You are on page 1of 36

PRECIPITACIÓN – 3-3

Preparado por: Ing. Jaime Pedroza Soler

PRECIPITACIÓN

FACTORES CLIMÁTICOS

PRECIPITACIÓN, FORMACIÓN Y TIPOS

MEDIDAS PLUVIOMÉTRICAS

ANÁLISIS ESTADÍSTICO DE DATOS HIDROLÓGICOS

VARIACIÓN DE LA PRECIPITACIÓN

PRECIPITACIÓN MEDIA SOBRE UNA CUENCA

ANÁLISIS DE LLUVIAS INTENSAS

ANALISIS ESTADÍSTICO DE DATOS HIDROLÓGICOS

Media

VALOR CENTRAL O DOMINANTE
Mediana
DE LA SERIE

Moda
ANÁLISIS ESTADÍSTICO DE

Desviación estándar
DATOS HIDROGRÁFICOS

Varianza
DISPERSIÓN O FLUCTUACIÓN
DE LAS OBSERVACIONES
Rango

Coeficiente de variación

Distribución simétrica

CARACTERÍSTICAS DE
FORMA
Distribución oblicua hacia la derecha

Distribución oblicua hacia la izquierda

ANALISIS ESTADÍSTICO DE DATOS HIDROLÓGICOS NORMAL O GAUSS PROBABILIDAD DE INTERÉS LOG NORMAL DISTRIBUCIONES DE GUMBEL O VALORES EXTREMOS LOG-GUMBEL LOG PEARSON TIPO III PERSON TIPO III .

la magnitud de los eventos para varios períodos de retorno se selecciona de la línea de mejor ajuste de acuerdo a la distribución supuesta. • Si no se hace suposiciones de probabilidad el analista solo gráfica los datos observados sobre cualquier clase de papel y usa su criterio para determinar la magnitud de los eventos pasados o futuros para varios períodos de retorno. . • • Además se requiere que los datos sean representativos de caudales futuros.ANALISIS ESTADÍSTICO DE DATOS HIDROLÓGICOS • El análisis de frecuencias es un procedimiento para estimar la frecuencia de ocurrencia o probabilidad de ocurrencia de eventos pasados o futuros. • Si se hacen suposiciones de distribuciones de probabilidad. • El análisis de frecuencias de datos hidrológicos requiere que de datos sean homogéneos e independientes. • Los análisis de frecuencias hidrológicas pueden ser llevados a cabo haciendo o sin hacer suposición alguna de distribuciones de probabilidad.

DISTRIBUCIONES DE INTERÉS EN HIDROLOGÍA. c. DISTRIBUCIÓN NORMAL O DE GAUSS 1 𝑋𝑋𝑖𝑖 − 𝑥𝑥−𝑥𝑥̅ 2 𝑥𝑥𝑖𝑖 − 𝑋𝑋� 𝑝𝑝 𝑥𝑥 ≤ 𝑥𝑥𝑖𝑖 = � 𝑒𝑒 2𝑆𝑆 2 𝑑𝑑𝑑𝑑 𝑍𝑍𝑍𝑍 = 𝑆𝑆 𝑠𝑠 2 𝜋𝜋 −∞ Para Xi = 𝑋𝑋� entonces Zi = 0 .8413 Para el ajuste de una serie de datos observados – función de frecuencia acumulada. A. Método de Chow.1587 Para Xi = 𝑋𝑋� + S entonces Zi = 1 . como la normal se tiene los siguientes métodos: a.S entonces Zi =-1 . P (Z ≤ -1) = 0.500 Para Xi = 𝑋𝑋� . P (Z ≤ 1) = 0.a una ley teórica. Método de los mínimos cuadrados. b. P (Z ≤ 0) = 0. Método de los momentos. .

Trazar una línea recta entre dichos puntos. Método de los momentos: 1. Ordenar los datos de mayor a menor. 𝑋𝑋� .S) • (0. 7. Considerar F(xi) = F (x ≤ Xi ) como una buena aproximación de la probabilidad teórica P(xi) = P (x ≤ Xi ) 5.utilizar tabla normal-.A. 𝑋𝑋�) • (0. Para cualquier valor de Zi se puede calcular su correspondiente valor P(z ≤ zi) . 4.500. Graficar en papel aritmético los puntos: • (0. Adicionalmente cualquier valor se puede obtener como: xi = 𝑋𝑋� + S* zi . DISTRIBUCIÓN NORMAL O DE GAUSS (Cont. 3.1587. Determinar para cada evento la frecuencia con que es igualado o superado F(x ≤ Xi) = i/(n+1). Calcular las estadísticas de la muestra.8413. 2.) a. 𝑋𝑋� +S) 6.

