DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

PROBABILIDAD Y ESTADÍSTICA APLICADA A LA HIDROLOGÍA

Periodo de retorno

La probabilidad de que el evento no ocurra sería entonces:

La probabilidad de que no ocurra en n años de la vida útil del proyecto sería

y la probabilidad de que ocurra el evento en n años o el riesgo de que se presente es:

Cuando se tiene una lista de datos ordenados en forma decreciente con respecto al evento, el
período de retorno se puede calcular como:

donde: n = número de datos.

m = número consecutivo de la lista para dicho evento.

Distribución Normal

Función de distribución de probabilidad normal:

donde: x = variable aleatoria.  = media de la población.  = desviación estándar de la

población.

Para resolver esta función se recurren a métodos numéricos para evaluarla, y para hacer esto
más sencillo se ha asignado como variable estandarizada:

que está normalmente distribuida con media cero y desviación estándar unitaria. Así la

función principal queda como:

Distribución Lognormal

En esta función los logaritmos naturales de la variable aleatoria se distribuyen normalmente.

1
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
donde  y  son parámetros de la distribución, y por lo tanto son la media y la desviación
estándar de los logaritmos de la variable aleatoria. La función de distribución de probabilidad

es: ,

La distribución de probabilidad:

Al igual que en la distribución normal, se le asigna a "z" los siguientes valores:

Distribución Pearson III

La función de densidad de probabilidad Pearson III se define como:

donde 1, 1, 1 son los parámetros de la función y (1) es la función de Gamma. Los
parámetros 1, 1, 1 se evalúan a partir de n datos medidos, mediante el siguiente sistema de
ecuaciones: = 1 1 + 1 S2 = 1 21  = 2 / (1)0.5

donde es la media de los datos, S 2 su variancia y  su coeficiente de sesgo, que se define

como:

La función de distribución de probabilidad es:

y sustituyendo

La ecuación quedaría

Siendo la anterior una función ji cuadrada con grados de libertad y :

Distribución Gumbel

La función de densidad de probabilidad:

2
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
donde  y  son los parámetros de la función. Para muestras muy grandes:

Para muestras relativamente pequeñas

Donde y yy se muestran en la Tabla 1.

Tabla 1: Parámetros para muestras pequeñas de la distribución Gumbel

n y y n y y

10 0.4952 0.9496 60 0.5521 1.1747

15 0.5128 1.0206 65 0.5535 1.1803

20 0.5236 1.0628 70 0.5548 1.1854

25 0.5309 1.0914 75 0.5559 1.1898

30 0.5362 1.1124 80 0.5569 1.1938

35 0.5403 1.1285 85 0.5578 1.1974

40 0.5436 1.1413 90 0.5586 1.2007

45 0.5463 1.1518 95 0.5593 1.2037

50 0.5485 1.1607 100 0.5600 1.2065

55 0.5504 1.1682

3
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS

3.1         DISTRIBUCION NORMAL

La distribución normal es una distribución simétrica en forma de campana, también conocida

como Campana de Gauss. Aunque muchas veces no se ajusta a los datos hidrológicos tiene
amplia aplicación por ejemplo a los datos transformados que siguen la distribución normal.

3.1.1      Función de densidad:

La función de densidad está dada por

Los dos parámetros de la distribución son la media m y desviación estándar s para los cuales
(media) y s (desviación estándar) son derivados de los datos.

3.1.2      Estimación de parámetros:

3.1.3      Factor de frecuencia:

1.      Si se trabaja con los X sin transformar el K se calcula como

este factor es el mismo de la variable normal estándar

3.1.4      Limites de confianza:

donde a es el nivel de probabilidad es el cuantil de la distribución normal estandarizada

para una probabilidad acumulada de 1-a y Se es el error estándar

3.2         DISTRIBUCIÓN LOGNORMAL DE DOS PARÁMETROS

Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente se dice que X se

distribuye normalmente.

Esta distribución es muy usada para el cálculo de valores extremos por ejemplo Qmax,
Qmínimos, Pmax, Pmínima (excelentes resultados en Antioquia). Tiene la ventaja que X>0 y
que la transformación Log tiende a reducir la asimetría positiva ya que al sacar logaritmos se
reducen en mayor proporción los datos mayores que los menores.

Limitaciones: tiene solamente dos parámetros, y requiere que los logaritmos de la variables
estén centrados en la media

4
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

3.2.1      Función de densidad:

y = ln x

donde, my : media de los logaritmos de la población (parámetro escalar), estimado sy :

Desviación estándar de los logaritmos de la población, estimado sy.

