Datos de precipitación.

Series temporales

• Precipitación minuto a minuto

• Precipitación horaria
• Precipitación Diaria
• Precipitación Mensual
• Precipitación Anual

A partir de los datos obtenidos de una estación pluviométrica o

pluviográfica se pueden determinar lo valores totales de la P horaria, P
diaria, la P mensual, o la P anual simplemente sumando (acumulando)
las precipitaciones para cada periodo de tiempo deseado.
Precipitación media
diaria
Si en una estación se
registra día a día el
volumen de la lluvia que
cae en las 24 horas,
durante un intervalo de
años, se obtiene una serie
de datos de precipitación
diaria. La precipitación
media diaria es igual al
promedio aritmético de la
serie de datos.
Precipitación máxima en 24 horas
Precipitación media mensual
Se define como el promedio aritmético de la serie que corresponde a los
volúmenes de lluvia caídos en un mismo mes. Si se quiere calcular la
precipitación media mensual en un año determinado se promedian los
valores correspondientes a ese año. Cuando el registro comprende varios
años es más conveniente calcular el promedio de las precipitaciones que
corresponden al mismo mes; este promedio es útil para hacer análisis
comparativos.

Precipitación media anual

Es el promedio aritmético de las precipitaciones anuales.
 Precipitación media anual
Precipitación media mensual
 Presentación de los datos de precipitación

Curva de masas de la lluvia.

Es un gráfico de la precipitación acumulada contra el tiempo, en orden cronológico. Es la curva
que se obtiene directamente del pluviógrafo y se usan para extraer información sobre la
magnitud, duración e intensidad de una tormenta.
 Presentación de los datos de precipitación
Hietograma.
Es el gráfico que relaciona la intensidad o la precipitación de la lluvia contra el intervalo de tiempo. El
intervalo de tiempo depende del tamaño de la cuenca. Para cuencas pequeñas, se usan intervalos de
minutos, y para cuencas grandes, los intervalos son generalmente de horas. El hietograma es muy utilizado
en el diseño de tormentas, para el estudio de caudales máximos, y se deriva de la curva de masa. El área
bajo el hietograma representa la precipitación total recibida en ese período.
 Presentación de los datos de precipitación
Registros de precipitación puntuales.
La precipitación puntual se refiere a los registros de una estación determinada durante intervalos
de tiempo específicos. Dependiendo de la necesidad, éstos pueden ser diarios, mensuales,
anuales, estacionales, etc. Los datos se presentan generalmente en tablas o en forma de
diagramas de barras.
 Análisis de lluvia en una estación.

Antes de utilizar los registros que se han obtenido en una estación

pluviométrica es indispensable revisar tres aspectos muy importantes:

Longitud de la serie de registros.

Estimativas de datos faltantes.
Consistencia de los datos.

Esto se debe realizar debido a que durante la toma, recolección y

procesamiento de la información se pueden presentar errores.
 Longitud de la serie de registros.

En general, se considera que una estación tiene buena longitud de

registro si tiene 30 años o más de mediciones.

Entre mayor sea la longitud de registro, será mayor la confiabilidad en

los datos, y el cálculo de precipitación y caudales sobre una cuenca será
más preciso.
 Estimativo de datos faltantes en una serie

Existen estaciones pluviométricas con datos faltantes en sus registros debido,

entre otros factores, a la negligencia del operador o a la ausencia del aparato
durante determinado tiempo.

Como en hidrología se trabaja con series continuas, se deben completar dichos

datos faltantes.

En ese caso el dato faltante puede estimarse, utilizando datos de estaciones

vecinas (se recomienda mínimo tres). Para que el procedimiento sea consistente
es necesario que los registros de las cuatro estaciones pertenezcan al mismo
intervalo de tiempo.
Sea X la estación con el registro incompleto; de 1 hasta n las estaciones auxiliares. Si la
precipitación media anual en X no difiere en más del 10% del promedio de las
precipitaciones medias anuales en las estaciones de 1 hasta n , puede tomarse para el
dato faltante en la estación X el promedio de los datos correspondientes al mismo
periodo en las estaciones auxiliares.

Si la diferencia es mayor al 10% se utiliza la fórmula:

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

En la siguiente tabla se presentan las precipitaciones promedias mensuales y anuales de varias

estaciones ubicadas en el Valle de aburrá.

