Distribuciones teóricas - página (266)

1 969 186 1 984 606

1 970 883 1 985 616
1971 3687 1 986 287
1972 756 1987 121
1 973 186 1 988 350
1974 616 1 989 315
1975 224 1 990 294
1 976 122 1 991 3384

Correlación y
.2
regresron
7.1 Covarianza
La covarianza, es una medida que permite determinar que tan
independiente es una variable aleatoria de otra, es decir, el grado de
independencia de dos variables aleatorias.

Si X e I son dos variables aleatorias con medias Ir* , ¡t, , la

covarianza, se define como:
COV(X,Y)=§o =o, = ,[( x - p,)(Y- p,)] ...(7.1)

Desarrollando:
cov(x,g= nfxr-xily- lt,Y+ ü,Fr)
= E(XY)- ltrE(x¡- lt,E(Y)+ lt,lt,
= E(xY)- ltylt,- lt,lty* lt,lty
=E(xy)- ltylt*
r
Correlación y regresión - página (268) Hidrología Estadística - página (269)

cov(x, Y) = E(xY) - E(Y).E(D ...(7.2) r¡rás utilizados son los coeficientes de correlación y determinación y
l¡r desviación típica de los residuos.
Casos:
1. Si X e I son independientes, se cumple que: 7.4 Análisis de correlación
E(xn = E Q).E(X)
y de (7 .2), se tiene: ('onsiste en el cálculo de una medida del grado de correlación y la
COV(X, Y) = E(XY) - E(XY) = 0 rcalización de pruebas, p&rá determinar si es aceptable el grado de
.'. Si X e y son independientes -> COV (X,I0 = 0 irsociación correlativa.

2. Si X = Y, de (7 .2), se tiene: lil análisis de correlación está estrechamente relacionado con el

rrnálisis de regresión, puesto que.la fórmula utilizada en el cálculo
C)V(X, X) = E(*) - E(X).¿(D
CoV(x,x)=E(f)-(E(n)2 rlo la medida de correlación, depende del modelo de regresión
cov(x, x) = vAR(x) irrloptado. Por ejemplo, cuando se selecciona un modelo lineal
sirnple, se habla de correlación lineal simple.
.'. Si X = Y -) COV (X, Y) = VAR(X)

7.2 Correlación
7.5 Coeficiente de correlación
lil coeficientede correlación, es el estadístico que permite medir el
La correlación, se define como la asociación entre dos o más
¡1rado de asociación de dos variables linealmente relacionadas.
variables aleatorias, que explica sólo parcialmente la variación total
de una variable aleatoria, por la variación de otras variables l)ara el caso de una población se define como:
aleatorias involucradas en la ecuación de asociación.
COV(x,y) O, nltx-tt*)(y-tD)
p(*,v) = ..(7.3)
La parte de la variación total que queda sin explicar, o sea, la oro,
variación no explicada, se debe a errores o a otras variables (VARxVARy)z lrr* - p)2 EO - F;z1,z
aleatorias, que no han sido tomadas en cuenta en la correlación.
l)ara una muestra:
sry »(, -;Xy - y) Zry - "iy ... (7.4)
S,S, rS,S, nS*S,
7.3 Medidas de correlación
donde:
Se necesita un estadístico para medir el
grado de asociación
correlativa entre las variables bajo consideración. Los estadísticos ; Sr=
»6-i'
 Correlación y regresión - página (270) Hidrología Estadística - págtna (271)

; y= 2,
2,* Pasos para el análisis de regresión
^- n n

también:
I. Selección de una función de relación correlativa, simple o
múltiple,lineal o no lineal.
"2*y-}*Zy ...(7.s) y =flx)
!=atbx
!=ab*
Valores de r entre -1 y 1 describen los varios grados de asociación. Y = ax'b
etc
2. Estimación de los parámetros que miden el grado de asociación
7.6 Coeficiente de determinación correlativa
r2
Es la proporción o porcentaje, de la variación total de la variable r
dependiente y, que es explicada por la variable independiente r, por
lo cual, es un criterio para explicar la importancia de la variable 3. Prueba de significación de los estadísticos que miden la
independiente dentro del modelo. asociación correlativa, para lo cual se aplica la prueba f.

Por ejemplo, si para la ecuación: I'roceso:

!=a*bx 3.1. Se plantea la hipótesis
se tiene: = 0.85, esto quiere decir que el85Vo de la variación dey,
12 Ho : p = 0 (p es el coeficiente de correlación poblacional y su
es explicada poru y el l57o restante es debido a los errores y a otras
' valor varía entre -l y 1)
variables no consideradas. Ha:p*0
3.2. Cálculo del r calculado (fc)
7.7 ,A.nálisis de regresión
Se utiliza la ecuación
Es una técnica determinística, que permite determinar Ia naluxaleza rJnl
de la relación funcional entre dos o más variables, permite predecir ' 4l- r'
t_ -

los valores de y = flx) con un cierto grado de aproximación. donde:

r = coeficiente de correlación
n = número de pares de valores

3.3. Cálculo del, tabular (rr)

a

Correlación y regresión - página (272) Hidrología Estadística - página (273)