3.2.2      Estimación de parámetros:

3.2.3      Factor de frecuencia:

Puede trabajarse en el campo original y en el campo transformado.

2.      Campo transformado: Si se trabaja en el campo transformado se trabaja con la media y

la desviación estándar de los logaritmos, así: Ln(XTr) = xTr+KSy

de donde, XTr = eln (xTr)

con K con variable normal estandarizada para el Tr dado, x y media de los logaritmos y Sy es
la desviación estándar de los logaritmos.

1. 3.      Campo original: Si se trabaja con los X sin transformar el K se calcula como

K es la variable normal estandarizada para el Tr dado, es el coeficiente de variación,

x media de los datos originales y s desviación estándar de los datos originales.

3.2.4      Limites de confianza:

En el campo transformado.

en donde, n numero de datos, Se error estándar, KT variable normal estandarizada.

EJEMPLO: En un río se tienen 30 años de registros de Qmáximos instantáneos anuales con

x= 15 m3/s, S = 5 m3/s (media y desviación estándar para los datos originales). x y=2.655, sy =
0.324 (media y desviación estándar de los datos transformados). Encontrar el caudal para un

5
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
periodo de retorno de 100 años y los limites de confianza para un a = 5%. Calcular la
probabilidad de que un caudal de 42.5 m3/s no sea igualado o excedido P(Q £ 4.25).

Solución: n=30, x= 15 m3/s xy=2.655 s = 5 m3/s sy = 0.324

En el campo original

= 5/15 = 0.33

K = F-1(1-1/Tr) = F-1(1-1/100) = F-1(0.99)

de la tabla de la normal se obtiene KT=2.33

KT = 3.06 QTr = 15 + 5 * 3.028 QTr = 30.14 m3/s

En el campo transformado se tiene que:

LnQTr100 = 2.655 + 2.33*0.324 LnQTr100 = 3.40992 QTr100 = Exp (3.40992)

Q Tr100 = 30.26 m3/s

Limites de confianza Ln (QTr) ± t(1-a) Se

d = 1.93

t(1-a) = t(0.95) = 1.645 (Leído de la tabla de la normal) Ln(30.28) ± (1.645 ) (0.11)

3.41 ± 0.18095 [3.22905 3.59095] [e3.22905 e3.59095]

[25.26 36.29] Intervalos de confianza para QTr100

b) Calcular la probabilidad de que un caudal de 45 m 3/s no se igualado o excedido P(Q£

4.25). Ln(42.5) = 3.75 t = (3.75 - 2.655)/0.324

F(3.38) = 0.9996 Leído de la tabla de la normal P(Q£ 4.25) = 99.9%

6
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
3.3         DISTRIBUCION GUMBEL O EXTREMA TIPO I

Una familia importante de distribuciones usadas en el análisis de frecuencia hidrológico es la

distribución general de valores extremos, la cual ha sido ampliamente utilizada para
representar el comportamiento de crecientes y sequías (máximos y mínimos).

3.3.1      Función de densidad:

En donde a y b son los parámetros de la distribución.

3.3.2      Estimación de parámetros

donde son la media y la desviación estándar estimadas con la muestra.

3.3.3      Factor de frecuencia:

Donde Tr es el periodo de retorno. Para la distribución Gumbel se tiene que el caudal para un
período de retorno de 2.33 años es igual a la media de los caudales máximos.

3.3.4      Limites de confianza

Xt ± t(1-a) Se

KT es el factor de frecuencia y t(1-a) es la variable normal estandarizada para una probabilidad

de no excedencia de 1-a.

EJEMPLO: Para el ejemplo anterior encontrar el Q de 100 años de periodo de retorno y los
intervalos de confianza. x= 15 m3/s, s = 5 m3/s. QTr100 = x + KT s

KT = 3.14 QTr100 = 15 + 3.14*5

QTr100 = 30.7 m3/s

Intervalos de confianza t(1-a) = t(0.95) = 1.645 (Leído de la tabla de la normal)

d = 3.93

7
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
Xt ± t(1-a) Se 30.7 m3/s ± (1.64) (3.58)

[24.83 m3/s 36.58 m3/s] Intervalo de confianza para QTr100

3.4         DISTRIBUCION GAMMA DE TRES PARÁMETROS O PEARSON TIPO 3

Esta distribución ha sido una de las mas utilizadas en hidrología. Como la mayoría de las
variables hidrológicas son sesgadas, la función Gamma se utiliza para ajustar la distribución
de frecuencia de variables tales como crecientes máximas anuales, Caudales mínimos,
Volúmenes de flujo anuales y estacionales, valores de precipitaciones extremas y volúmenes
de lluvia de corta duración. La función de distribución Gamma tiene dos o tres parámetros.