Supóngase que debido a un error en el procesamiento de información no fue posible obtener

el valor de la precipitación media del mes de Abril en la estación Alto de San Andrés, por lo
cual es necesario conocerla.
Precipitaciones Promedias mensuales y anuales
Solución:
P media P media Abril
Estación
Anual (mm) (mm)
Alto de San
1855.4
Andrés
Fabricato 1719.5 176.9
Chorrillos 1723.7 192.6
Mazo 1781.2 187.8

La precipitación media de las tres estaciones es:

 1719 .5  1723 .7  1781 .2  1741 .5mm

1
PmediaEstaciones 
3
El error es:

 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:

PAbril   176.9  192.6  187.8  185.8mm

1
3

Comparando el resultado anterior con el reportado en la tabla de

precipitaciones promedias, es de:

 185.8  170.2 
%E     100  9.16%
 170.2 

Valor que es aceptable

Ejemplo 2

Se desea conocer la precipitación del mes de febrero en la estación

Ayurá, ya que el pluviógrafo de la estación estuvo malo durante este
período.

Solución:

Estación P Anual (mm) P Febrero (mm)

Ayurá 1796.8
Las Palmas 1961.0 85.8
Caldas 2528.3 113.9
San Antonio de
2045.2 106.7
Prado
Villa Hermosa 1552.3 65.6
La precipitación media de las cuatro estaciones es:

PmediaEstaciones   1961  2528.3  2045.2  1552.3  2021.7mm

1
4
El error es:
 2021.7  1796.8 
%E    100  12.52%
 1796.8 

Como la diferencia es mayor al 10%, la precipitación del mes de febrero en la estación

Ayurá se calcula así:
1   1796.8   1796.8   1796.8   1796.8  
PFebrero    85.8     113.9     106.7     65.6      82.31mm
4   1961.0   2528.3   2045.2   1552.3  

Comparando el resultado anterior con el reportado en la tabla de precipitaciones

promedias, es de:
Comparando el resultado anterior con el reportado en la tabla de precipitaciones
promedias, es de:

 82.31  75.7 
%E    100  8.7%
 75.7 
 Consistencia de los datos

Si las condiciones del entorno de la estación han cambiado durante el período de

registros, puede haber inconsistencia en los datos de lluvia. Algunas de las causas
más comunes de inconsistencia son:

a) traslado de la estación a un nuevo sitio;

b) que las vecindades de la estación hayan cambiado
c) cambios en el ecosistema, tales como incendios forestales, deslizamientos, etc.
d) errores de observación.

Es posible, mediante la utilización de registros de estaciones cercanas, determinar

si una serie de datos es digna de confianza, y en algunos casos hacer correcciones.
 Consistencia de los datos: Curva de doble masa
El análisis para detectar la inconsistencia de los datos se puede realizar por la llamada curva de
doble masa, así:
Se escogen N estaciones vecinas a la estación X que se analiza. Los registros de la precipitación
media acumulada anual de la estación X se comparan con los registros de las precipitaciones
medias anuales acumuladas de las estaciones vecinas.
n: Número de estaciones de la región
considerada homogénea
Pj: Precipitación de las estaciones de la
región considerada homogénea
m: número total de años considerados
Ejemplo:

Se tienen las precipitaciones normales en la estación X para un período de 15

años (1941 – 1955), y las estaciones auxiliares a, b, c, d y e.

Se calculan los promedios de las precipitaciones auxiliares para el mismo

período de 15 años y se dibuja la Curva doble de masas que tiene en las abscisas
valores acumulados de los promedios correspondientes a las estaciones
auxiliares, y en las ordenadas las precipitaciones normales acumuladas de la
estación X. En la siguiente figura se presentan los tres casos que se pueden
presentar al realizar la curva doble de masas.
Caso A.
Todos los puntos están sobre una línea recta. El registro es consistente.

Precipitación Acumulada en la estación X

1941

1955

Precipitación Promedio Acumulada en las estaciones vecinas

Caso B.
Con todos los puntos de la serie se pueden determinar dos rectas que en este
ejemplo, se separan en el año 1946. Si se observa un cambio de pendiente, esto
indica un cambio en el régimen de la estación X.

Precipitación Acumulada en la estación X

1941

1946

1955

Precipitación Promedio Acumulada en las estaciones vecinas

Los datos anteriores a 1946 no son consistentes con los datos
posteriores, pero el registro puede corregirse si los datos comprendidos
entre 1941 y 1946 se multiplican por la relación entre las pendientes de
las dos rectas. Los valores de la estación X, a partir del cambio, se
corrigen usando la relación:

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.

Precipitación Acumulada en la estación X

Precipitación Promedio Acumulada en las estaciones vecinas

Ejercicio:

Analizar si los datos de la estación San Cristóbal son consistentes,

utilizando las estaciones Boquerón, Miguel de Aguinaga y Fabricato.
 DIAGRAMA DOBLE DE MASAS
35000

PRECIPITACIÓN ACUMULADA SAN CRITÓBAL

30000

25000

20000
(mm)

15000

10000

5000

0
0 5000 10000 15000 20000 25000 30000 35000

PRECIPITACIÓN PROMEDIO ACUMULADA ESTACIONES (mm)

 Estadística y probabilidad en hidrología
La planeación y el diseño de proyectos relacionados con el agua
necesitan información de diferentes eventos hidrológicos que no son
gobernados por leyes físicas y químicas conocidas, sino por las leyes de
azar, como por ejemplo, el caudal de un río que varía día a día y año tras
año, y no puede predecirse exactamente cual será su valor en un período
de tiempo cualquiera.