El /¡ se obtiene de las tablas preparadas para este efecto, con un nivel

de significación s o una probabilidad (l-cx ), y con grado de $- "2*y- Ir), ...(7.6)
libertad (v = n - 2), donde n es el número de pares de valores. nZ*' -(»r'
Por ejemplo la tabla ,4.5 del apéndice, permite calcular [, si se elige
una probabilidad del95Vo, el valor que se debe tomar de la tabla ...(7.7)
a
,2
corresponde a = 0.025
tlonde:

rr/2 = 0.025
),L
x=- nn ; y=-
.5. Determinar la significación de los parámetros de la ecuación de
regresión, encontrando los límites de confianza de su variación
Así: (se usa el análisis de varianza).
para n=15 -) v=15-2=13
a '7.8 Regresión lineal simple
para957o de probabilidad ->
i = o'ozs
En hidrología el modelo más simple y común, está basado en la
entonces, de la tabla ,4.5 del apéndice: ) t¡ = 2J60
suposición de que dos variables se relacionan en forma lineal.
3.4 Criterios de decisión: Como ejemplo se puede mencionar:
. Si lt"l< h, se acepta la hipótesis nula, por lo que p =O,y por lo . Caudales y precipitación de una misma cuenca
tanto no hay correlación significativa.
. Precipitaciín de una estación, con precipitación de otra estación
. Si lr"l , /¡, se rechaza Ia hipótesis nula, por lo que p I 0, . Caudal de una estación con caudal de otra estación
indicándose que es significativo y por lo tanto existe correlación
. Precipitación con la altitud de una cuenca
entre las variables.
Este hecho, permite correlacionar estas variables para completar
datos o extender un registro.
4. Estimación de los parámetros de la ecuación o función de
regresión
Por ejemplo para la ecuación de regresión lineal: Ecuación de regresión
!=a+bx
Los parámetros ¿ y b,lutllizando mínimos cuadrados son: La ecuación general de la ecuación de regresión lineal es:
!= a*bx ...(7.8)
a

Correlación y regresión - página (274) Hidrología Estadística - página (275)

as
donde:
x =variable independiente, variable conocida ===0
da
ó ff=-rá(r,-a-bx,)=s ... (7.10)

) = variable dependiente, variable que se trata de predecir

as
a = intercepto, punto donde la línea de regresión cruza el eje
ab=
0 ó #= r}*,(t,-a-bx,)=o ... (7.r1)
J, es decir valor dey cuando ¡ = 0
b - pendiente de la línea o coeficiente de regresión, es decir,
De (7.10), se tiene:
es la cantidad de cambio de y asociada a un cambio
unitario de x. )y, - na-b\x. =0 ó na*bE*,- )r, - 0 ... (7.12)
Estimación de parámetros I)e (7.11) , se tiene:
E*,y, -oE*, -b»x? =o
Dada la ecuación de regresión lineal: o oEx, +b\x! -),*,y, =o ... (7.13)
l=albx
donde a y b son los parámetros de la ecuación. [-as ecuaciones (7.12) y (7.13) se denominan ecuaciones normales,
El método más utilizado para la estimación de los parámetros a y b,
las cuales resueltas dan para a y b:
es el de mínimos cuadrados.
... (7.14)
Procedimiento:

1. Cálculo del error ei entre el valor observado h y el teórico !, : ... (7.1s)

e¡=!¡-i¡
tin los cálculos resulta más cómodo calcular b con la ecuación (7.15)
ei= U -@:.)=ii-a-bx¡ y calcular c como:
observado tuórico )v, ' )', ... (1.16)
2. Cálculo de la suma de cuadrados de los effores:

s =2r,, =26,-o-b*,)'
j=l
...(7.e) Ejemplo 7.1:

3. Hacer que la suma de cuadrados de los errores sea mínimo:
Para que S sea mínimo, se requiere que la derivada parcial de S de la
ecuación (7.9), con respecto a cada parámetro sea igual a cero, es
decir:
En una cuenca, como se muestra en la figura 7.1 se tienen dos
estaciones de aforo A y B, en las que se midieron los caudales
3/s
medios mensuales, en n para el año 1995, los que se muestran en
la tabla 7.1. Considerando que los caudales de la estación A, son las
 Correlación y regresión - pítgina (276) Hidrología Estadística - página (277)

variables independientes (r) y que los caudales de la estación B, son §r¡lución:

las variables dependientes (y):
1. Probar si los datos de ambas estaciones se correlacionan l, Sea la ecuación que correlaciona a las variables
linealmente. !=a+bx ...(7.17)
2. Calcúar el caudal en la estación B, para un caudal de 800 m3/s donde:
en la estación A. x = caudales de la estación A
) = caudales de la estación B
Tabla 7.1 Caudales promedios mensuales de las estaciones A y B 2, De acuerdo a los datos se tiene n = 12 (número de pares de
tlatos); los cálculos de sus sumatorias, se muestran en la tabla7.2.
Mes Estación A Estación B
(m%) rm3lsl 'l'll'¡laJ.2. Productos, cuadrados y sumatorias de las variables x, y
E 321 175
222
F
M 155
75
45
x v xy x' t'
A 274 77 321 175 561 75 1 03041 30625
M 431 131
222 75 6650
1 49284 5625
J 446 136
155 45 6975 24025 2025
J 456 171
274 77 21 098 75076 5929
A 1270 475
431 131 56461 1 85761 17161
S 2089 897
446 136 60656 1 9891 6 1 8496
o 1618 710
456 171 77976 207936 29241
N 431 268
1270 475 603250 161 2900 225625
D 509 224
2089 897 1 873833 4363921 804609
1618 710 1148780 2617924 5041 00
431 268 11 5508 r 85761 71824
509 224 114016 259081 501 76
8222 3384 4151378 9883626 1765436

