Está en la página 1de 42

Unidad temática

1. Introducción
1.5 Análisis probabilístico de
variables hidrológicas
Índice
• Revisión de conceptos básicos
• Fenómenos aleatorios. Variables estadísticas y aleatorias
• Modelos probabilísticos de mayor uso en hidrología
• Técnicas de estimación de parámetros
• Selección de modelos
• Período de retorno y riesgo
• Análisis de frecuencia

2
Conceptos básicos
Proceso hidrológico

Determinística Aleatoria

Proceso estocástico

• Incertidumbre
• Hipótesis: Estacionaridad
• Estudios de crecidas Análisis de frecuencia
• Estudios de recursos hídricos Régimen hidrológico
• Año hidrológico vs. Año natural

3
Variables aleatorias
• Infinidad de posibilidades
Caudales
Precipitación
Número de días de lluvia al año
Niveles en un acuífero o lago
Número de días de inundación

• Estudios de crecidas El valor máximo en Dt

Q diarios o instantáneos [m3 s-1]


P diaria [mm] (eventos extremos)
I [mm/h] (estructura tormenta)

• Estudios de recursos Q [m3 s- Medios (Diario; Semanal;


1
] Mensual; Anual)
P [mm]
4
Variables aleatorias
Series de tiempo Variable vs. Tiempo

5
Variables aleatorias
• Características
• Variables continuas positivas (EXCEPTO)
• Puede existir un límite < 0
• 0 tiene probabilidad no nula (variables mixtas)
• Límite superior físicamente no superable
• PMP probable maximum precipitation Valor Límite
Esperado
• PMF probable maximum flood
(ELV)
• Régimen natural
• Sin influencia humana Restitución de caudales

6
Función de distribución
• Función de distribución de probabilidad acumulada (cdf) de
LogNormal
una variable aleatoria: LogNormal
99.9
99.9
99
99

F X (x) = P [X  x]
95
a 95

%prob. acumulada
80

%prob. acumulada
80
50
50
20
• Percentil o cuantil: 5
20
5
1
1
-1 0.1
X a F X (a)
= 0.1
100
100
1000
1000
10000
10000
Aportaciones
Aportacionesanuales
anuales(Hm3)
• Función de densidad de probabilidad (pdf): Xa (Hm3)

d F X (x)
f X (x) =
dx
7
Momentos y estadísticos
Momentos Estadísticos
 n
Primero momento Xi
Media   E( X )   xf ( x)dx X 
 i 1 n
Segundo momento
 

1 n
Varianza
 
  E ( X   )   ( x   ) f ( x)dx
2 2 2
S 
2
 Xi  X
2

 n  1 i 1

Desviación estándar
o desviación típica
  2 S  S2

Coeficiente de
variación  S
CV  CV 
Tercer momento  X
Coeficiente de
 

 1

3
asimetría   E (X  )  3   Xi  X
n
3
( x  ) 3
f ( x )dx 1
 n  1 n  2 
 Cs 
 i 1 S3

8
Funciones más habituales en recursos hídricos

Normal
• Aplicación del teorema del límite
central
• Rango [-∞, ∞]
• Asimetría nula

1   (x- 2)2 
f X (x) = e  2     x  
2 

9
Normal estandarizada
z
1  z2 


 
F X (x) = e  2  dz
 2

10
Funciones más habituales en recursos hídricos

Lognormal

1 ( ln x -  Y )2
f X (x) = -
e 2 Y2 x0
x 2  Y
1
=e  Y +  Y2
2

2 Y + 2 Y2 2 Y +  Y2
 =e
2
-e

11
Funciones más habituales en recursos hídricos

Normal
Normal Río Tajo en Bolarque de 1912-13 a
99.9 1990-91
99.9
99
99
95
95
LogNormal
LogNormal
%prob. acumulada

80
%prob. acumulada

80
50 99.9
50 99.9
20 99
20 99
5 95
5 95

%prob. acumulada
1 80

%prob. acumulada
1 80
0.1 50
0.1 50
0 1 2 3 4 20
0 1 2 3 4
(X 1000) 20
Aportaciones (X 1000)
Aportacionesanuales (Hm3)
anuales (Hm3) 5
5
1
1
0.1
0.1
100 1000 10000
100 1000 10000
Aportaciones
Aportacionesanuales
anuales(Hm3)
(Hm3)