3.4.1      Función de densidad:

donde, x0 £ x < a para a > 0 a < x £ x0 para a < 0 a y b son los parámetros
de escala y forma, respectivamente , y x0 es el parámetro de localización.

3.4.2      Estimación de parámetros:

Cs es el coeficiente de asimetría, son la media y la desviación estándar de la

muestra respectivamente.

3.4.3      Factor de frecuencia:

donde z es la variable normal estandarizada. Este valor de K se encuentra tabulado de

acuerdo al valor de Cs calculado con la muestra.

3.4.4      Intervalos de confianza: Xt ± t(1-a) Se

Donde S es la desviación estándar de la muestra, n es el número de datos y d se encuentra

tabulado en función de Cs y Tr.

EJEMPLO: Se tiene una estación con 30 años de registros de caudales máximos

instantáneos con Media de 4144 pie3/s y desviación estándar de 3311 pie3/s. Si el coeficiente
de asimetría de los caudales es de 1.981 pie 3/s cual es caudal para un periodo de retorno de
100 años y su intervalo de confianza. QTr100 = X+ SK

K es F(1.981, 100) de tablas se obtiene K=3.595 (1.9,100) = 3.553

(2.0,100) = 3.605

8
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
QTr100 = 4144+ (3.595) (3311) QTr100 = 16050 pie3/s

Intervalos de confianza Xt ± t(1-a) Se

d = F(1.981,100) de tablas se obtiene d =8.4922 (1.9,100) = 8.2196

(2.0,100) = 8.5562

Se = 5133.56 pie3/s

t(1-a) = t(0.95) = 1.645 (Leído de la tabla de la normal) 16050 ± (5133.56) (1.645)

[7605.29 pie3/s 24494.71pie3/s] Intervalos de confianza para QTr100

3.5 DISTRIBUCIÓN LOG GAMMA O LOGPEARSON DE 3 PARÁMETROS

Si los logaritmos Y de una variable aleatoria X se ajustan a una distribución Pearson tipo III,
se dice que la variable aleatoria X se ajusta a una distribución Log Pearson Tipo III. Esta
distribución es ampliamente usada en el mundo para el análisis de frecuencia de Caudales
máximos. Esta se trabaja igual que para la Pearson Tipo III pero con Xy y Sy como la media y
desviación estándar de los logaritmos de la variable original X.

3.5.1      Función de densidad:

donde, y0 £ y < a para a > 0 a £ y £ y0 para a < 0 a y b son los parámetros

de escala y forma, respectivamente , y y0 es el parámetro de localización.

3.5.2      Estimación de parámetros:

Cs es el coeficiente de asimetría, son la media y la desviación estándar de los

logaritmos de la muestra respectivamente.

3.5.3      Factor de frecuencia:

donde z es la variable normal estandarizada Este valor de K se encuentra tabulado de

acuerdo al valor de Cs calculado con la muestra.

9
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

3.5.4      Intervalos de confianza: Xt ± t(1-a) Se

Donde Sy es la desviación estándar de los logaritmos de la muestra, n es el número de datos y

d se encuentra tabulado en función de Cs y Tr.

4. AJUSTE DE DISTRIBUCIONES

Para la modelación de caudales máximos se utilizan, entre otras, las distribuciones Log -
Normal, Gumbel y Log-Gumbel principalmente. Para seleccionar la distribución de
probabilidades de la serie histórica se deben tener en cuenta algunas consideraciones.

 Cuando en la serie histórica se observan “outliers1[1]” es necesario verificar la

sensibilidad del ajuste debido a la presencia de estos, (Ashkar, et al. 1994)

 Para el ajuste a las distribuciones Log-Normal, Log-Gumbel y Log-Pearson se

requiere transformar la variable al campo logarítmico para modelarla, con lo que se
disminuye la varianza muestral, pero también se filtran las variaciones reales de los
datos.

