ANLISIS DE EXTREMOS DE PRECIPITACIONES

INTRODUCCIN
Los cambios climticos son producidos por diversas causas como efecto de actividades
humanas o por condiciones naturales. Estos cambios climticos son medidos mediante
distintos factores ya sea por precipitaciones, temperaturas, evaporacin, nubosidad y otros.
Una de las consecuencias cambio climtico a nivel mundial, es el cambio de temperatura,
provocando as, lluvias en exceso o en su defecto escasez de lluvias.
Los eventos extremos, con intensidades de precipitaciones muy altas y baja frecuencia, son las
situaciones de estudio ms interesantes, dado que pueden provocar desastres tales como
inundaciones, colapsos en los sistemas de drenaje urbano, desbordamiento de ros, etc
Ecuador tiene climas y microclimas diferentes. El modelo meteorolgico vara segn la
geografa, las temperaturas son determinadas por su altitud, ubicacin y, principalmente por la
presencia de la cordillera de los Andes y la influencia martima.
Es importante cuantificar la lluvia registrada en los distintos elementos de medicin ya sea de
forma discreta (pluvimetros) o continua (pluvigrafos). Pero tendr mayor importancia poder
predecir estos eventos y la intensidad de los mismos en el futuro. Es relevante poder estimar
los caudales totales producidos por las cuencas de drenaje en eventos extremos, para as
poder realizar diseos de obras de contencin, obras de drenaje en carreteras, alcantarillas,
etc. El problema de la lluvia es que est relacionada con eventos aleatorios, es decir no
determinsticos, para lo cual tendremos que introducir conceptos de probabilidad para el
anlisis de la misma.

En este artculo se realizar un anlisis de extremos (mximos), en distintas estaciones de la

cuenca del ro Guayas, incluyendo expresiones de clculos, mtodos de ajuste, grficos y
tablas en donde se podrn analizar varias situaciones. Los anlisis se realizar mediante el
ajuste del comportamiento de los datos observados, hacia una distribucin de probabilidad,
entre las cuales destacan, la funcin de Gumbel, la funcin Log-normal, Pearson y logPearson III
Las tcnicas que se expondrn pueden ser aplicadas a fenmenos como lluvias, caudales,
nieve, huracanes y dems fenmenos meteorolgicos, en los cuales requieran anlisis de
extremos, para conocer el comportamiento de sus valores mximos.

2. Marco terico

Teora de Valores extremos

El anlisis de frecuencias tiene por objeto analizar registros histricos de variables hidrolgicas
con el fin de cuantificar la probabilidad de que vuelva a ocurrir un evento extremo. Los
fenmenos hidrolgicos poseen aleatoriedad, variabilidad y gran incertidumbre; por lo cual al
analizar datos hidrolgicos, stos no siempre arrojarn respuestas acertadas; en algunos
casos pueden ser cercanas a lo que se desarrolla normalmente en el entorno; y sern las
adecuadas para desarrollar proyectos hidrolgicos.
Los mtodos probabilsticos dan la posibilidad de analizar la frecuencia con la que ocurren
diferentes magnitudes de variables hidrolgicas. El planteamiento estocstico consiste en
analizar el orden secuencial y la frecuencia con la que se producen ciertos fenmenos de
diferentes magnitudes mediante mtodos basados en series temporales.
En el anlisis de frecuencia de valores extremos, una serie es una secuencia adecuada de
datos, como pueden ser datos de observaciones horarias, diarias, estacionales o anuales de
una variable hidrolgica, en este caso precipitacin, cuanto se tiene todos los datos de una
serie en un periodo determinado, esta se denominar serie completa.

