3.2.4.

8 Pruebas de bondad de ajuste de los datos de una serie a una distribución de

probabilidad determinada

Desde el punto de vista estadístico, se sabe que una variable aleatoria que represente
eventos extremos, tales como las lluvias y los caudales máximos, exhibe una distribución
muy similar a la normal, log normal, Pearson, log Pearson tipo III o Gumbel, pero de
antemano no se conoce cuál de ellas la reproduce mejor. Por ese motivo, es necesario
aplicar algunas pruebas para seleccionar la más adecuada. Las más comunes son las de
Weibull, chi cuadrado y Smirnov-Kolmogórov.

a. Prueba Weibull

La forma más sencilla de probar la bondad de una determinada distribución de probabilidad

es dibujar en un sistema de coordenadas los puntos que representan las probabilidades de
excedencia (períodos de retorno) de los datos de la serie disponible. Para eso, se ordenan
de mayor a menor y, para cada uno de ellos, se calcula la probabilidad de excedencia con
la fórmula de Weibull (ecuación 3.11):

m
p= ⋅100
n+1

p - es la probabilidad que posee cada valor de ser igualado o excedido en %; m - es el

número de orden de cada dato; n - es el número de datos de la serie.

Los datos se representan en el eje de las ordenadas y sus correspondientes probabilidades

de excedencia en las abscisas. La prueba consiste en dibujar sobre el mismo sistema de
coordenadas la curva perteneciente a la distribución de probabilidad que se está
investigando. La distribución será buena si la curva coincide bien con los puntos de los
datos reales, construidos con la fórmula de Weibull. Se selecciona la mejor distribución
entre varias, es decir, aquella que se acerque más a los puntos de la serie disponible.

Este método es ágil y posee la ventaja de que permite una percepción visual gráfica, directa
y sencilla de la bondad de ajuste. Sin embargo, si se requiere de un análisis más riguroso,
puede ser mejor utilizar las pruebas chi cuadrado y/o Smirnov-Kolmogórov.

b. Prueba chi cuadrado ( χ2 )

Para aplicar esta prueba se siguen los siguientes pasos:

 Los datos de la serie disponible se dividen en un número k de intervalos de clase. El

número mínimo de intervalos k se puede determinar con la siguiente expresión
(ecuación 3.8), cuyo resultado se redondea al número entero superior:

k=1+3,33⋅log⋅n
n - es el número de datos de la serie.

De acuerdo con lo anterior, el valor de cada intervalo es (ecuación 3.9):

 P máx−Pmin
I=
k
Pmáx - valor máximo de la serie de lluvias (mm) o caudales (m 3/s); Pmin - valor mínimo de la
serie de lluvias (mm) o caudales (m3/s).

 Se calcula el número esperado de eventos en el mismo intervalo,

Ei :

Ei =n [ F ( Si )−F ( I i ) ]
; i = 1, 2, ..., k (3.48)

F(Si) - es la función de distribución de probabilidad en el límite superior del intervalo i;

F ( I i)
- es la misma función en el límite inferior; n- es el número de eventos.

 Utilizando los datos ordenados en intervalos de clase se calcula el valor C para todas
las funciones de distribución analizadas por medio de la ecuación:
k
∑ ( N i−E i )2
i=1
C=
Ei (3.49)
N i - es el número observado de eventos en el intervalo i.

 Se define el valor de una variable aleatoria con distribución chi cuadrado ( χ2 ) para
q=( k−1−m ) grados de libertad y un nivel de significancia S, donde m es el número
de parámetros estimados a partir de los datos.
2
El valor de
χ ( 1−S ) , ( k−1−m ) se obtiene del Cuadro 3.8 que contiene la función de distribución
χ 2 (chi cuadrado). El valor usual de S es de 0,05.
 Se verifica el cumplimiento de la siguiente desigualdad. De lo contrario, la función de
distribución no se acepta (ver ejemplo 3 de cálculo más abajo):

2
C≤ χ ( 1−S )( k−1−m) (3.50)

Cuadro 3.8 Valores de χ2(1-s),(k-1-m) pertenecientes a la función de distribución Chi cuadrado

