 90
32 1994 113 90
33 1995 90 90
34 1996 120 90
35 1997 104 88
36 1998 88 88
37 1999 73 88
38 2000 82 86
39 2001 85 86
40 2002 124 85
41 2003 135 84
42 2004 88 84
43 2005 125 82
44 2006 90 80
45 2007 110 79
46 2008 110 75
47 2009 95 75
48 2010 75 73
49 2011 67 70
50 2012 75 70
51 2013 105 68
52 2014 84 67
53 2015 70 64

Promedio 98.754717

Datos
Mayor 140
Menor 64
Rango 76
No. datos 53
No. intervalo 7.28
No. intervalo 8
Ancho de clase 9.5

Parámetros estadísticos
Media 98.75471698
 Mediana 96.0
Moda 90
Desv. Media 16.53328587
Desv. Estándar 19.76779204
Varianza 390.7656023
Coef. Variación 0.200170611
Cs>0 La distribución es asimétrica
Coef. Asimetría 0.258615484
positiva con tendencia a la derecha
Curtosis -0.694602951

Intervalo de clase Marca Frecuencia Frec.

Frecuencia Frecuencia
de Relativa
Inicio final   absoluta relativa
clase acumulada
64 73.5 68.75 6 6 0.1132075 0.1132075
73.5 83 78.25 5 11 0.0943396 0.2075472
83 92.5 87.75 13 24 0.245283 0.4528302
92.5 102 97.25 5 29 0.0943396 0.5471698
102 111.5 106.75 11 40 0.2075472 0.754717
111.5 121 116.25 6 46 0.1132075 0.8679245
121 130.5 125.75 3 49 0.0566038 0.9245283
130.5 140 135.25 4 53 0.0754717 1
53

Precipitación (mm)
160

140

120

100

80

60

40

20

0
63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99 01 03 05 07 09 11 13 15
19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20 20 20 20
 Hietograma
14 13
12 11
10

Frecuencia
8
6 6
6 5 5
4
4 3
2
0
68.75 78.25 87.75 97.25 106.75 116.25 125.75 135.25
Marca de clase

Frecuencia Relativa
0.3
0.25
Frecuencia relativa

0.2
0.15
0.1
0.05
0
60 70 80 90 100 110 120 130 140
Marca de clase

Frecuencia Acumulada
1.2
1
Frecuencia acumulada

0.8
0.6
0.4
0.2
0
60 70 80 90 100 110 120 130 140
Marca de Clase
 Estación San Carlos

Estacion: SAN CARLOS

Posicion: 0847N -7541W
Fecha de
1963 - FEBRERO
Inicio:
2015 -
Fecha Final:
DICIEMBRE
Variable: Precipitacion (mm)
Datos: Promedio Anual
Temporada: Anual

P(mm/año) Mayor a
No. datos Año P (mm/año)
Menor
1 1963 84 141
2 1964 100 140
3 1965 135 139
4 1966 75 135
5 1967 124 130
6 1968 97 130
7 1969 140 124
8 1970 102 124
9 1971 69 123
10 1972 80 123
11 1973 100 123
12 1974 120 122
13 1975 130 120
14 1976 85 120
15 1977 90 115
16 1978 97 112
17 1979 106 112
18 1980 61 110
19 1981 139 106
20 1982 103 103
21 1983 124 102
22 1984 123 100
23 1985 141 100
24 1986 70 98
25 1987 87 98
26 1988 89 98
27 1989 123 97
28 1990 90 97
29 1991 90 94
30 1992 84 92
31 1993 52 92
32 1994 98 91
33 1995 98 90
34 1996 94 90
35 1997 98 90
36 1998 112 90
37 1999 92 90
38 2000 92 89
39 2001 91 87
40 2002 45 85
41 2003 71 84
42 2004 90 84
43 2005 122 80
44 2006 115 80
45 2007 130 75
46 2008 112 75
47 2009 123 71
48 2010 110 70
49 2011 120 69
50 2012 80 61
51 2013 75 52
52 2014 90 50
53 2015 50 45

98.4528301
Promedio
9

Datos

Mayor 141
Menor 45
Rango 96
No. datos 53
No. intervalo 7.28
No. intervalo 8
Ancho de clase 12

Parámetros estadísticos
 Media 98.45283019
Mediana 97.0
Moda 90
Desv. Media 18.4749021
Desv. Estándar 23.32427428
Varianza 544.0217707
Coef. Variación 0.236908114
Cs>0 La distribución es asimétrica negativa
Coef. Asimetría -0.145471538
con tendencia a la izquierda
Curtosis -0.347335811

