Professional Documents
Culture Documents
PorP(x=a)sedenotalaprobabilidaddequeuneventoasumaelvalorasimilarmenteP(axb)denota
laprobabilidaddequeuneventoseencuentreenelintervalo(a,b).SiconocemoslaprobabilidadP(ax
b)paratodoslosvaloresdeayb,sedicequeconocemoslaDistribucindeProbabilidadesdelavariablex.
SixesunnmerodadoyconsideramoslaprobabilidadP(Xx):
F(x)=P(Xx):
yllamamosF(x)lafuncindedistribucinacumulada.
Ejemplo
Setienenlasprobabilidadesdequehaya1,2,3,...etc,dasnubladosporsemanaenundeterminadolugar,
conelloscalculeladistribucindeprobabilidades
x
P(x)
F(x)
0
0.05
0.05
1
0.15
0.20
2
0.25
0.45
3
0.20
0.65
4
0.15
0.80
5
0.10
0.90
6
0.08
0.98
7
0.02
1.00
Total
1.0
Sisetieneunavariablealeatoriacontinua,lafigurapresentaelhistogramade85aosderegistrodecaudales
decrecientes(mximosinstantneos)enelroMagdalena,agrupadosen9intervalosdeclase.
x
P(x)
F(x)
1
0.05
0.05
2
0.10
0.15
3
0.15
0.30
4
0.20
0.50
5
0.10
0.60
6
0.10
0.70
7
8
9
Total
0.15
0.10
0.05
1.00
0.85
0.95
1.00
Cuandoelnmerodeobservacionesseincrementa,eltamaodelosintervalosdecreceysepuedeteneralgo
s
dondef(x)eslallamadafuncindedensidaddeprobabilidadesytienelassiguientescaractersticas
i)
ii)
iii)
Lo que implica que las probabilidades se definen slo como REAS bajo la funcin de densidad de
probabilidad(FDP)entrelmitesfinitos.
1.1MOMENTOSDELASDISTRIBUCIONES
Las propiedades de las distribuciones pueden ser definidas completamente en trminos de los momentos.
Losmomentosenestadsticasonsimilaresalosmomentosenfsica(rotacinrespectoalorigen)
paralavariablecontinua
paralavariablediscreta
orespectoalamedia(ejederotacindiferentealorigen)
paralavariablecontinua
paralavariablediscreta
1.2PARMETROSESTADSTICOS
Los estadsticos extraen informacin de una muestra, indicando las caractersticas de la poblacin. Los
principales estadsticos son los momentos de primer, segundo y tercer orden correspondiente a la media,
varianza,yasimetrarespectivamente.
1.2.1Mediam:
es el valor esperado de la variable misma . Primer momento respecto a la origen. Muestra la tendencia
centraldeladistribucin
elvalorestimadodelamediaapartirdelamuestraes
1.2.2Varianzas:
midelavariabilidaddelosdatos.Eselsegundomomentorespectoalamedia.
elvalorestimadodelavarianzaapartirdelamuestraes
enelcualeldivisoresn1enlugardenparaasegurarquelaestadsticadelamuestranoseasesgada,es
decir,quenotengaunatendencia,enpromedio,asermayoromenorqueelvalorverdadero.Lasunidades
delavarianzasonlamediaalcuadrado,ladesviacinestndarsesunamedidadelavariabilidadquetiene
lasmismasdimensionesquelamediaysimplementeeslarazcuadradadelavarianza,seestimapors.El
significadodeladesviacinestndarseilustraenlasiguientefigura
Efectosdelafuncindedensidaddeprobabilidadcausadosporcambiosenladesviacinestndar.
Coeficientedevariacin
esunamedidaadimensionaldelavariabilidadsuestimadoes
1.2.3Coeficientedeasimetrag
ladistribucindelosvaloresdeunadistribucinalrededordelamediasemideporlaasimetra.Seobtienea
partirdeltercermomentoalrededordelamedia,dividindoloporelcubodeladesviacinestndarparaque
seaadimensional.