( χ2)
q χ20,995 χ20,99 χ20,975 χ20,95 χ20,90 χ20,75 χ20,50 χ20,25 χ20,10 χ20,05 χ20,025 χ20,01 χ20,005
0,015 0,003
1 7,88 6,63 5,02 3,84 2,71 1,32 0,455 0,102 0,001 0,0002 0,000
8 9
2 10,6 9,21 7,38 5,99 4,61 2,77 1,39 0,575 0,211 0,103 0,0506 0,0201 0,01
3 12,8 11,3 9,35 7,81 6,25 4,11 2,37 1,21 0,584 0,352 0,216 0,115 0,072
4 14,9 13,3 11,1 9,49 7,78 5,39 3,36 1,92 1,06 0,711 0,484 0,297 0,207
                           
5 16,7 15,1 12,8 11,1 9,24 6,63 4,35 2,67 1,61 1,15 0,831 0,554 0,412
6 18,5 16,8 14,4 12,6 10,6 7,84 5,35 3,45 2,2 1,64 1,24 0,872 0,676
7 20,3 18,5 16 14,1 12 9,04 6,35 4,25 2,83 2,17 1,69 1,24 0,989
 8 22 20,1 17,5 15,5 13,4 10,2 7,34 5,07 3,49 2,73 2,18 1,65 1,34
9 23,6 21,7 19 16,9 14,7 11,4 8,34 5,9 4,17 3,33 2,7 2,09 1,73
                           
10 25,2 23,2 20,5 18,3 16,0 12,5 9,34 6,74 4,87 3,94 3,25 2,56 2,16
11 26,8 24,7 21,9 19,7 17,3 13,7 10,3 7,58 5,58 4,57 3,82 3,05 2,6
12 28,3 26,2 23,3 21,0 18,5 14,8 11,3 8,44 6,3 5,23 4,4 3,57 3,07
13 29,8 27,7 24,7 22,4 19,8 16,0 12,3 9,3 7,04 5,89 5,01 4,11 3,57
14 31,3 29,1 26,1 23,7 21,1 17,1 13,3 10,2 7,79 6,57 5,63 4,66 4,07
                           
15 32,8 30,6 27,5 25,0 22,3 18,2 14,3 11 8,55 7,26 6,26 5,23 4,6
16 34,3 32,0 28,8 26,3 23,5 19,4 15,3 11,9 9,31 7,96 6,91 5,81 5,14
17 35,7 33,4 30,2 27,6 24,8 20,5 16,3 12,8 10,1 8,67 7,56 6,41 5,7
18 37,2 34,8 31,5 28,9 26,0 21,6 17,3 13,7 10,9 9,39 8,23 7,01 6,26
19 38,6 36,2 32,9 30,1 27,2 22,7 18,3 14,6 11,7 10,1 8,91 7,63 6,84
                           
20 40 37,6 34,2 31,4 28,4 23,8 19,3 15,5 12,4 10,9 9,59 8,26 7,43
21 41,4 38,9 35,5 32,7 29,6 24,9 20,3 16,3 13,2 11,6 10,3 8,9 8,03
22 42,8 40,3 36,8 33,9 30,8 26,0 21,3 17,2 14,0 12,3 11,0 9,54 8,64
23 44,2 41,6 38,1 35,2 32,0 27,1 22,3 18,1 14,8 13,1 11,7 10,2 9,26
24 45,6 43,0 39,4 36,4 33,2 28,2 23,3 19,0 15,7 13,8 12,4 10,9 9,89
                           
25 46,9 44,3 40,6 37,7 34,4 29,3 24,3 19,9 16,5 14,6 13,1 11,5 10,5
26 48,3 45,6 41,9 38,9 35,6 30,4 25,3 20,8 17,3 15,4 13,8 12,2 11,2
27 49,6 47,0 43,2 40,1 36,7 31,5 26,3 21,7 18,1 16,2 14,6 12,9 11,8
28 51,0 48,3 44,5 41,3 37,9 32,6 27,3 22,7 18,9 16,9 15,3 13,6 12,5
29 52,3 49,6 45,7 42,6 39,1 33,7 28,3 23,6 19,8 17,7 16,0 14,3 13,1
                           
30 53,7 50,9 47,0 43,8 40,3 34,8 29,3 24,5 20,6 18,5 16,8 15,0 13,8
40 66,8 63,7 59,3 55,8 51,8 45,6 39,3 33,7 29,1 26,5 24,4 22,2 20,7
50 79,5 76,2 71,4 67,5 63,2 56,3 49,3 42,9 37,7 34,8 32,4 29,7 28,0
60 92,0 88,4 83,3 79,1 74,4 67,0 59,3 52,3 46,5 43,2 40,5 37,5 35,5
                           