El objetivo de la teora de valores extremos es la extrapolacin de la informacin; y nos dice

que toda funcin contnua en un intervalo cerrado tiene extremos absolutos (mnimo absoluto y
mximo absoluto).
Un ejemplo concreto, mencionado por Coles, es el siguiente: supngase que, como parte de
los criterios para el diseo de defensas costeras, se necesita un rompeolas para protegerse de
datos los niveles del mar que se espera que haya durante 100 aos. Segn Coles,
posiblemente haya disponibles datos locales de niveles del mar, pero para un perodo mucho
ms corto de, por ejemplo, 10 aos. Lo qu, para l es interesante es estimar qu niveles del
mar se pueden alcanzar en los 100 siguientes aos usando los datos de los 10 aos
anteriores, y para hacer extrapolaciones de este tipo se usar el marco de trabajo de la teora
de valores extremos

Perodo de retorno
Segn (Secretara de Agricultura, Ganadera, Desarrollo Rural, Pesca y
Alimentacin), el perodo de retorno se define como el intervalo de

recurrencia (T), al lapso promedio en aos entre la ocurrencia de un evento

igual o mayor a una magnitud dada. Este perodo se considera como el
inverso de la probabilidad, del m-simo evento de los n registros.
El valor del perodo de retorno se determina en funcin de la posicin de la
variable aleatoria (Pmx) en una tabla de valores, ordenados de mayor a
menor, como se muestra en el Cuadro 1. Con base en las siguientes
relaciones:

Donde:
T= perodo de retorno
n= nmero de aos de registro
m= Nmero de orden
P=Probabilidad

Factor de frecuencia (K)

Indica el nmero de veces de desviacin tpica en que el valor extremo
considerado excede a la media de la serie.
El valor de la variable k se estima a partir del conocimiento del perodo de
retorno en aos y del nmero de aos disponibles en la serie. Y depender
de la funcin con la que se trabaje.

Distribuciones de Probabilidad utilizadas en hidrologa.

La utilizacin de una distribucin matemtica presenta varias ventajas:

 Representa una interpretacin suavizada y coherente de la distribucin

emprica. en consecuencia, los cuantiles y otros elementos estadsticos calculados
mediante la distribucin ajustada debern ser ms exactos que los calculados mediante
la distribucin emprica.

Permite representar los datos de manera ms compacta y fcilmente utilizable.

Ofrece probablemente una descripcin ms realista de la horquilla y

verosimilitud de valores que puede adoptar la variable aleatoria. As, por ejemplo , al
utilizar la distribucin emprica, se supone implcitamente que no puede haber valores
superiores o inferiores a los valores mximo o mnimo de la muestra. En la mayora de
las situaciones, este supuesto es totalmente inaceptable.

Distribucin Pearson Tipo III.

La distribuciones de Pearson se utilizan habitualmente para describir muestras de datos
hidrolgicos extremos.
Chow et al., (1994), seala que esta distribucin posee una gran flexibilidad y diversidad de
forma, dependiendo de los valores de sus parmetros, asimilando su utilizacin para
precipitaciones o caudales mximos anuales. La funcin de densidad de probabilidad Pearson
III se define como:
x

{ }

1
x 1
f ( x )=
e
()

Donde , , son los parmetros de la funcin y ( ) es la funcin de Gamma. Los

parmetros , , se evalan a partir de n datos medidos. Asimismo los parmetros de
la distribucin pueden ser estimados en funcin del promedio ( x ) y de la desviaciones
estndar

( S ) de la muestra, por medio de las siguientes expresiones:

( 2 )

Donde:
: Coeficiente de sesgo
e : Constante de Neper
El coeficiente de sesgo, se define como:
n

( x ix ) /n

i=1

La funcin de distribucin de este modelo es:

x

(
1
F ( x )=
e

() 0

dx
( x
)

Entonces, sustituyendo se alcanza la siguiente expresin:

=x

y=

x 1
1

Finalmente la ecuacin queda como:

y

1
F( y)=
y 1 e y dy

( 1 ) 0

Siendo la anterior una funcin ji cuadrada con 2 1

grados de libertad y

x 2=2 y :

F( y)=F ( x 2v )=F x ( 2 y2 1 )
2

Los resultados del estudio (Kroll y Vogel, 2002), en 1.505 estaciones en Estados Unidos,
determinan que la funcin de Pearson Tipo III, es la que mejor representa a las series de
caudales mnimos intermitentes, donde se presentan descargas con valores cero.
Asimismo, las series de caudales mnimos permanentes se ven reflejadas en la funcin LogNormal de tres parmetros.
Para ajustar distribuciones de tres parmetros,se necesita estimar el coeficiente de asimetra
de la distribucin; para ello es necesario disponer de una serie con longitud de registros larga,
mayor de 50 aos (Kite, 1998).
Las distribuciones con dos parmetros, son usualmente preferidas cuando se dispone de
pocos datos, ya que reducen la varianza de la muestra (Ashkar et al,1993).
Distribucin Log-Pearson Tipo III
Si los logaritmos de la variable aleatoria X se ajustan a una distribucin Pearson Tipo III, se
dice que la variable 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. Su
funcin de densidad est dada por:

log ( x ) y 0 1
1
f x ( x )=
e

x|| ( )

log ( x ) y0

donde es el parmetro de escala,

de localizacin.