14 -1.28 6 362 526.15 525.75 587.16 -0.0 0.A. DISTRIBUCIÓN NORMAL O DE GAUSS (Cont.16 -0. 𝑋𝑋� .7000 0.1260 7 309 515.0 0.0000 4 386 589.0 0.0 0. Precipitación Estación X Precip.75 0.14 -1.0 0.7 9 400 489. .02 -1.0 0. (mm) Orden F(Xi) Zi (mm) > a< calculada Gráfica datos ajustados distribución normal 1 304 698.0 0.1000 0.1 100.2 0.4 0.9000 Valores de la distribución normal .8000 0.55 566.18 -0.5000 406.500.0000 2 589 685.8820 3 335 598.08 518.8 Precipitación (mm) 400.405 0.0000 0.0000 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 = 𝑋𝑋� − 𝑆𝑆 ∗ 𝑍𝑍𝑍𝑍 0.915 501.98 2 589 685.08 -1.06 -1.20 -0. 𝑋𝑋�) (0.95 504.0000 8 373 504.10 -1.12 -1.08 8 373 504.12 -1.5040 5 231 563.4 0.) a.4 300. Método de los momentos: • (0.4 3 335 598.0000 6 362 526.3 0.0 0.08 -1.15 0.8413 303.5000 0.02 -1.10 -1.8413.0000 10 316 461.4000 0.98 611.2 0.3 0.0000 7 309 515.04 -1.8 5 231 563.405 551.2 200.0 0.0 0. .0 0.84 493.1587 509.55 4 386 589. . 𝑋𝑋� + S) Orden F(Xi) Zi (mm) > a< • 1 304 698.2 600.7 500.1587.28 538.04 -1.2000 0.95 .3000 0.06 -1.6000 0.3 0.S) Precipitación Estación X • (0. .0 0.

hallando los valores de las constantes “a” y “b” de la ecuación de regresión (Xi = a + b Zi). Método de los mínimos cuadrados: 1.A. 8. 5. Graficar dicha recta. Efectuar un análisis de mínimos cuadrados entre las variables Xi y Zi. Determinar para cada evento la frecuencia con que es igualado o superado F(x ≤ Xi) = i/(n+1). Buscar en la tabla los valores Zi asociada a cada valor F(xi). Por otro lado se puede hallar Xi conocido Zi. . 7. Graficar en papel aritmético los puntos (Zi . Ordenar los datos de mayor a menor. Xi). 2. 3. 6. 4. Considerar F(xi) = F (x ≤ Xi ) como una buena aproximación de la probabilidad teórica P(xi) = P (x ≤ Xi ). DISTRIBUCIÓN NORMAL O DE GAUSS (Cont. Para cualquier valor de Zi se puede hallar su correspondiente valor P (z ≤ zi ) = P (x ≤ Xi ) o viceversa.) b.

550 572.0980 -1.2157 -0.0588 -1.0 7 309 515.060 188.7 9 400 489.3 0.280 543. Método de los mínimos cuadrados (cont.0 0.1176 -1.2 5 231 563.9 2 589 685.950 508.6 4 386 589.9804 2.2 50 302.9608 1.4 0.0 0.0 0.0784 -1.0 0.9 0.750 593.3 258.2 .) b.0 0.1373 -1.150 530.9412 1.0392 -1.760 220.560 241.4 0.2 0.915 505.): MÉT.0 0. regres.060 626. (> a <) F(X ≤Xi) Precip.0196 -2. MÍNIMOS CUADRADOS Precipitación Precip.6 8 373 504.0 0.A.1569 -0.9 3 335 598.1961 -0.9 6 362 526.1765 -0.0 0.6 226.5 49 456.0 11 504 458.0 0. 1 304 698.840 497.0 10 316 461.405 557. (mm) Orden Zi (leido tabla) calculada con (mm) (mm) aprox = P(X ≤Xi) ecuac.6 48 526.080 522.770 489.8 231. DISTRIBUCIÓN NORMAL O DE GAUSS (Cont.

