You are on page 1of 104

Métodos Estadísticos en Hidrología

Rio Burate en Tostos, julio 2008
mayo, 2013
Facultad de Ingeniería – Escuela de Ingeniería Civil
Los métodos estadísticos están basados en principios matemáticos que
describen la variación aleatoria de un conjunto de observaciones de un proceso,
y estos centran su atención en las observaciones mismas en lugar de los
procesos físicos que la producen.
Los procesos hidrológicos evolucionan en espacio y tiempo de una forma que es
parcialmente predecible, ó determinística, y parcialmente aleatoria. Un proceso
de este tipo se conoce como Estocástico ó Aleatorio.
Métodos Estadísticos en Hidrología
Estadística Hidrológica
Existen dos tipos de procesos estocásticos:
• No correlacionados en tiempo. Ejemplo: Serie de caudales promedios
diarios, máximos anuales, del Río Caroní en Arekuna. El caudal máximo
ocurrido durante el año 1993 es independiente del caudal máximo
ocurrido durante el año anterior.
• Correlacionados en el tiempo. Ejemplo: El caudal del Río Orinoco en
Ciudad Bolívar ocurrido durante el día de hoy tiene una alta
dependencia con el caudal ocurrido durante el día de ayer.
Este tipo de dependencia también se produce a nivel espacial, por
ejemplo, las tormentas presentan una estructura de correlación
espacial que puede ser muy importante.
ANÁLISIS DE LAS SERIES HISTÓRICAS DE CAUDALES
El caudal es un valor referido a un instante (m
3
/s). En las series históricas de
caudales se expresa como un valor medio, relativo a un determinado tiempo (día,
mes, año, periodo de años):
• Caudal medio diario: Valor promedio de los caudales instantáneos de
cada día (para cada día).
• Caudal medio mensual: Valor promedio de los 30/31 caudales
medios diarios (para cada mes).
• Caudal medio anual: Valores promedio de los 12 caudales medios
mensuales (para cada año).
• Caudal mensual medio: Valor promedio de los caudales medios
mensuales, para un periodo consecutivo de años.
• Caudal anual medio: Valor promedio de los caudales medios anuales,
para un periodo consecutivo de años.
ANÁLISIS DE LAS SERIES HISTÓRICAS DE CAUDALES
- Caudal máximo instantáneo: Es el valor máximo de caudal
registrado, que puede referirse a cada mes, o al año
correspondiente. (Para su registro se necesitan mediciones continuas
(limnígrafos))
- Caudal máximo diario: Es el valor máximo de los caudales medios
diarios, que puede referirse a cada mes, o al año correspondiente.
(Se puede registrar con mediciones una por día (limnímetros)).
- Caudales mínimos: Se refieren a los valores mínimos de caudales,
instantáneo o diario, pudiendo referirse a valores mensuales o del
año. (A menudo estos caudales mínimos se refieren al valor medio de un
número consecutivo de días)
Organización de los datos - Distribución de Frecuencias
Es necesario hacer un ordenamiento de los datos hidrológicos recolectados para
así obtener una mejor visualización de los mismos. Cuando se efectúa este
sumario, los datos se distribuyen en clases, las cuales están definidas por un
limite superior y uno inferior.
Para formar una distribución de frecuencias se procede de la siguiente manera:
1.- Se determina el valor máximo y el mínimo, por lo tanto el rango de los datos
2.- Se divide el rango en un numero conveniente de intervalos de clase
3.- Se determina el numero de observaciones que ocurre dentro de cada
intervalo, lo que constituye la frecuencia
4.- Para obtener la distribución relativa de frecuencias, la frecuencia de cada clase
se divide por la frecuencia de todas las clases y se expresa como un
porcentaje.
Funciones de Frecuencia
Si las observaciones de una muestra están idénticamente distribuidas,
estas se pueden ordenar en histogramas de frecuencias. Para su
construcción se divide el rango de valores en intervalos (Ax),
seleccionando un delta pequeño, pero de forma tal, que cada intervalo
contenga información.
Histogramas de Frecuencia
Polígonos de frecuencia: Se obtiene uniendo los puntos medios de los topes
de los rectángulos del histograma de frecuencias, resultando así un grafico
de los puntos intermedios de las clases contra su frecuencia
Medidas de la tendencia central
La medida de la tendencia central es un valor que trata de situarse en el
punto medio de un conjunto ordenado de datos.
Las principales medidas de la tendencia central son:
1.- La media aritmética
¿
=
=
n
i
i
x
n
x
1
1
2.- La mediana de un conjunto de números ordenados según su magnitud,
es el valor central, o la media aritmética de los dos valores centrales.
Geométricamente, es el valor de la abscisa que corresponde a la vertical
que divide al histograma en dos áreas iguales.
3.- El modo de un conjunto de valores es aquel que ocurre con mas
frecuencia
Correlación y regresión con aplicaciones en Hidrologìa
La correlacion y la regresión tienen diversas aplicaciones en hidrología, entre
otras, la extensión de registros cortos, la estimación de datos faltantes, la
regionalización de la información hidrológica y el diseño de redes
hidrometeorologicas.
Correlacion
La correlación se define como la asociación entre dos o más variables aleatorias,
que explica solo parcialmente la variación total de una variable por la variación
de otras variables aleatorias involucradas en la ecuación de asociación.
La parte de la variación total que queda sin explicar, o sea, la variación no
explicada, se debe a errores o a otras variables aleatorias que no han sido
tomadas en cuenta en la correlación.
Interpretación
El valor del índice de correlación varía en el intervalo [-1,1]:
• Si r = 1, existe una correlación positiva perfecta. El índice indica una
dependencia total entre las dos variables denominada relación directa:
cuando una de ellas aumenta, la otra también lo hace en proporción
constante.
• Si 0 < r < 1, existe una correlación positiva.
• Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que
las variables son independientes: pueden existir todavía relaciones no
lineales entre las dos variables.
• Si -1 < r < 0, existe una correlación negativa.
• Si r = -1, existe una correlación negativa perfecta.
El índice indica una dependencia total entre las dos variables
llamada relación inversa: cuando una de ellas aumenta, la otra
disminuye en proporción constante.