es el parmetro de forma y

y 0 el parmetro

Estimacin de parmetros:

2
2
y

( )

= y

y
2

y 0=log x= y

Distribucin Log-normal
Segn (Pedro Sandobal),
La distribucin logartmica normal que
comnmente se utiliza para modelar la vida de las unidades cuyos modos de
falla son de una naturaleza a la fatiga del estrs. Dado que se incluyen la
mayora, si no todos, los sistemas mecnicos, la distribucin logartmica
normal puede tener aplicacin generalizada.
Una variable aleatoria que se distribuye log-normal si el logaritmo de la
variable aleatoria tiene una distribucin normal. Debido a esto, hay muchas
similitudes matemticas entre las dos distribuciones. Por ejemplo, el
razonamiento matemtico para la construccin de la probabilidad trazando
escalas y el sesgo de los estimadores de parmetros es muy similar para
estas dos distribuciones.
La distribucin log-normal (LN) tiene una funcin de densidad de
probabilidad, para un intervalo 0<x, dada por la siguiente ecuacin:

Donde son la media y la desviacin tpica de Y.

Su factor de frecuencia est dado por:

Distribucin de Gumbel
Esta distribucin tiene gran importancia en el campo de la hidrologa. Dado que es
considerada, como la ms apta para el anlisis de valores extremos.
Si la distribucin inicial converge hacia una exponencial para x tendiendo a infinito, es aplicable
la ley de valores extremos de Gumbel. (Maggio Gloria)
Significa que si los datos provenientes, por ejemplo, de una estacin de aforo teniendo una
distribucin anual tal que responden a una funcin de frecuencias normal los n valores
extremos (mnimos o mximos) correspondientes a n aos de registros hidromtricos, estos se
ajustaran adecuadamente por una funcin de Gumbel. (Maggio Gloria)
La expresin matemtica est dada por:

Donde:
y: variable reducida de Gumbel, y a la vez es la funcin lineal de la variable aleatoria original x.
Derivando la expresin matemtica, se obtiene la funcin de frecuencia de Gumbel
representada a continuacin:

1.
2.
3.
4.
5.

Gumbel en sus trabajos originales, propone el desarrollo de la siguiente secuencia:

Ordenar datos.
Asignar probabilidades.
Determinar el valor de la variable reducida.
Graficar datos.
Determinar los coeficientes de la recta de ajuste minimo cuadrado ortogonal.

METODOLOGA
A continuacin se har un anlisis con las distribuciones probabilsticas de Log-Normal,
Gumbel. Pearson, Log Pearson III. en donde se har una comparacin de las graficas altura de
precipitacin vs Variable Objetivo Y
Se har un anlisis con una base de datos que contiene 30 estaciones meteorolgicas, de las
cuales solo se escogieron 6, de donde se tienen datos diarios registrados en un promedio de
40 aos hasta el ao 2006.
Las estaciones que se analizarn son las siguientes:
1. Estacin Chiriboga
2. Estacion El Corazon
3. Estacin Pichilingue
4. Estacion Olmedo Manabi
5. Estacion Puerto Ila
6. Estacion Babahoyo
Para esto se harn los clculos de cada tipo de distribucin comparando cada resultado, con el
fin de comprobar su exactitud.
Acontinuacin calculamos las precipitaciones maximas anuales, de las estaciones que se
analizaran:

DISTRIBUCIN DE GUMBEL
Para el anlisis de extremos mediante el mtodo de Gumbel se debern ordenar los valores de
precipitaciones extremas para cada ao en orden descendente. Luego se debern calcular los
valores de x(promedio) y Sx (desviacin estndar) de los datos de precipitaciones extremas.
Los valores de media y varianza muestral, dado el nmero de datos n que se tengan en
consideracin.Se obtendran a partir de la siguiente tabla:

Ejemplo:
n=

41

x=

0,5441

x=

1,1434

Distribucn Pearson III

1.- De la informacin de precipitaciones se selecciona los valores mximos anuales.
2.- Se calcula los valores de media y varianza mediante los mtodos convencionales.
3.- Se calcula el valor del sesgo de la muestra mediante la ecuacin proporcionada por el
mtodo.

