You are on page 1of 26

# Uni versi dad Naci onal de Cuyo

## Facul tad de Ingeni er a

Ingeni er a Ci vi l

HIDROLOGIA I

Ing. Carlos D. SEGERER
Ing. Esp. Rubn VILLODAS

2007
NDICE DE TEMAS

TEMA 9.a: CONCEPTOS GENERALES .......................................................................................................... 9-1
9.a.1. IMPORTANCIA EN HIDROLOGA.................................................................................................. 9-1
9.a.2. CORRELACIN Y REGRESIN.................................................................................................... 9-2
9.a.2.i. Conceptos Generales ................................................................................................................ 9-2
9.a.2.ii. Regresin y Correlacin Lineal .................................................................................................. 9-2
TEMA 9.b: TRATAMIENTO PROBABILSTICO DE LA INFORMACIN HIDROLGICA............................... 9-6
9.b.1. FUNCIONES DE FRECUENCIA Y PROBABILIDAD ..................................................................... 9-7
9.b.2. ANLISIS DE FRECUENCIA........................................................................................................ 9-14
9.b.3. TIEMPO DE RECURRENCIA O PERODO DE RETORNO........................................................ 9-14
9.b.4. SERIES DE INFORMACIN HIDROLGICA.............................................................................. 9-16
TEMA 9.c: MTODOS ESTADSTICOS PARA ESTIMAR VALORES EXTREMOS..................................... 9-19
9.c.1. PLANTEAMIENTO........................................................................................................................ 9-19
9.c.2. DATOS A UTILIZAR...................................................................................................................... 9-19
9.c.3. LEYES DE DISTRIBUCIN DE VALORES EXTREMOS ............................................................ 9-20
9.c.3.i. Distribucin de Gumbel............................................................................................................ 9-20
9.c.3.ii. Distribucin Log-Pearson III..................................................................................................... 9-21
9.c.4. DETERMINACION DEL HIDROGRAMA DE LA CRECIDA DE DISEO. ................................... 9-21
9.c.5.ii. Posiciones de Graficacin........................................................................................................ 9-23

NDICE DE FIGURAS

Figura 70. Situacin Relativa de Rectas de Regresin......................................................................................... 9-2
Figura 71. Subconjuntos del Espacio Muestral (EM) ............................................................................................ 9-6
Figura 72. Diagramas de Registros Anuales y su Correspondiente Histograma de Frecuencias........................ 9-8
Figura 73. Funcin de Frecuencia Relativa (Muestra) .......................................................................................... 9-9
Figura 74. Funcin de Frecuencia Acumulada (Muestra) ..................................................................................... 9-9
Figura 75. Funcin de Distribucin de Probabilidad (Poblacin) .......................................................................... 9-9
Figura 77. Funciones de Frecuencias y Probabilidad ......................................................................................... 9-11
Figura 81. Intrvalos de Recurrencia t para Q 300 m/s................................................................................ 9-15
Figura 82. Serie de Duracin Completa 74 aos - 26 654 valores .................................................................. 9-16
Figura 83. Serie de Duracin Parcial 74 aos - 652 valores mayores a 90 m/s............................................. 9-17
Figura 84. Serie de Excedencia Anual 74 aos - 74 valores mayores a 134 m/s .......................................... 9-17
Figura 85. Serie de Valores Extremos Anual 74 aos 74 valores, los mximos de cada ao...................... 9-18
Figura 86. Determinacin del Hidrograma de una Crecida de Recurrencia Tr ................................................... 9-22

Cuadro 14: Dimensiones y Rangos de la Funciones de Frecuencia y Probabilidad............................................ 9-12
TEMA 9.a: CONCEPTOS GENERALES
En el campo de la investigacin cientfica es comn la inquietud por intentar expresar la evolucin de un
determinado fenmeno mediante una serie de medidas, que la traduzcan al lenguaje de los nmeros.
Al transcurrir el tiempo, el investigador tropieza con la dificultad de encontrarse en posesin de una gran
cantidad de datos que, perdida su actualidad, sern de muy poco provecho si no son sometidos a un
La estadstica se constituye entonces en una herramienta indispensable para efectuar este tratamiento,
a fin de obtener la mxima utilidad en las aplicaciones prcticas a partir de los registros de diverso tipo
de que se dispone (en especial caudales y precipitaciones).
Son numerosas las definiciones de Estadstica, no correspondiendo aqu presentar su nmina ni elegir
una que resulte idnea. S en cambio, conviene distinguir dos ramas que han evolucionado en forma
Es la que intenta obtener toda la informacin posible de los datos recogidos, mediante su
adecuado ordenamiento. Son producto de ella las clasificaciones de datos en forma de
tablas, procesamiento y archivo mediante programas de computacin, etc.
Pretende ir ms lejos, basndose en comparaciones del fenmeno con modelos
probabilsticos tericos, a fin de obtener una informacin que no resulta evidente con el
simple ordenamiento de los datos. En este campo se ha desarrollado una teora
matemtica, a veces muy compleja, basada en la Teora de Probabilidades, de la que la
Estadstica Matemtica puede considerarse como una aplicacin prctica.
9.a.1. IMPORTANCIA EN HIDROLOGA
Los dos conceptos expuestos en el apartado anterior son de importante aplicacin en el campo de la
Hidrologa, sobre todo la de superficie, por corresponder a ella los ciclos ms rpidos de circulacin del
agua.
La mayora de las causas que actan en los ciclos hidrolgicos superficiales son de carcter
meteorolgico y la propia Meteorologa se desarrolla fundamentalmente a travs de la Estadstica, ya
que es muy difcil llegar a un estudio matemtico y preciso de los problemas fsicos que condicionan los
fenmenos hidrolgicos.
Sin embargo, como los caudales de los ros y sus cauces constituyen un complejo, menos complicado y
amplio, que la atmsfera, es ms fcil y viable estudiar estadsticamente los ros a travs de sus
estaciones de aforo, al menos en los cursos principales.
Por tanto, la Meteorologa y su estadstica aplicada se utilizan para extrapolar donde los aforos no
pueden alcanzar, por tratarse de ros pequeos para los que no puede pretenderse que cada uno tenga
su propia estacin de aforo, o para ampliar la extensin de las series, puesto que normalmente es ms
antigua la estadstica meteorolgica que la de aforos.
La recopilacin de datos hidrolgicos, y su ordenamiento estadstico, tienen como fin prctico su
aplicacin para dimensionar, con el mayor acierto posible, las obras que han de utilizar los recursos
hdricos (embalses, presas, captaciones, obras de conduccin, centrales hidroelctricas, etc.) y prever
el rgimen de explotacin, de manera que se obtenga el mayor beneficio posible de las instalaciones
construidas.
Se supone siempre que, en el futuro, el rgimen hidrolgico de un ro tendr cierta relacin con el
pasado y se procura obtener, del conocimiento de la estadstica de caudales, referencias para prever
dentro de ciertos mrgenes de seguridad, el rgimen de caudales que pueda presentare en el futuro.
9.a.2. CORRELACIN Y REGRESIN
9.a.2.i. Conceptos Generales
En la mayor parte de los estudios estadsticos se presenta el problema de predecir los valores que
puede tomar una determinada variable. El planteo del mtodo de solucin puede realizarse de varias
formas.
En ocasiones se trata de completar, o de ampliar, una serie de datos de la variable problema a partir
de series de datos de una, o ms, variables que estn relacionadas con aqulla de alguna manera.
En otras palabras, se trata simplemente de conseguir un cierto conocimiento sobre los factores que
influyen en el valor de la variable problema, con el fin de poder realizar hiptesis adecuadas sobre sus
valores desconocidos.
Estos dos aspectos son tratados por la correlacin y la regresin, respectivamente.
Es importante destacar el hecho de que la aplicacin de ambos mtodos no proporciona por s misma
ninguna informacin del tipo causa-efecto, ya que los resultados expresan nicamente relaciones
Sin embargo, a partir de estas relaciones se puede llegar a conclusiones de aqul tipo, por lo que la
finalidad primordial de estos mtodos es averiguar los grupos de variables que pueden estudiarse
La diferencia entre regresin y correlacin puede aclararse mediante las siguientes consideraciones:
un problema de regresin considera la distribucin de frecuencias de una variable (dependiente),
cuando sta u otras variables (independientes) se suponen conocidas.
un problema de correlacin, por su parte, considera la variacin conjunta de dos variables sin
que se apliquen restricciones a ninguna de ellas.
por el coeficiente de correlacin , mientras que la regresin obtiene una ecuacin
( ) x
f y = que
permite calcular valores de la variable dependiente y a partir de la independiente x.
9.a.2.ii. Regresin y Correlacin Lineal
Es la teora que estudia la relacin lineal que existe entre dos variables, despreciando toda posible
influencia de otras variables distintas.
Planteamiento Terico
Dado un conjunto de pares de valores correspondientes a dos variables x e y, la ley ms sencilla de
regresin o correlacin entre ambas es la lineal:
Figura 70. Situacin Relativa de Rectas de Regresin
0.00
4.40
8.80
13.20
17.60
22.00
0 4.4 8.8 13.2 17.6 22
x
yy sobre x
x sobre y
ortogonal

