Sustentacion Tesis

UNI VERSI DAD NACI ONAL DE ANCASH
SANTIAGO ANTUNEZ DE MAYOLO

FACULTAD DE CIENCIAS
AGRARIAS
ESCUELA DE INGENIERIA
AGRICOLA
TESIS TITULADO
VALIDACION DEL MODELO
ESTOCASTICO ARMA (Autorregresivo con
Media Movil) ADECUADO PARA LA
GENERACION SINTTICA DE
DESCARGAS MEDIAS
MENSUALES EN LA CUENCA DEL
RIO SANTA
TESISTA: BACH. GILBER GONZALES LIZARME
PATROCINADOR: ING CESAR MILLA VERGARA
I. INTRODUCCION
1.1 GENERALIDADES.

El aspecto esencial para el manejo de los recursos
hdricos, es el manejo de la variabilidad de los eventos
hidrolgicos
La produccin sinttica de datos hidrolgicos (caudales),
ha logrado solucionar el problema de la falta de datos.
El uso de series sintticas, en el planeamiento de
recursos hdricos, tienes que ser analizadas a travs de
pruebas estadsticas que validen el uso de estos datos.
1.2 JUSTIFICACION
Promueve y profundiza el conocimiento de la generacin
sinttica de series hidrolgicas, con la finalidad de utilizar estas
series como alternativa en los diseos de estructuras hidrulicas
y a la vez contribuir a la solucin de problemas generados por
las series hidrolgicas histricas que algunas veces son
incompletas y escasas.
Mayormente en nuestro pas se ha aplicado la tcnica
estocstica empleando modelos autorregresivos de primer,
segundo y tercer orden; pero se ha visto que la inclusin de una
componente media mvil hace disminuir notoriamente el nmero
de parmetros, encontrando de esta forma modelos ms
parsimoniosos (simplificados), simples y ms manejables.
1.3 OBJETIVOS.
Generar caudales medios mensuales mediante
el modelo estocstico ARMA (p,q)
(Autorregresivo con Media Mvil).
Generar series de caudales mensuales,
empleando el modelo calibrado.
Validar los caudales sintticos generados con el
modelo ARMA (p,q) y los caudales histricos.
II. REVISION BIBLIOGRAFICA.
ANALISIS DE CONSISTENCIA DE DATOS
HIDROLOGICOS.
ANALISIS DE SALTOS.
Saltos en la Media
Saltos en la Desviacin Estndar.
ANALISIS DE TENDENCIAS.
Tendencia de en la Media
Tendencia en la Desviacin Estndar
COMPLETACION DE DATOS
MODELOS MATEMATICOS DE SERIES DE
TIEMPO
Un modelo de serie de tiempo tiene una estructura
matemtica y un conjunto de parmetros, y es
representado por una funcin de distribucin de
probabilidades nica. Salas de la cruz et all.

PROCESOS ESTOCASTICOS.
Los Procesos Estocsticos, son abstracciones
matemticas de un proceso fsico real, cuyo desarrollo es
gobernado por leyes probabilsticas. Yevjevich [30].
PROCESOS ESTACIONARIOS
Si durante un proceso estocstico al ser removida la
componente peridica se observa que no hay cambio
sistemtico en la media y varianza; se dice que esta
nueva serie removida es estacionaria. Chatfield [6].
2.4 ANALISIS UNIVARIADO DE SERIES DE
TIEMPO
Un modelo de serie de tiempo puede ser
escrito como:
Donde:
x
t
: es la serie normal con media y varianza
2

z
t
: es normal estandarizada con media cero y
varianza unitaria
z
1
, z
2
, : son independientes.
,... 2 , 1 =
- + =
t
z x
t t
o
t t t
z z c | + =
1 1
Modelo de Serie de Tiempo:
Donde:
z
t-1
: es una serie independiente.

1
: es el parmetro del modelo.

t
: es una serie normal e independiente
FUNCION DE AUTOCORRELACION.
Una medida adimensional de dependencia lineal:

Donde:

rk :es llamado coeficiente
de autocorrelacin de
retardo k, coeficiente de
correlacin serial o funcin de autocorrelacin (FA).
( )( )
( ) ( )
2
1
k N
1 t
k N
1 t
2
k t k t
2
t t
k N
1 t
k t k t t t
k
x x x x
x x x x
r
(
=
+ +
=
+ +
FUNCION DE AUTOCORRELACION
PARCIAL
La funcin de Autocorrelacin Parcial (FAP) o correlograma parcial
es otra forma de representar la estructura de dependencia en el
tiempo de una serie o de un modelo dado. Es til para ayudar a
identificar el tipo y orden del modelo cuando se investiga una serie
de tiempo muestral. Salas de la Cruz et al. [20].
k j k j j j
k k k

+ + + = | | | ) ( ... ) ( ) (
2 2 1 1
La funcin de autocorrelacin parcial
k
(k) se calcula resolviendo
sucesivamente la ecuacin anterior, para cada k=1,2,
MODELAMIENTO ESTOCASTICO DE
SERIES HIDROLOGICAS.
Se denomina modelo estocstico o modelo de serie
de tiempo en hidrologa al modelo matemtico que
representa a un proceso estocstico. Aliaga [4].
MODELO AUTORREGRESIVO MEDIA
MOVIL ARMA:
FORMULACION MATEMATICA DEL
MODELO ARMA
Se asume que la serie hidrolgica a
ser modelada por un proceso ARMA es
estacionaria y aproximadamente
normal. Consideremos la serie de
tiempo hidrolgica y
t
, y
t+1
, y
t+2
,
igualmente espaciadas en el tiempo t,
t+1, t+2, la desviacin desde la
media (t) ser:

t t t
y U =
MODELO AUTORREGRESIVO CON MEDIA MOVIL ARMA.
FORMULACION MATEMATICA:
La serie puede representarse como la suma infinita de
variables aleatorias independientes
t
,
t-1
,
t-2
, y coeficientes
1
,
2
,
3
,
Ut =
t
+
1
t-1
+
2
t-2
+
Si hacemos U
t
dependiente solamente de un nmero finito q
de variables aleatorias previas
t
, entonces resulta un proceso
media mvil (MA) de orden q, que puede ser escrito como:
U
t
=
t
-
1
t-1
-
2
t-2
- -
q
t-q
Usualmente llamado modelo MA (q). Este tambin puede ser
escrito como:
t t t
y U =
=

c u =
q
0 j
j t j t
U
Combinando un modelo autorregresivo de orden p y un
modelo media mvil de orden q obtenemos el modelo
autorregresivo-media mvil (ARMA) de orden (p,q),
definido por:
U
t
=
1
U
t-1
+ +
p
U
t-p
+
t
-
1
t-1
- -
q
t-q

Que puede ser expresado como:

t
q
1 j
j t j
p
1 j
j t j
q
0 j
j t j
p
1 j
j t j t
U U U c + c u | = c u | =

=

=

=

=

MODELO AUTORREGRESIVO CON MEDIA MOVIL ARMA.
FORMULACION MATEMATICA:
MODELAMIENTO PARA SERIES PERIODICAS
MODELO PERIODICO ARMA (p,q)
|
|
.
|
\
|
c + c u | o + =
v
=
v t
=
v t t t t v t ,
q
1 i
i t , , i
p
1 j
j t , , j ,
U y
Modelo
Peridico
Media
Peridica
Variable aleatoria
independiente
Componente
Media Mvil
Desviacin Estndar
Peridica
Componente
Autorregresiva
Componente
Estocstica
Las series hidrolgicas peridicas de tiempo son aquellas para los cuales
el intervalo de tiempo son menores a un ao. La estructura de correlacin
de las series peridicas puede ser el resultado de un proceso ARMA (p,q)
con algunas constantes o coeficientes peridicos. Salas De La Cruz et all.
[20].
ESTIMACION DE PARAMETROS DEL
MODELO ARMA
Calculo de la Funcin de Autocorrelacin y
Autocorrelacin Parcial.
Estimacin de los p para metros Autorregresivos.
Estimacin de los q parametros Media Movil.
Parmetros estimados por la suma de cuadrados para
determinar la Varianza de las Residuales.
PRUEBAS DE BONDAD DE AJUSTE
DEL MODELO
1. PRUEBA DE INDEPENDENCIA EN
EL TIEMPO.
Prueba de Anderson.
Prueba de Falta de Ajuste de Porte
Monteau.