4.- Calculado el sesgo se procede al clculo de los siguientes parmetros:

( 2 )

1=

1= x 1

5.- Con los parmetros anteriores finalmente se obtienen las dos variables necesarias para
emplear el mtodo como son los valores de chi cuadrado (2y) y los grados de libertad.

Anlisis estacin Chiriboga

a. Estimar la probabilidad que ocurra una precipitacin superior a los 180mm
b. En un plan de gestin de riesgos se desea determinar la precipitacin para un
periodo de retorno de 50 aos.
c. Determinar la probabilidad de que ocurra una precipitacin de 240mm al menos
una vez en 60 aos.

Estacin Chiriboga
n

Ao

Precipitacin(mm)

1964

50

1965

56,1

1966

51

1967

109,9

1968

112,8

1969

83

1970

56,8

1971

97,2

1972

147,2

10

1973

111,5

11

1974

112,8

12

1975

134,4

13

1976

78,4

14

1977

65,5

15

1978

71,1

16

1979

50,7

17

1980

90

18

1981

78,2

19

1982

80

20

1983

62,5

21

1984

22

1985

54,8

23

1986

96,3

24

1987

60

25

1988

26

1989

53,2

27

1990

68,3

28

1991

77

29

1992

71,3

30

1993

32,6

31

1994

101

32

1995

96,9

33

1996

76

34

1997

73

35

1998

70,6

36

1999

92

37

2000

76

38

2001

81

39

2002

123

40

2003

77

41

2004

75

42

2005

72

43

2006

70

Distribucin Log - Normal

Las tablas muestran los clculos de la media y la desviacin estndar, para cada una de las
estaciones.
Estacin Chiriboga
Ao

Precipitacin(mm
)

LOG(Pe)

(Xi-X)

(XiX)2

1964

50.0

1.699

-0.187

0.035

1965

56.1

1.749

-0.137

0.019

1966

51.0

1.708

-0.178

0.032

1967

109.9

2.041

0.155

0.024

1968

112.8

2.052

0.166

0.028

1969

83.0

1.919

0.033

0.001

1970

56.8

1.754

-0.132

0.017

1971

97.2

1.988

0.102

0.010

1972

147.2

2.168

0.282

0.080

1973

111.5

2.047

0.161

0.026

1974

112.8

2.052

0.166

0.028

1975

134.4

2.128

0.242

0.059

1976

78.4

1.894

0.008

0.000

1977

65.5

1.816

-0.070

0.005

1978

71.1

1.852

-0.034

0.001

1979

50.7

1.705

-0.181

0.033

1980

90.0

1.954

0.068

0.005

1981

78.2

1.893

0.007

0.000

1982

80.0

1.903

0.017

0.000

1983

62.5

1.796

-0.090

0.008

1985

54.8

1.739

-0.147

0.022

1986

96.3

1.984

0.098

0.010

1987

60.0

1.778

-0.108

0.012

1984

1988
1989

53.2

1.726

-0.160

0.026

1990

68.3

1.834

-0.052

0.003

1991

77.0

1.886

0.001

0.000

1992

71.3

1.853

-0.033

0.001

1993

32.6

1.513

-0.373

0.139

1994

101.0

2.004

0.118

0.014

1995

96.9

1.986

0.100

0.010

1996

76.0

1.881

-0.005

0.000

1997

73.0

1.863

-0.023

0.001

1998

70.6

1.849

-0.037

0.001

1999

92.0

1.964

0.078

0.006

2000

76.0

1.881

-0.005

0.000

2001

81.0

1.908

0.023

0.001

2002

123.0

2.090

0.204

0.042

2003

77.0

1.886

0.001

0.000

2004

75.0

1.875

-0.011

0.000

2005

72.0

1.857

-0.029

0.001

2006

70.0

1.845

-0.041

0.002

77.324

41

0.698

Media

1.886

Desviacin Estndar

0.130

Estacin El Corazn
Ao

Precipitacin(mm
)