/176/
x * m a y + =

La recta debe ser tal que el momento de segundo orden de la masa de puntos del plano xy, con
respecto a la misma, sea mnimo, es decir que debe serlo la suma de los cuadrados de las distancias de
tales puntos a la recta.
Esta condicin permitir determinar los parmetros m y n de la ecuacin de la recta, con slo obtener
las derivadas parciales de dicha suma respecto ambos parmetros e igualarlas a cero.
Ahora bien, pueden considerase tres casos:
i. que se midan las distancias de los puntos a la recta
paralelamente al eje de las y (regresin lineal de y
sobre x)
ii. paralelamente al eje de las x (regresin lineal de x
sobre y)
iii. o perpendicularmente a la propia recta (regresin
ortogonal)
Los momentos de inercia mnimos sern respectivamente
y
I ,
x
I , e
0
I .
De estos casos se tratar nicamente el tercero, por ser el de mayor aplicacin prctica, prescindiendo
de las demostraciones matemticas inherentes, por la complejidad que las mismas presentan.
Parmetros a Utilizar
Valor Medio
El valor medio o esperanza matemtica de una variable aleatoria es el centro de gravedad de la masa
de distribucin.
En la correlacin lineal, los valores medios de las variables x e y, estn dadas por:
/177/
n
y
y ;
n
x
x
n
1 i
i
n
1 i
i
= =
= =
Varianza y Covarianza
La varianza se define como el momento de inercia de la masa de distribucin, siendo la covarianza el
momento centrfugo.
La varianza en x e y ser:
/178/
( ) ( )
n
y y
;
n
x x
n
1 i
2
i
2
y
n
1 i
2
i
2
x

= =

=

=

y la covarianza:
/179/
( ) ( )
n
y y * x x
n
1 i
i i
xy

=

=

Desviacin Tpica
La desviacin tpica o desviacin standard o desvo medio cuadrtico, se lo define como la raz
/180/
( ) ( )
n
y y
;
n
x x
n
1 i
2
i
2
y y
n
1 i
2
i
2
x x

= =

= + =

= + =

En general, a mayor varianza, o mayor desviacin standard, corresponde mayor dispersin de la
variable en la respectiva distribucin.
Correlacin y Regresin Ortogonal
Para obtener la ecuacin de la recta respecto a la cual la suma de las distancias de cada punto de
i
x e
i
y sea mnima, se aplica el Mtodo de los Mnimos Cuadrados, llegndose a una
ecuacin de segundo grado, la que permite obtener dos races que verifican la relacin 0
1 2
> > .
La ecuacin de segundo grado es:
/181/
( ) ( )
( ) ( ) [ ] ( )
0
2
* * 4
0 * *
1 2
2
xy
2
y
2
x
2
2
y
2
x
2
y
2
x
2 , 1
2
xy
2
y
2
x
2
y
2
x
2
> >
+ +
=
= + +

Para determinar el coeficiente angular de la recta se aplica:
/182/
2
y 2
xy
m

=

En consecuencia la ecuacin de la recta de regresin ortogonal resulta:
/183/
( ) ( ) x x * x x * m y y
2
y 2
xy

= =

A partir de esta ecuacin puede derivarse la ecuacin de la recta en la forma /176/, que resulta ms
prctica para su aplicacin posterior:
/184/
( )
x * m a y
m ; x * y a
x * x * y y x x * y
2
y 2
xy
2
y 2
xy
2
y 2
xy
2
y 2
xy
2
y 2
xy
+ =

=

=

+

= +

=

Coeficiente de Correlacin
Al efectuar el desarrollo de las regresiones lineales de y sobre x y de x sobre y, los coeficientes
angulares de las rectas resultantes (a los que se denomina coeficientes de regresin), estn dados
respectivamente por:
/185/
2
y
xy
xy
2
x
xy
yx
;

=
A la media geomtrica de ambos coeficientes de regresin se la denomina Coeficiente de Correlacin
de las dos variables y se lo representa por o r.
Su expresin es:
/186/
2
y
2
x
xy
2
y
xy
2
x
xy
xy yx
*
* * r

