 LIBRO UCLA

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:

Se traza los polígonos de Thiessen

Estaciones Área (km²) Precipitación (mm) A*P

P1 11.5 800 9200
P2 16.5 600 9900
P3 13 900 11700
P4 12.5 400 5000
P5 11.5 200 2300
65 38100

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:

Con la información proporcionada se construyen las isoyetas, tal como se muestra en el

gráfico. Luego se mide el área encerrada por cada para de las Isoyetas adyacentes, como
por ejemplo la correspondiente a los valores de 800 a 900 mm que se destaca en la
figura.

ISOYETAS Área (km²) Precipitación (mm) A*P

900 6 900 5400
900-800 8 950 6800
800-700 9 750 6750
700-600 7 650 4550
600-500 8.5 550 4675
500-400 8.5 450 3825
400-300 8 350 2800
300-200 6 250 1500
200 4 200 800
65 37100

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

Precipitación Media de la Cuenca para el mes 2

Pm=54∗( 16.5 )+ 30∗( 17 )+ 9.1∗(23.25)+ 4.6 ¿ ¿

Pm=19.33mm

Volumen total Precipitado

2 6 3
V P=0.01933 m∗91750000m =1.77∗10 m

Aplicando el Mismo Procedimiento para las Subcuencas Obtenemos:

SUBCUENCA 1

Pm=54∗( 8 ) +30∗ ( 8 ) +9.1∗(4.5)+ 4.6 ¿ ¿

V P=0.0337 m∗21250000m 2=716337.5 m3=0.716 mmc

SUBCUENCA 2

54∗( 8.5 )+ 9.1∗( 18.75)+ 4.6(3.25)

P m= =21.13 mm
30.5

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

V P=0.010315 m∗40000000 m2 =415600 m3=0.4126 mmc

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.

1000∗3.75+950∗10+850∗7.25+750∗8.25+ 650∗17+ 550∗7.25

Pm=
53.5 k m2

Pm=759.58mm

CAPITULO 3
Problema 3.5.1

Para una estación de precipitación se tiene información de 15 años de registro para

profundidades máximas de lluvia para una duración de 02 horas. Los mismos indican
que la lluvia correspondiente a dicha duración y a un periodo de 15 años de período de
retorno es de 97 mm. Análogamente, para un período de retorno de 100 años, y la
misma duración, se tiene un valor de 120.91 mm.

Con base a ello, y asumiendo que los datos se ajustan a una distribución Gumbel, se
pide calcular:

a. Profundidad de la lluvia correspondiente a 50 años de periodo de retorno.

b. Probabilidad de que dicha lluvia sea igualada o excedida al menos una vez
durante 30 años de vida útil de la estructura a diseñar.
c. Si se toma 110 mm como valor de diseño. ¿Cuál será la probabilidad de que
dicho valor sea igualado o excedido 2 veces durante un período igual a 2 veces
su periodo de retorno?

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

Análogamente, y utilizando la misma tabla se tiene:

 Tr = 15 años → Y = 2.674
Tr = 100 años → Y = 4.6

Aplicando nuevamente la ecuación XT para los valores dados correspondientes a

los períodos de retorno de 15 y 100 años de periodo de retorno puede formarse
el siguiente sistema de ecuaciones:
97.52=X + (
2.674−0.5128
1.0210
∗σx )
120.91= X+ ( 4.6−0.5128
1.0210 )
∗σx

Resolviendo, se obtiene:
σx=12.40 mm X =71.27 mm

Conocidas la medida y la desviación típica puede aplicarse la ecuación XT para

un periodo de retorno de 50 años para el cuál Y=3.9020, obtenido de la tabla:
X T =71.27+ (
3.9020−0.5128
1.0210
∗12.40 )
De donde:
P= X 50=112.43 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

c. En este caso, aplicando la ecuación X T = X+ ( Y − yn

σn )
∗σ n para la precipitación de

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

Se sustituye en la ecuación de la probabilidad para hallar el valor de x.