J, Cálculo de r:
l)c la ecuación (7.5), se tiene:

"Z*y- Ir),
,Z*' -(»,)')( nDy' -()r)')
A
Figura 7.1. Estaciones de aforo A y B de una cuenca
§ttst i tuyendo valores, resulta:
 Correlación y regresión - página (278) Hidrología Estadística - página (279)

- 8222x3384
12x4151378 5. Cálculo de los parámetros a y b:
' De la ecuació¡ (7.14), se tiene:
,(-z» 883626 -Bezz'W"n654io - z§+'
I_
2l'993,288.00 " - EvE*'-ErZ*
nE*' -(»')'
22',28r,026.59

r = 0.9811 Sustituyendo valores, resulta:

33 84 x 988 3626 - 415 137 I x 8222
rz = 0.9743
12x9883626 -82222
4. Prueba de significación a = - 13.4590
4.t IJipótesis:
Ifo: r=0 De la ecuación (7.15) , se tiene:
}la'. r *0 [- "E*y-ZrE,
4.2 Calculo de tc:
,J"-z
n2*' -().)'
l-
'
^ll- r' S ustituyendo valores, resulta:
12x4151378-8222x3384
o.s87t^lT2 -2 b-
L2x9883626-82222
' Jl -0.9143 b =0.4312
t, = 19.4J13
6. Ecuación de regresión:
4.3 Cálculo del rt: Sustituyendo valores en la ecuación (7.17), se tiene:
De la tabla ,4.5 del apéndice, para:
! = -13.4590 + 0.4312 x ... (7.18)
v=n-2=12-2=10
a 0.05 . Cálculo del caudal en la estaci ón A, para un caudal de 800 m3/s
y unaprobabilidaddel95To U, = Z =0.OZS 7

en la estación B.
se tiene: h=2.228 Sustituyendo valores en la ecuación (7.18), resulta:
y = -13.459O + O.4312 x 800
4.4 Criterio de decisión:
y = 331.5010 m3/s
Como: I r. I = lg.47l3 ) t¡ = 2.228 se rechaza la hipótesis nula,
siendo r + 0
.'. existe correlación entre las variables x e y.
a

Hidrología Estadística - página (281)

Proceso computacional
7.9 Regresión no lineal simple
Para los datos indicados, utilizando la opción Regresión/Regresión
Existen varias relaciones no lineales, que con un artificio adecuado
simple de HidroEsta, se obtienen los resultados que se muestran en
lafigura7.2. ¡rueden reducirse a relaciones lineales, dentro de las cuales se
pueden mencionar:
1
Correlación Ecuación y= ... (7.te)
a+bx
Lineal Y = 13.4590'lü7 + 0.4312221 .H 0.38703 0.37434
Exponencial Y = 77.s880355. [ 1.001 3237 J ^X 4
0.9ü1 0.81 253 t=alb 1 (inversa) ... (7.20)
Potencial Y = 0.1359426 . X ^ f].107t57 0.s653 11.33181 x
!=ab^(exponencial) ... (7.2t)
Figura. 7.2 Regresión entre los caudales de las estaciones de aforo
Ay B deunacuenca y=axb (potencial) .." (1.22)

J = 0x*bx2 ... (1.23)

Observar que la ecuación lineal, es la que tiene un coeficiente de
correlación R = 0.98709 más alto que las otras ecuaciones I)ara el uso de estas ecuaciones, en todos los casos, el proceso es
como sigue:
Con la ecuación lineal, para un caudal de 800 m3/s en la estación A, l. Realizar la transformación de variables a fin de obtener una
se obtiene un caudal 331.52 m3ls en Ia estación.8, este resultado se regresión lineal.
muestra en la figura 7 .3. 2. En la ecuación lineal obtenida, aplicar el método de mínimos
cuadrados para estimar los nuevos parámetros at y br
AplicarecuaciÉn: , .1. Restituir los cambios de variables, a fin de obtener los parámetros

Ecuación Line¡l
iniciales ay b.
4. Utllizar la ecuación siempre y cuando exista correlación
i

',1_"ro'*'
dey: jtBi
Vator
i adecuada entre las variables.
lmt ;

A continuación, para las ecuaciones de la (7.19) a la (7.23), se

f. :con e rndican el proceso de linealización.
c áón ecuación Exponencial
C con ecuación Potencial
Ecuación:

Figura. 7.3 Resultado obtenido con ecuación lineal

l)e la ecuación (7.19), invirtiendo los miembros se tiene:
 Correlación y regresión - página (282) Hidrología Estadística - página (283)

1
-=a+bx
¿ x 1
v
w w= -v
1
haciendo: -v = w, se tiene la ecuación linealizada:
w= a+bx ... (7.24)

Para aplicar el método de mínimos cuadrados y estimar a y b se Ecuación: ! =ab*

trabajan con las variables:
1
x Y W=- Tomando logaritmos neperianos en la ecuación (7.21), resulta:
v
lny=lna+xlnb
walbl
haciendo:
x I w=
1
lnY:
-v Y'
lna = a, ... (7.26)
lnb = bt ... (7.27)
se tiene:
W=at*btt ... (7.28)