Tratamiento probabilístico de los datos hidrológicos
El comportamiento de una variable aleatoria X sólo se puede describir a
través de una distribución de probabilidades.
De esta manera se puede estimar la posibilidad que un valor de la variable
se encuentre en un determinado rango.
Notación:
X mayúscula: variable aleatoria
x minúscula: un determinado valor de la variable.
P(X|x) : Probabilidad que el valor de la variable X sea menor o
igual a x.
Ejemplo, X: Lluvia en Macagua durante el mes de mayo. x = 100 mm.
P(X|x) : Probabilidad que la precipitación mensual durante el mes de
mayo, en Macagua, sea igual o menor a 100 mm.
P(50 | X| 100): Probabilidad que la precipitación en el mes de mayo, en
Macagua, se ubique entre 50 y 100 mm.
Tratamiento probabilístico de los datos hidrológicos
Pasado sin datos (?) Pasado con datos Futuro (?)
Muestra
Población
t
P(t)
El conjunto de observaciones x
1
, x
2
,….. x
n
; de una variable aleatoria X, se
denomina muestra. Se supone que las muestras se toman de una población
infinita, en el caso de variables hidroclimáticas, con propiedades ó parámetros
invariables en el tiempo.
Hoy
Tratamiento probabilístico de los datos hidrológicos
El conjunto de todas las muestras posibles que pueden extraerse de una
población se conoce como el espacio muestral.
Un evento es un subconjunto del espacio muestral

Espacio Muestral
Espacio Muestral del proceso de precipitación : [0,:)
Espacio Muestral del lanzamiento de una moneda : Cara y Sello.
Espacio Muestral del lanzamiento de un dado : 1, 2, 3, 4, 5 y 6.
Evento: Es un subconjunto del espacio muestral. Ejemplos:
• Que ocurra una lluvia < 30 mm
• Que salga cara
• Que sea un número impar
Diagramas de VENN
∩ Intersección
U Union

Definición de probabilidad de un evento
La probabilidad de un evento A, P(A), es la posibilidad que este ocurra cuando se
efectúa una observación de la variable aleatoria.
Si se dispone de “n” observaciones ó datos de lluvias diarias en la estación
Arekuna, cuenca del río Caroní, durante el mes de Mayo, de los cuales n
A
tienen
valores iguales o menores a 40 mm (Evento A); entonces la P(A), se puede estimar
utilizando la frecuencia relativa:
Cuando n → :, se tiene la estimación de P(A)
n
n
A P
A
n · ÷
= lim ) (
n
n
F
A
r
=
A1
A2
Am
A
Ā
1 ) ( ) ( ) ( ) (
2 1
= O = + + P A P A P A P
m

) ( 1 ) ( A P A P ÷ =
) (
) (
) | (
A P
B A P
A B P
·
=
) ( ) ( ) ( B P A P B A P = ·
Principios de probabilidades de eventos
i) Probabilidad Total
ii) Complementaridad
iii) Probabilidad Condicional:
Supongamos que tenemos dos
eventos A y B. A∩B significa
que A y B ocurran simultánea-
mente. Se define P(B/A): La
probabilidad que ocurra B
dado que Aya ocurrió.
Independencia :
) (
) (
) | (
A P
B A P
A B P
·
=
) ( ) ( ) ( B P A P B A P = ·
Principios de probabilidades de eventos
iii) Probabilidad Condicional:
Supongamos que tenemos dos
eventos A y B. A∩B significa
que A y B ocurran simultánea-
mente. Se define P(B/A): La
probabilidad que ocurra B
dado que Aya ocurrió.
Independencia :

Si la ocurrencia de B no depende de la ocurrencia de A se dice que los
eventos son independientes
El evento A podría ser que la precipitación de este año sea menor que
2500 mm y el evento B que la precipitación del próximo año sea
menor que 2500 mm
Ejemplo 11.1.1
Utilizando la información descrita en la Tabla 11.1.1, estime
• P(X|35”) = Probabilidad que la precipitación sea menor que 35”
• P(X>45”) = Probabilidad que la precipitación sea mayor que 45”
• P(35”|X|45”).
Ejemplo 11.1.1
) 0 . 45 ( ) 0 . 35 ( 1 ) 0 . 45 0 . 35 ( > ÷ < ÷ = s s R P R P in R P 275 . 0 333 . 0 1 ÷ ÷ =
2
) 333 . 0 ( =
n= 1979-1911+1= 69
• P(X|35”) = 23/69 = 0.333
• P(X>45”) = 19/69 = 0.275
• P(35”|X|45”).
275 . 0 333 . 0 1 ÷ ÷ =
) 0 . 45 ( ) 0 . 35 ( 1 ) 0 . 45 0 . 35 ( > ÷ < ÷ = s s R P R P in R P
392 . 0 =
Ejemplo 11.1.2
) 0 . 45 ( ) 0 . 35 ( 1 ) 0 . 45 0 . 35 ( > ÷ < ÷ = s s R P R P in R P 275 . 0 333 . 0 1 ÷ ÷ =
( ) ( ) | |
2
0 . 35 in R P C P < =
Suponiendo que el proceso de la Tabla 11.1.1, es indepen-
diente, estime la probabilidad que en dos años sucesivos
ocurran menos de 35” (Evento C).
=
Observando la Tabla 11.1.1, se tiene que existen nueve
pares de valores que corresponden al evento C, n
c
=9.
2
) 333 . 0 ( =
111 . 0 132 . 0
68
9
) ( ~ = = =
n
n
C P
C
111 . 0
( ) ( ) | |
2
0 . 35 in R P C P < =
Si las funciones de una muestra están idénticamente distribuidas (cada valor de la
muestra extraído de la misma distribución de probabilidad) estas pueden
ordenarse para formar un histograma de frecuencia.
Si el numero de observaciones n
i
en el intervalo i, se divide por el numero total de
observaciones n, el resultado se conoce como la función de frecuencia
relativa
La suma de los valores de las frecuencias relativas hasta un punto dado es la
función de frecuencia acumulada
Funciones de Frecuencia y de Probabilidad
La función de Frecuencia Relativa, f
s
(x
i
) se obtiene dividiendo el número
de observaciones, n
i
, que contiene el intervalo [x
i
-Ax, x
i
], entre el número
total de observaciones, n.
