Probabilidad y Estadística en Hidrología J. Abel Mejía M.

85

8 ANÁLISIS DE FRECUENCIAS DE EVENTOS EXTREMOS

8.1 INTRODUCCIÓN

Para proyectar cualquier obra hidráulica es necesario el conocimiento de la magnitud y

frecuencia de los caudales (o niveles de agua) que esa obra deberá conducir, contener,
almacenar, etc.; el proyecto envuelve dimensionamiento y localización de presas, puentes,
diques, canales, conductos forzados, sistemas de drenaje, redes pluviales, estaciones de
bombeo, estaciones de tratamiento de agua y desagües, centrales hidroeléctricas y una
gran variedad de estructuras relacionadas con estas. El máximo caudal (o nivel) que
cualquiera de estas estructuras puede soportar con seguridad es denominada caudal del
proyecto. El ingeniero es consciente de que está proyectado una obra que puede ser
dañada o más aún destruida, por descargas ocasionales de magnitud variable; la frecuencia
con que esos daños ocurren debe ser considerada en la definición del tamaño y resistencia
de la obra, su localización y hasta su reconstrucción, si fuera el caso. El problema en el
fondo, es económico a través del costo anual de mantenimiento en una estructura dada,
comparada con otras soluciones alternativas. La hidrología proporciona gran variedad de
métodos basados en diversos principios, dentro de los cuales se deberá escoger el más
adecuado de acuerdo a las circunstancias particulares, a la obra a diseñar y dependiendo
sobre todo de la disponibilidad de datos hidrológicos apropiados, y las aplicaciones
resultantes van a depender del sentido común y de la experiencia del proyectista.

El subdimensionamiento o sobredimensionamiento de una obra implica costos excesivos a

lo largo del tiempo; por ejemplo una obra para una descarga de 5 años de periodo de
retorno, puede ser pequeño, pero el costo de reconstruirlo cada 5 años, en promedio resulta
extremadamente costoso y un puente en el mismo lugar construido para dejar pasar una
descarga de 100 años de periodo de retorno, sería extremadamente cara. Por lo tanto un
proyecto intermediario sería la solución ideal, generando los menores costos anuales.

Algunas definiciones elementales son necesarias para iniciar el estudio del problema.
Entiéndase por avenida como un caudal muy grande de escorrentía superficial que
sobrepasan la capacidad de transporte del canal generando la inundación de tierras
aledañas. Las inundaciones traen, como es sabido problemas de toda índole en diversas
áreas de la actividad humana. Por lo tanto, el objetivo de este texto enfoca al aspecto
hidrológico de la determinación de los caudales del proyecto en obras hidráulicas, el que
podría ser denominado “predeterminación de descargas máximas”, ya que se trata del
cálculo anticipado (en la fase del proyecto) de un caudal crítico que tal vez no haya sucedido
o que existe una cierta probabilidad de suceder en el futuro.

El termino “Prevención de Inundaciones” se aplica al hecho del fenómeno de formación

de descargas, conllevando un pronóstico de estado futuro de alturas o caudales, asociados
al instante de ocurrencia de los mismos con la finalidad de prevenir los efectos negativos
que vengan a suceder. La terminología “Prevención en Tiempo Real” es más apropiada;
este problema representa un típico problema donde técnicas hidrológicas son empleadas
para calcular anticipadamente la ocurrencia de un evento, a partir del conocimiento del
comportamiento del sistema natural y usando como entradas las lluvias o los niveles y
caudales en determinados lugares de la cuenca y de la red fluvial. Las técnicas más
recientes incluyen el modelamiento matemático, la cual exige el uso de computadoras,
cuando la simulación envuelve grandes áreas y grandes volúmenes de datos (simulación
continua) así como cuando se trata de eventos aislados de corta duración.
 Probabilidad y Estadística en Hidrología J. Abel Mejía M. 86

8.2 PERIODO DE RETORNO Y RIESGO

Si en un determinado lugar existe una serie de valores observados de 30 años, por ejemplo,
el mayor caudal medido en los 30 años tiene la probabilidad de ser igualadas o superadas
una vez cada 30 años, aproximadamente, según las leyes clásicas de la probabilidad; si las
necesidades del proyecto exigen, como se verá mas adelante, por ejemplo un periodo de
retorno de 500 años o más, estamos delante de un problema de extrapolación de datos
históricos. El periodo de retorno T o periodo de ocurrencia de una inundación (o tiempo de
recurrencia) se define, entonces, como el tiempo medio, en años, en que ese caudal de
inundación es igualada o superada por lo menos una vez.