= = =

Sus valores estn comprendidos en el intervalo (-1, +1).
Adems, cuanto ms se aproxime a la unidad, menor ser el valor de los momentos de inercia
x
I e
y
I . En particular, para 1 = , resulta 0 I I
y x
= = , lo que significa que toda la masa se encuentra sobre
una recta, en la que se han confundido tambin las rectas de regresin.
El Coeficiente de Correlacin se utiliza para determinar el grado de dependencia lineal que existe entre
las dos variables, y mide, en cierto modo, la bondad del ajuste de los puntos a una recta.
En la utilizacin prctica de las rectas de regresin para generar valores no registrados o comletar
series de datos histricos, si se designa por n al nmero de aos (o de datos) registrados en la
seccin o regin a estudiar y N al correspondiente a la seccin o regin base, la extrapolacin podr
ser valedera, o no, segn los valores correspondientes de , de acuerdo al siguiente criterio:
Coeficiente de Correlacin
n/N
20/30 0.99 0.85 <0.70
15/30 0.99 0.87 <0.77
10/30 0.99 0.90 <0.85
5/30 0.99 0.95 <0.90
Banda Caracterstica
Suponiendo que la distribucin de frecuencias de las desviaciones del conjunto de los puntos respecto a
la recta de regresin ortogonal fuese normal, el 95% de los puntos de la nube estara ubicado en el
interior de una banda obtenida trazando sendas paralelas a la recta de regresin a una distancia
1
* 2 .
De esta forma, aunque la hiptesis de distribucin normal no es muy rigurosa, el trazado de la banda en
el grfico de correlacin brinda una idea de la calidad de sta y permite estimar, en una primera
Otros Tipos de Correlacin
En algunos casos de correlaciones entre caudales de diversas cuencas, o entre caudales y
precipitaciones, la correlacin lineal no brinda suficiente precisin, resultando necesario recurrir a
alguna ley de correlacin con ms parmetros, tal como por ejemplo la parablica.
Por ejemplo para determinar la curva de gastos de una estacin de aforo (caudales-alturas), no se
podra emplear una recta. En estas circunstancias, la ley de regresin podra expresarse en la forma:
/187/
K + + + + =
3 2
x * j x * k x * b a y

La determinacin de los coeficientes a, b, c, etc. se debe hacer de modo que ( )

2
i
y y sea un
mnimo respecto a ellos.
Es tambin posible, sin aumentar el nmero de parmetros, buscar leyes no lineales que se adapten
mejor que las leyes de regresin lineal a la relacin entre los parmetros observados, tales como por
ejemplo la logartmica, doble logartmica, exponencial, etc.
Es posible transformar muchas de estas leyes en lineales, mediante un cambio de variable, y despus,
operar grfica, o numricamente, como si se tratase de una recurrencia lineal.
Correlaciones Grficas
Consisten en representar directamente la nube de puntos referida a un sistema de ejes, en escala
natural, semilogartmica o logartmica; y determinar luego, en forma grfica y a estima, la curva que
representa la tendencia media de la nube de puntos. Aparte de constituir un mtodo en s, representa
un auxiliar inestimable de las correlaciones analticas, al permitir visualizar la tendencia y orientar la
eleccin de la funcin que permita lograr el ajuste ms adecuado. Las correlaciones grficas son
tambin de suma utilidad para el caso de tener que representar relaciones entre tres variables.
TEMA 9.b: TRATAMIENTO PROBABILSTICO DE LA INFORMACIN HIDROLGICA
Consideraremos que la variable aleatoria X es una variable descripta por una distribucin de
probabilidad y sta determina la posibilidad de que una observacin x de la variable X, caiga en un
rango preestablecido de X.
Por ejemplo, si X es la precipitacin anual en un lugar determinado, entonces la distribucin de

i
x , caiga en un rango definido, tal como menos de 200 mm, o entre 200 y 250 mm y
sucesivamente.
Un conjunto de observaciones
n 3 2 1
x , , x , x , x K de la variable aleatoria X se denomina una muestra.
Se supone que las muestras son sacadas de una hipottica poblacin infinita que posee propiedades
estadsticas constantes, mientras que las propiedades de una muestra pueden variar de una muestra a
otra.
El conjunto de todas las muestras posibles que pueden extraerse de una poblacin se conoce como el
espacio muestral EM, y un evento es un subconjunto del espacio muestral:
Figura 71. Subconjuntos del Espacio Muestral (EM)

Por ejemplo, el espacio muestral para la precipitacin anual es tericamente el rango desde cero hasta
infinito positivo (a pesar que los lmites prcticos inferior y superior son ms cercanos) y un evento A
puede ser la ocurrencia de una precipitacin anual menor que una cierta cantidad, tal como 200 mm.
La probabilidad de un evento, ( ) A P , es la posibilidad de que ste ocurra cuando se hace una
observacin de la variable aleatoria.
Las probabilidades de eventos pueden estimarse. Si una muestra de n observaciones, tiene
A
n
valores en el rango de evento A, entonces la frecuencia relativa de A es
n
n
A
. A medida que el
tamao de la muestra aumenta, la frecuencia relativa se convierte progresivamente en una mejor
estimacin de la probabilidad del evento, es decir:
/188/
( )
n
n
lim A P
A
n
=

Tales probabilidades se conocen como probabilidades objetivas o posteriores, debido a que dependen
concretamente de las observaciones de la variable aleatoria.
Cuando se estima la posibilidad de que un evento futuro ocurrir con base al juicio personal y la
experiencia, las estimaciones pertinentes se conocen como probabilidades subjetivas o a priori.
Las probabilidades de eventos obedecen a ciertos principios, a saber:
Si el espacio muestral EM est completamente dividido en m eventos o reas no
m 3 2 1
A , , A , A , A K entonces:
/189/
( ) ( ) ( ) ( ) ( ) 1 EM P A P A P A P A P
m 3 2 1
= = + + + + K

Como consecuencia de lo anterior, si A es el complemento de A, es decir que A EM A = ,
entonces:
/190/
( ) ( ) A P 1 A P =

Supngase que existen dos eventos A y B tal como se muestra en la Figura 71:
A evento que la precipitacin de este ao fuera menor de 200 mm
B evento de que la precipitacin del prximo ao fuese menor de 200 mm
B A I evento de que tanto A como B ocurran, es decir, dos aos sucesivos con
precipitacin anual menor de 200 mm
( ) A B P es la probabilidad condicional de que ocurra B dado que ya ha ocurrido A
Entonces la probabilidad conjunta ( ) B A P I es:
/191/
( ) ( ) ( ) ( )
( )
( ) A P
B A P
A B P A B P * A P B A P
I
I = =

Si la ocurrencia de B no depende de la ocurrencia de A, se dice que los eventos son
independientes y:
/192/ ( ) ( ) ( ) ( ) ( ) B P * A P B A P ; B P A B P = = I
Si para el ejemplo anteriormente citado, los eventos de precipitacin son independientes de un ao a
otro, entonces la probabilidad de que la precipitacin sea menor de 200 mm en dos aos consecutivos
es simplemente el cuadrado de la probabilidad de que la precipitacin anual en un solo ao sea menor
de tal valor.
El concepto de eventos u observaciones independientes es fundamental para la interpretacin
estadstica correcta de secuencias de informacin hidrolgica, porque en tales casos dicha, informacin
puede ser analizada sin tener en cuenta su orden de ocurrencia.
Si observaciones sucesivas estn correlacionadas, es decir que no son independientes, los mtodos
( ) ( ) ( ) B P * A P B A P I .
dependen de valores especficos de las observaciones en una muestra de tamao limitado. Una
alternativa, para superar este inconveniente es ajustar una funcin de distribucin de probabilidad a la
informacin y luego determinar las probabilidades de los eventos utilizando esta funcin de distribucin.
9.b.1. FUNCIONES DE FRECUENCIA Y PROBABILIDAD
Si las observaciones de una muestra estn idnticamente distribuidas (cada valor de la muestra
extrado de la misma distribucin de probabilidad), stas pueden ordenarse para formar un histograma
de frecuencia, Figura 72, segn los siguientes pasos:
i) el rango factible de la variable aleatoria se divide en intervalos discretos
ii) se cuenta el nmero de observaciones que cae en cada uno de los intervalos
iii) se dibuja como un grfico de barras
El ancho x del intervalo utilizado para construir el histograma de frecuencia se escoge tan pequeo
como sea posible y de manera tal que caigan suficientes observaciones dentro de cada uno de los
intervalos a fin que el histograma tenga una variacin razonablemente suave en el rango de la
informacin.
Figura 72. Diagramas de Registros Anuales y su Correspondiente Histograma de Frecuencias
Precipitacin Anual - La Consulta (San Carlos)
0
25
50
75
100
125
150
175
200
225
250
275
300
325
350
375
400
425
450
475
500
525
550
6
0
-
6
1
6
4
-
6
5
6
8
-
6
9
7
2
-
7
3
7
6
-
7
7
8
0
-
8
1
8
4
-
8
5
8
8
-
8
9
9
2
-
9
3
9
6
-
9
7
0
0
-
0
1
0
4
-
0
5
Aos
P
r
e
c
i
p
i
t
a
c
i

