Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Series temporales
1 Nx Nx Nx
Px P1 P2 .... Pn
n N1 N2 Nn
Donde:
Px: Dato faltante en la estación X
n: Número de estaciones con datos de registros continuos cercanas a la estación X
Nx: Precipitación media anual en la estación X
N1 a Nn: Precipitación media anual en las estaciones
P1 a Pn: Precipitación durante el periodo de tiempo por completar
Ejemplo 1
1855.4 1741.5
%E 100 6.14%
1855.4
Debido a que el error es menor al 10%, la precipitación del mes de Abril
en la estación alto de San Andrés es:
185.8 170.2
%E 100 9.16%
170.2
Solución:
82.31 75.7
%E 100 8.7%
75.7
Consistencia de los datos
1955
1946
1955
S1
Pa Po
S0
Donde:
Pa: Valor ajustado.
Po: Valor observado
S1 : Pendiente de la recta correspondiente al período 1946 – 1955
S0: Pendiente de la recta correspondiente al período 1941 – 1946
Caso C.
Con los puntos no es posible trazar líneas rectas. El registro es malo.
25000
20000
(mm)
15000
10000
5000
0
0 5000 10000 15000 20000 25000 30000 35000
La predicción de eventos
hidrológicos solo puede
determinarse a través del análisis
probabilístico y estadístico
basado en los registros
hidrológicos del pasado.
Los objetivos básicos de la estadística en la hidrología son entre otros:
__ Xi
X i 1
N
Donde:
X: La media
__
N N
Si N es impar 1
2 2
2
Donde:
N: Número de datos
La desviación estándar:
Donde:
N
__
2 S:
__ Desviación estándar
i 1
Xi X
X: La media
S Xi: Conjunto de números
N 1
N: Número de datos
Varianza:
2
N
__
Xi X
S 2 i 1
N 1
El rango:
Diferencia entre el máximo y el mínimo valor de la serie.
Coeficiente de variación:
S
Cvx __
X
Asimetría:
la distribución de los valores de una distribución alrededor de la media se mide por la
asimetría.
3
a N N
__
Cs 3
S
a
( N 1)N 2) i 1
Xi X
Donde:
Cs: Coeficiente de asimetría Cs = 0 Distribución simétrica
S:
__ Desviación estándar Cs > 0 Distribución oblicua hacia la izquierda
X: La media Cs < 0 Distribución oblicua hacia la derecha
Xi: Conjunto de números
N: Número de datos
Cs < 0 Cs = 0 Cs > 0
Frecuencia de ocurrencia y riesgo
Axiomas:
1. La probabilidad de ocurrencia de un evento, Pi, siempre tiene un
valor entre 0 y 1, así: 0 ≤Pi≤ 1
P x xi F x xi
i
Método de California
n
P x xi F x xi
i
n 1 Método de Kimbal
Donde:
i: Orden del dato dentro de la muestra
n: Número total de datos de la muestra
Ejemplo:
Calcular la frecuencia de ocurrencia de los datos de la siguiente tabla.
Datos históricos
Año Precipitación anual
(mm)
1961 1020
1962 1200
1963 940
1964 910
1965 1050
1966 1100
1967 1000
1968 980
1969 920
1970 1040
1971 1180
1972 1250
1973 1400
1974 1010
1975 820
Datos históricos Datos ordenados
Año Precipitación Orden Precipitación
M. California M. Kimbal
anual (mm) i anual (mm)
1961 1020 1 1400 0.067 0.063
1962 1200 2 1250 0.133 0.125
1963 940 3 1200 0.200 0.188
1964 910 4 1180 0.267 0.250
1965 1050 5 1100 0.333 0.313
1966 1100 6 1050 0.400 0.375
1967 1000 7 1040 0.467 0.438
1968 980 8 1020 0.533 0.500
1969 920 9 1010 0.600 0.563
1970 1040 10 1000 0.667 0.625
1971 1180 11 980 0.733 0.688
1972 1250 12 940 0.800 0.750
1973 1400 13 920 0.867 0.813
1974 1010 14 910 0.933 0.875
1975 820 15 820 1.000 0.938
Período de retorno (Tr)
Se define como periodo de retorno T de eventos hidrológicos máximos en obras de
drenaje, el tiempo promedio, expresado en años, en que el valor del caudal pico de
una creciente determinada es igualado o superado una vez.
1 1 n 1 n
Tr
F x xi P x xi i i
Siendo:
i: Orden del dato dentro de la muestra
n: Número total de datos de la muestra
1 probabilidad de probabilidad de no
Entonces: P ocurrencia anual, P, y P' 1 P
Tr ocurrencia de un
de un evento evento
Ejemplo:
Calcular el período de retorno (Tr), de los datos de la siguiente tabla.
Datos históricos
Precipitación
Año
anual (mm)
1961 1020
1962 1200 Una vez calculada la
1963 940 probabilidad que
1964 910 corresponde a cada
1965 1050 evento de la serie
1966 1100 se ajustan los datos
1967 1000 a la distribución de
1968 980 probabilidades más
1969 920
conveniente.