12
Funciones más habituales en recursos hídricos

  1 x
Gamma
f X (x) = x e ;x  0

(  )
Variables hidrológicas 2
asimétricas x x 1
 2  2 
sx s x CV 2

• Límite inferior cero: ríos


efímeros o zonas áridas y
semiáridas

• Usada con precipitación

13
Funciones más habituales en crecidas

General Extreme Value


(GEV)
 1

• Jenkinson (1955)  x  x  
F X (x) = exp -  1 -   
0
    
 
 2
 = x0 +  1 -  (  +1 )   
 =     ( 2  + 1 ) -  2 (  + 1 ) 
2
  
 ( 1+ 3 ) - 3  ( 1+ 2  )  ( 1+  ) + 2  3 ( 1+  )
 =
  ( 1+ 2  ) -  2 ( 1+  ) 
3/2

• Usada por el UK Natural Environment Research Council

• b= 0 => Gumbel; b< 0 => Frechet; y, b> 0 => Weibull

14
Funciones más habituales en crecidas

Gumbel
=
 ln  + 0,5772 
• 
Tipo I (EVI). (1941).

2
 =
2
 = 1,1396
F X (x) = exp -  e  62
- x

• Eventos extremos

15
Funciones más habituales en crecidas

Weibull
• Tipo III (EVIII). (1939).
 1

 x  
FX ( x)  1  exp    , I [0,  ( x)
   
 
• a = parámetro de escala
• b = parámetro de forma
     1   
 2   2    1  2     2  1    

• Distribución teórica de mínimos

16
Funciones más habituales en crecidas

LogPearson tipo III

 Usada USA por US Water Resources Council


 Extremos de una población normal

  y  y0  e    y  y0 
 1
f X (x) = log x  y0 ; y  log x
x  
2
Sy  2 
   
  Cs  Y  
y 0  Y  SY 

17
GEV vs. EV1

18
Funciones más habituales en crecidas

Two Component Extreme


Value (TCEV) GUMBEL
1000

500
TCEV

PERÍODO DE RETORNO EN AÑOS


 Surge en Italia 80’s
 
100
1 x  2 x
F X (x) = exp  1e  2 e 50

 Crecidas ordinarias 10

 Crecidas extraordinarias 5

 Máximo de dos poblaciones Gumbel


independientes
0 2000 4000

CAUDAL DE CRECIDA EN M3/S


 Excesivo número de parámetros
Tomado de Francés 1998.

19
Funciones más habituales en crecidas

SQRT-Exponential type distribution of maximum (SQRT-ET-max)

• Etoh et al. 1986, Japón.


  
F(x) = exp  k 1 +  x exp -  x  
• Precipitaciones diarias máximas anuales.

• Sólo dos parámetros, k factor de forma y a


factor de escala.

20
Técnicas de estimación de parámetros

• Método de los momentos


• Momentos poblacionales = Parámetros

X    ,  
S X2   2   ,  

• Método de Máxima Verosimilitud


n
f  xi ; 
n
L    f  xi ;  L   
• Más adecuado
i 1  i 1 0
 

21
Técnicas de estimación de parámetros

Ejemplo: determinar el parámetro l de la


función de distribución exponencial.

La función logaritmo de verosimilutd es

22
Técnicas de estimación de parámetros

El valor máximo de lnL ocurre cuando la


derivada parcial es igual a cero

luego

23
Selección de modelos
• Experiencia personal
• Test de ajuste estadísticos
• Prueba Chi-Cuadrado
• Prueba Kolmogorov-Smirnov
• Prueba W
• Prueba Student
• Comparación con la distribución empírica o
plotting position

24
Selección de modelos
n f s  xi   p xi  
2
 Test Chi-Cuadrado m
 
2 Tomado de Chow 1994

p xi 
c
i 1

donde fs(xi) = ni/n y p(xi)=F(xi)-F(xi-1)

