I N G E N I E R I A A G R I C O L A

Algunos estudios estadsticos tiles

en hidrologa
ALGUNOS ESTUDIOS ESTADISTICOS EN
HIDROLOGIA
Son brevemente sealados algunos de los problemas asociados
con la determinacin de la distribucin para modelar caudales
mximos, entre ellos se sealan: Los lmites de los estadsti-
cos, el sesgo de stos, as como la condicin de separacin.
ABSTRACT
Sorne of the problems related to the choice of the flood flow
distribution are briefly outlined, such as the boundness and
bias of the statistics, as well as the condition of separation.
CARLOS A. GONZALEZ M.
Ing. Agrcola - M.Sc. en Hidrologa
Instructor Asociado
U.N.
4 Ingeniera e Investigacin
1. GENERAL
El anlisis de caudales rnaxirnos o mnimos trata de
escoger un modelo el cual tiene como objetivo final,
la representacin de una serie de extremos o picos del
hidrgrafo.
Usualmente en hidrologa se dispone de una muestra
de datos (Ya sea caudales mximos o mnimos) la
cual se supone es una muestra aleatoria e idntica-
mente distribuida generada de una distribucin acerca
de la cual se desean hacer inferencias.
Las muestras de observaciones son supuestamente
generadas de una distribucin cuya descripcin de-
pende de los valores de ciertos parmetros; entre ma-
yor sea el nmero de ellos, ms flexible se torna la
distribucin.
Las distribuciones de dos parmetros por ejemplo no
poseen el parmetro de forma y por lo tanto stas
slo tienen una conformacin especfica. La distribu-
cin Pearson tipo 3 (PT3), Weibull, La distribucin
general de Valores Extremos y otras muy comunes en
hidrologa adoptan diferentes conformaciones de
acuerdo a su tercer parmetro de forma.
Las distribuciones ms comunes usadas en hidrologa
son las de dos y tres parmetros, ello es debido a los
diferentes problemas que se presentan en la estima-
cin de estos cuando su nmero se incrementa. Algu-
nas de las dificultades se enumeran ms adelante
cuando el mtodo de estimacin de parmetros ms
utilizado, (Mtodo de momentos), es usado para su
determinacin.
Esta es una razn bastante poderosa del por qu los
hidrlogos a pesar de percibir la necesidad de incluir
distribuciones de ms de tres parmetros, reconocen
el hecho de la introduccin de mayores errores en el
uso de momentos mayores que el tercero.
INGENIERIA AGRICOLA
2. COMPORTAMIENTO DE LAS MUESTRAS CON
RESPECTO A LOS ESTADISTICOS
Wallis et al., [1974], condujeron un estudio de simu-
lacin tendiente a examinar el comportamiento alea-
torio de las muestras con respecto a los estad sticos.
Ellos obtuvieron la funcin de distribucin para tres
estadsticos, como lo son el promedio aritmtico (X),
Desviacin estndar (Sd) y coeficiente de asimetrfa
(Cs) para muestras de tamao pequeo (De 10 en 10
hasta 90), las cules fueron derivadas de las distribu-
ciones Normal, Gumbel, Logartmica Normal, Pear-
son tipo 3, Weibull y Pareto tipo 1 (tambin conocida
como distribucin Pearson tipo 4).
Este estudio mostr un coeficiente de asimetra fuer-
temente marcado de los estad sticos as tambin co-
mo sesgamiento y lmites en la funcin de distribu-
ci n de stos.
De acuerdo al citado estudio, la funcin de distribu-
cin de los estad sticos depende del tamao de la
muestra, del coeficiente de asimetra de la poblacin
( b ) y de la naturaleza de la distribucin de la pobla-
cin que genera el proceso.
Fue observado que X es un estimador insesgado de
( J , L ) , mientras que la Desviacin estndar (Sd) y el
coeficiente de asimetra (Cs) son estimadores sesga-
dos de ( a) y ( b ) respectivamente. ( a: Desviacin es-
tndar de la Poblacin y b: Coeficiente de asimetra
de la poblacin).
Kirby [1974], ha mostrado que la funcin de distri-
bucin para valores positivos del coeficiente de Va-
riacin (Como lo son los valores utilizados en hidro-
loga; ej: Caudales y Precipitaciones), el coeficiente
de asimetrfa, la Desviacin mxima estandarizada
{[X mximo - X] / Sd}y el rango {Xmximo-XM-
nimo}, son limitados. La tabla 1 muestra los lmites
citados.
LIMITES ALGEBRAICOS PARA LOS ESTADISTICOS EXTRA IDOS
DE MUESTRAS DE TAMAO N. (Tomado de Kirby (1974)).
Estad stico Frmula Empleada Lmite superior Lmite inferior
Coeficiente de Sd 1/2
Variacin (Cv).