70 104,2 100,4 95,0 90,5 85,5 77,6 69,3 61,7 55,3 51,7 48,8 45,4 43,3
80 116,3 112,3 106,6 101,9 96,6 88,1 79,3 71,1 64,3 60,4 57,2 53,5 51,2
90 128,3 124,1 118,1 113,1 107,6 98,6 89,3 80,6 73,3 69,1 65,6 61,8 59,2
10
140,2 135,8 129,6 124,3 118,5 109,1 99,3 90,1 82,4 77,9 74,2 70,1 67,3
0
Francisco S. Aparicio Mijares, 1989

c. Prueba Smirnov-Kolmogórov

Con esta metodología la bondad del ajuste se determina de la siguiente manera:

 Inicialmente se define el valor de la función de distribución de probabilidad observada

con la siguiente ecuación:
m
F0 ( x m )=1−
n+1 (3.51)

m - es el número de orden de cada uno de los datos de la serie disponible, ordenados de

mayor a menor.
n - es el total de datos de la misma serie.

 Se calcula el parámetro S, que representa el valor absoluto de la diferencia entre la

función de distribución de probabilidad observada Fo (Xm) y la estimada F (Xm).

S = máx│Fo (Xm)-F (Xm) │ (3.52)

 Se determina el valor crítico, C, del anterior parámetro, el cual se toma del Cuadro 3.9
 en función del número de datos de la serie disponible (tamaño de la serie) y del nivel de
significancia que se seleccione. Generalmente se toma un nivel de significancia de 0,05
(ver ejemplo 3 de cálculo más abajo).

 Si S < C, el ajuste es correcto y se acepta la función de distribución que se está

probando.

Cuadro 3.9 Valores críticos del parámetro C para la prueba de bondad de ajuste de Smirnov-
Kolmogórov
Tamaño
de la α = 0,1 α = 0,05 α = 0,01
muestra
5 0,51 0,56 0,67
10 0,37 0,41 0,49
15 0,3 0,34 0,4
20 0,26 0,29 0,35
25 0,24 0,26 0,32
30 0,22 0,24 0,29
40 0,19 0,21 0,25
0,5 0,5 0,5
n grande 1,22/n 1,36/n 1,63 /n
Francisco J. Aparicio Mijares,1989

e. Pruebas de ajuste

e.1 Prueba Weibull: Para probar la bondad de ajuste de las cinco distribuciones estudiadas
a los datos de la serie, se ordenan de mayor a menor y, para cada uno de ellos, se calcula
la probabilidad de excedencia con la fórmula de Weibull (Fórmula 3.10):

m
p= ⋅100
n+1

p - es la probabilidad que posee cada valor de ser igualado o excedido en porcentaje; m -

es el número de orden de cada dato; n - es el número de datos de la serie.

Los datos se representan en el eje de las ordenadas y sus correspondientes probabilidades

de excedencia en las abscisas.

Cuadro 3.36 Determinación del período de retorno de las precipitaciones máximas en

24 horas con diferentes períodos de retorno según la distribución Weibull
Orde Lluvia P Tr
n s
mm % Año
s
1 130 5 20
2 130 1 10
0
3 128 1 6,7
5
4 128 2 5
0
5 125 2 4
5
6 123 3 3,3
0
 7 116 3 2,9
5
8 113 4 2,5
0
9 112 4 2,2
5
10 112 5 2,0
0
11 110 5 1,82
5
12 106 6 1,7
0
13 106 6 1,54
5
14 105 7 1,43
0
15 102 7 1,33
5
16 102 8 1,25
0
17 98 8 1,18
5
18 94 9 1,11
0
19 91 9 1,05
5

Las Figuras 3.36 a 3.40 muestran, sobre el mismo sistema de coordenadas, las curvas
pertenecientes a las distribuciones analizadas. Como se ve, todas ellas coinciden
relativamente bien con los puntos de los datos reales, por lo cual cualquiera de ellas se
podría seleccionar como representativa. Sin embargo, la distribución Gumbel posee valores
más alejados que las demás distribuciones y debería ser eliminada.

e.2 Prueba chi cuadrado ( χ2 ) :

e.2.1 Los datos de la serie disponible se dividen en un número k de intervalos de clase. El

número mínimo de intervalos k se puede determinar con la siguiente ecuación, cuyo
resultado se redondea al número entero superior (ecuación 3.8):

k=1+3,33⋅log⋅n
n - es el número de datos de la serie.

k=1+3,33⋅log⋅19=5,26
Se adoptan seis intervalos de clase.