 H0 = Distribución de probabilidad propuesta se ajusta adecuadamente a la muestra

 RECHAZA=  c2  2,1
 c2  2,1
 ACEPTA =

 Grados de libertad n = m-p-1, donde m= # clases y p= # parámetros


 Nivel de confianza 1-a = 95% generalmente.
 a = nivel de significancia

25
Selección de modelos

26
Selección de modelos
• Plotting position. Q-Q plot.
ma
p
n  1 2a
donde,
m = orden (menor a mayor)
n = número de observaciones

27
Período de retorno y riesgo
Año de Intervalo
excedencia de
recurrencia
(años)
Concepto de probabilidad de excedencia 1931
4
1935
1
Caudales máximos anuales
7000 1936
1
6000 1937
7
5000 1944
9
m3 s-1

4000 1953
3
3000 1956
2000 m1 mi mn 6
xT 1962
1000 3
1965
0 2
1967
1930 1935 1940 1945 1950 1955 1960 1965 1970
5
Año 1972
Promedio 4.0

m  4.0
28
Período de retorno y riesgo
 Para cada observación
 Éxito X  xT prob. p
 Fallo
X  xT prob. 1  p 
1  p  m1 p

E  m    m1  p 
m 1
p
m 1

p 1
E  m   T
1  1  p   p
2

29
Período de retorno y riesgo
• Si la v.a. es máximo anual

P X  x   FX  x  frecuencia media [año 1 ]

• Probabilidad de excedencia
P X  x   1  FX  x 

• Período de retorno T período medio entre excedencias en años


1
T
1  FX  x 

• No confundir con período exacto de ocurrencia

30
Período de retorno y riesgo
• V.a. X es el Qmáx anual registrado en el aforo de un río
• T = 100 años para X = 150 m3/s indica que:
• Probabilidad de no excedencia del valor 150 m3/s un año cualquiera es
• P [X≤150] = FX(150) = 1-(1/T) = 1-(1/100) = 1-0,01 = 0,99
• Probabilidad de excedencia del valor 150 m3/s un año cualquiera es
• P [X>150] = 1-FX(150) = 1/T = 1/100 = 0,01
• En los próximos 1000 años ¿cuántas veces Qmáx anual superará 150 m3/s?:
• Alrededor de 10 veces

• En los próximos 1000 años ¿cuál es la probabilidad de que el valor 150 m 3/s se
vea superado al menos 1 vez? → RIESGO O RIESGO DE FALLA

1.5 Análisis probabilístico de


31
variables hidrológicas
Período de retorno y riesgo
• “Fallo” de una infraestructura hidráulica = situación en la que su capacidad
se ve superada (excedencia)
• Si caudal de diseño es XT => probabilidad de fallo un año cualquiera es p =
1/T (probabilidad de excedencia)
• Probabilidad de NO ocurrencia será 1-p
• Riesgo durante un período N:

R  1  P[Z  0 ] = 1  1  p 
N

• Si Z = # fallos durante N años => Z ~ binomial (N,p)

N z
P [Z  z] =   p 1  p 
N z

z

1.5 Análisis probabilístico de


32
variables hidrológicas
Período de retorno y riesgo
• V.a. X es el Qmáx anual registrado en el aforo de un río
• T = 100 años para X = 150 m3/s indica que:
• El riesgo en los próximos 1000 años es
• p = P [X>150] = 1/T = 1/100 = 0,01
• N = 1000 R = 1-(1-p)N = 0,9996
• El riesgo en los próximos 20 años es
• p = 0,01
N = 20R = 1-(1-p) = 0,1821
N

• La probabilidad de que se supere 150 m3/s una vez en los próximos 20 años es
• p = 0,01
• N = 20, z = 1 20
P [Z=1] = · 0,011 · (1-0,01)20-1 = 0,1652
1

1.5 Análisis probabilístico de


33
variables hidrológicas
Período de retorno y riesgo

Tomado de Manual de Carreteras, vol 3, (2014)..