n

[

m
m

]
0 1 2 3 4 5 6
0-25
50-75
100-125
150-175
200-225
250-275
300-325
350-375
400-425
450-475
500-525
P
r
e
c
i
p
i
t
a
c
i

n

[

m
m

]

Si el nmero de observaciones
i
n en el intervalo i, que cubre el rango [ ]
i i
x , x x , se divide por el
nmero total de observaciones n, el resultado se conoce como la Funcin de Frecuencia Relativa
( ) x f
m
(Figura 73) y es igual a:
/193/
( )
n
n
x f
i
m
=

Recordando la /188/, se verifica que la ecuacin anterior es una estimacin del valor de
( )
i i
x X x x P
, o sea, la probabilidad de que la variable aleatoria X caiga en el intervalo
[ ]
i i
x , x x
.
El subndice m indica que la funcin se calcula utilizando informacin de la muestra.
La suma de los valores de las frecuencias relativas hasta un punto dado es la Funcin de Frecuencia
m
(Figura 74) definida como:
/194/
( ) ( )

= =
= =
i
1 j
j
i
1 j
j m m
n
n
x f x F

Esta expresin constituye una estimacin de ( )
i
i
x .
Las funciones de frecuencia relativa y de frecuencia acumulada han sido definidas para una muestra;
las funciones correspondientes para la poblacin se aproximan como lmites a medida que
0 x y n .
Por su parte, la Funcin de Frecuencia Acumulada se convierte, cuando corresponde a la poblacin y
no a la muestra, en la Funcin de Distribucin de Probabilidad ( ) x F (Figura 75) dada por:
/195/
( ) ( ) x F lim x F
m
0 x
n

=

Figura 73. Funcin de Frecuencia Relativa (Muestra)
0%
2%
4%
6%
8%
10%
12%
14%
0
-
2
5
2
5
-
5
0
5
0
-
7
5
7
5
-
1
0
0
1
0
0
-
1
2
5
1
2
5
-
1
5
0
1
5
0
-
1
7
5
1
7
5
-
2
0
0
2
0
0
-
2
2
5
2
2
5
-
2
5
0
2
5
0
-
2
7
5
2
7
5
-
3
0
0
3
0
0
-
3
2
5
3
2
5
-
3
5
0
3
5
0
-
3
7
5
3
7
5
-
4
0
0
4
0
0
-
4
2
5
4
2
5
-
4
5
0
4
5
0
-
4
7
5
4
7
5
-
5
0
0
5
0
0
-
5
2
5
5
2
5
-
5
5
0
Precipitacin [ mm ]
f
m
(x)

Figura 74. Funcin de Frecuencia Acumulada (Muestra)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0
-
2
5
2
5
-
5
0
5
0
-
7
5
7
5
-
1
0
0
1
0
0
-
1
2
5
1
2
5
-
1
5
0
1
5
0
-
1
7
5
1
7
5
-
2
0
0
2
0
0
-
2
2
5
2
2
5
-
2
5
0
2
5
0
-
2
7
5
2
7
5
-
3
0
0
3
0
0
-
3
2
5
3
2
5
-
3
5
0
3
5
0
-
3
7
5
3
7
5
-
4
0
0
4
0
0
-
4
2
5
4
2
5
-
4
5
0
4
5
0
-
4
7
5
4
7
5
-
5
0
0
5
0
0
-
5
2
5
5
2
5
-
5
5
0
Precipitacin [ mm ]
F
m
(x)

Figura 75. Funcin de Distribucin de Probabilidad (Poblacin)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
25 50 75 100 125 150 175 200 225 250 275 300 325 350 375 400 425 450 475 500 525 550
Precipitacin [ mm ]
F(x)
0 100 200 300 400 500

En el lmite, la funcin de frecuencia relativa dividida por el intervalo de longitud x se convierte en la
/196/ ( )
( )
x
x f
lim x f
m
0 x
n

=

Es obvio que la derivada de la curva de Funcin de Distribucin de Probabilidad, es la Funcin de
/197/ ( )
( ) ( )
x
x f
lim
dx
x dF
x f
m
0 x
n

= =

0%
2%
4%
6%
8%
10%
12%
14%
2
5
5
0
7
5
1
0
0
1
2
5
1
5
0
1
7
5
2
0
0
2
2
5
2
5
0
2
7
5
3
0
0
3
2
5
3
5
0
3
7
5
4
0
0
4
2
5
4
5
0
4
7
5
5
0
0
5
2
5
5
5
0
Precipitacin [ mm ]
f(x)
0 100 200 300 400 500

Para un valor dado de x, ( ) x F es la probabilidad acumulada ( ) x X P , y puede expresarse como la
integral de la Funcin de Densidad de Probabilidad en el rango [ ] x X , usando una variable de
integracin auxiliar u:
/198/ ( ) ( ) ( )

= =
x
du * u f x X P x F
Desde el punto de vista de ajuste de la informacin de la muestra a una distribucin terica, las cuatro
funciones:
Frecuencia Relativa ( ) x f
m
para la muestra
Frecuencia Acumulada ( ) x F
m
para la muestra,
Distribucin de Probabilidad ( ) x F para la poblacin
Estas pueden ordenarse en un ciclo:
Comenzando por la parte superior izquierda, tenemos:
a) la Funcin de Frecuencia Relativa se calcula utilizando los datos de la muestra divididos en
intervalos
c) La Funcin de Distribucin de Probabilidad es el limite terico de la Funcin de Frecuencia
Acumulada a medida que el tamao de la muestra se vuelve infinitamente grande y el intervalo
de la informacin infinitamente pequeo
d) La Funcin de Densidad de Probabilidad es el valor de la pendiente de la funcin de distribucin
para un valor especfico de x
Figura 77. Funciones de Frecuencias y Probabilidad
5

El ciclo puede cerrarse calculando un valor terico de la Funcin de Frecuencia Relativa, denominado la
i
x p , como:

5
Extrado de Ven Te Chow. Los subndices s corresponden a los m de ste apunte, para las muestras.
/199/
( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
1 i i i
i i i
x x x
i
x
x x
i
i i
x F x F x p
x x F x F x p
dx * x f dx * x f x p
dx * x f x p
x X x x P x p
i i
i
i

