Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.

D 1

PROBABILIDAD Y ESTADÍSTICA EN HIDROLOGÍA

TEMAS DE CLASE
1. EVENTOS HIDROLÓGICOS PARA SER ANALIZADOS CON P-E
2. ESATADÍSITICOS LA SERIE HIDROLÓGICA
3. ESTIMATIVOS DE LOS PARÁMETROS DE LA SERIE
4. FUNCIONES DE PROBABILIDAD
5. PROBABILIDAD DE EXECEDENCIA
6. EJEMPLOS DE CÁLCULO

1 EVENTOS HIDROLÓGICOS PARA SER ANALIZADOS CON P-

E:

Series de datos históricos de caudales y precipitaciones. Eventos

secuenciales (caudales medios y lluvias totales) y eventos extremos (Los
aguaceros o tormentas y caudales de crecientes). Siendo 30 años para un
buen registro de los eventos hidrológicos. (Silva, 1997, pg95-98).

2 ESATADÍSITICOS LA SERIE

Media, desviación estándar, coeficiente de asimetría, coeficiente de

correlación entre términos consecutivos.

3 ESTIMATIVOS DE LOS PARAMETROS DE LA SERIE

Valor esperado, varianza, asimetría correlación serial, desfase unitario:

4 DISTRIBUCIONES DE PROBABILIDAD
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 2

Definición: Una distribución de probabilidad continua es una función que

asigna a un intervalo de la variable aleatoria continua X su valor de
probabilidad correspondiente. Es decir, la probabilidad de que un evento
ocurra en un intervalo de la variable1.

DISTRIBUCIONES DE PROBABILIDADES DE INTERES EN

HIDROLOGÍA

1. Normal (es simétrica y no suele ser usada en hidrología)

2. Log-normal (lluvias de corta duración)
3. Pearson (lluvias o caudales máximos anuales)
4. Log- Pearson (lluvias o caudales máximos anuales, caudales de
crecientes)
5. Gumbel (para valores máximos aleatorios sacados de series grandes,
lluvias de corta duración, caudales de crecientes)

Las series de datos históricos hidrológicos, ya sean secuenciales o de

eventos extremos se analizan con la ayuda de Distribuciones de
Probabilidad. La probabilidad se designa como:

• P(x = a) denota la probabilidad de que un evento x asuma el valor a

• P(a ≤ x ≤ b) denota la probabilidad de que un evento x 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. La probabilidad se define como:

• La siguiente ecuación nos indica la probabilidad de que se presente

un evento x mayor o igual a Xi, esto representa en la gráfica el área
∞
bajo la curva desde Xi hasta infinito. P( x > Xi ) =  f ( x)dx , conocida
Xi

también como probabilidad de excedencia o probabilidad de

ocurrencia.

1
(https://prezi.com/ojvro5rejnqm/distribucion-de-probabilidad-continua/).
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 3

• Por ejemplo aplicado a un caudal: P(q > Q) indica la probabilidad de

que se presente un evento de caudal q que exceda a un caudal Q.

La función f(x) es la llamada función de densidad de probabilidades

(FDP) y tiene las siguientes características:

1) La integral representa el área bajo la curva

2)

3)

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

En la siguiente figura se indica las posibles valores de probabilidad que se

pueden presentar en una función de probabilidad, con parámetro
transformado z (zi).
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 4

Figura 1.- Posibles valores de área bajo la curva como probabilidad.

4.1 DISTRIBUCIÓN 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.
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 5

4.1.1 Función de densidad:

La función de densidad está dada por

Los dos parámetros de la distribución son la media µ y desviación estándar

σ para los cuales (media) y S (desviación estándar) son derivados de los
datos. Parametrización x=u+zi*S, o zi = (x-u)/S. Según (Saenz, 2004, pg.
89) con la nueva variable reducida (zi), se tendrá una distribución normal o
de Gauss con media igual a cero y desviación estándar igual a uno (N(0,1).
El valor de zi se halla por medio de tablas o calculadoras de probabilidad.
Donde la probabilidad queda definida como:

1
P(z ≤ zi) = zi
2
(2π )  e zi /2dz
−∞

4.1.2 Estimación de parámetros:

4.1.3 Factor de frecuencia:

El factor de frecuencia KT se calcula como

Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 6

KT se halla de la tabla de probabilidad normal como KT=ti (=zi).