--
(N-1) O
X
1/N f (Xi-X)3
(N-2) -(N-2)
Coeficiente de
i=:
Asimetra
N
(Cs)
(1/N L(Xi-X)2 )3j2
(N-1) 1/2 (N-1) 1/2
i=1
Desviacin Max.
(Xmax-X)/Sd
(N-1) 1/2 (N-1)-1/2
estandarizada
Rango (Xmax-Xmin) /Sd
(2N)1/2
2 (N es par)
Estos lmites son llamados lmites algebraicos para en-
fatizar el hecho que ellos son inherentes a las frmu-
las algebraicas que definen los estadsticos, y son to-
talmente independientes de cualquier suposicin acer-
ca del proceso que genera la muestra.
Como puede observarse en la columna 2 de la tabla
las frmu las usadas para computar los estad sti cos no
tuvieron correccin por sesgamiento.
Ingeniera e Investigacin 5
INGENIERIA AGRICOLA
3. CONDICION DE SEPARACION
Matalas et al., [1975J , determinaron para diferentes
regiones de los Estados Unidos, los valores de la Des-
viacin estndar y el promedio del Cs, de series hidro-
lgicas; graficndolos en los ejes Y y X respectivamen-
te. Estos valores graficados caen por encima de la
misma relacin derivada de un estudio de simulaci-n
llevado a cabo con datos generados por las siguientes
distribuciones: Normal, Uniforme, Gumbel, Logart-
mica Normal, Pearson tipo 3, VVeibull y Pareto.
Ellos llamaron este fenmeno la condicin de separa-
cin y de acuerdo a sus resultados esto podra sugerir
que ninguna de las distribuciones hipotetizadas es una
buena aproximacin a la distribucin de caudales
mximos.
La figura 1 de Cunnane 119861, muestra estos resul-
tados.
Subsecuentemente, otras distribuciones que no fue-
ron incluidas en este estudio fueron examinadas tales
como la distribucin Logartmica Pearson tipo 3,
(Landwehr et al., 119781), la distribucin General de
Valores Extremos (GVE), (Cunnane 119841); fallando
tambin en explicar la condicin de separacin.
Las nicas distribuciones que parecen satisfacer la
condicin de-separacin son las distribuciones Wake
by pero solo para ciertos valores de sus parmetros,
(Houghton. 119781) y la distribucin de Valores Ex-
tremos de 2 componentes (TCEV) probada para series
hidrolgicas de caudales mximos de Italia (Rossi et
al. 119841) y Gran Bretaa (Beran etaL11986J ).
En el contexto de caudales mnimos, King 119851,
trabajando con datos de Irlanda encontr que ningu-
na de las distribuciones usadas por Matalas et al.,
119751, explican la condicin de separacin para cau-
dales mnimos, este estudio tambin mostr que la
Desviacin estndar del coeficiente de asimetra gra-
ficados contra el promedio del coeficiente de asime-
tra caen por debajo del lmite inferior encontrado en
el estudio de Matalas et al., 119751; estos resuItados
estn en contraste con los datos de caudales mximos
que en el grfico se observan por encima del lmite
superior encontrado en el estudio.
De nuevo esto podra sugerir que estas distribuciones
son inapropiadas para modelar caudales mnimos.
6 Ingeniera e Investigacin
1.0
o Sample size 10
O 1.0 2.0 3 . 0
Promedio del es
,----_
1.0 GVE
A
'"
B
o
Qi
"C
"C
en
Sample size 20
O
O 1.0 2.0 3.0
Promedio del es
1.0
'" o
A
- B
CI>
"C
"C
en
O Sample size30
O 1.0
2.0
3.0
Promedio del es
Figura 1:
Ilustracin de la condicin de separacin. Desviacin
estndar del es para muestras de tamao 10, 20 y 30
generadas de la distribucin GVE (Cunnane, 1984).
Curvas A y B encierran los resultados de todas las dis-
tribuciones estudiadas por Matalas et al., 119751. Los
resultados de la distribucin TCEV y datos del Reino
Unidos (U.K) son tomados de Beran et al., 119861.
(Tomado de Cunnane, 1986).
INGENIERIA AGRICOLA
4. CORRECCION POR SESGAMIENTO EN EL
COEFICIENTE DE ASIMETRIA
No hay duda que un problema que todava subsiste es
encontrar un adecuado estimador del coeficiente de
asimetra para las series comnmente encontradas en
hidrologa. El estimador de (o) es muy variable debi-
do primordialmente a la longitud de la muestra que
usualmente se tiene a disposicin.