=
=
= =
=
=

La comparacin entre ( )
i
x p y la funcin de frecuencia relativa observada ( ) x f
m
i
x puede
utilizarse como una medida del grado de ajuste de la distribucin a la informacin.
Los rangos de variacin y dimensiones de las cuatro funciones son:
Cuadro 14: Dimensiones y Rangos de la Funciones de Frecuencia y Probabilidad
Funcin Aplicable a Dimensin Rango de Variacin
Frecuencia Relativa
( ) x f
m

( ) x F
m

( ) x F
( ) x f
la poblacin
1
X

[0,]
Una de las ms conocidas unciones de densidad de probabilidad es la Distribucin Normal o
Campana de Gauss, que se define como:
/200/
( )
( )
2
2
* 2
x
e *
* * 2
1
x f

=

donde:
y son parmetros de clculo
La precipitacin anual, calculada como la suma de los efectos de muchos eventos independientes,
tiende a seguir una distribucin normal.

Tiene limitaciones importantes, como que vara en un rango continuo [ ] , , mientras que la mayora
de las variables hidrolgicas son no negativas; y que es simtrica con respecto a la media, mientras que
la informacin hidrolgica tiende a ser asimtrica.
Otras funciones de Densidad de Probabilidad aplicables a las variables hidrolgicas son:
Distribucin Lognormal
Si la variable ( ) X log Y = est normalmente distribuida, entonces se dice que X est distribuida en forma
lognormal.

Esta funcin es til cuando se quiere representar variables hidrolgicas asimtricas. Tiene la ventaja,
sobre la normal, en que est limitada a valores positivos de X y la transformacin a logaritmos tiende a
reducir la asimetra positiva, comn en las variables hidrolgicas.
Distribucin Exponencial
Es una distribucin que tiene un nico parmetro . Se utiliza para describir el tiempo entre la ocurrencia
de dos eventos de variables aleatorias, como por ejemplo, precipitaciones, entradas de contaminantes a
un ro, etc., y en este caso, sera la tasa media de ocurrencia de los eventos.
Tiene la desventaja de que requiere que la ocurrencia de cada evento sea completamente
independiente de sus vecinos y de que no est definida para X=0.
/201/
( ) 0 x e * x f
x *
> =

Distribucin Gamma
Es una distribucin de 2 parmetros, uno de forma y otro de escala . Tiene una forma que vara
suavemente y se usa para describir variables hidrolgicas asimtricas, sin usar logaritmos.

Tiene lmite inferior igual a 0, lo cual es una desventaja cuando se usa para analizar variables que
tienen un lmite superior mayor a 0.
/202/
( )
( )
0 x
e * x *
x f
x * 1
>

=

Distribucin Pearson Tipo III
Es una distribucin gamma de 3 parmetros (,,), siendo ste ltimo el lmite inferior. Se usa para
describir la probabilidad de avenidas mximas anuales. Es una distribucin muy flexible, que puede
asumir diferentes formas a medida que los parmetros varan.
/203/
( )
( )
( )
( )

=

x
e * x *
x f
x * 1

9.b.2. ANLISIS DE FRECUENCIA
Los sistemas hidrolgicos son afectados en ocasiones por eventos extremos, tales como tormentas
severas, crecidas y sequas. La magnitud de un evento extremo est inversamente relacionada con su
frecuencia de ocurrencia, es decir, eventos muy severos ocurren con menor frecuencia, que eventos
El objetivo del anlisis de frecuencia de informacin hidrolgica es, relacionar la magnitud de los
eventos extremos con su frecuencia de ocurrencia, mediante el uso de Funciones de Distribucin de
Los requisitos que debe cumplir la informacin hidrolgica (eventos extremos) es que:
debe ser independiente
est idnticamente distribuida (por ejemplo, precipitacin diaria mxima anual)
el sistema hidrolgico que la produce (por ejemplo, un sistema de tormenta) sea aleatorio,
independiente del espacio y del tiempo
satisfagan las suposiciones de independencia y de distribucin idntica.
En la prctica, esto se lleva a cabo usualmente seleccionando el mximo anual de la variable bajo
anlisis (por ejemplo, el caudal mximo anual, que puede corresponder al flujo pico instantneo mximo
o al medio diario mximo, que se haya producido en cualquier momento o en cualquier da durante el
aforo) con la expectativa de que observaciones sucesivas de esta variable de un ao a otro sean
independientes.
Los resultados del anlisis de frecuencia de los caudales de crecida pueden utilizarse para muchos
propsitos en ingeniera:
diseo de presas, puentes, cauces evacuadores y estructuras de control
de crecidas
determinar el beneficio econmico de proyectos de atenuacin de crecidas
delimitar planicies de inundacin y determinar el efecto de ocupaciones o
construcciones en las mismas
9.b.3. TIEMPO DE RECURRENCIA O PERODO DE RETORNO
Se dice que la variable aleatoria X es un evento extremo, cuando es mayor o igual a un cierto valor
umbral
T
x .
El intervalo de recurrencia t es el tiempo entre ocurrencia de eventos
T
x X .
El perodo de retorno Tr de un evento
T
x X , es el valor esperado de t, ( ) t E , o el intervalo de
recurrencia promedio entre eventos extremos, es decir, que igualan o exceden una magnitud
T
x X ).
Figura 81. Intrvalos de Recurrencia t para Q 300 m/s
0
50
100
150
200
250
300
350
400
450
500
550
C
a
u
d
a
l

[
m
3
/
s
]
1905 1915 1925 1935 1945 1955 1965 1975 1985 1995
Aos

Este valor promedio debe realizarse sobre un nmero de ocurrencias suficientemente grande.
Para relacionar la probabilidad ( )
T
x X P p = de ocurrencia del evento
T
x X en cualquier observacin,
con el perodo de retorno, efectuando el siguiente razonamiento: para cada observacin existen dos
xito
T
Falla
T
x X < probabilidad = 1-p
Debido a que las observaciones son independientes, la probabilidad de un intervalo de recurrencia de
duracin t es el producto de las probabilidades de ( ) 1 t fallas seguidas por un xito, es decir
( ) p * p 1
1 t
/204/
( ) ( )

= =
1 t
1 t
p * p 1 * t t E Tr

que desarrollando en serie de potencia y simplificando es igual a:
/205/
( )
( ) [ ]
p
1
p 1 1
p
t E Tr
2
=

= =

Es decir que la probabilidad de ocurrencia de un evento en cualquier observacin de la variable es la
inversa del perodo de retorno:
/206/
( )
Tr
1
p x X P
T
= =

Si se desea determinar cual es la probabilidad de que un evento con perodo de retorno de Tr aos
ocurra al menos una vez en N aos, primero se debe calcular su complemento, o sea, la situacin en la
que ningn evento con un periodo de recurrencia TR aos ocurra en N aos.
Para ello debemos calcular la probabilidad de ocurrencia de una secuencia de N fallas sucesivas, es
decir:
/207/
( ) ( )
N
T
p 1 x X P = <

