Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO 2
PROBLEMA 2.2.1
En la figura y cuadro adjuntos se muestra la ubicación de 5 estaciones de
precipitación de una cuenca dada, así como los valores de precipitación anual, en
milímetros. Calcular la precipitación media anual en la cuenca aplicando el
método de polígonos de Thiessen, si cada cuadricula del grafico equivale a 1 Km2.
SOLUCIÓN:
38100 K m2∗mm
pm= 2
=586.15 mm
65 K m
PROBLEMA 2.2.2
Resolver el Problema 2.2.1 por el método de las isoyetas.
SOLUCIÓN:
37100 K m2∗mm
pm = =570.77 mm
65 K m2
PROBLEMA 2.2.3
En la figura, las líneas delgadas identifican la delimitación de la cuenca y
subcuencas que como pueden apreciarse son tres: SC1, SC2 Y SC3. Cada
cuadricula del grafico puede asumirse igual a 1 Km 2. Empleando el método de los
polígonos de Thiessen, se pide calcular el volumen total de agua precipitada en
cada una de las subcuencas, así como en el total de la cuenca, durante el mes 2, en
millones de metros cúbicos (mmc).
SOLUCIÓN:
Sub/Estación P1 P2 P3 P4 TOTAL
SC1 8 8 4.5 0.75 21.25
SC2 8.5 0 18.75 3.25 30.5
SC3 0 9 0 31 40
TOTAL 16.5 17 23.25 35 91.75
Pm=19.33mm
2 6 3
V P=0.01933 m∗91750000m =1.77∗10 m
SUBCUENCA 1
2 3
V P=0.02113 m∗20500000 m =644465 m =0.644 mmc
SUBCUENCA 3
30∗( 9 ) + 4.6(31)
Pm= =10.315mm
40
PROBLEMA 2.2.4
Calcule la precipitación media de la cuenca, que tiene las siguientes isoyetas,
(Línea Punteada), cada cuadro de la cuadricula vale 1 Km2.
Pm=759.58mm
CAPITULO 3
Problema 3.5.1
Con base a ello, y asumiendo que los datos se ajustan a una distribución Gumbel, se
pide calcular:
Solución:
a. Aplicando la ecuación: X T = X+ ( Y − yn
σn )∗σ n
Los valores Yn y σn son función del número de datos, conforme al cuadro que se
muestra en el anexo 1; el valor de Y depende del período de retorno T r.
Utilizando dicha tabla, para n = 15 datos se obtienen:
N Yn Sn Tr (años) Y
10 0.4952 0.9497 1.58 0.00
15 0.5128 1.0210 2 0.3670
20 0.5236 1.0630 2.33 0.5790
25 0.5309 1.0910 5 1.500
30 0.5369 1.1120 10 2.250
35 0.5436 1.1280 15 2.674
40 0.5463 1.1410 20 3.200
45 0.5463 1.1520 25 3.384
50 0.5485 1.1610 50 3.9020
60 0.5521 1.1750 100 4.600
Yn = 0.5128 σn = 1.0210
Resolviendo, se obtiene:
σx=12.40 mm X =71.27 mm
b. Por definición, la probabilidad de que un valor dado sea excedido al menos una
vez durante un período de vida útil n, corresponde al riesgo:
Riesgo=1−P(o)
n k ( 1−k )
En donde el valor P(o) se obtiene aplicando la ecuación pk ( k )=Ck p (1− p )
con k =0. También:
1
P ( X ≥ x )=
Tr
luego:
1 1
P ( X ≥ x )= = =0.02
T r 50
luego:
30! 0 30−0
P ( 0 )= ∗( 0.02 ) ∗( 1−0.02 )
0 !∗( 30−0 ) !
