Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEÓRICA
Las opciones del menú principal
Opciones Descripción
Distribuciones Permite evaluar si una serie de datos se ajustan a una serie de
distribuciones: Normal, log-normal con 2 y 3 parámetros, gamma
con 2 y 3 parámetros, log-Pearson tipo III, Gumbel y log-Gumbel,
tanto con momentos ordinarios, como con momentos lineales. Si
la serie de datos se ajusta a una distribución, permite calcular por
ejemplo caudales o precipitaciones de diseño, con un período de
retorno dado o con una determinada probabilidad de ocurrencia.
DISTRIBUCIONES TEÓRICAS
La Probabilidad: Es la mayor o menor posibilidad de que ocurra un determinado suceso. En otras palabras, su noción viene
de la necesidad de medir o determinar cuantitativamente la certeza o duda de que un suceso dado ocurra o no.
Ésta establece una relación entre el número de sucesos favorables y el número total de sucesos posibles.
Las distribuciones teóricas de probabilidad: Función que asigna a cada suceso definido sobre la variable aleatoria la
probabilidad de que dicho suceso ocurra. Muestra todos los resultados posibles de un experimento y la probabilidad de
cada resultado
Distribución Teórica: Proceso de selección
Distribución normal .
Selección de una Distribución log-normal de 2 ó 3 parámetros .
distribución Distribución gamma de2 ó 3 parámetros .
Distribución log-Pearson tipo III .
Distribución Gumbel .
Distribución log-Gumbel
Registro de datos
Estimación de
parámetros
Prueba de bondad de
ajuste
F V Usar Distribución
Ajuste bueno
Teórica elegida FIN
Distribución normal o gaussiana
La distribución normal es una distribución con forma de campana donde las desviaciones estándar sucesivas
con respecto a la media establecen valores de referencia para estimar el porcentaje de observaciones de los
datos. Estos valores de referencia son la base de muchas pruebas de hipótesis, como las pruebas Z y t.
Distribución normal o gaussiana
en la hidrología
La distribución normal tiene gran utilidad en hidrología, siendo alguna de sus principales aplicaciones:
• En el ajuste de distribuciones empíricas de variables hidrológicas de intervalos de tiempo grandes, tales como variables medias anuales,
mensuales, estacionales, etc., que pueden ser caudales, precipitación, entre otros.
• Como referencia para -comparar varias distribuciones teóricas de ajuste en una distribución empírica.
Ajuste
El ajuste puede realizarse gráficamente utilizando papel probabilístico normal ó analíticamente, mediante los estadísticos
Chi-cuadrado ó Smirnov-Kolmogorov.
Cálculo de una Distribución normal o Gaussiana
1. Ordenar los datos de manera creciente
√
𝒏
𝒏
𝟏 ∑ ( 𝑸𝒊 − 𝑸)𝟐
2. Calcular los parámetros estadísticos: Media: ∑
𝑸=y Desviación
𝒏 𝒊=𝟏
𝑸 𝒊 Estándar: 𝑺=
𝒊=𝟏
𝒏− 𝟏
3. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:
Modelos teóricos, usar la ecuación de la función acumulada F(x), o tablas elaboradas para tal fin
[ ]
𝑍 2
𝑋−𝑋 1 𝑍
𝑍=
𝑆
𝐹 ( 𝑍 )= ∫
√ 2 𝜋 −∝
𝐸𝑋𝑃 −
2
𝑑𝑍
Procedimiento gráfico: Utiliza papel probabilístico especial donde F(x), puede representarse como una línea recta
Cálculo de la Distribución Acumulada normal
Abramowitz y Stegun (1965), han dado varias aproximaciones para la F.D.A. de la variable normal
estandarizada Z. Una aproximación polinomial con un error menor que 10-5 es:
donde:
F(Z) = es la función de distribución acumulada
f(Z) = es la función densidad de la variable estandarizada
t = es definido para Z = 0, como
𝟏
𝒕=
𝒂+𝟎 . 𝟑𝟑𝟐𝟔𝟕| 𝒁|
𝟏 −𝐅(𝐙)
5. Calcular las diferencias |P(x) - F(x)|, para todos los valores de x
7. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:
8. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:
5. Comparándola con la prueba Chi-cuadrado, no se requiere que la frecuencia absoluta de cada clase, sea
igual o mayor que 5.