0 200.): Gráfica datos ajustados distribución normal 800.5 0 0.5 Valores Zi .9418 600.0 Precipitación (mm) 500.0 300.0 -2.47x + 407.5 2 2. Método de los mínimos cuadrados (cont.57 R² = 0.0 400.0 700.5 -2 -1.5 -1 -0.0 y = -106.0 0.0 100.5 1 1.DISTRIBUCIÓN NORMAL O DE GAUSS b.

KT: Factor de frecuencia.) b. . Método de Chow: Chow (1951) demostró que muchos análisis de frecuencias pueden ser reducidos a la forma: 𝑋𝑋𝑇𝑇 = 𝑋𝑋� 1 + 𝐶𝐶𝑣𝑣 ∗ 𝐾𝐾𝑇𝑇 Ó 𝑋𝑋𝑇𝑇 = 𝑋𝑋� + S ∗ 𝐾𝐾𝑇𝑇 Donde: XT: Magnitud del evento que tiene un período de retorno T. Para la distribución normal se puede fácilmente demostrar que (KT) es la variable reducida de Z. Chow presenta los factores de frecuencia para diferentes tipos de distribución de frecuencia. DISTRIBUCIÓN NORMAL O DE GAUSS (Cont.A.

DISTRIBUCIONES DE INTERÉS EN HIDROLOGÍA. B. c. Método de los mínimos cuadrados. Entonces: ∑𝑛𝑛𝑖𝑖=1 𝐿𝐿𝐿𝐿𝐿𝐿 𝑥𝑥𝑖𝑖 Media de los datos de la muestra transformada 𝑌𝑌� = 𝑛𝑛 Desviación Estándar de los datos de la muestra transformada ∑𝑛𝑛𝑖𝑖=1 𝑦𝑦𝑖𝑖 − 𝑌𝑌� 2 𝑆𝑆𝑦𝑦 = 𝑛𝑛 − 1 Desviación Estándar de los datos de la muestra 𝑛𝑛 ∑𝑛𝑛𝑖𝑖=1 𝑦𝑦𝑖𝑖 − 𝑌𝑌� 3 transformada 𝐶𝐶𝐶𝐶 = 𝑛𝑛 − 1 𝑛𝑛 − 2 𝑆𝑆𝑆𝑆 3 Se tiene los siguientes métodos de ajuste: a. DISTRIBUCIÓN LOG NORMAL Si la variable X se reemplaza por una función Y = f(x) tal que Y = log x. b. . Método de Chow. la función puede normalizarse. Método de los momentos.

Antilog (𝑌𝑌� . Antilog (𝑌𝑌� +Sy)) 7.500. 2.Sy)) • (0. Calcular las estadísticas de la muestra.B. Dicha línea representa el ajuste a los datos observados.) a. 5. Método de los momentos: 1. Y . . Considerar F(xi) = F (x ≤ Xi ) como una buena aproximación de la probabilidad teórica P(xi) = P (x ≤ Xi ) 6. Trazar una línea recta entre dichos puntos. Antilog 𝑌𝑌�) • (0.8413.1587. Ordenar los datos de mayor a menor. Graficar en papel normal logarítmico los puntos: • (0. Determinar para cada evento la frecuencia con que es igualado o superado F(x ≤ Xi) = i/(n+1). 4. Sy y Cs 3. Transformar los valores originales de la variable aleatoria xi a yi = log xi. DISTRIBUCIÓN LOG NORMAL (Cont.

8413 2. DISTRIBUCIÓN LOG NORMAL (Cont.4906 Gráfica datos ajustados distribución Log-normal 2.3112x + 2.9000 Valores Zi .Sy)) 0.7500 y = -0.2000 0. Antilog (𝑌𝑌� + Sy)) 0.5500 2.7524 2.B.8413. Antilog (𝑌𝑌� .5968 (0. Antilog 𝑌𝑌�) 0.1587 2.8000 0.3000 0.5000 0.6500 2.6000 0. Método de los momentos: (0.500.1587.7000 R² = 1 Log Precipitación (mm) 2.5000 2.7000 0.4000 0.4500 0.5000 2.1000 0.0000 0.) Zi Log Xi (0.6000 2.7030 a.