En la aplicacin de anlisis de frecuencia el uso de un
estimador insesgado de (o), se torna muy importante
debido al papel que desempea en la estimacin de
los parmetros de la distribucin escogida como la
que genera las series hidrolgicas a analizar; sin em-
bargo, ha sido encontrado que la rnavor Ia de las co-
rrecciones recomendadas hasta ahora producen un
estimador sesgado de (o).
El estimador sesgado de (o) para una muestra de
tamao N es definido como:
Cs
N . 3
N i~1 (XI-X)
1.1
{_1 ~ (Xi- X)2 }3/2
N i=1
El estimador del coeficiente de asimetra dado por la
ecuacin 1.1 resulta sesgado inferiormente en la esti-
macin de o y este sesgamiento depende del tamao
de la muestra, la distribucin que genera las muestras
aleatorias y su coeficiente de asimetra, Wallis et al.,
[1974].
El USA Water Resources Council (WRC) en 1967 re-
comend que el estimadordel coeficiente de asimetra
deber a ser corregido por el factor Cf dado como:
Cf =
[N(N_1)]1/2
N-1
1.2
Donde N= Tamao de la muestra
Este factor fue inicialmente propuesto por Fisher
[19291, para remover el sesgo en la estimacin del
coeficiente de asimetr a cuando las muestras fueran
provenientes de una distribucin Normal. Cf es una
combinacin de correcciones para el segundo y tercer
momento central como se demuestra a continuacin:
Cf1 = 1.3
Cf2 1.4
(N-2)(N-1)
Cf
Cf2
1.5
Cf1
3
/
2
Donde Cf1 = Correccin para el segundo momento
central
Cf2 Correccin para el tercer momento
central
Cf =
Factor recomendado por el WRC.
El USA Inter-Agency committee on Water Resources
(IWRC) en 1966, sugiri que el factor arriba sealado
debiera ser multiplicado por el factor dado por Hazen
[1930]:
Hf = [1 + ~5] 1.6
Donde Hf = Factor de Hazen
El factor (Hf x Cf) fue probado en el estudio de Wa-
IIis et al., [1974], y sus resultados mostraron que el
uso de este factor resulta en un estimador aproxima-
damente insesgado de o, para un pequeo rango del
coeficiente de asimetr a de la poblacin (1/2 <o <
2.0); cuando la distribucin que genera las muestras
es la Logartmica Normal. Para otras distribuciones y
valores de los resultados mostraron que el uso de este
factor resulta en un esti mador sesgado inferiormente
de o.
Bobee and Robitai IIe [1975], derivaron un factor de
correccin para la distribucin Pearson tipo 3 (PT3),
usando los resultados obtenidos por Wallis et al.,
[1974], para valores del coeficiente de asimetra entre
0.25 y 5.0 Y un tamao de la muestra entre 25 y 90.
El factor dado es el siguiente.
Cs = Cs [(1 +~_!_+ ~;?)+( \~48 +6

;7) a;2]
Donde es
Cs
Coeficiente de asimetra de la muestra
Coeficiente de asimetra de la muestra
sin correccin por sesgamiento.
Esta correccin mejor significativamente las correc-
ciones recomendadas por el WRC e IWRC.
En el mismo estudio otras frmulas fueron derivadas
para corregir por sesgamiento el Cs, cuando las distri-
buciones son la Logartmica Normal y la Weibull
(ambas de tres parmetros), para el mismo rango del
coeficiente de asimetra y longitud de la muestra.
Estas frmu las son:
Distribucin Logartmica Normal
1.8
Ingeniera e Investigacin 7
INGENIERIA AGRICOLA
Distribucin Weibull
=C-[(101 5.05+ 20.13) +(0.69+27.15)C
3
]
Cs s . + N N2 N ~ s
1.9
Yevjevich and Obeysekera [1984], compararon las
correcciones desarrolladas por Bobee and Robitaille
[1975] Y Hazen [1930], con un nuevo estimador el
cual emplea la medida de dependencia entre el pro-
medio y la varianza de las muestras en el caso de dis-
tribuciones asimtricas examinando la robustez en la
estimacin del coeficiente de asimetra.
Las distribuciones de las poblaciones que generaron
las muestras fueron la PT3 y la distribucin logartmi-
ca Normal. Sus resultados mostraron que este nuevo
estimador es ms robusto que las correcciones arriba
descritas, especialmente cuando el tamao de las
muestras es pequeo y el o es grande.
Finalmente, es importante enfatizar el hecho que un
adecuado conocimiento de la distribucin que genera
las muestras tiene una fuerte implicacin en la esti-
macin del coeficiente de asimetra, Wallis et al.,
[1974 L Yevjevich y Obeysekera [19841.
BIBLIOGRAFIA
1. BERAN, M.A., HOSKING, J .R.M. and ARNELL, N.: Comment on
"Two Cornponent Extreme Value Distribution lor Flood Frequen-
ey Analysis" by Rossi et al. 11984), Water Resour. Res., 2212),
263-266, 1986.