2. PRUEBA DE NORMALIDAD.
Prueba de Chi-Cuadrado.

Prueba de Asimetra de
Normalidad.

3. PARSIMONIA DE PARAMETROS
CRITERIO DE INFORMACION DE
AKAIKE.
( ) | |
=
c I =
L
1 k
2
k
N Q
( )
K N
1 K N 96 . 1 1
% 95
k

= I
( )
( )
2 / 3
1
2
3
1
1
1
(
=
=
N
t
t
N
t
t
x x
N
x x
N

N N
6
,
6
2 / 1 2 / 1 o o

( ) ) q p ( 2 ln N ) q , p ( AIC
2
+ + o =
c
2.6 GENERACION DE SERIES SINTETICAS
Generar datos con el modelo ARMA (p,q) que tiene la sgte. estructura:

Si se realiz la estandarizacin, una transformacin inversa es aplicada
con:

Se obtiene los caudales generados de la siguiente formula, que
depende de la media, desviacin estndar histrica, y el parmetro
estocstico estandarizado.

Si una transformacin a sido aplicada, como la logartmica, una
transformacin inversa es aplicada, a partir de esta se obtiene los
caudales sintticos medios mensuales generados.
t ,
2
q
1 i
i t ,
2
, i
p
1 j
j t , , j t ,
q
1 i
i t , , i
p
1 j
j t , , j ,
z z U
v t c
=
v t c t
=
v t v
=
v t
=
v t t v
o + o u | = c + c u | =

( ) U S
U U
Z
,
,
t t v
t v

=
( )
t v t t t v
+ =
, ,
Z Y S Y Y
( )
t t v t v
= a Y exp X
, ,
2.7 VALIDACION DE RESULTADOS.
En el proceso de validacin usualmente se emplean las pruebas
estadsticas siguientes:
Prueba de estimacin de parmetros de la poblacin asumiendo una
distribucin de probabilidad (pruebas estadsticas de Fisher-Snedecor, t-
Student y Normal z).
Pruebas para determinar la distribucin de probabilidad apropiada para
la muestra (pruebas de bondad de ajuste de Kolmogorov-Smirnov (K-S)
o Chi cuadrado
2
).

TECNICAS DE COMPROBACION PARA LA VALIDACION.
Para la validacin de las series sintticas generadas, con las series
histricas (que son las originales), es necesario la realizacin de pruebas
estadsticas en los parmetros ms importantes como la media y
desviacin estndar.

III. MATERIALES Y METODOS.
LUGAR DE REALIZACION:
CUENCA DEL RIO SANTA.

UBICACIN:
POLITICA: Departamentos
de Ancash y La Libertad
GEOGRAFICA:7 59 y 10
12 de latitud sur, 77 11 y
78 38 de longitud.
C. F. FITZCARRALD
HUARMEY
OCROS
BOLOGNESI
RECUAY
AIJA
HUARI
HUARAZ
A.RAIMONDI
POMABAMBA
ASUNCION
CARHUAZ
MCAL. LUZURIAGA
HUAYLAS
YUNGAY
SIHUAS
CORONGO
PALLASCA
SANTA
LEYENDA
CHIMBOTE
Lmite Departamental
Lmite Provincial
a Lim
a
SUPE
LIMA
PACLLON
CHIQUIAN
CONOCOCHA
CHASQUITAMBO
CASMA
SAN MARCOS
R
o Santa
CASMA
LA RINCONADA
VINZOS
CARAZ
YUNGAY
CARHUAZ
Quebrada
Llanganuco
SAN LUIS
CHACAS
HUARI
LLAMELLIN
CHUQUICARA
Ro Santa
CORONGO
TAUCA
CABANA
PALLASCA
LA LIBERTAD
HUANUCO
N
P
A
C
I
F
I
C
O
O
C
E
A
N
O
220000E 260000E 300000E 180000E 140000E 100000E
9
0
2
0
0
0
0
N
9
0
6
0
0
0
0
N
9
1
0
0
0
0
0
N
8
9
4
0
0
0
0
N
8
8
6
0
0
0
0
N
8
9
8
0
0
0
0
N
8
8
2
0
0
0
0
N
HUARAZ
Carretera de Cuenca
Capital de Provincia
Distrito
8
9
0
0
0
0
0
N
8
7
8
0
0
0
0
N
9
0
2
0
0
0
0
N
9
0
6
0
0
0
0
N
9
1
0
0
0
0
0
N
8
9
4
0
0
0
0
N
8
8
6
0
0
0
0
N
8
9
8
0
0
0
0
N
8
8
2
0
0
0
0
N
8
9
0
0
0
0
0
N
8
7
8
0
0
0
0
N
220000E 260000E 300000E 180000E 140000E 100000E
DISPONIBILIDAD
DE DATOS DE LA
RED
HIDROMETRICA
III. MATERIALES Y
METODOS
NOMBRE RIO INICIO FIN GESTION
RECRETA SANTA 1953 1995 EGENOR
MIRAFLORES SANTA 1987 1997 EGENOR
LA BALSA SANTA 1954 2001 EGENOR
CONDORCERRO SANTA 1956 1997 EGENOR
PUENTE CARRETA SANTA 1931 1988 SENAMHI
HUACAMARCANGA HUACAMARCANGA 1977 1995 EGENOR
MANTA MANTA 1968 1997 EGENOR
CHUQUICARA CHUQUICARA 1954 1997 EGENOR
QUITARACSA QUITARACSA 1953 1999 EGENOR
LOS CEDROS LOS CEDROS 1952 2002 EGENOR
COLCAS COLCAS 1953 1998 EGENOR
ARTESONCOCHA ARTESONCOCHA 1996 2002 UGRH
PARN PARN 1953 2002 EGENOR
LLANGANUCO LLANGANUCO 1953 1997 EGENOR
CHANCOS QDA. HONDA 1953 1999 EGENOR
QUILLCAY QUILLCAY 1953 1998 EGENOR
YANAMAREY YANAMAREY 2001 2002 UGRH
OLLEROS OLLEROS 1970 1998 EGENOR
QUEROCOCHA QUEROCOCHA 1953 1998 EGENOR
PACHACOTO PACHACOTO 1953 1997 EGENOR
CONOCOCHA SANTA ? ? EGENOR
HUILLCA SAFUNA ? ? EGENOR
INFORMACION HIDROMETRICA DE CAUDALES
MENSUALES: Del registro de 20 estaciones Hidromtricas, se
seleccionaron 12 estaciones.
INFORMACION CARTOGRAFICA: para esquemas informativos
de la cuenca, se tomo la base cartogrfica del IGN escala
1/100000

SOPORTE INFORMATICO: Para el procesamiento rpido de los
diferentes clculos que en la mayora, son complicados, y la
edicin de los mapas y cuadros; se emplearon lo siguientes
Software: Office XP, SAMS 2000, Minitab 13.1, Auto Cad
Map2000i, Auto Cad 2002, Adobe Photo Shop 6.0, Adobe
Acrobat 5.0, Map Scan, Corel Draw 10.0, SIH, Panorama Maker.
3.2 MATERIALES.
III. MATERIALES Y
METODOS
3.3 METODOS.
La metodologa seguida para la validacin de series sintticas
generadas por el modelo estocstico ARMA (p,q), consisti en los
siguientes pasos:
RECOPILACION DE DATOS.
PROCESAMIENTO DE DATOS.
ANALISIS DE CONSISTENCIA.
COMPLETACION DE DATOS.
DESESTACIONALIZACION DE DATOS.
TRANSFORMACION LOGARITMICA DE DATOS.
ESTANDARIZACION DE DATOS.
IDENTIFICACION O SELECCIN DEL MODELO.
FUNCION DE AUTOCORRELACION.
FUNCION DE AUTOCORRELACION PARCIAL
III. MATERIALES Y METODOS
ESTIMACION DE LOS PARAMETROS DEL
MODELO ARMA (p,q)
La estimacin de los p parametros AR(|), q parametros MA () y
Varianza de Residuales, se realizo con el Programa SAMS 2000
(Simulacin, Modelamiento y Anlisis de Modelos Estocsticos)
elaborado por Doctor Salas de La Cruz, en la Universidad del
Estado de Colorado U.S.A.