La cual representa P[x
i
-Ax | X | x
i
]. La suma de los valores de las
frecuencias relativas hasta un intervalo (clase) dado, representa la
Función de Frecuencia Acumulada, F
s
(x).
Esta función representa P[X | x
i
]. Las funciones de frecuencia relativa y
acumulada, están definidas para una muestra, las funciones
correspondientes a la población se obtienen a través de los límites,
cuando n → : y Ax → 0.
Funciones de Frecuencia
n
n
x f
i
i s
= ) (
¿
=
=
i
j
j s i s
x f x F
1
) ( ) (
·
Distribuciones de
Frecuencia y de
Probabilidad
La función de frecuencia
acumulada se convierte en la
función de distribución de
probabilidad F(X) cuya
derivada es la función de
densidad de probabilidad
Las funciones de frecuencia relativa, frecuencia acumulada y distribución de
probabilidad son todas adimensionales y varían en el rango (0,1).
Sin embargo, como dF(X) es adimensional y dX tiene dimensiones de X, la
función de densidad de probabilidad f(x) = dF(x)/dx tiene dimensiones de (X)
-
1
y varía en el rango (0, )
·
Una de las funciones de densidad de probabilidad mas conocidas es la curva
en forma de campana de la distribución normal
La función de densidad de probabilidad, de una variable aleatoria continua
es una función, usualmente denominada f(x) que describe la densidad de la
probabilidad en cada punto del espacio de tal manera que la probabilidad de
que la variable aleatoria tome un valor dentro de un determinado conjunto sea
la integral de la función de densidad sobre dicho conjunto.
Medidas de la dispersión
Se denomina dispersión el grado con que los valores de las muestras tratan
de dispersarse alrededor del valor medio.
Existen varias formas de expresar el grado de dispersión, entre ellas las mas
usadas son:
1.- Rango: es la diferencia entre el valor máximo y el mínimo
2.- La desviación típica
3.- El coeficiente de variación
¿
=
÷
÷
=
n
i
i
x x
n
s
1
2
) (
1
1
X
S
CV =
( S
2
= Varianza )
Parámetros y
Estadísticos
El objetivo de la estadística
es extraer la información
esencial de un conjunto de
datos, reduciendo un
conjunto grande de
números a un conjunto
pequeño de números.
Los estadísticos son
números calculados de una
muestra los cuales resumen
sus características mas
importantes .
Los parámetros estadísticos
son características de una
población.
La distribución normal fue reconocida por primera vez por el francés Abraham
de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855)
elaboró desarrollos más profundos y formuló la ecuación de la curva; de ahí que
también se la conozca, más comúnmente, como la "campana de Gauss".
La distribución de una variable normal está completamente determinada por
dos parámetros, su media y su desviación estándar. Con esta notación, la
densidad de la normal viene dada por la ecuación:
Distribución Normal
Una de las funciones de densidad de probabilidades más conocidas es la
Distribución Normal:
Donde, μ y σ, son los parámetros de la distribución.
Esta distribución se puede simplificar definiendo la variable normal
estándar, z, obteniéndose la Distribución Normal Estándar, la cual se
caracteriza por tener media igual cero y desviación estándar unitaria:
Distribución Normal
(
¸
(

¸

÷
÷ =
2
2
2
) (
exp
2
1
) (
o
µ
to
x
x f
o
µ ÷
=
x
z
2 /
2
2
1
) (
z
e z f
÷
=
t
Propiedades de la distribución normal
1.- Tiene una única moda, que coincide con su media y su mediana. La curva
normal es asintótica al eje de abscisas. El área total bajo la curva es, por
tanto, igual a 1.
2.- Es simétrica con respecto a su media . Según esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato mayor
que la media, y un 50% de observar un dato menor.
3.- La distancia entre la línea trazada en la media y el punto de inflexión de la
curva es igual a una desviación típica (). Cuanto mayor sea , más aplanada
será la curva de la densidad.
4.- El área bajo la curva comprendido entre los valores situados
aproximadamente a dos desviaciones estándar de la media es igual a
0.95. En concreto, existe un 95% de posibilidades de observar un valor
comprendido en el intervalo .
Distribución Normal Estándar
La Función de Distribución Normal Estándar, se obtiene según la
ecuación:
Esta ecuación no tiene solución analítica. Sus valores se tabulan en la
Tabla 11.2.1, y pueden aproximarse mediante el siguiente polinomio:
Donde, |z| representa el valor absoluto de z, y el valor de la distribución
normal estándar se obtiene de la siguiente forma:
El error de estimación de F(z), utilizando el polinomio, es < 0.00025
Distribución Normal Estándar
}
· ÷
÷
=
z
u
du e z F
2 /
2
2
1
) (
t
| |
4
4 3 2
| | 019527 . 0 | | 000344 . 0 | | 115194 . 0 | | 196854 . 0 1
2
1 ÷
+ + + ÷ = z z z z B
B z F = ) (
0 < z
0 > z B ÷ =1
Para
Para
Ejemplo 11.2.1
• P(Z|-2) = F(-2), |z| = |-2| = 2
F (-2) = B = 0.023
• P(Z|1) = F(1), |z| = |1| = 1, B = 0.159
F(1) = 1 – B = 0.841
• P(-2| Z|1) = F(1) – F(-2)
= 0.841 – 0.023
= 0.818
Distribución Normal Estándar
|
2
) 2 ( 115194 . 0 2 196854 . 0 1
2
1
× + × + = B |
4
4 3
) 2 ( 019527 . 0 ) 2 ( 000344 . 0
÷
× + × +
Río Paraguay en Asunción
Histograma de Frecuencias Absolutas y
Relativas. Función de Frecuencia Acumulada
0
2
4
6
8
10
12
14
16
18
20
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
2
5
0
0
3
0
0
0
3
5
0
0
4
0
0
0
4
5
0
0
5
0
0
0
5
5
0
0
6
0
0
0
6
5
0
0
7
0
0
0
7
5
0
0
y

m
a
y
o
r
.
.
.