Si la variable aleatoria X, tiene una distribución log-normal, esto significa que Y = ln(X) tiene una distribución normal.
Es posible una generalización, en el caso que se introduzca un límite inferior Xo, cuyo caso el LnX, anteriores, es sustituido por Ln(X –
Xo).
Hay una distribución log-normal de 2 parámetros y otra de 3 parámetros, en la de 3 parámetros, el tercer parámetro es el límite inferior
Xo, denominado parámetro de posición.
Cálculo de una Distribución Lognormal 2 parámetros
1. Ordenar los datos de manera creciente
2. Obtener el Logaritmo natural de la serie: Y = Ln(x)
√
𝒏
𝒏
𝟏 ∑ (ln 𝒙 𝒊 − 𝝁 𝒚 )𝟐
3. Calcular los parámetros estadísticos: Media: ∑
𝝁 𝒚 = y Desviación
𝒏 𝒊=𝟏
ln 𝒙 Estándar: 𝝈 𝒚=
𝒊=𝟏
𝒏−𝟏
4. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:
Modelos teóricos, usar la ecuación de la función acumulada F(x), o tablas elaboradas para tal fin
[ ]
𝑍 2
ln 𝑥 −𝝁 𝒚 1
∫ 𝑍
𝑍= ⟹ 𝐹 ( 𝑍 )=
√ −∝
2 𝜋
𝐸𝑋𝑃 −
2
𝑑𝑍
𝝈𝒚
Nota. Para el cálculo de la distribución acumulada de la normal o la log-normal, una vez conocido sus parámetros, hacer la transformación a la
distribución normal estándar y usar las tablas o las ecuaciones de aproximación, elaboradas para su cálculo
6. Calcular las diferencias |P(x) - F(x)|, para todos los valores de Ln(x)
8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:
9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:
si n = par =
= primer valor de la serie ordenada ascendentemente
si n = impar
= último valor de la serie ordenada ascendentemente
n = número de dato de la serie
= mediana de la serie de valores
√∑
𝒏 𝒏
𝟏 y Desviación Estándar:
2. Calcular los parámetros estadísticos: Media: 𝝁𝒚= ∑
𝒏 𝒊=𝟏
ln ¿ ¿ ¿ ¿ 𝝈 𝒚=
𝒊=𝟏
¿¿¿¿¿
3. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:
𝑴 P(x) = probabilidad empírica o experimental
𝑷 ( 𝒙 )= M = número de orden
𝑵 +𝟏
N = número de datos
4. Calcular la probabilidad teórica F(x):
Modelos teóricos, usar la ecuación de la función acumulada F(x), o tablas elaboradas para tal fin
[ ]
𝑍
𝑍=ln ¿¿¿¿
1 𝑍2
⟹ 𝐹 ( 𝑍 )= √ 2 𝜋 ∫
−∝
𝐸𝑋𝑃 −
2
𝑑𝑍
6. Calcular las diferencias |P(x) - F(x)|, para todos los valores de Ln(x)
8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:
9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:
3. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:
𝑴 P(x) = probabilidad empírica o experimental
𝑷 ( 𝒙 )= M = número de orden
𝑵 −𝟏
N = número de datos
𝒏 𝒏
𝟏y Media Logarítmica 𝟏
4. Calcular los parámetros estadísticos: Media: 𝑿= ∑
𝒏 𝒊 =𝟏
𝑿𝒊 ln 𝑿= ∑
𝒏 𝒊=𝟏
ln 𝑋 𝑖
La integral de la ecuación puede evaluarse para valores dados de β y ϒ, usando la tabla siguiente tabla, en la cual se ha tabulado Ia
función garnma incompleta.