De acuerdo con lo anterior, el valor de cada intervalo es (ecuación 3.9):

P máx−Pmin 130−91
I= = =6,5
k 6 mm
Pmáx - valor máximo de la serie de lluvias (mm); Pmin - valor mínimo de la serie de lluvias
(mm);
Los intervalos de clase son los siguientes (Cuadro 3.37):

Cuadro 3.37 Intervalos de clase en la prueba chi cuadrado

Número observado de
Interval Valor Valor Valor
datos en cada
o inferior superior medio
intervalo
I Pinf Psup Pmedio Ni
1 91,00 97,50 94,25 2
2 97,50 104,00 100,75 3
3 104,00 110,50 107,25 4
4 110,50 117,00 113,75 4
5 117,00 123,50 120,25 1
6 123,50 130,00 126,75 5
Total = 19

e.2.2 Se calcula el número esperado de eventos en el mismo intervalo (ecuación 3.48),

Ei :

Ei =n [ F ( Si )−F ( I i ) ]
; i = 1, 2, …, k

F (Si) - es la función de distribución de probabilidad en el límite superior del intervalo i;

F ( I i)
- es la misma función en el límite inferior; n - es el número de eventos.

e.2.3 Utilizando los datos ordenados en intervalos de clase se calcula el valor C para todas
las funciones de distribución analizadas por medio de la ecuación 3.49:
k
∑ ( N i−E i )2
i=1
C=
Ei
N i - es el número observado de eventos en el intervalo i.

 Para la distribución normal se tiene:

Cuadro 3.38 Cálculo del valor C para la distribución normal

2
Intervalo,
F(Si) F(Ii) Ei
( N i−E i ) C
i Ei
0,11 0,04
1 1,39 0,27
7 4
0,25 0,11
2 2,62 0,06
5 7
0,44 0,25
3 3,67 0,03
8 5
0,65 0,44
4 3,88 0,004
2 8
0,82 0,65
5 3,21 1,52
1 2
0,92 0,82
6 1,98 4,61
5 1
16,7 6,4
5 9

 Para la distribución log normal:

Se escriben los intervalos de clase de los logaritmos naturales de las lluvias (Cuadro 3.39):

Cuadro 3.39 Intervalos de clase de los logaritmos naturales de las lluvias

Número observado de
Interval Valor Valor Valor
datos en cada
o inferior superior medio
intervalo

I Pinf Psup Pmedio Ni

1 4,511 4,580 4,546 2
2 4,580 4,644 4,612 3
3 4,644 4,705 4,675 4
4 4,705 4,762 4,734 4
5 4,762 4,816 4,789 1
6 4,816 4,868 4,842 5
Total = 19

Cuadro 3.40 Cálculo del valor C para la distribución log normal

2
Intervalo,
F(Si) F(Ii) Ei
( N i−E i ) C
i
Ei
1 0,14 0,11 1,558 0,125
0 6
2 0,11 0,26 2,869 0,006
6 7
3 0,26 0,47 3,895 0,003
7 2
4 0,47 0,67 3,762 0,015
2 0
5 0,67 0,82 2,869 1,218
0 1
6 0,82 0,91 1,843 5,408
1 8
16,79 6,7
6 7

 Para la distribución Pearson tipo III:

Cuadro 3.41 Cálculo del valor C para la distribución Pearson tipo III
2
Intervalo,
F(Si) F(Ii) Ei
( N i−E i ) C
i
Ei
1 0,06 0,1 1,5 0,152
4 2
2 0,14 0,2 2,8 0,008
9 5
3 0,29 0,4 3,2 0,184
6 3
4 0,46 0,6 4,3 0,031
9 7
5 0,69 0,8 2,0 0,568
0 9
6 0,80 0,9 2,2 3,245
2 8
4,1
9