P ( 0 )=0.545
Finalmente, el riesgo de que se presente una lluvia igual o mayor de 112.43 mm,
al menos una vez durante un periodo de 30 años es:
R=1−P ( 0 )=1−0.545=0.455 → R=0.455
110 mm:
110=71.27+ ( Y −0.5128
1.0210 )
∗12.40
se obtiene:
Y =3.702
De acuerdo con el cuadro del apéndice 1 este valor de Y correspondería a un
periodo de retorno de Tr = 38.64 años ≈ 39 años; como el periodo de análisis, o
vida útil, corresponde a dos veces este periodo de retorno: n = 2 * 39 = 78.
1
Luego, aplicando pk ( k ) y teniendo en cuenta P ( X ≥ x )= :
Tr
n! k n−k
P ( k )= ∗( P ( X ≥ x ) ) ∗( 1−P ( X ≥ x ) )
k !∗( n−k ) !
( )( )
2 78−2
78 ! 1 1
P ( 2 )= ∗ ∗ 1−
2!∗( 78−2 ) ! 39 39
Finalmente, la probabilidad de que la precipitación 110 mm ocurra 2 veces en un
periodo de 78 años es:
P ( 2 )=0.274
Problema 3.5.2
En una cuenca dada los caudales máximos anuales tienen un promedio de 421
m3
s ( )
3
m
y una desviación típica de 378 . Asumiendo que dichos caudales se ajustan a una
s
distribución de probabilidades Extrema Tipo I, ¿cuál es la probabilidad de que ocurra un
3
m
caudal entre 450 y 600 ?
s
Solución:
P ( X ≥ x )=1−F ( x )
−α ( x−β)
P ( X ≥ x )=1−e−e
Ecuaciones para hallar α y β
1.281 β= X−0.45∗S x
α=
Sx
X =421
m3
( )
( )
3
m s
S x =378
s β=421−0.45∗378
1.281 β=250.9
α=
378
α =0.0034
( )
3
m
¿cuál es la probabilidad de que ocurra un caudal entre 450 y 600 ?
s
Para 450 ( )
m3
s
P ( X ≥ x )=1−F ( x )
−0.0034∗( x−250.9 )
−e
P ( X ≥ 450 )=1−e
−0.0034∗( 450−250.9 )
P ( X ≥ 450 )=1−e−e
P ( X ≥ 450 )=0.398
( )
3
m
Para 600
s
P ( X ≥ x )=1−F ( x )
−0.0034∗( x−250.9 )
−e
P ( X ≥600 )=1−e
−0.0034∗(600 −250.9 )
−e
P ( X ≥600 )=1−e
P ( X ≥600 )=0.263
P ( 450 ≤ X ≤600 )=P ( X ≥ 450 )−P ( X ≥600 )
P ( 450 ≤ X ≤600 )=0.397−0.263
P ( 450 ≤ X ≤600 )=0.135
Problema 3.5.3
En una cuenca dada existen 3 estaciones de precipitación, P1, P2 y P3, que influencian
en 30%, el 40% y el 30% del área de la cuenca respectivamente. Para la estación P2 se
tiene un registro de 20 años de profundidades máximas de precipitación para 6 horas de
duración, con un promedio de 85.25 mm y una desviación típica de 27.65 c Asumiendo
que los datos de la estación 2 se ajustan a una distribución probabilística Extrema Tipo
I, se pide calcular la precipitación media de la cuenca para una lluvia de 6 horas de
duración, y 25 años de periodo de retorno, si se conoce que las ecuaciones de
correlación entre las estaciones son:
P1=3.2+0.28∗P2
2
P3=2.5+ 0.021∗P2
Solución
La probabilidad de excedencia para la lluvia de 6 horas de duración y años de periodo
de retorno en la estación 2 será:
1
P ( X ≥ x )=
Tr
1
P ( X ≥ x )=
25(años)
P ( X ≥ x )=0.04
P ( X ≥ x )=1−F ( x )
−α ( x−β)
−e
P ( X ≥ x )=1−e
Ecuaciones para hallar α y β
1.281 β= X−0.45∗S x
α=
Sx X =85.25(mm)
S x =27.65(mm) β=85.25−0.45∗27.65
1.281 β=72.808
α=
27.65
α =0.0463
P ( X ≥ x )=0.04
−α ( x−β)
−e
P ( X ≥ x )=1−e
−0.0463 ( x−72.808 )
−e
0.04=1−e
−0.0463 ( x−72.808 )
0.04−1=−e−e
−0.0463 ( x−72.808 )
−e
−0.960=−e
−0.0463 ( x−72.808 )
0.960=e−e
−0.0463 ( x−72.808 )
−e
ln 0.960=ln e
−0.0463 ( x−72.808 )
−0.041=−e
P1=42.902(mm)
P3=2.5+ 0.021∗P22
P3=2.5+ 0.021∗(141.7392)
P3=424.389(mm)
Problema 3.5.4
Para satisfacer una eventual demanda adicional durante una semana, la municipalidad
ha previsto un tanque a fin de tener en almacenamiento una Cierta reserva de seguridad.