 Las distribuciones de dos parámetros fijan el valor del coeficiente de asimetría, lo que
en algunos casos puede no ser recomendable. La distribución Log - Normal de dos
parámetros sólo es recomendable sí el coeficiente de asimetría es cercano a cero. Las
distribuciones Gumbel y Log - Gumbel son recomendables si el coeficiente de
asimetría de los eventos registrados es cercano a 1.13

 Para ajustar distribuciones de tres parámetros (Log Normal III, Log Pearson) se
requiere estimar el coeficiente de asimetría de la distribución; para ello es necesario
disponer de una serie con longitud de registros larga, mayor de 50 años, (Kite, 1988).
Las distribuciones de dos parámetros son usualmente preferidas cuando se dispone de
pocos datos, porque reducen la varianza de la muestra, (Ashkar, et al. 1994).

 Para seleccionar la distribución de probabilidades adecuada se debe tratar de utilizar

información adicional del proceso hidrológico que permita identificar la forma en que
se distribuye la variable. Usualmente es muy difícil determinar las propiedades
físicas de los procesos hidrológicos para identificar el tipo de distribución de
probabilidad que es aplicable.

 Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cual es la
distribución que mejor se ajusta a los caudales máximos y recomiendan seleccionar el
mejor ajuste a criterio del modelador con la prueba de ajuste gráfico o basado en el
comportamiento de las pruebas estadísticas de bondad del ajuste (por ejemplo Chi
Cuadrado, Smirnov-Kolmogorov, Cramer-Von Mises) en las que se calcula un
estimador y se compara con un valor tabulado para determinar si el ajuste es adecuado
o no. En la prueba de ajuste gráfica se dibujan los valores registrados en la serie
contra la distribución teórica de probabilidades y de manera visual (subjetiva) se
determina si el ajuste es adecuado o no.

10
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
Cuando la información es adecuada el análisis de frecuencia es la metodología más
recomendable para la evaluación de eventos extremos, ya que la estimación depende
solamente de los caudales máximos anuales que han ocurrido en la cuenca y no da cuenta de
los procesos de transformación de la precipitación en escorrentía. Obviamente tiene algunas
limitaciones relacionadas con el comportamiento de la serie histórica y con el tamaño y
calidad de los datos de la muestra.

 Cuando se presenten cambios o tendencias en la serie histórica se deben utilizar

técnicas estadísticas que permitan removerlos para poder realizar el análisis de
frecuencias (Kite, 1988; Mamdouh, 1993; Ashkar, et al. 1994).

 La selección inadecuada de la distribución de probabilidades de la serie histórica

arrojará resultados de confiabilidad dudosa, (Ashkar, et al. 1994).

DISTRIBUCIONES DE PROBABILIDAD EN HIDROLOGÍA

El comportamiento de las variables aleatorias discretas o continuas se describe con la ayuda

de Distribuciones de Probabilidad. La variable se designa por mayúscula y un valor
específico de ella por minúscula.

Por P(x = a) se denota la probabilidad de que un evento asuma el valor a; similarmente P(a £
x £ b) denota la probabilidad de que un evento se encuentre en el intervalo (a,b). Si
conocemos la probabilidad P(a £ x £ b) para todos los valores de a y b, se dice que
conocemos la Distribución de Probabilidades de la variable x.

Si x es un número dado y consideramos la probabilidad P(X £ x):

F(x)= P(X £ x):

y llamamos F(x) la función de distribución acumulada.

Ejemplo: Se tienen las probabilidades de que haya 1, 2, 3, ... etc, días nublados por semana en
un determinado lugar, con ellos calcule la distribución de probabilidades
x P(x) F(x)
0 0.05 0.05
1 0.15 0.20
2 0.25 0.45
3 0.20 0.65
4 0.15 0.80
5 0.10 0.90
6 0.08 0.98
7 0.02 1.00
Total 1.0  

11
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

Si se tiene una variable aleatoria continua, la figura presenta el histograma de 85 años de

registro de caudales de crecientes (máximos instantáneos) en el río Magdalena, agrupados en
9 intervalos de clase.
x P(x) F(x)
1 0.05 0.05
2 0.10 0.15
3 0.15 0.30
4 0.20 0.50
5 0.10 0.60
6 0.10 0.70
7 0.15 0.85
8 0.10 0.95
9 0.05 1.00
Total 1.00  

Cuando el número de observaciones se incrementa, el tamaño de los intervalos decrece y se

puede tener algo sí

12
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

donde f(x) es la llamada función de densidad de probabilidades y tiene las siguientes

características

i)

ii)

iii)

Lo que implica que las probabilidades se definen sólo como ÁREAS bajo la función de
densidad de probabilidad (FDP) entre límites finitos.