LOG(Pe)

1964

60.0

1.778

1965

105.4

1966

65.2

(Xi-X)

(Xi-X)2

0.909

0.827

2.023

1.035

1.070

1.814

0.928

0.861

1967

105.5

2.023

1.035

1.071

1968

88.0

1.944

0.994

0.989

1969

140.5

2.148

1.098

1.207

1970

108.0

2.033

1.040

1.082

1971

64.4

1.809

0.925

0.856

1972

86.7

1.938

0.991

0.982

1973

206.3

2.314

1.184

1.401

1974

227.8

2.358

1.206

1.454

1975

328.5

2.517

1.287

1.657

1976

162.8

2.212

1.131

1.279

1977

119.3

2.077

1.062

1.128

1978

86.7

1.938

0.991

0.982

1979

65.0

1.813

0.927

0.860

1980

94.0

1.973

1.009

1.018

1981

109.7

2.040

1.043

1.089

1982

148.0

2.170

1.110

1.232

1983

87.3

1.941

0.993

0.986

1984

50.9

1.707

0.873

0.762

1985

74.0

1.869

0.956

0.914

1986

100.0

2.000

1.023

1.046

1987

62.9

1.799

0.920

0.846

1988

35.5

1.550

0.793

0.629

1989

85.5

1.932

0.988

0.976

1990

65.6

1.817

0.929

0.864

1991

97.5

1.989

1.017

1.035

1992

70.5

1.848

0.945

0.893

1993

78.4

1.894

0.969

0.939

1994

37.5

1.574

0.805

0.648

1995

81.2

1.910

0.977

0.954

1996

65.0

1.813

0.927

0.860

1997

64.8

1.812

0.927

0.858

1998

103.0

2.013

1.029

1.060

1999

139.8

2.146

1.097

1.204

2000

92.7

1.967

1.006

1.012

2001

72.3

1.859

0.951

0.904

2002

121.3

2.084

1.066

1.136

2003

70.8

1.850

0.946

0.895

2004

110.9

2.045

1.046

1.094

2005

92.6

1.967

1.006

1.012

2006

58.7

1.769

0.905

0.818

84.075

43

43.390

Media

1.955

Desviacin Estndar:

1.005

Estacin Pichilingue
Ao

Precipitacin(mm)

LOG(P
e)

1964

119.3

2.077

1965

124.5

1966

(Xi-X)

(Xi-X)2

0.017

0.000

2.095

0.036

0.001

109.2

2.038

-0.021

0.000

1967

122.0

2.086

0.027

0.001

1968

139.0

2.143

0.084

0.007

1969

135.2

2.131

0.072

0.005

1970

88.5

1.947

-0.112

0.013

1971

151.3

2.180

0.120

0.015

1972

187.3

2.273

0.213

0.045

1973

66.6

1.823

-0.236

0.056

1974

100.7

2.003

-0.056

0.003

1975

123.6

2.092

0.033

0.001

1976

134.2

2.128

0.068

0.005

1977

118.4

2.073

0.014

0.000

1978

70.9

1.851

-0.209

0.044

1979

69.1

1.839

-0.220

0.048

1980

133.3

2.125

0.065

0.004

1981

66.7

1.824

-0.235

0.055

1982

121.8

2.086

0.026

0.001

1983

120.5

2.081

0.022

0.000

1984

80.3

1.905

-0.155

0.024

1985

107.0

2.029

-0.030

0.001

1986

98.6

1.994

-0.066

0.004

1987

140.9

2.149

0.089

0.008

1988

117.3

2.069

0.010

0.000

1989

153.0

2.185

0.125

0.016

1990

150.2

2.177

0.117

0.014

1991

84.8

1.928

-0.131

0.017

1992

158.0

2.199

0.139

0.019

1993

74.4

1.872

-0.188

0.035

1994

98.6

1.994

-0.066

0.004

1995

131.7

2.120

0.060

0.004

1996

86.3

1.936

-0.123

0.015

1997

173.1

2.238

0.179

0.032

1998

146.1

2.165

0.105

0.011

1999

115.0

2.061

0.001

0.000

2000

170.8

2.232

0.173

0.030

2001

147.4

2.168

0.109

0.012

2002

125.6

2.099

0.040

0.002

2003

137.5

2.138

0.079

0.006

2004

90.3

1.956

-0.104

0.011

2005

115.2

2.061

0.002

0.000

2006

96.6

1.985

-0.074

0.006

88.555

43

0.576

Media

2.059

Desviacin estndar

0.116

Estacin Olmedo Manab

Ao

Precipitacin(mm)