El problema ahora se concentra en la

fijación del periodo de retorno a ser
C usado en una obra, ese valor debería
O obedecer a criterios económicos, como
S se sugiere la figura 1. Esta figura
T Costo de representa los costos que un usuario
O
las obras debería enfrentar para pagar los
A Costo
N beneficios de un sistema de protección
mínimo
U contra inundaciones, por ejemplo. Si
A Costo de seguro existiese un seguro contra
L contra
inundaciones, el valor de ese seguro
inundaciones
sería decreciente con el T usado en
proyectos de la obra (cuanto mayor es T
T (AÑOS) mayor protección ofrece la misma),
Fig. 8.1: Determinación del Período de Retorno mientras que el costo de la obra en si
crece con T.

Dado que el usuario deberá asumir con los dos costos, la curva del costo global indicará el
periodo de retorno más adecuado para el proyecto de la obra en cuestión (Villela y Mattos,
1975). Desafortunadamente, en los países en desarrollo no es común la exigencia de ese
tipo de seguro, en la mayor parte de los casos. Así, la fijación de T obedece a criterios
relacionados con la vida útil de la obra, el tipo de la estructura, la facilidad de reparación en
caso de daños y el peligro de pérdida de vidas humanas en caso de falla.

Tabla 8.1: Valores del tiempo de retorno para proyecto de obras

Estructura T (años)
Caudales de proyecto
Vertedor de grandes presas 10000
Vertedor de una presa de tierra 1000
Vertedor de una presa de concreto 500
Galería de aguas pluviales 5 a 20
Bocatomas 25 a 75
Pequeñas presas para abastecimiento de agua 50 a 100
Puentes en carreteras importantes 50 a 100
Puentes en carreteras comunes 25
Lluvias de Proyecto:
Pequeños canales sin dique: área rural 5
área urbana 10
Canales grandes sin dique: área rural 10
área urbana 25
Pequeños canales con diques: área rural 10
área urbana 50
Grandes canales con diques: área rural 50
área urbana 100
Probabilidad y Estadística en Hidrología J. Abel Mejía M. 87

La consideración de estos factores y la experiencia acumulada a lo largo del tiempo ha

permitido la elaboración de la tabla anterior, que ofrecen indicativos para la definición del T.

Existe, aún, otro criterio para escoger el periodo de retorno: la fijación a priori, del riesgo de
falla R de la estructura, dentro de la vida útil de la obra. Esto puede ser expresado por la
relación:

n
1  1
T R  1  1  
1  1  R   T
1/ n

Donde R es el riesgo permisible, o probabilidad de ocurrencia de la máxima descarga

durante los n años de la vida útil de la obra. Esa ecuación se encuentra tabulada en la
siguiente tabla:

Tabla 8.2: Valores de periodo de retorno T asociado al riesgo R

Riesgo (R) Vida útil de la obra (n) en años

1 10 25 50 100 200
0.01 100 995 2488 4975 9950 19900
0.10 10 95 238 475 950 1899
0.25 4 35 87 174 348 695
0.50 2 15 37 73 145 289
0.75 1.30 7.7 18 37 73 144
0.99 1.01 2.7 5.9 11 22 44

Un análisis de la tabla anterior muestra que si se adopta un riesgo de 10% de que durante
los 25 años de vida útil de una cierta presa ocurra una descarga igual o superior a la del
proyecto, se debe usar un periodo de retorno de 238 años. Si el periodo de retorno usado
fuese de 87 años, por ejemplo, el riesgo de falla de la obra aumenta en 2.5 veces o sea a
25%.

