Captulo 7.

Hidrologa
Estadstica y Probabilstica
Modelos probabilsticos para
variables continuas

Motivacin

Funcin de densidad de probabilidad

Agrega mucha informacin estadstica

proveniente de la muestra
Forma concisa
Permite efectuar inferencias acerca de
eventos asociados a perodos de retorno no
observados

Distribucin uniforme
f ( x)

1
ba
0

si a x b
en caso contrario

ba
x
2
2
(
b

a
)
x2
12

Distribucin Normal

1
1 x x
f X ( x)
exp

2 x
2 x
2
b

1
1 x x
F (b) P ( X b)
exp
dx
2 x

2 x
x x ; x sx

variable normalizada:
x x
z
P[ X b] P[ z (b x ) / x ]
x

Distribucin Log-normal

transformacin: Y Ln( X )

f X ( x)

1
x x 2

exp

1 y y

2 y

y y; y sy

var. normalizada: z

y y

Relacin momentos dist. normal - lognormal

x e

y y2 / 2

e (e 1)

c (e 1)
2 y y2

2y

y2

Cs 3Cv C

3
v

1/ 2

Ejemplo aplicacin: Mapocho en los

Almendros perodo pluvial

Q mximos instantneos
Media
Desv. Estndar

Q
49,8
71,7

Si fdp es normal
cual es el caudal
asociado a T=50
aos??
Si fdp es
lognormal??

Ln(Q)
3,082
1,303

Caudal
Caudal
max pluvial max deshielo
m3/s
m3/s
13,6
19,9
68,2
44,0
15,6
20,8
2,7
17,9
5,0
14,1
8,7
22,4
36,8
28,6
12,9
26,0
77,1
21,0
34,5
35,3
17,6
32,1
23,2
64,2
5,6
29,2
85,4
6,5
8,0
21,0
2,4
8,3
1,9
3,7
76,4
15,0
16,2
21,1
18,7
10,6
90,0
47,5
15,3
42,1
25,4
42,4
8,1
16,9
325,0
20,5
234,0
63,8
12,3
36,0
137,0
24,6
8,7
10,9
137,0
30,2
20,5
20,2

Ejemplo aplicacin: Mapocho en los

Almendros (cont.)

Mtodo del FACTOR DE FRECUENCIA

x

xT x K T
K

En fdp normal y lognormal, KT corresponde

a la variable estandarizada z

Aproximacin distribucin acumulativa normal

x
z

F ( z)

1 u2 / 2
e
du
2

A=
0,5
x

z 0 F ( z) B
z 0 F ( z) 1 B
B= (1+0,196854|z|+0,115194 |z|2+
0,000344 |z|3+0,019527 |z|4)
Error<0,0002

-4

Anlisis de Frecuencia Distribucin Normal

350
300
250
200

Q (m /s)

150
100
50
0
-2,5

-2

-1,5

-1

-0,5

0,5

-50
-100
-150

KN

1,5

2,5

Anlisis de Frecuencia Distribucin LogNormal

500
450
400
350

Q (m /s)

300
250
200
150
100
50
0
-2,5

-2

-1,5

-1

-0,5

0,5

KN

1,5

2,5

Anlisis de Frecuencia Distribucin LogNormal

1000

Q (m /s)

100

10

1
-2,5

-2

-1,5

-1

-0,5

0,5

KN

1,5

2,5

Anlisis de Frecuencia Distribucin LogNormal

1000

Q (m /s)

100

10

T aos

10

20

50

100

Distribucin Gamma
k 1 x

x e
f ( x)
(k )
k

F ( x)

( k , x, )
f (u )du
(k )

k
k
1
2
2
x ; 2 ; C v 1/ 2 ; C s 1/ 2

k
k

(k ) e u u k 1du
0

(k)=(k-1)!

Se obtiene de tablas o
aproximaciones numricas
Si k entero

Distribucin Pearson III

x
x

f x ( x) Po (1 ) e ; - x

Equivalente a Gamma de 3 parmetros

1 x m
f x ( x)

(b)
m b (media)

b 1

xm

(desv. est.)

2 / b (coef. asimetria)
3 6 / b (kurtosis)

mx

Distribucin Log-Pearson III

y=log10 x

1
y m
f x ( x)

x(b)

En la prctica, factor de frecuencia:

b 1

y m

yT y KT s y

2 N G G
KT KT 1 1 ; -1 G 1

G
6 6

KT KTN ; G 0
n

n ( yi y )3
i 1

(n 1)(n 2) S 3

K de variable normal
estandarizada

Dist. Log-Pearson III (cont.)

Para n<100 usar informacin de estaciones vecinas

(coef. asimetra generalizado)

SSGGG
SSGGG
G
G
G
Gww
SSGG SSGG

A B log10 ( N /10)

SG ; 10

A =-0,33+0,08
=-0,33+0,08 G
G
A

si G
G 0,90
0,90
si

=-0,52+0,30 G
G
=-0,52+0,30

si G
G >0,90
>0,90
si

B
B =0,94-0,26
=0,94-0,26 G
G
=0,55
=0,55

si
si G
G 1,5
1,5
si
si G
G >1,5
>1,5

Coeficiente de
asimetra
regional

Ejemplo: Qmi Mapocho en Los Almendros

Q
49,8
71,7
2,52

Media
Desv. Estndar
Coef Asimetra

Log10(Q)
1,339
0,566
0,19

Para y=log10Qmi
Gw=0,268
Para T=100 aos:

KT= 2,522

Q100=615,7 m3/s

Greg: 0,4
SGreg: 0,302

Anlisisde
deFrecuencia
FrecuenciaDistribucin
DistribucinLogPearson3
LogPearson3
Anlisis
1000
1000

3
QQ(m
(m/s)
/s)

100
100

10
10

1
1

aos
TTaos

Distribucin de Valor Extremo Tipo I (EVI;

Gumbel)

Fx ( x) exp[e

u x 0.5772a
6
a
sx

x u
a

Dist. EVI (cont.)

Cmo se usa?

xu
y
a
recordar:
1/T = 1-F(x)

e
F ( x) e

1
y Ln( Ln
)
F ( x)
T
yT Ln( Ln(
))
T 1

Dist. EVI (cont.)

xT u ayT
reemplazando valores:

xT x KT sx

6
T
KT
0,5772 Ln[ Ln
]

T 1
Nota: KT=0

T*=2,33 aos

T* es periodo de retorno de la media x

Distribucin Extrema Tipo II

Se asume que los logaritmos de x siguen

distribucin EVI
Se opera igual que con EVI y luego se
realiza transformacin inversa

Conclusin

Distribuciones para variables continuas

Uniforme
Normal, Lognormal
Gamma
Pearson III, Log-Pearson III
Dist. Valores Extremos I y II

Cul usar? TODAS y elegir la que mejor

se AJUSTE a los datos
Prxima clase: ajuste a distribuciones de
probabilidad