Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CAPTULO X
ESTADSTICA APLICADA A LA HIDROLOGIA
10.1 INTRODUCCIN.
Los estudios hidrolgicos requieren del anlisis de informacin hidrometeorolgica, esta
informacin puede ser de datos de precipitacin, caudales, temperatura, evaporacin,
infiltracin, etc.
Se cuenta con datos recopilados de un periodo disponible, si esta informacin es organizada y
se analiza adecuadamente proporciona una herramienta muy til, para tomar decisiones sobre
el diseo de estructuras hidrulicas y responder a innumerables dudas y parmetros de diseo,
como se muestra en la Figura 10.1
FIGURA No 10.1
APLICACIONES DE LA ESTADISTICA EN LA HIDROLOGIA.
P( A)
Na
Ns
(Ec. 10.1)
Si
Pgina 1
FUNCIONES DE PROBABILIDAD:
Una de las formas de representar las probabilidades de las variables hidrolgicas son las
funciones de probabilidad (funciones de densidad), y las funciones de probabilidad
acumuladas que a continuacin se mencionan.
FIGURA No 10.2
FUNCION DE PROBABILIDAD DISCRETA
Pgina 2
FIGURA No 10.3
FUNCION DE PROBABILIDAD CONTINUA
(Ec. 10.2)
(Ec. 10.3)
FIGURA No 10.4
PROBABILIDAD EXCEDENCIA Y NO EXCEDENCIA
Tal que:
P(X x) + P(X x) = 1
(Ec. 10.4)
F ( x) P( X x) f ( x)dx
(Ec. 10.5)
(Ec. 10.6)
Lo que significa que la probabilidad de un evento axb, es igual al rea que hay bajo la
curva de la funcin de densidad f(xi) entre x=a y x=b, ver Figura No 10.5
Pgina 3
FIGURA No 10.5
PROBABILIDAD DE UN EVENTO axb
Se concluye que la probabilidad puntual es cero, porque el rea bajo la curva es cero.,
como se observa en la Figura 10.6
FIGURA No 10.6
PROBABILIDAD PUNTUAL
(Ec. 10.7)
FIGURA No 10.7
FUNCION DE DISTRIBUCION ACUMULADA
La Figura No 10.7 nos permite ver el porcentaje de las observaciones que estn por
encima (Fxi) o debajo (1-Fxi) del valor xi con respecto al total.
Msc Ing. Abel A. Muiz Paucarmayta
Pgina 4
1
P( X x)
(Ec. 10.8)
1
1 P( X x)
(Ec. 10.9)
FIGURA No 10.8
CAUDALES DIARIOS MAXIMOS
2 5 2 5 6 2 2 1 8 5
3.80aos
10
Lo que significa:
Considerando varias centenas de aos, el valor de 20 m3/s es excedido en promedio una
vez cada 3.8 aos, es decir, el periodo de retorno del valor de 20 m3/s es de 3.8 aos.
Pgina 5
TABLA No 10.2
PERIODO DE RETORNO PARA ESTRUCTURAS CIVILES EN GENERAL
Pgina 6
10.4 est en funcin al tipo de rea a proteger y la Tabla 10.5 en para el diseo de
vertederos de embalses.
TABLA No 10.3
PERIODO DE RETORNO PARA OBRAS HIDRAULICAS EN CARRETERAS
TABLA No 10.4
PERIODO DE RETORNO SEGN AREAS A PROTEGER
/
FUENTE: CAMPOS ARANDA. HIDROLOGIA 1987
TABLA No 10.5
PERIODO DE RETORNO PARA VERTEDEROS DE EMBALSE
(Ec. 10.10)
Pgina 7
1
R P( X x.al.menos.una.vez.en.N .aos) 1 (1 )
T
(Ec. 10.11)
Dnde:
T = Periodo de Retorno;
N = Aos
P (X x) = Probabilidad de excedencia
R = Riesgo de fallo o probabilidad de que un evento con periodo de retorno T aos ocurra
al menos una vez en N aos.