tercermomentorespectoalamedia
Unestimativodelcoeficientedeasimetraestdadopor
Ejemplo
Encontrarelvalormediodelaprecipitacinsisetiene
Intervalo(mm)
100
110
120
130
140
150
160
Ximedio
110
120
130
140
150
160
170
105
115
125
135
145
155
165
Frecuencia Frecuencia
absoluta
relativa
10
0.1
16
0.16
9
0.09
10
0.1
20
0.2
15
0.15
20
0.2
Total=100
xf(x)
10.5
18.4
11.25
13.5
29
23.25
33
=S138.9
2ANALISISDEFRECUENCIA
Elanlisisdefrecuenciaesunaherramientautilizadapara,predecirelcomportamientofuturodeloscaudales
en un sitio de inters, a partir de la informacin histrica de caudales. Es un mtodo basado en
procedimientosestadsticosquepermitecalcularlamagnituddelcaudalasociadoaunperododeretorno.
Suconfiabilidaddependedelalongitudycalidaddelaseriehistrica,ademsdelaincertidumbrepropiade
la distribucin de probabilidades seleccionada. Cuando se pretende realizar extrapolaciones, perodo 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
principalmentealacalidaddelosdatosamodelarenamboscasoslaincertidumbreesaltadependiendodela
cantidad de datos disponibles (Ashkar, et al. 1994). La extrapolacin de frecuencias extremas en una
distribucinempricadecrecientesesextremadamenteriesgosa(Garcon,1994).
Paradeterminarlamagnituddeeventosextremoscuandoladistribucindeprobabilidadesnoesunafuncin
fcilmente invertibles se requiere conocer la variacin de la variable respecto a la media.Chow en 1951
propusdeterminarestavariacinapartirdeunfactordefrecuenciaKTquepuedeserexpresado:
ysepuedeestimarapartirdelosdatos
Paraunadistribucindada,puededeterminarseunarelacinentreKyelperododeretornoTr.Estarelacin
puedeexpresarseentrminosmatemticosopormediodelusodeunatabla.
Acontinuacinsedescribenlasprincipalesdistribucionesdeprobabilidadutilizadasenhidrologa,laforma
deestimarsusparmetros,elfactordefrecuenciayloslmitesdeconfianza.Estosltimossonindicadores
dequetantaincertidumbresetieneconlasextrapolaciones,puestoquedeterminarelrangodevaloresdonde
realmenteestaralavariables,sielrangoesmuygrandelaincertidumbreesmuyaltaysiespequeo,porel
contrario,habrmuchaconfianzaenelvalorestimado.
3DISTRIBUCIONESDEPROBABILIDADPARAVARIABLESCONTINUAS
3.1DISTRIBUCIONNORMAL
Ladistribucinnormalesunadistribucinsimtricaenformadecampana,tambinconocidacomoCampana
deGauss.Aunquemuchasvecesnoseajustaalosdatoshidrolgicostieneampliaaplicacinporejemploa
losdatostransformadosquesiguenladistribucinnormal.
3.1.1Funcindedensidad:
Lafuncindedensidadestdadapor
Losdosparmetrosdeladistribucinsonlamediamydesviacinestndarsparaloscuales (media)ys
(desviacinestndar)sonderivadosdelosdatos.
3.1.2Estimacindeparmetros:
3.1.3Factordefrecuencia:
1.SisetrabajaconlosXsintransformarelKsecalculacomo
estefactoreselmismodelavariablenormalestndar
3.1.4Limitesdeconfianza:
3.2DISTRIBUCINLOGNORMALDEDOSPARMETROS
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 calculo de valores extremos por ejemplo Qmax, Qmnimos, Pmax,
Pmnima(excelentesresultadosenAntioquia).TienelaventajaqueX>0yquelatransformacinLogtiende
areducirlaasimetrapositivayaquealsacarlogaritmossereducenenmayorproporcinlosdatosmayores
quelosmenores.
Limitaciones:tienesolamentedosparmetros,yrequierequeloslogaritmosdelavariablesestncentrados
enlamedia
3.2.1Funcindedensidad:
y=lnx
donde,
my : media de los logaritmosde la poblacin (parmetro escalar), estimado
estndardeloslogaritmosdelapoblacin,estimadosy.
sy : Desviacin
3.2.2Estimacindeparmetros:
3.2.3Factordefrecuencia:
Puedetrabajarseenelcampooriginalyenelcampotransformado.
Ln(XTr)=xTr+KSy
dedonde,
XTr=eln(xTr)
conKconvariablenormalestandarizadaparaelTrdado,xy mediadeloslogaritmosySyesladesviacin
estndardeloslogaritmos.