III. MATERIALES Y
METODOS
PRUEBA DE BONDAD DE AJUSTE DEL
MODELO.
PRUEBA DE INDEPENDENCIA EN EL TIEMPO.
Prueba de Falta de Ajuste de Porte Monteau.
Prueba de Anderson.

PRUEBA DE NORMALIDAD.
Prueba de Chi-Cuadrado.
Prueba de Asimetra de Normalidad.

PARSIMONIA DE PARAMETROS.
Criterio de Informacin de Akaike.

III. MATERIALES Y
METODOS
3.3.7 GENERACION SINTETICA DE
SERIES HIDROLOGICAS CON EL MODELO
ARMA.
El programa SAMS genera las series sintticas en
funcin a los parmetros del modelo ARMA (p,q)
establecido; a la vez, el programa realiza las
transformaciones inversas realizadas inicialmente
como es la transformacin logartmica y la
estandarizacin.
III. MATERIALES Y METODOS
ANALISIS COMPARATIVO DE SERIES
HISTORICAS Y GENERADAS.

Seleccionado los modelos de la serie por transformacin
logartmica y estandarizacin segn el Criterio de Informacin
de Akaike, son generados 100 series mensuales de longitud igual
a los tramos establecidos, el programa SAMS determina la Media,
Desviacin Estndar, Coeficiente De Asimetra, Coeficiente
De Variacin, Mximos y Mnimos mensuales
respectivamente; de las series generadas e histricas, de esta
manera tomamos los estadsticos mas representativo como la
media y desviacin estandar para realizar las pruebas de
validacin.
III. MATERIALES Y
METODOS
3.3.8 VALIDACION DE RESULTADOS.
Para la validacin de las series sintticas generadas por el programa
SAMS 2000, a partir de las series histricas que son las originales,
se realizaron las siguientes pruebas Estadsticas:
PRUEBA DE HIPOTESIS REFERENTE A 02 MUESTRAS.
Prueba de Hiptesis de las Varianzas de 02 Poblaciones.
Prueba de t para Muestras Independientes.
Prueba de t para Muestras Dependientes (Adicional).
INTERVALO DE CONFIANZA A PARTIR DE LAS SERIES
GENERADAS.
PRUEBAS DE BONDAD DE AJUSTE.
Prueba de Chi-Cuadrado
Prueba de Kolmogorov Smirnov.
III. MATERIALES Y
METODOS
IV. RESULTADOS
INFORMACION HIDROMETRICA.
De los registros histricos se seleccionaron 12 estaciones que
cuentan con mayor cantidad y continuidad de datos
hidromtricos; las estaciones seleccionadas se agruparon para
un mejor anlisis de consistencia y completacin de datos.
GRUPO
Estaciones Hidromtricas
Seleccionadas
Datos disponibles
en aos
Recreta 1956 1995
Pachacoto 1956 1995
GRUPO I
Querococha 1956 1995
Colcas 1956 1995
Cedros 1956 1995
GRUPO II
Quitaracsa 1956 1995
Condorcerro 1956 1995
Puente carretera 1956 1995
GRUPO III
La Balsa 1956 1995
Chancos 1956 1995
Llanganuco 1956 1995
GRUPO IV
Parn 1956 1995

IV. RESULTADOS
ANALISIS DE CONSISTENCIA.

IDENTIFICACION VISUAL.
ANALISIS DE SALTOS
ANALISIS DE TENDENCIAS.
COMPLETACION DE DATOS
GRUPO DE ESTACIONES
HIDROMTRICAS
ESTACION INDICE
GRUPO I PACHACOTO
GRUPO II CEDROS
GRUPO III LA BALSA
GRUPO IV LLANGANUCO

IV. RESULTADOS
RESULTADO DE LOS ANLI SI S DE CONSI STENCI A EN LOS SALTOS
ESTACION
PERIODOS
CONSISTENCIA EN LA
MEDIA
CONSISTENCIA EN LA DESV.
ESTANDAR
CONFIABLES DUDOSOS Dif.Sig. D.SIG.
RECRETA
1956 1976 1977 1980 SI Si
1956 1980 1981 1984 NO NO
1956 1984 1985 1989 NO Si
1956 1989 1990 1993 SI Si
QUEROCOCHA
1956 1968 1969 1974 NO Si
1956 1974 1975 1981 NO NO
1956 1981 1982 1985 SI NO
1956 1985 1986 1993 NO NO
COLCAS
1956 1976 1977 1983 SI NO
1956 1983 1984 1992 SI NO
QUITARACSA 1956 1992 1993 1995 SI Si
CONDORCERRO 1956 1984 1985 1993 SI NO
PUENTE
CARRETERA
1956 1971 1972 1979 NO Si
1956 1979 1980 1985 SI Si
1956 1985 1986 1989 SI Si
CHANCOS 1956 1977 1978 1986 SI Si
PARON
1956 1976 1977 1984 SI Si
1956 1984 1985 1989 SI Si
1956 1989 1990 1995 SI Si
RESULTADO ANALISIS DE CONSISTENCIA EN TENDENCIAS
ESTACION
PERIODO
TENDENCIA
TENDENCIA
SIGNIFICAT
IVA
ESTACION
PERIODO
TENDENCIA
TENDENCIA
SIGNIFIC
ATIVA
INICIO FINAL INICIO FINAL
RECRETA
1956 1995 MEDIA NO
CEDROS
1956 1995 MEDIA NO
1956 1995 DES. ESTR. NO 1956 1995 DES. ESTR. NO
PACHACOT
O
1956 1961 MEDIA NO
CONDORCERRO
1956 1995 MEDIA NO
1962 1964 MEDIA NO
PUENTE
CARRETERA
1956 1995 MEDIA NO
1962 1964 DES. ESTR. NO 1956 1965 MEDIA SI
1968 1970 MEDIA NO 1956 1995 DES. ESTR. NO
1968 1970 DES. ESTR. NO
LA BALSA
1956 1995 MEDIA NO
1956 1995 MEDIA SI 1956 1995 DES. ESTR. NO
1956 1995 DES. ESTR. NO
CHANCOS
1956 1995 MEDIA NO
QUEROCOC
HA
1956 1995 MEDIA NO 1978 1992 MEDIA SI
COLCAS
1956 1995 MEDIA NO
LLANGANUCO
1956 1995 MEDIA SI
1993 1994 MEDIA SI 1956 1995 DES. ESTR. SI
1956 1995 DES. ESTR. NO
PARON
1956 1995 MEDIA NO
QUITARACS
A
1956 1995 MEDIA NO 1956 1995 DES. ESTR. NO
1956 1995 DES. ESTR. NO
PROCESO DE
DESESTACIONALIZACION
TRANFORMACION
LOGARITMICA.
ESTANDARIZACION DE
DATOS.
FUNCION DE
AUTOCORRELACION.
FUNCION DE
AUTOCORRELACION
PARCIAL.
IV. RESULTADOS
IDENTIFICACION DEL MODELO.
IDENTIFICACION DEL MODELO:
Serie Residual N = w*N (w = 12) Modelo ARMA
Recreta-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Pachacoto-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Querococha-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Colcas-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Cedros-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Quitaracsa-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Condorcerro-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Puente carretera-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
La Balsa-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Chancos-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Llanganuco-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)
Parn-Stand y Ln 480 (1,0), (2,0), (1,1) y (2,1)

IV. RESULTADOS
PARAMETROS
ESTIMADOS DE LOS
MODELOS
SELECCIONADOS.
IV. RESULTADOS
COEFICIENTES DE LOS PARAMETROS ESTABLECIDOS PARA LAS SERIES CON TRANSFORMACION LOGARITMICA
SERIE
PARAMETROS AUTORREGRESIVOS (AR) DE ORDEN 1 -
1