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:

1) Interpretación de las observaciones

2) Análisis de la calidad de la información
3) Inferencia sobre el comportamiento de la variable
4) Extracción del máximo de información de los registros
5) Presentación de la información en gráficas, tablas, ecuaciones, que
básicamente ayudan a la toma de decisiones en el planeamiento de los
recursos hídricos.

En resumen, el objetivo principal de la estadística en hidrología es obtener

información de los fenómenos hidrológicos pasados y hacer inferencias
acerca de su comportamiento en el futuro.
 Presentación y análisis de datos.

El conjunto de datos de precipitación o de caudales diarios, mensuales,

y anuales tomados en una estación forman una gran serie de datos
estadísticos difícilmente manejables; es indispensable resumir y
coordinar esta multitud de cifras en algunos elementos sintéticos que
caractericen la estación.

Los siguientes parámetros estadísticos son los más frecuentemente

utilizados para resumir las series de datos tomados en una estación:
La media:
Se calcula mediante la siguiente expresión:
N

__  Xi
X i 1
N
Donde:
X: La media
__

Xi: Conjunto de números

N: Número de datos
La mediana:
Se define como el valor medio que divide las frecuencias de una distribución
en 2 partes iguales (es el valor que ocurre con una probabilidad de 50%), por
lo cual los datos deben estar ordenados de mayor a menor o viceversa. Se
obtiene mediante las siguientes expresiones:
 N 1
Si N es par  
 2 

N N 
Si N es impar      1
2 2 
2
Donde:
N: Número de datos

La mediana, no se ve afectada por valores extremos.

La moda:
El valor que se repite con mayor frecuencia en una serie 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

En las obras hidráulicas se exige la determinación de la

magnitud de ciertas características hidrológicas que
pudieran ocurrir con cierta frecuencia, tanto para valores
máximos y mínimos, como para valores totales en un
período determinado.

En proyectos de obras hidráulicas es necesario conocer el riesgo

de que una estructura llegue a colapsar durante su vida útil.
Para esto se deben analizar estadísticamente las observaciones
realizadas en los puestos de medida (estaciones), verificando
con que frecuencia cada una de ellas tomaría determinado valor.
Posteriormente se pueden evaluar las probabilidades teóricas.
 La planeación y el diseño de proyectos relacionados con
el agua necesitan información de diferentes eventos
hidrológicos que no son gobernados por leyes físicas y
químicas conocidas, sino por las leyes de azar.

 En el caso del diseño de un puente, el estudio

hidrológico determinaría la creciente asociada con una
probabilidad crítica (se busca determinar el caso crítico),
la cual se supone representa el riesgo para el puente.
Esto solo puede determinarse a través del análisis
probabilístico y estadístico basado en los registros
hidrológicos del pasado.
La hidrología trata con VARIABLES
 Muchos fenómenos hidrológicos son erráticos, ALEATORIAS cuyo comportamiento no
complejos y de naturaleza aleatoria, y solo pueden ser puede predecirse con certidumbre y está
interpretados en un sentido probabilístico, descrito por una ley de probabilidades, la
procedimiento que en hidrología se conoce con el cual asigna medidas de probabilidad a
nombre de análisis de frecuencia. posibles valores o rangos de ocurrencia de
la variable aleatoria.
 Probabilidad
Probabilidad de ocurrencia de un evento dado es igual a la relación entre el
número de sucesos favorables m y el número de sucesos totales, n:

La teoría de la probabilidad se basa en los siguientes axiomas:

Axiomas:
1. La probabilidad de ocurrencia de un evento, Pi, siempre tiene un
valor entre 0 y 1, así: 0 ≤Pi≤ 1

2. La probabilidad de un evento seguro es 1:

• La probabilidad de un evento imposible es 0
3. Si X1 y X2 son eventos independientes y mutuamente excluyentes,
entonces:

Eventos independientes: Si la probabilidad de ocurrencia de uno no se ve

afectada por la ocurrencia del otro.

Eventos mutuamente excluyentes: Cuando la ocurrencia de uno

imposibilita la ocurrencia del otro.
 Probabilidad de excedencia

Los datos observados pueden ser clasificados en orden descendente y a

cada uno se le puede atribuir un número de orden. La probabilidad de
que sea igualado o superado un evento de orden i es:

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.

El periodo de retorno de ese evento estará dado por el inverso de la probabilidad de

ocurrencia mediante la siguiente expresión:

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

Fuente: Manual de drenaje para carreteras INVÍAS

 Cauca_Pintada P lan: Plan 05 14/08/2015
595 Legend

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

580 .034 .034 .034

595 Legend

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

Perfil del cauce Bank Sta

Periodo de retorno Caudal máximo 580

Tr (años) (m3/s)
2.33 1941
5 2439 575
0 50 100 150 200 250
10 2749
Station (m)
25 3122
50 3390 Puente
100 3649
 Concepto de riesgo
En el diseño de obras hidráulicas expuestas a grandes crecientes, es
necesario considerar el riesgo asociado con el valor seleccionado para el
diseño. Por lo común, el ingeniero diseña una obra para resistir una
creciente de cierta magnitud
Se define el riesgo R de un diseño como la probabilidad de que la creciente
para la cual se diseña la obra sea excedida, lo cual puede generar daños en
la obra o incluso destruirla.

La probabilidad de que un evento igual o mayor a uno dado, para determinado

Tr, ocurra en n años es:
n
 1 
R  1  1   R  1  1  P  R  1 P'
n n

 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

1  P   1  0.001  0.999 Probabilidad de no excedencia

R  1  1  P  R  1  0.999  1  0.905
n 100

R  0.095  9.5%
Ejemplo

¿Qué período de retorno debe escoger un ingeniero en el diseño de un box-

culvert, si se acepta solo el 10% de riesgo de una creciente en una vida útil, n,
de 25 años?

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

La variable z es llamada variable

estandarizada con media cero y
desviación estándar uno
 Cálculo del estimado del valor esperado de un evento para un
período de retorno T
Expresión de Ven T. Chow para análisis de frecuencias de eventos extremos

A partir de la distribución normal, la variable aleatoria estandarizada se define como:

Por tanto se puede inferir que:

Y para una muestra poblacional:

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

Cada distribución de probabilidad tiene expresiones para hallar el

error estándar, por ejemplo, el de la distribución Normal es:
 Intervalo de confianza para el estimado de XT
 Cuando se desea hallar cualquier estadístico, por ejemplo la media, generalmente
se dispone de una muestra de tamaño limitado.

 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.

 Una franja grande significa mayor incertidumbre.

 Para el valor estimado asociado a un período de retorno cualquiera, los intervalos

de confianza se calculan usando el error estándar, SET, el cual es una medida de la
desviación estándar de la magnitud de un evento calculado a partir de una
muestra respecto a la verdadera magnitud del evento.
 Distribución Normal
Factor de frecuencia

Para la distribución normal, el factor de

frecuencia KT puede hallarse con el
siguiente procedimiento:
 1 
1. KT  ZT  f 1  
 Tr 
2. Usando el valor calculado de 1  1 
 Tr 
en la tabla se lee el valor en la primera
columna, que corresponde a K

3. Se calcula el valor buscado como:

__
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

Q100  150  2.33 * 25  208.25m3 / s

Estimar el intervalo de confianza para α=5%

1/ 2 1/ 2
Sx  KT 2
 25  2.33 2

S ET  1   S ET  1    8.8
N 
 2 
 30  2 

Z1 / 2  Z10.05 / 2  Z 0.975

Z 0.975  1.96 A partir de la tabla

208.25  1.96 * 8.8

Límite inferior 191.01 Intervalo de 95% de

confiabilidad
Límite superior 225.49
 Ejemplo
Determinar el caudal máximo para el periodo de retorno de 25 años utilizando las distribuciones
de probabilidad Normal, Lognormal, Gumbel y Pearson tipo III, a partir de los datos de caudales
máximos mensuales de la estación Los Sirpes.
 valor máximo mensual
Año Muestra N 18
de caudal (m3/s)
Media 75.23
1973 70.6
Varianza 400.44
1974 90.7
Desv. Estandar Sx 20.01
1975 82.9
Coeficiente de asimetría gx -0.41
1976 106
Coeficiente de variación Cvx 0.266
1977 51.3
1978 77.5
 1   1 
1979 47.1 Fu ( ZT )  1    1    0.96
1980 67.7  Tr   25 
1981 58.6
1982 62.9 A partir de Fu(K) de la tabla se obtiene ZT=1.75
1983 33.5
1984 85.3
Q max. Tr 25
1985 92.3 años
Distribución
1986 83.3 110.3 Normal
1987 102.2
114.9 Lognormal
1988 85.8
116.1 Gumbel
1989 96
107.3 Pearson Tipo III
1990 60.5
Bibliografía:
HIDROLOGÍA EN LA INGENIERIA. Germán Monsalve Sáenz. Capitulo 3.
HIDROLOGÍA APLICADA. Ven Te Chow. Capitulo 11 y 12
HIDROLOGIA PARA INGENIEROS. Vélez M.V. Capítulo 5