Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
f (X ) a≤X≤b
ba
X 1 X a
F ( X ) P( X X 0 ) dx para a≤X≤b
a ba ba
F(X)
a b
Figura 5.2: Función de Distribución Uniforme
b x ab
E( X ) dx
a ba 2
40
Probabilidad y Estadística en Hidrología J. Abel Mejía M.
a b (b a) 2
2
b x2
² M 2 E ( X )² M 2 M 2
dx
ba 2
1
a 12
La distribución normal, es una distribución de dos parámetros cuya función de densidad es:
( X 1 ) 2
2 22
e
f (X ) - < X <
2 22
( X )2
2 2
e
f (X ) - < X <
2
La distribución normal es una función continua y simétrica con respecto a por tanto el
coeficiente de asimetría es cero.
Si una variable aleatoria X tiene distribución normal con media y varianza ² y además Y =
a + bX, la distribución Y también es normal con media Y = a + b y varianza 2Y = b²²
12
12 < 22 < 32
22
32
X
2
1 2 3
Z2
1 2
f (Z ) e para: - < Z <
2
t2
Z 1 2
F ( Z ) P( Z Z 0 ) e dt
2
Ejemplo 5.1:
Se asume que los datos de caudales de un cierto río se distribuyen normalmente con media
igual a 15 m3/s y una varianza igual a 25. Determinar la probabilidad de encontrar valores de
caudales comprendidos entre 15.6 m3/s y 20.4 m3/s.
Solución:
( X 15) 2
225
20.4 20.4 e
P(15.6 X 20.4) f ( X )dx dX
15.6 15.6
5 2
Ejemplo 5.2:
Solución:
0.30
0.25
Frecuencia Relativa
0.20
0.15
0.10
0.05
0.00
0 10 20 30 40 50 60 70 80 90
Caudal (m3/s)
Observado Normal
43
Probabilidad y Estadística en Hidrología J. Abel Mejía M.
b) La magnitud del caudal que ocurre una vez en 500 años es:
Qi Q Q 54
Z 0.2% 2.88 . Por lo tanto Q0.2% = 101.2 m3/s
S 16.4
QQ 95 54
c) Z 2.5
S 16.4
Ejemplo 5.3:
Las precipitaciones medias para el mes de Enero de dos cuencas A y B están normalmente
distribuidas con medias 80 mm y 83 mm respectivamente y desviaciones estándar de 6 y 3
mm, respectivamente. Se extrae al azar una muestra de 25 datos de precipitación
correspondiente a 25 años de registro para la cuenca A y otra muestra también de 25 datos
para la cuenca B. Determinar:
a) P( P A P B 4 mm)
b) P( P A P B 0)
Solución:
a)
P( P A P B 4) P Z
P A P B A B
4 (3)
5.2
1 / 2
A2 B2 45
25
n A nB
P( PA PB 4) P(Z 5.2)
0 (3)
b) P( P A P B ) 0 P Z P( Z 2.24) 0.9875
45
25
1
(Estimado por el método de momentos y de máxima verosimilitud)
X
Ejemplo 5.4:
b) Estimar la probabilidad de que una depresión seleccionada al azar tenga un área mayor
de 2.25 has.
Solución:
1 k
a) Media = X X i fi
1
0.25 106 0.75 36 ...... 7.75 1 1.27 ha
n i 1 212
1
0.787
X
2.25
P( X 2.25) 1 0.787e 0.787X dX
0
1 2.25
P( X 2.25) 1 0.787 e 0.787X 0.170
0.787 0
P(X > 2.25) = 0.170
0.5
Frecuencia Relativa
0.4
0.3
0.2
0.1
0
0.25 0.75 1.25 1.75 2.25 2.75 3.25 3.75 4.25 4.75 5.25 5.75 6.25 6.75 7.25 7.75
Marcas de Clase (ha)
Observado Exponencial
Ejemplo 5.5:
Una estructura se diseña en función de la fuerza de arrastre del viento. Para tal efecto
se tienen registros de valores de velocidad máxima anual. Determinar la función de
densidad y la función de distribución para estos valores teniendo en cuenta las
siguientes consideraciones:
- Los valores anuales máximos de velocidad del viento siguen aproximadamente una
distribución exponencial
- La probabilidad de registrar valores de velocidades mayores de 70 Km/hora es 0.1
Solución:
Función de densidad:
para X 0 ; k = constante
k
0
keX dX
1 puesto que el área bajo la curva es 1; por lo tanto: k =
x
Función de distribución: F ( X )
0
e t dt 1 e X para X 0
de donde: = 0.033
47
Probabilidad y Estadística en Hidrología J. Abel Mejía M.