Frecuenci Frec.
Intervalo de clase Marca
a Frecuenci Frecuenci Relativa
de
a absoluta a relativa acumulad
Inicio final clase  
a
45 57 51 3 3 0.0566038 0.056604
57 69 63 1 4 0.0188679 0.075472
69 81 75 7 11 0.1320755 0.207547
81 93 87 13 24 0.245283 0.45283
93 105 99 10 34 0.1886792 0.641509
105 117 111 5 39 0.0943396 0.735849
117 129 123 8 47 0.1509434 0.886792
129 141 135 6 53 0.1132075 1
53

Precipitación (mm)
160

140

120

100

80

60

40

20

0
63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99 01 03 05 07 09 11 13 15
19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20 20 20 20
 Hietograma
14 13
12
10
10 8
Frecuencia
8 7
6
6 5
4 3
2 1
0
51 63 75 87 99 111 123 135
Marca de clase

Frecuencia Relativa
0.3
0.25
Frecuencia relativa

0.2
0.15
0.1
0.05
0
40 50 60 70 80 90 100 110 120 130 140
Marca de Clase

Frecuencia Acumulada
1.2

1
Frecuencia Acumulada

0.8

0.6

0.4

0.2

0
40 50 60 70 80 90 100 110 120 130 140
Marca de clase
 PERIODOS DE RETORNO DE OBRAS DE DRENAJE VIAL

Se deberán adoptar los siguientes periodos de retorno para el cálculo de caudales

máximos instantáneos anuales en obras de drenaje vial:

Tabla 2.8.- periodos de retorno de diseños en obras de drenaje vial

Nota: 1 El periodo de retorno de diseño de las obras podrá variarse, a juicio del
ingeniero consultor, para casos especiales, debidamente justificados.
2
En caso de que los taludes de corte de la vía sean inestables se podrá
incrementar este periodo de retorno, a juicio del ingeniero consultor
(MINISTERIO DE TRANSPORTE, 2009)
 ANÁLISIS DE RESULTADOS

ESTACIÓN SAN CARLOS:

Se calcularon todos los parámetros estadísticos de medida de tendencia central a
partir del orden de las precipitaciones, el valor que más se repite es 90mm/año,
teniendo una desviación estándar de 23.32 y un coeficiente de asimetría de -0.15
lo que indica que la distribución es asimétrica negativa con tendencia a la
izquierda, el coeficiente de curtosis es igual a -0.35 y como es menor que cero a
esta distribución se llama platicúrtica porque cuando la Curtosis<0, por lo que
existe muy poca concentración de datos en la media.

Las precipitaciones que más se presentan se encuentran dentro de los intervalos

de clase (81 – 93); mediante la marca de clase y la frecuencia se realizó el
hietograma, el cual permite visualizar la intensidad de la precipitación en un
determinado periodo de tiempo, las gráficas de frecuencia absoluta y relativa nos
presentan los intervalos en donde se presentan mayores precipitaciones durante
los años estudiados.

ESTACIÓN SANTA ROSA:

Se calcularon todos los parámetros estadísticos de medida de tendencia central a
partir del orden de las precipitaciones, el valor que más se repite es 90mm/año,
teniendo una desviación estándar de 19.77 y un coeficiente de asimetría de 0.26 lo
que indica que la distribución es asimétrica positiva con tendencia a la derecha, el
coeficiente de curtosis es igual a -0.69 y como es menor que cero a esta
distribución se llama platicúrtica porque cuando la Curtosis<0 por lo que existe
muy poca concentración de datos en la media.
Las precipitaciones que más se presentan se encuentran dentro de los intervalos
de clase (83 – 92.5); mediante la marca de clase y la frecuencia se realizó el
hietograma, el cual permite visualizar la intensidad de la precipitación en un
determinado periodo de tiempo, las gráficas de frecuencia absoluta y relativa nos
presentan los intervalos en donde se presentan mayores precipitaciones durante
los años estudiados.

ESTACIÓN SANTA LUCÍA:

Se calcularon todos los parámetros estadísticos de medida de tendencia central a
partir del orden de las precipitaciones, el valor que más se repite es 90mm/año,
teniendo una desviación estándar de 25.03 y un coeficiente de asimetría de 0.87 lo
que indica que la distribución es asimétrica positiva con tendencia a la derecha, el
coeficiente de curtosis es igual a 1.94 y como es mayor que cero a esta
distribución se le llama Leptocúrtica: la Curtosis>0. Por lo que los datos están
muy concentrados en la media.
Las precipitaciones que más se presentan se encuentran dentro de los intervalos
de clase (81.25 – 99); mediante la marca de clase y la frecuencia se realizó el
hietograma, el cual permite visualizar la intensidad de la precipitación en un
determinado periodo de tiempo, las gráficas de frecuencia absoluta y relativa nos
presentan los intervalos en donde se presentan mayores precipitaciones durante
los años estudiados.