686011 485.782673 606.4 2.30392 -0.0 2.8 231.68931 0.77012 0.1373 0.9 50 302.718940 523.44118 -1.38235 -1.2 5 231 563.1961 0.0 2 589 685.) a.0 2.9412 0.1569 0.28431 -0.0 2.3 258.280 2.711504 514.1 48 526.46078 1.750 2.3 10 316 461.0 2.48039 -2.71181 0.0392 0. calculada como tabla) (mm) (mm) aprox = P(X ≤Xi) Normal Momentos antilog (Yi) 1 304 698.5 7 309 515.8 .678576 477.83582 0.815601 654.9804 0.693978 494.0 2.4 6 362 526.560 2.40196 -1.0 2.760 2.915 2.42157 -1.150 2.060 2.409835 256.697696 498.72123 0. Método de los momentos cont: MÉT.6 8 373 504.060 2.46078 -1.36275 -1.1176 0.66370 0. DISTRIBUCIÓN LOG NORMAL (Cont. (> a <) Yi = Log Xi F(X ≤Xi) Valor de P(X ≤ Xi) a Yi calculado Precip.0 2.41162 0.080 2.550 2.B.36361 0.8 49 456.32353 -0.3 11 504 458.3 3 335 598.5 9 400 489.35488 0.431080 269.75082 0.4 2.2157 0.77670 0.6 226.0588 0.405 2.44118 1.761428 577.770 2.84386 0. (mm) Zi (leido Orden buscar en tabla con ecuac.0980 0.3 4 386 589.3 2.732749 540.34314 -0.9608 0.746026 557.66172 0.2 2.0784 0.48039 2.70243 0.0 2.840 2.0196 0.9 2.377969 238. DE LOS MOMENTOS Precipitación Precip.0 2.950 2.1765 0.

Xi = Antilog Yi). 6. 7. hallando los valores de las constantes “a” y “b” de la ecuación de regresión (yi = a + b Zi). 5. Graficar en papel normal logarítmico los puntos (Zi . Determinar para cada evento la frecuencia con que es igualado o superado F(x ≤ Xi) = i/(n+1). Método de los mínimos cuadrados: 1. Por otro lado por medio de la recta de regresión se puede determinar Yi . 2. Buscar en la tabla los valores Zi asociados a cada valor F(xi). . Para cualquier valor de Zi se puede hallar su correspondiente valor P (z ≤ zi ) = P (y ≤ yi ) o viceversa. Efectuar un análisis de mínimos cuadrados entre las variables Yi y Zi. Finalmente xi = antilog Yi. 4.) b. DISTRIBUCIÓN LOG NORMAL (Cont. 8. Transformar los valores originales de la variable aleatoria xi a yi = log xi. Ordenar los datos de mayor a menor. 9. 3. Graficar dicha recta.B. Considerar F(xi) = F (x ≤ Xi ) como una buena aproximación de la probabilidad teórica P(xi) = P (x ≤ Xi ). Recta de ajuste de la serie de datos.

829 674.66370 0.84386 0.0980 -1.750 2.0 2.0 2.1961 -0.794 622.71181 0.760 2.B.3 258.840 2.365 232.0 2.150 2.560 2. Método de los mínimos cuadrados (cont.0 2.2 48 526.0588 -1.755 569.4 3 335 598.915 2.0196 -2.080 2.72123 0.770 2.9608 1.1373 -1.950 2.35488 0.68931 0.83582 0.0784 -1.692 491.772 591.700 501.704 505.77012 0.77670 0.060 2. antilog (Yi) 1 304 698.1 49 456.684 482.0 .66172 0.9 9 400 489.0 4 386 589.727 532.8 231.0 2. calculada como (mm) (mm) aprox = P(X ≤Xi) regres.1 6 362 526.): MÉT.422 264.550 2.2 8 373 504.0392 -1.9804 2.0 2.405 2.9 2.9 12 432.0 2.700 2. (mm) Orden Zi (leido tabla) con ecuac.6 226.9 2. (> a <) Yi = Log Xi F(X ≤Xi) Yi calculado Precip.741 551.3 2.719 523.7 50 302.676 474.1569 -0.4 2.75082 0.060 2.2 2.2 5 231 563.1176 -1.0 2.7 11 504 458.3 10 316 461.1765 -0.9412 1.8 7 309 515.36361 0.2157 -0.41162 0.66172 0.70243 0.5 2 589 685.280 2. DISTRIBUCIÓN LOG NORMAL (Cont.4 2.8 458.0 2.399 250.) b.2353 -0. MÍNIMOS CUADRADOS Precipitación Precip.

