Professional Documents
Culture Documents
Resumen
En este trabajo se presenta la función de distribución de probabilidad de valores extremos tipo I empleando
distintas técnicas de estimación de parámetros como las siguientes: estimadores por momentos, estimadores
por máxima verosimilitud, estimadores por momentos – L y estimadores por máxima entropía. Los métodos
se desarrollan con algoritmos muy particulares que generan distintos parámetros de posición y escala, y en
consecuencia, modifica los eventos de diseño calculados para cada técnica de estimación. La complejidad de
cada técnica radica en los procesos iterativos en que se sustente cada método y en los criterios de
convergencia adoptados para cada caso. Se concluye que para cada distribución de probabilidad se deben
aplicar el mayor número de técnicas de estimación de parámetros y finalmente elegir aquella que genere el
menor error aplicando criterios de bondad de ajuste.
Introducción
El análisis y diseño de una estructura hidráulica depende fundamentalmente de la variable de impulso que
genera el evento que se desea controlar. Sin embargo existe una gran incertidumbre en la determinación de la
magnitud de un evento de diseño para el cual se diseñará la estructura. En el caso de variables hidrológicas
deben de emplearse técnicas de probabilidad y estadística que ayudan enormemente a analizar el
comportamiento aleatorio de la naturaleza, en especial con el estudio de variables meteorológicas como
temperatura y precipitación o gastos en cauces naturales
Existen varias técnicas de distribución de probabilidad para variables aleatorias, sin embargo, no todas pueden
aplicarse a variables hidrológicas. Además debe de añadirse el comportamiento no homogéneo que puede
presentar cada muestra de datos en estudio, en donde quizás se encuentren dos o más poblaciones en un
mismo registro, comportamiento solo determinable mediantes pruebas de homogeneidad.
Entre las distribuciones de probabilidad, para una población, más comunes aplicables en hidrología se
encuentran (Escalante y Reyes, 2005 Técnicas estadísticas en hidrología): Distribución Normal; LogNormal
2 y 3 parámetros; Gamma 2 y 3 parámetros; Log Pearson tipo III, y General de Valores Extremos tipo I
(Gumbel), tipo II (Fréchet) y tipo III (Weibull). Cada distribución emplea distintas técnicas de estimación de
parámetros como: técnica de mínimos cuadrados, momentos, máxima verosimilitud, momentos – L o máxima
entropía. Dichas técnicas dependen de la función de distribución y la función de densidad asociada a cada tipo
de distribución, de tal forma que para una distribución de probabilidad sólo pueden aplicarse un cierto número
de técnicas de estimación de parámetros.
El objetivo de este trabajo es mostrar la variabilidad que puede existir en el evento de diseño calculado para
registros de gastos, aplicando únicamente la distribución de valores extremos tipo I (Gumbel), empleando las
siguientes técnicas de estimación de parámetros: estimadores por momentos, por máxima verosimilitud,
momentos – L y máxima entropía.
Desarrollo
La distribución de la función de valores extremos tipo I (Gumbel) para una población y para máximos es:
Fx= e-e-x-υ α [1]
La función de densidad asociada es:
fx= 1αe-x-υ α e-e-x-υ α [2]
-∞ < x < ∞, > 0
Donde:
υ : Parámetro de ubicación
α : Parámetro de escala
Incrementos
δυ j= 1.11Pj-0.26Rjαjn [13]
δαj= 0.26Pj-0.61Rjαjn
Nuevos valores
υ j+1= υ j+δυ j [14]
αj+1= αj+δαj
Incrementos
δυ j= Pj- 0.577216δαj [20]
δαj= 0.4228+ Pj+lnRj
Nuevos valores
υ j+1= υ j+δυ j [21]
αj+1= αj+δαj
Estimación de eventos
xt= υ - αln-ln1-1T [22]
Los registros hidrométricos fueron obtenidos del programa BANDAS (Banco Nacional de Datos de Aguas
Superficiales) elaborado por el Instituto Mexicano de Tecnología del Agua (IMTA). A los registros de la
estación Corona se aplicaron previamente los análisis de verificación de cantidad y calidad de la información,
pruebas de independencia y pruebas de homogeneidad.
Se obtienen los estadísticos muestrales de la serie Qij: x,̄ S2, S, g, k, Cv, prefiriendo los no sesgados dado que
los registros de las estaciones se consideran de poca extensión. Además se obtienen los estadísticos por
probabilidad pesada y momentos – L, necesarios para calcular los estimadores de determinadas técnicas de
distribución de probabilidad.