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

ln 0.041=ln e−0.0463 ( x−72.808 )

−3.194=−0.0463 ( x−72.808 )
3.194=0.0463∗x−0.0463∗(72.808 )
3.194+0.0463∗( 72.808 )
=x
0.0463
x=141.793=P 2

Considerando las ecuaciones propuestas por el enunciado.

P1=3.2+0.28∗P2
 P1=3.2+0.28∗141.793

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

La planta de tratamiento de agua para el abastecimiento de una ciudad tiene una

capacidad de 1.5 millones de metros cúbicos, mmc, por semana y debe satisfacer una
demanda aleatoria D, la cual puede considerarse que se ajusta a una distribución
Gumbel, como una media de 1.5 mmc por semana y desviación típica de 50.000 metros
cúbicos por semana. Estos valores se calcularon con base a 20 semanas de mediciones.

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:

En este caso debe aplicarse la ecuación X T = X+ ( Y − yn

σn )∗σ n que es la correspondiente a

la distribución Gumbel; para ello debe tenerse en cuenta que:

X =1.5 mmc σx=0.05 mmc

utilizando la tabla y para n=20, se tiene:

Yn=0.5236 σn=1.063

De acuerdo con el problema la probabilidad de excedencia de la demanda debe ser de

0.01 lo cual corresponde a un periodo de retorno de:

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

Luego la capacidad del tanque de seguridad será: C= 1.692-1.5 = 0.192 mmc

 LIBRO HIDROLOGIA PARA

ESTUDIANTES
CAPITULO 2

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.

Registro de aforo con correntómetro

Sonda Correntómetro Velocidad Sección

Dist. Prof. De
Punt En el En el Prof. Cauda
al observación Anch
o Prof. R t punt vértic Medi Área lQ
orige métod o
m o e a
n o
1 0.3 0.12 Orilla
0.0 0.10
2 0.65 0.43 0.2 10 67
9 9
0.3 0.07 0.28
0.8 5 50 0.93 0.7 0.407 0.127
4 7 5
3 1 0.67
0.39 0.64
4 1.4 0.8 0.85 0 35 60 0.338 0.8 0.807 0.218
8 6
 5 1.8 0.95
0.33
6 2.2 1.08 0.6 0.6 20 40 0.339 0.8 1.063 0.85 0.288
9
7 2.6 1.16
8 3 1.15 0 25 48 0.36
0.2 0.38
30 53
5 7
0.4 0.37
25 46
5 6
0.6
25 51 0.34 0.332 0.8 1.15 0.92 0.305
5
0.8 0.29
20 47
5 4
1.0 0.23
20 59
5 4
9 3.4 1.14
0.5 0.25 0.65
10 3.8 0.93 0.6 15 42 0.251 0.8 0.817 0.164
6 1 4
11 4.2 0.38
0.3 0.20
12 4.45 0.65 0.6 10 44 0.16 0.16 0.5 0.417 0.032
9 3
13 4.7 0.22 Orilla

A=∑ ∆ A=3.588 m2

Q=∑ ∆ Q=1.034 m3 / seg

Q
V= =0.29m/ seg
A

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.

AÑO Q Max AÑO Q Max AÑO Q Max

1969 36600 1976 53100 1983 49600
1970 69600 1977 58800 1984 58600
1971 99000 1978 64100 1985 39700
1972 76200 1979 77200 1986 38200
1973 62600 1980 71200 1987 103000
1974 44200 1981 59600 1988 47900
1975 49200 1982 55100

Ordenar de mayor a menor:

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

Para : n=20 → y =0.52

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

Q1000 =170669 pie 3/s

10.2. Si la recesión del flujo en el río es de la forma
−kt
Q t =Qo

Qo: Caudal al inicio del año cronológico

K: Constante de recesión

Entonces la serie anual dependiente de descargas Z i seguirá el modelo autorregresivo de

primer orden, AR(1):

Zi −Z=∅ ( Z i−1−Z ) + ε i

Z: Promedio de Zi

Φ: Coeficiente de autorregresión o coeficiente autorregresivo

εi : Componente estocástica independiente

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.