000 2. Método de los mínimos cuadrados (cont.80000 2.500 1.40000 2.9843 Log (Precipitación) (mm) 2.500 -1.000 0.50000 2.500 0. DISTRIBUCIÓN LOG NORMAL (Cont.90000 2.) b.B.500 -2.000 1.500 2.5972 R² = 0.60000 2.): Gráfica datos ajustados distribución Log-normal 2.30000 -2.500 Valores Zi .000 -0.70000 y = -0.000 -1.1125x + 2.

9 5 0. 20 1. El método se aplica siguiendo los pasos: 𝑋𝑋𝑇𝑇 = 𝑋𝑋� 1 + 𝐶𝐶𝑣𝑣 ∗ 𝐾𝐾𝑇𝑇 1. (mm) Calc.B. Retorno (T).6 obtienen en función de Cs y T.5 El valor KT se obtiene de tablas en función de Cs y del período de retorno.33 645.33 168.1 2 0. 𝐶𝐶𝐶𝐶 = XT: Magnitud del evento que Período de KT (Leido en 𝑛𝑛 − 1 𝑛𝑛 − 2 𝑆𝑆 3 tiene un período de retorno T. .00 407. 4. Calcular la desviación estándar S Ó 3.89 498. Chow KT: Factor de frecuencia.0 1 -2.) b. Tabla).6 Ver cuadro 3 A. Se 100 2. Calcular la media ( 𝑋𝑋� ) 2. ecuac. Calcular XT. 𝑋𝑋𝑇𝑇 = 𝑋𝑋� + S ∗ 𝐾𝐾𝑇𝑇 MÉTODO DE CHOW 𝑛𝑛 𝑥𝑥𝑖𝑖 − 𝑋𝑋� 3 ∑𝑛𝑛𝑖𝑖=1 Donde: Precipitac.64 574. Método de Chow: Los factores de frecuencia KT para la distribución Log-normal están en función del coeficiente de asimetría Cs de los datos originales y el período de retorno (o probabilidad de excedencia). Calcular el coeficiente de oblicuidad o asimetría Cs. DISTRIBUCIÓN LOG NORMAL (Cont.

Método de Chow. c. Método de los momentos.C.a una ley teórica. DISTRIBUCIÓN GUMBEL O VALORES EXTREMOS Es una función de probabilidad usualmente utilizada para valores máximos aleatorios sacados de poblaciones suficientemente grandes. como la normal se tiene los siguientes métodos: a. Método de los mínimos cuadrados. b. −𝑒𝑒 −𝑦𝑦𝑖𝑖 − ln −𝐿𝐿𝐿𝐿 𝑃𝑃 𝑥𝑥 ≤ 𝑥𝑥𝑖𝑖 = 𝑦𝑦𝑖𝑖 𝑃𝑃 𝑥𝑥 ≤ 𝑥𝑥𝑖𝑖 = 𝑒𝑒 Para el ajuste de una serie de datos observados – función de frecuencia acumulada. .

36651 • X(mediana) = 𝜖𝜖𝑘𝑘 + con P (x ≤ X media) = 0.) a. . Determinar para cada evento la frecuencia con que es igualado o superado F(x ≤ Xi) = i/(n+1).368 0. 5. DISTRIBUCIÓN GUMBEL O VALORES EXTREMOS (Cont.500 𝛼𝛼𝛼𝛼 0. 2.57722/∝ 𝑘𝑘 𝑆𝑆 6. Graficar en papel Gumbel los puntos (F (x ≤ xi) . a la ley probabilística de Gumbel.28255 • Donde ∝ 𝑘𝑘 = 𝑦𝑦 𝜖𝜖𝜖𝜖 = 𝑋𝑋� − 0. 3. Ordenar los datos de mayor a menor. Método de los momentos: 1. Trazar una línea recta a través de estos puntos . en función de la frecuencia acumulada. Determinar los puntos: • X (Moda) = Єk con P (x ≤ X moda) = 0.570 𝛼𝛼𝛼𝛼 1.C.57722 • 𝑋𝑋� = 𝜖𝜖𝜖𝜖 + con P (x ≤ 𝑋𝑋�) = 0. Considerar F(xi) = F (x ≤ Xi ) como una buena aproximación de la probabilidad teórica P(xi) = P (x ≤ Xi ) 4. Dicha línea representa el ajuste de la serie de datos observados. Xi).

