Professional Documents
Culture Documents
I.
INTRODUCCION
II.
MARCO TEORICO
ANLISIS DE FRECUENCIA
El anlisis de frecuencia es una herramienta utilizada para, predecir el comportamiento
futuro de los caudales en un sitio de inters, a partir de la informacin histrica de
caudales. Es un mtodo basado en procedimientos estadsticos que permite calcular la
magnitud del caudal asociado a un periodo de retorno. Su confiablidad depende de la
calidad de la serie histrica, adems de la incertidumbre propia de la distribucin de
probabilidades seleccionada. Cuando se pretende usar extrapolaciones, el periodo de
retorno mayor que la longitud de la serie disponible, el error relativo asociado a la
distribucin de probabilidades utilizada es ms importante, mientras que en
interpolaciones la incertidumbre est asociada principalmente a la calidad de datos a
modelar; en ambos casos la incertidumbre es alta dependiendo de la cantidad de datos
disponibles (Ashkar, et al. 1994). La extrapolacin de frecuencia extremas en una
distribucin emprica de crecientes es extremadamente riesgosa (Garcon, 1994).
Para determinar la magnitud de eventos extremos cuando la distribucin de
probabilidades no es una funcin fcilmente invertible se requiere conocer la variacin de
la variable respecto a la media. Chow en 1951 propuso determinar esta variacin a partir
de un factor de frecuencia KT que puede ser expresado:
Para una distribucin dada, puede determinarse una relacin entre K y el perodo de
retorno Tr. Esta relacin puede expresarse en trminos matemticos o por medio del
uso de una tabla.
El anlisis de frecuencia consiste en determinar los parmetros de las distribuciones de
probabilidad y determinar con el factor de frecuencia la magnitud del evento para un
perodo de retorno dado.
A continuacin, se describen las principales distribuciones de probabilidad utilizadas en
hidrologa, la forma de estimar sus parmetros, el factor de frecuencia y los lmites de
confianza. Estos ltimos son indicadores de que tanta incertidumbre se tiene con las
extrapolaciones, puesto que determinar el rango de valores donde realmente estara las
variables, si el rango es muy grande la incertidumbre es muy alta y si es pequeo, por el
contrario, habr mucha confianza en el valor estimado.
DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS
1. DISTRIBUCION NORMAL
La distribucin normal es una distribucin simtrica en forma de campana, tambin
conocida como Campana de Gauss. Aunque muchas veces no se ajusta a los datos
hidrolgicos tiene amplia aplicacin por ejemplo a los datos transformados que siguen
la distribucin normal.
Funcin de densidad:
La funcin de densidad est dada por:
Estimacin de parmetros:
Factor de frecuencia:
Si se trabaja con los X sin transformar el K se calcula como:
Lmites de confianza:
Funcin de densidad:
y = ln x
donde:
my : media de los logaritmos de la poblacin (parmetro escalar), estimado y.
sy : Desviacin estndar de los logaritmos de la poblacin, estimado sy.
Estimacin de parmetros:
Factor de frecuencia:
Puede trabajarse en el campo original y en el campo transformado.
Campo transformado: Si se trabaja en el campo transformado se trabaja con la media
y la desviacin estndar de los logaritmos, as:
Ln(XTr) = xTr+KSy
dnde:
Lmites de confianza:
En el campo transformado.
Funcin de densidad:
Estimacin de parmetros
Factor de frecuencia:
Lmites de confianza:
Funcin de densidad:
donde,
x0 x < a para a > 0
a < x x0 para a < 0
a y b son los parmetros de escala y forma, respectivamente, y x0 es el
parmetro
de localizacin
Estimacin de parmetros:
la
Factor de frecuencia:
Intervalos de confianza:
Xt t(1-a) Se
Donde S es la desviacin estndar de la muestra, n es el nmero de datos y d se
encuentra tabulado en funcin de Cs y Tr.
Funcin de densidad:
donde,
y0 y < a para a > 0
a y y0 para a < 0
a y b son los parmetros de escala y forma, respectivamente , y y0 es el
parmetro
de localizacin.
Estimacin de parmetros:
Factor de frecuencia:
Intervalos de confianza:
Xt t(1-a) Se
Donde Sy es la desviacin estndar de los logaritmos de la muestra, n es el
nmero de datos y d se encuentra tabulado en funcin de Cs y Tr.
PRUEBAS DE AJUSTE
Para determinar qu tan adecuado es el ajuste de los datos a una distribucin de
probabilidades se han propuesto una serie de pruebas estadsticas que determinan si es
adecuado el ajuste. Estos son anlisis estadsticos y como tal se deben entender, es
decir, no se puede ignorar el significado fsico de los ajustes.
a) Prueba Smirnov Kolmogorov
El estadstico Smirnov Kolmogorov D considera la desviacin de la funcin de
distribucin de probabilidades de la muestra P(x) de la funcin de probabilidades
terica, escogida Po(x) tal que:
La prueba requiere que el valor Dn calculado con la expresin anterior sea menor que
el valor tabulado Dn para un nivel de probabilidad requerido.
Esta prueba es fcil de realizar y comprende las siguientes etapas:
III.
BIBLIOGRAFIA
http://www.ramos.utfsm.cl/doc/1393/sc/Hidrologia-UTFSM-V3.pdf
http://hidrologia.usal.es/temas/calculos_esta.pdf
http://www.bdigital.unal.edu.co/4578/1/AA_4044.pdf