PARÁMETROS Y REGRESIÓN

HIDROESTA

 Es un Herramienta computacional, para cálculos hidrológicos y estadísticos aplicados a la

Hidrología.

 Este software facilita y simplifícalos cálculos laboriosos, y el proceso del análisis de la abundante
información que se deben realizar en los estudios hidrológicos.

 HidroEsta proporciona una herramienta que permite realizar cálculos, simulaciones rápidas, y
determinar los caudales o precipitaciones de diseño
Las opciones del menú principal
Opciones Descripción
Parámetros Estadísticos Permite el cálculo de los
parámetros estadísticos, para
datos agrupados y no agrupados,
tanto con los momentos
tradicionales como con
momentos lineales (L-moments).
Regresión Permite el cálculo de las
ecuaciones de regresión lineal,
no lineal, simple y múltiple así
como la regresión polinomial
.
PARÁMETROS ESTADÍSTICOS
 Disponibilidad un registro de datos hidrometeorológicos (precipitación, caudales,
evapotranspiración, temperaturas, etc.)

Escogerá un modelo probabilístico a usar, que represente en forma satisfactoria el comportamiento

de la variable

 Calcular sus parámetros estadísticos y realizar la prueba de bondad de ajuste.

Momentos Ordinarios Momentos Lineales (L-moments)

 media
 rango
 desviación estándar
 varianza
 coeficiente de variación
 coeficiente de sesgo
 coeficiente de curtosis

 Los cálculos son dependiendo de si los datos son datos agrupados o no agrupados.
Datos Agrupados Y No Agrupados

Datos No Agrupados: son datos no muy detallados o en bruto (es decir, no se presentan clasificados)

No son necesarios clasificarlos ni generar una tabla de frecuencias, ya que no tiene “mucho
sentido”. debido a que estos elementos son de menor cantidad (generalmente son menores a 20
elementos).

 Datos Agrupados: Son aquellos que su fin es resumir la información.

Por lo general, los elementos son de mayor tamaño, por lo cual requieren ser agrupados, esto
implica: ordenar, clasificar y expresar los en una tabla de frecuencias.

Se agrupa a los datos, si se cuenta con 20 o más elementos

arámetros Estadísticos: Fórmulas y Definiciones
DATOS NO AGRUPADOS DATOS AGRUPADOS
FÓRMULA
POBLACIONAL MUESTRAL POBLACIONAL MUESTRAL

Varianza

Desviación
Estándar

Coeficiente de
Variación

Coeficiente de
Sesgo
Coeficiente de
Curtosis

Media
Media
Momentos Lineales (L-moments)
 Son otras maneras de expresar propiedades estadísticas de datos hidrológicos.

 Permite estimar los parámetros estadísticos de una población o muestra.

 Similar a los momentos ordinarios (medidas de localización, dispersión, asimetría, curtosis) pero se
calculan de las combinaciones lineales de los datos.

 Permite determinar la distribución teórica de probabilidad que mejor ajusta a los datos analizados.

Media Desviaci
Coeficiente de Coeficiente de Coeficiente de
Aritmétic Varianza ón Variación Sesgo Curtosis
a Estándar
lculo de Distribución de Probabilidades Empíricas
Datos Agrupados en Intervalos de Clase
 1. Ordenar la muestra en datos crecientes:

2. Calcular el rango R de la muestra:

3. Seleccionar el número de intervalos de clase NC:

4. Calcular la amplitud de cada intervalo de clase :

5. Calcular los límites de clase de cada uno de los intervalos: ,

6. Calcular las marcas de clase de cada uno de los intervalos: , y

7. Calcular la frecuencia absoluta: Esta es igual al número de observaciones. Que caen dentro de
cada intervalo definido por sus limites de clase respectivos, la misma que se obtiene por conteo:
Distribución de Frecuencia
 Son tablas en que se dispone las modalidades de la variable por filas. La finalidad de las
agrupaciones en frecuencias es facilitar la obtención de la información que contienen los datos.
Frecuencia absoluta: Es el número de veces que se repite cada dato.
Nos ayuda a identificar tendencias.
El número cuya frecuencia se acerque más a la unidad es el que tiene mayores probabilidades de salir
Frecuencia Relativa: Se obtiene dividendo la frecuencia absoluta entre el total de
registro.
Es sencillo visualizar cómo se distribuyen los
datos.
Nos indica el número de veces que ocurre un mismo dato
Función Densidad: Se refiere a la colección de valores de la variable aleatoria y la distribución de
probabilidades entre ellos.
La probabilidad de que un x ocurra es P(x), expresado con un valor o un porcentaje
Función Acumulada: La función distribución acumulada F(x) de la variable aleatoria discreta x,
cuya distribución de probabilidad es P(x), es la probabilidad de que la variable X sea menor o igual
valor.
 Puede tomar valores entre 0 y 1 para todo
 Es no decreciente para todo
REGRESIONES
El análisis de regresión, es una técnica determinística, que permite determinar la naturaleza de la
relación funcional entre dos o más variables.

Permite predecir los valores de y = f(x), ecuaciones de regresión, con un cierto grado de
aproximación
Algunas ecuaciones de regresión más utilizadas en hidrología, son:

a) Regresión lineal.
b) Regresión simple.
c) Regresión múltiple 2 variables independientes.
d) Regresión múltiple 3 variables independientes.
e) Regresión polinomomial 2º grado.
f) Regresión polinomomial 3º grado.
g) Modelo Autorregresivo AR(1) o Markoviano de orden 01
h) Modelo Autorregresivo AR(1) con transformación
Las opciones del menú principal
Opciones Descripción Fórmula
En ocasiones la distribución de la muestra toma la forma
Regresión Lineal
de una recta que sigue una ecuación lineal determinada
Tratamos de explicar la relación que existe entre la
Regresión
Regresión Simple
Simple variable respuesta Y y una única variable explicativa X.

Regresión
Regresión múltiple
múltiple 2
2
variables independientes. Esta técnica de análisis se utiliza cuando la variable
variables independientes. dependiente Y, es función de dos o más variables
Regresión
Regresión múltiple
múltiple 3
3 independientes (
variables independientes.
variables independientes.
Regresión Polinomial 2º
Regresión Polinomial 2º Para el ajuste de los pares de valores, se puede utilizar la
Grado Para el ajuste de los pares de valores, se puede utilizar la
Grado metodología descrita para el caso de una ecuación de
Regresión Polinomial 3º metodología descrita para el caso de una ecuación de
Regresión Polinomial 3º regresión lineal múltiple
Grado regresión lineal múltiple
Grado
Modelo Autorregresivo o Son aquellos modelos ARMA (p,q) en los que q=0. en
Modelo Autorregresivo
Markoviano de Orden 1 o Son aquellos
general modeloscon
lo denotarlo ARMA (p,q) en los que q=0. en
AR(p).
Markoviano de Orden 1 general lo denotarlo
En un modelo convalor
AR(p) en AR(p).en el momento t de la serie
Modelo Autorregresivo En un modelo AR(p) en valor
se expresa como una combinación en el momento t depla serie
líneas de las
Modelo Autorregresivo se expresa como una combinación
con Transformación observaciones anteriores de la serielíneas deinnovación
más la las p
con Transformación observaciones anteriores de la serie más la innovación