34
Análisis de frecuencia empleando
factor de frecuencia
• Relacionar magnitud evento con su frecuencia de
ocurrencia mediante el uso del factor de
frecuencia.
KT

• La magnitud xT xT  x  KT S x

y  log( x)  yT  y  K T S y

Expresión matemática
Valores tabulador

• KT = f(fdp)
35
Análisis de frecuencia empleando
factor de frecuencia
• Intervalos de confianza
U T ,  y  S y K TU,
LT ,  y  S y KTL,

K T  K T2  ab
K TU,, L 
a
z2 z2
a  1 bK  2
2 n  1 T
n

36
Ejercicio
 Determinar Qmax para T 10, 100 y 100 años.
Año Qmax [m3/s]
1975 45.76
1976 30.05
1977 85.70
1978 80.69
1979 66.94
1980 81.00
1981 43.48
1982 96.68
1983 78.46
1984 75.08
1985 62.33
1986 87.47
1987 143.41
1988 57.92
1989 50.27
1990 30.96
1991 66.53
1.5 Análisis probabilístico de
37
variables hidrológicas
 Ajuste para función de distribución
LogNormal
Año Qmax [m3/s] Ln(Qmax)
1975 45.76 3.82
1976 30.05 3.40
1 ( ln x -  Y )2
1977 85.70 4.45
f X (x) = -
e 2 Y2 x0
1978
1979
80.69
66.94
4.39
4.20 x 2  Y
1980 81.00 4.39
1981 43.48 3.77
1982 96.68 4.57 1   ln x  4.17  2 
1983 78.46 4.36 f x ( x)  exp  

1984 75.08 4.32 x 2 0.40  0.32 
1985 62.33 4.13
1986 87.47 4.47
1987 143.41 4.97
1988 57.92 4.06
1989 50.27 3.92
1990 30.96 3.43
1991 66.53 4.20
Media = my 69.57 4.17
Varianza = s2 y 750.57 0.16
Desv_est = sy 27.40 0.40

1.5 Análisis probabilístico de


38
variables hidrológicas
 Prueba de bondad de ajuste- Chi cuadrado
1 30.0
2 31.0
3 43.5 Número de intervalos m = 1+1.33*LN(N)
4 45.8 N = número de datos
5 50.3 m 5
6 57.9
7 62.3
8 66.5 Dato mayor 143.40
9 66.9 Dato menor 30.00 A = (Dato mayor-Dato menor)/m
10 75.1 Amplitud 22.68
11 78.5
12 80.7
13 81.0 Desde Hasta Marca de clase Frecuencia
14 85.7 30.00 52.68 52.68 5
15 87.5 52.68 75.36 75.36 5
16 96.7
17 143.4 75.36 98.04 98.04 6
98.04 120.72 120.72 0
120.72 143.40 143.40 1

1.5 Análisis probabilístico de


39
variables hidrológicas
Desde Hasta Marca de clase Frecuencia fs(xi) z
30.00 52.68 52.68 5 0.29 -0.550
52.68 75.36 75.36 5 0.29 0.410
75.36 98.04 98.04 6 0.35 1.110
98.04 120.72 120.72 0 0.00 1.670
120.72 143.40 143.40 1 0.06 2.130

fs(xi) = Frecuencia/N
z = variable tipificada = (x – media) / var

1.5 Análisis probabilístico de


40
variables hidrológicas
Desde Hasta Marca de clase Frecuencia fs(xi) F(x) p(xi)=F(xi+1)-F(xi) Suma(i)
30 52.68 52.680 5 0.29 0.2912 0.2912 0.00049696
52.68 75.36 75.360 5 0.29 0.6591 0.3679 0.25154989
75.36 98.04 98.040 6 0.35 0.8665 0.2074 1.73624869
98.04 120.72 120.720 0 0 0.9525 0.086 1.462
120.72 143.4 143.4 1 0.06 0.9834 0.0309 0.42897409

Chi^2 = 3.87926964
parámetros 2
gl 2
1-a 0.95
Chi^2 (2,0.95) 5.99 > 3,879 SE ACEPTA H0

1.5 Análisis probabilístico de


41
variables hidrológicas
 Cálculo caudales para un período de retorno
Caudales para períodos de
retorno ((x2-x1)/(y2-y1)*(y-y1)+x1
Pexc Pno exc x1 y1 x2 y2 Z (tabla) LnX X
10 0.1 0.9 1.28 0.8997 1.29 0.015 1.280 4.65 104.47
100 0.01 0.99 2.32 0.9898 2.33 0.9901 2.327 5.04 154.56
1000 0.001 0.999 3.100 5.33 206.42

1.5 Análisis probabilístico de


42
variables hidrológicas