ESTACIÓN LOMA VERDE:

Se calcularon todos los parámetros estadísticos de medida de tendencia central a
partir del orden de las precipitaciones, el valor que más se repite es 80mm/año,
teniendo una desviación estándar de 23.38 y un coeficiente de asimetría de 0.78 lo
que indica que la distribución es asimétrica positiva con tendencia a la derecha, el
coeficiente de curtosis es igual a 0.13 y como es mayor que cero a esta
distribución se le llama Leptocúrtica: la Curtosis>0. Por lo que los datos están
muy concentrados en la media.
Las precipitaciones que más se presentan se encuentran dentro de los intervalos
de clase (66 – 78); mediante la marca de clase y la frecuencia se realizó el
hietograma, el cual permite visualizar la intensidad de la precipitación en un
determinado periodo de tiempo, las gráficas de frecuencia absoluta y relativa nos
presentan los intervalos en donde se presentan mayores precipitaciones durante
los años estudiados.
La probabilidad de ocurrencia fue analizada desde diferentes perspectivas
teniendo en cuenta las ecuaciones anteriormente mencionadas, las cuales
manifiestan el grado de probabilidad en el que ocurre dicho evento; de igual forma
se calculó el periodo de retorno para cada una de las estaciones de acuerdo a las
formulas mencionadas, cada una de estas fórmulas tiene un valor cercano a la
unidad (1) lo que indica que el resultado es altamente probable.
Mediante estos cálculos se determinó el periodo en donde las precipitaciones son
mayores, por lo que se puede decir que a mayor probabilidad de ocurrencia es
menor el periodo de retorno.
 CONCLUSIÓN

Una vez calculados los parámetros estadísticos de cada una de las estaciones
(San Carlos, Santa Lucía, Santa Rosa y Loma Verde), se determinaron las
frecuencias absolutas y acumuladas con el fin de generar sus hietogramas. Se
observó que en general para la cuenca media del río Sinú, las precipitaciones más
frecuentes son del orden de los 84mm anuales.
Además se calcularon los períodos de retorno utilizando los métodos California,
Hazen, Weibull, Chegodayev, Blom, Tukey y Gringortón en cada una de las
estaciones estudiadas y se constató que los resultados obtenidos son
inversamente proporcionales a las probabilidades de ocurrencia de cada orden.
Con la realización de estos cálculos, se pudo observar el comportamiento histórico
de las precipitaciones de la zona de estudio y se pueden generar las curvas de
Intensidad Duración y Frecuencia que permitirían la correcta planificación y diseño
de obras hidráulicas.
 BIBLIOGRAFÍA

Cervantes-Hernandez, P. (2015). Media, varianza y desviación estándar. Ciencia y Mar, 29-

31.
Ferrelli, F., & Solange Aliaga, V. (2015). Variabilidad de las precipitaciones y sus efectos
sobre la respuesta espacio-temporal de cuerpos de agua en la Región Pampeana,
Argentina. Huellas n° 20, 239-246.
García, J. G., López, N. C., & Calvo, J. Z. (2016). Estadística básica para estudiantes de
ciencias. Madrid: Universidad Complutense de Madrid.
Garrido Monagas, M., Gómez Crespo, M. R., & Lacerda Sarría, Y. (2016). Obtención de
eventos lluviosos extremos a partir de los datos históricos en una cuenca.
INGENIERÍA HIDRÁULICA Y AMBIENTAL, 15-27.
Gutiérrez Lozano, J., Vargas Tristán, V., Romero Rodríguez, M., Plácido de la Cruz, J. M.,
Aguirre Bortoni, M. d., & Silva Espinoza, H. T. (2011). Periodos de retorno de
lluvias torrenciales para el estado de Tamaulipas, México. Investigaciones
Geográficas, Boletín del Instituto de Geografía, UNAM, 20-33.
Mendenhall, W. (2015). Introducción a la probabilidad y estadística. México: Cengage
Learning Editores.
MINISTERIO DE TRANSPORTE, I. N. (2009). MANUAL DE DRENAJE PARA
CARRETERAS. COLOMBIA : INVIAS.
Parra, J. M. (2014). Estadística desciptiva e inferencial I. En J. M. Parrra, Estadística
desciptiva e inferencial I. Colegio de Bachilleres.
Paz, K. (2015). UNAC. Obtenido de UNAC:
www.unac.edu.pe/documentos/organizacion/.../capitulo%203.pdf