3.Campooriginal:SisetrabajaconlosXsintransformarelKsecalculacomo
KeslavariablenormalestandarizadaparaelTrdado,
eselcoeficientedevariacin,xmediadelos
datosoriginalesysdesviacinestndardelosdatosoriginales.
3.2.4Limitesdeconfianza:
Enelcampotransformado.
endonde,nnumerodedatos,Seerrorestndar,KTvariablenormalestandarizada.
EJEMPLO:Enunrosetienen30aosderegistrosdeQmximosinstantneosanualesconx=15m3/s,S=
5m3/s(mediaydesviacinestndarparalosdatosoriginales).xy=2.655,sy = 0.324 (media y desviacin
estndar de los datos transformados). Encontrar el caudal para un periodo de retorno de 100 aos y los
limitesdeconfianzaparauna=5%.Calcularlaprobabilidaddequeuncaudalde42.5m3/snoseaigualado
oexcedidoP(Q4.25).
Solucin:
n=30
x=15m3/sxy=2.655
s=5m3/ssy=0.324
Enelcampooriginal
=5/15=0.33
K=F1(11/Tr)=F1(11/100)=F1(0.99)
delatabladelanormalseobtieneKT=2.33
KT=3.06
QTr=15+5*3.028
QTr=30.14m3/s
Enelcampotransformadosetieneque:
LnQTr100=2.655+2.33*0.324
LnQTr100=3.40992
QTr100=Exp(3.40992)
QTr100=30.26m3/s
Limitesdeconfianza
Ln(QTr)t(1a)Se
d=1.93
t(1a)=t(0.95)=1.645(Ledodelatabladelanormal)
Ln(30.28)(1.645)(0.11)
3.410.18095
[3.229053.59095]
[e3.22905e3.59095]
[25.2636.29]IntervalosdeconfianzaparaQTr100
b)Calcularlaprobabilidaddequeuncaudalde45m3/snoseigualadooexcedidoP(Q4.25).
Ln(42.5)=3.75
t=(3.752.655)/0.324
F(3.38)=0.9996Ledodelatabladelanormal
P(Q4.25)=99.9%
3.3DISTRIBUCIONGUMBELOEXTREMATIPOI
3.3.1Funcindedensidad:
Endondeaybsonlosparmetrosdeladistribucin.
3.3.2Estimacindeparmetros
donde
sonlamediayladesviacinestndarestimadasconlamuestra.
3.3.3Factordefrecuencia:
DondeTreselperiododeretorno.ParaladistribucinGumbelsetienequeelcaudalparaunperodode
retornode2.33aosesigualalamediadeloscaudalesmximos.
3.3.4Limitesdeconfianza
Xtt(1a)Se
EJEMPLO:ParaelejemploanteriorencontrarelQde100aosdeperiododeretornoylosintervalosde
confianza.x=15m3/s,s=5m3/s
QTr100=x+KTs
KT=3.14
QTr100=15+3.14*5
QTr100=30.7m3/s
Intervalosdeconfianza
t(1a)=t(0.95)=1.645(Ledodelatabladelanormal)
d=3.93
Xtt(1a)Se
30.7m3/s(1.64)(3.58)
[24.83m3/s36.58m3/s]IntervalodeconfianzaparaQTr100
3.4DISTRIBUCIONGAMMADETRESPARMETROSOPEARSONTIPO3
Esta distribucin ha sido una de las mas utilizadas en hidrologa. Como la mayora de las variables
hidrolgicassonsesgadas,lafuncinGammaseutilizaparaajustarladistribucindefrecuenciadevariables
tales como crecientes mximas anuales, Caudales mnimos, Volmenes de flujo anuales y estacionales,
valores de precipitaciones extremas y volmenes de lluvia de corta duracin. La funcin de distribucin
Gammatienedosotresparmetros.
3.4.1Funcindedensidad:
donde,
x0x<aparaa>0
a<xx0paraa<0
aybsonlosparmetrosdeescalayforma,respectivamente,yx0eselparmetrodelocalizacin.
3.4.2Estimacindeparmetros:
Cs es el coeficiente de asimetra,
respectivamente.