Ecuación: y=a+b! Para aplicar el método de mínimos cuadrados y estimar at y bt,

x trabajan con las variables:

1
x y w=lny
De la ecuaciín (7 .20), haciendo
; = *, se tiene:
!=a*bw ... (7.2s)
x v w =lnv
Para aplicar el método de mínimos cuadrados y estimar ¿ Yó,se
trabajan con las variables:
1
w=-x a !
 Correlación y regresión - página (284)
Hidrología Estadística - página (285)

De (7.26) y (7.27), se tiene:

De (7:30), se tiene:
o=rol a-
b, a=e I
b=e L
Por lo tanto, la ecuación (7.22) toma la forma:
Por lo tanto, la ecuación (7 .21) para estos valores toma la forma:
y = eal .xb ... (7.3r)
y = uol .{rbt ¡*
y= ,or 'rut' ... (7.2e) Ecuación: v=ax+ bxz

Dividiendo ambos miembros de la ecuación (1.23) entre r, resulta:

Ecuación: y=axb ! -a+bx
4
w
Tomando ln a la ecuación (7.22), se tiene:
lny-lna+blnx
!J
haciendo !- w se tiene:
worz x
w=a+bx
haciendo:
Para aplicar el método de mínimos cuadrados y estimar ay b,
lnY = Y' v
lna= at ... (7.30) trabajan con las variables xy * =;
lnx=z
resulta:
v,= at *b z
Para aplicar el método de mínimos cuadrados y estimar a7, y b, se
x
trabajan con las variables: z= lnx y w = lny v w= -v
x

x v z=lnx w =lnv
 Correlación y regtesión - página (286) Hidrología Estadística - página (287)

Proceso computacional )y al)r, * or2*, * or\r, +........+a^\x^

= aon+

HidroEsta, permite resolver el problema del ajuste de pares de L*ry = aoExr+ orl*', * or)*r*r* ar)r,rr*.... .+a.\xrx*
valores experimentales a:
. Una línea recta L * ry = a,Z x, + arl x rx, + or\ *l + arl xrx 3+.....+a nE *r* ^
. Una curva exponencial
' Una curva poteucial E *. y = a,E x ^ + a rl rx. + r\ x, * r\ * r* *'.
x a x
^
a
^*.....+
o
^\
(7
Para cualquier tipo de curva, la aplicación permite calcular: "' '33)
. donde: n = número de grupos de elementos de la muestra.
Los parámetros a y ó
. Loscoeficientet,y,2 [,a solución del sistema (7 .33) proporcionan los valores as, a1, o.2, . .

. El valor de la variable dependiente para un valor de la . ram

variabl e independiente
7.L0 Ecuación de regresión lineal múltiple
Esta técnica de análisis, se utiliza cuando la variable dependiente y,
es función de dos o más variables independientes ,r1, x2, x3,. . ., rm,
siendo el modelo lineal:
!=ao* a1x1*a2x2* a34 +... + an#m ...(7.32)
donde:
m = número de variables independientes
ao, a\, a2, . . , am= parámetlos a estimar
p = m+ 1 = número de parámetros
Estimación de parámetros
Extendiendo el método de mínimos cuadrados, para el caso de una
regresión lineal múltiple, las ecuaciones normales que se obtienen
son:
El número de ecuaciones normales, deben ser tantas como
incógnitas se tienen, a fin de que se tenga un sistema resoluble y así
oncontrar: ao, al, a2, - .,, am
Hl conjunto de ecuaciones normales (7.33) son fáciles de recordar,
observar que la primera se obtiene aplicando la sumatoria a ambos
rniembros de la ecuación (7.32), es decir:
L, =E@" + atxr + azxz + a3x3 +..... + a*x^)
E, = aon+ or2*, + ar\x, + ar\xr+..... + o-2*^
La segunda se obtiene multiplicando ambos miembros de la
ccuación (7.32) por .r¡ y luego aplicando la sumatoria, es decir:
Z*ry =Z*r(ao + arx, + azx2 + a3x3 +..... + a^x*)
E*ry = o"Z*, + ar\xl + ar)xrx, * arZ*r*, +..... + a^\xrx^
Análogamente, la tercara se obtiene multiplicando ambos miembros
de la ecuación (7.32) por x2, ! luego aplicando la sumatoria, es
decir:
 Correlación y regresión - página (288) Hidrología Estadística - página (289)

E*r, --Err(ao + arx, + a2xz + a3x3+.....+ a^x^) La ecuación (7.34) es muy tediosa de calcular, pü [o que los
estadísticos han derivado una fórmula más corta de calcular por el
Z*r, = oo2*, + ar\x, x2 + azZ*3 * ar\*rx, + ..... + a*\*rx* método computacional, la cual se muestra en la ecuación (7.35).

Las ecuaciones restantes se obtienen con el mismo proceso, pero

multiplicando por x3, x4, . . ., xm, respectivamente. o.3s)

Cabe aclarar, que lo indicado en las líneas precedentes, no es una

deducción de las ecuaciones normales, sino sólo una forma de Las variables definidas en la ecuación (7.35), son las ya indicadas
recordarlas. anteriormente.

Error estándar del estimado para regresión múttiple
(Se)
Es la medida de dispersión que se calcula con la siguiente ecuación:
Coeficiente de determinación múltiple
Representa la proporción de la variación total de y que es
explicada por las variables involucradas en la ecuación de regresión
múltiple, se puede calcular a partir de la ecuación (7-36) o (7.37).

R'^= 1---^
Sez
Se= ... (7.34) ... (7.36)
S'Y
donde:
R2=
o,2 y * o r\ *,y + a r\ x ry + a r\ x ry +......+ a
^2 ^, -
* nt'
.S¿ = error estándar del estimado
y = valores muestrales (experimentales) de la variable 2v'-"v'
dependiente ... (7.37)
donde:
9 = oo* ay x1 * a2x2+ . . . + amxm
= valores estimados de la variable dependiente con la
R2 = coeficiente de determinación
ecuación de regresión Se = effor estándar del estimado, calculado con las
e = ! - Í = e..o. entre el valor observado y estimado de la ecuaciones (7 .34) o (7.35)
variable dependiente
S'y = vaianza de la variable dependientey
n = número de grupos de la muestra s'y=*(»t, -(t)')) =*(» y'-n(y)') . rz.rsl
p = m+l = número de parámetros a estimar a partir de la
muestra
p grados
, =:)r= media de la variable dependiente
n - = de libertad
n = número de grupos de la muestra
r
Correlación y regresión - página (290) Hidrología Estadística - página (291)

Coeficiente de correlación múltiple (r, Calcular los coeficientes de determinación y correlación múltiple
7. Estimar el valor de Q, si A = 4 km2 e I = 1.5 cmt}4h
El coeficiente de correlación múltiple, se puede calcular a partir de
las ecuaciones (7.39) ó (1.40). 'l'rrtrla 7.3 Valores de A, I y Qpara 14 subcuencas

... (7.39)
A I o
Estación (xm') (cml24 horas) (m%)
I
1.250 1.70 15.50
oo}y + orl*ry + ar)xr! t asE*rr*......+a^lx,y - n ' 1

2 0.871 210 8.50

=[
^ Lv'-"v' 3
4
5.690
8.270
1.90
1.90
85.00
105.00
... (1.40) 5 1.620 2.10 24.80
6 0.175 2.40 3.80
Ejeruplo 7.2: 7 0.148 3.20 1.76
8 1.400 2.70 18.00
Del estudio de una re§ión de Costa Rica, se ha obtenido para 14 I o.297 2.90 8.75
subcuencas, el caudal promedio anual (de los caudales máximos 10 o.322 2.90 8.25
11 0.178 2.80 3.56
anuales) Q, en m3/s, el área de la cuenca A, enkmz, y la intensidad
12 0.148 2.70 1.90
máxima de precipitación I, en cn/24 horas, siendo los resultados los
13 o.872 2.10 16.50
que se muestran enlatabla7.3. 14 0.091 2.90 2.80

Se desea saber si éstas variables se correlacionan linealmente, es Solución:

decir, si se puede establecer el siguiente modelo:
Q = ao+ arA + a2I ... (1 .4t) l. Cálculo de los parámetros
Se pide : l.l. Para el ejemplo, utilizando las ecuaciones normales (7.33), se
1. Calcular el intercepto a6, los coeficientes de regresión at, a2, y tiene:
definir la ecuación de regresión lineal múltiple.
Ee= aon+ atZl* orZI
2. Calcular Q, caudal estimado con la ecuación (1.41), para cada
conjunto de valores de A e I. Z,qg = aoZ A + a,Z,q' * or\ A* t .'. (7 .42)
3. Calcular los errores e, = Q- A Lrc=ao»I *or\exI +ar\I'
4. Calcular el error estándar del estimado (S¿) rlruttle n = 14
5. Calcular lavarianza de la variable dependiente
 Correlación y regresión - página (292) Hidrología Estadística - página (293)

1.2. En la tabla 1.4 se encuentra tabulado los valores de las )s, que 1.4 Multiplicando la ecuación (7.43) por -34.3 y la ecuación
reemplazado en el conjunto de ecuaciones (7.42), resulta: 11.45)
304.12 = 14 as + 21.332 q + 34.3 a2 ... (7.43)
1465.8929 = 21.332 ao + 108.7412 a1+ 43.3419 az ... (7.44)
627.8 = 34.3 as+ 43.3419 + 86.99 az q ... (7.4s)