1.1         MOMENTOS DE LAS DISTRIBUCIONES

Las propiedades de las distribuciones pueden ser definidas completamente en términos de los
momentos. Los momentos en estadística son similares a los momentos en física (rotación
respecto al origen)

para la variable continua

para la variable discreta

o respecto a la media (eje de rotación diferente al origen)

para la variable continua

para la variable discreta

13
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
1.2         PARÁMETROS ESTADÍSTICOS

Los estadísticos extraen información de una muestra, indicando las características de la

población. Los principales estadísticos son los momentos de primer, segundo y tercer orden
correspondiente a la media, varianza, y asimetría respectivamente.

1.2.1      Media m:

es el valor esperado de la variable misma . Primer momento respecto a la origen. Muestra la

tendencia central de la distribución

el valor estimado de la media a partir de la muestra es

1.2.2     Varianza s²:

mide la variabilidad de los datos. Es el segundo momento respecto a la media.

el valor estimado de la varianza a partir de la muestra es

en el cual el divisor es n-1 en lugar de n para asegurar que la estadística de la muestra no sea
sesgada, es decir, que no tenga una tendencia, en promedio, a ser mayor o menor que el
valor verdadero. Las unidades de la varianza son la media al cuadrado, la desviación
estándar s es una medida de la variabilidad que tiene las mismas dimensiones que la media y
simplemente es la raíz cuadrada de la varianza, se estima por s. El significado de la
desviación estándar se ilustra en la siguiente figura

14
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

Efectos de la función de densidad de probabilidad causados por cambios en la desviación

estándar.

Coeficiente de variación es una medida adimensional de la variabilidad su estimado

es

1.2.3      Coeficiente de asimetría g

la distribución de los valores de una distribución alrededor de la media se mide por la

asimetría. Se obtiene a partir del tercer momento alrededor de la media, dividiéndolo por el
cubo de la desviación estándar para que sea adimensional.

tercer momento respecto a la media

Un estimativo del coeficiente de asimetría está dado por

Ejemplo

Encontrar el valor medio de la precipitación si se tiene

Intervalo (mm) Xi medio Frecuencia Frecuencia x f(x)

15
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

absoluta relativa

100 110 105 10 0.1 10.5

110 120 115 16 0.16 18.4

120 130 125 9 0.09 11.25

130 140 135 10 0.1 13.5

140 150 145 20 0.2 29

150 160 155 15 0.15 23.25

160 170 165 20 0.2 33

      Total=100   = 138.9

2           ANALISIS DE FRECUENCIA

El análisis de frecuencia es una herramienta utilizada para, predecir el comportamiento futuro
de los caudales en un sitio de interés, a partir de la información histórica de caudales. Es un
método basado en procedimientos estadísticos que permite calcular la magnitud del caudal
asociado a un período de retorno. Su confiabilidad depende de la longitud y calidad de la
serie histórica, además de la incertidumbre propia de la distribución de probabilidades
seleccionada. Cuando se pretende realizar extrapolaciones, período de retorno mayor que la
longitud de la serie disponible, el error relativo asociado a la distribución de probabilidades
utilizada es más importante, mientras que en interpolaciones la incertidumbre está asociada
principalmente a la calidad de los datos a modelar; en ambos casos la incertidumbre es alta
dependiendo de la cantidad de datos disponibles (Ashkar, et al. 1994). La extrapolación de
frecuencias extremas en una distribución empírica de crecientes es extremadamente riesgosa
(Garcon, 1994).

Para determinar la magnitud de eventos extremos cuando la distribución de probabilidades no

es una función fácilmente invertibles se requiere conocer la variación de la variable respecto
a la media. Chow en 1951 propusó determinar esta variación a partir de un factor de
frecuencia KT que puede ser expresado:

y se puede estimar a partir de los datos

Para una distribución dada, puede determinarse una relación entre K y el período de retorno
Tr. Esta relación puede expresarse en términos matemáticos o por medio del uso de una
tabla.

16
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
El análisis de frecuencia consiste en determinar los parámetros de las distribuciones de
probabilidad y determinar con el factor de frecuencia la magnitud del evento para un período
de retorno dado.

A continuación se describen las principales distribuciones de probabilidad utilizadas en

hidrología, la forma de estimar sus parámetros, el factor de frecuencia y los límites de
confianza. Estos últimos son indicadores de que tanta incertidumbre se tiene con las
extrapolaciones, puesto que determinar el rango de valores donde realmente estaría la
variables, si el rango es muy grande la incertidumbre es muy alta y si es pequeño, por el
contrario, habrá mucha confianza en el valor estimado.