MES 01 MES 02 MES 03 MES 04 MES 05 MES 06 MES 07 MES 08 MES 09 MES 10 MES 11 MES 12
RECRETA -
Ln
ARMA (1,0) 0.7867 0.5974 0.6674 0.5868 0.4807 0.4211 0.6704 0.7291 0.9215 1.3000 0.4895 1.1236
ARMA (2,0) 0.9745 0.4661 0.6744 0.5934 0.4719 0.4070 0.7346 1.0207 0.7156 1.1382 0.6103 1.1648
ARMA (1,1) 0.5668 0.7524 0.6468 0.5806 0.4910 0.4290 0.6393 0.6683 0.9705 1.3855 0.2415 0.9386
ARMA (2,1) 1.2752 0.6395 1.3563 1.0658 1.2659 0.3053 2.3936 0.8003 0.8775 3.5412 0.7544 1.0619
SERIE
2

RECRETA -
Ln
ARMA (2,0) -0.4581 0.2252 -0.0165 -0.0085 0.0112 0.0106 -0.0401 -0.2363 0.1859 0.2278 -0.4794 -0.1107
ARMA (2,1) -0.7953 0.0888 -0.4238 -0.3238 -0.4547 0.0594 -0.7387 -0.0885 0.0679 -1.9865 -0.6668 -0.0603
SERIE
PARAMETROS MEDIA MOVIL(Movie Averag - MA) DE ORDEN 1 -
1

RECRETA -
Ln
ARMA (1,1) -0.4101 0.3036 -0.0283 -0.0128 0.0191 0.0220 -0.0955 -0.3601 0.2978 0.2542 -0.3703 -0.2327
ARMA (2,1) 0.3029 0.1840 0.6960 0.4809 0.7980 -0.1031 1.6622 -0.2294 0.1889 2.4630 0.1468 -0.1058
SERIE
VARIANZA DE LAS RESIDUALES
RECRETA -
Ln
ARMA (1,0) 0.1093 0.2106 0.1175 0.0992 0.0235 0.0056 0.0016 0.0012 0.0028 0.0279 0.0446 0.0807
ARMA (2,0) 0.1031 0.2065 0.1174 0.0992 0.0235 0.0056 0.0016 0.0010 0.0027 0.0278 0.0434 0.0803
ARMA (1,1) 0.1030 0.2059 0.1174 0.0992 0.0235 0.0056 0.0016 0.0010 0.0027 0.0278 0.0434 0.0802
ARMA (2,1) 0.1026 0.2065 0.1154 0.0987 0.0232 0.0056 0.0016 0.0010 0.0027 0.0274 0.0434 0.0802
PARAMETROS PARA LAS SERIES HIDROLOGICAS MENSUALES
NORMALIZADAS CON TRANSFORMACION LOGARITMICA
COEFICIENTES DE LOS PARAMETROS ESTABLECIDOS PARA LAS SERIES ESTANDARIZADAS
SERIE
1

RECRETA -
Estand
ARMA (1,0) 0.6772 0.5048 0.7192 0.6766 0.8016 0.8209 0.9095 0.8986 0.8088 0.5723 0.4268 0.6787
ARMA (2,0) 0.8389 0.3939 0.7268 0.6842 0.7870 0.7933 0.9967 1.2580 0.6281 0.5011 0.5320 0.7036
ARMA (1,1) 0.4879 0.6358 0.6970 0.6695 0.8188 0.8362 0.8673 0.8236 0.8519 0.6099 0.2105 0.5670
ARMA (2,1) 2.6010 0.3482 1.3023 0.6157 -2.1801 9.0476 1.3349 1.5335 0.2992 -0.0266 -2.3971 0.8271
SERIE
2

RECRETA -
Estand
ARMA (2,0) -0.238 0.164 -0.015 -0.011 0.022 0.034 -0.106 -0.395 0.201 0.088 -0.184 -0.058
ARMA (2,1) -1.434 0.195 -0.306 0.039 2.029 -6.582 -0.384 -0.646 0.497 0.515 1.492 -0.111
SERIE
PARAMETROS MEDIA MOVIL(Movie Averag - MA) DE ORDEN 1 -
1

RECRETA -
Estand
ARMA (1,1) -0.353 0.257 -0.030 -0.015 0.032 0.043 -0.130 -0.444 0.261 0.112 -0.323 -0.141
ARMA (2,1) 1.771 -0.049 0.587 -0.069 -2.968 8.276 0.422 0.298 -0.385 -0.545 -2.955 0.136
SERIE
VARIANZA DE LAS RESIDUALES
RECRETA -
Estand
ARMA (1,0) 0.5414 0.7452 0.4827 0.5422 0.3575 0.3261 0.1728 0.1925 0.3458 0.6725 0.8179 0.5393
ARMA (2,0) 0.5108 0.7306 0.4826 0.5421 0.3572 0.3257 0.1691 0.1655 0.3380 0.6698 0.7951 0.5366
ARMA (1,1) 0.5104 0.7287 0.4825 0.5421 0.3572 0.3257 0.1691 0.1648 0.3364 0.6697 0.7948 0.5361
ARMA (2,1) 0.5191 0.7320 0.4777 0.5422 0.3566 0.2613 0.1595 0.1644 0.3345 0.6666 0.7438 0.5353
PARAMETROS PARA LAS SERIES HIDROLOGICAS MENSUALES
NORMALIZADAS CON TRANSFORMACION LOGARITMICA Y
ESTANDARIZADAS
BONDAD DE AJUSTE DEL MODELO.
PRUEBA DE INDEPENDENCIA EN EL TIEMPO.
El programa SAMS determina los valores de los
estadsticos tabular y calculado de la prueba de Porte
Monteau y con el correlograma de Anderson; se
determinan si la residual de las series es independiente y
se ajustan a una distribucin normal.

PRUEBA DE NORMALIDAD.
El programa SAMS realiza el Test de Residuales para el
modelo ARMA (p,q), de tal manera que realiza la Prueba
de Asimetra de Normalidad (Skewness Test of
Normality).
TEST DE RESIDUALES - PRUEBA DE ASIMETRIA DE NORMALIDAD PARA LA SERIE CON TRANSFORMACION LOGARITMICA
Estacin
Grado del Modelo Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6 Mes 7 Mes 8 Mes 9 Mes 10 Mes 11 Mes 12
ARMA (p,q) Valor Tab. Acep/Rech
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
CEDROS-Ln
ARMA (1,0) 0.587
ARMA (2,0) 0.587
ARMA (1,1) 0.587
ARMA (2,1) 0.587
COLCAS-Ln
ARMA (1,0) 0.587
ARMA (2,0) 0.587
ARMA (1,1) 0.587
ARMA (2,1) 0.587
TEST DE RESIDUALES - PRUEBA DE PORTE MONTEAU - PARA LAS SERIES CON TRANSFORMACION LOGARITMICA
Estacion
ARMA (p,q) Valor Tab.
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
CEDROS-Ln
ARMA (1,0) 16.92
ARMA (2,0) 15.51
ARMA (1,1) 15.51
ARMA (2,1) 14.07
COLCAS-Ln
ARMA (1,0) 16.92
ARMA (2,0) 15.51
ARMA (1,1) 15.51
ARMA (2,1) 14.07

NO SE AJUSTA A UNA DISTRIBUCION
NORMAL

SE AJUSTA A UNA DISTRIBUCION
NORMAL
TEST DE RESIDUALES - PRUEBA DE ASIMETRIA DE NORMALIDAD PARA LAS SERIES ESTANDARIZADAS
Estacin
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Re
ch
Acep/
Rech
Acep/R
ech
Acep/R
ech
Acep/R
ech
Acep/Rec
h
Acep/Re
ch
Acep/Rec
h
CEDROS-Stan
ARMA (1,0) 0.587
ARMA (2,0) 0.587
ARMA (1,1) 0.587
ARMA (2,1) 0.587
COLCAS-stan
ARMA (1,0) 0.587
ARMA (2,0) 0.587
ARMA (1,1) 0.587
ARMA (2,1) 0.587
TEST DE RESIDUALES - PRUEBA DE PORTE MONTEAU - PARA LAS SERIES ESTANDARIZADAS
Estacin
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/Rec
h
Acep/R
ech
Acep/R
ech
Acep/R
ech
Acep/R
ech
Acep/Re
ch
Acep/Re
ch
Acep/Rec
h
CEDROS-Stan
ARMA (1,0) 16.92
ARMA (2,0) 15.51
ARMA (1,1) 15.51
ARMA (2,1) 14.07
COLCAS-stan
ARMA (1,0) 16.92
ARMA (2,0) 15.51
ARMA (1,1) 15.51
ARMA (2,1) 14.07

NO SE AJUSTA A UNA DISTRIBUCION
NORMAL

SE AJUSTA A UNA DISTRIBUCION
NORMAL
PARSIMONIA DE PARMETROS.