Tabla 7.4 Yalores para el cáIculo de los parámetros -1642.116 = - l24.9Ota1 + 41.37 a2 Q.47)
A I o AxI AxQ IxQ A" lz Q, 1..5. Multiplicando la ecuación (7.46) por 124.901 y la ecuación
(r) (2) (3) (4) (s) (6) (7\ (8)
(7.47) por 1067.322576, se obtiene:
l9)
r.250 t.7 15.50 2.t250 l 9.3750 26.3500 t.5625 2.8900 240.2500
0.87 r 2.t 850 .829 7.4035 17.8500 0.7586 4.4lOO
t
r 1 72.2500
I
5.690 t9 85.00 10.81 10 483.6.500 161 500 32.f76r 3.6100 7225.OOOO t t.46) x 124.901: 1752987.129 = 133309.6$71 a1- 15600.2598 a2
8.210 19 105.00 15.7130 868.3500 199.500 68.3929
t.620 2t 24.80 3 4020 40.1760 s2.0800 2.6244
3.6100
4.4100
r 1025.000
615.0400
- 175266'7.479 = -r33309.f571
I
0.1 75 3.80 0.4200 0.6650 9. l 200 0.0306 5.7600 14.4400
r t.47) xr067.322576: ar + 44155 .t3497 u
0.148 32 1;76 0.4'736 0.2605 s.6320 0.02t9 10.240 3.0976
1.400 27 18.00 3.7800 25.2000 48 6000 1.9600 7.2900 324.0000 319.65 = 28554.87517a2
0.291 29 8.75 0.86 r3 2.s987 25.3750 0.0882 8.4100 76.5625 rk: donde:
0 322 z9 8.25 0.9338 2.6565 23.92s0 0.1037 8.4100 68 062s
0.178 28 3.56 0.4984 0.6337
az= 0.01LI94 ... (7.48)
9.9680 0.031 7 7.8400 t2.6736
0.148 27 190 0.3996 o 2812 s.1300 o.0219 7.2900 3.6100
0.872 21 16.5 1.83 l2 l 4.3880 34.6s00 0.'7604 4.4100 272.2500 I .(r. Sustituyendo (7.48) en (7.46), se obtiene:
0.091 29 280 0.2639 0.2548 8.1200 0.0083 8.4100 '7.8400
21.332 34.3 304.12 43.3419 1465-8929 627.800 108.7412 86.990 19960.O742
14035.01276 = 1067.322516 a1- 124901 x 0.011194
tlc donde:
1.3. Multiplicando la ecuación (7.43) por -21.332 y la ecuación at = 13.151048 ... (7.49)
(7 .44) por 14, se obtiene:
1.7. Sustituyendo (7.48) y Q.a9) en (7.43), se obtiene:
304.12 = 14 ao + 21.332 x 13.151048 + 34.3 x 0.011194
rlc: donde:
ao= 1.656991 ... (7.s0)

t4035.01216 = 1067.322576 a¡ - 124.901a2

a"= 1.656991
... (7.46) at = 13.151048
az = 0.0L1194
 Correlación y regresión - página (294) Hidrologfa Estadística - página (295)

Siendo la ecuación de regresión múltiple: donde:

Q = 1.656991 + 13.151048 A + 0.01 ll94 I ... (7.s1) Ze2= l7l.Og84 , I de la columna (6) de la tabla 7.5
n= 14 , número de grupos de la muestra
2. Uttlizando la ecuación (7.51) para los valores experimentales, se p =3 , número de parámetros a estimar (ao, a1, a2)
obtienen los valores estimados del caudal, los que se muestran en
la columna (4) de la tabla 7.5.
= ^§e =3.943907
3. La diferencia entre el valor experimental y el valor estimado del
caudal con la ecuación (7.51), representa el error, estos valores se
.5. De la ecuación (7.38), se tiene:
muestran en la columna (5) de la tabla 7.5.

Tabla 7.5 Cálculo del caudal estimado y del error

$=*lEo'-no')
donde:

o 2Q'= 19960.0742, (columnas (9) de lafablaT.4)

experimental 304.12
(3) Q= * =21'722857
18.1148 -2.6148 n=14
13.13s1 luego:
1
110.4374 ,s1 = - ltsoao.ot +2
"a - L4-1"'uu'u'-u - rrl\'
t4x2t.7zzg57rf
1 .8148
S'a= lozl.z}9l52

(r. De la ecuación (7.36), se tiene:

R'^= 1
Sez
------
Sí,
tklnde:
Se2 = 3.9439072 = 15 .5544
S'a= lo2l -209152
» 171.0984
4. De la ecuación (7.34), se tiene: lucgo:

J¿=-
»7 ^
R-=l
155544
1027.209152
\n- p R2 = 0.984858
 Correlación y regresión - página (296)
Hidrología Estadística - página (297)

R = 0.9924 De la figura 7.4, se observa que el modelo de correlación lineal

rnúltiple de la forma:
7 .
En la ecuación (7.51):
Q = 1.6570+ 13. 15 104 + 0.0ll2l
Q = 1.656991 + 13. 151048 A + 0.01 Il94 I tiene un coeficiente de correlación y determinación mayor. Con esta
para:
A_Á ccuación para A = 4 km2 e I = 1.5 cml24h, se obtiene un caudal Q =
/1 -+ 54.2780 m'/r, cuyo resultado se muestra en la figura 7.5.
I = 1.5
se tiene:
Aplicar ecuación:
¡
A = 1.656991 + 13.151048 x 4 + 0.01 Il94 x 1.5
Eorrelación lineal múltiple
0 = 54.28 m3/s
Valor deXl; l¡-
Proceso cornputacional Valor deX2: ILS

L -
HidroEsta permite resolver el problema de la ecuación de regresión I
I

lineal múltiple, la aplicación perrnite calcular:

. Parámetros: do, aj, dz, . . .
. Coeficiente de determinación múltiple'. R2 I

{^ con corelación potencialmúltiple

. Coeficiente de correlación múltiple:
. Effor estándar estimado: ,S¿ t i
J

. Valor de la variable dependiente para conjuntos de valores

Figura 7.5 Uso de la ecuación de regresión lineal múltiple
de las variables independientes
Los resultados obtenidos con la aplicación, permiten una mayor
aproximación en los decimales. 7.ll Ecuación de regresión no lineal múltiple