De esta manera, la probabilidad de que un evento de un perodo de retorno TR aos ocurra 1 vez en N
aos sera:
/208/
( ) ( )
( )
N
T
N
T
Tr
1
1 1 x X P
p 1 1 x X P

=
=

9.b.4. SERIES DE INFORMACIN HIDROLGICA
La informacin hidrolgica se puede organizar en series de diferentes caractersticas. Las series ms
Serie de duracin completa, que est compuesta por la totalidad de la informacin
Figura 82. Serie de Duracin Completa 74 aos - 26 654 valores
0
30
60
90
120
150
180
210
0
1
/
0
7
/
3
2
0
1
/
0
7
/
3
5
0
1
/
0
7
/
3
8
0
1
/
0
7
/
4
1
0
1
/
0
7
/
4
4
0
1
/
0
7
/
4
7
0
1
/
0
7
/
5
0
0
1
/
0
7
/
5
3
0
1
/
0
7
/
5
6
0
1
/
0
7
/
5
9
0
1
/
0
7
/
6
2
0
1
/
0
7
/
6
5
0
1
/
0
7
/
6
8
0
1
/
0
7
/
7
1
0
1
/
0
7
/
7
4
0
1
/
0
7
/
7
7
0
1
/
0
7
/
8
0
0
1
/
0
7
/
8
3
0
1
/
0
7
/
8
6
0
1
/
0
7
/
8
9
0
1
/
0
7
/
9
2
0
1
/
0
7
/
9
5
0
1
/
0
7
/
9
8
0
1
/
0
7
/
0
1
0
1
/
0
7
/
0
4
C
a
u
d
a
l

M
e
d
i
o

D
i
a
r
i
o

[
m
3
/
s
]

Serie de duracin parcial, que es una serie de datos seleccionados de manera tal que
la magnitud de cada uno de ellos sea mayor que un valor base predefinido
Serie de excedencia anual, constituida por una serie de duracin parcial en la que el
valor base se selecciona de forma tal que el nmero de valores de la serie sea igual al
nmero de aos del registro disponible.

Figura 83. Serie de Duracin Parcial 74 aos - 652 valores mayores a 90 m/s
0
30
60
90
120
150
180
210
0
1
/
0
7
/
3
2
0
1
/
0
7
/
3
5
0
1
/
0
7
/
3
8
0
1
/
0
7
/
4
1
0
1
/
0
7
/
4
4
0
1
/
0
7
/
4
7
0
1
/
0
7
/
5
0
0
1
/
0
7
/
5
3
0
1
/
0
7
/
5
6
0
1
/
0
7
/
5
9
0
1
/
0
7
/
6
2
0
1
/
0
7
/
6
5
0
1
/
0
7
/
6
8
0
1
/
0
7
/
7
1
0
1
/
0
7
/
7
4
0
1
/
0
7
/
7
7
0
1
/
0
7
/
8
0
0
1
/
0
7
/
8
3
0
1
/
0
7
/
8
6
0
1
/
0
7
/
8
9
0
1
/
0
7
/
9
2
0
1
/
0
7
/
9
5
0
1
/
0
7
/
9
8
0
1
/
0
7
/
0
1
0
1
/
0
7
/
0
4
C
a
u
d
a
l

M
e
d
i
o

D
i
a
r
i
o

[
m
3
/
s
]

Figura 84. Serie de Excedencia Anual 74 aos - 74 valores mayores a 134 m/s
0
30
60
90
120
150
180
210
0
1
/
0
7
/
1
9
3
2
0
1
/
0
7
/
1
9
3
5
0
1
/
0
7
/
1
9
3
8
0
1
/
0
7
/
1
9
4
1
0
1
/
0
7
/
1
9
4
4
0
1
/
0
7
/
1
9
4
7
0
1
/
0
7
/
1
9
5
0
0
1
/
0
7
/
1
9
5
3
0
1
/
0
7
/
1
9
5
6
0
1
/
0
7
/
1
9
5
9
0
1
/
0
7
/
1
9
6
2
0
1
/
0
7
/
1
9
6
5
0
1
/
0
7
/
1
9
6
8
0
1
/
0
7
/
1
9
7
1
0
1
/
0
7
/
1
9
7
4
0
1
/
0
7
/
1
9
7
7
0
1
/
0
7
/
1
9
8
0
0
1
/
0
7
/
1
9
8
3
0
1
/
0
7
/
1
9
8
6
0
1
/
0
7
/
1
9
8
9
0
1
/
0
7
/
1
9
9
2
0
1
/
0
7
/
1
9
9
5
0
1
/
0
7
/
1
9
9
8
0
1
/
0
7
/
2
0
0
1
0
1
/
0
7
/
2
0
0
4
C
a
u
d
a
l

M
e
d
i
o

D
i
a
r
i
o

[
m
3
/
s
]

Serie de valores extremos, que es aquella que se constituye con los valores mximos,
o mnimos, producidos en cada uno de los intervalos de tiempo de igual longitud en
que se haya dividido el registro.
Serie anual, es una serie de valores extremos en la que la longitud del intervalo de
tiempo considerada es de un ao. Es la serie de valores extremos ms
frecuentemente utilizada, y puede ser a su vez: serie anual mxima, cuando est
conformada por los valores mximos anuales y serie anual mnima, cuando se
seleccionan para constituirla los valores mnimos anuales.

Figura 85. Serie de Valores Extremos Anual 74 aos 74 valores, los mximos de cada ao
0
30
60
90
120
150
180
210
1
9
3
1
-
1
9
3
2
1
9
3
6
-
1
9
3
7
1
9
4
1
-
1
9
4
2
1
9
4
6
-
1
9
4
7
1
9
5
1
-
1
9
5
2
1
9
5
6
-
1
9
5
7
1
9
6
1
-
1
9
6
2
1
9
6
6
-
1
9
6
7
1
9
7
1
-
1
9
7
2
1
9
7
6
-
1
9
7
7
1
9
8
1
-
1
9
8
2
1
9
8
6
-
1
9
8
7
1
9
9
1
-
1
9
9
2
1
9
9
6
-
1
9
9
7
2
0
0
1
-
2
0
0
2
C
a
u
d
a
l
e
s

M

x
i
m
o
s

M
e
d
i
o
s

D
i
a
r
i
o
s

[
m
3
/
s
]

Cabe observar la diferencia que resulta de trabajar con valores extremos mximos anuales o con
valores de excedencia anual de la informacin disponible.
En una serie de excedencia anual generalmente aparecen la totalidad de los valores altos y mximos
anuales, dado que en varios aos el segundo valor mximo (y eventualmente otros) puede tener una
magnitud mayor que la de algunos mximos de otros aos.
Sin embargo, en la serie de mximos anuales, estos segundos valores mximos se excluyen, y en
consecuencia no se tienen en cuenta a los efectos del anlisis.
A pesar que la serie de excedencia anual es til para algunos propsitos, est limitada por el hecho de
que puede ser difcil verificar que todas las observaciones sean independientes; la ocurrencia de una
gran crecida bien podra estar relacionada con condiciones de suelo saturado consecuencia de otra
gran crecida que hubiese ocurrido un corto tiempo antes.
Por lo general, a los fines prcticos, usualmente es mejor utilizar series de mximos anuales para los
anlisis hidrolgicos pertinentes.
En cualquier caso, a medida que el perodo de retorno del evento considerado sea mayor, los
resultados de las dos metodologas se tornan muy similares, debido a que la posibilidad de que estos
dos eventos ocurran en un mismo ao es muy pequea.
El perodo de retorno,
E
Tr de magnitudes de eventos deducido a partir de una serie de excedencia
anual est relacionado con el correspondiente perodo de retorno Tr deducido de una serie mxima
anual, segn Ven Te Chow, por:
/209/

