[Escriba aquí]

TRABAJO
ENCARGADO 1. ANALISIS DE FRECUENCIA
Y PRECIPITACION

GRUPAL
2. REGRESION LINEAL
SIMPLE POR EL METODO DE LOS
MINIMOS CUADRADOS
APLICADO A LAS VARIABLES
METEREOLOGICAS

CURSO: RECURSOS HÍDRICOS

DOCENTE: ING. FERMIN GÁRNICA TELLEZ
INTEGRANTES:
 CADILLO HUAYNASO, Magdiel (Grupo B)
 TICONA CHIARA, Jackelin (Grupo B)
 LÓPEZ ATAHUALPA, Ximena (Grupo C)
 PUMA FLORES, Yunior (Grupo B)

FECHA DE ENTREGA: 10 DE ABRIL DEL 2018

 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

ANALISIS DE FRECUENCIA Y PRECIPITACION

Determinar las precipitaciones para las probabilidades de ocurrencia del 75% y 95% y para un
tiempo de retorno de 10 años. Graficar

AÑO P(mm) P(mm) m F=m/n+1 TR=1/F Pi2

Fq Fd F%
1984 291.70 400.50 1 1/28 0.036 3.6 28.0 160400.25
1985 67.10 317.80 2 2/28 0.071 7.1 14.0 100996.84
1986 187.90 291.70 3 3/28 0.107 10.7 9.3 85088.89
1987 101.70 263.20 4 4/28 0.143 14.3 7.0 69274.24
1988 93.10 263.00 5 5/28 0.179 17.9 5.6 69169
1989 212.00 259.70 6 6/28 0.214 21.4 4.7 67444.09
1990 70.90 221.30 7 7/28 0.250 25.0 4.0 48973.69
1991 86.00 212.00 8 8/28 0.286 28.6 3.5 44944
1992 53.60 209.6 9 9/28 0.321 32.1 3.1 43932.16
1993 400.50 187.90 10 10/28 0.357 35.7 2.8 35306.41
1994 147.00 184.10 11 11/28 0.393 39.3 2.5 33892.81
1995 91.30 182.20 12 12/28 0.429 42.9 2.3 33196.84
1996 80.40 180.30 13 13/28 0.464 46.4 2.2 32508.09
1997 317.80 177.40 14 14/28 0.500 50.0 2.0 31470.76
1998 180.30 170.00 15 15/28 0.536 53.6 1.9 28900
1999 114.00 147.00 16 16/28 0.571 57.1 1.8 21609
2000 182.20 120.20 17 17/28 0.607 60.7 1.6 14448.04
2001 263.20 114.00 18 18/28 0.643 64.3 1.6 12996
2002 184.10 101.70 19 19/28 0.679 67.9 1.5 10342.89
2003 120.20 93.10 20 20/28 0.714 71.4 1.4 8667.61
2004 170.00 91.30 21 21/28 0.750 75.0 1.3 8335.69
2005 209.60 86.00 22 22/28 0.786 78.6 1.3 7396
2006 177.40 81.90 23 23/28 0.821 82.1 1.2 6707.61
2007 81.90 80.40 24 24/28 0.857 85.7 1.2 6464.16
2008 263.00 70.90 25 25/28 0.893 89.3 1.1 5026.81
2009 259.70 67.10 26 26/28 0.929 92.9 1.1 4502.41
2010 221.30 53.60 27 27/28 0.964 96.4 1.0 2872.96
4627.90 994867.25

pág. 1
 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

a) Hallar la precipitación al 75%

P75 =91.3 mm

b) Hallar la precipitación al 95%

67.1 92.9%
P95% 95%
53.6 96.4%

P 95 −53.6 67.1−53.6
=
95 −96.4 92.9 −96.4

P 95 =59 mm

c) Halla la precipitación en 10 años de tiempo retorno

317.8 14
P10 10
291.7 9.3

P 10−291.7 317.8−291.7
=
10−9.3 14−9.3

P10=295.6 mm

2010

∑ Pi=4627.9
1984

∑ P i2=994867.25

2010

∑ Pi
Ṕ= 1984
n

4627.9
Ṕ= =171.4 mm
27

pág. 2
 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

Pi− Ṕ
¿
¿
¿2
¿
∑¿
¿
SP=√ ¿

SP=
√ ∑ Pi 2−n Ṕ2
n−1

171.4
¿
¿
¿2
994867.25−27 ¿
¿
SP=√ ¿

SP=88.070

SP
CV =
Ṕ

88.070
CV =
171.4

CV =0.51
CV =51

d) Gráfica

pág. 3
 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

450.00
400.00
350.00
300.00
P(mm) 250.00
200.00
150.00
100.00
50.00
0.00
3.
6 .7 .9 .0 .1 .3 .4 .6 .7 .9 .0 .1 .3 .4
10 17 25 32 39 46 53 60 67 75 82 89 96