 Para la distribución log Pearson tipo III:

 Cuadro 3.42 Cálculo del valor C para la distribución log Pearson tipo III
2
Intervalo,
F(Si) F(Ii) Ei
( N i−E i ) C
i Ei
1 0,08 0,1 1,7 0,049
7 1
2 0,17 0,3 2,4 0,114
0 7
3 0,30 0,4 3,2 0,184
7 3
4 0,47 0,6 3,9 0,000
8 9
5 0,68 0,7 2,0 0,568
9 9
6 0,79 0,9 2,2 3,245
1 8
4,1
6

 Para la distribución Gumbel:

Cuadro 3.43 Cálculo del valor C para la distribución Gumbel

2
Intervalo,
F(Si) F(Ii) Ei
( N i−E i ) C
i
Ei
1 0,09 0,1 1,7 0,049
8 1
2 0,18 0,3 2,4 0,114
1 7
3 0,31 0,5 3,6 0,042
0 1
4 0,50 0,6 3,6 0,042
9 1
5 0,69 0,8 2,0 0,568
0 9
6 0,80 0,8 1,5 7,967
8 2
8,7
8

e.2.4 Se define el valor de una variable aleatoria con distribución chi cuadrado ( χ2 ) para
q=( k−1−m ) grados de libertad y un nivel de significancia s, donde m es el número de
parámetros estimados a partir de los datos.
2
χ ( 1−S ) , ( k−1−m ) se obtiene del Cuadro 3.8 que contiene la función de distribución
El valor de

χ 2 (chi cuadrado), considerando que S es el nivel de significancia; k es el número de

intervalos de clase, que en este caso es igual a 6; y m es el número de parámetros propio
de cada función de distribución.

 Se verifica el cumplimiento de la siguiente desigualdad. De lo contrario, la función de

distribución no se acepta (ver ejemplo 3 de cálculo más abajo):
 C≤ χ 2( 1−S )( k−1−m)
(3.50)

Cuadro 3.8 Valores de χ2(1-s),(k-1-m) pertenecientes a la función de distribución Chi cuadrado

( χ2)
q χ20,995 χ20,99 χ20,975 χ20,95 χ20,90 χ20,75 χ20,50 χ20,25 χ20,10 χ20,05 χ20,025 χ20,01 χ20,005
0,015 0,003
1 7,88 6,63 5,02 3,84 2,71 1,32 0,455 0,102 0,001 0,0002 0,000
8 9
2 10,6 9,21 7,38 5,99 4,61 2,77 1,39 0,575 0,211 0,103 0,0506 0,0201 0,01
3 12,8 11,3 9,35 7,81 6,25 4,11 2,37 1,21 0,584 0,352 0,216 0,115 0,072
4 14,9 13,3 11,1 9,49 7,78 5,39 3,36 1,92 1,06 0,711 0,484 0,297 0,207
                           
5 16,7 15,1 12,8 11,1 9,24 6,63 4,35 2,67 1,61 1,15 0,831 0,554 0,412
6 18,5 16,8 14,4 12,6 10,6 7,84 5,35 3,45 2,2 1,64 1,24 0,872 0,676
7 20,3 18,5 16 14,1 12 9,04 6,35 4,25 2,83 2,17 1,69 1,24 0,989
8 22 20,1 17,5 15,5 13,4 10,2 7,34 5,07 3,49 2,73 2,18 1,65 1,34
9 23,6 21,7 19 16,9 14,7 11,4 8,34 5,9 4,17 3,33 2,7 2,09 1,73
                           
10 25,2 23,2 20,5 18,3 16,0 12,5 9,34 6,74 4,87 3,94 3,25 2,56 2,16
11 26,8 24,7 21,9 19,7 17,3 13,7 10,3 7,58 5,58 4,57 3,82 3,05 2,6
12 28,3 26,2 23,3 21,0 18,5 14,8 11,3 8,44 6,3 5,23 4,4 3,57 3,07
13 29,8 27,7 24,7 22,4 19,8 16,0 12,3 9,3 7,04 5,89 5,01 4,11 3,57
14 31,3 29,1 26,1 23,7 21,1 17,1 13,3 10,2 7,79 6,57 5,63 4,66 4,07
                           
