ANALISIS DE FRECUENCIA EN HIDROLOGIA

I.

INTRODUCCION

Las informaciones de los diferentes eventos hidrolgicos no dependen de leyes fsicas,

qumicas conocidas, sino est regida por las probabilidades, que es importante en la
planeacin y diseo de proyectos que tienes relacin con el agua.
En el caso del caudal de un rio tiene variaciones diarias, anuales y no pueden predecirse
exactamente cul ser su valor en un tiempo cualquiera.
Por ejemplo, si se quiere disear un puente, el estudio hidrolgico determinara la
creciente del rio con una probabilidad critica (la cual busca determinar el caso ms
crtico), la cual representa un riego para dicha construccin. Esto datos solo pueden
determinarse a travs del anlisis de probabilidad y estadstico basado en registros
hidrolgicos pasados del rio.
Cabe resaltar que los sistemas hidrolgicos (ros, lagunas, nevados, etc.) son afectados en
ocasiones por eventos extremos, tales como tormentas, precipitaciones, crecidas y
sequias. La magnitud del evento esta inversamente relacionada con su frecuencia de
ocurrencia, es decir que los eventos extremos ocurren con menos frecuencia en
comparacin con los eventos moderados.
El anlisis de frecuencia de la informacin hidrolgica busca relacionar la magnitud de
los eventos extremos con su frecuencia de ocurrencia, mediante el uso de funciones de
distribucin de probabilidad.

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:

y se puede estimar a partir de los datos

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:

Los dos parmetros de la distribucin son la media m y desviacin estndar s para

los cuales (media) y s (desviacin estndar) son derivados de los datos.

Estimacin de parmetros:

Factor de frecuencia:
Si se trabaja con los X sin transformar el K se calcula como:

este factor es el mismo de la variable normal estndar

Lmites de confianza:

donde a es el nivel de probabilidad es el cuantil de la distribucin normal

estandarizada para una probabilidad acumulada de 1-a y Se es el error estndar
2. DISTRIBUCIN LOGNORMAL DE DOS PARMETROS
Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente se dice que
X se distribuye normalmente.
Esta distribucin es muy usada para el clculo de valores extremos por ejemplo Q max,
Q mnimos, P max, P mnima (excelentes resultados en Antioquia). Tiene la ventaja
que X>0 y que la transformacin Log tiende a reducir la asimetra positiva ya que al
sacar logaritmos se reducen en mayor proporcin los datos mayores que los menores.
Limitaciones: tiene solamente dos parmetros, y requiere que los logaritmos de las
variables estn centrados en la media

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:

XTr = eln (xTr)

con K con variable normal estandarizada para el Tr dado, Xy media de los

logaritmos y Sy es la desviacin estndar de los logaritmos.
Campo original: Si se trabaja con los X sin transformar el K se calcula como

K es la variable normal estandarizada para el Tr dado.

Lmites de confianza:

En el campo transformado.

en donde, n nmero de datos, Se error estndar, KT variable normal estandarizada.

3. DISTRIBUCION GUMBEL O EXTREMA TIPO I
Una familia importante de distribuciones usadas en el anlisis de frecuencia
hidrolgico es la distribucin general de valores extremos, la cual ha sido ampliamente
utilizada para representar el comportamiento de crecientes y sequas (mximos y
mnimos).

Funcin de densidad:

En donde a y b son los parmetros de la distribucin.

Estimacin de parmetros

Dnde: x y s son la media y la desviacin estndar estimadas con la muestra.

Factor de frecuencia:

Donde Tr es el periodo de retorno. Para la distribucin Gumbel se tiene que el

caudal para un perodo de retorno de 2.33 aos es igual a la media de los
caudales mximos.

Lmites de confianza:

KT es el factor de frecuencia y t(1-a) es la variable normal estandarizada para una

probabilidad de no excedencia de 1-a.
4. DISTRIBUCION GAMMA DE TRES PARMETROS O PEARSON TIPO 3
Esta distribucin ha sido una de las ms utilizadas en hidrologa. Como la mayora de
las variables hidrolgicas son sesgadas, la funcin Gamma se utiliza para ajustar la
distribucin de frecuencia de variables tales como crecientes mximos anuales,
Caudales mnimos, Volmenes de flujo anuales y estacionales, valores de
precipitaciones extremas y volmenes de lluvia de corta duracin. La funcin de
distribucin Gamma tiene dos o tres parmetros.

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:

Cs es el coeficiente de asimetra, x y s son la media y la desviacin estndar de

muestra respectivamente.

la

Factor de frecuencia:

donde z es la variable normal estandarizada

Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado con la
muestra.

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.

5. DISTRIBUCIN LOG GAMMA O LOGPEARSON DE 3 PARMETROS

Si los logaritmos Y de una variable aleatoria X se ajustan a una distribucin Pearson
tipo III, se dice que la variable aleatoria X se ajusta a una distribucin Log Pearson
Tipo III. Esta distribucin es ampliamente usada en el mundo para el anlisis de
frecuencia de Caudales mximos. Esta se trabaja igual que para la Pearson Tipo III
pero con Xy y Sy como la media y desviacin estndar de los logaritmos de la variable
original X.

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:

Cs es el coeficiente de asimetra, Xy y Sy son la media y la desviacin estndar de

los logaritmos de la muestra respectivamente.

Factor de frecuencia:

donde z es la variable normal estandarizada

Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado con la
muestra.

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:

El estadstico Dn es la mxima diferencia entre la funcin de distribucin

acumulada de la muestra y la funcin de distribucin acumulada terica
escogida.
Se fija el nivel de probabilidad a, valores de 0.05 y 0.01 son los ms usuales.
El valor crtico Da de la prueba debe ser obtenido de tablas en funcin de a y n.
Si el valor calculado Dn es mayor que el Da, la distribucin escogida se debe
rechazar.

b) Prueba Chi Cuadrado

Una medida de las discrepancias entre las frecuencias observadas (fo) y las frecuencias
calculadas (fc) por medio de una distribucin terica est dada por el estadstico
en donde:

si el estadstico =0 significa que las distribuciones terica y emprica ajustan

exactamente, mientras que si el estadstico >0, ellas difieren. La distribucin del
estadstico se puede asimilar a una distribucin Chi-cuadrado con (k-n-1) grados de
libertad, donde k es el nmero de intervalos y n es el nmero de los parmetros de la
distribucin terica. La funcin se encuentra tabulada. Supngase que una
hiptesis Ho es aceptar que una distribucin emprica se ajusta a una distribucin
Normal. Si el valor calculado de por la ecuacin anterior es mayor que algn valor
crtico de , con niveles de significancia a de 0.05 y 0.01 (el nivel de confianza es 1-a)
se puede decir que las frecuencias observadas difieren significativamente de las
frecuencias esperadas (o calculadas) y entonces la hiptesis Ho se rechaza, si ocurre lo
contrario entonces se acepta.

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