4.1.4 Limites de confianza:

En estadística, se llama intervalo de confianza a un par o varios

pares de números entre los cuales se estima que estará cierto valor
desconocido con una determinada probabilidad de acierto2.

donde α es el nivel de probabilidad es el cuantil3 de la distribución

normal estandarizada para una probabilidad acumulada de 1-α y Se es el
error estándar.
4.1.5 Coeficiente de asimetría:

4.1.6 Uso de la tabla de probabilidad Normal

Existen varias tablas de solución de la integral de probabilidad, a
continuación se indica un ejemplo. Es de anotar que no todas las tablas
presentan los mismos datos, debido a que toman valores de referencia (zi)
diferentes. En la siguiente tabla la probabilidad es la acumulada de -∞
hasta (zi).

2
https://es.wikipedia.org/wiki/Intervalo_de_confianza
3
Los cuantiles son aquellos valores de la variable, que ordenados de menor a mayor, dividen a la
distribución en partes, de tal manera que cada una de ellas contiene el mismo número de frecuencias.
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 7

4.2 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 caudales máximos y mínimos, precitaciones máximas y mínimas
(excelentes resultados para datos 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.
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 8

Limitaciones: tiene solamente dos parámetros, y requiere que los

logaritmos de las variables estén centrados en la media.

4.2.1 Función de densidad:

y = ln (x) donde,
µy : media de los logaritmos de la población (parámetro escalar), estimado

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

4.2.2 Estimación de parámetros:

4.2.3 Factor de frecuencia:

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

1. 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)
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 9

con K con variable normal estandarizada para el periodo de retorno (Tr)

dado, xy media de los logaritmos y Sy es la desviación estándar de los
logaritmos.

2. Campo original: Si se trabaja con los X sin transformar el Kt se

calcula como

K es la variable normal estandarizada para el Tr dado, es el

coeficiente de variación, media de los datos originales y s desviación
estándar de los datos originales.

4.2.4 Limites de confianza:

En el campo transformado.

en donde, n número de datos, Se error estándar, KT variable normal

estandarizada.
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 10

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

instantáneos anuales con = 15 m3/s, S = 5 m3/s (media y desviación
estándar para los datos originales). xy=2.655, sy = 0.324 (media y
desviación estándar de los datos transformados). (1) Encontrar el caudal
para un periodo de retorno de 100 años y los límites de confianza para un α
= 5%. (2) Calcular la probabilidad de que un caudal de 42.5 m3/s no sea
igualado o excedido P(Q ≤ 42.5).

Solución:
(1) Para TR =100 años.
n=30
x= 15 m3/s xy=2.655
3
s = 5 m /s sy = 0.324

En el campo original

de la tabla de la normal se obtiene K=zi=2.33 para probabilidad de P(Q>

4.25)=1/TR=1/100años=0.01, (de cuadro 3.5 de (Saenz, 2004, pg. 91) con
probabilidad de 0.4901).

KT=[Exp(2.33*0.3215-0.05168)-1] /0.33=[Exp(0.6974)-1] /0.33

KT = 3.056

QTr100años = 15 + 5 * 3.056
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 11

QTr100años = 30.28m3/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-α) Se

δ = 1.93

t(1-α) = t(0.95) = 1.645 (El valor de t corresponde a zi leído de la tabla de la

normal, para una probabilidad de 95%)

Ln(30.28) ± (1.645 ) (0.11)

3.41 ± 0.18095
[3.22905 3.59095]
Modulo de Hidrología Básica Hernán J. Gómez Z. Ph.D 12

[e3.22905 e3.59095]
[25.26 36.29] Intervalos de confianza para QTr100

b) Calcular la probabilidad de que un caudal de 42.5 m3/s no sea igualado o

excedido P(Q≤ 42.5).

Ln(42.5) = 3.75
zi = (3.75 - 2.655)/0.324=3.3796
F(3.38) = 0.9996 leído de la tabla de la normal
P(Q≤ 42.5) = 99.96%

BILBIOGRAFIA
Para profundizar sobre el tema leer la siguiente bibliografía.

1. http://fluidos.eia.edu.co/hidrologiai/probabilidad/probabilidad.htm
2. Saenz, Monsalve G. (2004) “Hidrología en la Ingeniería”. 2ª Edición.
Editorial Escuela Colombiana de Ingeniería. Bogotá D.C. Colombia. (pag.
87 a 105).