Ejemplo 8.1:

Una alcantarilla tiene una vida útil de 10 años.

a) Si el riesgo aceptable de que al menos ocurra un evento que exceda la capacidad de la

alcantarilla durante su vida útil es del 10%, ¿qué periodo de retorno de diseño debe
utilizarse?

b) ¿Cuál es la probabilidad de que la alcantarilla diseñada para un evento con ese periodo
de retorno no sea excedido en su capacidad durante los próximos 50 años?:

Solución:

a) Aplicando la ecuación (8.1a) para R = 0.1 y n = 10, se obtiene: T = 95 años

b) Aplicando la ecuación (8.1b) para T = 95 y n = 50, se obtiene: R = 0.41. La probabilidad

de que la capacidad no sea excedida durante este periodo es: 1- 0.41 = 0.59 (59%).

El enfoque discutido anteriormente muestra un análisis puramente estadístico del problema;

en la actualidad podrían ser usados tres tipos de métodos para la determinación de la
descarga del proyecto de una obra, abarcando las diversas posibilidades que se presentan
para enfrentar el problema:
 Probabilidad y Estadística en Hidrología J. Abel Mejía M. 88

 Métodos estadísticos
 Métodos hidrometeorológicos
 Otros métodos (fórmulas empíricas, regionalización)

En cada caso la metodología a ser usada dependerá, en gran parte de la disponibilidad de

información y de la experiencia del proyectista en el manejo de esta información.

Los métodos estadísticos han sido analizados con algún detalle en el capítulo 6; los
métodos hidrometeorológicos pueden ser consultados en textos de hidrología
determinística; la regionalización es asunto a ser desarrollado en cursos más avanzados y el
uso de fórmulas empíricas no son generalmente aceptables por las grandes limitaciones
que presentan.

8.3 FUNDAMENTO DE LOS MÉTODOS ESTADÍSTICOS

Los métodos estadísticos se apoyan en la existencia de series de datos de caudales en el

lugar de interés, las cuales son sometidas a un análisis de frecuencias usando técnicas
tradicionales de estudio (se basan por lo tanto en la observación de eventos pasados). Esto
implica que la curva de frecuencia definida para un determinado lugar es válida
rigurosamente para ese lugar; cuando generalmente la información que se requiere es en
un lugar diferente, donde no existen datos medidos; la regionalización de datos permite
combinar informaciones de diversos lugares en la cuenca o región, para producir por
ejemplo, una curva regional de frecuencias, valida en toda la región y lugares sin
información; este recurso entre tanto, está limitado a descargas de hasta 100 años de
periodo de retorno (Dalrymple, 1962). Los resultados podrían ser confiables siempre que
exista suficientes datos disponibles y no hayan ocurrido modificaciones importantes en el
régimen del curso de agua durante el periodo de registro, o después; se acepta entonces, la
condición de que el comportamiento del sistema continuará siendo el mismo durante el
periodo de cálculo (en el futuro). Los valores de caudales empleados en la determinación de
las curvas de frecuencia serán valores instantáneos, pero en la mayoría de los casos se
trabaja con los máximos medios diarios; de lo que resultan series anuales y series parciales.

Dentro de los métodos estadísticos podemos mencionar las siguientes distribuciones de

probabilidades más usadas en el análisis de máximas avenidas en hidrología, que fueron
estudiadas en el capítulo 6 del texto:

Distribución Log-Normal de 2 Parámetros

Distribución Log-Normal de 3 Parámetros
Distribución de Valor Extremo Tipo I o Distribución Gumbel
Distribución Log-Gumbel
Distribución Pearson Tipo III
Distribución Log-Pearson Tipo III

8.4 SERIES PARCIALES Y ANUALES

La información hidrológica disponible, en principio en una estación hidrométrica, es una

secuencia cronológica de caudales medios diarios. De estos caudales podrían ser
escogidos las máximas anuales (una para cada año hidrológico), generando una serie
anual. Esto obliga a descartar otros picos elevados que pueden haber ocurrido en el mismo
año y permite escoger otros valores en otros años donde nada importante sucedió, desde el
punto de vista de inundación. Esa limitación es superada elaborando una lista de todos los
eventos ocurridos, en orden decreciente y seleccionando los mayores a un determinado
limite que puede ser el menor de las descargas de las máximas anuales, obteniéndose de
 Probabilidad y Estadística en Hidrología J. Abel Mejía M. 89

cierta manera una serie parcial. La dificultad generada con esta última opción es que los
eventos así escogidos pueden ser o no independientes; dos eventos muy próximos pueden,
en realidad, ser un único evento. Para evitar ese inconveniente, deben ser escogidos
eventos separados por un razonable periodo de tiempo.