LOG(P
e)

1964

121.8

2.086

1965

192.9

1966

(Xi-X)

(Xi-X)2

0.145

0.021

2.285

0.345

0.119

113.5

2.055

0.115

0.013

1967

75.4

1.877

-0.063

0.004

1968

39.7

1.599

-0.341

0.117

1969

100.6

2.003

0.062

0.004

1971

75.7

1.879

-0.061

0.004

1972

60.5

1.782

-0.158

0.025

1973

42.9

1.632

-0.308

0.095

1975

47.4

1.676

-0.264

0.070

1976

92.0

1.964

0.024

0.001

1970

1974

1977

71.5

1.854

-0.086

0.007

1978

20.8

1.318

-0.622

0.387

1979

67.0

1.826

-0.114

0.013

1980

66.4

1.822

-0.118

0.014

1981

64.0

1.806

-0.134

0.018

1982

85.8

1.933

-0.007

0.000

1983

80.0

1.903

-0.037

0.001

1984

110.8

2.045

0.104

0.011

1985

95.0

1.978

0.038

0.001

1986

63.0

1.799

-0.141

0.020

1987

69.0

1.839

-0.101

0.010

1988

79.8

1.902

-0.038

0.001

1989

100.4

2.002

0.062

0.004

1990

90.7

1.958

0.017

0.000

1991

118.8

2.075

0.135

0.018

1992

100.6

2.003

0.062

0.004

1993

94.6

1.976

0.036

0.001

1994

121.2

2.084

0.143

0.021

1995

136.4

2.135

0.195

0.038

1996

55.4

1.744

-0.197

0.039

1997

83.6

1.922

-0.018

0.000

1998

100.0

2.000

0.060

0.004

1999

141.8

2.152

0.211

0.045

2000

98.0

1.991

0.051

0.003

2001

160.2

2.205

0.264

0.070

2002

162.8

2.212

0.271

0.074

2003

175.0

2.243

0.303

0.092

2004

117.6

2.070

0.130

0.017

2005

84.1

1.925

-0.015

0.000

2006

97.7

1.990

0.050

0.002

79.547

41

1.387

Media

1.940

Desviacin estndar

0.184

Estacin Puerto Ila

Ao

Precipitacin(mm)

LOG(P
e)

(Xi-X)