15 32,8 30,6 27,5 25,0 22,3 18,2 14,3 11 8,55 7,26 6,26 5,23 4,6
16 34,3 32,0 28,8 26,3 23,5 19,4 15,3 11,9 9,31 7,96 6,91 5,81 5,14
17 35,7 33,4 30,2 27,6 24,8 20,5 16,3 12,8 10,1 8,67 7,56 6,41 5,7
18 37,2 34,8 31,5 28,9 26,0 21,6 17,3 13,7 10,9 9,39 8,23 7,01 6,26
19 38,6 36,2 32,9 30,1 27,2 22,7 18,3 14,6 11,7 10,1 8,91 7,63 6,84
                           
20 40 37,6 34,2 31,4 28,4 23,8 19,3 15,5 12,4 10,9 9,59 8,26 7,43
21 41,4 38,9 35,5 32,7 29,6 24,9 20,3 16,3 13,2 11,6 10,3 8,9 8,03
22 42,8 40,3 36,8 33,9 30,8 26,0 21,3 17,2 14,0 12,3 11,0 9,54 8,64
23 44,2 41,6 38,1 35,2 32,0 27,1 22,3 18,1 14,8 13,1 11,7 10,2 9,26
24 45,6 43,0 39,4 36,4 33,2 28,2 23,3 19,0 15,7 13,8 12,4 10,9 9,89
                           
25 46,9 44,3 40,6 37,7 34,4 29,3 24,3 19,9 16,5 14,6 13,1 11,5 10,5
26 48,3 45,6 41,9 38,9 35,6 30,4 25,3 20,8 17,3 15,4 13,8 12,2 11,2
27 49,6 47,0 43,2 40,1 36,7 31,5 26,3 21,7 18,1 16,2 14,6 12,9 11,8
28 51,0 48,3 44,5 41,3 37,9 32,6 27,3 22,7 18,9 16,9 15,3 13,6 12,5
29 52,3 49,6 45,7 42,6 39,1 33,7 28,3 23,6 19,8 17,7 16,0 14,3 13,1
                           
30 53,7 50,9 47,0 43,8 40,3 34,8 29,3 24,5 20,6 18,5 16,8 15,0 13,8
40 66,8 63,7 59,3 55,8 51,8 45,6 39,3 33,7 29,1 26,5 24,4 22,2 20,7
50 79,5 76,2 71,4 67,5 63,2 56,3 49,3 42,9 37,7 34,8 32,4 29,7 28,0
60 92,0 88,4 83,3 79,1 74,4 67,0 59,3 52,3 46,5 43,2 40,5 37,5 35,5
                           
70 104,2 100,4 95,0 90,5 85,5 77,6 69,3 61,7 55,3 51,7 48,8 45,4 43,3
80 116,3 112,3 106,6 101,9 96,6 88,1 79,3 71,1 64,3 60,4 57,2 53,5 51,2
90 128,3 124,1 118,1 113,1 107,6 98,6 89,3 80,6 73,3 69,1 65,6 61,8 59,2
10
140,2 135,8 129,6 124,3 118,5 109,1 99,3 90,1 82,4 77,9 74,2 70,1 67,3
0
Francisco S. Aparicio Mijares, 1989

El valor usual de S es de 0,05. Para ese valor se tiene: (1-S)=(1-0,05=0,95); para

funciones de dos parámetros (m=2) como la normal y log normal, se tiene: (k-1-m=6-1-2=3),
2
por lo tanto:
χ ( 0 ,95 ) , (3 )=7 , 81 (este valor se obtiene del Cuadro 3.8 en la celda
 2
correspondiente a la intersección entre la columna
χ ( 0 ,95 )
y la fila q=3); para funciones de
tres parámetros (m=3) como la Pearson tipo III y la log Pearson tipo III, se tiene: (k-1-m=6-
2
1-3=2), por lo tanto:
χ ( 0 ,95 ) , (2 )=5 , 99 (este valor se obtiene del Cuadro 3.8 en la celda
2
χ
correspondiente a la intersección entre la columna ( 0 ,95 ) y la fila q=2); y para las
funciones de cuatro parámetros como la Gumbel de dos poblaciones, se tiene: (k-1-m=6-1-
2
4=1), por lo tanto:
χ ( 0 ,95 ) , (1 ) =3 , 84 (este valor se obtiene del Cuadro 3.8 en la celda
2
correspondiente a la intersección entre la columna
χ ( 0 ,95 ) y la fila q=1).

e.2.5 Se verifica el cumplimiento de la condición de ajuste:

2
 Para la distribución normal, se tiene:
C≤ χ ( 0 , 95) , ( 3 ) ; 6 , 49<7 , 81 , cumple.
2
 Para la distribución log normal, se tiene:
C≤ χ ( 0 , 95) , ( 3 ) ; 6 ,77<7 ,81 , cumple.