También se puede hallar la precipitación utilizando las siguientes expresiones: 𝑦𝑦𝑖𝑖 − 𝑌𝑌𝑌𝑌 𝐾𝐾 = 𝑆𝑆𝑛𝑛 𝑋𝑋𝑖𝑖 = 𝑋𝑋� + 𝐾𝐾 ∗ 𝑆𝑆 . Determinar para cada evento la frecuencia con que es igualado o superado F(x ≤ Xi) = i/(n+1).C. 10. Con la ecuación: 𝑃𝑃 = 𝑋𝑋� ∗ 1 + 𝐶𝐶𝐶𝐶 0. 3. Para cualquier valor de Yi se puede hallar su correspondiente valor P (z ≤ zi ) = P (x ≤ Xi ) o viceversa. hallando los valores de las constantes “a” y “b” de la ecuación de regresión (Xi = a + b yi). Efectuar un análisis de mínimos cuadrados entre las variables Xi y Yi. Por otro lado se puede hallar Yi conocido Zi.78 ∗ 𝑦𝑦𝑦𝑦 − 0. 4. 8. Yi). 6. 2.) a. Método de los mínimos cuadrados: 1. Considerar F(xi) = F (x ≤ Xi ) como una buena aproximación de la probabilidad teórica P(xi) = P (x ≤ Xi ).45 9. 7. Hallar Yi con la expresión: { −𝐿𝐿𝐿𝐿 −𝐿𝐿𝐿𝐿 𝑃𝑃 𝑥𝑥 ≤ 𝑥𝑥𝑖𝑖 = 𝑌𝑌𝑖𝑖 } 5. Graficar dicha recta. DISTRIBUCIÓN GUMBEL O VALORES EXTREMOS (Cont. Ordenar los datos de mayor a menor. Graficar en papel Gumbel los puntos (Zi .

5 4 386 589.4 0.175 -1.522 1.22 1.920 514.4 50 302.731 658.415 1.0 49 456.0 0.98 -1.041 -1.139 270.6 226.04 3.791 504.6 2 589 685.922 3.8 231.0 0.151 452.639 1.3 5 231 563.3 7 309 515.9 3 335 598.96 -1.0 0.16 1.343 548.913 1. (> a >) F(X ≤Xi) Yi calc.0 9 400 489.45 .0 0.3 258.219 3.0 0.): MÉTODO DE LOS MÍMIMOS CUADRADOS Orden Precipitación Precip.12 2.02 3.803 2.0 0.78 ∗ yi − 0.18 1.2 − ln −𝐿𝐿𝐿𝐿 𝑃𝑃 𝑥𝑥 ≤ 𝑥𝑥𝑖𝑖 = 𝑦𝑦𝑖𝑖 𝑃𝑃𝑖𝑖 = X� ∗ 1 + CV 0.665 494. con Yi calculada ecuación de ecuación de con P(X ≤Xi) (mm) (mm) aprox = P(X ≤Xi) ajuste ajuste (mm) 1 304 698.369 -1.634 571.078 1.499 241.768 1.) b.94 -1.14 1. con Precipitac.0 0.271 2.4 0. Método de los mínimos cuadrados (cont.9 48 526.0 0.505 2.447 245.494 480.10 2.877 670.20 1.0 0. DISTRIBUCIÓN GUMBEL O VALORES EXTREMOS (Cont.0 8 373 504.0 6 362 526.08 2.9 0.3 0.06 2.3 10 316 461.175 454.737 579.8 11 504 458.C.2 0.

0 Precipitación (mm) .9862 4.0802 R² = 0.0 800.4.): Datos ajustados a la distribución de Gumbel 5.0 400.0 600.000 3.000 1.) b.000 -1.0114x . DISTRIBUCIÓN GUMBEL O VALORES EXTREMOS (Cont.000 Valores de Yi 2.000 y = 0.000 0.C.000 0.0 700.000 -2.0 500. Método de los mínimos cuadrados (cont.0 200.0 300.0 100.