Clase
F
r
e
c
u
e
n
c
i
a
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
100.00%
Frecuencia % acumulado
Río Paraguay en Asunción
Ajuste de la Función de Distribución Normal
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
0 1000 2000 3000 4000 5000 6000 7000 8000
Caudal (m3/s)
P
[
X
<
x
]
Función de Distribución Normal Datos Históricos
Año Precipitación Orden X F(x) Fs(X)
1957 1303.0 1 912.9 0.03829 0.022727
1958 1412.0 2 1033.1 0.10071 0.045455
1959 1579.0 3 1033.8 0.10122 0.068182
1960 1307.0 4 1047.2 0.11130 0.090909
1961 1339.0 5 1047.3 0.11138 0.113636
1962 1301.0 6 1076.2 0.13554 0.136364
1963 1592.1 7 1083.1 0.14180 0.159091
1964 1083.1 8 1090.8 0.14902 0.181818
1965 1405.8 9 1092.1 0.15026 0.204545
1966 1331.8 10 1093.7 0.15180 0.227273
1967 1090.8 11 1104.3 0.16226 0.250000
1968 1033.8 12 1168.0 0.23462 0.272727
1969 1733.6 13 1191.8 0.26565 0.295455
1970 1620.9 14 1192.4 0.26646 0.318182
1971 1047.3 15 1215.1 0.29793 0.340909
1972 1168.0 16 1249.7 0.34888 0.363636
1973 1249.7 17 1256.6 0.35942 0.386364
1974 1047.2 18 1260.3 0.36511 0.409091
1975 1445.8 19 1294.5 0.41901 0.431818
1976 1338.1 20 1301.0 0.42946 0.454545
1977 1192.4 21 1303.0 0.43269 0.477273
1978 1658.0 22 1307.0 0.43915 0.500000
1979 1705.0 23 1322.4 0.46418 0.522727
1980 1294.5 24 1331.8 0.47954 0.545455
1981 1611.8 25 1338.1 0.48985 0.568182
1982 1322.4 26 1339.0 0.49132 0.590909
1983 1508.1 27 1341.3 0.49509 0.613636
1984 1341.3 28 1405.8 0.59966 0.636364
1985 1076.2 29 1412.0 0.60946 0.659091
1986 1093.7 30 1445.8 0.66154 0.681818
1987 1466.8 31 1466.8 0.69247 0.704545
1988 1664.3 32 1508.1 0.74934 0.727273
1989 912.9 33 1579.0 0.83234 0.750000
1990 1215.1 34 1592.1 0.84548 0.772727
1991 1867.8 35 1611.8 0.86392 0.795455
1992 1260.3 36 1620.9 0.87191 0.818182
1993 1104.3 37 1658.0 0.90109 0.840909
1994 1033.1 38 1664.3 0.90551 0.863636
1995 1092.1 39 1702.0 0.92900 0.886364
1996 1191.8 40 1705.0 0.93066 0.909091
1997 1702.0 41 1733.6 0.94499 0.931818
1998 1806.2 42 1806.2 0.97103 0.954545
1999 1256.6 43 1867.8 0.98418 0.977273
MEDIA 1344.3
DESV. ESTAND. 243.6
ASIMETRIA 0.39
Ajuste de la Distribución
Normal a los totales
anuales de precipitación,
registrados en la Estación
Caserío Morita, Estado
Barinas
o
µ ÷
=
x
z
2 /
2
2
1
) (
z
e z f
÷
=
t
Totales anuales de precipitación
Estación Caserío Morita, Edo. Barinas
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
800 1000 1200 1400 1600 1800 2000
Precipitación total anual en mm
F
u
n
c
i
ó
n

d
e

d
i
s
t
r
i
b
u
c
i
ó
n

d
e

p
r
o
b
a
b
i
l
i
d
a
d
Dist. Normal Datos históricos
Varianza y Asimetría
Ejemplo 11.3.1
¿
=
=
n
i
i
x
n
x
1
1
10
7 . 401
=
Usando los datos de la Tabla 11.3.2, estime la media, la desviación estándar
y el coeficiente de asimetría
in 17 . 40 =
¿
=
÷
÷
=
n
i
i
x x
n
s
1
2 2
) (
1
1
9
9 . 1016
=
2
0 . 113 in =
2 / 1
) 0 . 113 ( = s
in 63 . 10 =
3
1
3
) 2 )( 1 (
) (
s n n
x x n
C
n
i
i
s
÷ ÷
÷
=
¿
=
3
) 63 . 10 ( 8 9
3 . 6480 10
× ×
×
= 749 . 0 =
Distribuciones de Probabilidades utilizadas en hidrología
Distribuciones de Probabilidades utilizadas en
hidrología
Periodo de Retorno
En los cálculos hidrológicos en muchas ocasiones no interesa conocer la
distribución de los valores, sino mas bien el período de tiempo que debe
transcurrir para que un evento iguale o exceda una magnitud dada o para
que sea menor al de esa magnitud.
Rio Burate en las Mesitas, Trujillo, julio 2008
Frecuencia
Es el numero de veces que un evento (precipitación, creciente, etc) de una
magnitud especificada es igualado o superado en un periodo determinado.
Periodo de retorno Tr
Periodo de retorno o intervalo de ocurrencia, es el intervalo promedio, en años,
entre acontecimientos, que igualan o exceden una magnitud dada.
Periodo de Retorno
Una P = 60 mm/h y una frecuencia de una vez con un periodo de retorno de
15 años , significa que una precipitación de 60 mm/h será igualada o excedida,
una vez, en promedio, cada 15 años; que es de esperar que sea igualada o
excedida 2 veces en 30 años; 3 veces en 45 años, etc.
Período de Retorno
Un evento extremo ocurre cuando la variable aleatoria Q
m
supera un determinado
umbral Q
Tr.
Definiendo la variable t, como el intervalo de recurrencia entre eventos
donde Q
m
|Q
Tr
, el Período de Retorno de este tipo de eventos será el valor
esperado de t, E(t).
La figura 12.1.1, muestra las descargas máximas del río Guadalupe en Texas,
USA, para el período 1935-1978. Si se define el umbral Q
T
= 50000 cfs, se observa
que durante este período dicho umbral ha sido superado nueve (9) veces; con
intervalos de recurrencia que varían entre 1 y 16 años.