Para los datos indicados, utilizando la opción Regresión/Regresión l,u forma general de una ecuación de regresión no iineal múltiple es:
múltiple 2 var. independientes de HidroEsta, se obtienen los ! = aoxrot xro'*r" ..... .,, (7.52)
resultados que se muestran en la figura 7.4. ll misma que es posible transformar con un adecuado artificio, en
u¡la ecuación de regresión lineal múltiple, de la siguiente forma:
E cuEciúrr ln H^2
l. Tomando Iz a ambos miembros de Ia ecuación (7.52), se tiene:
Y = 1.ris7ll +13.151 U i(l
+0 ü112 i42 0.ss3E 0.9872 3.S43S
ln y - lnao + arlnx, + arlnx, I arlnxr+. . .
y= 11 3383X1^trt t2rl6l y2^t0 38751
[ 9688 0 9388 4.7153

Figura 7.4 Modelos de comelación múltiple ).. Haciendo:

lny-z
 Correlación y regresión - página (299) Hidrología Estadística - página (299)

lnao- a'o . Valor de la variable dependiente para conjuntos de valores

lnxl - y¡, de las variables independientes.
lnx2= Y¡.-
,*t..*, 7.12 Ecuación de regresión polinomial
l,n ecuación polinomial de grado m es:

se tiene:
! = ao + afl + arx' + arx3 +....+a^x^ ... (7.s4)

z = a'o + atwt + azwz + a3w3 +.... ... (7.s3) l\rra el ajuste de los pares de valores, se puede utilizar la
tnetodología descrita para el caso de una ecuación de regresión
La ecuación (7.53) es una ecuación de regresión lineal múltiple, li¡real múltiple, siendo las ecuaciones normales:
similar a la de la ecuación (7.32).

Por ejemplo, en hidrología existe una fórmula utilizada para el X, = aon+at)r* orZ*' +or\*'+....+a^x^
cálculo de la intensidad máxima: E*, = ooZ* + or\*' + ar\x3 + ar\xa +....+a^x**l
, KT' E*'y = aoEx' + ar\x' + ar\xo + or\*t +....+a^x^*2
max
Du
cuyos parámetros K, a y á se pueden determinar a partir de una
correlación múltiple entre las variables, donde:
Z- período de retorno L*^y = aoEx^ + ar\x^*' + ar\x^*' *or}*^*t+....+a^x2^
D = duración de la lluvia ... (7.ss)
I máx = intensidad máxima

Proceso computacional 7. [3 Problemas propuestos

HidroEsta, permite resolver el problema de la ecuación de regresión I De una prueba de infiltración, con cilindros infiltrómetros, se
potencial múltiple, el programa permite calcular: obtuviel ln los ssl
leron n de datos:
. Parámetros ao, ab a2,.... T 4
(cm)
T
(min)
De
lmin) lcm)
. Coeficiente de determinación múltiple: 5 1.0 75 3.8
. Coeficiente de correlación múltiple: R R2 10 1.2 200 8.0
. Error estándar estimado: .§¿ 15 1.4 255 9.6
20 1.6 300 11.0
25 1.8 450 14.5
 Correlación y regresión - página (300) Hidrología Estadística - página (301)

donde: . Usando un polinomio de segundo grado:

T : tiempo en min. Q=aota.th+a2h2
D": láminaacumulada en cm. . Usando un polinomio de tercer grado:
Se pide:
Q,=aotath+a2h2+a3h3
1.1. Realizar los cálculos, para ajustar por el método de mínimos
cuadrados a la curva potencial: 2.3. En un papel milimétrico plotear:
D^=at' ¡ Datos empíricos de la tabla
' calcular los parámetros ¿ y á y los coeficientes de correlación y . Ecuación potencial teórica ajustada
determinación. . Ecuación polinomial de 2" orden ajustada
Graficar los datos en papel milimétrico, en papel semilogarít- . Ecuación polinomial de 3"' orden ajustada
mico y en papel log-log.
calcular con la ecuación ajustada los valores de Da q'e 2.4. Calcular su coeficiente de correlación
corresponden a los T dados y graficar los puntos obtenidos en
los mismos papeles. Tabla 7.6. Valores de altura en el limnímeho y sus caudales
correspondientes
1.2. Realizar los cálculos para ajustar los datos:
. alaecuaciónlineal : Du=a+bT I h o I h o
. a la curva exponencial: Du = agr lm) tmslsl fml tm3lsl
Indicar de acuerdo a los resultados obtenidos para los coeficientes 1 2.45 531 13 1.01 201
de correlación, cual sería la curva que se ajusta mejor a los datos 2 1.51 294 14 o.71 146
de 3 1.48 288 15 0.51 120
prueba.
4 .o.78 1s9 16 o.52 111
5 5.80 1635 17 0.50 81
1'3 Plotear en un papel milimétrico los datos experimentales z y 6 6.00 1705 18 2.O2 449
Dr, y las curvas teóricas: lineal, exponencial y potencial. 7 4.16 1089 19 1.72 369
8 5.58 1560 20 1.92 422
2. En una estación de aforo de un úo, se han medido las alturas de 9 3.80 937 21 1.35 266
escala en el limnímetro y los caudales aforados para esas escalas, 10 4.08 1013 22 1.28 247
11 2.63 616 23 1.40 280
las mismas se muestran en la tabla7.6.
12 1.11 210