Calcular cuál debe ser la capacidad C del tanque de seguridad si se desea que la
probabilidad de no satisfacer la demanda sea de 0.0.1.
Solución:
Yn=0.5236 σn=1.063
1 1
T r= = =100 a ños
P ( X ≥ x ) 0.01
Para el cuál, y utilizando la tabla antes citada, se tendrá: Y = 4.6, reemplazando valores
en la ecuación X T = X+ ( Y − yn
σn ) ∗σ n , se tendrá:
X =1.5+ ( 4.6−0.5238
1.063 )∗0.05
de donde:
X =1.692 mmc
CAPITULO 6
6.1. El cable es para mantener el aparato suspendido desde un puente o una oroya. El lastre es
para impedir que sea sacado de posición por la fuerza de la corriente. En el eje de la hélice hay
una serie de finos engranajes para poder contar el número de revoluciones. La pequeña
cámara de contacto hace el cambio de 10 revoluciones a una señal luminosa y otra auditiva. De
esta manera lo único que hace el operario es contar el número de señales en un tiempo
arbitrario, a fin de obtener n (número de revoluciones por segundo) en cada puesta en
estación del aparato. Las corrientes moderadas son vadeables. En ese caso se usa la debiendo
el operario hacerse a un lado a fin de no interrumpir la corriente que va a ser registrada.
A=∑ ∆ A=3.588 m2
6.2. Primero se localizó en el plano la sección que va a constituir la sección de aforo, como se
muestra en (A) de la figura 6.8. Luego se obtuvo la sección transversal mostrada en (B)
tomando a escala las distancias entre las curvas de nivel. La pendiente media de la corriente se
obtuvo de medidas tomadas a escala del plano a curvas de nivel. Se eligió un valor n = 0.030,
basándose en diferentes descripciones y observaciones en el campo. Los cálculos se ejecutaron
como se muestra en la tabla 6.2.
Datos: n=0.030 s=0.00395
COTA ΔA A ΔP P R Q
26.2 0 0
95 50.58
30 95 50.58 1.88 450.5
305 24.57
35 400 75.15 5.33 3799.6
377.5 12.46
40 777.5 87.61 8.87 10371.6
410 11.66
45 1187.5 99.27 11.96 19333.8
442.5 12.46
50 1630 111.73 14.59 30298.5
55
50
45
40
35
30
0 5000 10000 15000 20000 25000 30000 35000
CAPITULO 10
10.1. Hallar el valor de K para una probabilidad de 1% si se trabaja con una muestra de 40
años.
P=0.01
Y =4.6
Para n=40 → y=0.54
σ n=1.14
De modo que:
y − yn
K= =3.55
σn
Como T =1/ P
k 100=¿3.55
10.2. Usando el registro de caudales que se acompaña, encontrar las crecidas de los 10,100 Y
1,000 años, utilizando la distribución de Gumbel. Los caudales están en pie 3/seg.
