“Año del Fortalecimiento de la Soberanía Nacional”

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, Decana de América)

Facultad de Ingeniería Geológica, Minera, Metalúrgica y Geográfica

DISTRIBUCIÓN LOG PEARSON TIPO III

Asignatura

Hidrología

Docente

Dr. Francisco Alejandro Alcántara Boza

Alumno

Muñoz Rimachi, Camilo Patricio

LIMA – PERÚ

Ciudad Universitaria, 2022

 ÍNDICE

ÍNDICE .................................................................................................................................. 2

1. INTRODUCCIÓN ........................................................................................................... 3

2. DISTRIBUCIÓN LOG PEARSON III ........................................................................... 4

2.1. Funciones de distribución de probabilidad ............................................................. 4

2.2. Distribución Log-Pearson Tipo III ........................................................................... 4

2.2.1. Aplicaciones de la distribución Log-Pearson Tipo III ..................................... 9

3. APLICACIÓN EN TORMENTAS ............................................................................... 10

4. CONCLUSIONES .......................................................................................................... 16

5. REFERENCIAS ............................................................................................................. 17
1. INTRODUCCIÓN

La hidrología, como ciencia que estudia los cálculos que forman parte del ciclo

hidrológico, requiere como ciencias auxiliares a la matemática y la estadística. Dentro de la

estadística, se necesita de los parámetros básicos que permitan representar el

comportamiento de determinado fenómeno como precipitaciones o caudales. Ello se realiza

mediante las distribuciones estadísticas que permiten modelar este comportamiento.

Los modelos estocásticos referidos como distribuciones estadísticas funcionan, en

su mayoría, con funciones de densidad de probabilidad, pues refieren a valores de datos

continuos. Por ello, sus ecuaciones están basadas en integrales, lo cual involucra el área

bajo la función ya mencionada. Además, pueden presentar parámetros de escala,

localización o ubicación que permitan darle cierta forma de acuerdo con los parámetros

estadísticos básicos como media, mediana, desviación estándar, etc.

El presente informe, busca explicar la distribución de probabilidad de Log Pearson

Tipo III o de tres parámetros. Para ello, se iniciará explicando generalidades al respecto de

las funciones de probabilidad y, posteriormente, las fórmulas y aplicaciones que posee la

distribución Log Pearson Tipo III. Finalmente, se realizará un ejemplo del uso de dicha

distribución en tormentas.
2. DISTRIBUCIÓN LOG PEARSON III

2.1. Funciones de distribución de probabilidad

En el análisis hidrológico de precipitaciones, caudales, niveles de río y otras

variables se hace uso de variables aleatorias, designadas comúnmente como x y su

valor particular como un xt. Ello permite la elaboración de diseños hidrológicos de

avenidas y tormentas, útiles para la medición de riesgos hidrológicos para la

construcción de represas, embalses o diques. Este diseño hidrológico requiere de un

modelo probabilístico, representado mediante una función representativa de las

variables analizadas.

Para la realización de estas funciones, se asume la invariabilidad en las

variables aleatorias, lo que refiere a que la distribución probabilística se mantiene en

la misma tendencia que las series históricas (Varas, 1998). De acuerdo con el tipo

de variable que utilizan, se clasifican en discretas y continuas. En el primer caso, las

variables tienen valores enteros y las funciones que las representan se denominan

función de probabilidad de masa (px(xo)), comúnmente definidas por sumatorias.

Ponce (2017) indica que las distribuciones de probabilidad continua, también

denominadas funciones de densidad de probabilidad fx(xo) son las más utilizadas en

diseños hidrológicos, pues involucran valores decimales racionales. Relacionan la

probabilidad con las variables aleatorias y los parámetros propios de cada

distribución, mediante funciones definidas por integrales.