3   DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS

3.1         DISTRIBUCION NORMAL

La distribución normal es una distribución simétrica en forma de campana, también conocida

como Campana de Gauss. Aunque muchas veces no se ajusta a los datos hidrológicos tiene
amplia aplicación por ejemplo a los datos transformados que siguen la distribución normal.

3.1.1      Función de densidad:

La función de densidad está dada por

Los dos parámetros de la distribución son la media m y desviación estándar s para los cuales
(media) y s (desviación estándar) son derivados de los datos.

3.1.2      Estimación de parámetros:

3.1.3      Factor de frecuencia:

2. 1.      Si se trabaja con los X sin transformar el K se calcula como

este factor es el mismo de la variable normal estándar

17
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
3.1.4      Limites de confianza:

donde a es el nivel de probabilidad es el cuantil de la distribución normal estandarizada

para una probabilidad acumulada de 1-a y Se es el error estándar

3.2         DISTRIBUCIÓN LOGNORMAL DE DOS PARÁMETROS

Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente se dice que X se

distribuye normalmente.

Esta distribución es muy usada para el calculo de valores extremos por ejemplo Qmax,
Qmínimos, Pmax, Pmínima (excelentes resultados en Antioquia). Tiene la ventaja que X>0 y
que la transformación Log tiende a reducir la asimetría positiva ya que al sacar logaritmos se
reducen en mayor proporción los datos mayores que los menores.

Limitaciones: tiene solamente dos parámetros, y requiere que los logaritmos de la variables
estén centrados en la media

3.2.1      Función de densidad:

y = ln x

donde, my : media de los logaritmos de la población (parámetro escalar), estimado sy :

Desviación estándar de los logaritmos de la población, estimado sy.

3.2.2      Estimación de parámetros:

3.2.3      Factor de frecuencia:

Puede trabajarse en el campo original y en el campo transformado.

 
3. 2.      Campo transformado: Si se trabaja en el campo transformado se trabaja con la media
y la desviación estándar de los logaritmos, así:

18
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
 

Ln(XTr) = xTr+KSy

de donde,

XTr = eln (xTr)

con K con variable normal estandarizada para el Tr dado, x y media de los logaritmos y Sy es
la desviación estándar de los logaritmos.

 
4. 3.      Campo original: Si se trabaja con los X sin transformar el K se calcula como
 

K es la variable normal estandarizada para el Tr dado, es el coeficiente de variación,

x media de los datos originales y s desviación estándar de los datos originales.

3.2.4      Limites de confianza:

En el campo transformado.

19
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

en donde, n numero de datos, Se error estándar, KT variable normal estandarizada.

EJEMPLO: En un río se tienen 30 años de registros de Qmáximos instantáneos anuales con

x= 15 m3/s, S = 5 m3/s (media y desviación estándar para los datos originales). x y=2.655, sy =
0.324 (media y desviación estándar de los datos transformados). Encontrar el caudal para un
periodo de retorno de 100 años y los limites de confianza para un a = 5%. Calcular la
probabilidad de que un caudal de 42.5 m3/s no sea igualado o excedido P(Q £ 4.25).

Solución:

n=30

x= 15 m3/s xy=2.655

s = 5 m3/s sy = 0.324

En el campo original

= 5/15 = 0.33

K = F-1(1-1/Tr) = F-1(1-1/100) = F-1(0.99)

de la tabla de la normal se obtiene KT=2.33

20
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
 

KT = 3.06

QTr = 15 + 5 * 3.028

QTr = 30.14 m3/s

En el campo transformado se tiene que:

LnQTr100 = 2.655 + 2.33*0.324

LnQTr100 = 3.40992

QTr100 = Exp (3.40992)

Q Tr100 = 30.26 m3/s

Limites de confianza

Ln (QTr) ± t(1-a) Se

21
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
 

d = 1.93

t(1-a) = t(0.95) = 1.645 (Leído de la tabla de la normal)

Ln(30.28) ± (1.645 ) (0.11)

3.41 ± 0.18095

[3.22905 3.59095]

[e3.22905 e3.59095]

[25.26 36.29] Intervalos de confianza para QTr100

b) Calcular la probabilidad de que un caudal de 45 m 3/s no se igualado o excedido P(Q£

4.25).