m Q T m Q T
1 103000 21 11 58600 1.91
2 99000 10.5 12 55100 1.75
3 77800 7 13 53100 1.62
4 76200 5.25 14 49600 1.5
5 71200 4.2 15 49200 1.4
6 69900 3.5 16 47900 1.31
7 64100 3 17 44200 1.24
8 62600 2.63 18 39700 1.17
9 59600 2.33 19 38200 1.11
10 58800 2.1 n=20 36600 1.05
σ n=1.06
Para:
T =10
P=0.1
y=2.25
K 10 =¿ 1.63
T =100
P=0.01
y=4.6
K 100 =¿3.85
T =1000
P=0.001
y=6.91
K 1000 =¿6.03
Además:
x=60720
σ x =18233.65
De modo que:
Q10=¿ 90441
Q100 =130920
K: Constante de recesión
Zi −Z=∅ ( Z i−1−Z ) + ε i
Z: Promedio de Zi
Se demuestra que:
∅=e−k
Sin embargo, qué tan bueno resulta este modelo AR(1), depende de qué tan buena es la
suposición de recesión exponencial en el río.
10.4 Justificación física de los modelos autorregresivos de promedios móviles (ARMA) para
simulación de caudales.
Al combinar las dos ecuaciones encontramos el modelo para el flujo anual Zt para escribirse
como:
Zt =( 1−c ) Z t−1 +d x t −|d ( 1−c ) −ac| xt −1
que tiene la forma de un modelo ARMA (1,1) cuando la precipitación anual es una serie
independiente
CAPITULO 11
Ejemplo 11.1. Los valores de precipitación anual en College Station Texas, desde 1911
hasta 1979se muestran en la tabla 11.1.1 y en forma gráfica como una serie de tiempo
en la figura 11.1.2 a) ¿Cuál es la probabilidad de que la precipitación anual R en
cualquier año sea menor que 35 plg? ¿Mayor que 45 plg? ¿Entre 35 y 45 plg?
Tabla 11.1.1 Precipitación anual en College Station, Texas, 1911-1979 (plg)
Solución:
Años de información: 1979−1911=69 años
Evento A: R<35 plg → No. datos=23
No. datos
P ( A )=
Total
23
P ( A )=
69
P ( A )=0.333
Evento B: R> 45 plg → No . datos=19
No. datos
P ( A )=
Total
19
P ( A )=
69
P ( A )=0.275
Evento C: 35 ≤ R ≤ 45 plg
P ( 35≤ R ≤ 45 )=1−P ( R< 35 )−P( R> 45)
P ( 35≤ R ≤ 45 )=1−0.333−0.275
P ( 35≤ R ≤ 45 )=0.392
EJEMPLO 11.2.1
¿Cuál es la probabilidad de que la variable aleatoria normal estándar 2 sea menor que -2?,
¿Menor que 1?, ¿Cuál es P (-2 < z < 1)?
1 −4
B= [ 1+0.196854∗Z+ 0.115194∗Z 2 +0.000344∗Z 3 +0.019527∗Z 4 ]
2
1 −4
B= [ 1+0.196854∗2+0.115194∗22 +0.000344∗23 +0.019527∗24 ]
2
B=0.023
F (−2 ) =B=0.023
P ( Z ≤1 ) =F (1)
1 −4
B= [ 1+0.196854∗1+0.115194∗12 +0.000344∗13 +0.019527∗14 ]
2
B=0.159
F ( 1 )=1−B=1−0.159=0.841
P (−2<Z <1 )=F ( 1 )−F (−2 ) P (−2<Z <1 )=0.841−0.023P (−2<Z <1 )=0.818
EJERCICIO 11.3.1
¿ Cs=0.749
39.3 -246.5
71.7 -607.6
75.2 -651.7
n
377.5 7335.3 1
S 2= ∑ ¿¿
n−1 i=1
106.7 1102.3
2.5 -3.9 1016.9
S2 =
10.4 33.7 9
131.6 -1509.0 2 2
S =113.0 pul g
66.7 -545.3
Desviación
135.3 1573.0
1016.9 6480.3 S= √113.0 pul g
2
n
Cs=n ∑ ¿ ¿ ¿ S=10.63 pulg
i=1
10∗6480.3
Cs=
( 10−1 )∗( 10−2 )∗10.633
EJEMPLO 11.4.1
∞
μ= E ( x )=∫ x∗λ e
− λx
dx
0
−λx
−e
u '=1 v=
λ
−λx − λx
−x e −e
μ= −∫ dx
λ λ
− λx
∫ −eλ dx
dw −dw
w=−λx =− λ dx=
dx λ
1
λ
2 ∫ e
w
dw →
1
2
ew
(
1 w
= 2e
λ ln ( e) λ )
μ= λ ( −x e−λx 1 − λx
λ
− 2 e +C
λ )
− λx 1 −λx
μ=−x e − e +C
λ
−( λx+ 1) −λx
μ= e +C
λ
Limitando
1
μ=
λ
1
En este caso λ= , y el estimado de muestra para λ es √ x
a
EJEMPLO 11.4.2
Los siguientes datos contienen los tiempos observados entre eventos de lluvia en un lugar
dado suponiendo que el tiempo de Inter arribo de eventos de lluvia. Sigue una función
exponencial, determine el parámetro λ para este proceso utilizando el método de la máxima
verosimilitud, Los tiempos entre lluvia (días) son 2.40, 4.25, 0.77, 13.32, 3.55 y 1.37.