De la misma manera se puede definir la confiabilidad que viene a ser el complemento del
riesgo de fallo, que se define como la probabilidad de que un evento con periodo de
retorno de T aos no ocurra en N aos, la confiabilidad se puede expresar de la siguiente
manera:
P( X x.cada.ao.durante.N .aos) 1 P( X x)
(Ec. 10.12)
1
R P( X x.cada.ao.durante.N ) (1 ) F ( x)
T
N
(Ec.10.13)
Tambin es posible calcular el periodo de retorno a partir del riesgo de fallo y del nmero
de aos, como sigue a continuacin:
(Ec. 10.14)
1
T
ln .1 R
1 exp
N
10.3 POSICION DE PLOTEO Y PAPEL DE PROBABILIDAD.
a. Posicin de Ploteo.
Tambin denominada posicin de graficacin, o probabilidad emprica o experimental, o
probabilidad asignada (probabilidad acumulada experimental) La posicin de ploteo es la
ubicacin de graficacin en el papel de probabilidades de los datos de una muestra.
Existen varias frmulas empricas propuestas por diferentes autores para poder calcular
dicha posicin de ploteo, stas se muestran en la Tabla 10.6
TABLA No 10.6
PROBABILIDADES EMPIRICAS
Pgina 8
Dnde:
m
: Numero de orden.
b. Posicin de Ploteo.
Es la representacin grfica de la probabilidad acumulada de una distribucin terica, este
papel de probabilidades tiene las escalas de las ordenada (X) y las abscisas (Probabilidad)
diseadas de tal manera que los datos que van a ser ajustados aparezcan cercanos a una
lnea recta.
El propsito del papel de probabilidad es el de linealizar la relacin de probabilidad de tal
manera que los datos graficados se acomoden a una recta, generalmente con fines de
comparacin. Es una forma de determinar si una serie de datos est siendo representada
de mejor manera por una distribucin de probabilidades en comparacin con otras
distribuciones de probabilidades tericas.
Msc Ing. Abel A. Muiz Paucarmayta
Pgina 9
Distribucin Normal
Distribucin Gumbel
a. Distribucin Normal.
Tambin denominada distribucin gausiana. Se dice que una variable aleatoria X tiene una
distribucin normal, cuando su funcin de densidad de probabilidad es:
1 x X
1
f ( x)
e
2 S 2 S
(Ec. 10.15)
Dnde:
f(x)
: Variable independiente
X y varianza S2, se
FIGURA No 10.9
FUNCION DE DENSIDAD DE LA DISTRIBUCION NORMAL
Para su aplicacin lo ms fcil es la utilizacin de una tabla que relacione Z versus f(Z)
para lo cual se ha definido la variable estandarizada como:
Msc Ing. Abel A. Muiz Paucarmayta
Pgina 10
(Ec. 10.16)
x X
S
(Ec. 10.17)
1
Z
e
2 S 2
2
f (Z )
Una caracterstica importante de la distribucin normal estndar es que tiene la media cero
y la varianza igual a uno.
La funcin de distribucin acumulada de la distribucin normal es:
1
F ( x) f ( x)
e
2 S
x
1 x X
2 S
dx
(Ec. 10.18)
O su equivalente:
1
F ( x) F ( Z )
e
2
Z
Z2
dZ
(Ec. 10.19)
Para realizar el ajuste se utiliza el papel de probabilidades de la ley normal junto a su recta
trazada analticamente.
Pgina 11
Para 0<x<
1 ln .x
1
f ( x)
e
x 2 2
y
(Ec. 10.20)
Para -<y<
1 y
1
f ( y)
e
2 2
y
(Ec. 10.21)
Dnde:
f(x)
: Variable independiente y
: ln x
1 ln .x
1
F ( x) f ( x)
e
x 2
2
x
dx
(Ec. 10.22)
O su equivalente:
1 y
1
F ( y ) f ( x)
e
2
2
y
dy
(Ec. 10.23)
Si:
ln .x
1
e
2
Z
Z2
(Ec. 10.24)
dZ
Pgina 12
FIGURA No 10.10
FUNCION DE DENSIDAD DE LA DISTRIBUCION LOG NORMAL
Una vez realizada la transformacin con la variable estandarizada Z, utilizar las tablas de
la ley normal para el clculo de la probabilidad o la funcin acumulada.
La distribucin log-normal es de gran utilidad en hidrologa, siendo algunas de sus
principales aplicaciones:
Como referencia para comparar varias distribuciones tericas de ajuste con una
distribucin emprica.
Anlisis de errores aleatorios en las observaciones o mediciones hidrolgicas.
