HIDROESTA

 Es un Herramienta computacional, para cálculos hidrológicos y estadísticos aplicados a la Hidrología.

 Este software facilita y simplifícalos cálculos laboriosos, y el proceso del análisis de la abundante
información que se deben realizar en los estudios hidrológicos.

 HidroEsta proporciona una herramienta que permite realizar cálculos, simulaciones rápidas, y
determinar los caudales o precipitaciones de diseño
Las opciones del menú principal
Opciones Descripción
Parámetros Estadísticos Permite el cálculo de los
parámetros estadísticos, para
datos agrupados y no agrupados,
tanto con los momentos
tradicionales como con
momentos lineales (L-moments).
Regresión Permite el cálculo de las
ecuaciones de regresión lineal, no
lineal, simple y múltiple así como la
regresión polinomial
.
 PARÁMETROS ESTADÍSTICOS
 Disponibilidad un registro de datos hidrometeorológicos (precipitación, caudales, evapotranspiración,
temperaturas, etc.)

Escogerá un modelo probabilístico a usar, que represente en forma satisfactoria el comportamiento de

la variable

 Calcular sus parámetros estadísticos y realizar la prueba de bondad de ajuste.

Momentos Ordinarios Momentos Lineales (L-moments)

 media
 rango
 desviación estándar
 varianza
 coeficiente de variación
 coeficiente de sesgo
 coeficiente de curtosis

 Los cálculos son dependiendo de si los datos son datos agrupados o no agrupados.
 Datos Agrupados Y No Agrupados

Datos No Agrupados: son datos no muy detallados o en bruto (es decir, no se presentan clasificados)

No son necesarios clasificarlos ni generar una tabla de frecuencias, ya que no tiene “mucho sentido”.
debido a que estos elementos son de menor cantidad (generalmente son menores a 20 elementos).

 Datos Agrupados: Son aquellos que su fin es resumir la información.

Por lo general, los elementos son de mayor tamaño, por lo cual requieren ser agrupados, esto
implica: ordenar, clasificar y expresar los en una tabla de frecuencias.

Se agrupa a los datos, si se cuenta con 20 o más elementos

Parámetros Estadísticos: Fórmulas y Definiciones
DATOS NO AGRUPADOS DATOS AGRUPADOS
FÓRMULA
POBLACIONAL MUESTRAL POBLACIONAL MUESTRAL

σ𝒏𝒊=𝟏(𝒙𝒊 − 𝝁)𝟐 σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙

ഥ)𝟐 σ𝒌𝒊=𝟏(𝒙𝒊 − 𝝁)𝟐 𝒇𝒊 σ𝒌𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐 𝒇𝒊
Varianza 𝟐
𝝈 = 𝟐
𝑺 = 𝟐
𝝈 = 𝟐
𝑺 =
𝒏 𝒏−𝟏 𝒏 𝒏−𝟏

𝒏
Desviación 𝟏 𝟏
𝒏
𝟏
𝒌
𝟏
𝒏

𝝈 = (෍ 𝒙𝒊 𝟐 − 𝒏𝝁𝟐 ) 𝑺 = (෍ 𝒙𝒊 𝟐 − 𝒏ഥ
𝒙𝟐 ) 𝝈 = (෍ 𝒙𝒊 𝟐 𝒇𝒊 − 𝒏𝝁𝟐 ) 𝑺 = (෍ 𝒙𝒊 𝟐 𝒇𝒊 − 𝒏ഥ
𝒙𝟐 )
Estándar 𝒏
𝒊=𝟏
𝒏−𝟏
𝒊=𝟏
𝒏
𝒊=𝟏
𝒏−𝟏
𝒊=𝟏