Pr o F(%)

REGRESION LINEAL SIMPLE POR EL METODO DE LOS

MINIMOS CUADRADOS APLICADO A LAS VARIABLES
METEREOLOGICAS

Uno de los aspectos más relevantes de la Estadística es el análisis de la relación o

dependencia entre variables. Frecuentemente resulta de interés conocer el efecto que
una o varias variables pueden causar sobre otra, e incluso predecir en mayor o menor
grado valores en una variable a partir de otra. Por ejemplo, supongamos que la altura
de los padres influye significativamente en la de los hijos. Podríamos estar interesados
en estimar la altura media de los hijos cuyos padres presentan una determinada
estatura. Los métodos de regresión estudian la construcción de modelos para explicar
o representar la dependencia entre una variable respuesta o dependiente (Y) y la(s)
variable(s) explicativa(s) o dependiente(s), X. En este Tema abordaremos el modelo de
regresión lineal, que tiene lugar cuando la dependencia es de tipo lineal.

1. Regresión lineal simple

Uno de los objetivos de toda ciencia es encontrar relaciones entre los hechos
que estudia. Estas relaciones se traducen en expresiones matemáticas. Así si
observamos varias veces el tiempo que tarda un móvil en recorrer una
distancia y su velocidad (supuesto que se desplaza con velocidad uniforme),
los valores observados están claramente relacionados y esa relación puede
expresarse matemáticamente como v = s / t (v t = s). No obstante, existen otras
variables como inflación y tipo de interés, oferta y demanda, ahorro y renta,

pág. 4
 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

etc., entre las que no cabe duda de que existe una relación, pero no existe una
función matemática que verifiquen rigurosamente. Pues bien en el primero de
los casos (tiempo y velocidad) diremos que existe una dependencia funcional, y
en el segundo (inflación y tipo de interés) una dependencia estadística. La
diferencia es que en la primera la relación entre las variables es estricta y
perfecta, y en la segunda el modelo matemático al que lleguemos deberá
aproximar la relación entre variables razonablemente, por lo que deberemos
determinar su forma y contrastar su “bondad”. Las dependencias de tipo
estadístico, son muy frecuentes en economía, y en general en todas las
ciencias sociales. A las técnicas estadísticas utilizadas para determinar
modelos o expresiones que relacionen el comportamiento de varias variables
se les denomina técnicas de regresión. Previamente a la aplicación de técnicas
de regresión, se requiere un análisis teórico, que relacione las variables objeto
de estudio, que de consistencia al análisis estadístico.

Este análisis es necesario porque es posible distinguir distintos tipos de

dependencia entre variables:

a) Al azar: a la vista de la información disponible se plantea una relación

absurda entre variables.

b) Una tercera variable influye sobre las dos variables consideradas: cuando
dos variables se ponen en dependencia, se supone que una explicara el
comportamiento de la otra, pero es posible que exista una tercera variable,
que actúe como motor de esa relación. Así es evidente la relación entre
consumo y ahorro de las familias, pero ello no implica que una explique la
otra, ya que es una tercera variable (la renta), la que determina su relación.
(no hay relación causa-efecto entre las dos primeras variables
consideradas).
c) Una variable influye en la otra: así por ejemplo el gasto en carne de una
familia vendrá determinado (aunque no de modo exclusivo) por el número
de miembros de la unidad familiar.