X
1
X e
f (X ) para X > 0
( )
f(X) = 0 para X 0
f(X)
α=1
α=2
α=3
X
Figura 5.11: Función de Densidad Gamma
t
1
X t e
F(X )
dt
0 ( )
Si es entero la función de distribución gamma puede ser evaluado, según Mood (1974),
de:
j
X
X 1
F ( X ) 1 e
j 0 j!
( ) X 1e X dX para > 0
0
2
El coeficiente de asimetría para la distribución gamma es: g
S² X²
ˆ ˆ
X S²
Por el método de la máxima verosimilitud los estimadores para los parámetros y son:
X
ln ˆ ˆ ln ˆˆ X
X
g
49
Probabilidad y Estadística en Hidrología J. Abel Mejía M.
1/ n
n
X 1 X 2 X 3 ... X n n
1
Donde: X g X i (media geométrica de la muestra)
i 1
ln ( X )
d
(X )
dX
Thom (1958) propuso una relación aproximada para el estimar el parámetro , basado en el
truncamiento de la serie expandida de máxima verosimilitud:
4Y
1 1
3
ˆ ˆ
4Y
Donde:
Tabla 5.3: Factor de Corrección ( ̂ ) para el Estimador del Parámetro por el
Método de Máxima Verosimilitud
La tabla anterior muestra los valores de ̂ en función de ̂ comprendidos entre 0.2 y 5.6.
Para ̂ > 5.6 la corrección es despreciable. El procedimiento para calcular el factor de
4
1 1 Y
corrección consiste en considerar en un primer momento que ˆ
3 y luego
4Y
calcular el valor de ̂ de la tabla, correspondiente al valor ̂ inicial. Para estimar el
Xˆ
parámetro ˆ
ˆ
Thom (1958), comprobó que para < 10 el método de momentos genera estimados
inaceptables para y . Para cercanos a uno, el método de momentos usa solo 50% de
la información de la muestra para estimar ˆ y solo el 40% para estimar ̂ . Esto indica que
los estimadores por máxima verosimilitud dan buenos resultados con la mitad de
observaciones.
Y ln X ln X
Las expresiones anteriores tienen un ligero sesgo asintótico que para pequeñas muestras,
éste puede ser apreciable.
1 0.111 0.032
E ˆ 3 0.677 Para n 4 y 1
n 3 3
Bowman y Shenton (1968) sugieren que el sesgo en ̂ , puede ser aproximado por:
3ˆ (n 3)ˆ
E ˆ ; E ; n4
n n
Ejemplo 5.6:
Para los datos anuales de precipitación correspondiente al mes de enero, de la cuenca del
río Cañete (Tabla 1.1); estimar los parámetros de distribución gamma usando los métodos
de momentos y de máxima probabilidad. Estime la probabilidad que un valor de precipitación
anual excede 150 mm, si se considera que los datos siguen una distribución gamma.
Tabla 5.4: Precipitación para el mes de enero – Cuenca del río Cañete
P (mm)
Año Ln (P)
Mes de enero
1986 138.8 4.933
1987 199.3 5.295
1988 156.6 5.054
1989 159.9 5.075
1990 97.2 4.577
1991 106.2 4.665
1992 69.2 4.237
1993 114.6 4.741
1994 151.1 5.018
1995 99.8 4.603
1996 165.9 5.111
1997 120.2 4.789
1998 167.2 5.119
1999 99.8 4.603
2000 151.3 5.019
Suma 1997.1 72.840
51
Probabilidad y Estadística en Hidrología J. Abel Mejía M.
Solución:
a) Método de momentos:
X
X
1997.1
133.14
n 15
S
X² nX ²
(283295.25 265893.89)
35.26
(n 1) 14
X ² 133.14 2 S ² 35.26 2
14.26
ˆ 9.34
S² 35.26 2 X 133.14
Procedimiento de Thom
15
ln X i
72.840
ln X i 1
4.856
15 15
X 133.14
ˆ 9.320
ˆ 14.286
X 133.14
ˆ 9.319
ˆ 14.287
3ˆ 3 14.287
E ˆ 2.857
n 15
1 0.111 0.032
E ˆ 3 0.677
n 3 3
1 0.032
E ˆ
0.111
3 11.429 0.677 2.802
15 3 11.429 11.429 3
Este valor de Eˆ 2.802 , se aproxima a 2.857 por lo que finalmente los estimadores
son:
ˆ 11.429
X 133.140
ˆ 11.649
ˆ 11.429
X X
1 11.4291 11.649
150 X e 150 X e
P( precipitac ion 150) 1
dX 1 dX
0 ( ) 0 11.64911.429
(11.429)