2.1. Hallar la ecuación de calibración que relacione la lectura en el

3. En la tabla 7.7 se muestran las intensidades máximas I en mm/hr,
limnímetro (escala), con el caudal.
. para duraciones de 5, 15, 30, 60, 120, 240 y 480 min, y para
Usando un modelo de la forma:
períodos de retorno 7 de 50, 30,20,10 y 5 años.
Q=ahb
 Correlación y regresión - página (302) Hidrología Estadística - página (303)

3.1. Encontrar la ecuación de regresión: ¡ Hallar la ecuación de la forma:

Y =173- abx
I=m:
DO
r¡ue relaciona estas variables, así como su coef,rciente de correlación.

que relacione estas variables

. Calcular Y,paraX= 14

3.2. Encontrar la intensidad máxima I, para un período de retorno .5. La tabla 7.9 muestra los valores correspondientes a 3 variables
T = l0 años y una duración D = 45 min. X], X2, Y.

Tabla 7.7 Yalorcs de intensidad máxima 1, duración D,y período de

'l'i¡hla 7.9 Variables Xl, X2, Y
retorno Z, de las precipitaciones
\ n Y xl n Y x1 n Y
30_ 32 4.51 40 32 4.5 50 32 4.6
I (mm/hora) 30_ 16 4.3 40 16 4.25 50 16 4.2
T D (min) 30 8 4.3 40 8 4.1 50 I 4
(años) 30 4 4 40 4 4 50 4 4
5 15 30 60 120 240 480 30 2 3.8 40 2 3.9 50 2 4
50 235 232 220 130 82 70 58 30 1 3.7 40 1 3.75 50 1 3.8
30 233 230 210 120 80 65 52 30 0.5 3.4 40 05 3.7 50 0.5 3.8
.20 230 220 200 105 72 60 50 30 0.25 3.6 40 o.25 3.6 50 0.25 3.8
10 225 210 180 100 64 50 19
5 180 170 160 90 60 42 17 ¡ I'lallar la ecuación:

4.La tabla 7.8, muestra los valores correspondientes a las variablee

Y - a"Xi'X;'
r¡rrr: r'elaciona estas variables, así como su coeficiente de correlación.
X, Y.

(lalcular Y paraXt = 35 y Xz= 3

Tabla 7.8 Variables X, f
lin el laboratorio de hidráulica del ITCR, se trató de encontrar la
x Y
ccuación de calibración de un vertedero triangular con ángulo de
17 169
()0o,
17 170 del experimento realizado se obtuvieron los datos de carga h
14.4 170 y caudal Q, que se muestran en la tabla 7.10. Indicar entre la
12.8 159 ccuación lineal, exponencial y potencial, cual es la ecuación de
14.3 165 calibración, que relaciona mejor los pares de datos de carga vs
14.8 166
caudal.
13.6 16-2
 Correlación y regresión - página (304) Hidrología Estadística - página (305)

Tabla 7.10 Datos de carga h, en cm, y caudal e, en lps Considerando los modelos de regresión lineal múltiple y
potencial múltiple (la que mejor se ajuste), se desea completar
Carga h Caudal Q los datos faltantes para la estación D, para los años 1994 y 1995
(cm) (lps)
a partir de los datos de las estaciones A, B y C.
0.19 0.037974
1.36 0.057915
2.O2 0.113981
tt. En una área sembrada de banano se tiene instalado un sistema de
2.15 0.115118
drenaje subterráneo. En una sección de ésta se hicieron las
3.15 0.292397 mediciones de los parámetros h (carga en el centro del dren) y Q
(caudal descargado por el dren), cuyos resultados se muestran en
7. se desea conocer la relación existente entre los caudares latabla7.l2.
máximos de la estación D en función de sus afluentes principales Se sabe que las variables h y Q se relacionan con la siguiente
A, B y C.Para obtener la relación deseada, se eligieron sobre las ecuación:
corrientes afectadas, las
estaciones hidrométricas más Q=ah+bh2
representativas, de las cuales para las 4 estaciones se tienen
registros de caudales desde 1996 al 2003,1os mismos que se
. Determinar los parámetros de la ecuación
muestran en la tablr 7 .l l.
, Determinar el valor de Q, si h = 0.82

'labla 7.12 Yalores de l¡ y Q obtenidos de las mediciones de campo

Tabla 7.11 Caudales máximo de las estaciones A, B, C, D

Año Qa Qb Qc od
tm3lst tm3lsl lm3lst fm3lsl h o
1 994 325 555 777
0.16 4.3
1995 600 1209 931
0.51 17.28
1 996 290 828 853 3295
0.60 22.68
1 997 157 642 739 1735
0.63 25.20
1 998 287 774 1 800 4037
o.70 28.08
1 999 225 604 748 2038 o.75 31.32
2000 327 856 793 2621 0.80 34.20
2001 341 522 1778 541 0 0.85 37.44
2002 625 1118 2245 5233 0.90 41.04
2003 670 1272 1145 2696