2.2. Distribución Log-Pearson Tipo III

La distribución Log-Pearson es la variación logarítmica de la distribución de

Pearson tipo III o gamma, que puede reducirse a una distribución Log-Normal

cuando los valores son simétricos a la media. Su principal ventaja radica en que la
transformación logarítmica reduce la asimetría positiva de la información,

generando nuevos datos con asimetría negativa.

Esta distribución, en el campo de la Hidrología es utilizada para el

tratamiento de datos con picos muy altos de inundaciones en series de caudales.

Acosta y Sierra (2013) indican que es la distribución estándar que siguen el

gobierno de los EE. UU. para el análisis de frecuencias de crecientes máximas

anuales. En el caso que en la serie de máximos anuales utilizada en la distribución

se presentase un límite inferior, se recomienda la utilización de otra distribución.

Romero et al. (2010) indican que la distribución Log-Pearson III está

definida de acuerdo con la siguiente función de densidad:

y  −1e− y
y

F ( y) =  dy
0
(  )

log x
y=

 −1  log x − 
1  log x −   −
  

f x ( x) = e
x   (  )   

Donde:

•  : parámetro de escala

•  : parámetro de forma

•  : parámetro de localización

•  (  ) : función gamma de beta

 Los parámetros de la distribución son estimables mediante los parámetros

estadísticos básicos como el promedio, la desviación estándar y el coeficiente

asimetría, de acuerdo con las siguientes expresiones (Romero et al., 2010)

Sx
=


2
 2 
 = 
 Cs 

 =  − Sx 

Donde:

• S x : desviación estándar

• Cs : coeficiente de asimetría

•  : media aritmética

Debido a que la función probabilística que representa a la distribución Log-

Pearson Tipo III no es fácilmente invertible para el cálculo de magnitudes de

eventos extremos, existen métodos alternativos para su cálculo (Chow, 1994). Para

ello define la magnitud de un evento hidrológico extremo mediante las siguientes

ecuaciones:

yT = log xT =  + yT

En la cual, el valor de la desviación de la variable respecto a la media ( yT )

se representa como el producto de la desviación estándar y el factor de frecuencia

( K T ) de forma que la ecuación final queda de la siguiente forma (Chow, 1994):

log xT = xlog + KT ( S x log )

Donde:

• x log : media aritmética del logaritmo de los datos

• S x log : desviación estándar del logaritmo de los datos

Chow (1994) también expresó las ecuaciones anteriormente descritas sobre

la densidad de probabilidad mediante una gráfica con la curva de Gauss, tal como lo

muestra la figura 1.

Figura 1

Factor de frecuencia para la distribución Log-Pearson Tipo III

Nota. Chow (1994).

Para la distribución Log-Pearson Tipo III, el factor de frecuencia explicado

depende netamente del periodo de retorno y el coeficiente de asimetría. Para la

estimación del valor de este factor de frecuencia, Minga (2011) indica que se puede

expresar de acuerdo con la siguiente ecuación:

KT = z + ( z 2 − 1) k + ( z − 6 z ) k 2 − ( z 2 − 1) k 3 + zk 4 + k 5
1 3 1
3 3

Cs
k=
6
 2.515517 + 0.802853w + 0.010328w2
z = w−
1 + 1.1432788w + 0.189269w2 + 0.001308w3

1
  1  2
w = ln  2   , 0  p  0.5
  p 

Donde

• z : variable normal estándar

• w : variable intermedia

• p : probabilidad de excedencia

Sin embargo, también existe una tabla que relaciona el valor del factor de la

frecuencia para valores distintos del periodo de retorno, o de la probabilidad y del

coeficiente de asimetría, tanto como si este es positivo o si es negativo.

Figura 2

Valores del factor de frecuencia para la distribución Log-Pearson Tipo III

Nota. Chow (1994).

. Figura 3

Valores del factor de frecuencia para la distribución Log-Pearson Tipo III

Nota. Chow (1994).