El Período de Retorno, T, de este evento [ Q≥ 50000 cfs], representa el valor
esperado (promedio) de la variable t, tomado sobre un gran número de
ocurrencias.
En el caso del río Guadalupe, existen ocho intervalos de recurrencia durante un
período de 41 años, entre la primera y última ocurrencia. Por lo tanto, el
período de retorno de dicho evento será:
T = 41 años / 8 ocurrencias = 5.1 años
De esta forma el período de retorno representa el período de recurrencia
promedio entre eventos que igualan o exceden la magnitud del umbral
considerado.
Período de Retorno
Serie de caudales máximos anuales del río Guadalupe
Por otra parte, si no se vuelve al nivel de flujo base entre las dos máximas, las
crecidas no son eventos independientes, porque la primera afectó a la
segunda.
Es decir, dos caudales máximos
por encima del nivel de
inundación representan
crecidas independientes sólo si
entre los dos eventos el caudal
había regresado
completamente al nivel de flujo
base.
El análisis de frecuencia de crecidas exige que los datos sean independientes y
homogéneos. El requisito de independencia implica que las crecidas deben
ocurrir de forma individual, sin afectarse mutuamente.
Serie de caudales máximos anuales del río Guadalupe
Serie de caudales máximos anuales del río Guadalupe
Período de Retorno
Si la probabilidad de ocurrencia de este evento se denota como p,
p=P[Q
m
| Q
Tr
] y sabiendo, que la distribución de probabilidades de un
intervalo de recurrencia de duración t es Binomial, ya que cada año se
tienen dos posibles resultados, que son éxito Q
m
| Q
Tr
o falla Q
m
<Q
Tr
.
) (
T
x X P p > =
La probabilidad de ocurrencia del evento
T
x X >
En cualquier observación puede relacionarse con el Periodo de Retorno en
la siguiente forma: Para cada observación existen dos resultados posibles
ya sea éxito o falla.
¿
·
=
÷
÷ =
1
1
) 1 ( ) (
t
t
t t p p E
 + ÷ + ÷ + ÷ + = p p p p p p p
3 2
) 1 ( 4 ) 1 ( 3 ) 1 ( 2
( ) ( ) ( ) | |  + ÷ + ÷ + ÷ + =
3 2
1 4 1 3 1 2 1 p p p p
( ) | |
2
1 1
) (
p
p
E
÷ ÷
= t
p
1
=
T
x X P
T
1
) ( = >
Debido a que las observaciones son independientes, la probabilidad
de un intervalo de recurrencia de duración t es el producto de las
probabilidades de t-1 fallas seguidas por un éxito, es decir :
p p
1
) 1 (
÷
÷
t
Y el valor esperado esta dado por:
T =
) (
T
x X P p > =
Período de Retorno
En el caso del ejemplo del río Guadalupe,
p = P[Q≥50000 cfs] = 1 / 5.1 años = 0.195
T
x X P
T
1
) ( = >
Periodo de retorno Tr
Periodo de retorno o intervalo de ocurrencia, es el intervalo promedio, en
años, entre acontecimientos, que igualan o exceden una magnitud dada.
¿Cuál es la probabilidad que un evento de T años de período de
retorno ocurra por lo menos una vez los próximos N años?
P[X < x
T
cada año durante N años] = (1-p)
N
Usando el principio de la complementariedad,
P[X ≥ x
T
por lo menos una vez en N años] = 1 - (1-p)
N
Dado que p = 1 / T
P[X ≥ x
T
por lo menos una vez en N años] = 1 - ( 1- ( 1 / T))
N
Ejemplo 12.1.1.- Estime la probabilidad que el río Guadalupe tenga un
caudal máximo anual que exceda los 50000 cfs, por lo menos una vez
los próximos tres (3) años.
Sabemos que P[Q ≥ 50000 cfs] = 0.195, por lo tanto,
P[Q ≥ 50000 cfs, por lo menos una vez los próximos 3 años] = (1-(1-0.195)
3
= 0.48
P[X ≥ x
T
por lo menos una vez en N años] = 1 - ( 1- ( 1 / T))
N
P[X ≥ x
T
por lo menos una vez en N años] = 1 - (1-p)
N
Período de Retorno
Un concepto equivocado común es que una tormenta de
25 años siempre produce una creciente de 25 años.
Período de Retorno
Graficas de Probabilidad - Ajuste de Distribuciones
Como una verificación de que la distribución de probabilidad se ajusta a un
conjunto de datos hidrológicos, estos pueden graficarse en un papel de
probabilidad diseñado especialmente o utilizando una escala de graficación
que linealice la función de distribución.
Luego los datos graficados se ajustan por medio de una línea recta con
propósitos de interpolación y extrapolación.
Papel de probabilidad
La probabilidad acumulada de una distribución teórica puede representarse
gráficamente en un papel de probabilidad diseñado para la distribución.
En uno de estos papeles las ordenadas representan el valor de x en una cierta
escala y las accisas representan la probabilidad, el periodo de retorno T o la
variable reducida “y”.
Las escalas para las ordenadas y las abcisas estan diseñadas de tal manera
que se espera que los datos que van a ser ajustados aparezcan cercanos a
una línea recta
Posición de graficación
Una posición de graficacion se refiere al valor de la probabilidad asignada a
cada uno de los datos que van a graficarse.
Se han propuesto numerosos métodos para la determinación de las posiciones
de graficacion, la mayoría de los cuales son empiricos.