Flujo anual en el río = contribución de a. subterránea + escorrentía directa.

Zt =c S t −1 +d x t

La ecuación de continuidad para el almacenamiento subterráneo da:

St =St −1 + a x t −c S t−1

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

 LIBRO VEN TE CHOW

 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)

Año 1910 1920 1930 1940 1950 1960 1970

0 48.7 44.8 49.3 31.2 46.0 33.9
1 39.9 44.1 34.0 44.2 27.0 44.3 31.7
2 31.0 42.8 45.6 41.7 37.0 37.8 31.5
3 42.3 48.4 37.3 30.8 46.8 29.6 59.6
4 42.1 34.2 43.7 53.6 26.9 35.1 50.5
5 41.1 32.4 41.8 34.5 25.4 49.7 38.6
6 28.7 46.4 41.1 50.3 23.0 36.6 43.4
7 16.8 38.9 31.2 43.8 56.5 32.5 28.7
8 34.1 37.3 35.2 21.6 43.4 61.7 32.0
9 56.4 50.6 35.1 47.1 41.3 47.4 51.8

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)?

F 2 ( z )=1−F 2 (|z|) z <0

1 −4
B= [ 1+0.196854∗Z+ 0.115194∗Z 2 +0.000344∗Z 3 +0.019527∗Z 4 ]
2

P ( Z ≤−2 )=F=−2 con |z|=|−2|=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

Calcule la media de la muestra, la desviación estándar de la muestra y el coeficiente de

asimetría de la muestra de la información de precipitación anual en Collage Station, Texas,
desde 1970 hasta 1979. La información está dada en la tabla 11.1.1.
n
Año 1970 1
x= ∗∑ x i
0 33.9 n i=1
1 31.7
2 31.5 1
x= ∗401.7
3 59.6 10
4 50.5
5 38.6 x=40.17 pulg
6 43.4
7 28.7
8 32
9 51.8
∑Total. 401.7

¿ 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

La distribución exponencial puede utilizarse para describir varios tipos de información

hidrológica, tales como los tiempos de interarribo de eventos de lluvia. Su funcion de densidad
de probabilidad es de f(x)= λe-λx para x > 0. Determine la relación entre el parámetro λ y el
primer momento alrededor del origen, μ:

Utilizando la ecuación 11.4.1

∞
μ= E ( x )= ∫ xf ( x ) dx
−∞

∞
μ= E ( x )=∫ x∗λ e
− λx
dx
0

Integramos por partes

∞
μ= λ∫ x e
− λx
dx
0

∫ u v ' =uv−∫ u ' v

0

u=x v' =e−λx

−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

Aplicamos la ecuación 11.4.3

n
ln ( L )=∑ ln ⁡(f ( xi ) )
i =1

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 )=6∗ln ( 0.234 )−0.234∗25.56

ln ( L )=−14.70

11.4.3. Usando el método de los momentos, ajuste la distribución normal a la precipitación

anual en Collage station,Texas , de 1911 a 1979 . Grafique las funciones de frecuencia relativa y
de probabilidad incremental y las funciones de frecuencia acumulada y probabilidad
acumulada. Utilice la prueba x2 para determinar si la distribución normal se ajusta
adecuadamente a los datos.
La función de frecuencia acumulada (columna 4) se encuentra sumando las frecuencias
relativas tal como en ejercicios vistos anteriormente