Existe una relación definida entre estos dos tipos de series (Dalrymple, 1962). La siguiente
tabla muestra esa relación, en función del periodo de retorno. En términos de periodo de
retorno, existe una diferencia en los dos casos; en una serie anual el intervalo de
recurrencia es el intervalo medio en el cual un caudal dado ocurrirá como máxima anual. En
la serie parcial, el periodo de retorno es el intervalo medio entre avenidas de una
determinada magnitud, sin relación alguna con año o cualquier otro periodo de tiempo. Esta
distinción se aplica siempre, a pesar de que para las grandes avenidas los dos criterios
convergen.

Tabla 8.3: Periodos de retorno (en años)

Serie Parcial Serie Anual

0.5 1.16
1.0 1.58
1.45 2.00
2.0 2.54
5.0 5.52
10.0 10.50
20.0 20.50
50.0 50.50
100.0 100.50

8.5 LA CURVA DE FRECUENCIAS

El análisis de frecuencias, a ser discutido, utiliza los mismos principios estadísticos

aplicados a otras variables hidrológicas, adaptados a las peculiaridades de los datos de
caudales máximos. La técnica en todos los casos consiste en arreglar la serie en orden
decreciente y atribuir a cada valor el número de orden m (m varía desde 1 hasta n), siendo
n el tamaño de la muestra, esto es, el número de años en el caso de series anuales). A
continuación se calcula la frecuencia observada a través de una relación empírica como la
de Weibull:

m n 1
P T
n 1 m

Existen muchas otras propuestas de fórmulas en la literatura especializada (Viessman et al.,

1972), de esta forma, P es la probabilidad de que una determinada descarga sea igualada o
superada cuando el valor de n es suficientemente grande.

El tratamiento más común de los datos así preparados, es el ploteo de los pares de puntos
P ó T versus Q en un papel con escalas apropiadas. Para propósitos generales, la escala
del papel usado no es importante, habiendo sido propuesta una escala que aproxima el
gráfico de una recta, (Dalrymple, 1962).

  1 
Y   ln   ln 1   
  T 
 Probabilidad y Estadística en Hidrología J. Abel Mejía M. 90

Donde: Y es una distancia lineal y T el periodo de retorno; dando valores a T se puede

construir un papel probabilístico, en el cual generalmente los periodos de retorno se colocan
en las abcisas y las descargas en las ordenadas; esta última escala puede ser transformada
en logarítmica, dando origen a otro papel.

Es común en nuestro país que la mayor parte de los registros disponibles de descargas no
sobrepasen 20 o 25 años, y dado que las necesidades del proyecto requieren periodos de
retorno superiores; la tendencia es de usar la curva de frecuencia para efectos de
extrapolación, por lo que esto debe ser hecho con mucho criterio; la distancia lineal entre 25
y 250 años parece corta en los gráficos, pero la extrapolación solo puede justificarse cuando
se verifica que el fenómeno se ajusta a la ley establecida. Muchos investigadores intentaron
establecer las leyes teóricas de probabilidades que se ajustasen mejor a las muestras de n
elementos de modo a poder estimar, para cada caudal máximo Q, la probabilidad teórica P
de ocurrir o ser sobrepasada.

En la práctica es posible efectuar el ajuste de varias distribuciones teóricas a una

determinada muestra. Para comparar y concluir cual de ellas, se plotean los valores en el
papel respectivo y se escoge la que mejor se aproxima a una línea recta. Existen a
disposición del interesado paquetes de programas que efectúan ese trabajo, facilitando
sensiblemente el análisis, ya que el propio computador diseña el papel adecuado.

En el capítulo 6 se han examinado con algún detalle, las distribuciones teóricas más usadas
para el análisis de máximas avenidas, indicando que no existe un criterio definido para la
selección a priori de la distribución más adecuada.