1970 1040
1971 1180
1972 1250
1973 1400
1974 1010
1975 820
Datos históricos Datos ordenados
Precipitación Precipitación Tr Tr
Año Orden i
anual (mm) anual (mm) M. California M. Kimbal
1961 1020 1 1400 15.00 16.00
1962 1200 2 1250 7.50 8.00
1963 940 3 1200 5.00 5.33
1964 910 4 1180 3.75 4.00
1965 1050 5 1100 3.00 3.20
1966 1100 6 1050 2.50 2.67
1967 1000 7 1040 2.14 2.29
1968 980 8 1020 1.88 2.00
1969 920 9 1010 1.67 1.78
1970 1040 10 1000 1.50 1.60
1971 1180 11 980 1.36 1.45
1972 1250 12 940 1.25 1.33
1973 1400 13 920 1.15 1.23
1974 1010 14 910 1.07 1.14
1975 820 15 820 1.00 1.07
Periodos de retorno para el diseño de la obras hidráulicas
Periodo de retorno
Tipo de obra
Tr (años)
Cunetas 5
Zanjas de Coronación 10
Estructuras de caídas 10
Alcantarillas de 0.90 m de diámetro 10
Alcantarillas mayores a 0.90 m de
20
diámetro
Puentes menores (luz menor a 10 m) 25
Puentes de luz mayor o igual a 10 m y
50
menor de 50 m
Puentes de luz mayor o igual a 50 m 100
Drenaje subsuperficial 2
WS Tr 100
WS Tr 50
WS Tr 25
590
WS Tr 10
WS Tr 5
WS Tr 2.33
Ground
Elevation (m)
585
Cauca_Pintada Plan: Plan 05 14/08/2015
WS Tr 100
575 WS Tr 50
590 WS Tr 25
WS Tr 10
Elevation (m)
570 WS Tr 5
0 500 1000 1500 2000 WS Tr 2.33
Main Channel Distance (m) 585 Ground
Tr
Ejemplo
¿Cual será el riesgo de falla de una presa, calculada con un Tr de 1000 años
en una vida útil de 100 años?
1 1
P 0.001 Probabilidad de excedencia
Tr 1000
R 1 1 P R 1 0.999 1 0.905
n 100
R 0.095 9.5%
Ejemplo
R 0.1 1 1 P
25
25
1
R 0.1 1 1
Tr
Tr = 238 años
Distribuciones de probabilidad
Existen varias distribuciones de probabilidad que se usan en el diseño hidrológico.
Teniendo en cuenta que en hidrología los registros disponibles son una pequeña muestra
de la población, resulta lógico probar diferentes distribuciones para obtener aquella que
mejor se ajuste.
Las distribuciones de probabilidad se aplican para variables aleatorias discretas o
continuas.
Discreta: sólo puede tomar valores específicos, por ejemplo: el número de días de lluvia
por año, la situación de un día positivo para tormentas convectivas o nó, días con
temperaturas que producen heladas en cultivos o no.
Continua: puede tomar todos los valores en un rango de ocurrencia. Por ejemplo el valor
de los caudales promedios diarios en un río o las temperaturas registradas por una
estación. La mayor parte de las variables hidrológicas son continuas.
Distribuciones de probabilidad
No existe una distribución de probabilidades que se pueda ajustar con certeza a
una serie de datos hidrológicos. Las distribuciones de variables continuas más
utilizadas son:
- Distribución normal o de Gauss.
- Log - normal
- Distribución de valores extremos o de Gumbel
- Log – Gumbel
- Log – Pearson tipo III.
- Pearson tipo III.
Chow, Ven Te
Chow, Ven Te
Distribución Normal
La distribución Normal es una distribución simétrica en forma de campana, conocida
también como Campana de Gauss
Parámetros
•Media
•Desviación estándar
•Asimetría = 0
•Media = Moda = Mediana
Es decir, el valor esperado de una variable aleatoria para un determinado periodo de retorno T (XT)
depende de su media y será proporcional a su desviación estándar, en general:
__
X T X KT .S x
Donde la constante de proporcionalidad KT se conoce como factor de frecuencia y depende, de la
probabilidad de ocurrencia (el periodo de retorno) y su función de distribución de probabilidad.
Intervalo de confianza para el estimado de XT
Se quiere saber qué tan cercano puede estar ese estimado al verdadero valor
desconocido de la población y conocer con una cierta certeza (probabilidad) la
franja de valores entre los cuales se encontraría el verdadero valor de la
población.
__
X T X KT .S x
Ejemplo
Se tiene una estación con 30 años de datos de caudales medios anuales con media de
150 m3/s y desviación estándar de 25 m3/s . ¿Si los datos se ajustan a una distribución
Normal, cuál es el caudal correspondiente a un período de retorno, Tr, de 100 años?
Sx= 25 m3/s
__
X 150m3 / s
1 1
Fu ( KT ) f 1 f 1 0.99
Tr 100
A partir de Fu(K) de la tabla se obtiene KT=2.33
1/ 2 1/ 2
Sx KT 2
25 2.33 2
S ET 1 S ET 1 8.8
N
2
30 2