Ln(42.5) = 3.75

t = (3.75 - 2.655)/0.324

F(3.38) = 0.9996 Leído de la tabla de la normal

P(Q£ 4.25) = 99.9%

22
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
 

3.3         DISTRIBUCION GUMBEL O EXTREMA TIPO I

Una familia importante de distribuciones usadas en el análisis de frecuencia hidrológico es la

distribución general de valores extremos, la cual ha sido ampliamente utilizada para
representar el comportamiento de crecientes y sequías (máximos y mínimos).

3.3.1      Función de densidad:

En donde a y b son los parámetros de la distribución.

3.3.2      Estimación de parámetros

donde son la media y la desviación estándar estimadas con la muestra.

3.3.3      Factor de frecuencia:

23
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

Donde Tr es el periodo de retorno. Para la distribución Gumbel se tiene que el caudal para un
período de retorno de 2.33 años es igual a la media de los caudales máximos.

3.3.4      Limites de confianza

Xt ± t(1-a) Se

KT es el factor de frecuencia y t(1-a) es la variable normal estandarizada para una probabilidad

de no excedencia de 1-a.

EJEMPLO: Para el ejemplo anterior encontrar el Q de 100 años de periodo de retorno y los
intervalos de confianza. x= 15 m3/s, s = 5 m3/s

QTr100 = x + KT s

KT = 3.14

24
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
QTr100 = 15 + 3.14*5

QTr100 = 30.7 m3/s

Intervalos de confianza

t(1-a) = t(0.95) = 1.645 (Leído de la tabla de la normal)

d = 3.93

Xt ± t(1-a) Se

30.7 m3/s ± (1.64) (3.58)

[24.83 m3/s 36.58 m3/s] Intervalo de confianza para QTr100

3.4         DISTRIBUCION GAMMA DE TRES PARÁMETROS O PEARSON TIPO 3

Esta distribución ha sido una de las mas utilizadas en hidrología. Como la mayoría de las
variables hidrológicas son sesgadas, la función Gamma se utiliza para ajustar la distribución
de frecuencia de variables tales como crecientes máximas anuales, Caudales mínimos,

25
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
Volúmenes de flujo anuales y estacionales, valores de precipitaciones extremas y volúmenes
de lluvia de corta duración. La función de distribución Gamma tiene dos o tres parámetros.

3.4.1      Función de densidad:

donde,

x0 £ x < a para a > 0

a < x £ x0 para a < 0

a y b son los parámetros de escala y forma, respectivamente , y x 0 es el parámetro de

localización.

3.4.2      Estimación de parámetros:

Cs es el coeficiente de asimetría, son la media y la desviación estándar de la

muestra respectivamente.

3.4.3      Factor de frecuencia:

26
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

donde z es la variable normal estandarizada

Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado con la muestra.

3.4.4      Intervalos de confianza:

Xt ± t(1-a) Se

Donde S es la desviación estándar de la muestra, n es el número de datos y d se encuentra

tabulado en función de Cs y Tr.

EJEMPLO: Se tiene una estación con 30 años de registros de caudales máximos

instantáneos con Media de 4144 pie3/s y desviación estándar de 3311 pie3/s. Si el coeficiente
de asimetría de los caudales es de 1.981 pie 3/s cual es caudal para un periodo de retorno de
100 años y su intervalo de confianza.

QTr100 = X+ SK

K es F(1.981, 100) de tablas se obtiene K=3.595 (1.9,100) = 3.553

(2.0,100) = 3.605

QTr100 = 4144+ (3.595) (3311)

27
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
QTr100 = 16050 pie3/s

Intervalos de confianza

Xt ± t(1-a) Se

d = F(1.981,100) de tablas se obtiene d =8.4922 (1.9,100) = 8.2196

(2.0,100) = 8.5562

Se = 5133.56 pie3/s

t(1-a) = t(0.95) = 1.645 (Leído de la tabla de la normal)

16050 ± (5133.56) (1.645)

[7605.29 pie3/s 24494.71pie3/s] Intervalos de confianza para QTr100

28
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
3.5         DISTRIBUCIÓN LOG GAMMA O LOGPEARSON DE 3 PARÁMETROS

Si los logaritmos Y de una variable aleatoria X se ajustan a una distribución Pearson tipo III,
se dice que la variable aleatoria X se ajusta a una distribución Log Pearson Tipo III. Esta
distribución es ampliamente usada en el mundo para el análisis de frecuencia de Caudales
máximos. Esta se trabaja igual que para la Pearson Tipo III pero con Xy y Sy como la media y
desviación estándar de los logaritmos de la variable original X.