8.6 COMENTARIOS SOBRE EL USO DE LAS DISTRIBUCIONES ESTADÍSTICAS

Los datos hidrológicos, a veces, tienen una distribución fuertemente asimétrica y en general
en esos casos una transformación logarítmica la transforma en una distribución normal. La
distribución Log-Normal es de gran utilidad porque abre el amplio campo teórico de
aplicación de la distribución Normal. Como ambas distribuciones, Normal y Log-Normal son
de dos parámetros, basta calcular la media y la desviación estándar de los caudales y de
sus logaritmos, respectivamente. El grado de ajuste de una serie de datos puede, como en
los demás casos, ser examinado a través de las pruebas estadísticas Chi-cuadrado o
Kolmogorov o del uso del papel de probabilidades Log-Normal, donde debe resultar una
recta.

Entre las diversas distribuciones de valores extremos, la Distribución de Gumbel, es la que

actualmente tiene mayor utilidad. Los valores extremos en cuestión serian las descargas
diarias máximas anuales. Para aplicar esa ley, se debe tener en cuenta que existen registro
de n años, cada una constituida de 365 elementos, del universo de la población infinita de la
variable aleatoria que es el caudal diario. De acuerdo con la ley de los extremos (Pinto et al.,
1976), la ley de distribución de la serie de n términos constituidos por los mayores valores
de cada muestra tiende asintóticamente para una ley simple de probabilidades, que es
independiente de la que rige la variable aleatoria en las diferentes muestras y en el propio
universo de la población infinita.

El método de Gumbel es de fácil aplicación y se basa solo en dos parámetros, la media y la

desviación estándar, mientras que otros métodos incluyen el coeficiente de asimetría. Los
resultados son representados en un Papel de Distribución Gumbel como un gráfico de
caudales máximos diarios versus el periodo de retorno T = 1/P.
 Probabilidad y Estadística en Hidrología J. Abel Mejía M. 91

Cuando la asimetría es grande, se toma X = ln Q y se procede al análisis como en el caso

anterior, constituyéndose una distribución Log-Gumbel; el gráfico establecido corresponde a
una recta en el papel de probabilidades correspondiente, si el ajuste es adecuado.

Adicionalmente a las distribuciones descritas en el capítulo 6, existen otros métodos para el

análisis de máximas avenidas como el Método de Foster que representa una aplicación de
la distribución Pearson III, a través de un ajuste del coeficiente de asimetría establecido por
Hazen:

 8.5 
c X'  c X 1  
 n 

Donde n es el tamaño de la muestra de caudales máximos diarios. Para la aplicación del

método, se calculan los parámetros media, desviación estándar y el coeficiente de
asimetría.

Otro es el Método de Fuller que es un método de extrapolación de datos históricos basado

no en una distribución de frecuencias, pero sí en una regla de probabilidad, que establece la
Q
siguiente relación entre y el periodo de retorno T:
Q

Q
 a  b log T
Q

Donde Q es el caudal diario más probable con periodo de retorno T; a y b son coeficientes
determinados a partir de los datos históricos. Cuando no existen series de datos
observados, Fuller propone los valores de a = 1 y b = 0.8 obtenidos para un gran número de
ríos, y el caudal medio puede encontrarse a través de:

Q  0.796 A0.8

Siendo A el área de la cuenca. De esta forma, el caudal máximo diario Q para un periodo de
retorno T en una cuenca de área A se obtiene:

Q  0.796 A0.8 1  0.8 log T 

8.7 FACTORES DE FRECUENCIA EN EL ANÁLISIS DE MÁXIMAS AVENIDAS

El factor de frecuencia es un valor característico de la ley de distribución Log-Normal, que

tiene gran significación en el análisis de eventos extremos y es conocido matemáticamente
como la variable reducida. Este término fue usado por Ven Te Chow en combinación con la
fórmula general para el análisis de frecuencias hidrológicas, siguiente:

Q  Q  KSQ

Donde K es el factor de frecuencia, que depende de la ley de ocurrencia del evento

hidrológico y es teóricamente idéntico al factor de asimetría de la curva logarítmica. La
ecuación del factor de frecuencia fue propuesta por Chow (1951), y se aplica a muchas
distribuciones de probabilidad utilizadas en el análisis de frecuencia hidrológica. Para una
distribución dada, puede determinarse una relación K – T entre el factor de frecuencia y el
Probabilidad y Estadística en Hidrología J. Abel Mejía M. 92

periodo de retorno correspondiente. Esta relación puede expresarse en términos

matemáticos o mediante una tabla.