2.2.1. Aplicaciones de la distribución Log-Pearson Tipo III

Al ser una distribución estadística logarítmica con tres parámetros,

permite la realización de estimaciones para datos de estaciones hidrológicas

o meteorológicas con valores con bastante asimetría. Es de suma utilidad

para la modelación de tormentas de diseño que permiten calcular las

precipitaciones máximas que pueden recibir estructuras en determinado

tiempo de retorno.

Además, de aplicarse en caudales para ríos con variaciones

estacionales amplias, se puede obtener máximas avenidas. Ello va de la

mano con el concepto de riesgo hidrológico, de suma utilidad para la

construcción de represas, diques o reservorios.

3. APLICACIÓN EN TORMENTAS

En primer lugar, procedemos a listar los datos de precipitación mensual del periodo

2000-2021 en la estación meteorológica de La Encañada. De estos, se obtuvo el máximo

mensual para poder ingresarlos al modelo probabilístico.

Tabla 1

Precipitaciones mensuales Estación La Encañada (2000-2021)

ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC MAX
2000 46.9 155.9 184.7 106.7 89.7 18.2 0.9 20.0 88.1 4.7 50.4 123.3 184.7
2001 238.0 72.4 203.8 105.1 60.7 0.5 2.7 0.8 30.9 129.3 101.8 86.4 238
2002 42.9 89.4 241.1 117.7 12.6 14.1 4.4 1.1 22.3 159.2 86.2 95.7 241.1
2003 33.1 80.6 145.5 93.0 37.8 38.3 0.0 9.9 41.9 93.8 124.4 85.0 145.5
2004 95.4 72.5 54.6 91.1 39.8 5.8 21.7 0.5 44.2 173.2 108.5 171.2 173.2
2005 119.6 107.1 260.8 51.2 42.0 12.4 1.2 7.0 13.4 205.5 38.2 145.4 260.8
2006 74.6 134.7 292.1 124.5 14.8 41.8 11.4 4.9 65.4 61.2 106.9 91.7 292.1
2007 93.1 44.8 260.4 140.5 70.9 0.0 9.4 5.3 26.4 138.0 127.5 98.1 260.4
2008 104.1 149.0 175.9 151.5 44.0 15.2 9.2 22.6 53.7 140.9 119.7 37.7 175.9
2009 222.7 70.9 215.2 122.8 75.2 9.3 12.5 10.5 6.8 90.0 115.3 66.6 222.7
2010 70.0 94.8 184.3 123.0 39.8 11.8 7.7 0.0 35.7 100.0 98.9 94.0 184.3
2011 66.4 96.8 153.6 139.6 32.9 0.4 13.1 0.0 51.2 47.9 93.8 149.5 153.6
2012 166.1 101.5 108.0 108.3 59.7 10.6 0.0 7.7 1.5 169.6 153.0 56.0 169.6
2013 44.1 96.9 181.5 39.4 115.4 11.2 3.6 19.1 0.0 157.0 39.5 94.5 181.5
2014 90.3 138.9 175.4 95.3 79.8 0.0 0.3 0.6 44.1 91.9 100.1 135.9 175.4
2015 188.3 71.4 260.7 70.4 104.1 3.3 5.3 0.0 3.0 27.8 170.5 23.2 260.7
2016 138.7 95.2 125.2 72.3 3.2 23.1 0.8 1.9 61.7 85.1 16.2 197.1 197.1
2017 105.9 101.1 276.2 93.2 69.6 18.4 3.2 27.7 13.8 103.3 41.6 130.8 276.2
2018 98.3 187.0 76.8 146.1 144.9 6.3 0.0 3.4 56.3 107.2 198.2 52.6 198.2
2019 46.2 128.7 199.4 152.1 56.2 15.4 7.2 0.0 19.0 134.9 69.5 171.5 199.4
2020 67.6 47.9 109.4 73.6 47.3 19.8 54.9 1.0 19.3 45.1 110.2 206.0 206
2021 116.5 85.9 239.1 110.4 80.7 24.1 2.1 14.3 16.0 207.3 160.6 111.9 239.1
Nota. Senamhi (s.f.).