=
1 Tr
Tr
ln
1
Tr
E

Esta expresin demuestra que las diferencias son prcticamente despreciables para Tr mayores de 10
aos.
La limitacin que tienen las series parciales es que no estamos seguros de que todos los eventos sean
independientes.
TEMA 9.c: MTODOS ESTADSTICOS PARA ESTIMAR VALORES EXTREMOS
9.c.1. PLANTEAMIENTO
Estos mtodos consisten en estimar los valores de las crecidas mximas que pueden producirse en un
ro a partir de una serie de caudales mximos conocidos, extrapolando en dicha serie mediante el
empleo de una curva de frecuencia para diferentes probabilidades.
El problema se centra en utilizar al mximo los registros de caudales de que se dispone en la estacin
para la cual se busca evaluar la ms fuerte crecida a temer; habr necesidad as de emplear
principalmente las tcnicas estadsticas de anlisis de crecidas, las que permitirn resolver el problema
que representa calcular la probabilidad de que un caudal, superior a un valor dado, sobrevenga al
menos una vez durante un determinado perodo de tiempo (un siglo o un milenio, por ejemplo). Igual
razonamiento es extensivo a la cuantificacin de precipitaciones mximas en funcin de los valores de
los registros disponibles.
El caudal de la crecida anual, definido como el mayor caudal del ao, puede ser efectivamente
considerado como una variable aleatoria continua e ilimitada, de la cual puede proponerse estudiar la
Estando esta distribucin ajustada a alguna de las leyes tericas conocidas de probabilidad, que se
analizarn en el apartado 9.c.3, de manera que interprete, tan fielmente como sea posible, las
observaciones disponibles, se admite que esa misma ley es vlida, tanto dentro como fuera del perodo
de observacin, permitiendo por lo tanto, calcular el caudal que tiene una probabilidad dada de
ocurrencia, aunque sta sea muy pequea (como el de la crecida milenaria o decamilenaria, por
ejemplo).
9.c.2. DATOS A UTILIZAR
El estudio estadstico de crecidas puede orientarse de dos maneras:
si se desea conocer slo la posibilidad de que se alcance un cierto caudal en un perodo de
Se trabaja con una serie anual mxima, de acuerdo con el concepto definido para la misma en el
apartado 9.b.4, tomando en consideracin el mximo caudal instantneo de cada ao
hidrolgico, o en su defecto, de carecerse de tal valor, el mximo caudal medio diario de cada
ao.
si interesa tambin la duracin de los caudales de crecidas que sobrepasen uno determinado.
Corresponde emplear una serie de duracin parcial.
Los datos disponibles de crecidas para ajustar una ley de distribucin de caudales mximos anuales,
son en general relativamente escasos (desde principios de siglo los ms largos en nuestra regin) y
muchas veces significativamente menor, debindose en base a los mismos, en algunos estudios como
por ejemplo la determinacin de la capacidad de un aliviadero, estimar caudales de crecidas probables
para perodos mucho ms largos, en ocasiones de hasta 1.000 10.000 aos.
En estos casos, en que se extrapola la ley de distribucin a lapsos de tiempo mucho ms extensos que
aqul para el cual se dispone de datos, pueden resultar errores considerables en uno u otro sentido, lo
que se confirma observando que, por lo general, los datos extremos de que se tiene noticia, presentan
muy frecuentemente una gran dispersin, alejndose de la curva de distribucin que se intenta ajustar.
Debe tenerse siempre presente que la extrapolacin de los valores de las crecidas para elevados
tiempos de recurrencia, a partir de datos de 25 a 50 aos, no tiene ningn fundamento cientfico, sino
slo matemtico, por lo que los valores estimados para tales casos deben tomarse con grandes
reservas y, si es posible, comprobar, por medio de investigaciones histricas, si las crecidas ocurridas
en tiempos lejanos fueron del mismo orden de magnitud que las obtenidas por extrapolacin con las
Un factor muy importante a considerar es que los resultados son funcin de los datos contenidos en la
serie de registros, serie que se va enriqueciendo con nuevos valores a medida que pasa el tiempo. De
all que en ocasiones, al actualizar clculos efectuados un cierto tiempo atrs, se obtienen, al incorporar
a la serie los nuevos registros, caudales sensiblemente diferentes para iguales tiempos de recurrencia,
Otro aspecto de incidencia es que los datos de partida son generalmente caudales mximos medios
diarios y no caudales mximos instantneos, dado que normalmente existen series aceptablemente
extensas de datos con valores medios diarios, en parte de la serie, y con datos medios diarios e
instantneos, en el resto. En este caso se puede intentar una correlacin entre valores medios diarios e
instantneos y, en caso de obtenerse un ajuste aceptable, calcular, mediante regresin, la serie
completa de valores instantneos.
9.c.3. LEYES DE DISTRIBUCIN DE VALORES EXTREMOS
Los valores extremos son valores mximos o mnimos seleccionados de conjuntos de datos. Por
ejemplo, el caudal mximo anual en un lugar dado es el mayor caudal registrado durante un ao
hidrolgico y todos los valores contenidos en el registro histrico conforman un conjunto de valores
extremos que se pueden analizar estadsticamente.
Se ha demostrado que las distribuciones de valores extremos seleccionados de conjuntos de muestras
de cualquier distribucin de probabilidad, cuando el nmero de valores extremos seleccionados es
grande, convergen en una de las tres formas que toman las distribuciones de valores extremos,
denominadas Tipo I, II y III.
Las propiedades de las tres formas limitantes fueron desarrolladas principalmente por Gumbel (1941)
para la distribucin de Valor Extremo Tipo I (EVI, por sus siglas en ingls), por Frechet (1927) para la
EVII y por Weibull (1939) para la EVIII.
Estas leyes se hallan expresadas en funcin de las caractersticas estadsticas de la muestra
hidrolgica (media, desviacin tpica, etc.). En los apartados siguientes se resean las leyes de
9.c.3.i. Distribucin de Gumbel
Expresa que la probabilidad de ocurrencia de un valor X, menor que un valor dado x, est dada por
(recordar la expresin /198/):
/210/ ( ) ( )
( )
0
x x * a
e
e x F x X P

= = <
Los coeficientes
0
x y a estn relacionados con la media x y la desviacin tpica por las
relaciones:
/211/
a
577 . 0
x x y * 78 . 0
a
1
0
= =
Luego la probabilidad de obtener un valor mayor que x es:
/212/ ( ) ( ) x F 1 x X P =
Donde:
x es la magnitud del evento extremo de probabilidad ( ) x X P
x es el promedio aritmtico de los valores de la serie
n es el nmero de aos del registro
es la desviacin standard de la serie y se calcula con la siguiente expresin:
/213/
( )
1 n
x x
n
1 i
2
i