8.7.1 Factor de Frecuencia para la Distribución Normal y Log-Normal

Es el mismo que la variable normal estándar Z definida por la ecuación siguiente:

QQ
KZ 
SQ

El valor de Z puede ser obtenido de tablas o calculado con la siguiente ecuación de

aproximación:

2.515517  0.802853W  0.010328W 2

K  Z W 
1  1.432788W  0.189269W 2  0.001308W 3

Donde W correspondiente a una probabilidad de excedencia (P) puede calcularse, cmo:

1/ 2
  1 
W  ln  2  (0 < P  0.5)
  P 
1/ 2
  1 
W  ln  
2 
(P > 0.5)
  (1  P) 

Para la distribución Log-Normal, se usa el mismo procedimiento excepto que éste se aplica
a los logaritmos de las variables.

8.7.2 Factor de Frecuencia para la Distribución Gumbel y Log-Gumbel

Para la distribución de Valor Extremo Tipo I, Chow (1953) dedujo la siguiente expresión:

6   T  
K  0.5772  ln ln   
    T  1  

1
T
   K  
1  exp  exp   0.5772   
   6  

Cuando la variable es igual a la media K = 0 y T = 2.33 años, que corresponde al periodo de

retorno de la media de la distribución.

Para la distribución Log-Gumbel, se usa el mismo procedimiento excepto que éste se aplica
a los logaritmos de las variables.

8.7.3 Factor de Frecuencia para la Distribución Pearson III y Log-Pearson III

Para la distribución Log-Pearson III, el primer paso es tomar los logaritmos de la información
y luego se procede a calcular la media, desviación estándar y el coeficiente de asimetría de
 Probabilidad y Estadística en Hidrología J. Abel Mejía M. 93

los logaritmos de los datos. El factor de frecuencia depende del periodo de retorno T y del
coeficiente de asimetría C. Cuando C = 0 el factor de frecuencia K es igual a la variable
normal estándar Z y cuando C  0 el factor de frecuencia se aproxima por Kite (1977) como:

2 3 4 5

 
C  1
 
C 

C 

C  1C 
K  Z  Z 2  1    Z 3  6Z    Z 2  1    Z     
6 3 6 6  6  3 6 

El valor de Z para un periodo de retorno dado puede calcularse a través de las ecuaciones
dadas para el cálculo del factor de frecuencia para la distribución normal o en su defecto
obtenerse de tablas estadísticas dadas.

8.8 LÍMITES DE CONFIANZA PARA LAS DISTRIBUCIONES DE VALORES EXTREMOS

Los datos observados, graficados en los papeles de probabilidad correspondientes,

muestran una tendencia lineal recta, sin que la línea ajustada se localice exactamente sobre
los puntos ploteados. Este hecho muestra que los datos no pueden ser representados con
absoluta confianza por la teoría de probabilidades.

Por lo tanto la distribución de los datos de probabilidad acumulada pueden ser descritas por
los Límites de Confianza, establecidos a ambos lados de la curva de ajuste, quedando
entonces la nube de puntos ploteados dentro de estos límites con un cierto grado de
probabilidad. Para ello se calcula, en primer lugar, el intervalo de confianza a partir del error
estándar de la media y de la desviación estándar multiplicándose por el estadístico “t” de
Student escogido en función del número de grados de libertad ():

Intervalo de Confianza: IC 
tS Q
1  0.5Z 2 1/ 2

Límite de Confianza Inferior: LCI = Q - IC

Límite de Confianza Superior: LCS = Q + IC

El número de grados de libertad se calcula se calcula restando el número de parámetros (k)

al tamaño de la muestra (n):  = n - k
 Probabilidad y Estadística en Hidrología J. Abel Mejía M. 94