Coeficiente de 𝝈 𝑺 𝝈 𝑺
𝑪𝒗 = 𝑪𝒗 = 𝑪𝒗 = 𝑪𝒗 =
Variación 𝝁 ഥ
𝒙 𝝁 ഥ
𝒙
Coeficiente de 𝝁𝟑 𝒏𝟐 𝑴𝟑 𝝁𝟑 𝒏𝟐 𝑴𝟑
𝜸= 𝟑 𝑪𝒔 = 𝜸= 𝟑 𝑪𝒔 =
Sesgo 𝝈 (𝒏 − 𝟏)(𝒏 − 𝟐)𝑺𝟑 𝝈 (𝒏 − 𝟏)(𝒏 − 𝟐)𝑺𝟑

Coeficiente de 𝝁𝟒 𝒏𝟑 𝑴𝟒 𝝁𝟒 𝒏𝟑 𝑴𝟒
Curtosis 𝜸= 𝟒 𝑪𝒌 =
(𝒏 − 𝟏)(𝒏 − 𝟐)(𝒏 − 𝟑)𝑺𝟒 𝜸= 𝟒 𝑪𝒌 =
(𝒏 − 𝟏)(𝒏 − 𝟐)(𝒏 − 𝟑)𝑺𝟒
𝝈 𝝈
𝒏 𝒏 𝒏 𝒏
𝟏 𝟏 𝟏 𝟏
Media 𝝁 = ෍ 𝒙𝒊 ഥ = ෍ 𝒙𝒊 𝒇𝒊
𝒙 𝝁 = ෍ 𝒙𝒊 ഥ = ෍ 𝒙𝒊 𝒇𝒊
𝒙
𝒏 𝒏 𝒏 𝒏
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏
 Momentos Lineales (L-moments)
 Son otras maneras de expresar propiedades estadísticas de datos hidrológicos.

 Permite estimar los parámetros estadísticos de una población o muestra.

 Similar a los momentos ordinarios (medidas de localización, dispersión, asimetría, curtosis) pero se
calculan de las combinaciones lineales de los datos.

 Permite determinar la distribución teórica de probabilidad que mejor ajusta a los datos analizados.

Media Desviació Coeficiente de Coeficiente de Coeficiente de

Varianza
Aritmética n Estándar Variación Sesgo Curtosis

𝒏
𝟏 σ𝒏𝒊=𝟏(𝒙𝒊 𝟐
− 𝝁) 𝝈 σ𝒏𝒊=𝟏(𝒙𝒊 − 𝝁)𝟑 σ𝒏𝒊=𝟏(𝒙𝒊 − 𝝁)𝟒
𝝁 = ෍ 𝒙𝒊 𝝈𝟐 = 𝝈= 𝝈𝟐 𝑪𝒗 = 𝒏 𝒏
𝒏 𝒏 𝝁 𝜸= 𝜸=
𝒊=𝟏 𝝈𝟑 𝝈𝟒
Cálculo de Distribución de Probabilidades Empíricas
de Datos Agrupados en Intervalos de Clase
1. Ordenar la muestra en datos crecientes: (𝑥𝑚𝑖𝑛 , 𝑥2 , 𝑥3 … . . , 𝑥𝑚𝑎𝑥 )

2. Calcular el rango R de la muestra: 𝑅 = 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛

3. Seleccionar el número de intervalos de clase NC: 𝑁𝑐 = 1.33 ln 𝑁 + 1

𝑅
4. Calcular la amplitud de cada intervalo de clase Δ𝑥: Δ𝑥 =
𝑁𝑐−1

5. Calcular los límites de clase de cada uno de los intervalos: 𝐿𝐶𝐼 𝑙 = 𝑥𝑚𝑖𝑛 − Δ𝑥/2, 𝐿𝐶𝑆𝑙 = 𝐿𝐶𝐼 𝑙 + Δ𝑥

𝑙𝐶𝐼1+𝐿𝐶𝑆 𝑙
6. Calcular las marcas de clase de cada uno de los intervalos: 𝑀𝐶𝑙 = , 𝑀𝐶𝑙 = 𝑥𝑚𝑖𝑛 y 𝑀𝐶𝑛 = 𝑥𝑚𝑎𝑥
2