Si dos variables presentan una dependencia estadística, es decir, no funcional,

no es posible encontrar una ecuación, tal que los valores que puedan presentar
dichas variables la satisfagan. Gráficamente, equivale al hecho de que no es
posible encontrar una función, tal que su grafica pase por todos los puntos
correspondientes al diagrama de dispersión asociado a las variables
observadas.

pág. 5
 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

Fig. 01: Diagrama de dispersión

Representaremos en el eje de abscisas los posibles valores de una variable(x),

en el eje de ordenada los posibles valores de la otra variable (y). Los puntos del
grafico serán las intersecciones (xi, yi) obtenidas de nuestras observaciones. Al
conjunto de puntos obtenido se le denomina nube de puntos.

Ante la imposibilidad de encontrar una gráfica que pase por todos los puntos de
la nube, la función cuya grafica más se aproxime a los datos observados
expresara mejor la relación entre los mismos. En nuestro ejemplo la función
grafica (1) expresa mejor la relación que la (2), pero si tenemos que decidir
entre la (1) y la (3), la elección no sería tan elemental. Esto indica que el
método grafico puede ser de gran ayuda, pero no es suficiente para determinar
la mejor función, por ello recurriremos a métodos matemáticos, que no
dependan de opiniones subjetivas.

A la variable que se quiere predecir se le denomina dependiente o endógena

y a la variable a partir de la cual queremos hacer la predicción, se le llama
independiente, exógena o explicativa.

Cuando solo utilicemos una variable independiente, estaremos ante la

regresión y correlación simple. Si interviene más de una la regresión o
correlación se denomina múltiple.

Una de las aplicaciones más interesantes de la regresión en economía es la de

predecir, esto es, conociendo el valor de una de las variables, estimar el valor
que presentara otra variable relacionada con la primera. Hay que advertir, que
una relación estadística fuerte entre variables, no implica la existencia de una
relación causa-efecto entre ellas. Por ejemplo existe una fuerte correlación
entre el número de burros (de 4 patas) y el número de licenciados
universitarios. Ello es fruto de la dependencia común de ambas variables de
una tercera variable (el desarrollo económico industrial), sin que en ningún
caso podamos afirmar que una es causa de la otra.

2. El método de los mínimos cuadrados y las ecuaciones normales

pág. 6
 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

Hacer regresión, consiste en ajustar lo mejor posible una función a una serie de
valores observados, gráficamente equivale a encontrar una curva (recta) que
aunque no pase por todos los puntos de la nube, al menos este lo más próxima
posible a ellos. Supongamos que para poder predecir “y” en base al
conocimiento de “x”, se ha ajustado una función que expresa de la mejor forma
posible el comportamiento de “Y” en función de “X” ( y=f ( x )) :

Pues bien utilizando la mencionada función, pronosticaríamos que si X= xi

entonces la variable Y tendría una valor esperado ^ y 1=f (x i) . Este valor
posiblemente no coincidirá con el que realmente ha presentado la variable Y, yi,
de manera que en dicha predicción se habrá cometido un error;

e i= y i− ^y i .

Esta diferencia se denomina residuo, y nos da una medida del error cometido
en el ajuste para cada punto del diagrama de dispersión. Un criterio para
obtener un buen ajuste que evite que se compensen residuos de signo positivo
con residuos de signo negativo y que sea manejable (algebraicamente), seria
minimizar la suma de los cuadrados de los residuos, es decir, hacer mínima la
suma:

Este criterio de minimizar la suma de cuadrados es el conocido como criterio

de mínimos cuadrados.
Se puede observar que el desarrollo anterior consiste en la búsqueda de un
procedimiento para medir la distancia de un conjunto finito de puntos a una
curva.
Las funciones que se ajustan con más frecuencia y sus ecuaciones generales,
son:
Recta y=ax+b Parábola
2
y=a+bx+ cx Polinomio de grado n
2 3 n
y=a+bx+ cx + dx + …+ zx Hipérbola equilátera
b
y=a+ Función potencial y=ax
b
x

pág. 7
 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

x
Función exponencial y=ab
Curvalógistica y=a/(1+be−cx ) Exponencial modificada
y=a+be cx
Si la función es una recta, la regresión se denomina lineal.

3. Regresión lineal: recta de regresión (mínimos cuadrados)

Vamos a encontrar entre todas las rectas, cuya ecuación generales y = a + bx,
cual es la que según el método de mínimos cuadrados mejor se ajusta a los
datos observados para una variable bidimensional (x, y).