El cálculo de los estadísticos fue realizado en el programa AFDE 2010, desarrollado en plataforma Visual
Basic.
x̄ = 372.9958 g = 1.2361
S2 = 79313.2341 k = 1.3213
S = 281.6261 Cv = 0.7550
Resultados y discusión
α=6π281.6261=219.5830
QT1=246.2641-219.5830 Ln-ln1-1/T
QT3=247.0316-218.2271 Ln-ln1-1/T
En la Tabla 1 se muestra la variación que existe para cada gasto calculado con las distintas técnicas de
estimación de parámetros. Puede notarse, en la Figura 1, que a partir del décimo año calculado, los resultados
comienzan a divergir respecto a los datos registrados en la estación Corona.
Se observa que para un período de retorno de 38 años, existe una variación de 261.4591 m 3/s, valor realmente
significativo para el diseño de una estructura de control; por tal motivo deben emplearse técnicas de bondad
de ajuste que ayuden a determinar la mejor técnica de estimación de parámetros. Aplicando le expresión (23),
se obtiene el error estándar de ajuste para cada técnica de estimación de parámetros.
Se concluye que la técnica de estimación de parámetros que proporciona el mejor ajuste para una distribución
Gumbel, es el de momentos. En la figura 1 se aprecian dos poblaciones de eventos, por lo que además debe de
aplicarse técnicas de distribución mezcladas o multivariadas, que quedan fuera del alcance de este trabajo.
Tabla 2. Eventos de diseño QT (m3/s) de la distribución Gumbel para diferentes períodos de retorno.
Q(m3/s) Q(m3/s) Q(m3/s) Q(m3/s)
T(años) 1/Tr P(1-1/T)
Momentos Mom-L Max ver Max ent
En el proceso de cálculo se puede corroborar la complejidad que conlleva realizar los procesos iterativos para
determinadas técnicas de estimación de parámetros. Sin embargo, los avances en la tecnología implementada
en equipos de cómputo, permiten desarrollar nuevas técnicas que requieren una gran cantidad de procesos
numéricos a realizar.
Algunas técnicas sólo dependen de los estadísticos muestrales para obtener los parámetros de alguna
distribución, sin embargo, otras técnicas requieren complejos algoritmos, en donde los equipos de cómputo
resultan verdaderamente indispensables, para su solución. Dado que en las técnicas de máxima verosimilitud
y máxima entropía, es inherente una serie de iteraciones por métodos numéricos para encontrar alguna
solución, se optó por implementar una serie de algoritmos asentados en plataforma Visual Basic para obtener
de forma más precisa los parámetros requeridos.
Conclusiones
La variación en los resultados obtenidos por las diferentes técnicas podría conducir a sub-dimensionar o
sobre-dimensionar futuras obras hidráulicas; es decir, se arriesgaría notablemente la seguridad de la obra en
donde realmente existirá una mayor probabilidad de que eventos extremos excedan las condiciones para la
cual fue diseñada, o caso contrario, la obra tendría un costo de construcción muy elevado, cuando la
probabilidad de que suceda un evento mayor al calculado es sumamente bajo.
Existen varias técnicas para estimar los parámetros de alguna distribución de probabilidad. Algunas técnicas
requieren procesos más elaborados que otras, sin embargo, el implemento de computadoras permiten
desarrollar eficientemente los algoritmos necesarios para la convergencia de alguna solución. Dada la
incertidumbre de los fenómenos meteorológicos, es necesario implementar el mayor número de técnicas de
estimación de parámetros y elegir, mediante criterios bondad de ajuste, aquella técnica que refleje el mejor
ajuste respecto a los registros originales de la muestra.
Referencias
Escalante, C., y Reyes, L., (2005), Técnicas estadísticas en hidrología, Facultad de Ingeniería, Universidad
Nacional Autónoma de México, México, 298 p.
Kite, G.W. (1988), Frequency and Risk Analyses in Hydrology, Water Resources Publications, Littleton,
Colorado.
Haan, C.T. (1977), Statistical Methods in Hydrology, The Iowa State University Press, Ames, Iowa.
IMTA, (2002), Banco Nacional de Datos de Aguas Superficiales (BANDAS), Región hidrológica 25, México.