Sucesivamente, se calculará el logaritmo base 10 de los datos de precipitación

mensual con el fin de homogenizar estos, reduciendo así los valores de la desviación

estándar y el coeficiente de asimetría, los cuales también serán calculados, mediante las

fórmulas ya conocidas.
Tabla 2

Precipitaciones mensuales Estación La Encañada (2000-2021)

x =Pi y = log xi ̅
I = yi - 𝒚 I 2 = (yi - 𝒚
̅)2 I 3 = (yi - 𝒚
̅)3
2000 184.7 2.266 -0.049 0.002412 -0.000118444
2001 238 2.377 0.061 0.003721 0.000226981
2002 241.1 2.382 0.067 0.004438 0.000295678
2003 145.5 2.163 -0.153 0.023322 -0.003561529
2004 173.2 2.239 -0.077 0.005933 -0.000457051
2005 260.8 2.416 0.101 0.010147 0.001022079
2006 292.1 2.466 0.150 0.022486 0.003371935
2007 260.4 2.416 0.100 0.010013 0.001001921
2008 175.9 2.245 -0.070 0.004944 -0.000347594
2009 222.7 2.348 0.032 0.001033 0.000033210
2010 184.3 2.266 -0.050 0.002505 -0.000125388
2011 153.6 2.186 -0.129 0.016689 -0.002155977
2012 169.6 2.229 -0.086 0.007422 -0.000639415
2013 181.5 2.259 -0.057 0.003215 -0.000182288
2014 175.4 2.244 -0.072 0.005119 -0.000366253
2015 260.7 2.416 0.101 0.010113 0.001017017
2016 197.1 2.295 -0.021 0.000436 -0.000009117
2017 276.2 2.441 0.126 0.015787 0.001983596
2018 198.2 2.297 -0.018 0.000341 -0.000006304
2019 199.4 2.300 -0.016 0.000251 -0.000003983
2020 206 2.314 -0.002 0.000003 -0.000000005
2021 239.1 2.379 0.063 0.003969 0.000250078
Nota. Senamhi (s.f.).

A partir de dichos datos se calculó la media aritmética, la desviación estándar y el

coeficiente de asimetría o sesgo para poder estimar la precipitación máxima en 24 horas

mediante determinados tiempos de retorno.

Tabla 3

Parámetros estadísticos para la serie máxima de precipitaciones (2000-2021)

Parámetro estadístico Fórmula Pi
n

Media  log x i
2.315577
x= i =1

( y − y)
n 2
i
Desviación estándar 0.085718
Sy =  y = i =1

n −1

( y − y)
n 3
i
Coeficiente de asimetría n 0.102225
Cs = i =1

( n − 1)( n − 2 ) y 3

Nota. Elaboración propia (2022).

A continuación, se realizará el cálculo manual del factor de frecuencia KT, mediante

las fórmulas de variable normal estándar ya explicadas anteriormente. Ello se realizará para

ocho tiempos de retorno: 2 años, 5 años, 10 años, 25 años, 50 años, 100 años, 500 años y

1000 años.

Tabla 4

Distribución de Log-Pearson Tipo III para series máximas (2000-2021)

Variable Variable Factor de Precip.
Periodo de Frecuencia
intermedia normal frecuencia YT XT corregida
retorno (T) (p)
(w) estándar (z) (KT) (mm)
2 0.5 1.1774 -0.0000001 -0.01703 2.31412 206.12 232.91
5 0.2 1.7941 0.841456717 0.83605 2.38724 243.92 275.63
10 0.1 2.1460 1.281728757 1.29214 2.42634 266.89 301.59
25 0.04 2.5373 1.751076531 1.78577 2.46865 294.21 332.45
50 0.02 2.7971 2.054188589 2.10867 2.49633 313.57 354.33
100 0.01 3.0349 2.326785333 2.40183 2.52146 332.24 375.44
500 0.002 3.5255 2.878506108 3.00324 2.57301 374.12 422.75
1000 0.001 3.7169 3.090522226 3.23723 2.59307 391.80 442.74
Nota. Elaboración propia (2022).
 De dicha forma, se obtuvo los valores de precipitación máxima en 24 horas

corregida para cada uno de los periodos de retorno establecidos mediante Log Pearson III.