7. Calcular la frecuencia absoluta: Esta es igual al número de observaciones. Que caen dentro de cada
intervalo definido por sus limites de clase respectivos, la misma que se obtiene por conteo: 𝑓𝑎𝑏𝑖 = 𝑛𝑖
 Distribución de Frecuencia
 Son tablas en que se dispone las modalidades de la variable por filas. La finalidad de las
agrupaciones en frecuencias es facilitar la obtención de la información que contienen los datos.
Frecuencia absoluta: Es el número de veces que se repite cada dato.
Nos ayuda a identificar tendencias.
El número cuya frecuencia se acerque más a la unidad es el que tiene mayores probabilidades de salir.
Frecuencia Relativa: Se obtiene dividendo la frecuencia absoluta entre el total de registro.
Es sencillo visualizar cómo se distribuyen los datos.
Nos indica el número de veces que ocurre un mismo dato
Función Densidad: Se refiere a la colección de valores de la variable aleatoria y la distribución de
probabilidades entre ellos.
La probabilidad de que un x ocurra es P(x), expresado con un valor o un porcentaje
Función Acumulada: La función distribución acumulada F(x) de la variable aleatoria discreta x, cuya
distribución de probabilidad es P(x), es la probabilidad de que la variable X sea menor o igual valor.

Puede tomar valores entre 0 y 1 0≤𝐹 𝑥 𝑥 ≤ 1 para todo x ∈ ℝ

Es no decreciente 𝐹 𝑥 𝑥1 ≤ 𝐹 𝑥 𝑥2 para todo 𝑥1 < 𝑥2
REGRESIONES
El análisis de regresión, es una técnica determinística, que permite determinar la naturaleza de la
relación funcional entre dos o más variables.

Permite predecir los valores de y = f(x), ecuaciones de regresión, con un cierto grado de aproximación

Algunas ecuaciones de regresión más utilizadas en hidrología, son:

a) Regresión lineal.
b) Regresión simple.
c) Regresión múltiple 2 variables independientes.
d) Regresión múltiple 3 variables independientes.
e) Regresión polinomomial 2º grado.
f) Regresión polinomomial 3º grado.
g) Modelo Autorregresivo AR(1) o Markoviano de orden 01
h) Modelo Autorregresivo AR(1) con transformación
Las opciones del menú principal
Opciones Descripción Fórmula
En ocasiones la distribución de la muestra toma la forma
Regresión Lineal 𝑦 = 𝑎𝑥 + 𝑏
de una recta que sigue una ecuación lineal determinada
Tratamos de explicar la relación que existe entre la 𝑦 = 𝑎 + 𝑏𝑥
Regresión Simple variable respuesta Y y una única variable explicativa X.
𝑦 = 𝑎 + 𝑥𝑏
Regresión múltiple 2
variables independientes. Esta técnica de análisis se utiliza cuando la variable 𝑌 ′ = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2
dependiente Y, es función de dos o más variables
Regresión múltiple 3 independientes (𝑥1 , 𝑥2 , 𝑥3 . . 𝑥𝑛 ) 𝑌 ′ = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2 + 𝑏3 𝑥3
variables independientes.
Regresión Polinomial 2º
Grado Para el ajuste de los pares de valores, se puede utilizar la 𝑌 ′ = 𝑎 + 𝑏1 𝑥 + 𝑏2 𝑥 2
metodología descrita para el caso de una ecuación de
Regresión Polinomial 3º regresión lineal múltiple 𝑌 ′ = 𝑎 + 𝑏1 𝑥 + 𝑏2 𝑥 2 + 𝑏3 𝑥 3
Grado
Modelo Autorregresivo o Son aquellos modelos ARMA (p,q) en los que q=0. en
Markoviano de Orden 1 general lo denotarlo con AR(p).
En un modelo AR(p) en valor en el momento t de la serie 𝑦𝑡 = 𝜇 + ∅1 𝑦𝑡−1 − 𝜇 + 𝜀𝑡
Modelo Autorregresivo se expresa como una combinación líneas de las p
con Transformación observaciones anteriores de la serie más la innovación