Si “n” es el numero total de los valores que van a ser graficados y m es la
posicion de un valor en una lista ordenada por magnitud descendente, la
probabilidad de excedencia del e-mesimo valor mayor Xm es para un “m”
grande:
P[X ≥ x
T
] = m/n
Estimación de la frecuencia de la lluvia a partir de una
serie de datos medidos – Método Grafico
1.- Se seleccionan las precipitaciones máximas para diferentes duraciones
de una estación de lluvia. Tabla V-5
2.- Los datos así obtenidos se ordenan de mayor a menor. Se le asigna el
no de orden 1 al valor mayor, 2 al que le sigue, etc. Tabla V-6
3.- Se calcula el periodo de retorno Tr a cada uno de los valores ordenados
mediante la formula siguiente:
m
n
Tr
1 +
=
4.- Se plotea en papel de probabilidades extremas de Gumbel, cada una de las
precipitaciones contra su periodo de retorno Tr calculado
5.- Se traza una línea recta de ajuste a través de los puntos ploteados
Formula de W. Weibull
n = No de años de observación
m = No de orden del termino de serie
En ocasiones en el grafico de probabilidades extremas es preferible utilizar la
escala de las probabilidades de no ocurrencia y se hace una conversión de los
Tr mediante la expresión:
100 )
1
1 ( x
Tr
q ÷ =
6.- Con la curva de frecuencia de precipitaciones obtenida, se puede determinar la
precipitación máxima, de la duración que se requiera, para un periodo de
retorno Tr que se desee al extrapolar la recta:
Análisis de intensidad – duración – periodo de retorno
Con este método se obtiene en una estación la intensidad de precipitación
correspondiente a una duración y periodo de retorno dado.
Del análisis de los pluviogramas se construyen curvas llamadas de
intensidad-duración-periodo de retorno.
1.- Se analizan las lluvias de mayor intensidad de todo el
periodo de registro y se seleccionan las laminas
maximas precipitadas para diferentes duraciones.
Tabla V-5
2.- Este análisis se hace leyendo los totales de lluvia
registrada en el pluviograma para 5, 10, 15 min, etc.
Tambien se hacen lecturas para las duraciones 1, 3,
6, 9, 12 y 24 horas
3.- Los datos obtenidos en la tabla V-5 se reagrupan en orden decreciente según
su magnitud y se les asigna un número de orden para calcular el
correspondiente Tr y la probabilidad de no ocurrencia
m
n
Tr
1 +
=
100 )
1
1 ( x
Tr
q ÷ =
Formula de
W. Weibull
4.- De acuerdo a las duraciones seleccionadas se pasan los datos de
precipitaciones de la tabla V-6 a intensidades máximas de precipitaciones
(mm/h) como se indica en la siguiente tabla (Tabla V-7)
Ejem.
6
102
0 . 17 =
5.- Se traslada la información de la tabla anterior (Tabla V-7) al papel de
probabilidades extremas de Gumbel y se obtiene la siguiente curva
Las curvas que relacionan precipitaciones, intensidad–duración–periodo de
retorno se pueden construir en distintos tipos de papel como los indicados.
También pueden trazarse en papel semilogaritmico y doble logaritmico log log
Se tiene un fábrica ubicada en la margen de un río. El edificio está
protegido para la eventualidad de un caudal máximo de 900 unidades de
flujo. Exceder el nivel de 900 unidades de flujo provocaría graves daños a la
mercancía, con repercusiones muy graves para su negocio.
Dado un historial de 30 años, el trazado de serie anual muestra que el
período de retorno de 900 unidades de flujo es de _____. 50 años
• El análisis de frecuencia de crecidas brinda información sobre el
potencial estadístico de que se produzca una crecida.
• El período de retorno expresa un período (por ejemplo, la avenida de
100 años) que es la duración estadística media entre crecidas de cierta
magnitud. Cuanto mayor el período de retorno, tanto mayor la crecida.
• La probabilidad de excedencia o de ocurrencia para un año en
particular es el inverso del período de retorno. Por lo tanto, la
probabilidad de excedencia de una avenida de 100 años sería de
1/100, o del 1 %.
Descripción general del análisis de frecuencia de crecidas
• La avenidas, sin embargo, no ocurren a intervalos uniformes. Por tanto,
una avenida de 100 años no ocurre necesariamente una sola vez en un
período de 100 años.
• Una crecida de determinado período de retorno no es necesariamente el
producto de un aguacero que tiene el mismo período de retorno. Es decir,
un aguacero de 25 años no produce necesariamente una avenida de 25
años.
Existen dos aplicaciones del análisis de frecuencia de crecidas:
1. Estimar la magnitud potencial de la crecida que puede ocurrir en un
intervalo de tiempo dado.
2. Estimar el período de retorno de una crecida de cierta magnitud.
Método para estimar la
frecuencia de valores extremos
Para ciertos sucesos extremos como picos de crecientes y precipitaciones no
hay un limite físico, siempre habrá la posibilidad de esperar un suceso
mayor.
El estudio de eventos hidrológicos extremos incluye la selección de una
secuencia de observaciones máximas o mínimas de conjunto de datos.
Por ejemplo, el estudio de los caudales picos en una estación
hidrométrica utiliza solamente el máximo caudal registrado cada año,
entre los muchos miles de valores registrados.
Método para estimar la
frecuencia de valores extremos
E.J. Gumbel propuso que la probabilidad P de la ocurrencia de un valor
igual o mayor que cualquier valor X se expresa como:
y
e
e p
÷
÷
÷ =1
e = base de los logaritmos neperianos
y = Variable reducida la cual para una muestra grande es igual a
) 4505 . 0 (
7797 . 0
1
x x x
x
y o
o
+ ÷ =
Método para estimar la frecuencia de
valores extremos (cont.-/1)
y
e
e q
÷
÷
=
q = probabilidad de no ocurrencia
y
e
e p
÷
÷
÷ =1
p = probabilidad de ocurrencia de un valor igual o
mayor
X = es la magnitud del suceso con la probabilidad p
X = es el promedio aritmético de la serie de los sucesos observados
y = variable reducida
) 4505 . 0 (
7797 . 0
1
x x x
x
y o
o
+ ÷ =
x o
= desviación estandar de los datos observados
1 = +q p
p q ÷ =1
Método para estimar la frecuencia de
valores extremos (cont.-/2)
x
n
yn y
x x o
o
) (
÷
+ =
La ecuación anterior se deduce de una muestra infinitamente grande y no
es aplicable cuando interese buscar periodos de retorno a partir de
muestras limitadas. En tales casos se recomienda utilizar la ecuación
siguiente la cual da resultados muy similares a medida que crece la serie
O también: x k x x o + =
n
yn y
k
o
÷
=
siendo
Y = variable reducida en función de Tr (Tabla V-1)
Yn = la media de la variable reducida (Tabla V-2)
= desviación típica de la variable reducida (Tabla V-3)
n o
X indica el valor del suceso extremo (precipitacion,
creciente, etc.) alcanzado o excedido, en promedio, una
vez para un Tr
Método para estimar la frecuencia de
valores extremos (cont.-/3)
n
yn y
k
o
÷
=
x
n
yn y
x x o
o
) (
÷
+ =
X indica el valor del suceso
extremo (precipitacion, creciente,
etc.) alcanzado o excedido, en
promedio, una vez para un Tr
n = numero de años de observación
Año 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
P (mm) 17.1 14.0 19.5 24.0 16.1 12.7 18.3 21.4 15.2 19.5 21.2 14.2
Ejem. Dadas las precipitaciones máximas anuales de 15 minutos de
duración que se muestran en la siguiente tabla, determinar:
a.- La precipitación máxima para la misma duración correspondiente a
un periodo de retorno de 20 años.