Método de Chow: 𝑋𝑋𝑖𝑖 = 𝑋𝑋� + 𝐾𝐾𝑇𝑇 ∗ 𝑆𝑆 Chow (1951) presentó la siguiente expresión el factor de frecuencia para la distribución de máximos valores extremos tipo I para una muestra de tamaño infinito.5772 + 𝐿𝐿𝐿𝐿 𝑇𝑇𝑥𝑥 𝑥𝑥 − 1 Donde Tx(x) es el período de retorno deseado de la cantidad que está siendo calculada. Ver Tabla 3 A 3 .C. Kendall (1959) presentó tabla de valores de KT para distribuciones de valores extremos tipo I. DISTRIBUCIÓN GUMBEL O VALORES EXTREMOS (Cont.7797 0. 𝐿𝐿𝐿𝐿 𝑇𝑇𝑥𝑥(𝑥𝑥) 𝐾𝐾𝑇𝑇 = −0.) c.

5 1000 5.48 967.6 25 2.8 50 2.) c. Método de Chow: MÉTODO DE CHOW Precipitac.28 640.0 10 1.C.24 738.82 491.5 20 2.47 557. Período de KT leido en Calculada con Retorno T tablas ecuac.9 𝑋𝑋𝑖𝑖 = 𝑋𝑋� + 𝐾𝐾 ∗ 𝑆𝑆 .09 620.8 75 3.83 594.49 764.1 15 1. Chow (mm) 5 0.9 100 3.89 702. DISTRIBUCIÓN GUMBEL O VALORES EXTREMOS (Cont.

58 670. c. Calcular la desviación estándar S 3.3 100 2. D. 5 0. 𝑛𝑛 − 1 𝑛𝑛 − 2 𝑆𝑆 3 MÉTODO DE CHOW Donde: XT: Magnitud del evento que Precipitac.05 617. Ver cuadro 3 A 2 .3 50 2.2 200 2.75 586.8 El valor KT se obtiene de tablas en función de Cs y del período de retorno T conocidos. Retorno T tablas ecuac. Chow (mm) KT: Factor de frecuencia.84 493. Calcular XT. 𝑛𝑛 ∑𝑛𝑛𝑖𝑖=1 𝑥𝑥𝑖𝑖 − 𝑋𝑋� 3 𝐶𝐶𝐶𝐶 = 4.3 25 1. Calcular la media ( 𝑋𝑋� ) 2.28 538. Período de KT leido en Calculada con tiene un período de retorno T.33 645. Calcular el coeficiente de oblicuidad o asimetría Cs. DISTRIBUCIÓN PEARSON TIPO III.2 10 1. Método de Chow: El método se aplica siguiendo los pasos: 𝑋𝑋𝑇𝑇 = 𝑋𝑋� + S ∗ 𝐾𝐾𝑇𝑇 1.

2. Método de Chow: Benson (1968) reportó un método de análisis de frecuencias basado en la distribución Pearson tipo III. c. que se obtiene cuando se usan los logaritmos de los datos observados junto con la distribución Pearson tipo III El método se aplica siguiendo los pasos: 1. D. 5. Calcular YT. Ver cuadro 3 A 2 . Calcular la desviación estándar (Sy) 4. Calcular la media de los logarítmos ( 𝑌𝑌� ) 3. 6. Calcular el coeficiente de oblicuidad o asimetría Cs de los logaritmos. ∑𝑛𝑛𝑖𝑖=1 𝐿𝐿𝐿𝐿𝐿𝐿 𝑥𝑥𝑖𝑖 ∑𝑛𝑛𝑖𝑖=1 𝑦𝑦𝑖𝑖 − 𝑌𝑌� 2 𝑛𝑛 ∑𝑛𝑛𝑖𝑖=1 𝑦𝑦𝑖𝑖 − 𝑌𝑌� 3 𝑌𝑌� = 𝑆𝑆𝑦𝑦 = 𝐶𝐶𝐶𝐶 = 𝑛𝑛 𝑛𝑛 − 1 𝑛𝑛 − 1 𝑛𝑛 − 2 𝑆𝑆𝑆𝑆 3 𝑌𝑌𝑇𝑇 = 𝑌𝑌� + 𝑆𝑆𝑆𝑆 ∗ 𝐾𝐾𝑇𝑇 𝑋𝑋𝑇𝑇 = 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑌𝑌𝑇𝑇 El valor KT se obtiene de tablas en función de Cs y del período de retorno T conocidos. Transformar las n magnitudes de valores (xi) a sus valores logarítmicos (yi). DISTRIBUCIÓN LOG-PEARSON TIPO III. Calcule XT.