Una regla para seleccionar entre modelos ARMA (p,q)
competentes es aplicando el criterio de Informacin
Akaike (AIC(p,q)), la aplicacin de esta regla de
decisin con la varianza de las residuales de cada mes
y de c/u de las series modeladas, se selecciona el
modelo que tiene el menor valor del AIC(p,q).
IV. RESULTADOS
VALORES DE AI C
PARA LAS
SERI ES QUE
HAN SI DO
NORMALI ZADOS
CON
TRANSFORMACI
ON
LOGARI TMI CA
SERIE MODELO ESTOCASTICO NUMERO DE DATOS SUMA
RECRETA - Ln
ARMA ( 1 0 ) 480 -43555.37
ARMA ( 2 0 ) 480 -43831.57
ARMA ( 1 1 ) 480 -43844.56
ARMA ( 2 1 ) 480 -43884.30
PACHACOTO - Ln
ARMA ( 1 0 ) 480 -34590.83
ARMA ( 2 0 ) 480 -35296.09
ARMA ( 1 1 ) 480 -35350.91
ARMA ( 2 1 ) 480 -35746.73
QUEROCOCHA - Ln
ARMA ( 1 0 ) 480 -48033.56
ARMA ( 2 0 ) 480 -48273.81
ARMA ( 1 1 ) 480 -48296.25
ARMA ( 2 1 ) 480 -48434.82
CEDROS - Ln
ARMA ( 1 0 ) 480 -48683.08
ARMA ( 2 0 ) 480 -49071.15
ARMA ( 1 1 ) 480 -49107.55
ARMA ( 2 1 ) 480 -49361.21
COLCAS - Ln
ARMA ( 1 0 ) 480 -38544.33
ARMA ( 2 0 ) 480 -38852.94
ARMA ( 1 1 ) 480 -38878.52
ARMA ( 2 1 ) 480 -42557.55
QUITARACSA - Ln
ARMA ( 1 0 ) 480 -30671.86
ARMA ( 2 0 ) 480 -30793.05
ARMA ( 1 1 ) 480 -30816.23
ARMA ( 2 1 ) 480 -30849.81
CONDORCERRO - Ln
ARMA ( 1 0 ) 480 -35735.20
ARMA ( 2 0 ) 480 -35992.42
ARMA ( 1 1 ) 480 -36022.00
ARMA ( 2 1 ) 480 -36220.83
PUENTE CARRETERA - Ln
ARMA ( 1 0 ) 480 -33274.86
ARMA ( 2 0 ) 480 -34325.59
ARMA ( 1 1 ) 480 -34701.89
ARMA ( 2 1 ) 480 -34537.87
LA BALSA - Ln
ARMA ( 1 0 ) 480 -38162.73
ARMA ( 2 0 ) 480 -38441.01
ARMA ( 1 1 ) 480 -38491.51
ARMA ( 2 1 ) 480 -38688.82
CHANCOS - Ln
ARMA ( 1 0 ) 480 -34471.63
ARMA ( 2 0 ) 480 -34731.35
ARMA ( 1 1 ) 480 -34747.45
ARMA ( 2 1 ) 480 -35071.52
LLANGANUCO - Ln
ARMA ( 1 0 ) 480 -44090.06
ARMA ( 2 0 ) 480 -45069.23
ARMA ( 1 1 ) 480 -45101.20
ARMA ( 2 1 ) 480 -45550.93
PARON - Ln
ARMA ( 1 0 ) 480 -49284.48
ARMA ( 2 0 ) 480 -50135.95
ARMA ( 1 1 ) 480 -50370.19
ARMA ( 2 1 ) 480 -51563.80
VALORES DE AI C PARA
LAS SERI ES QUE HAN
SI DO NORMALI ZADOS
CON
TRANSFORMACI ON
LOGARI TMI CA Y
ESTANDARI ZADAS
SERIE MODELO ESTOCASTICO NDE DATOS SUMA
RECRETA - Estand
ARMA ( 1 0 ) 480 -9650.98
ARMA ( 2 0 ) 480 -9927.42
ARMA ( 1 1 ) 480 -9940.82
ARMA ( 2 1 ) 480 -10252.31
PACHACOTO - Estand
ARMA ( 1 0 ) 480 -5966.67
ARMA ( 2 0 ) 480 -6671.98
ARMA ( 1 1 ) 480 -6726.78
ARMA ( 2 1 ) 480 -7120.92
QUEROCOCHA - Estand
ARMA ( 1 0 ) 480 -5657.77
ARMA ( 2 0 ) 480 -5898.28
ARMA ( 1 1 ) 480 -5920.42
ARMA ( 2 1 ) 480 -6059.25
CEDROS - Estand
ARMA ( 1 0 ) 480 -6862.01
ARMA ( 2 0 ) 480 -7250.09
ARMA ( 1 1 ) 480 -7286.43
ARMA ( 2 1 ) 480 -7539.77
COLCAS - Estand
ARMA ( 1 0 ) 480 -6498.32
ARMA ( 2 0 ) 480 -6806.95
ARMA ( 1 1 ) 480 -6832.53
ARMA ( 2 1 ) 480 -10511.15
QUITARACSA - Estand
ARMA ( 1 0 ) 480 -6032.51
ARMA ( 2 0 ) 480 -6153.72
ARMA ( 1 1 ) 480 -6176.88
ARMA ( 2 1 ) 480 -6213.13
CONDORCERRO - Estand
ARMA ( 1 0 ) 480 -6748.76
ARMA ( 2 0 ) 480 -7006.07
ARMA ( 1 1 ) 480 -7035.57
ARMA ( 2 1 ) 480 -7247.62
PUENTE CARRETERA - Estand
ARMA ( 1 0 ) 480 -7861.57
ARMA ( 2 0 ) 480 -8913.20
ARMA ( 1 1 ) 480 -9286.74
ARMA ( 2 1 ) 480 -9123.79
LA BALSA - Estand
ARMA ( 1 0 ) 480 -5169.27
ARMA ( 2 0 ) 480 -5448.31
ARMA ( 1 1 ) 480 -5499.49
ARMA ( 2 1 ) 480 -5685.60
CHANCOS - Estand
ARMA ( 1 0 ) 480 -6984.54
ARMA ( 2 0 ) 480 -7244.25
ARMA ( 1 1 ) 480 -7260.24
ARMA ( 2 1 ) 480 -7584.20
LLANGANUCO - Estand
ARMA ( 1 0 ) 480 -6836.79
ARMA ( 2 0 ) 480 -7815.85
ARMA ( 1 1 ) 480 -7847.90
ARMA ( 2 1 ) 480 -8297.59
PARON - Estand
ARMA ( 1 0 ) 480 -10357.18
ARMA ( 2 0 ) 480 -11173.17
ARMA ( 1 1 ) 480 -11362.44
ARMA ( 2 1 ) 480 -12734.21
Resultados de la bondad de Ajuste de la Simulacin Estocstica de Modelos ARMA (p,q) con la
Prueba de Akaike AI C (p,q), estos modelos estn aptos para la generacin sinttica
GRUPO ESTACION HIDROMETRICA
SERIE NORMALIZADA CON
TRANSFORMACION
LOGARITMICA
MODELO ESTOCASTICO Y
ORDEN
LONGITUD
DE LA SERIE
GRUPO I
RECERTA RECRETA - Ln ARMA ( 2 1 ) 480
PACHACOTO PACHACOTO - Ln ARMA ( 2 1 ) 480
QUEROCOCHA QUEROCOCHA - Ln ARMA ( 2 1 ) 480
GRUPO II
LOS CEDROS CEDROS - Ln ARMA ( 2 1 ) 480
COLCAS COLCAS - Ln ARMA ( 2 1 ) 480
QUITARACSA QUITARACSA - Ln ARMA ( 2 1 ) 480
GRUPO III
CONDORCERRO CONDORCERRO - Ln ARMA ( 2 1 ) 480
PUENTE CARRETERA PUENTE CARRETERA Ln ARMA ( 2 1 ) 480
LA BALSA LA BALSA - Ln ARMA ( 2 1 ) 480
GRUPO IV
CHANCOS CHANCOS - Ln ARMA ( 2 1 ) 480
LLANGANUCO LLANGANUCO - Ln ARMA ( 2 1 ) 480
PARON PARON - Ln ARMA ( 2 1 ) 480
GENERACIN DE SERIES.