(Xi-X)2

1964

120.0

2.079

-0.001

0.000

1965

85.2

1.930

-0.150

0.022

1966

128.3

2.108

0.028

0.001

1967

122.0

2.086

0.006

0.000

1968

59.1

1.772

-0.309

0.095

1969

136.5

2.135

0.055

0.003

1970

133.2

2.125

0.044

0.002

1971

146.4

2.166

0.085

0.007

1972

110.8

2.045

-0.036

0.001

1973

169.0

2.228

0.148

0.022

1974

127.5

2.106

0.025

0.001

1975

121.0

2.083

0.003

0.000

1976

89.5

1.952

-0.128

0.016

1977

196.7

2.294

0.214

0.046

1978

91.9

1.963

-0.117

0.014

1979

117.7

2.071

-0.009

0.000

1980

129.3

2.112

0.031

0.001

1981

82.0

1.914

-0.166

0.028

1982

162.1

2.210

0.130

0.017

1983

126.5

2.102

0.022

0.000

1984

87.9

1.944

-0.136

0.019

1985

152.2

2.182

0.102

0.010

1986

85.7

1.933

-0.147

0.022

1987

171.0

2.233

0.153

0.023

1988

118.0

2.072

-0.008

0.000

1989

88.4

1.946

-0.134

0.018

1990

96.2

1.983

-0.097

0.009

1991

179.1

2.253

0.173

0.030

1992

117.0

2.068

-0.012

0.000

1993

228.0

2.358

0.278

0.077

1994

93.6

1.971

-0.109

0.012

1995

88.1

1.945

-0.135

0.018

1996

177.3

2.249

0.169

0.028

1997

147.4

2.168

0.088

0.008

1998

149.4

2.174

0.094

0.009

1999

113.7

2.056

-0.024

0.001

2000

116.0

2.064

-0.016

0.000

2001

103.0

2.013

-0.067

0.005

2002

110.3

2.043

-0.038

0.001

2003

168.5

2.227

0.146

0.021

2004

106.5

2.027

-0.053

0.003

2005

118.0

2.072

-0.008

0.000

2006

97.1

1.987

-0.093

0.009

89.448

43

0.600

Media

2.080

Desviacin estndar

0.118

Estacin Babahoyo
Ao

Precipitacin(mm)

LOG(P
e)

(Xi-X)

(Xi-X)2

1981

130.8

2.117

0.038

0.001

1982

81.5

1.911

-0.168

0.028

1983

135.1

2.131

0.052

0.003

1984

151.2

2.180

0.101

0.010

1985

69.9

1.844

-0.234

0.055

1986

129

2.111

0.032

0.001

1987

132.5

2.122

0.043

0.002

1988

127.1

2.104

0.025

0.001

1989

142

2.152

0.073

0.005

1990

102

2.009

-0.070

0.005

1991

127.9

2.107

0.028

0.001

1992

138.3

2.141

0.062

0.004

1993

115.4

2.062

-0.017

0.000

1994

128

2.107

0.028

0.001

1995

97.1

1.987

-0.092

0.008

1996

102.5

2.011

-0.068

0.005

1997

156.1

2.193

0.114

0.013

1998

138.2

2.141

0.062

0.004

1999

169.5

2.229

0.150

0.023

2000

123

2.090

0.011

0.000

2001

131

2.117

0.038

0.001

2002

122.9

2.090

0.011

0.000

2003

116.7

2.067

-0.012

0.000

2004

87.7

1.943

-0.136

0.018

2005

116.1

2.065

-0.014

0.000

2006

105.3

2.022

-0.057

0.003

54.052

26

0.193

Media

2.079

Desviacin estndar

0.086

Para un perodo de retorno de 60 aos, los resultados de precipitacin son

los mostrados en la tabla.

ESTIMACION DE PRECIPITACIN PARA UN PERIODO DE RETORNO DE 50 AOS

Estaciones

Chir
ibo
ga

El
Cor
az
n

Olmed
o
Manab

Pu
ert
o
Ila

Pich
iling
ue

Bab
aho
yo

50

50

50

50

50

50

41

43

43

41

43

26

1.88
6

1.95
5

2.05
9

1.940

2.0
80

2.07
9

0.13
0

1.00
5

0.11
6

0.184

0.1
18

0.08
6

0.0
20

0.02
0

0.02
0

0.020

0.0
20

0.02
0

0.9
80

0.98
0

0.98
0

0.980

0.9
80

0.98
0

Kt

2.0
60

2.06
0

2.06
0

2.060

2.0
60

2.06
0

(Kt*)+

2.1
55

4.02
5

2.29
8

2.319

2.3
23

2.25
6

x (mm/dia)

8.6
28

55.9
8

9.95
4

10.166

10.
206

9.54
5

Distribucin Log - pearson III

Para este analisis, calculamos las precipitaciones mximas anuales para las estaciones
mencionadas al principio de esta seccion, posteriormente, de los valores mximos anuales,
hallamos la media ( x ), deviacin estndar(S) que nos serviran para esta distribucin.
Para calcular la media y desviacion estandar, tenemos que calcular el log x, siendo x las
precipitaciones maximas anuales, por ejemplo:

Con esta ultima columna de Log x, calculamos la media

y desviacion estandar

Luego procedemos a calcular el sesgo, que a diferencia de la distribucin Pearson:

S .

( log x i x ) /n

i=1

S3

Con el sesgo , calculamos los parametros de la distribucion, mencionadas en el marco teorico,

finalmente