Para un valor Xi
λ xi
f ( x i ) =λ e
n
ln ( L )=∑ ln (λ e λ x ) i
i =1
n
ln ( L )=∑ ln ( λe− λ x i )
i =1
n
ln ( L )=n∗lnλ− λ ∑ xi
i=1
∂(lnL)
Valor máximo ocurre =0
∂λ
∂(lnL) n n
= ∗∑ x i=0
∂λ λ i=1
n
1 1
= ∑x
λ n i=1 i
1
λ=
x
2.40+4.25+ 0.77+13.32+3.55+1.37 25.56
x= =
6 6
x=4.28 días
1
λ= =0.234 días−1
4.28
2
∂ (lnL)
Nota: 2 2
=−n λ2
∂ λ
n
ln ( L )=n∗lnλ− λ ∑ xi
i=1
ln ( L )=−14.70
Column
a 1 2 3 4 5 6 7 8
Interval Rango
oi (pulg) ni fs(xi) Fs(xi) zi F(xi) p(xi) x^2c
Media 39.77
Desviación
estándar 9.17
CAPITULO 12
12.2.1 Los valores máximos anuales para lluias de 10 minutos de duración en Chicago, Illinois
, desde 1913 hasta 1947 se presentan en la tabla. Desarrolle un modelo para el análisis de
frecuencias de tormentas de lluvias utilizando la distribución de valores extremo Tipo 1 y
calcule los valores máximos de lluvias de 10 minutos de duración con periodo de retorno de
5,10 y 50 años en Chicago
El método de probabilidad
Para determinar los valores de Xt, para varios valores del periodo de retorno T , es conveniente
utilizar la variable reducida Yt
Y la ecuación da
Lluvia máxima anual de 10 min en pulg para Chicago, Illinois 1913-1947
12.3.1 Calcule el factor de frecuncia para la distribución normal de un avento con un periodo
de retorno de 50 años.
Luego:
Calcule los caudales anuales máximos con 5 y 50 años de período de retorno para el río
Guadalupe cerca de Victoria, Texas, utilizando las distribuciones lognormal y log-
Pearson Tipo III. La información desde 1935 a 1978 está dada en la tabla 12.1.1.
RESOLUCIÓN
Para T =50 años, Kr fue calculado en el ejemplo 12.3.1 como K 50 = 2.054; el mismo
valor puede obtenerse de la tabla 12.3.1. Utilizando la ecuación: y T = y + K T s y
K 5 = 0.842
Para Cs=-0.0696
1 3 4 1 5
K T =z + ( z – 1 ) k + ( z – 6 z ) k – ( z – l ) k + z k + k ; ¿12.3.10)
2 2 2 3
3 3
(2.00−2.054)
K 50 =2.054 + (−0.0696−0 )=2.016
(−0.1−0)
Luego
y 50 = y + K 50 s y =4.2743+ 2.016 ( 0.4027 )=5.0863 ; y
5.0863
x 50 =10 =121,990 cfs.