Para aplicar inferencia estadstica.
f ( x)
(x x )
e
( )
1
( x x0 )
(Ec. 10.25)
F ( x)
(x x )
e
( )
1
x0
( x x0 )
(Ec. 10.26)
Dnde:
f(x)
F(x)
: Variable aleatoria.
x0
: Parmetro de escala.
: Parmetro de forma.
()
Pgina 13
FIGURA No 10.11
FUNCION DE DENSIDAD DE LA DISTRIBUCION PEARSON TIPO III
X X K *
(Ec. 10.27)
x
Dnde:
X
_
Para la distribucin Pearson tipo III, se deber calcular la media, la desviacin estndar y
el coeficiente de asimetra.
Media
Desviacin Estndar
(Ec. 10.28)
Coeficiente de Asimetra :
(x X )
(Ec. 10.29)
N 1
N (x X )
C g
( N 1)( N 2)
(Ec. 10.30)
3
x
La distribucin Pearson tipo III es de gran utilidad en hidrologa, siendo algunas de sus
principales aplicaciones:
Pgina 14
Como referencia para comparar varias distribuciones tericas de ajuste con una
distribucin emprica.
Anlisis de errores aleatorios en las observaciones o mediciones hidrolgicas.
Para aplicar inferencia estadstica.
Para realizar ajustes de distribucin emprica de variables hidrolgicas de precipitacin,
caudales, temperatura, etc., tales como valores anuales, mensuales o valores
acumulados anuales, mensuales.
f ( x)
(Ec. 10.31)
Dnde:
f(x)
: Variable independiente.
: Parmetro de escala.
FIGURA No 10.12
FUNCION DE DENSIDAD DE LA DISTRIBUCION GUMBEL
F ( x) e
(Ec. 10.32)
Pgina 15
S 0.78S
X 0.57721
(Ec. 10.33)
(Ec. 10.34)
Chi Cuadrado
Smirnov Kolmogorov
x
k
e
i
(Ec. 10.35)
i 1
e N
k
i 1
i 1
Dnde:
i
ei
Pgina 16
N NP
NP
x
2
i 1
(Ec. 10.36)
Donde:
Ni
del intervalo i
N
: Tamao muestral i
Pi
Pi =1/k o ei=PiN
Simplificando la ltima ecuacin se obtiene la frmula computacional desarrollada por
Markovic.
x
2
(Ec. 10.37)
K
N N
N
k
i 1
El valor de
2
c
2
t
: =0.05 o =0.01
Grados de libertad
: g.l.=k-1-h
x x
x >x
entonces el ajuste es malo y se rechaza la hiptesis, siendo necesario probar con otra
distribucin terica.
Esta prueba es de fcil aplicacin, es vlida slo para ajustes a la distribucin normal, en
la prctica se usa para cualquier modelo de ajuste.
Msc Ing. Abel A. Muiz Paucarmayta
Pgina 17
b. Prueba de Smirnov-Kolmogorov.
La prueba de ajuste de Sminov-Kolmogorov, consiste en comparar las diferencias
existentes entre la probabilidad emprica de los datos de la muestra y la probabilidad
terica, tomando el valor mximo del valor absoluto, de la diferencia entre el valor
observado y el valor de la recta terica del modelo , es decir:
(Ec. 10.38)
D max F ( x) P( x)
Donde:
D
P(x)
Pmax F ( x) P( x) 0 o P.D D
0
Tambien:
P.D D 1
(Ec. 10.39)
m
N 1
(Ec. 10.40)
Dnde:
Px
: Numero de orden.
: Numero de datos.
Pgina 18
6. Comparar el valor del estadstico D, con el valor crtico D0 de la Tabla C-4 del Anexo C,
con los siguientes criterios de decisin:
Si:
D<D0 El ajuste es bueno, al nivel de significacin seleccionado
DD0 El ajuste no es bueno, al nivel de significacin seleccionado, siendo necesario
probar con otra distribucin.
Esta prueba de ajuste no requiere del conocimiento a priori de la funcin de distribucin
terica, es aplicable a distribuciones de datos no agrupados y de cualquier distribucin
terica.
Comparndola con la prueba Chi-cuadrado, no requiere que la frecuencia absoluta de
cada clase sea igual o mayor que 5, esta no es una prueba exacta, sino una prueba
aproximada.
Pgina 19
Pgina 20