Terminada la parte de modelamiento estocstico de los
diferentes modelos ARMA (p,q) y obteniendo los
parmetros adecuados segundas pruebas de ajuste del
modelo que realiz previamente el programa SAMS; el
programa SAMS realiza la generacin de series sintticas
en funciona a los parmetros calculados.
IV. RESULTADOS
Seleccionado los modelos de la serie por
transformacin logartmica y estandarizacin segn el
Criterio de Informacin de Akaike, se generaron las
series con el programa SAMS, que calcula la Media,
Desviacin Estndar, Coeficiente de Asimetra,
Coeficiente De Variacin, Mximos y Mnimos
mensuales respectivamente.
IV. RESULTADOS
ANALISIS COMPARATIVO ENTRE
SERIES HISTORICAS Y
GENERADAS.
RESUMEN DE LAS PRUEBAS ESTADI STI CAS DE VALI DACI ON Y CONSTRASTACI ON DE HI POTESI S
1. Prueba de Varianzas: Verificacin si las varianzas son iguales o diferentes.
2. Prueba de t para la diferencia entre dos medias, prueba para muestras independientes.
3. Prueba de t para la diferencia de dos medias apareadas, prueba para muestras dependientes.
4. Intervalo de Confianza Obtenidos a partir de los datos Generados.

Aceptacin

Rechazo parcial
SERIES SINTETICAS
GENERADAS. Segn
Cuadro N 4.24
ORDEN DEL
MODELO ARMA
(p,q)
LONGITUD
DE LA
SERIE
PRUEBAS ESTADISTICAS
1 2 3 4
RECRETA-Ln ARMA (2,1) 480
Varianzas iguales en los
12 meses
Medias iguales en
los 12 meses
Relacin en la Media y
Varianza.
La serie sinttica se encuentra dentro del
intervalo de confianza para la media en los 12
meses, y 11 meses en la Desviacin Estndar.
PACHACOTO-Ln ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Relacin en la Mmedia mas
no en la Varianza.
Dentro del intervalo de confianza para la media
y desv. Estndar para los 12 meses.
QUEROCOCHA-Ln ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Varianza.
CEDROS-Ln ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Relacin en la Media mas no
en la Varianza.
COLCAS-Ln ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Varianza.
en los 12 meses, y 10 meses en la Desviacin
Estndar.
QUITARACSA-Ln ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Varianza.
en los 12 meses; y 11 meses en la Desviacin
Estndar.
CONDORCERRO-
Ln
ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Varianza.
PUENTE
CARRETERA-Ln
ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Varianza.
LA BALSA-Ln ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Varianza.
CHANCOS-Ln ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Relacin en la Varianza y no
en Media.
LLANGANUCO-Ln ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Varianza.
PARON-Ln ARMA (2,1) 480
12 meses
Medias iguales en
los 12 meses
Varianza.
en los 12 meses; y 11 meses en la Desviacin
Estndar.
SELECCI N DE LA SERI E GENERADA MS ADECUADA
IV. RESULTADOS
SERIES SINTETICAS
GENERADAS
ORDEN DEL
MODELO
ARMA (p,q)
LONGITUD
DE LA
SERIE
CANTIDAD DE SERIES ADECUADAS SEGN NIVEL DE SIGNIFICANCIA

0.05 0.1 0.25 0.50
optimo para seleccin de
una serie
RECRETA-Ln ARMA (2,1) 480 53 47 30 19 0.930
PACHACOTO-Ln ARMA (2,1) 480 72 59 42 20 0.967
QUEROCOCHA-Ln ARMA (2,1) 480 89 79 61 39 0.982
CEDROS-Ln ARMA (2,1) 480 81 73 57 29 0.965
COLCAS-Ln ARMA (2,1) 480 86 78 64 40 0.878
QUITARACSA-Ln ARMA (2,1) 480 79 68 51 34 0.965
CONDORCERRO-Ln ARMA (2,1) 480 64 60 49 18 0.883
PUENTE CARRETERA-
Ln
ARMA (2,1) 480 74 66 52 35 0.973
LA BALSA-Ln ARMA (2,1) 480 82 73 58 40 0.970
CHANCOS-Ln ARMA (2,1) 480 93 85 62 36 0.983
LLANGANUCO-Ln ARMA (2,1) 480 23 11 2 0 0.400
PARON-Ln ARMA (2,1) 480 75 68 42 20 0.958
ESTACION SELECCIONADA POR
EL AIC (p,q). Segn Cuadro N 4.18
ORDEN DEL
MODELO
ARMA (p,q)
LONGITUD
ANUAL DE LA
SERIE
RESUMEN PRUEBA AJUSTE DE NORMALIDAD
Serie Generada
Prueba Chi -Cuadrado Prueba K - Z
Ajuste
Valor
Tabular
Valor Calculado
Valor
Tabular
Valor
Calculado
RECRETA-Ln ARMA (2,1) 40 52.1923 39.55 0.21 0.1023 si se ajusta
PACHACOTO-Ln ARMA (2,1) 40 52.1923 39.64 0.21 0.1536 si se ajusta
QUEROCOCHA-Ln ARMA (2,1) 40 52.1923 39.59 0.21 0.0899 si se ajusta
COLCAS-Ln ARMA (2,1) 40 52.1923 39.25 0.21 0.0608 si se ajusta
QUITARACSA-Ln ARMA (2,1) 40 52.1923 32.86 0.21 0.1197 si se ajusta
CEDROS-Ln ARMA (2,1) 40 52.1923 39.22 0.21 0.0717 si se ajusta
CONDORCERRO-Ln ARMA (2,1) 40 52.1923 38.10 0.21 0.1086 si se ajusta
PUENTE CARRETERA-Ln ARMA (2,1) 40 52.1923 39.63 0.21 0.1222 si se ajusta
LA BALSA-Ln ARMA (2,1) 40 52.1923 38.14 0.21 0.1171 si se ajusta
CHANCOS-Ln ARMA (2,1) 40 52.1923 38.54 0.21 0.1256 si se ajusta
LLANGANUCO-Ln ARMA (2,1) 40 52.1923 39.80 0.21 0.1721 si se ajusta
PARON-Ln ARMA (2,1) 40 52.1923 39.68 0.21 0.0882 si se ajusta
RESUMEN DE LAS PRUEBAS ESTADI STI CAS DE VALI DACI ON Y CONTRASTACI ON DE HI POTESI S
PRUEBA DE AJ USTE DE NORMALI DAD PARA LAS SERI ES GENERADAS
V. DISCUSIN DE RESULTADOS
INFORMACION HIDROMETRICA.
De las estaciones hidromtricas de la cuenca del ro
Santa, se seleccionaron 12 estaciones, las cuales han
sido agrupadas en 4 grupos para el anlisis respectivo,
esta agrupacin simplifico e identifico rpidamente las
inconsistencias.

TRATAMIENTO DE DATOS HIDROMETRICOS.
GRUPO I: ESTAC.
RECRETA,
QUEROCOCHA Y
PACHACOTO
GRUPO IV: ESTAC.
CHANCOS,
LLANGANUCO Y
PARON
GRUPO II: ESTAC.
COLCAS, CEDROS Y
QUITARACSA
GRUPO III: ESTAC. LA
BALSA, CONDORCERRO
Y PUENTE CARRETERA
NORMALIZACION DE SERIES CON TRANSFORMACION
LOGARITMICA.
Las Series, en su mayora, no presenta comportamientos de fuerte
periodicidad en toda la serie y en algunos tramos, la influencia del
comportamiento residual no es notoria.