Otro aspecto de los resultados es que el estimativo para 50 años de periodo de retomo es
alrededor de tres veces más grande que el estimativo para 5 años de periodo de retorno;
para este ejemplo, el incremento en los caudales de creciente estimados es menor que el
incremento proporcional en el periodo de retorno.
Ejemplo 12.4.1
mayor caudal (m= 1) ; al menor (m = n = 44); como se muestra en las columnas 1 y 2 de la tabla
12.4. 1.
Se utiliza la ecuación de graficación de Blom, debido a que los logaritmos de los datos se están
ajustando a una distribución normal. La ecuación de Blom utiliza b = 3/8 en la ecuación
(12.4.7).
P (Q≥179,000 cfs) ≈ m=
( 8 )
−3
=
( 1− )
3
8
=0.014, como se muestra en la columna 3 de
( n+1− 8 ) ( 44+ 4 )
6 1
la tabla 12.4.1.
Este valor se compara con log Q para la observación, es decir, log (179,000) = 5.253, tal como
se muestra en la columna 6.
Las observaciones están graficadas junto con la curva ajustada en la figura 12.4. 1, en la cual el
valor de la variable normal estándar se utiliza como el eje horizontal para lineal izar la gráfica;
esto es equivalente a utilizar un papel de graficación de probabilidad normal.
La gráfica muestra que la línea ajustada es consistente con las observaciones, aun para la
mayor con un valor de 179,000 cfs, el cual aparece bastante diferente al resto de los datos en
la figura 12.1.1.
Ejemplo 12.5.1
Los datos mostrados en las columnas 1 y 2 de la tabla 12.5.1 cubren n = 16 años, desde
1967 a 1982.
PASO 1:
Transforme la información de muestra, xi, a sus valores logarítmicos, yi; es decir, sea yi=
log yi para i = 1, ... , n, tal como se muestra en la columna 3 de la tabla.
PASO 2:
n
1 58.22
y= ∑
n i=1
y i=
16
=3.639
S y =¿
∑ ( y ¿¿ i− y )3 16∗(−1.4280)
i=1
C s=n 3
= 3
=−1.244 ¿
( n−1)(n−2)∗S y 15∗14(0.4439)
PASO 3:
Calcule la asimetría ponderada. La asimetría del mapa es -0.3, con base en la figura
12.5.1, en Austin, Texas. La varianza de la asimetría de estación puede calcularse
utilizando la ecuación (12.5.6) en la siguiente forma. De la ecuación (12.5.7b) con
|C s|>¿ 0.90.
A=−0.52+0.30|−1.2441|=−0.147
B=0.94−0.26∗|−1.2441|=0.617
Utilizando (12.5.6)
C w =W C S +( 2−W )C m=0.362(−1.244)+0.638(−0.3)=−0.64
PASO 4:
Calcule las coordenadas de la curva de frecuencia. Los factores de frecuencia log-Pcarson Tipo
III K T para los valores de coeficiente de asimetría de- 0.6 y- O. 7 se encuentran en la tabla
12.3.1.
Los valores para C m = -0.64 se encuentran por interpolación lineal tal como se hizo en el
ejemplo 12.3.3.
Entonces
4.651
Q H =1 0 =44.735 cfs
El mayor valor registrado (14.300 cfs en la tabla 12.5.1) no excede el valor del umbral,
luego no existen datos dudosos altos en esta muestra.
Paso 2. Determine el valor del umbral para datos dudosos bajos. El mismo valor de K n
es utilizado:
Y L= y−Kn∗Sy=3.369−2.279∗( 0.4439 )=2.627
2.627
Q L=1 0 =424 cfs
El flujo pico de 1967 con 303 cfc es menor que Q L por lo cual se considera como un
dato dudoso bajo.