3.4.3Factordefrecuencia:
dondezeslavariablenormalestandarizada
EstevalordeKseencuentratabuladodeacuerdoalvalordeCscalculadoconlamuestra.
3.4.4Intervalosdeconfianza:
Xtt(1a)Se
EJEMPLO:Setieneunaestacincon30aosderegistrosdecaudalesmximosinstantneosconMediade
4144pie3/sydesviacinestndarde3311pie3/s.Sielcoeficientedeasimetradeloscaudalesesde1.981
pie3/scualescaudalparaunperiododeretornode100aosysuintervalodeconfianza.
QTr100=X+SK
KesF(1.981,100)detablasseobtieneK=3.595(1.9,100)=3.553
(2.0,100)=3.605
QTr100=4144+(3.595)(3311)
QTr100=16050pie3/s
Intervalosdeconfianza
Xtt(1a)Se
d=F(1.981,100)detablasseobtiened=8.4922(1.9,100)=8.2196
(2.0,100)=8.5562
Se=5133.56pie3/s
t(1a)=t(0.95)=1.645(Ledodelatabladelanormal)
16050(5133.56)(1.645)
[7605.29pie3/s24494.71pie3/s]IntervalosdeconfianzaparaQTr100
3.5DISTRIBUCINLOGGAMMAOLOGPEARSONDE3PARMETROS
SiloslogaritmosYdeunavariablealeatoriaXseajustanaunadistribucinPearsontipoIII,sedicequela
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
originalX.
3.5.1Funcindedensidad:
donde,
y0y<aparaa>0
ayy0paraa<0
aybsonlosparmetrosdeescalayforma,respectivamente,yy0eselparmetrodelocalizacin.
3.5.2Estimacindeparmetros:
Cseselcoeficientedeasimetra,
muestrarespectivamente.
sonlamediayladesviacinestndardeloslogaritmosdela
3.5.3Factordefrecuencia:
dondezeslavariablenormalestandarizada
EstevalordeKseencuentratabuladodeacuerdoalvalordeCscalculadoconlamuestra.
3.5.4Intervalosdeconfianza:
Xtt(1a)Se
DondeSyesladesviacinestndardeloslogaritmosdelamuestra,neselnmerodedatosydseencuentra
tabuladoenfuncindeCsyTr.
4AJUSTEDEDISTRIBUCIONES
Paralamodelacindecaudalesmximosseutilizan,entreotras,lasdistribucionesLogNormal,Gumbely
LogGumbelprincipalmente.Paraseleccionarladistribucindeprobabilidadesdelaseriehistricasedeben
tenerencuentaalgunasconsideraciones.
Cuandoenlaseriehistricaseobservanoutliers[1]esnecesarioverificarlasensibilidaddelajuste
debidoalapresenciadeestos,(Ashkar,etal.1994)
ParaelajustealasdistribucionesLogNormal,LogGumbelyLogPearsonserequieretransformarla
variable al campo logartmico para modelarla, con lo que se disminuye la varianza muestral, pero
tambinsefiltranlasvariacionesrealesdelosdatos.
Lasdistribucionesdedosparmetrosfijanelvalordelcoeficientedeasimetra,loqueenalgunoscasos
puedenoserrecomendable.LadistribucinLogNormaldedosparmetrossloesrecomendables
el coeficiente de asimetra es cercano a cero. Las distribuciones Gumbel y Log Gumbel son
recomendablessielcoeficientedeasimetradeloseventosregistradosescercanoa1.13
Para ajustar distribuciones de tres parmetros (Log Normal III, Log Pearson) se requiere estimar el
coeficientedeasimetradeladistribucinparaelloesnecesariodisponerdeunaserieconlongitudde
registroslarga,mayorde50aos,(Kite,1988).Lasdistribucionesdedosparmetrossonusualmente
preferidascuandosedisponedepocosdatos,porquereducenlavarianzadelamuestra,(Ashkar,etal.
1994).
Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cual es la distribucin que
mejor se ajusta a los caudales mximos y recomiendan seleccionar el mejor ajuste a criterio del
modeladorconlapruebadeajustegrficoobasadoenelcomportamientodelaspruebasestadsticas
debondaddelajuste(porejemploChiCuadrado,SmirnovKolmogorov,CramerVonMises)enlasque
secalculaunestimadorysecomparaconunvalortabuladoparadeterminarsielajusteesadecuadoo
no.Enlapruebadeajustegrficasedibujanlosvaloresregistradosenlaseriecontraladistribucin
tericadeprobabilidadesydemaneravisual(subjetiva)sedeterminasielajusteesadecuadoono.
