Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
m
p= ⋅100
n+1
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.
k=1+3,33⋅log⋅n
n - es el número de datos de la serie.
Ei =n [ F ( Si )−F ( I i ) ]
; i = 1, 2, ..., k (3.48)
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)
c. Prueba Smirnov-Kolmogórov
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).
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
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.
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.
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):
Ei =n [ F ( Si )−F ( I i ) ]
; i = 1, 2, …, k
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.
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
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
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.
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
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
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.
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.