Universidad Andina del Cusco

Distribucin de Log-Gumbel

HIDROLOGIA GENERAL
DOC: CARLOS LUNA LOAYZA
ALUMNOS:
BEGAZO HUAYLLA RUBEN
BORDA LUZA HOLGUER
GOMEZ PENA ANIBAL
QUEZADA QUISPE MARIELLA ELIZABETH
SULLCACCORI HUAMAN DANNY
 Aplicaciones e importancia
de la teora
Estimacin de caudales mximos y mnimos y su frecuencia
de ocurrencia.
Definir la relacin caudal-periodo de retorno.
Estimacin de una funcin de densidad de probabilidades.
Numerosas obras hidrulicas se disean con esta
metodologa.
Algunos pases trataron de definir este problema con una
legislacin,
 Modelos y temas

Principales modelos de valores extremos: Gumbel, Log-

Normal II y III, Pearson III, Log-Pearson III.
Problemas clsicos: seleccin del modelo y estimacin de sus
parmetros.
Principales hiptesis de la teora clsica.
Modelos en un contexto no estacionario.
Deteccin de tendencias en mximos y mnimos.
Modelos de funcin de densidad derivada de caudales
extremos.
 Proceso de seleccin y estimacin
de un modelo

Seleccionar una funcin de densidad de probabilidades para

representar una serie de caudales mximos o mnimos(*).
Estimar los parmetros de la funcin de densidad de
probabilidades
Estimar los caudales mximos o mnimos asociados con
distintos perodos de retorno.
(*) importancia de la autocorrelacin entre los datos.
 Mtodos de estimacin
Los parmetros desconocidos del modelo son inferidos a
partir de datos histricos .
Existen numerosas tcnicas para la estimacin de los
parmetros pero todas tienen ventajas y desventajas.
Los mtodos de estimacin no son independientes del
problema de la seleccin del modelo.
La estimacin de parmetros en modelos asimtricos es
ms complicada debido a la presencia de verosimilitudes
irregulares.
 Distribucin General de Valor Extremo
Los valores extremos son valores mximos y mnimos seleccionados de un conjuntos de
datos.

Las distribuciones de valores extremos seleccionados de conjuntos de muestras de

cualquier distribucin de probabilidad convergen en una de las tres formas de distribucin
de valor extremo, llamadas:

Tipo I: Gumbel, g=1.14

Tipo II: Frechet g<=1.14
Tipo III:Weibull g>=1.14

Funcin de Distribucin de probabilidad para la GEV

1/
x
F(x) = exp - 1 -

Donde:
, y son parmetros que deben ser determinados.

Los tres casos limitantes son:

1. = 0 Distribucin de Valor Extremo Tipo I (Gumbel)

1 x- x -
f(x) = exp - - exp -

Rango: - x
x 0.5772 6
=

Estimacin de parmetros:
2. < 0 Distribucin de Valor Extremo Tipo II (Frechet)
1/
x
f(x) = exp - 1 -

Rango: ( / ) x

3. > 0 Distribucin de Valor Extremo Tipo III (Weibull)

1/
x
f(x) = exp - 1 -

x ( / )
Rango:
 DISTRIBUCION GUMBEL O EXTREMA TIPO I

Una familia importante de distribuciones usadas en el anlisis

de frecuencia hidrolgico es la distribucin general de valores
extremos, la cual ha sido ampliamente utilizada para
representar el comportamiento de crecientes y sequas
(mximos y mnimos).
 Distribucin Log Normal
En general, cuando la variable aleatoria X es el producto de un gran nmero de otras

variables aleatorias, la distribucin de los logaritmos de X puede aproximarse a la

Normal, ya que los logaritmos de X son la suma de los logaritmos de los factores

contribuyentes.
1 y - y 2
1
f(x) = exp -
y x 2 2 y
2

Si se tiene una variable aleatoria X y ln X = Y, se ajusta a una distribucin Normal, se dice

que la variable aleatoria X es log normalmente distribuida.