Cuandosepresentencambiosotendenciasenlaseriehistricasedebenutilizartcnicasestadsticas
quepermitanremoverlosparapoderrealizarelanlisisdefrecuencias(Kite,1988Mamdouh,1993
Ashkar,etal.1994).
Laseleccininadecuadadeladistribucindeprobabilidadesdelaseriehistricaarrojarresultadosde
confiabilidaddudosa,(Ashkar,etal.1994).
Eltamaodelamuestrainfluyedirectamenteenlaconfiabilidaddelosresultados,asamayorperodo
de retorno del estimativo mayor longitud de registros necesaria para mejor confiabilidad en los
resultados.
Elajusteadistribucionessepuedehacerdedostcnicas,conelfactordefrecuenciacomoserefirienel
numeral2ohallandoladistribucinempricadelosdatosmuestrales,porelmtododePlottingPosition.
4.1PlottingPosition
Trabajaconlaprobabilidaddeexcedenciaasignadaacadavalordelamuestra.Sehanpropuestonumerosos
mtodosempricos.Sineseltotaldevaloresymeselrangodeunvalorenunalistaordenadademayora
menor (m=1 para el valor mximo) la probabilidad de excedencia se puede obtener por medio de las
siguientesexpresiones
California
Weibull
Hazen
LaexpresinmsutilizadaeslaWeibull.Conlasanterioresexpresionessehallaloqueseconocecomola
distribucin emprica de una muestra, esta luego se puede ajustar a una de las distribuciones tericas
presentadasanteriormente.Losresultadospuedenserdibujadosenelpapeldeprobabilidadesteesdiseado
paraquelosdatosseajustenaunalnearectaysepuedancompararlosdatosmuestralesconladistribucin
terica(lnearecta).
4.2PruebasdeAjuste
Para determinar que 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
estadsticosycomotalsedebenentender,esdecir,nosepuedeignorarelsignificadofsicodelosajustes.
4.2.1PruebaSmirnovKolmogorov
LapruebarequierequeelvalorDncalculadoconlaexpresinanteriorseamenorqueelvalortabuladoDn
paraunniveldeprobabilidadrequerido.
Estapruebaesfcilderealizarycomprendelassiguientesetapas:
ElestadsticoDneslamximadiferenciaentrelafuncindedistribucinacumuladadelamuestrayla
funcindedistribucinacumuladatericaescogida.
Sefijaelniveldeprobabilidada,valoresde0.05y0.01sonlosmsusuales.
ElvalorcrticoDadelapruebadebeserobtenidodetablasenfuncindeayn.
SielvalorcalculadoDnesmayorqueelDa,ladistribucinescogidasedeberechazar.
4.2.2PruebaChiCuadrado
Una medida de las discrepancia entre las frecuencias observadas (fo) y las frecuencias calculadas (fc) por
mediodeunadistribucintericaestadadaporelestadstico
endonde
sielestadstico=0significaquelasdistribucionestericayempricaajustanexactamente,mientrasquesi
elestadstico>0,ellasdifieren.LadistribucindelestadsticosepuedeasimilaraunadistribucinChi
cuadrado con (kn1) grados de libertad, donde k es el nmero de intervalos y n es el nmero de los
parmetrosdeladistribucinterica.Lafuncinseencuentratabulada.SupongasequeunahiptesisHo
esaceptarqueunadistribucinempricaseajustaaunadistribucinNormal.Sielvalorcalculadodepor
laecuacinanterioresmayorquealgnvalorcrticode,connivelesdesignificanciaade0.05y0.01(el
niveldeconfianzaes1a)sepuededecirquelasfrecuenciasobservadasdifierensignificativamentedelas
frecuenciasesperadas(ocalculadas)yentonceslahiptesisHoserechaza,siocurrelocontrarioentoncesse
acepta.
[1]Aunquenoexisteunadefinicingeneralmenteaceptada,sepuedeentendercomovaloresextremos,muy
superioresalosdemsregistrados(Ashkar,etal.1994).
__.__