b.- La probabilidad de no ocurrencia de una intensidad de lluvia de 100
mm/h para la misma duración.
x
n
yn y
x x o
o
) (
÷
+ =
n
yn y
k
o
÷
=
n = 12 años de observación Yn = 0.5035
n
yn y
k
o
÷
=
9833 , 0 = n o
Tr = 20 años
Y = 2,970
5033 , 2
9833 , 0
5035 , 0 970 , 2
=
÷
= k x
n
yn y
x x o
o
) (
÷
+ =
¿
=
=
n
i
i
x
n
x
1
1
67 , 17
12
2 , 213
= = X
4710 , 3
1 12
53 , 132
) (
1
1
1
2
=
÷
= ÷
÷
=
¿
=
n
i
i
x x
n
x o
mm x 47 , 26 4710 , 3 ) 5083 , 2 ( 67 , 17 = + =
y
e
e q
÷
÷
=
q = probabilidad de no ocurrencia
y
e
e p
÷
÷
÷ =1
p = probabilidad de ocurrencia de un valor igual o
mayor
I= 100 mm/h D = 15 min = 0.25 h X = 25 mm
n
yn y
k
o
÷
=
x
n
yn y
x x o
o
) (
÷
+ =
67 , 17 = X
4710 , 3 = x o
1117 , 2
47 . 3
67 . 17 25
=
÷
= k
5799 . 2 9833 . 0 1117 . 2 5035 . 0 = + = + = x n k yn y o
93 . 0
5799 . 2
= = =
÷ ÷
÷ ÷ e e
e e q
y
Estimación de Gastos Pico - Método Racional
Asume que la máxima tasa de escurrimiento en una cuenca pequeña ocurre
cuando toda la cuenca está contribuyendo, y que esta tasa de
escurrimiento es igual a un porcentaje C de la tasa promedio de lluvia.
A I C Q x x =
Q = caudal
C = Coeficiente de escorrentía
I = Intensidad de precipitación
correspondiente al tiempo
de concentración
A = área de la cuenca
ha A 500 s
La formula racional esta basada en ciertas hipótesis:
1.- El escurrimiento resultante de cualquier intensidad de lluvia I es un máximo
cuando esa intensidad de lluvia dura, al menos, tanto como el tiempo de
concentración Tc.
2.- El escurrimiento resultante de una intensidad de lluvia, con duración igual o
mayor que el Tc, es una fracción de la precipitación.
3.- La frecuencia de la máxima descarga Q es la misma que la de la intensidad
de lluvia I para el Tc dado.
4.- El coeficiente de escorrentia C es el mismo para lluvias de diferentes
frecuencias.
5.- El coeficiente de escorrentía es el mismo para todas las lluvias en una
cuenca dada.
A I C Q x x =
La aplicación de la formula racional requiere del conocimiento de un
coeficiente de escorrentía C, del tiempo de concentración Tc, de la intensidad
de la lluvia correspondiente I y del área de la cuenca a drenar
“No considera variaciones de la intensidad de la lluvia en el área
durante todo el tiempo de concentración”
En áreas urbanas, el área de drenaje usualmente esta compuesta de subareas
o subcuencas de diferentes características superficiales, como resultado se
requiere un análisis compuesto que tenga en cuenta las diferentes
características superficiales
¿
=
=
n
i
i iA C I Q
1
360
A I C
Q
x x
=
Unidades de medida
Q = m
3
/s
I = mm/h
A = ha
A I C Q x x =
Q = l/s
I = l/s/ha
A = ha
mm/h x 2.78 = l/s/ha
I se calcula mediante la curva de intensidad-duracion-periodo de retorno,
preferiblemente o mediante la siguiente formula:
55 . 0
25 . 9
÷
= Tc i I x x
i = Intensidad maxima horaria para un Tr
considerado en mm/h
Tc= Tiempo de concentración en minutos
Determinar el caudal máximo para Tr= 50 años de una cuenca que se
muestra, sabiendo que longitud del cauce 1.15 km, área de la cuenca 70 ha
y coeficiente de escurrimiento 0,40. Para la estimación de la intensidad
utilizar la curva Intensidad-duracion-frecuencia anexa.
Cota 637 m
Cota 525 m
Cota 637 m
Cota 525 m
Ejemplo
A I C Q x x =
Q = l/s
I = l/s/ha
A = ha
mm/h x 2.78 = l/s/ha
) ( 0195 . 0
H
L
Tc =
3
0.385
Tc = tiempo de concentración en minutos
L = Longitud del cauce principal en metros
H = Diferencia de elevación entre el punto mas elevado y el que se considera
Formula del Bureau of Reclamation (USA)
min 8 . 10 )
525 637
150
( 0195 . 0 =
÷
= Tc
3
0.385
h mm I / 6 . 208 )
78 . 2
580
( = =
s m
A I C
Q
x x
/ 3 22 . 16
360
= =
Escala del Diseño Hidrológico - Control del agua
Valor Límite Estimado (ELV):
Corresponde a la máxima
magnitud posible que puede
tener un evento hidrológico, en
un lugar dado (definido
geográficamente).
Escala del Diseño Hidrológico - Control del agua
Este concepto de Valor Límite Estimado (ELV), está implícito en las conocidas
Precipitación Máxima Probable (PMP) y Crecida Máxima Probable (CMP),
(PMF).