Funcin de Distribucin de Probabilidad

AsumiendoY = loga (X)

 Parmetros y Factor de frecuencia
Media (Parmetro de escala)
Desviacin estandar (Parmetro de forma)

Estimacin de parmetros: Mtodo de los momentos

12
1 N 1 N 2
Y loga ( X i )

Y
a i Y
log ( X )
N i1 N i1

lnX T = y + K y
K es la misma de la distribucin normal

Si se quiere trabajar con la variable no transformada en el campo logartmico se tiene

que:
ln1 + Cv2
exp K T ln1 + Cv -
2 1/2
- 1
2
K=
Cv
 -1 1
K T = F u 1 -
Tr

Es el inverso de la funcin de distribucin Normal

1 1
Fu 1 estandarizada acumulada y Cv es el coeficiente
T
de variacin
Intervalos de confianza

: Nivel de confianza o significancia

ST: Error estndar

lnX T u1- 2 S T
1/2
Y K
2

ST = = 1 + T
2
N
 Ejemplo: Distribucin Log Normal
La media y desviacin estndar de los Qmax anuales de la estacin del ro Nare son:

=94.35 m3/s y =22.45 m3/s

Y=4.52 y Y=0.2337

Hallar el QTR=100 si los Qmax tienen una distribucin Log Normal.

K=2.326
QY Tr=100=4.52+2.326*0.237
QTr=100=159 m3/s

Intervalos de Confianza: Ln(QTR=100) 95ST

Es un intervalo de dos colas, con una probabilidad en cada una de 5%
1/2
Y K
2

ST = = 1 + T


=1.92 N 2
ST=0.075
5.0711.6*0.075
4.94 QY 5.14 139159 170 m3/s

Distribucin Log Pearson
Funcin de distribucin de probabilidad
Tipo III
-1
1 ln(x) - y o ln (x) - y o
f x (x) = e
-
x ()

Parmetros

y , parmetros de escala y forma

y yo parmetro de localizacin

Estimacin de Parmetros

Mtodo de los momentos

2
2

y

=
y y 0
y

y 2
 Factor de Frecuencia:

Y T = ln X T =
y + K
y
Intervalos de Confianza: Que tan cercano puede estar el estimado al verdadero
valor desconocido de la poblacin: Conocer con cierta certeza. Franja grande: mucha
incertidumbre.

X T u1- 2 S T
: Nivel de confianza o nivel de probabilidad
ST: Error estndar

y
ST = ln XT 1 / 2S T
N
DISTRIBUCION GUMBEL O EXTREMA TIPO I

Una familia importante de distribuciones usadas en el anlisis

de frecuencia hidrolgico es la distribucin general de valores
extremos, la cual ha sido ampliamente utilizada para
representar el comportamiento de crecientes y sequas
(mximos y mnimos).
Distribucin Gumbel
La fda y el factor de frecuencias es:

x
F(x) exp - exp x

K=-
6
0.577 + ln lnTr - ln Tr - 1

Intervalos de confianza: Que tan cercano puede estar el estimado al valor verdadero
desconocido de la poblacin.
X T u1- 2 S T

: Nivel de confianza o nivel de probabilidad

ST: Error estndar ^

ST = = 1 + 1.1396K + 1.1K
2 1/2
N
Ejemplo: Distribucin Gumbel
Si los caudales de la estacin del ro Nare tienen una distribucin
Gumbel:
QTr 95ST
6
K 100 0.577 lnlnT R ln(T R 1)
KTr=100 = 3.13

QTr 100 K
QTr 100 94.35 3.13 22.45 164.77
Intervalos de confianza:
 Ejemplo: Distribucin Gumbel

ST =
N

= 1 + 1.1396K + 1.1K
2 1/2

= 3.91
ST = 14.62
QTR 1.6*14.62
141.4 164.77 188.17 m3/s