=

=

9.c.3.ii. Distribucin Log-Pearson III
Esta distribucin se basa en convertir los valores
i
x de la serie de registros a logaritmos, calculando:
a) el valor medio:
/214/ ( )
( )
n
x log
x log
n
1 i
i
=
=
b) la desviacin estndar:
/215/
( )
( ) ( ) [ ]
1 n
x log x log
n
1 i
2
i
x log

=

=

c) El coeficiente de asimetra:
/216/
( ) ( ) [ ]
( ) ( )
( )
( )
3
x log
n
1 i
3
i
* 2 n * 1 n
x log x log * n
S

=

=

Luego el valor de x para una probabilidad dada, se calcula por medio de la expresin:
/217/ ( ) ( )
( ) x log T
* K x log x log + =
Para esta expresin, el valor de
T
K se halla tabulado en funcin de S y del tiempo de recurrencia para
el cual se desea determinar x.
9.c.4. DETERMINACION DEL HIDROGRAMA DE LA CRECIDA DE DISEO.
Mediante la aplicacin de alguna de las expresiones indicadas en el apartado anterior, puede calcularse
el caudal estimado correspondiente a una crecida de un tiempo de recurrencia preestablecido (punto E
ejemplo), ese valor aislado no resulta suficiente, debindose conocer adems la configuracin del
hidrograma resultante para toda la crecida.
A estos fines debe partirse del hidrograma ms desfavorable contenido en la serie de registros con la
que se cuenta, entendiendo por tal, no excluyentemente, al que corresponde al mayor caudal pico, sino
que debe tomarse en consideracin tambin su tiempo de base y el volumen aportado por la crecida.
Una vez seleccionado este hidrograma (ADC de la Figura 86), se efecta la separacin del flujo base
aplicando alguno de los mtodos desarrollados al efecto. Por lo general, el caudal mximo de este
hidrograma, punto D, ser inferior al representado por E, punto por el cual deber pasar el hidrograma
de la crecida de tiempo de recurrencia Tr.
Para ello puede establecerse la relacin de proporcionalidad DB EB p = , multiplicando luego todas las
ordenadas genricas FG por dicho valor, obtenindose as los segmentos FH (siempre tomados a
partir de las rectas separadoras del flujo base), cuyos extremos superiores, puntos H, sern puntos de
paso del hidrograma buscado, el que se extender desde A hasta C, pasando por E.
Figura 86. Determinacin del Hidrograma de una Crecida de Recurrencia Tr
0
5
10
15
20
25
30
35
40
45
50
55
0 30 60 90 120 150 180 210 240 270
Tiempo [min]
C
a
u
d
a
l

[
m
3
/
s
]

En caso que el caudal mximo haya sido calculado con valores de caudales mximos medios diarios, y
exista en el ro en estudio una diferencia no despreciable con los mximos instantneos, deber
calcularse la relacin media ms probable entre ambos y ubicar el punto E segn el valor
correspondiente al caudal mximo instantneo de la crecida de proyecto.
Otra alternativa sera la de generar directamente, mediante correlacin y regresin, la serie de caudales
mximos instantneos y trabajar directamente con ella.
Como una verificacin de que la distribucin de probabilidad se ajusta al conjunto de datos hidrolgicos
a los cuales se la pretende aplicar, los mismos pueden graficarse en un papel de probabilidad diseado
especialmente para la distribucin.
En este tipo de papeles las ordenadas representan el valor de x en una cierta escala (en los estudios
de ingeniera hidrolgica generalmente caudales o precipitaciones), mientras que las abscisas
corresponden a la probabilidad o el perodo de retorno.
Las escalas de representacin para ambos ejes estn diseadas de manera tal que los valores que
vayan a ser graficados aparezcan prximos a una lnea recta, o sea que linealicen la funcin de
distribucin.
De esta forma, trazando la recta compensadora de los puntos representados en la grfica, puede
procederse fcilmente a realizar estimaciones que requieran procesos de comparacin, interpolacin o
extrapolacin.
En este ltimo caso, sin embargo, el efecto de los errores que pueden producirse se multiplica
rpidamente, posibilidad que debe ser muy tenida en cuenta al aplicar para fines de diseo y
E
A
C
D
B F
G
H
9.c.5.ii. Posiciones de Graficacin
Una posicin de graficacin se refiere al valor de la probabilidad asignada a cada uno de los datos que
van a graficarse. Para su determinacin se han propuesto numerosos mtodos, la mayora de los cuales
son empricos.
Si n es el nmero total de valores que van a ser graficados y m la posicin de un valor en una lista
ordenada por magnitud descendente, la probabilidad de excedencia del m-simo valor mayor,
m
x , es,
para n grande:
/218/ ( )
n
m
x X P
m
=
Sin embargo, esta frmula simple (conocida como la frmula de California y que data de 1923) produce
una probabilidad del 100% en el caso de m = n, que puede ser difcil de graficar en una escala de
Como un ajuste, la ecuacin anterior puede modificarse a:
/219/ ( )
n
1 m
x X P
m

=
An cuando esta expresin no produce una probabilidad del 100%, s produce una probabilidad cero
para m = 1, lo que tambin puede ser difcil de graficar en un papel de probabilidad.
Las dos ecuaciones anteriores representan los lmites dentro de los cuales deberan localizarse las
Un trmino medio entre ellas es la ecuacin propuesta por primera vez en 1930 por Hazen:
/220/
( )
( )
n * 2
1 m * 2
x X P
n
5 . 0 m
x X P
m
m

=

La ecuacin de Weibull (1939) es un trmino medio con una mejor justificacin estadstica. Si los n
valores estn uniformemente distribuidos entre el 0 y el 100% de probabilidad, entonces deben existir
1 n + intervalos: 1 n entre los puntos correspondientes a los datos y 2 en los extremos. Este sistema
simple de graficacin se expresa mediante la referida ecuacin, segn la cual:
/221/ ( )
1 n
m
x X P
m
+
=
sta indica un perodo de retorno un ao mayor que el perodo de retorno del registro del valor mximo.
Otra ecuacin intermedia, conocida como la de Chegodayev (1955), ampliamente utilizada en Rusia y
los pases de Europa Oriental es:
/222/ ( )
4 . 0 n
3 . 0 m
x X P
m
+

=
La mayora de las frmulas de posicin de graficacin estn representadas por la siguiente expresin
general:
/223/ ( )
b * 2 1 n
b m
x X P
m
+

=
Por ejemplo, para la frmula de Hazen es b = 0,5; para la de Chegodayev, b = 0,3 y para la de Weibull,
b = 0. Tambin son de aplicacin frecuente las frmulas propuestas por Blom (1958) en la que b = ; la
de Tukey (1962) con b = y la de Gringorten (1963) con b =0,44.
La eleccin del valor de b se halla relacionada con el tipo de distribucin empleada y la magnitud de los
tiempos de recurrencia con los cuales se trabaja, tratando de buscar siempre el mejor ajuste.