3.1 Propiedades de las rectas de regresión

 Propiedad 1: La suma de los residuos e i vale 0 (y por tanto
su media también), esto es:
∑ e i=0
Demostración:
∑ e i=∑ ( y i−a−bx i )=∑ y i−∑ a−b ∑ xi =∑ y i−n a−bb ∑ x i=0
Ya que a y b son solución de la primera ecuación del sistema.

 Propiedad 2: Si la dependencia existente entre las dos variables

es funcional, las dos rectas de regresión son coincidentes.
 Propiedad 3: La covarianza de las variables Y y e vale 0.
S ey=0
S ey=a11 −a01 a10 , y sabemos por la propiedad 1 que a10=0
, entonces bastara demostrar que a11 =0 (sin demostración).

4. Meteorogramas:

Un meteorograma es una gráfica donde se representan la evolución temporal

de una o varias variables meteorológicas de un punto determinado. Las
variables a presentar pueden ser de superficie o de altura del punto
considerado. Inicialmente, los meteorogramas se utilizaron para representar la
evolución de los datos de superficie suministrados por una estación donde se
realizaban observaciones convencionales (temperatura, nubosidad, viento,
etc.). Un meteorograma también puede ser utilizado para representar datos en
la vertical de estaciones que realizan tomas de información en altura mediante,
por ejemplo, radio sondeos. La llegada de los modelos numéricos y la mejora
de las técnicas de pos proceso, nos permitió disponer de meteorogramas
previstos. Mediante técnicas de interpolación y ajustes estadísticos y
climatológicos es posible obtener salidas sobre puntos conocidos y asociados a
ciudades, aeropuertos, etc.

pág. 8
 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

5. Isolíneas:

Las isolíneas son líneas que unen puntos de igual valor. Dichos puntos
provienen de mediciones y de interpolaciones de las mismas. En el primer
caso, y tratándose de variables climáticas, cada punto puede representar una
estación meteorológica con una ubicación espacial precisa, en la que se
pueden obtener los valores medios de temperatura, precipitación, humedad,
radiación solar, nubosidad, etc. Las isolíneas representan por sí mismas,
límites o umbrales, se constituyen en momentos de quiebre de un mismo
fenómeno que modifica su funcionamiento y estructura.

 Todas las isolíneas se cierran, a pesar de que los mapas no las

muestren de manera completa.
 No es posible que las isolíneas se crucen puesto que cada una
representa un único valor.
 El acercamiento o la separación entre las isolíneas, muestra las
características de la variación del fenómeno en relación con la
distancia.

VARIABLE NOMBRE
Temperatura Isotermas
Presión Atmosférica Isóbaras
Precipitación Isoyetas
Dirección del viento Isógonas
Velocidad del viento Isótacas
Altura geopotencial Isohipsas

 Radiación solar:
La radiación es transferencia de energía por ondas electromagnéticas y
se produce directamente desde la fuente hacia fuera en todas las
direcciones.

 Humedad atmosférica:
La atmósfera contiene vapor de agua en cantidades muy variables. A
veces está muy seca y en otras con mucha humedad. Los cambios de
fases de vapor están relacionados íntimamente con un conjunto de
parámetros que son los siguientes: tensión de vapor (e) y tensión de
saturación (es), densidad de vapor ( pv), humedad absoluta (ha),
humedad absoluta saturada (has ), razón de mezcla (r), humedad
específica (s), razón de mezcla saturada (r s), humedad relativa (hr) y
temperatura del termómetro húmedo (th).
 Presión atmosférica:

pág. 9
 UNIVERSIDAD PRIVADADE TACNA
FACULTAD DE INGENIERIA
ESCUELA PROFEVIONAL DE INGENIERIA CIVIL

Se define como la fuerza que ejerce el peso de la columna de la

atmósfera por unidad de área.
 Temperatura:
La temperatura es una de las magnitudes más utilizadas para describir
el estado de la atmósfera. Las escalas de temperatura más
comúnmente usadas son dos: Celsius y Fahrenheit. Con fines de
aplicaciones físicas o en la experimentación, es posible hacer uso de
una tercera escala llamada Kelvin o absoluta. Un algoritmo sencillo hace
posible pasar de un valor de temperatura, en una escala, a unos en la
otra y viceversa:

°C = 5/9 (°F – 32) y ° F = 9/5 (°C + 32)

pág. 10