FORMACIÓN Y TIPOS MEDIDAS PLUVIOMÉTRICAS ANÁLISIS ESTADÍSTICO DE DATOS HIDROLÓGICOS VARIACIÓN DE LA PRECIPITACIÓN PRECIPITACIÓN MEDIA SOBRE UNA CUENCA ANÁLISIS DE LLUVIAS INTENSAS .PRECIPITACIÓN FACTORES CLIMÁTICOS PRECIPITACIÓN.

. • Es influenciada por efectos geográficos. • Es influenciada por efectos locales. la precipitación presenta variaciones. • Variación temporal: A lo largo del año dependiendo de condiciones climatológicas.VARIACIÓN DE LA PRECIPITACIÓN Variación geográfica: • Máxima en el Ecuador y decreciente con el aumento de la latitud.

FORMACIÓN Y TIPOS MEDIDAS PLUVIOMÉTRICAS ANÁLISIS ESTADÍSTICO DE DATOS HIDROLÓGICOS VARIACIÓN DE LA PRECIPITACIÓN PRECIPITACIÓN MEDIA SOBRE UNA CUENCA ANÁLISIS DE LLUVIAS INTENSAS .PRECIPITACIÓN FACTORES CLIMÁTICOS PRECIPITACIÓN.

Método aritmético: Este método provee una buena aproximación si los aparatos pluviométricos están 1 𝑛𝑛 distribuidos uniformemente en la cuenca.PRECIPITACIÓN MEDIA SOBRE UNA CUENCA. El método ∑𝑛𝑛𝑖𝑖=1 𝐴𝐴𝑖𝑖 ∗ 𝑃𝑃𝑖𝑖 consiste en atribuir un factor de peso a los totales de 𝑃𝑃� = ∑𝑛𝑛𝑖𝑖=1 𝐴𝐴𝑖𝑖 precipitación en cada aparato. proporcionales al área de influencia de cada uno. No considera influencias orográficas. Método de los polígonos de Thiessen: Se puede utilizar para una distribución no uniforme de aparatos. el área de 𝑃𝑃� = � 𝑃𝑃𝑖𝑖 la cuenca es plana y la variación de las medidas 𝑛𝑛 𝑖𝑖=1 pluviométricas entre los aparatos es pequeña. . Provee resultados más correctos con un área de la cuenca aproximadamente plana.

) Precipitación media sobre una cuenca. Las áreas de influencia se determinan en mapas de la cuenca que contengan la localización de las estaciones. uniendo dichos puntos de localización por medio de líneas rectas. formando polígonos.co/contenidos/30172/MODULO%20HIDROLOGIA/FIG20.JPG . y en seguida trazando las mediatrices de estas rectas.Método de los polígonos de Thiessen (cont. Los lados de los polígonos son el límite de las áreas de influencia de cada estación.unad.edu. http://datateca.

Pi: precipitación correspondiente a la curva de igual precipitación i. Se utilizan curvas de igual precipitación.𝑗𝑗+1 semejante al de las curvas de nivel. Se deben considerar los efectos orográficos de la cuenca. P(i+1): precipitación correspondiente a la curva de igual precipitación (i+1). . de tal modo que el mapa final represente un modelo más real. en donde 2 𝑃𝑃� = la altura de agua precipitada substituye la cota ∑𝑛𝑛−1 𝑖𝑖=1 𝐴𝐴𝑖𝑖. Donde: -n: número de curvas de igual precipitación. A(i. El trazado de esas curvas es 𝑃𝑃𝑖𝑖 + 𝑃𝑃 𝑖𝑖+1 ∑𝑛𝑛𝑖𝑖=1 𝐴𝐴𝑖𝑖.Método de las Isoyetas Precipitación media sobre una cuenca. i+1): área entre las curvas de igual precipitación i e (i+1). 𝑖𝑖+1 del terreno. Es el método más preciso.

Método de las Isoyetas Precipitación media sobre una cuenca. .