 Para la distribución Pearson tipo III, se tiene:

C≤ χ 2( 0 , 95) , ( 2 ) ; 4 , 19<5 , 99 ,
cumple.
2
 Para la distribución log Pearson tipo III, se tiene:
C≤ χ ( 0 , 95) , ( 2 ) ; 4 , 16<5 , 99 ,
cumple.
2
 Para la distribución Gumbel, se tiene:
C≤ χ ( 0 , 95) , ( 1 ) ; 8 , 78>3 , 84 , no cumple.

Como se ve, todas las distribuciones, excepto la Gumbel, presentan un ajuste aceptable.
No obstante, la distribución log Pearson tipo III ajusta mejor porque posee un valor C
menor. En general, esta conclusión concuerda con la prueba Weibull.

e.3 Prueba Smirnov-Kolmogórov:

e.3.1 Inicialmente se define el valor de la función de distribución de probabilidad observada

con la Ecuación 3.51:
m
F0 ( Pm )=1−
n+1

m - es el número de orden de cada uno de los datos de la serie disponible, ordenados de

mayor a menor; n - es el total de datos de la misma serie.

 Para la distribución normal, se tiene:

Cuadro 3.44 Cálculo de la función de distribución normal en la prueba Smirnov-Kolmogórov

m Pm F0(Pm) F(Pm) F0(Pm)- F(Pm)
mm

1 130 0,95 0,9251 0,025

2 130 0,90 0,9251 0,025
 3 128 0,85 0,8997 0,050
4 128 0,80 0,8997 0,100
5 125 0,75 0,8508 0,1010
6 123 0,70 0,8106 0,111
7 116 0,65 0,6217 0,028
8 113 0,60 0,5279 0,072
9 112 0,55 0,4960 0,054
10 112 0,50 0,4960 0,004
11 110 0,45 0,4325 0,017
12 106 0,40 0,3085 0,091
13 106 0,35 0,3085 0,041
14 105 0,30 0,2810 0,019
15 102 0,25 0,2061 0,048
16 102 0,20 0,2061 0,006
17 98 0,15 0,1271 0,023
18 94 0,10 0,0708 0,029
19 91 0,05 0,0436 0,006

 Para la distribución log normal:

Cuadro 3.45 Cálculo de la función de distribución log normal en la prueba Smirnov-

Kolmogórov
m Pm F0(Pm) F(Pm) F0(Pm)- F(Pm)
mm

1 130 0,95 0,9100 0,040

2 130 0,90 0,9100 0,010
3 128 0,85 0,8900 0,040
4 128 0,80 0,8900 0,090
5 125 0,75 0,8300 0,080
6 123 0,70 0,8050 0,105
7 116 0,65 0,6600 0,010
8 113 0,60 0,5800 0,020
9 112 0,55 0,5400 0,010
10 112 0,50 0,5400 0,040
11 110 0,45 0,5050 0,055
12 106 0,40 0,4000 0,000
13 106 0,35 0,4000 0,050
14 105 0,30 0,3850 0,085
15 102 0,25 0,3000 0,050
16 102 0,20 0,3000 0,100
17 98 0,15 0,2100 0,060
18 94 0,10 0,1400 0,040
19 91 0,05 0,1200 0,070

 Para la distribución Pearson tipo III:

Cuadro 3.46 Cálculo de la función de distribución Pearson tipo III en la prueba Smirnov-
Kolmogórov
m Pm F0(Pm) F(Pm) F0(Pm)- F(Pm)
mm