El grado de incertidumbre asociada a estas estimaciones depende de la
confiabilidad de la información histórica disponible (datos de lluvias extremas,
caudales extremos, curvas de gastos, densidad de la red pluviométrica, etc.),
del conocimiento técnico y de la exactitud del análisis.
Según la OMM (Organización Meteorológica Mundial),
la PMP se define como : La cantidad de precipitación, cercana al límite físico
superior, definida para una duración dada y una localización geográfica
determinada. Con base a registros históricos mundiales, la PMP puede tener
períodos de retorno tan grandes como 500 millones de años, que
generalmente, corresponde a un factor de frecuencia, KT = 15.
Algunos hidrólogos le asignan períodos de retorno arbitrarios a la PMP y CMP,
del orden de 10000 años.
Existen métodos estadísticos y físicos para estimar la PMP, y luego utilizando
modelos como los basados en hidrogramas unitarios sintéticos ó en la Onda
Cinemática, permiten la estimación de la CMP.
Escala del Diseño Hidrológico - Control del agua
Límites basados en probabilidades : Las probabilidades de ocurrencia
pueden ser estimadas, adecuadamente, cuando están disponibles
registros hidrológicos, lo suficientemente largos, que permitan la
realización de análisis de frecuencia confiables.
Los métodos probabilísticos son menos subjetivos y más manejables, y
conducen a formas lógicas para determinar niveles óptimos de diseño
mediante el uso de Análisis Hidroeconómico y Análisis de Riesgo.
En la tabla que se incluye a continuación, se dan algunos criterios
generales, basados en experiencias pasadas, para la selección del período
de retorno de diseño de obras de control.
Adicionalmente, para un área densamente poblada, donde la falla de la
estructura causaría pérdidas de vidas humanas y extensos daños a
propiedades, se justifica el uso del ELV, en el diseño.
Sin embargo, en áreas menos pobladas y donde las fallas causan menores
daños, sin pérdidas de vidas humanas, se puede disminuir el grado de
protección, por ejemplo, se diseña para la crecida milenaria.
Según la Academia Nacional de
Ciencias de USA:
Presa pequeña: H < 12 m
Presa mediana: 12 m<H<30 m
Presa Grande: H > 30 m
Donde H es la altura de la
presa.
Escala del Diseño Hidrológico – Uso del agua
La diferencia entre los criterios aplicados en este caso, con respecto a
la discusión anterior, radica en que el problema es de falta de agua y
no exceso de la misma.
En este caso el valor de las variables de diseño se selecciona de
forma tal que el sistema tenga una probabilidad de falla aceptable
para el propósito considerado. Para llevar acabo este análisis existen
dos metodologías:
El Enfoque Tradicional:
Cuyo análisis se lleva a cabo utilizando los registros históricos
disponibles. La limitación de esta metodología es que la estimación
de la falla se basa en un período único (el histórico), suponiendo que
el mismo va a ocurrir en forma similar en el futuro.
Hidrología Operacional:
En este caso el análisis es similar al anterior, pero realizándolo sobre
un gran número de escenarios futuros de ocurrencia de las variables
estocásticas. Es decir, se obtienen respuestas para cada escenario,
pudiéndosele ajustar distribuciones de probabilidades a las mismas,
lo cual permite una evaluación más precisa de las fallas del sistema.
Diseño Hidrológico
El Diseño Hidrológico representa la evaluación del impacto de eventos
hidrológicos en sistemas de recursos hidráulicos a los fines de establecer
los criterios de selección de las variables más importantes que definen los
componentes del sistema para que este se comporte adecuadamente.
A través de este tipo de diseño se pueden establecer medidas que pueden
ser:
– Estructurales: como la construcción de un embalse regulador o
diques marginales, a los fines de controlar inundaciones;
– No estructurales: como el ordenamiento de la planicie de
inundación, utilizando la información de manchas de inundación
resultantes de la aplicación de modelos hidrológicos e hidráulicos.
Es importante destacar que además de los criterios establecidos a través
del análisis hidrológico – hidráulico, existen otros aspectos que se deben
tomar en cuenta en el diseño de recursos hidráulico como son:
económicos-financieros, salud pública, geotécnicos, estructurales, legales,
estéticos, seguridad, ambientales,… etc.
Escala del Diseño Hidrológico
Los fines de la planeación y manejo de los Recursos Hidráulicos se puede
clasificar en dos categorías:
– Control del agua:
• Máximos: Crecidas extremas, manchas de inundación,
drenajes, canalizaciones, obras de desvío en la construcción de
presas, obras de alivio, arrastre de sedimentos,.. etc.
• Mínimos: Sequías, contaminación de cuerpos de agua,
salinidad (cuña salina), derivación y trasvases (caudales
garantizados), caudales ecológicos.. etc.
– Uso del agua: Abastecimiento urbano e industrial, riego agrícola,
hidroelectricidad, recreación, etc.
En ambos casos la tarea del diseño hidrológico, es la misma, la cual
corresponde a la determinación del Caudal de Diseño. Sin embargo, la
diferencia entre ambas categorías corresponde a la escala, ya que en el
primer caso el interés está en los caudales extremos (eventos), mientras
que en el segundo el interés es sobre todo el hidrograma de caudales por
un largo período de años.
Escala del Diseño Hidrológico - Control del agua
En este caso la escala del diseño hidrológico corresponde al rango de
valores de la magnitud del la variable de diseño – como lo es el Caudal de
Diseño -dentro del cual se debe seleccionar un valor para determinar las
características de las medidas estructurales o no, que se piensan acometer.
Los factores más importantes en esta selección son : costos y seguridad.
Por ejemplo, es demasiado costoso diseñar estructuras pequeñas, como
alcantarillas, para caudales máximos asociados a períodos de retorno muy
grandes como el milenario. Por otra parte, el diseño de una estructura tan
importante como lo es el aliviadero de una presa ( como el aliviadero de
Guri) no se puede diseñar para caudales asociados a períodos de retorno
pequeños, ya que el resultado puede ser catastrófico.
La magnitud óptima es aquella que equilibra dos criterios opuestos Costos
vs. Seguridad.
El Ciclo Hidrológico Global es un sistema cerrado, es decir la cantidad de
agua circulando es finita, por lo tanto, se puede tratar de establecer un
límite práctico, que se conoce como el Valor Límite Estimado (ELV).