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

1 < 20 1 0.014 0.014 -2,157 0.015 0.015 0.004

2 20 -25 2 0.029 0.043 -1,611 0.053 0.038 0.147

3 25 - 30 6 0.087 0.130 -1,065 0.114 0.090 0.008

4 30 - 35 14 0.203 0.333 - 0.520 0.301 0.158 0.891

5 35 - 40 11 0.159 0.493 0.026 0.510 0.209 0.805

6 40 - 45 16 0.232 0.725 0.571 0.716 0.206 0.222

7 45 - 50 10 0.145 0.870 1,117 0.868 0.151 0.019

8 50 - 55 5 0.072 0.942 1,662 0.952 0.084 0.114

9 55 - 60 3 0.043 0.986 2,208 0.986 0.034 0.163

10 > 60 1 0.014 1,000 2,753 1,000 0.014 0.004

Total 69 1,000 1,000 2,377

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

Año 1910 1920 1930 1940

0 0.53 0.33 0.34

1 0.76 0.96 0.7

2 0.57 0.94 0.57

3 0.49 0.8 0.8 0.92

4 0.66 0.66 0.62 0.66

5 0.36 0.68 0.71 0.65

6 0.58 0.68 1.11 0.63

7 0.41 0.61 0.64 0.6

8 0.47 0.88 0.52

9 0.74 0.49 0.64

Media = 0.649 pulg

Desviación Estándar = 0.177 pulg

12.3.1 Calcule el factor de frecuncia para la distribución normal de un avento con un periodo
de retorno de 50 años.

Para T=50 años ;

Luego:

12.3.2 Determine la lluvia de 5 años de periodo de retorno para Chicago utilizando

el método de factor de frecuencia y la información de lluvia anual máxima dada

ANALISIS DE FRECUENCIA
Ejemplo 12.3.3

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

Se toman los logaritmos de los valores de caudal y se calculan sus estadísticas:

y= 4.2743; s= 0.4027; e= -0.0696.

Distribución lognormal. - El factor de frecuencia

puede obtenerse de la ecuación (12.3.7) o de la

tabla 12.3.1 para un coeficiente de asimetría 0.

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

y T = y + K T s y =4.2743+2.054 ( 0.4027 )=5.101

Entonces: y 50 =¿

Similarmente, de la tabla 12.3.1:

K 5 = 0.842

y 5= 4.2743 + 0.842 X 0.4027 = 4.6134

x 5 = (10)4. 6134 = 41,060 cfs.

Distribución log-Pearson Tipo III, para:

Para Cs=-0.0696

K50, este valor se obtiene de la interpolación en la tabla 12.3.1, utilizando la ecuación

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

Por interpolación con T = 50 años:

(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.

Puede observarse que el efecto de incluir el pequeño coeficiente de asimetría negativa

cfs. Utilizando un cálculo similar K 5=0.845

y 5=4.6146 ; x 5=41,170 cfs

Puede observarse que el efecto de incluir el pequeño coeficiente de asimetría negativa

en los cálculos es el de alterar levemente el caudal estimado, y ese efecto es más
pronunciado en T = 50 años que en T = 5 años.

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

Desarrolle un análisis de graficación de probabilidad para los caudales máximos anuales

del río Guadalupe cerca de Victoria, Texas, dados en la tabla 12.1.1. Compare los datos
graficados con la distribución lognormal ajustada a ellos en el ejemplo 12.3.3.
SOLUCIÓN

Primero los datos se ordenan del:

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).

Por ejemplo, para m= 1, la probabilidad de excedencia:

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.

El valor correspondiente de la variable normal estándar z se determina utilizando:

p = 0.014 en las ecuaciones (12.3.6) y (12.3.7) en la forma mostrada en el ejemplo 12.3.1.

El resultado, z = 2.194, se lista en la columna 4 de la tabla. La magnitud de evento con la misma

probabilidad de excedencia en la distribución lognormal ajustada se encuentra al utilizar el
método del factor de frecuencia con y=4.2743, s y =0.40,27 y K T =2.194 ; el resultado es
log Q = 4.2743 + 2.194 (0.4027) = 5.158 (columna 5).