2. BOBEE, B. ANO ROBITAILLE, R.: Correction 01 Bias in the Esti-
mation 01 the Coeffieient 01 Skewness, Water Resour. Res, 1116),
851-854,1975.
3. CUNNANE, C.: Condrtion 01 Separation 01 Skewness 01 Random
Samples Irom the General Extreme Value Distribution. Unpub.
Rep., Dept. Eng. Hvdrol., Univ. Coll. Galwav, 7 paq., 1984.
4. CUNNANE, C., Stoehastic Hydrology Seetion lA) and (B) lor M.Se
Course, Univ. Coll. Galwav. Ireland, 1985.
5. CUNNANE, C.: Review 01 Statistieal Models 101' Flood Frequeney
Estimation, Keynote Address Presented at the International Svrnpo-
siurn on Flood Frequeney and Risk Analysis, U.S.A., 1986.
6. GREIS, N,P.: Flood Frequeney Analysis: A Review 01 19791982,
Reviews 01 Geophvsics and Space Physies, U S, Vol 2113), 699-
706, Aprit 1983.
7. HAAN, T.C.: Statistieal Methods in Hvdroloqv. lowa State Univer-
sity Press, Ames, 1977.
8. HAZEN, A.: Flood Flows, J ohn Wiley, N.Y., 1930.
9. HOUGHTON, J .C.: Birth 01 a Parent: The Wakeby Distribution 101'
8 I ngenier a e Investigacin
5. CONCLUSIONES
Usualmente las muestras hidrolgicas de caudales
mximos son asumidas como provenientes de una po-
blacin cuya funcin de distribucin es conocida, es
anal ticamente expresable y. contiene un nmero
finito de parmetros. El mtodo ms comn de esti-
macin de parmetros ha sido el de momentos, de-
bido primordialmente a la facilidad en la computa-
cin. Generalmente estas estimaciones resultan sesga-
das y con una variabilidad grande. Paralelamente se
tiene que los lmites en la estimacin de estos no per-
mitir obtener los momentos de la poblacin que su-
puestamente genera las muestras hidrolgicas.
La condicin de separacin ha llevado a justificar el
hecho de introducir nuevas distribuciones en el cam-
po de hidrolog fa, tales como la Wakeby y la TCEV;
ya que de acuerdo a lo mostrado en la simulacin de
Monte-Cario y sustentado en dicha condicin, parece
ser que ninguna distribucin hasta el momento usada
en hidrolog a sirve para modelar caudales mximos.
Todos estos problemas inherentes en la escogencia de
la distribucin ms apropiada para modelar caudales
mximos, han llevado a determinar la distribucin no
slo desde el punto de vista de observar su habilidad
para describir la muestra, sino tambin su habilidad
para predecir (Obtener modelos robustos), tales como
los mtodos regionales de nuevo en auge en el campo
de anlisis de frecuencia.
Modelling Flood Flows, Water Resour. Res., 14(4), 11051109,
1978.
10.lnteragency Committee on Water Resources, Subcommittee on
Hydrology: Methods 01 Flood Frequency Analysis, Bull. 13, 42
paq.. Washington, D.C., April 1966.
11.KING, W.: A Low Frequency for Irish Rivers, M. SC. Thesis, Univ.
Coll. Galwav , Ireland, Mav . 1985.
12. KI RBY, W.: Algebraie Boundness 01 Sarnple Statistics, Water He-
sour. Res., 1012),220 - 222, 1974.
13.MATALAS, N.C., SLACK, J .R. and WALLlS, J .R.: Regional Skew
in Seareh 01 a Parent, Water Resour. Res., 1116),815-826,1975.
14.ROSSI, F., FlORENTINO, M., and VERSACE, P.: Two Cornpo-
nent Extreme Value Distrihution or Flood Frequency Analysis,
Water Resour. Res., 2017), 847-85?, 1984.
15.WALLIS, J .R., MATA LAS, N.C. and SLACK, J .R.: J USI a Mornen tl ,
Water Resour. Res., 1012),211-219,1974.
16.Water Resources Council: A Unilorm Technique for Determining
Floorl Flow Frequeneies, Bull. 15, 15 paq., Washington, D.C., Dec.
1967.
17.WU, B. and GOODRIDGE, J .D.: Selection 01 Frequency Distribu-
tions for Hv droloqic Frequency Analysis, Dept 01 Water Resourees,
State 01 California, 85 pag.. Sacramento, J une 1976. '
18.YEVJ EVICH, V. and OBEYSEKERA, J .T.B.: Estirnation of Skew-
ness 01 Hyrlrological Variables, Water Resour. Res., 20(7),1984.