Estos se expresarán, a continuación, por unidad de duración en horas y minutos mediante el

método Dick Peschke.

Tabla 5

Cálculo de precipitaciones máximas por duración Estación La Encañada (2000-2021)

Precipitaciones máximas en 24 horas por distr. Log Pearson Tipo III (mm)
232.91 275.63 301.59 332.45 354.33 375.44 422.75 442.74
Duración
Periodo de retorno
2 5 10 25 50 100 500 1000
Horas Minutos Precipitaciones máximas por unidad de duración (mm)
0.08 5 56.54 66.91 73.21 80.70 86.01 91.14 102.62 107.47
0.17 10 67.24 79.57 87.06 95.97 102.29 108.38 122.04 127.81
0.25 15 74.41 88.05 96.35 106.21 113.20 119.94 135.06 141.44
0.33 20 79.96 94.62 103.53 114.13 121.64 128.89 145.13 151.99
0.42 25 84.55 100.05 109.47 120.68 128.62 136.28 153.46 160.71
0.50 30 88.49 104.72 114.58 126.30 134.62 142.64 160.61 168.20
0.58 35 91.96 108.83 119.08 131.27 139.91 148.24 166.92 174.81
0.67 40 95.09 112.52 123.12 135.72 144.65 153.27 172.59 180.75
0.75 45 97.93 115.89 126.80 139.78 148.98 157.85 177.75 186.15
0.83 50 100.54 118.98 130.19 143.51 152.95 162.06 182.49 191.12
0.92 55 102.97 121.85 133.33 146.97 156.64 165.97 186.89 195.72
1.00 60 105.23 124.53 136.26 150.20 160.09 169.62 191.00 200.03
1.08 65 107.36 127.05 139.01 153.24 163.32 173.05 194.86 204.07
1.17 70 109.37 129.42 141.61 156.10 166.38 176.29 198.51 207.89
1.25 75 111.27 131.67 144.08 158.82 169.27 179.35 201.96 211.50
1.33 80 113.08 133.81 146.42 161.40 172.02 182.27 205.24 214.95
1.42 85 114.80 135.86 148.65 163.87 174.65 185.05 208.38 218.23
1.50 90 116.46 137.81 150.79 166.23 177.16 187.72 211.38 221.37
1.58 95 118.04 139.69 152.85 168.49 179.58 190.27 214.25 224.38
1.67 100 119.57 141.49 154.82 170.66 181.89 192.73 217.02 227.28
1.75 105 121.03 143.23 156.72 172.76 184.13 195.09 219.68 230.07
1.83 110 122.45 144.90 158.55 174.78 186.28 197.38 222.25 232.76
1.92 115 123.82 146.52 160.32 176.73 188.36 199.58 224.74 235.36
2.00 120 125.14 148.09 162.04 178.62 190.38 201.72 227.14 237.88
Nota. Elaboración propia (2022).
 Posteriormente, se calculará la intensidad de precipitación, dividiendo los valores

obtenidos sobre el tiempo, expresado en cantidad de horas.