FIG. 4.25 COMPONENTE RESIDUAL SERIE
RECRETA-Ln
-2.5
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
0 36 72 108 144 180 216 252 288 324 360 396 432 468 504
Tiempo
R
e
s
i
d
u
a
l
e
s
FIG. 4.37 COMPONENTE RESIDUAL SERIE
RECRETA - STAN
-4.00
-3.00
-2.00
-1.00
0.00
1.00
2.00
3.00
0 36 72 108 144 180 216 252 288 324 360 396 432 468 504
Tiempo
R
e
s
i
d
u
a
l
e
s
NORMALIZACION DE SERIES CON TRANSFORMACION LOGARITMICA Y
ESTANDARIZADAS
No presenta comportamientos de fuerte periodicidad en toda la serie y
en algunos tramos, la influencia del comportamiento residual no es
notoria.

FUNCION DE AUTOCORRELACION
DE SERIES NORMALIZADAS CON
TRANSFORMACION LOGARITMICA.
Primeros retardos positivos con
decaimiento exponencial y
comportamiento sinusoidal y luego
interrumpido con algunas ondas
amortiguadas.

(PARON) Primeros retardos
positivos con decaimiento y
comportamiento sinusoidal definido
que es notorio a otras series.
Fig. 4.59 FUNCION DE AUTOCORRELACION
LLANGANUCO-LN
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71
RETARDOS k
C
O
E
F
I
C
I
E
N
T
E
S
F.A. LLANGANUCO INFERIOR SUPERIOR
Fig. 4.60 FUNCION DE AUTOCORRELACION PARON-LN
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71
RETARDOS k
C
O
E
F
I C
I E
N
T
E
S
F.A. PARON INFERIOR SUPERIOR
FUNCION DE
AUTOCORRELACION PARA
SERIES NORMALIZADAS CON
TRANSFORMACION
LOGARTIMICA Y
ESTANDARIZADAS
Primeros retardos positivos y
decaimiento exponencial
considerable y comportamiento
sinusoidal seguido de pequeos
amortiguamientos.

(PARON) Primeros retardos
positivos con decaimiento y
comportamiento sinusoidal
definido que es notorio a otras
series.
Fig. 4.71 FUNCION DE AUTOCORRELACION LLANGANUCO-STAN
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71
RETARDOS k
C
O
E
F
I
C
I
E
N
T
E
S
F.A. LLANGANUCO INFERIOR SUPERIOR
Fig. 4.72 FUNCION DE AUTOCORRELACION PARON-STAN
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71
RETARDOS k
C
O
E
F
I C
I E
N
T
E
S
F.A. PARON INFERIOR SUPERIOR
Fig. 4.83 FUNCION DE AUTOCORRELACION PARCIAL LLANGANUCO-LN
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71
RETARDOS k
C
O
E
F
I C
I E
N
T
E
S
F.A.P. LLANGANUCO INFERIOR SUPERIOR
Fig. 4.84 FUNCION DE AUTOCORRELACION PARCIAL PARON-LN
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71
RETARDOS k
C
O
E
F
I C
I E
N
T
E
S
F.A.P. PARON INFERIOR SUPERIOR
FUNCION DE
AUTOCORRELACION PARCIAL
PARA SERIES NORMALIZADAS
CON TRANSFORMACION
LOGARTIMICA Y
ESTANDARIZADAS
Primer retardo positivo luego se
interrumpe con retardos negativos y
positivos de comportamiento
irregular perdindose dentro de la
banda de confianza.

(PARON) Primer retardo positivo
luego se interrumpe con retardos
negativos y positivos de
comportamiento irregular
perdindose dentro de la banda de
confianza.
Fig. 4.96 FUNCION DE AUTOCORRELACION PARCIAL PARON-STAN
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71
RETARDOS k
C
O
E
F
I
C
I
E
N
T
E
S
F.A.P. PARON INFERIOR SUPERIOR
Fig. 4.95 FUNCION DE AUTOCORRELACION PARCIAL LLANGANUCO-STAN
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71
RETARDOS k
C
O
E
F
I
C
I
E
N
T
E
S
F.A.P. LLANGANUCO INFERIOR SUPERIOR
FUNCION DE
AUTOCORRELACION PARCIAL
PARA SERIES NORMALIZADAS
CON TRANSFORMACION
LOGARTIMICA Y
ESTANDARIZADAS
Primer retardo positivo luego se
interrumpe con retardos negativos y
positivos de comportamiento
irregular perdindose dentro de la
banda de confianza.

(PARON) Primer retardo positivo
luego se interrumpe con retardos
negativos y positivos de
comportamiento irregular
perdindose dentro de la banda de
confianza.
IDENTIFICACION DEL MODELO
Del anlisis de las Funciones de Autocorrelacin y
Funciones de Autocorrelacin Parcial, seleccionamos como
modelos a ARMA (1,0), ARMA (2,0), ARMA (1,1) y ARMA
(2,1); que sern modelados en el programa SAMS.

ESTIMACION DE PARAMETROS DEL MODELO ARMA.
PRUEBAS DE BONDAD DE AJUSTE.
El Programa SAMS evala y cuantifica los parmetros
calculados para realizar la generacin de series
mensuales sintticas.
De estas pruebas, los modelos mas parsimoniosos para
las series simuladas fue el modelo ARMA (2,1)

ANALISIS COMPARATIVO ENTRE SERIES
HISTORICAS Y GENERADAS.

De las series definidas para los grupos I, II, III y IV
muestran apreciable semejanza en la media y en la
desviacin estndar.
Los valores de la serie generada mantienen un
comportamiento estacional definido y caractersticas de los
parmetros estadsticos como la media y desviacin
estndar semejantes; mostrando as que las series
generadas por los modelos ARMA (2,1) preservan la
caracterstica estadstica de la media y la desviacin
estndar, siendo estadsticamente iguales a la de los datos
histricos.

PROMEDIOS
0.0
2.0
4.0
6.0
8.0
10.0
1 2 3 4 5 6 7 8 9 10 11 12
ESTACION
C
A
U
D
A
L
E
S

m
3
/
s
Historical Mean Generated Mean
DESVIACION ESTANDAR
0.0
1.0
2.0
3.0
4.0
5.0
6.0
1 2 3 4 5 6 7 8 9 10 11 12
ESTACION
Historical Standard Dev iation Generated Standard Dev iation
SKEWNESS COEFFICIENT
0.0
0.5
1.0
1.5
2.0
1 2 3 4 5 6 7 8 9 10 11 12
ESTACION
Historical Skewness Coefficient Generated Skewness Coefficient
COEFICIENTE DE VARIACION
0.0
0.3
0.5
0.8
1 2 3 4 5 6 7 8 9 10 11 12
ESTACION
Historical Coef. Of Variation Generated Coef. Of Variation
MAXIMOS
0
5
10
15
20
25
30
1 2 3 4 5 6 7 8 9 10 11 12
ESTACION
Historical Max imum Generated Max imum
MINIMOS
-0.5
0.0
0.5
1.0
1.5
2.0
1 2 3 4 5 6 7 8 9 10 11 12
ESTACION
Historical Minimum Generated Minimum
V. DISCUSIN DE
RESULTADOS
VALIDACIN DE RESULTADOS - PRUEBA DE
HIPOTESIS DE 02 MUESTRAS.