8.9 APLICACIÓN AL ANÁLISIS DE MÁXIMAS AVENIDAS PARA EL RÍO CAÑETE

Tabla 8.4: Procesamiento de datos de caudales máximos para 60 años de registro

Año Q Q Posición P≥Q T (años) Y=Log Q

m3/s m3/s m m/(N+1) (N+1)/m
1 2 3 4 5 6 7
1941 301.1 700.0 1 0.016 61.00 2.8451
1942 319.2 700.0 2 0.033 30.50 2.8451
1943 324.1 700.0 3 0.049 20.33 2.8451
1944 396.6 657.0 4 0.066 15.25 2.8176
1945 350.0 597.6 5 0.082 12.20 2.7764
1946 354.0 566.2 6 0.098 10.17 2.7530
1947 353.0 555.0 7 0.115 8.71 2.7443
1948 279.0 550.0 8 0.131 7.63 2.7404
1949 198.0 500.0 9 0.148 6.78 2.6990
1950 244.7 488.8 10 0.164 6.10 2.6891
1951 485.0 487.3 11 0.180 5.55 2.6878
1952 360.0 485.0 12 0.197 5.08 2.6857
1953 555.0 484.2 13 0.213 4.69 2.6850
1954 657.0 470.0 14 0.230 4.36 2.6721
1955 700.0 430.0 15 0.246 4.07 2.6335
1956 470.0 425.5 16 0.262 3.81 2.6289
1957 228.3 420.3 17 0.279 3.59 2.6236
1958 270.4 408.0 18 0.295 3.39 2.6107
1959 700.0 396.6 19 0.311 3.21 2.5984
1960 488.8 390.0 20 0.328 3.05 2.5911
1961 597.6 377.0 21 0.344 2.90 2.5763
1962 566.2 372.0 22 0.361 2.77 2.5705
1963 242.4 370.5 23 0.377 2.65 2.5688
1964 153.1 360.0 24 0.393 2.54 2.5563
1965 214.7 354.0 25 0.410 2.44 2.5490
1966 201.0 353.0 26 0.426 2.35 2.5478
1967 343.0 350.0 27 0.443 2.26 2.5441
1968 154.0 343.0 28 0.459 2.18 2.5353
1969 316.0 332.0 29 0.475 2.10 2.5211
1970 408.0 326.0 30 0.492 2.03 2.5132
1971 430.0 324.1 31 0.508 1.97 2.5107
1972 700.0 322.0 32 0.525 1.91 2.5079
1973 484.2 319.2 33 0.541 1.85 2.5041
1974 326.0 318.2 34 0.557 1.79 2.5027
1975 298.0 316.0 35 0.574 1.74 2.4997
1976 332.0 310.7 36 0.590 1.69 2.4923
1977 249.0 310.0 37 0.607 1.65 2.4914
1978 216.0 301.1 38 0.623 1.61 2.4787
1979 182.8 298.0 39 0.639 1.56 2.4742
1980 100.1 279.0 40 0.656 1.53 2.4456
1981 257.1 270.4 41 0.672 1.49 2.4320
1982 172.0 257.1 42 0.689 1.45 2.4101
1983 228.0 249.0 43 0.705 1.42 2.3962
1984 425.5 244.7 44 0.721 1.39 2.3886
1985 165.6 242.4 45 0.738 1.36 2.3845
1986 370.5 228.3 46 0.754 1.33 2.3585
1987 487.3 228.0 47 0.770 1.30 2.3579
1988 420.3 216.0 48 0.787 1.27 2.3345
1989 377.0 214.7 49 0.803 1.24 2.3318
1990 189.0 201.0 50 0.820 1.22 2.3032
1991 372.0 198.0 51 0.836 1.20 2.2967
1992 164.3 189.0 52 0.852 1.17 2.2765
1993 390.0 182.8 53 0.869 1.15 2.2620
1994 550.0 182.7 54 0.885 1.13 2.2617
1995 500.0 172.0 55 0.902 1.11 2.2355
1996 310.0 165.6 56 0.918 1.09 2.2191
1997 182.7 164.3 57 0.934 1.07 2.2156
1998 310.7 154.0 58 0.951 1.05 2.1875
1999 318.2 153.1 59 0.967 1.03 2.1850
2000 322.0 100.1 60 0.984 1.02 2.0004
Media 351.01 Media 2.5066
Desv. Est. 147.78 Des. Est. 0.1886
Cof. Asim. 0.7003 Cof. Asim. -0.2486
Probabilidad y Estadística en Hidrología J. Abel Mejía M. 95