Paso 3. El dato dudoso bajo es eliminado de la muestra y se repite el análisis de
frecuencia utilizando el mismo procedimiento que en el ejemplo 12.5.1. Las estadísticas
para los logaritmos del nuevo conjunto de datos, ahora reducido a 15 valores, son
y=3.716, S y =0.3302 y C s=−0.545. Puede verse que la omisión del valor en 202 cfc
ha alterado significativamente el valor de asimetría calculado (del valor de -1.24
encontrado en el ejemplo 12.5.1). La asimetría por mapa permanece igual a -0.3 para
Austin, Texas, y la asimetría ponderada revisada en C w =−0.41 . Los valores de K T se
interpolan en la tabla 12.5.2. Comparando estos valores con aquellos dados en la
columna 4 para el conjunto completo de datos, puede verse el efecto de eliminar los
datos dudosos bajos en este ejemplo es disminuir los estimativos de creciente para
largos periodos de retorno.
Ejemplo 12.6.1. Determine los límites de confianza del 90% para el caudal de 100 años
en la quebrada Walnut, utilizando los datos presentados en el ejemplo 12.6.1. La media
logarítmica, la desviación estándar y el coeficiente de asimetría son 3.639, 0.4439 y -
0.64 respectivamente, para los 16 años de información.
Solución:
Para β=0.9 , ∝=0.05 y la variable normal estándar requerida z ∝ tiene una probabilidad
de excedencia de 0.05 o una probabilidad acumulada de 0.95. De la tabla 11.2.1, el
valor requerido es z ∝ =1.1645. el factor de frecuencia K T para T=100 años se calculó en
el ejemplo 12.5.1 como K 100 =1.850 . Por tanto utilizando las ecuaciones (12.6.4) a
(12.6.7).
2 2
z∝ ( 1.645 )
a=1− =1− =0.9098
2 ( n−1 ) 2 ( 16−1 )
2 2
z∝ 2 2 (1.645 )
b=K − =( 1.850 ) −
T =3.253
n 16
U 100,0.05 =4.874
L
L100,0.05 = y + S y ∗K 100,0.05
L100,0.05 =3.639+0.4439∗1.286
L100,0.05 =4.210
Los caudales correspondientes a los límites superior e inferior son ( 10 )4.874 =74.820 cfs y
( 10 )4.210 =16.200 cfs , respectivamente, comparados con una magnitud de evento estimada
de 28.900 cf tal como se muestra en la tabla 12.5.2. El intervalo de confianza es, en este
caso, bastante amplio debido a que el tamaño de la muestra es pequeño. A medida que
el tamaño de la muestra aumenta, el ancho del intervalo de confianza alrededor de la
magnitud de creciente estimada será menor.
Solución:
Para la distribución de Valor Extremo tipo I el error estándar se calcula utilizando la
ecuación (12.6.9)
[ ]
1 /2
1
Se = ( 1+1.1396 K T +1.1000 K 2T ) ∗s
n
[ ]
1/ 2
1
Se = ( 1+ 1.1396∗0.719+ 1.1000∗0.7192 ) ∗0.177
35
Se =0.046 pulg
Los límites de confianza del 90%, con z ∝ =1.645 para ∝=0.05 son
x r ± s e z ∝=0.78± 0.046∗1.645=0.70 y 0.86 pulg. Luego la estimación para la lluvia con
periodo de retorno de 5 años y duración de 10 minutos en Chicago es 0.78 pulg con
límites de confianza del 90% de [ 0.70 , 0.86 ] pulg .
Ejemplo 12.6.3. Determine la probabilidad esperada para el caudal de 100 años para la
quebrada Walnut utilizando la información dada en el ejemplo 12.5.1 ( n = 16 ).
Solución.
Para T=100 años, se utiliza la ecuación (12.6.11b) para obtener
E ( Pn ) =0.01 1+
( n
26
)
1.16 ( 26
)
=0.01 1+ 1.16 =0.020
16
De acuerdo con el ajuste anterior el caudal de 100 años tiene una probabilidad esperada
de 0.02 (no 0.01) o un periodo de retorno de 1/0.02=50 años.