Universidad Nacional Experimental

De Los Llanos Occidentales

“Ezequiel Zamora”
Programa “Ingeniería Civil”
Sub-Programa “Hidrología”

Taller
Hidrolog
ía:
modulo
Docente: 3 Integrantes:
Calor. Lavado José. Torres
C.I:28.247.333
Yanis. Golindano
C.I: 29.925.711
 Introducción a las probabilidades estadísticas:
La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los
que se pueden predecir con certeza, y estudia sus consecuencias lógicas y la
estadística ofrece métodos y técnicas que permiten entender los datos a
partir de modelos. La estadística se puede definir como un conjunto de datos
numéricos presentada de forma ordenada y sistemática.
Dentro de la estadística se encuentran dos campos, Dichos campos se
conocen como Estadística Descriptiva y Estadística Inferencial.
La diferencia entre Estadística Descriptiva y Estadística Inferencia es que la
primera sólo se encarga de hacer descripciones a partir de ciertos datos;
mientras que la segunda se va más allá y hace estimaciones acerca de los
datos que se recogen de las muestras que se toman de una población.
La importancia de la Teoría de la Probabilidad en el ámbito de la estadística
se deriva del hecho de constituir ésta uno de los pilares teóricos
fundamentales sobre los que se asienta el desarrollo y aplicación de la
Estadística Inferencial. Así, mientras que si de una o más variables
conocemos sus características (tendencia central, dispersión, asociación) en
la población, la Teoría nos permite establecer predicciones de las
características que esas variables adoptarán en una muestra de sujetos
extraída al azar de esa población, la estadística inferencial basándose en el
conocimiento desarrollado por la Teoría de la Probabilidad en ese camino de
la población a la muestra ha establecido las bases para trazar el camino
opuesto, esto es, inferir a partir de los datos de una muestra en una o más
variables, cómo serán las características. La estadística se ha convertido en un
método efectivo para describir con exactitud los valores de los datos
económicos, políticos, sociales, psicológicos, biológicos y físicos, y sirve como
herramienta para relacionar y analizar dichos datos. Por ejemplo, en las
ciencias naturales: se emplea con profusión en la descripción de modelos
termodinámicos complejos, en la física cuántica, en mecánica de fluidos o en
la teoría cinética de los gases, entre otros muchos campos. En las ciencias
sociales y económicas: es un pilar básico del desarrollo de la demografía y la
sociología aplicada. En economía: suministra los valores que ayudan a
descubrir interrelaciones entre múltiples parámetros macro y
microeconómicos. En las ciencias médicas: permite establecer pautas sobre
la evolución de las enfermedades y los enfermos, los índices de mortalidad
asociados a procesos morbosos, el grado de eficacia de un medicamento,
etcétera. Y la ingeniería nos permite hacer la interpretación de datos o
características de un conjunto de elementos al entorno industrial de manera
tal que nos facilite la toma de decisiones y el control de los procesos
industriales u organizacionales dentro de la obra respectivamente. Pero en
pesquerías nos permitiría interpretar datos ya sea en la captura de peces, el
número de embarcaciones dentro de la costa o mar abierto, entre otros.

Tipos de series:
Las series estadísticas son un conjunto de datos numéricos, obtenidos a
través de observaciones, que han sido recapacitados y ordenados de acuerdo
con un determinado criterio. Entre los tipos de series están:
 Series temporales: Este tipo de estudio evalúa los cambios presentes a
lo largo del tiempo, siendo ordenados los datos temporalmente.
 Series simples: Son la serie de datos recolectados con pocos
elementos, en los cuales es posible indicar el valor característico que
pertenece el sujeto, siendo manejados con facilidad en forma de
listado. Por otra parte, Luego de ser recolectada y organizada la
información cuantitativa, estas se organizan en series estadísticas las
cuales según el número de datos pueden clasificarse en simples o
agrupadas.
 Series estadísticas agrupadas: Se refieren fundamentalmente a
variables cuantitativas, continuas o discretas, con un gran número de
valores. Los datos son agrupados por clases, asignándoles un valor
llamado marca de clase, soliendo coincidir con el valor central.
Por otra parte, las series estadísticas se clasifican en:
 Series espaciales: Son los que expresan el valor de una variable
estadística en función de su situación en el espacio geográfico.
 Series de frecuencias: Son los que expresan los valores de frecuencias
de una variable estadística.
 Series cualitativas: Son los que expresan los valores de las frecuencias
de una variable estadística cualitativa.
 Series cuantitativas: Son las que expresan los valores de las frecuencias
de una variable estadística cuantitativa.
 Series continuas: Son las que expresan los valores de las frecuencias de
una variable estadística cuantitativa continuas
 Series discretas: Son las que expresan los valores de las frecuencias de
una variable estadística cuantitativa discreta.
Media, varianza, desviación típica poblacional y muestra:
 Media: La media, también conocida como promedio, es el valor que se
obtiene al dividir la suma de un conglomerado de números entre la
cantidad de ellos.
Algunas características de la media son:

o Considera todas las puntuaciones

o El numerador de la fórmula es la cantidad de valores
o Cuando hay puntuaciones extremas, no tiene una
representación exacta de la muestra
 Varianza: Es una medida de dispersión ampliamente utilizada en los
sectores de la economía y las finanzas, interpretándose como el riesgo
de que el rendimiento de algún procedimiento en concreto sea distinto
del rendimiento esperado de dicho procedimiento.
La varianza, junto con la desviación estándar -ambas medidas muy
relacionadas entre sí- son las medidas de dispersión de datos por
excelencia, sobre todo en el mundo de las finanzas.
 Desviación típica: La desviación estándar o desviación típica es una
medida de una variable respecto de su media aritmética, adquiriendo
siempre unos valores que son iguales o mayores que cero. La
desviación estándar sirve para cuantificar la dispersión de una
población o muestra estadística.
 Población: es el conjunto de elementos que son objeto de estudio
estadístico.
Individuo: cada uno de los elementos de la población. El número total de
individuos de la población se suele representar por la letra N. Aunque
tengan estos nombres, esos elementos pueden referirse a cualquier cosa
y no solo a personas. Por ejemplo, podemos estudiar los televisores que
se montan en una determinada fábrica, la cantidad de vehículos que se
desplazan por carretera un fin de semana de agosto, o los programas de
televisión más vistos en una determinada franja horaria. Cada televisor,
vehículo o programa televisivo sería un individuo de ese estudio.
 Muestra: es una parte de la población con la que realmente se realiza
el estudio.
Tamaño: es el número de elementos del que se compone la muestra y se
suele representar por la letra n.
La elección de la muestra es muy importante para que los resultados que
se extraigan de ella se puedan generalizar a toda la población. Debe haber
pocos individuos, para que no sea muy costosa su realización, pero
elegidos de forma que aparezcan todos los estratos diferentes que forman
la población. Por ejemplo, si quisiéramos saber los gustos culinarios de la
juventud actual; no bastaría preguntar a las puertas de una pizzería, pues
hay una parte de jóvenes que prefieren otro tipo de comidas y no visitan
este tipo de establecimientos. Si lo hiciéramos, la muestra seleccionada
no sería representativa de toda la población a estudiar.
Probabilidades de excedencia y de no ocurrencia y frecuencia:
 Excedencia o frecuencia: Es una medida probabilística basada en datos
de una serie histórica, que permite distinguir las características
hidrológicas de una cuenca. Es decir, es el valor que indica en el
porcentaje en el que los datos históricos registrados son iguales o
mayores al que corresponde a dicho valor.
 Periodo de retorno, estimación de frecuencia de valores externos:
 El período de retorno: es un parámetro de los más significativos al
instante en que es dimensionada la obra hidráulica, cuyo destino es el
soporte de avenidas, como pueden ser el vertedero de una presa; o
para una obra en la que vaya a cruzarse un río o arroyo, como puede
ser un puente. El período de retorno, suele expresarse en años, pues
prácticamente es el tiempo en que se espera la repetición de un caudal
determinado.
El período de retorno de un evento de cierta magnitud como el tiempo
promedio que transcurre entre la ocurrencia de ese evento y la
próxima ocurrencia de ese evento con la misma magnitud. Se define
también como el tiempo que transcurre para que un evento sea
excedido o igualado, al menos una vez en promedio.
Ejemplo:

Curvas de variación estacional del estero Catemu en Santa Rosa. El

diagrama muestra con la línea de triángulos rojo ocre, las medianas
mensuales del caudal. Estas son los caudales mínimos que lleva el
estero el 50% de los años. Se dice entonces que la probabilidad de
excedencia de ese caudal es de un 50%. Las otras líneas muestran otras
probabilidades de excedencia. Un caudal anual representativo del
estero puede ser la media (estadística) de la serie 50%, en este caso
0,78 m³/s. También se puede elegir la mediana (estadística) de la serie
50% que es de 0,56 m³/
 La estimación de frecuencia: calcula qué proporción de transiciones de
no conducta a conducta no llega a ser detectada por cada tipo de RAUT
y realizar así una estimación puntual de la frecuencia verdadera.
Además, se particularizarán los resultados para el caso en que las
duraciones de ocurrencia de conducta y de no conducta poseen
distribuciones exponenciales independientes.
Un ejemplo de serie de valores extremos sería si se hubiera elegido, de
una serie de años, el día más caudaloso o de mayor precipitación de cada
año. Para el estudio de series de valores extremos se utilizan diversas
distribuciones; la de utilización más simple es la distribución de Gumbel.

Teoria de
valores
extremos