Universidad Andina del Cusco

Distribucin de Log-Gumbel

HIDROLOGIA GENERAL
DOC: CARLOS LUNA LOAYZA
ALUMNOS:
BEGAZO HUAYLLA RUBEN
BORDA LUZA HOLGUER
GOMEZ PENA ANIBAL
QUEZADA QUISPE MARIELLA ELIZABETH
SULLCACCORI HUAMAN DANNY
 Aplicaciones e importancia
de la teora
Estimacin de caudales mximos y
mnimos y su frecuencia de ocurrencia.
Definir la relacin caudal-periodo de
retorno.
Estimacin de una funcin de densidad de
probabilidades.
Numerosas obras hidrulicas se disean
con esta metodologa.
Algunos pases trataron de definir este
problema con una legislacin,
 Modelos y temas

Principales modelos de valores extremos:

Gumbel, Log-Normal II y III, Pearson III, Log-
Pearson III.
Problemas clsicos: seleccin del modelo y
estimacin de sus parmetros.
Principales hiptesis de la teora clsica.
Modelos en un contexto no estacionario.
Deteccin de tendencias en mximos y
mnimos.
Modelos de funcin de densidad derivada
de caudales extremos.
Proceso de seleccin y estimacin
de un modelo

Seleccionar una funcin de densidad de

probabilidades para representar una serie
de caudales mximos o mnimos(*).
Estimar los parmetros de la funcin de
densidad de probabilidades
Estimar los caudales mximos o mnimos
asociados con distintos perodos de
retorno.
(*) importancia de la autocorrelacin entre los datos.
 Mtodos de estimacin
Los parmetros desconocidos del
modelo son inferidos a partir de datos
histricos .
Existen numerosas tcnicas para la
estimacin de los parmetros pero todas
tienen ventajas y desventajas.
Los mtodos de estimacin no son
independientes del problema de la
seleccin del modelo.
La estimacin de parmetros en
modelos asimtricos es ms complicada
debido a la presencia de verosimilitudes
irregulares.
 Distribucin General de Valor
Extremo
Los valores extremos son valores mximos y mnimos
seleccionados de un conjuntos de datos.

Las distribuciones de valores extremos seleccionados de

conjuntos de muestras de cualquier distribucin de
probabilidad convergen en una de las tres formas de
distribucin de valor extremo, llamadas:

Tipo I: Gumbel, g=1.14

Tipo II: Frechet g<=1.14
Tipo III: Weibull g>=1.14

Funcin de Distribucin de probabilidad

1 / para la GEV

x
F(x) = exp - 1 -

Donde:
, y son parmetros que deben ser determinados.

Los tres casos limitantes son:

1. = 0 Distribucin de Valor Extremo Tipo I (Gumbel)

1 x- x-
f(x) = exp - - exp -

Rango:
- x
x 0.5772 6
=

Estimacin de parmetros:
2. < 0 Distribucin de Valor Extremo Tipo II (Frechet)

x
1/

f(x) = exp - 1 -

Rango: ( / ) x

3. > 0 Distribucin de Valor Extremo Tipo III (Weibull)

x
1/

f(x) = exp - 1 -

x ( / )
Rango:
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).
 Distribucin Log Normal
En general, cuando la variable aleatoria X es el producto de un gran

nmero de otras variables aleatorias, la distribucin de los

logaritmos de X puede aproximarse a la Normal, ya que los

logaritmos de X son la suma de los logaritmos de los factores

1
1 y - y 2
contribuyentes. f(x) = exp - 2

y x 2 2 y

Si se tiene una variable aleatoria X y ln X = Y, se ajusta a una

distribucin Normal, se dice que la variable aleatoria X es log

normalmente distribuida.

Funcin de Distribucin de Probabilidad

Asumiendo Y = loga (X)

 Parmetros y Factor de
frecuencia
Media (Parmetro de escala)
Desviacin estandar (Parmetro de forma)

Estimacin de parmetros: Mtodo de los momentos

12
1 N 1 N 2
Y loga ( X i )
Y loga ( X i )
Y
N i1 N i1

ln X T = y + K y
K es la misma de la distribucin normal

Si se quiere trabajar con la variable no transformada en el

campo logartmico se tiene que:
ln1 + Cv2
exp K T ln1 + Cv -
2 1/2
- 1
2
K=
Cv
 -1 1
K T = F u 1 -
Tr

Es el inverso de la funcin de distribucin Normal

1 1
Fu 1 estandarizada acumulada y Cv es el coeficiente
T
de variacin
Intervalos de confianza

: Nivel de confianza o significancia

ST: Error estndar

ln X T u1- 2 S T
1/2
Y K
2

ST = = 1 + T
N 2
Ejemplo: Distribucin Log
Normal
La media y desviacin estndar de los Qmax anuales de la
estacin del ro Nare son:

=94.35 m3/s y =22.45 m3/s

Y=4.52 y Y=0.2337

Hallar el QTR=100 si los Qmax tienen una distribucin Log

Normal.

K=2.326

QY Tr=100 =4.52+2.326*0.237

QTr=100=159 m3/s
Es un intervalo de dos colas, con una probabilidad en cada
una de 5% 2 1/2

= 1 + K T
ST =
Y
N 2
=1.92
ST=0.075
5.0711.6*0.075
4.94 QY 5.14 139159 170 m3/s
 Distribucin Log Pearson Tipo
III
Funcin de distribucin de probabilidad
-1
1 ln(x) - y o ln (x) - y o
f x (x) = e
-
x ()

Parmetros

y , parmetros de escala y forma

y yo parmetro de localizacin

Estimacin de Parmetros

Mtodo de los momentos

2
2

y

=
y y 0
y

y 2
 Factor de Frecuencia:

Y T = ln X T =
y + K
y
Intervalos de Confianza: Que tan cercano puede estar el
estimado al verdadero valor desconocido de la poblacin:
Conocer con cierta certeza. Franja grande: mucha
incertidumbre.

X T u1- 2 S T
: Nivel de confianza o nivel de probabilidad
ST: Error estndar

y
ST = ln X T 1 / 2S T
N
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).
Distribucin Gumbel
La fda y el factor de frecuencias es:

x
F(x) exp- exp x

6
K=- 0.577 + ln lnTr - ln Tr - 1

Intervalos de confianza: Que tan cercano puede estar el
estimado al valor verdadero desconocido de la poblacin.
X T u1- 2 S T

: Nivel de confianza o nivel de probabilidad

^
ST: Error estndar

ST = = 1 + 1.1396K + 1.1 K 2
1/2
N
Ejemplo: Distribucin Gumbel

Si los caudales de la estacin del ro Nare

tienen una distribucin Gumbel:
QTr 95ST
6
K 100 0.577 lnlnT R ln(T R 1)

KTr=100 = 3.13

QTr 100 K
QTr 100 94.35 3.13 22.45 164.77
Intervalos de confianza:
 Ejemplo: Distribucin Gumbel

ST =
N

= 1 + 1.1396K + 1.1 K 2
1/2

= 3.91
ST = 14.62
QTR 1.6*14.62
141.4 164.77 188.17 m3/s