Tabla 8.5: Uso de Factores de Frecuencia – Distribución Log-Normal

T P K=Z Y Q (m3/s) LCI LCS

años estimado antilog(Y) (m3/s) (m3/s)
2 0.50000 0.0000 2.5066 321.10 287.02 359.24
5 0.20000 0.8415 2.6653 462.75 406.10 527.30
10 0.10000 1.2817 2.7484 560.24 481.51 651.86
25 0.04000 1.7511 2.8369 686.90 574.55 821.23
50 0.02000 2.0542 2.8941 783.54 642.86 955.01
75 0.01333 2.2168 2.9247 840.87 682.51 1035.98
100 0.01000 2.3268 2.9455 882.01 710.62 1094.74
150 0.00667 2.4752 2.9735 940.71 750.26 1179.50
200 0.00500 2.5762 2.9925 982.92 778.46 1241.08
300 0.00333 2.7134 3.0184 1043.26 818.36 1329.98
400 0.00250 2.8074 3.0361 1086.71 846.80 1394.59
500 0.00200 2.8785 3.0495 1120.79 868.96 1445.61
1000 0.00100 3.0905 3.0895 1228.89 938.39 1609.31

Tabla 8.6: Uso de Factores de Frecuencia – Distribución Gumbel

T P K Q (m3/s) LCI LCS

años (m3/s) (m3/s)
2 0.50000 -0.1643 326.73 288.29 365.18
5 0.20000 0.7195 457.33 414.48 500.18
10 0.10000 1.3046 543.80 491.84 595.76
25 0.04000 2.0438 653.05 585.93 720.17
50 0.02000 2.5923 734.10 654.36 813.84
75 0.01333 2.9111 781.21 693.81 868.61
100 0.01000 3.1367 814.55 721.64 907.47
150 0.00667 3.4541 861.46 760.67 962.25
200 0.00500 3.6791 894.71 788.27 1001.15
300 0.00333 3.9959 941.52 827.06 1055.99
400 0.00250 4.2205 974.72 854.52 1094.92
500 0.00200 4.3947 1000.46 875.79 1125.13
1000 0.00100 4.9355 1080.39 941.74 1219.03

Tabla 8.7: Uso de Factores de Frecuencia – Distribución Log-Pearson III

T P K Y Q (m3/s) LCI LCS

años estimado antilog(Y) (m3/s) (m3/s)
2 0.50000 0.0414 2.5144 326.92 292.19 365.78
5 0.20000 0.8510 2.6671 464.67 407.60 529.71
10 0.10000 1.2519 2.7428 553.05 476.04 642.50
25 0.04000 1.6627 2.8202 661.03 555.87 786.10
50 0.02000 1.9189 2.8686 738.84 611.46 892.76
75 0.01333 2.0535 2.8939 783.32 642.65 954.77
100 0.01000 2.1434 2.9109 814.51 664.30 998.68
150 0.00667 2.2633 2.9335 858.03 694.21 1060.50
200 0.00500 2.3440 2.9487 888.64 715.06 1104.35
300 0.00333 2.4524 2.9692 931.45 743.98 1166.16
400 0.00250 2.5258 2.9830 961.63 764.20 1210.06
500 0.00200 2.5809 2.9934 984.93 779.73 1244.13
1000 0.00100 2.7431 3.0240 1056.80 827.17 1350.18
Probabilidad y Estadística en Hidrología J. Abel Mejía M. 96

Tabla 8.8: Comparación de los valores de caudales máximos obtenidos

T P Q (m3/s) Q (m3/s) Q (m3/s) Q (m3/s)

Log-
años observado Log-Normal Gumbel Pearson
2 0.50000 326 321.10 326.73 326.92
5 0.20000 485 462.75 457.33 464.67
10 0.10000 565 560.24 543.80 553.05
25 0.04000 700 686.90 653.05 661.03
50 0.02000 700 783.54 734.10 738.84
75 0.01333 840.87 781.21 783.32
100 0.01000 882.01 814.55 814.51
150 0.00667 940.71 861.46 858.03
200 0.00500 982.92 894.71 888.64
300 0.00333 1043.26 941.52 931.45
400 0.00250 1086.71 974.72 961.63
500 0.00200 1120.79 1000.46 984.93
1000 0.00100 1228.89 1080.39 1056.80
Probabilidad y Estadística en Hidrología J. Abel Mejía M. 97

Figura 8.4: Distribución Log-Pearson III

1400.0

1200.0

1000.0
Q (m3/s)

800.0

600.0

400.0

200.0
1 10 100