Prueba Chi-cuadrado: Variable aleatoria reducida: Grado de libertad:
En esta tabla, se ingresa con los valores de Chi-cuadrado y grados de libertad, y se determina los valores de la probabilidad de
excedencia 𝑃𝑒𝑥=1 − 𝐺( 𝑦 )
6. Calcular las diferencias |P(x) - F(x)|, F(x) = G(y)
8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:
9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:
2. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:
𝑁2𝑀3
3. Calcular los datos muestrales 𝐶 𝑠 =𝑔= 3
( 𝑁 − 1)( 𝑁 − 2)𝑆
√
𝒏
𝟏 𝒏
𝑿= ∑ 𝑿 𝒊
𝒏
∑ ( 𝒙 𝒊 − 𝑿 )𝟐 𝟏
𝑵 𝒊=𝟏 𝑺=
𝒊=𝟏
𝑵 −𝟏
𝑴 𝟑= ∑
𝑵 𝒊=𝟏
(𝒙 𝒊 − 𝑿 )𝟑
En esta tabla, se ingresa con los valores de Chi-cuadrado y grados de libertad, y se determina los valores de la probabilidad de
excedencia 𝑃𝑒𝑥=1 − 𝐺( 𝑦 )
6. Calcular las diferencias |P(x) - F(x)| F(x) = G(y)
8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:
9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:
𝑺 ln𝒙 = √∑ ¿¿¿¿¿
N = número de datos
4 𝐶 𝑠 ln 𝑥 ∗ 𝑆ln 𝑥 2 ∗𝑆 ln 𝑥
ϒ= 2 𝛽= 𝑋 0= 𝑿 ln 𝒙 −
𝐶 𝑠 ln 𝑥 2 𝐶 𝑠 ln 𝑥
5. Calcular función acumulada F(y) (ln 𝑥 − 𝑥 0) 𝑦 𝛾−1 −𝑦
−
𝑦 𝑒
𝐺( 𝑦 )=∫
𝑥 𝛾 −1 𝛽
(ln 𝑥 − 𝑥 0 ) 𝑒 ⅆ𝑦
𝐹 ( 𝑥)=∫ 𝛾
ⅆ𝑥 0 Γ (𝛾 )
𝑥0 𝛽 Γ (𝛾 )
La integral de la ecuación puede evaluarse para valores dados de β y ϒ, usando la tabla siguiente tabla, en la cual se ha tabulado Ia
función garnma incompleta.
Prueba Chi-cuadrado: Variable aleatoria reducida: Grado de libertad:
En esta tabla, se ingresa con los valores de Chi-cuadrado y grados de libertad, y se determina los valores de la probabilidad de
excedencia 𝑃𝑒𝑥=1 − 𝐺( 𝑦 )
6. Calcular las diferencias |P(x) - F(x)| F(x) = G(y)
8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:
9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:
Por ejemplo, sería muy útil para representar la distribución del máximo nivel de
un río a partir de los datos de niveles máximos durante 10 años.
Es por esto que resulta muy útil para predecir terremotos, inundaciones o
cualquier otro desastre natural que pueda ocurrir.
La ley de Gumbel o ley de valores extremos, se utiliza generalmente para ajustar a
una expresión matemática, las distribuciones empíricas de frecuencia de caudales
máximos anuales, precipitaciones máximas anuales, etc.
Uno de los inconvenientes del uso de esta distribución, es que en una distribución
doble exponencial, la variable puede tomar cualquier valor, por lo que se puede
asignar probabilidades a valores negativos de la variable aleatoria, cuestión que
resta significación física a la aplicación, debido a que las variables hidrológicas
toman solamente valores positivos o cero.
Cálculo de una Distribución Gumbel
1. Colocar los datos tal y como está
2. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:
√
𝒏
𝟏 𝒏
3. Calcular los datos muestrales
𝑿= ∑ 𝑿 𝒊 ∑ ( 𝒙 𝒊 − 𝑿 )𝟐
𝑵 𝒊=𝟏 𝑺=
𝒊=𝟏
𝑵 −𝟏
𝑥− 𝜇 −
𝑥 −𝜇
𝑥 −𝜇
1 𝑦=
𝛼
− −𝑒 −𝑒
−𝑦
𝐹 ( 𝑥)= 𝑒 𝛼
𝐺( 𝑦 )=𝑒 𝛼
𝛼
6. Calcular las diferencias |P(x) - F(x)| F(x) = G(y)
8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:
9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:
3. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:
𝑺 ln𝒙 = √∑ ¿¿¿¿¿
𝒏
𝟏
4. Calcular los datos muestrales 𝑿 ln 𝒙 = ∑ ln 𝑿
𝑵 𝒊=𝟏
𝑥− 𝜇 −
𝑥 −𝜇
𝑥 −𝜇
1 𝑦=
𝛼
− −𝑒 −𝑒
−𝑦
𝐹 ( 𝑥)= 𝑒 𝛼
𝐺( 𝑦 )=𝑒 𝛼
𝛼
6. Calcular las diferencias |P(x) - F(x)| F(x) = G(y)
8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:
9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación: