HIDROLOGIA (2005-2)

HIDROLOGA (2005-2)

Dr. Jorge Ramrez Hernndez

CONCEPTOS DE PROBABILIDAD EN HIDROLOGA

CONCEPTOS BSICOS (Ven T. Chow)
Algunos de los procesos hidrolgicos pueden ser predecibles y su comportamiento puede ser explicado por relaciones matemticas o leyes fsicas. Algunos otros contienen una parte que puede ser predecible de forma determinstica (a travs de una ley fsica) y otra parte que sea aleatoria. Otros no contienen ninguna parte que pueda ser predeterminada de forma determinstica y son totalmente aleatorios, estos ltimos son conocidos como procesos estocsticos. En este caso se encuentran los eventos hidrolgicos extremos, tales como las crecientes o sequas y en general los relacionados de forma muy directa con los fenmenos de precipitacin. En estos procesos una observacin no esta correlacionada con observaciones adyacentes (anteriores o posteriores). En este tema se har una breve recapitulacin de los conceptos de probabilidad y estadstica que se han adquirido en cursos previos. Para lo cual se presentan una lista de definiciones que es preciso tener presentes: Variable Aleatoria. Distribucin de probabilidad. Muestra: Es el conjunto de observaciones de la variable aleatoria. Las propiedades estadsticas pueden variar de muestra a muestra. Poblacin: El conjunto de muestras forma una poblacin infinita que posee propiedades estadsticas constantes. Espacio Muestral: es el conjunto de todas las muestras posibles. Evento: subconjunto de un espacio muestral. Probabilidad de ocurrencia de un evento: Es la posibilidad de que este evento (nA)ocurra cuando se hace una observacin (n) de la variable aleatoria. La frecuencia relativa de A es nA/n. A medida que el tamao de la muestra aumenta, la frecuencia relativa se convierte progresivamente en una estimacin ms aproximada de la probabilidad del evento, es decir,

P ( A) = Lim
n

nA n

Principios bsicos de la probabilidad: a) Probabilidad total. Si el espacio muestral esta completamente dividido en m eventos o reas no traslapadas A1, A2, A3, .....,Am, entonces

P ( A1 ) + P ( A2 ) + P ( A3 ) + P ( A4 ) + .... + P ( Am ) = P () = 1
b) Complementariedad. Se dice que si A es complemento de A, es decir, A = A , entonces

P ( A ) = 1 P ( A)
c) Probabilidad Condicional.

P ( B / A) =

P( A B) P ( A)
1

HIDROLOGIA (2005-2)

EJEMPLO El registro de precipitacin mxima en 24 horas en la estacin de Mexicali, desde 1948 hasta 1997 se muestra en la tabla I y en forma grfica en la figura 1. Cul es la probabilidad de que la precipitacin anual R en cualquier ao sea menor que __ mm? mayor que __ mm? Entre __ y __ mm?. Tabla I. Registro de precipitacin mxima en 24 en la Estacin Mexicali, BC, Mxico (mm).
Ao Precipitacin Mxima en 24 hrs. 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 34.3 29.3 6.2 17.8 11.2 7.0 8.0 29.8 8.3 37.0 22.0 13.5 18.0 34.5 31.0 29.0 8.6 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 Ao Precipitacin Mxima en 24 hrs. 19.5 10.5 36.5 15.0 17.6 16.8 10.5 55.5 11.1 15.3 17.9 37.3 62.0 29.5 26.9 16.7 16.2 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 Ao Precipitacin Mxima en 24 hrs. 50.2 32.9 14.8 18.4 48.0 11.1 30.8 14.0 17.1 17.2 73.8 19.0 17.3 17.3 7.30 45.6

PARMETROS ESTADSTICOS
El objetivo de la estadstica es contar con un nmero reducido de valores que nos indiquen la informacin esencial de un conjunto muy grande de datos. Un parmetro estadstico nos muestra alguna caracterstica de la poblacin y los ms importantes son la media, la desviacin estndar y la asimetra. El valor esperado de la variable aleatoria es un parmetro estadstico y se conoce como media . Para una variable aleatoria X la media es E(X) y se calcula como el producto de x y la correspondiente densidad de probabilidad f(x), integrando sobre el rango factible de la variable aleatoria:

E ( X ) = = xf ( x )dx

Se conoce tambin como el primer momento alrededor del origen de la variable aleatoria, una medida del punto medio o tendencia central de la distribucin. 2

HIDROLOGIA (2005-2)

La estimacin de la media de una muestra se denota como x

x=

1 n xi n i =1

La variabilidad de la informacin se mide por medio de la varianza 2 , la cual es el segundo momento alrededor de la media:

E[( x ) 2 ] = 2 = ( x ) 2 f ( x )dx

El valor estimado de la varianza para una muestra esta dado por:

s2 =

1 n ( xi x )2 n 1 i =1

Se indica n-1 para asegurar que la estadstica no est sesgada. La simetra de una distribucin alrededor de la media se mide utilizando la asimetra (oblicuidad) que corresponde al tercer momento alrededor de la media:

E[( x ) 3 ] = ( x )3 f ( x )dx

La asimetra se denota ms familiarmente como coeficiente de asimetra que no es ms que dividirla entre la desviacin estndar al cubo ( 3 ).

E[( x ) 3 ]

Una estimacin del coeficiente de asimetra es:

Cs =

n ( x i x ) 3
i =1

( n 1)( n 2) s 3

HIDROLOGIA (2005-2)

Ejemplo: Calcule la media de la muestra, la desviacin estndar de la muestra y el coeficiente de asimetra de la muestra de la informacin de precipitacin anual en Mexicali BC. Desde 1970 hasta 1979.

x=

1 n 401.7 xi = = 40.17 mm . n i =1 10
3 4

1 Ao 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 total

2 Precipitacin 33.9 31.7 31.5 59.6 60.5 38.6 43.4 28.7 32 51.8 401.7

( xi x )2
39.3 71.7 75.2 377.5 106.7 2.5 10.4 131.6 66.7 135.3 1016.9

( x i x )3
-246.5 -607.6 -651.7 7335.3 1102.3 -3.9 33.7 -1509 -545.3 1573 6480.3

s2 =

1 n 1016.9 ( xi x )2 = = 113 mm 9 n 1 i =1

Cs =

n ( x i x )3
i =1

( n 1)( n 2) s

10 6480.3 = 0.749 9 8 (10.63)3

HIDROLOGIA (2005-2)

PRUEBA DE LA BONDAD DEL AJUSTE

La bondad del ajuste de una distribucin de probabilidad puede hacerse comparando los valores tericos y muestrales de las funciones de frecuencia relativas y de frecuencia acumulada. En el caso de la funcin de frecuencia relativa se utiliza la prueba 2 . La frecuencia relativa se define como:

f s ( xi ) =

ni n

Donde el nmero de observaciones ni en el intervalo i se divide por el nmero total de observaciones n. El valor terico de la frecuencia relativa es p(xi)=F(xi)-F(xi-1) La prueba estadstica 2 esta dada por:

n[ f s ( x i ) p( x i )]2 = p( x i ) i =1
m

donde m es el nmero de intervalos. Debe notarse que nf s ( x i ) = ni es el nmero de ocurrencias OBSERVADAS en el intervalo i mientras que np(xi) es el nmero ESPERADO de ocurrencias en el mismo intervalo, luego la ecuacin anterior se limita a elevar al cuadrado la diferencia entre el nmero de ocurrencias observadas y esperadas, dividiendo el nmero de ocurrencias esperadas en el intervalo y sumando el resultado para todos los intervalos. La distribucin 2 con grados de libertad es la distribucin para la suma de los cuadrados de variables aleatorias normales estndar independientes zi, esta suma es la variable aleatoria:

2 = z i2
i =1

Los valores de esta funcin se muestran en la siguiente tabla. En la prueba = m p 1 donde m es el nmero de intervalos y p es el nmero de parmetros utilizados en el ajuste de la distribucin propuesta. Se elige un nivel de confianza para la prueba, expresado usualmente como 1 donde se conoce como nivel de confianza. Un valor tpico para el nivel de confianza es 95%. La hiptesis nula para la prueba es que la distribucin de probabilidad propuesta ajusta adecuadamente la informacin. Esta hiptesis se rechaza (el ajuste se considera como inadecuado) si el valor de c2 es mayor que un valor lmite 2,1 determinado de la distribucin 2 con grados de libertad como el valor que tiene la probabilidad acumulada de 1 . EJEMPLO: Usando el mtodo de los momentos ajuste la distribucin normal a la precipitacin anual en College Station, Texas de 1911 a 1979. Grafique las funciones de frecuencia relativa y de probabilidad incremental, y las funciones de frecuencia acumulada y probabilidad acumulada. Utilice la prueba 2 para determinar si la distribucin normal se ajusta adecuadamente a los datos.

HIDROLOGIA (2005-2)

Tabla II. Precipitacin anual en la estacin College en Texas, USA. (Tomada de Ven Te Chow, 19__)
Ao 0 1 2 3 4 5 6 7 8 9 39.9 31.0 42.3 42.1 41.1 28.7 16.8 34.1 56.4 1910 1920 48.7 44.1 42.8 48.4 34.2 32.4 46.4 38.9 37.3 50.6 1930 44.8 34.0 45.6 37.3 43.7 41.8 41.1 31.2 35.2 35.1 1940 49.3 44.2 41.7 30.8 53.6 34.5 50.3 43.8 21.6 47.1 1950 31.2 27.0 37.0 46.8 26.9 25.4 23.0 56.5 43.4 41.3 1960 46.0 44.3 37.8 29.6 35.1 49.7 36.6 32.5 61.7 47.4 1970 33.9 31.7 31.5 59.6 50.5 38.6 43.4 28.7 32.0 51.8

SOLN. Se divide el intervalo de precipitacin (R) en 10. El primero es R 20 pulg, el ltimo intervalo es R>60 pulg, y los intervalos intermedios son de 5 pulg. El histograma de frecuencia se muestra en la columna 2 de la tabla y la funcin de frecuencia relativa se muestra en la columna 3. Esta ltima se ha calculado utilizando la siguiente frmula, con por ejemplo n=69 e i=4.

f s=
donde n4 = 4(30 35) = 14

n4 14 = = 0.203 n 69

La funcin de frecuencia acumulada (columna 4) se encuentra sumando las frecuencias relativas, para i=4

Fs ( x 4 ) = f s ( x j ) = f s ( x 3 ) + f s ( x 4 ) = 0.130 + 0.203 = 0.333

j =1

Puede notarse que esta es P(X35.0 pulg) tal com Para ajustar la distribucin de funcin normal, las estadsticas de la muestra x = 39.77 pulg y s=9.17 pulg, se calculan con la informacin obtenida desde 1911 hasta 1979 y se usan como estimativos de y . La variable normal estndar z corresponde al lmite superior en cada uno de los intervalos de la informacin se calcula utilizando:

z=

35.0 39.77 9.17

= 0.520

El valor correspondiente de la funcin de densidad de probabilidad normal est dado en la Tabla como 0.301 tal como se muestra en la columna 6. La funcin de probabilidad incremental se calcula utilizando:

p( x 4 ) = P (30 X 35 pu lg) = F (35) F (30) = 0.301 0.144 = 0.158

los valores para otros intervalos se muestran en la columna 7. Los valores de frecuencia relativa fs(xi) y p(xi) de la tabla se muestran como HISTOGRAMA. 6

HIDROLOGIA (2005-2)

Las funciones de frecuencia acumulada y de distribucin de probabilidad Fs(xi) y F(x) se grafican como puntos acumulados. Tabla III. Resultados del anlisis de la distribucin de probabilidad y la prueba chi2. (Tomada de Ven Te Chow, 19__)
Colum Int. (i) 1 2 3 4 5 6 7 8 9 10 Total 1 Rango (pulg) 10 10-15 15-20 20-25 25-30 30-35 35-40 40-45 45-50 50-55 1 2 6 14 11 16 10 5 3 1 69 0.014 0.029 0.087 0.203 0.159 0.232 0.145 0.072 0.043 0.014 1.00 0.01 0.04 0.13 0.33 0.49 0.72 0.87 0.94 0.99 1.00 -2.155 -1.610 -1.065 -0.520 0.026 0.571 1.116 1.661 2.207 2.752 0.016 0.054 0.143 0.302 0.510 0.716 0.868 0.952 0.986 0.997 0.016 0.038 0.090 0.158 0.209 0.206 0.152 0.084 0.035 0.011 0.997 0.005 0.151 0.006 0.872 0.799 0.229 0.022 0.107 0.155 0.092 2.438 2 N(i) 3 fs(xi) 4 Fs(xi) 5 Z 6 F(xi) 7 p(xi) 8 CHI

CONCLUSIN 1: DEBIDO A LA SIMILITUD DE LAS DOS FUNCIONES ES EVIDENTE QUE LA DISTRIBUCIN NORMAL SE AJUSTA MUY BIEN A ESTA INFORMACIN DE PRECIPITACIN ANUAL. Para verificar la bondad del ajuste, se aplica la prueba 2 descrita anteriormente. Para i=4.

n[ f s ( x 4 ) p( x 4 )]2 69 (0.20290 0.15777) 2 = = 0.891 p( x 4 ) 0.15777

esta estimacin se repite para cada x (columna 8) y la suma de todas ellas es c2 2.377.
1.0 0.8 Frec. relativa 0.6 0.4 Fs(x) 0.2 0.0 20 25 30 35 40 45 50 55 60 65 Precipitacin (pulg) F(x)

HIDROLOGIA (2005-2)

0.25 Prec. acumulada 0.20 0.15 0.10 0.05 0.00 20 25 30 35 40 45 50 55 60 65 Precipitacin (pulg) fs(x) p(x)

Fig. __ Funciones de frecuencia para la distribucin normal ajustada a la precipitacin anual en la estacin College Texas, USA. (Tomada de Ven Te Chow, 19__) El valor de

2,1

para

una

probabilidad

acumulada

de

1-a=0.95

= m p 1 = 10 2 1 = 7 grados de libertad es 72,0.95 = 14.1 como este valor es mayor

que la c2 la hiptesis nula no puede rechazarse con un nivel de confianza del 95% por lo tanto CONCLUSIN 2. EL AJUSTE DE LA DISTRIBUCIN NORMAL A LA INFORMACIN DE PRECIPITACIN ANUAL DE COLLEGE STATION SE ACEPTA.

DISTRIBUCIONES DE PROBABILIDAD
Las distribuciones de probabilidad ms utilizadas en Hidrologa son las siguientes:

DISTRIBUCION BINOMIAL
Una variable aleatoria X que puede tomar dos valores, donde la probabilidad de que tome uno de ellos es p tiene una distribucin binomial si su funcin de densidad de probabilidad puede ser escrita como:

n P ( x ) = p x (1 p)n x x
donde

Para x = 0,1,...,n

n! n = x x! ( n x )!
p = probabilidad de uno de los valores, definida como un suceso, 0p1 n = nmero de eventos. x = nmero de sucesos.

HIDROLOGIA (2005-2)

Fig. 1. Distribucin Binomial EJEMPLO. Usted es el responsable de regular el caudal de descarga de una presa. La Comisin Nacional del Agua ha determinado que si el caudal que pasa por la estacin supera la marca de 3 m en la estaca de aforo de la estacin, se corre el riesgo de daar estructuras hidrulicas aguas abajo. La penalizacin por descargar caudales mayores es muy severa y le podra costar el puesto. La probabilidad de que se viole la norma sobre un perodo de tiempo muy grandes es de 0.20. Cree Usted probable que durante los ltimos 6 eventos de escurrimiento se haya sobrepasado la norma en 4 ocasiones?. SOLUCION. La probabilidad de que se sobrepase la norma en 4 ocasiones durante 6 eventos es:

6 P ( x ) = 0.2 4 (1 0.2) 2 = 0.015 4

Este valor es muy pequeo y por lo tanto muy improbable que esto haya sucedido, por lo que de haberse llevado a cabo correctamente la medicin, el punto de aforo esta recibiendo adems de la descarga de la presa, escurrimiento directo o bien flujo base del subsuelo.

DISTRIBUCION DE POISSON
Aplicacin. El flujo en un canal puede ser caracterizado como una distribucin de Poisson cuando es la entrada a una presa. Su distribucin de densidad de probabilidad puede ser descrita como:

p( X ) =
Donde:

x e
x!

Para x = 0,1,2,...

= constante positiva (valor medio del caudal de llegada) x = cualquier entero positivo e = una constante = 2.7182

HIDROLOGIA (2005-2)

La funcin de probabilidad se muestra en la figura con su tpica asimetra. EJEMPLO. Suponga que el nivel de agua en una presa cambia su nivel mensualmente en promedio 1 cm, de forma aleatoria, y los cambios graficados describen una distribucin de Poisson. Cul es la probabilidad de que se presente un cambio de 2 cm de elevacin en un mes?. SOLUCIN

p( X = 2) =

12 e 1 = 0.184 2! F ( x 2) = 0.368 + 0.368 + 0.184 = 0.92

Cul es la probabilidad de que el cambio sea como mximo de 2 cm.?

P ( x = 0) + P ( x = 1) + P ( x = 2)
DISTRIBUCION NORMAL Definicin.

1 f ( x) = 2
Donde:

1 x 2 exp 2

para < x <

= desviacin estndar
x = cualquier valor

= media de la poblacin.

10

HIDROLOGIA (2005-2)

EJEMPLO: Suponga que la concentracin anual promedio de cloruros en el agua del ro Colorado es de 300 ppm (partes por milln) con una varianza de 150 ppm. Estos promedios estn basados en mediciones semanales de muestras durante un ao contando con datos de 35 aos. Durante un ao en el que se verti agua de drenaje agrcola el promedio anual aument a 310 ppm. Cul es la probabilidad de que las concentraciones anuales sean iguales o mayores a 310 ppm?. Habra que resolver la ecuacin de la distribucin de probabilidad, lo que se logra utilizando tablas normalizadas a z tales que:

z=

(310 300) = 0.816 12.24

Usando la tabla, observamos que la probabilidad de que este evento ocurra es de 0.7939 o sea el 79% del tiempo las concentraciones sern menores a 310 ppm mientras que tan solo el 21% del tiempo se observarn concentraciones mayores a 310 ppm en el ro. DISTRIBUCION LOGNORMAL Definicin.

1 f ( x) = x 2

1 ln x 2 exp 2

para ....... x > 0

Esta distribucin es una transformacin muy til de la distribucin normal. El grfico del flujo promedio semanal esta generalmente sesgado hacia la derecha y no puede ser explicado por una distribucin normal, sin embargo, el logaritmo de estos valores semanales muestran una distribucin normal, como se muestra en la figura.

Fig. distribucin lognormal. Como en el caso de la distribucin normal se utiliza la tabla normalizada de la distribucin normal haciendo la transformacin respectiva:

z=
DISTRIBUCION EXPONENCIAL Definicin.

ln x

f ( x; ) = e x

F ( x; ) = 1 e x

Para toda x 0
11

HIDROLOGIA (2005-2)

Donde =1/

Los intervalos de tiempo entre dos crecidas de agua sucesivas o dos eventos de lluvia muestran una distribucin de este tipo y la en este caso es la taza media de ocurrencia. EJEMPLO Estime la probabilidad de que el intervalo de tiempo entre precipitaciones en la Costa de Tabasco en la poca de lluvias sea menor a 5 das (120 hr) suponiendo que el intervalo de tiempo promedio entre precipitaciones es de 84 hr.

1 = 0.0119 84

F ( x; ) = 1 e x

F ( x; ) = 1 e 0.0119*120 = 0.76

DISTRIBUCION GAMMA
Definicin

f ( x) =

x 1e x ( )

=
x0

x 2 sx

x2 1 = 2 s x CV 2

Donde

( ) = ( 1)! = ( 1)( 2)....3 2 1

(5) = 4 3 2 1

Constituye una funcin de probabilidad suave muy til en la descripcin de variables hidrolgicas asimtricas sin usar la transformacin log.

DISTRIBUCION PEARSON III

Definicin 12

HIDROLOGIA (2005-2)

f ( x) =

(x )

( x )

( )

sx

2 , = C s

, = x sx

Tambin es conocida como distribucin gamma de tres parmetros en la que el tercer parmetro constituye el lmite inferior.

DISTRIBUCIN LOG-PEARSON TIPO III

Definicin

f ( x) =

(y )

e x ( )

( y )

log x

sy

2 , = , = y s y C ( y) s

Donde

y=log(x)

Suponiendo que Cs(y) es positivo

Esta distribucin ha sido ampliamente aceptada para estimar la probabilidad de caudales. Si se cuenta con una serie de mediciones de caudales para cada ao, estos pueden ser convertidos a logaritmos a partir de los cuales se puede estimar la asimetra, la media y la varianza. El sesgo puede ser estimado a partir de la ecuacin:

G=

n ( x i x ) 3
i =1

( n 1)( n 2) s 3

Una forma alterna de calcular la asimetra y la desviacin estndar es:

G=
Donde

N 2 ( X 3 ) 3 N ( X )( X 2 ) + 2( X ) 3 N ( N 1)( N 2) s 3

( X 2 ) ( X ) 2 / N s= N 1

0.5

Conociendo el coeficiente de asimetra y la probabilidad del excedente, es posible calcular el valor de los caudales correspondientes usando:

X = X + Ks
donde
3 2 G G K = K n + 1 1 G 6 6

para 1.0 < G < 1.0

K Kn

es conocida como la variable reducida Tipo III. K se puede calcular a partir de la Tabla Anexa. es la desviacin estndar normal para esa probabilidad. 13

HIDROLOGIA (2005-2)

El coeficiente de asimetra es muy sensitivo a valores extremos por lo que debemos contar con series de ms de 100 aos. Si no se cuenta con una serie tan larga se recomienda hacer los siguientes ajustes en la estimacin de G. Aos de registro, N 100 26 100 25 Donde Gg = coeficiente de asimetra generalizado Valor de la asimetra

N 25 N 25 G g G + 1 75 75
Gg

DISTRIBUCION GUMBEL (valor extremo)

Definicin.

1 F ( x ) = 1 e e
Donde:

b = (1/0.7797s)(x- +0.45s) x = magnitud del flujo (m3/s) = magnitud promedio del flujo (m3/s) s = desviacin estndar de la magnitud del flujo (m3/s)

Se ha usado ampliamente para describir escurrimientos anuales. Los diagramas de distribucin de flujo son generalmente asimtricos, como el que se muestra en la figura. Estos pueden ser aproximados de forma bastante cercana con la distribucin de Gumbel que posee una asimetra fija de 1.14. Es usada para calcular escurrimientos excedentes mximos anuales. Los escurrimientos mximos anuales se calculan eligiendo el escurrimiento mximo anual obtenido a partir de mediciones diarias. Este escurrimiento mximo anual es agrupado con los escurrimientos mximos de varios aos. La distribucin probabilstica de estos escurrimientos mximos anuales puede ser representada por Gumbel.

14

HIDROLOGIA (2005-2)

EJEMPLO. Si el caudal de escurrimiento en la cuenca del Ro Nazas tiene un valor promedio de 1340 m3/s con una varianza de 58,400 (m3/s)2. Cul es la probabilidad de que el caudal sea igual o exceda los 2100 m3/s usando la distribucin de Gumbel?. SOLUCION La variable reducida b se estima como:

b=
Adems

1 [2100 1340 + .45( 241.6)] = 4.61 0.7797( 241.6)

1 F ( x ) = 1 e e
4.61

= 0.0099

Lo que significa que un caudal de esa magnitud tiene la posibilidad de ocurrir 1 vez cada 100 aos aproximadamente. Como se observa la posibilidad de que se exceda el caudal, o se observe el perodo de retorno, es una funcin directa del valor de b, entonces de puede determinar la probabilidad de forma inmediata a travs de la Tabla IV. Tabla IV. Probabilidad de Gumbel y perodo de retorno.
Variable reducida b 0.367 1.367 2.250 2.970 3.199 3.902 4.601 5.296 Probabilidad de excedencia .50 .20 .10 .05 .04 .02 .01 .005 Perodo de retorno (intervalo de recurrencia) 2 5 10 20 25 50 100 200

15

HIDROLOGIA (2005-2)

ANALISIS DE FRECUENCIA (Cap. 12 Van T. Chow) Eventos extremos: Sequias Tormentas severas Crecientes MAGNITUD ---- inversamente proporcional a ------ FRECUENCIA DE OCURRENCIA Objeto: Analizar la frecuencia de ocurrencia a partir de alguna distribucin de probabilidad Supuestos: eventos independientes Distribucin idntica Sistema que lo produjo es estocstico. Resultado: diseo de presas Puentes Estructuras de crecientes Determinar beneficio econmico de los proyectos de control de crecientes Delinear planicies de inundacin, etc.

PERODO DE RETORNO
El perodo de retorno T de un evento X xT es el valor esperado , E( ) su valor promedio medido sobre un nmero de ocurrencias suficientemente grande. EJEMPLO Determine el perodo de retorno de una caudal mximo anual de 50,000 cfs en el registro que se muestra en la figura. Durante el perodo de registro (41 aos) se observan 8 registros de caudal anual mximo superiores a 50,000 cfs (pies cbicos por segundo), por lo que el perodo de retorno ser de = 41/8 = 5.1 aos. EL PERIODO DE RETORNO DE UN EVENTO CON UNA MAGNITUD DADA PUEDE DEFINIRSE COMO EL INTERVALO DE OCURRENCIA PROMEDIO ENTRE EVENTOS QUE IGUALAN O EXCEDEN UNA MAGNITUD ESPECFICA.

INTERVALO DE RECURRENCIA Y RIESGO

El intervalo de ocurrencia (perodo de retorno) (Tr) es el intervalo de tiempo promedio dentro del cual un evento ser igualado o excedido. La probabilidad de ocurrencia de un evento en cualquier ao es (1/Tr). El intervalo de ocurrencia deber estar basado en un registro temporal del evento muy largo. Es un trmino estadstico muy importante y de fcil entendimiento para cualquier persona. Se conoce como evento extremo a cualquier variable aleatoria que alcance o sobrepase un cierto nivel dado. Si un evento es definido como (X x) y su probabilidad de ocurrencia por P(X x), el intervalo de ocurrencia es el inverso de la probabilidad, as: P(XxT)=1/T 16

HIDROLOGIA (2005-2)

En cada una de las observaciones existen dos opciones, que el evento sobrepase el limite preestablecido xT (xito) o que no lo sobrepase (fracaso), por lo que el valor esperado se define como la distribucin binomial:

E ( ) = (1 p ) 1 p = p + 2 p(1 p) + 3 p(1 p) 2 + 3 p(1 p ) 3 + ...

=1

= p 1 + 2(1 p ) + 3(1 p ) 2 + 3(1 p ) 3 + ...

esta ltima expresin puede representarse como una serie de potencia:

(1 x ) n = 1 + nx +
donde x = (1 p ) y n=-2 de tal forma que se puede escribir: EJEMPLO:

[n( n 1)] x 2 [n( n 1)( n 2)] x 3 + + ............ 2 6

E ( ) = T =

1 p

o bien P ( X x T ) =

1 T

La Tabla V muestra el registro de caudales mximos anuales del ro Guadalupe Texas, EUA de 1935 a 1978 y su grfica se muestra en la figura __. Si se toma como xT=50,000 ft/s puede verse que el caudal mximo excede este nivel nueve veces durante el perodo de registro, con intervalos de ocurrencia que varan desde un ao hasta 16 aos. El valor esperado de que el caudal mximo sobrepase los 50,000 es 41/8=5.1 aos donde 8 corresponde al nmero de intervalos y 41 al nmero de aos entre la primera vez (1936) que se present el evento y la ltima (1977). De tal forma que se puede decir que el perodo de retorno de un evento con una magnitud de 50,000 ft/s o ms es de 5.1 aos. Tabla V. Caudales mximos anuales para el ro Guadalupe, Texas, EUA. (Tomado de Ven Te Chow, 19__)
ao 0 1 2 3 4 5 6 7 8 9 38,500 179,000 17,200 25,400 4,940 1930 1940 55,900 58,000 56,000 7,710 12,300 22,000 17,900 46,000 6,970 20,600 1950 13,300 12,300 28,400 11,600 8,560 4,950 1,730 25,300 58,300 10,100 1960 23,700 55,800 10,800 4,100 5,720 15,000 9,790 70,000 44,300 15,200 1970 9,190 9,740 58,500 33,100 25,200 30,200 14,100 54,500 12,700

17

HIDROLOGIA (2005-2)

Caudales m xim os anuales en el ro Gpe. 200,000 175,000 150,000 Caudal (ft/s) 125,000 100,000 75,000 50,000 25,000 0 1930

1940

1950

1960 tiem po (aos)

1970

1980

1990

A menudo encontramos preguntas sobre cual es la probabilidad de que un evento con perodo de retorno de T aos ocurra al menos una vez en N aos?. Para calcular esto se requiere calcular primero la situacin de que no ocurra el evento de T aos en N aos. Esto requiere una secuencia de N fallas sucesivas, de tal manera que: P(X<xT cada ao durante N aos)=(1-p)N El complemento de esta situacin es el caso requerido, luego utilizando la ecuacin P(XxT al menos una vez en N aos)=1-(1-p)N Como p=1/T P(XxT al menos una vez en N aos)=1-(1-1/T)N EJEMPLO Estime la probabilidad de que el caudal mximo anual Q en el ro Guadalupe exceda 50,000 ft/s al menos una vez durante los prximos tres aos. SOLUCION. De acuerdo con las premisas anteriores P(Q50,000 en cualquier ao)=0.195. entonces la P(Q50,000 al menos una vez durante los ltimos tres aos)=1-(1-0.195)3=0.48

DISTRIBUCIN DE VALORES EXTREMOS.

El estudio de la hidrologa en la Ingeniera Civil esta enfocada al estudio de eventos hidrolgicos extremos que no es ms que elegir los eventos mximos o mnimos del conjunto de datos. Por ejemplo, el estudio de los caudales picos en una estacin hidromtrica nos permitir encontrar el caudal de diseo de cualquier estructura hidrulica sobre el cauce del escurrimiento. Estos valores de caudal pico son elegidos de entre miles de datos de caudal registrados en las estaciones de aforo. Suponga que en la estacin de aforo en cuestin se han tomado mediciones del caudal cada 15 min. Esta frecuencia de medicin arrojara 18

HIDROLOGIA (2005-2)

4X24X365=35,040 valores en un ao, de todos los cuales se considerar slo el caudal mximo durante ese ao. Las observaciones elegidas de esa forma constituyen la cola extrema de la distribucin de probabilidad de todas las observaciones de la poblacin de la cual se extrajo. Por lo cual al distribucin de los valores extremos en general es diferente a la distribucin de la poblacin entera. En estos casos se utilizan las distribuciones de valores extremos, conocidas como del Tipo I, Tipo II y Tipo III, que son casos particulares de la distribucin de Valor Extremo General.
1/ k x u F ( x ) = exp exp1 k

donde k, u, y son parmetros que deben ser determinados. La funcin de probabilidad de valor extremo tipo I (EVI) es cuando k=1 y es conocida como GUMBEL revisada en el apartado anterior. La funcin Tipo II es la conocida como Frechet. Donde:

6s

u = x 0.5772
El parmetro u es la moda de la distribucin (punto de mxima densidad de probabilidad). Una variable reducida y puede definirse como:

y=

xu

sustituyendo la variable reducida en la forma general tenemos

F ( x ) = exp[ exp( y )]
resolviendo para y:

1 y = ln ln F ( x)
Tal como se demostr antes:

1 = P ( x xT ) T 1 = 1 P ( x < xT ) T

1 = 1 F ( xT ) T
luego

F ( xT ) =

T 1 T

19

HIDROLOGIA (2005-2)

y sustituyendo en yT, tenemos:

T yT = ln ln T 1
x T = u + y T

Para la distribucin Tipo I (Gumbel) la xT se relaciona con la yT mediante:

EJEMPLO. Los valores mximos anuales para las lluvias de 10 minutos de duracin en Chicago, Illinois, desde 1931 hasta 1947 se presentan en la Tabla VI. Desarrolle un modelo para el anlisis de frecuencia de tormentas utilizando la distribucin de Valor Extremo I (Gumbel) y calcule los valores mximos de lluvias de 10 minutos de duracin con perodos de retorno de 5, 10, 50, 200 y 500 aos. Tabla VI. Lluvia mxima anual de 10 minutos en pulgadas para Chicago, Illinois, 1931-1947, (Tomado de Ven Te Chow, 19__)
Ao 0 1 2 3 4 5 6 7 8 9 0.49 0.66 0.36 0.58 0.41 0.47 0.74 1910 1920 0.53 0.76 0.57 0.80 0.66 0.68 0.68 0.61 0.88 0.49 1930 0.33 0.96 0.94 0.80 0.62 0.71 1.11 0.64 0.52 0.64 1940 0.34 0.70 0.57 0.92 0.66 0.65 0.63 0.60

Los momentos (media y desv. Std.) de la muestra son calculados de los valores de la Tabla IV. y los valores de alfa y u son calculados de las frmulas anteriores.
media= desv. Std= alfa= u= 0.530 0.137 0.106527 0.468513

Habiendo obtenido los valores anteriores se sustituyen en la formula de y T para cada perodo de retorno deseado.
T 5 10 50 200 500 yT 1.500 2.250 3.902 5.296 6.214 xT 0.63 0.71 0.88 1.03 1.13

20

HIDROLOGIA (2005-2)

EJERCICIO: La estacin climatolgica de San Felipe B.C. (38) y el observatorio Meteorolgico de San Felipe posee un registro de altura de precipitacin en 24 hr de 1948 hasta el 2002 (tabla VII) aos, utilice estos datos para: a) Ajustar las distribuciones de densidad de probabilidad Normal, Lognormal, Exponencial, Gamma, Gumbel y Doble Gumbel para dos poblaciones a los datos altura de la precipitacin con ayuda del programa AX de la CNA. b) Estime las alturas para los siguientes perodos de retorno (Tr): 5, 10, 20, 50, 100, 500 y 1000 aos. c) Grafique las distribuciones ajustadas con los datos de la estacin climatolgica y elija la que mejor se ajusta por inspeccin visual de la grafica y por el error de ajuste (error cuadrtico promedio). Explique su respuesta. Tabla VII Precipitacin Mxima anual en 24 hrs. para la Estacin No. 36. San Felipe, B.C.
AO
1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1974

Hp max 24 hrs (mm)

45 33 8 18 17 12 2 20.5 33 22 28 19 20 28.5 31.5 20.5 23.5 11 45.5 19 15 24 15 24 24 8

AO
1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 2000 2001 2002

Hp max 24 hrs (mm)

11.5 13.5 15.2 12 63 12 7 35 73 26 12.2 20 9 4 11.2 33 26.6 38 127 29.8 2.4 32.1 216 22 207.2 43.7

21

HIDROLOGIA (2005-2)

Precipitacin mxima en 24 hr.

250
Altura de la precipitacin (mm)

200

150

100

50

0
1953 1958 1963 1978 1983 1988 1993 1 1998 1
NOV DIC

1948

1968

Perodo en aos

Figura ___. Yetograma de los registros de precipitacin anual mxima en 24 hrs de la Estacin No. 36. San Felipe, B.C. Obsrvese la presencia de precipitacin muy por arriba del promedio durante los ltimos 10 aos. Datos de la Comisin Nacional del Agua. Los datos del 1992 al 2004 son de la Estacin Meteorolgica de San Felipe.

Precipitacin Promedio Mensual

18.0 Altura de la preci pi tacin (mm) 16.0 14.0 12.0 10.0 8.0 6.0 4.0 2.0 0.0 ENE FEB MAR ABR MAY JUN JUL AGO SEPT OCT

Perodo (m eses)

Figura ______. Yetograma de los registros de precipitacin acumulada mensual promedio de la Estacin No. 36. San Felipe, B.C. Datos de la Comisin Nacional del Agua. 22

2003 1

1973

HIDROLOGIA (2005-2)

Tabla VIII. Ajuste de los registros de precipitacin mxima annual en 24 hrs. De la Estacin No. 36 "San Felipe", B. C. a las distribuciones de densidad de probabilidad; Normal, Lognormal, Exponencial, Gamma, Gumbel y Doble Gumbel. En el ltimo rengln se muestra el error cuadrtico promedio que fue usado como criterio de eelccin de la distribucin mejor ajustada.
PR 53 26.5 17.67 13.25 10.6 8.83 7.57 6.63 5.89 5.3 4.82 4.42 4.08 3.79 3.53 3.31 3.12 2.94 2.79 2.65 2.52 2.41 2.3 2.21 2.12 2.04 1.96 1.89 1.83 1.77 1.71 1.66 1.61 1.56 1.51 1.47 1.43 1.39 1.36 1.33 1.29 1.26 1.23 1.2 1.18 1.15 1.13 1.1 1.08 1.06 1.04 1.02
Error cuadrtico promedio

Registro 216 207.2 127 73 63 45.5 45 43.7 38 35 33 33 33 32.1 31.5 29.8 28.5 28 26.6 26 24 24 24 23.5 22 22 20.5 20.5 20 20 19 19 18 17 15.2 15 15 13.5 12.2 12 12 12 11.5 11.2 11 9 8 8 7 4 2.4 2

Normal ajuste 118.24 105.77 97.72 91.58 86.52 82.16 78.3 74.8 71.58 68.58 65.77 63.1 60.56 58.12 55.77 53.5 51.29 49.13 47.02 44.95 42.92 40.91 38.93 36.97 35.01 33.07 31.13 29.19 27.24 25.28 23.29 21.29 19.25 17.18 15.08 12.92 10.71 8.44 6.09 3.65 1.11 -1.56 -4.38 -7.37 -10.59 -14.09 -17.96 -22.31 -27.37 -33.51 -41.56 -54.03 215.706

Lognormal ajuste 153.94 114.29 94.37 81.47 72.26 65.16 59.38 54.64 50.62 47.13 44.07 41.36 38.92 36.72 34.72 32.87 31.19 29.61 28.15 26.79 25.52 24.31 23.17 22.11 21.09 20.12 19.21 18.33 17.48 16.67 15.9 15.15 14.43 13.73 13.05 12.4 11.76 11.13 10.53 9.93 9.35 8.77 8.2 7.64 7.07 6.51 5.93 5.35 4.74 4.1 3.38 2.51 123.3

Exponencial ajuste 155.19 126.47 109.67 97.75 88.5 80.94 74.55 69.02 64.14 59.77 55.82 52.22 48.9 45.83 42.97 40.3 37.78 35.42 33.18 31.05 29.03 27.1 25.26 23.49 21.8 20.18 18.61 17.11 15.65 14.25 12.89 11.57 10.3 9.06 7.86 6.69 5.56 4.45 3.37 2.33 1.3 0.3 -0.67 -1.62 -2.56 -3.47 -4.36 -5.23 -6.08 -6.92 -7.74 -8.55 141.956

Gamma ajuste 149.04 122.11 105.3 93.13 83.62 75.86 69.31 63.67 58.73 54.34 50.39 46.83 43.58 40.6 37.85 35.31 32.95 30.75 28.69 26.76 24.95 23.25 21.64 20.13 18.69 17.34 16.06 14.85 13.7 12.61 11.57 10.59 9.67 8.79 7.96 7.17 6.43 5.73 5.07 4.45 3.86 3.32 2.82 2.35 1.92 1.53 1.18 0.87 0.6 0.37 0.19 0.06 133.903

Gumbel ajuste 141.44 118.73 105.31 95.69 88.15 81.93 76.61 71.95 67.79 64.02 60.58 57.39 54.43 51.64 49.02 46.52 44.15 41.88 39.7 37.59 35.56 33.59 31.67 29.8 27.97 26.18 24.42 22.69 20.98 19.29 17.61 15.95 14.29 12.63 10.97 9.3 7.63 5.93 4.21 2.46 0.67 -1.17 -3.07 -5.05 -7.13 -9.33 -11.7 -14.3 -17.22 -20.63 -24.9 -31.1 171.775

Gumbel II ajuste 183.77 143.11 117.84 98.59 82.41 67.99 55.26 45.77 39.85 36.06 33.38 31.33 29.68 28.3 27.11 26.07 25.13 24.28 23.5 22.77 22.1 21.46 20.86 20.29 19.74 19.22 18.71 18.22 17.74 17.28 16.82 16.38 15.94 15.5 15.07 14.64 14.21 13.78 13.34 12.9 12.46 12 11.53 11.04 10.52 9.98 9.39 8.73 7.99 7.08 5.87 3.58 84.274

23

HIDROLOGIA (2005-2)

Ajuste de F.D.P.
250 Precipitacin Mxima 24 hr (mm) 200 150 100 50 0 -50 -100 0 10 20 30 Nmero de dato 40 50 60 Registro PR Normal Lognormal Exponencial Gamma Gumbel Gumbel II

Figura ____. Se muestra el ajuste de las diferentes distribuciones de densidad de probabilidad utilizadas. Obsrvese que la que grficamente muestra el mejor ajuste es la de Gumbel para dos poblaciones.

24