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

Determine la curva de frecuencia que contiene las magnitudes de crecientes estimadas

con periodos de retorno de 2, 5, 1 O, 25, 50 y 100 años utilizando el método del Water
Resources Council para la información de la quebrada Walnut en Martin Luther King
Boulevard, Austin, Texas, tal como se registra en la tabla 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:

Calcule las estadísticas de la muestra. La media de los valores logarítmicos

transformados es:

n
1 58.22
y= ∑
n i=1
y i=
16
=3.639

Utilizando la columna 4 de la tabla, la desviación estándar es:

S y =¿

Utilizando la columna 5 de la tabla, el coeficiente de asimetría es:

∑ ( 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

De (12.5.7c) con |C s|< 1.50

B=0.94−0.26∗|−1.2441|=0.617

Utilizando (12.5.6)

−0.147−0.617 log (16 /10)

V (C s )=10

La varianza de la asimetría generalizada es V( C m) = 0.303. El peso que debe aplicarse a C s es,

V ∗Cm 0.303
W= = =0.362
V ∗C m+ V C S 0.303+0.533

Y el peso complementario que debe aplicarse a C m es 1 - W = 1 - 0.362 = 0.638.

Entonces, de (12.5.1)

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.

Con los resultados presentados en la columna 2 de la tabla 12.5.2. El valor correspondiente de

y T se encuentra utilizando la ecuación (12.3.4) y se toma su antilogaritmo para determinar la
magnitud de la creciente estimada. Por ejemplo, para T = 100 años, K T = 1.850 y

y T = y + K T s y =3.639+ 1.850 ( 0.4439 )=4.460

QT = (10)4.460 =28 900 cfs

tal como se muestra en las columnas 3 y 4 de la tabla. También se muestran estimativos
de crecientes calculados en forma similar para los otros periodos de retorno requeridos.
Tal como se mostró en el ejemplo (12.3.3), el incremento en la magnitud de la creciente
es menos que directamente proporcional al incremento en el periodo de retorno.

Por ejemplo, un incremento en el periodo de retorno de 10 a 100 años aproximadamente

duplica la magnitud de la creciente estimada en la tabla. Tal como se estableció

previamente, las magnitudes de crecientes estimadas utilizando la distribución log-
Pearson Tipo 111 son muy sensibles al valor del coeficiente de asimetría. Las
magnitudes decrecientes para periodos de retorno mayores (50 y 100 años) son difíciles
de estimar en forma confiable utilizando sólo 16 años de información.

Ejemplo 12.5.2 Utilizando la información ara el ejemplo de la quebrada Walnut (tabla

12.5.1), Ejemplo 12.5.2 determine si existe cualquier fato dudoso alto o bajo en la
muestra. Si este es el caso, omítalo del conjunto de datos y vuelva a calcular la curva de
frecuencia de crecientes.
Solución:
Paso 1. Determine el valor del umbral para datos dudosos altos. De la tabla 12.5.3,
k n=2.279 para n=16 datos. De la ecuación (12..5.8) utilizando y y Sy del ejemplo
12.5.1
Y H = y + Kn∗Sy=3.639+2.279∗0.4439=4.651

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

K + √ K T −ab 1.850+ [ (1.850) −0.9098∗3.253 ]

2 2 1/ 2
U
K 100,0.05 = T = =2.781
a 0.9098

K T −√ K 2T −ab 1.850−[ (1.850)2 −0.9098∗3.253 ]

1 /2
L
K 100,0.05 = = =1.286
a 0.9098
Los límites de confianza se calculan utilizando las ecuaciones (12.6.2) y (12.6.3)
U
U 100,0.05 = y + S y∗K 100,0.05
U 100,0.05 =3.639+0.4439∗2.781

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.

Ejemplo 12.6.2. Investigue el error estándar de un estimativo y los límites de confianza

del 90% para el periodo de retorno de 5 años y la lluvia de 10 minutos de duración en
Chicago, Illinois. Del ejemplo 12.3.2, la profundidad de 5 años estimada es
x 1=0.78 pulg; también s=0.177 pulg , K T =0.719 y n=35.

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.