1 130 0,95 0,9150 0,035

 2 130 0,90 0,9150 0,015
3 128 0,85 0,8900 0,040
4 128 0,80 0,8900 0,090
5 125 0,75 0,8350 0,085
6 123 0,70 0,7990 0,099
7 116 0,65 0,6300 0,020
8 113 0,60 0,5600 0,040
9 112 0,55 0,5050 0,045
10 112 0,50 0,5050 0,005
11 110 0,45 0,4600 0,010
12 106 0,40 0,3400 0,060
13 106 0,35 0,3400 0,010
14 105 0,30 0,3100 0,010
15 102 0,25 0,2400 0,010
16 102 0,20 0,2400 0,040
17 98 0,15 0,1550 0,005
18 94 0,10 0,0900 0,010
19 91 0,05 0,0600 0,010

 Para la distribución log Pearson tipo III:

Cuadro 3.47 Cálculo de la función de distribución log Pearson tipo III en la prueba Smirnov-
Kolmogórov
m Pm F0(Pm) F(Pm) F0(Pm)- F(Pm)
mm

1 130 0,95 0,9000 0,050

2 130 0,90 0,9000 0,000
3 128 0,85 0,8800 0,030
4 128 0,80 0,8800 0,080
5 125 0,75 0,8300 0,080
6 123 0,70 0,7950 0,095
7 116 0,65 0,6400 0,010
8 113 0,60 0,5400 0,060
9 112 0,55 0,5050 0,045
10 112 0,50 0,5050 0,005
11 110 0,45 0,4600 0,010
12 106 0,40 0,3800 0,020
13 106 0,35 0,3800 0,030
14 105 0,30 0,3300 0,030
15 102 0,25 0,2600 0,010
16 102 0,20 0,2600 0,060
17 98 0,15 0,1800 0,030
18 94 0,10 0,0900 0,010
19 91 0,05 0,0800 0,030

 Para la distribución Gumbel:

Cuadro 3.48 Cálculo de la función de distribución Gumbel en la prueba Smirnov-Kolmogórov

m Pm F0(Pm) F(Pm) F0(Pm)- F(Pm)
mm
 1 130 0,95 0,8800 0,070
2 130 0,90 0,8800 0,020
3 128 0,85 0,8600 0,010
4 128 0,80 0,8600 0,060
5 125 0,75 0,8200 0,070
6 123 0,70 0,7900 0,090
7 116 0,65 0,6900 0,040
8 113 0,60 0,6300 0,030
9 112 0,55 0,6100 0,060
10 112 0,50 0,6100 0,110
11 110 0,45 0,5900 0,140
12 106 0,40 0,5000 0,100
13 106 0,35 0,5000 0,150
14 105 0,30 0,4900 0,190
15 102 0,25 0,4200 0,170
16 102 0,20 0,4200 0,220
17 98 0,15 0,3400 0,190
18 94 0,10 0,2400 0,140
19 91 0,05 0,2000 0,150

e.3.2 Se calcula el parámetro S, que representa el valor absoluto de la diferencia entre la

función de distribución de probabilidad observada Fo (Xm) y la estimada (ecuación 3.52) F
(Xm):

S = máx│Fo (Pm)-F (Pm) │

e.3.3 Se determina el valor crítico C del anterior parámetro, el cual se toma del Cuadro 3.9
en función del número de datos de la serie disponible (tamaño de la serie) y del nivel de
significancia que se seleccione. Generalmente se toma un nivel de significancia de 0,05; por
lo tanto C= 0,29.

e.3.4 Se verifica el cumplimiento de la condición de ajuste:

 Para la distribución normal, se tiene: S < C; 0,111 < 0,29; por lo cual el ajuste es
correcto y se acepta la función de distribución.

 Para la distribución log normal: S < C; 0,105 < 0,29; por lo cual el ajuste es correcto
y se acepta la función de distribución.

 Para la distribución Pearson tipo III: S < C; 0,099 < 0,29; por lo cual el ajuste es
correcto y se acepta la función de distribución.

 Para la distribución log Pearson tipo III: S < C; 0,095 < 0,29; por lo cual el ajuste es
correcto y se acepta la función de distribución.

 Para la distribución Gumbel: S < C; 0,220 < 0,29; por lo cual el ajuste es correcto y
se acepta la función de distribución.
Según esta prueba, todas las distribuciones cumplen. La distribución Gumbel es la más
deficiente y la mejor es la distribución log Pearson tipo III, dado que posee el menor valor S.
Debido a que esta conclusión coincide con las dos pruebas anteriores, se selecciona la
distribución log Pearson tipo III en los cálculos subsiguientes.