PRUEBA DE HIPOTESIS DE LAS VARIANZAS DE 02
POBLACIONES (F).
PRUEBA DE t PARA MUESTRAS INDEPENDIENTES.
PRUEBA DE t PARA MUESTRAS DEPENDIENTES.
INTERVALO DE CONFIANZA A PARTIR DE LAS SERIES
GENERADAS.
PRUEBAS DE BONDAD DE AJUSTE (J
2
, K-S).
las series sintticas generadas con el modelo ARMA (2,1)
preservan las caractersticas estadsticas (media y desviacin
estndar) con las series originales.
CONCLUSIONES Y
RECOMENDACIONES
CONCLUSIONES

Para el modelamiento estocstico de las series, con el modelo
ARMA, se emplearon registros histricos de caudales medios
mensuales de las estaciones hidromtricas de Recreta, Pachacoto,
Querococha, Cedros, Colcas, Quitaracsa, Condorcerro, Puente
Carretera, La Balsa, Chancos, Llanganuco y Parn; con un periodo
de registro histrico comn de 40 aos (1956 1995)

Los modelos estocsticos ARMA que han sido seleccionados para
la generacin de descargas medias mensuales sintticas son de
orden (2,1), que previamente han sido normalizados mediante
transformacin logartmica. Los modelos seleccionados para la
generacin son:
ESTACION
HIDROMETRICA
SERIE CON TRANSFORMACION
LOGARITMICA
ORDEN DEL
MODELO ARMA
(p,q)
RECRETA RECRETA-Ln ARMA (2,1)
PACHACOTO PACHACOTO-Ln ARMA (2,1)
QUEROCOCHA QUEROCOCHA-Ln ARMA (2,1)
CEDROS CEDROS-Ln ARMA (2,1)
COLCAS COLCAS-Ln ARMA (2,1)
QUITARACSA QUITARACSA-Ln ARMA (2,1)
CONDORCERRO CONDORCERRO-Ln ARMA (2,1)
PUENTE CARRETERA PUENTE CARRETERA-Ln ARMA (2,1)
LA BALSA LA BALSA-Ln ARMA (2,1)
CHANCOS CHANCOS-Ln ARMA (2,1)
Llanganuco LLANGANUCO-Ln ARMA (2,1)
PARON PARON-Ln ARMA (2,1)
Los modelos estocsticos para generar caudales medios mensuales
seleccionados, correspondientes a series de caudales para las
estaciones hidromtricas seleccionadas son:
Modelos ARMA (2,1) Estacionales Correspondientes a la Estacin Recreta:
Enero : X
,1
= exp (3.9362 + 2.6857(1.275231U
1,0
- 0.795323U
1,-1
+ 0.302897*0.102567
1,0
+ 0.102567
1,1
)) - 1.5
Febrero : X
,2
= exp (6.8435 + 4.3337(0.639511U
1,1
+ 0.088803U
1,0
+ 0.183988*0.206473
1,1
+ 0.206473
1,2
)) - 1.5
Marzo : X
,3
= exp (8.8795 + 4.6277(1.356250U
1,2
- 0.423804U
1,1
+ 0.696041*0.115398
1,2
+ 0.115398
1,3
)) - 1.5
Abril : X
,4
= exp (4.9117 + 2.4585(1.065753U
1,3
- 0.323782U
1,2
+ 0.480911*0.098704
1,3
+ 0.098704
1,4
)) - 1.5
Mayo : X
,5
= exp (1.8218 + 0.8811(1.265946U
1,4
- 0.454749U
1,3
+ 0.797988*0.023199
1,4
+ 0.023199
1,5
)) - 1.5
Junio : X
,6
= exp (0.9182 + 0.3267(0.305337U
1,5
+ 0.059410U
1,4
- 0.103050*0.005636
1,5
+ 0.005636
1,6
)) - 1.5
Julio : X
,7
= exp (0.6967 + 0.2171(2.393603U
1,6
- 0.738725U
1,5
+ 1.662154*0.001562
1,6
+ 0.001562
1,7
)) - 1.5
Agosto : X
,8
= exp (0.5630 + 0.1651(0.800330U
1,7
- 0.088542U
1,6
- 0.229447*0.001022
1,7
+ 0.001022
1,8
)) - 1.5
Setiembre : X
,9
= exp (0.5318 + 0.1915(0.877491U
1,8
+ 0.067852U
1,7
+ 0.188918*0.002712
1,8
+ 0.002712
1,9
)) - 1.5
Octubre : X
,10
= exp(0.8453 + 0.5525(3.541234U
1,9
- 1.986462U
1,8
+ 2.463045*0.027387
1,9
+ 0.027387
1,10
)) -1.5
Noviembre : X
,11
= exp(1.2053 + 0.6505(0.754409U
1,10
- 0.666787U
1,9
+ 0.146821*0.043389
1,10
+ 0.043389
1,11
)) 1.5
Diciembre : X
,12
= exp (1.2053 + 1.5988(.005339U
1,11
- 0.187302U
1,10
+0.111579*0.279153
1,11
+ 0.279153
1,12
)) - 1.5

Donde: X
,1
: caudal medio mensual generado; U
,1
: componente estocstica normalizada;
1,10
: variable aleatoria con media cero y varianza uno
Para las estaciones modeladas, se generaron 100 series de longitudes
iguales al periodo de registr de 40 aos.
Las series sintticas generadas preservan las caractersticas de igualdad
en la media y varianzas con respecto a las series histricas, esta igualdad
se manifiesta en los 12 meses.
De las 12 estaciones hidromtricas modeladas, 9 de ellas presentan que
las pruebas de medias y varianzas, para muestras dependientes, fueron
aceptadas; en el resto de las estaciones, presentaron aceptacin relativa
tanto en la media y/o varianza.
Se verific el intervalo de confianza a partir de las series generadas, para
evaluar si las series histricas estn en el rango de confianza que
condicionan las series generadas, se tiene aceptacin en 8 estaciones
para los 12 meses en la verificacin de intervalos para la media y
desviacin estndar; en el resto de las estaciones la verificacin de los
intervalos en la media es aceptable en los 12 meses y para la desviacin
estndar esta entre 11 y 10 meses.
De la prueba de ajuste de normalidad que se realiz mediante las
pruebas de Chi-Cuadrado y Kolmogorov Smirnov, para las series
sintticas generadas, resultaron significativas en ambas pruebas,
por lo que las series sintticas se ajustan a una distribucin de
probabilidad normal.
Las pruebas estadsticas de validacin cumplen satisfactoriamente
las expectativas, corroborando as que los modelos ARMA (2,1)
para las sub cuencas seleccionadas de la cuenca del ro Santa,
preservan las caractersticas estadsticas de las series histricas
cumpliendo satisfactoriamente los objetivos especficos de la
tesis.
RECOMENDACIONES
Para el anlisis estocstico de series de tiempo se recomienda
realizar el anlisis de consistencia en saltos y tendencias,
realizar la completacin y extensin de la informacin, luego
realizar la normalizacin de datos con transformacin
logartmica, otras transformaciones son presentadas en el
programa SAMS como transformacin potencial, Box Cox y
estandarizacin; las cuales deben ser aplicadas y evaluadas en
otros trabajos.
Para la generacin de descargas medias mensuales en las
estaciones hidromtricas de la cuenca del ro Santa, se
recomienda emplear los modelos estocsticos ARMA (2,1)
obtenidas en la presente tesis.
Se recomienda emplear la metodologa utilizada en la presente
tesis para determinar los parmetros estocsticos del modelo y la
calibracin de los mismos; se sugiere utilizar el programa SAMS
como herramienta de trabajo para el anlisis estocstico y
generacin de series.
Para la validacin de las series generadas, se recomienda emplear
las pruebas de hiptesis para la varianza de dos poblaciones como
son la prueba de homogeneidad de varianzas, prueba de t para
muestras independientes y la prueba de t para muestras
dependientes; intervalo de confianza a partir de las series
generadas y las pruebas de bondad de ajuste de Chi-Cuadrado y
Smirnov Kolmogorov.
Impulsar las investigaciones en la escuela de Ingeniera Agrcola
referente a modelos hidrolgicos funcionales para la cuenca del ro
Santa, que es la cuenca tropical que cuenta con caractersticas
muy particulares a otras cuencas del Per y adems es la cuenca
con ms rea glaciar en el mundo.
FIN DE LA
PRESENTACION
GRACIAS POR LA
ATENCION

Sustentacion Tesis

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sustentacion Tesis

Uploaded by

Copyright:

Available Formats

UNI VERSI DAD NACI ONAL DE ANCASH

SANTIAGO ANTUNEZ DE MAYOLO

You might also like