3.5.1      Función de densidad:

donde,

y0 £ y < a para a > 0

a £ y £ y0 para a < 0

a y b son los parámetros de escala y forma, respectivamente , y y 0 es el parámetro de

localización.

3.5.2      Estimación de parámetros:

29
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA

Cs es el coeficiente de asimetría, son la media y la desviación estándar de los

logaritmos de la muestra respectivamente.

3.5.3      Factor de frecuencia:

donde z es la variable normal estandarizada

Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado con la muestra.

3.5.4      Intervalos de confianza:

Xt ± t(1-a) Se

Donde Sy es la desviación estándar de los logaritmos de la muestra, n es el número de datos y

d se encuentra tabulado en función de Cs y Tr.

4           AJUSTE DE DISTRIBUCIONES

Para la modelación de caudales máximos se utilizan, entre otras, las distribuciones Log -
Normal, Gumbel y Log-Gumbel principalmente. Para seleccionar la distribución de
probabilidades de la serie histórica se deben tener en cuenta algunas consideraciones.

30
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
 
 Cuando en la serie histórica se observan “outliers2[1]” es necesario verificar la
sensibilidad del ajuste debido a la presencia de estos, (Ashkar, et al. 1994)
 
 Para el ajuste a las distribuciones Log-Normal, Log-Gumbel y Log-Pearson se
requiere transformar la variable al campo logarítmico para modelarla, con lo que se
disminuye la varianza muestral, pero también se filtran las variaciones reales de los
datos.
 
 Las distribuciones de dos parámetros fijan el valor del coeficiente de asimetría, lo que
en algunos casos puede no ser recomendable. La distribución Log - Normal de dos
parámetros sólo es recomendable sí el coeficiente de asimetría es cercano a cero. Las
distribuciones Gumbel y Log - Gumbel son recomendables si el coeficiente de
asimetría de los eventos registrados es cercano a 1.13
 
 Para ajustar distribuciones de tres parámetros (Log Normal III, Log Pearson) se
requiere estimar el coeficiente de asimetría de la distribución; para ello es necesario
disponer de una serie con longitud de registros larga, mayor de 50 años, (Kite, 1988).
Las distribuciones de dos parámetros son usualmente preferidas cuando se dispone de
pocos datos, porque reducen la varianza de la muestra, (Ashkar, et al. 1994).
 
 Para seleccionar la distribución de probabilidades adecuada se debe tratar de utilizar
información adicional del proceso hidrológico que permita identificar la forma en que
se distribuye la variable. Usualmente es muy difícil determinar las propiedades
físicas de los procesos hidrológicos para identificar el tipo de distribución de
probabilidad que es aplicable.
 
 Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cual es la
distribución que mejor se ajusta a los caudales máximos y recomiendan seleccionar el
mejor ajuste a criterio del modelador con la prueba de ajuste gráfico o basado en el
comportamiento de las pruebas estadísticas de bondad del ajuste (por ejemplo Chi
Cuadrado, Smirnov-Kolmogorov, Cramer-Von Mises) en las que se calcula un
estimador y se compara con un valor tabulado para determinar si el ajuste es adecuado
o no. En la prueba de ajuste gráfica se dibujan los valores registrados en la serie
contra la distribución teórica de probabilidades y de manera visual (subjetiva) se
determina si el ajuste es adecuado o no.
 

Cuando la información es adecuada el análisis de frecuencia es la metodología más

recomendable para la evaluación de eventos extremos, ya que la estimación depende
solamente de los caudales máximos anuales que han ocurrido en la cuenca y no da cuenta de

31
DEPARTAMENTO DE INGENIERÍA CIVIL

HIDROLOGÍA
los procesos de transformación de la precipitación en escorrentía. Obviamente tiene algunas
limitaciones relacionadas con el comportamiento de la serie histórica y con el tamaño y
calidad de los datos de la muestra.

 
 Cuando se presenten cambios o tendencias en la serie histórica se deben utilizar
técnicas estadísticas que permitan removerlos para poder realizar el análisis de
frecuencias (Kite, 1988; Mamdouh, 1993; Ashkar, et al. 1994).
 
 La selección inadecuada de la distribución de probabilidades de la serie histórica
arrojará resultados de confiabilidad dudosa, (Ashkar, et al. 1994).

32