Tabla 6

Intensidades de lluvia máxima Estación La Encañada (2000-2021)

Periodo de retorno
Duración
2 5 10 25 50 100 500 1000
Horas Minutos Intensidad de precipitación por unidad de duración (mm/h)
0.08 5 678.47 802.89 878.51 968.42 1032.14 1093.63 1231.46 1289.67
0.17 10 403.42 477.40 522.37 575.82 613.72 650.28 732.23 766.84
0.25 15 297.64 352.22 385.40 424.84 452.79 479.77 540.23 565.77
0.33 20 239.87 283.86 310.60 342.39 364.92 386.66 435.39 455.97
0.42 25 202.91 240.12 262.74 289.62 308.68 327.07 368.29 385.70
0.50 30 176.98 209.43 229.16 252.61 269.23 285.27 321.22 336.41
0.58 35 157.65 186.56 204.14 225.03 239.84 254.12 286.15 299.68
0.67 40 142.63 168.79 184.68 203.58 216.98 229.91 258.88 271.12
0.75 45 130.57 154.52 169.07 186.37 198.64 210.47 237.00 248.20
0.83 50 120.65 142.78 156.22 172.21 183.54 194.48 218.99 229.34
0.92 55 112.33 132.93 145.45 160.33 170.88 181.06 203.88 213.52
1.00 60 105.23 124.53 136.26 150.20 160.09 169.62 191.00 200.03
1.08 65 99.10 117.27 128.32 141.45 150.76 159.74 179.87 188.37
1.17 70 93.74 110.93 121.38 133.80 142.61 151.10 170.15 178.19
1.25 75 89.01 105.34 115.26 127.06 135.42 143.48 161.57 169.20
1.33 80 84.81 100.36 109.81 121.05 129.02 136.70 153.93 161.21
1.42 85 81.04 95.90 104.93 115.67 123.28 130.63 147.09 154.04
1.50 90 77.64 91.88 100.53 110.82 118.11 125.15 140.92 147.58
1.58 95 74.55 88.22 96.53 106.41 113.42 120.17 135.32 141.71
1.67 100 71.74 84.89 92.89 102.40 109.14 115.64 130.21 136.37
1.75 105 69.16 81.84 89.55 98.72 105.21 111.48 125.53 131.47
1.83 110 66.79 79.04 86.48 95.33 101.61 107.66 121.23 126.96
1.92 115 64.60 76.45 83.65 92.21 98.28 104.13 117.25 122.80
2.00 120 62.57 74.04 81.02 89.31 95.19 100.86 113.57 118.94
Nota. Elaboración propia (2022).
 Finalmente, con dichos datos, se pudo elaborar las curvas de intensidad, duración y

frecuencia para los tiempos de retorno ya mencionados.

Figura 3

Curvas IDF para la estación La Encañada (2000-2021)

Curvas IDF para La Encañada (2000-2021) mediante Log Pearson Tipo III
1400.00

1200.00

1000.00
Intensidad de precipitación (mm/h)

2
800.00
5
10
25
50
600.00
100
500
1000
400.00

200.00

0.00
0 20 40 60 80 100 120 140
Duración (min)

Nota. Elaboración propia (2022).

4. CONCLUSIONES

En conclusión, los modelos probabilísticos representados por distribuciones de

densidad de probabilidad son de suma importancia en la Hidrología. Ello pues, para realizar

un estudio de tormentas de diseño o de avenidas máximas, con el fin de evaluar el tiempo

de retorno de diques y represas es necesario el uso de estos modelos estocásticos. Su

utilidad radica en la estimación de valores que, por tratarse de eventos extremos probables a

suceder, no pueden ser medidos.

Entre todos los modelos de distribuciones estadísticas para la estimación de

tormentas de diseño, se encuentra el modelo Log Pearson Tipo III. Este modelo utiliza el

logaritmo de las variables aleatorias, ya sea de precipitación o caudales, con el fin de

disminuir la asimetría de los resultados. Trabaja con este coeficiente de asimetría para

poder determinar un factor de frecuencia para cada periodo de retorno.

Finalmente, se logró probar la utilización cabal de la distribución de Log Pearson

Tipo III para el modelamiento de precipitaciones máximas en 24 horas para ocho distintos

tiempos de retorno con los datos de precipitaciones máximas mensuales de la estación

meteorológica de La Encañada en Cajamarca.

5. REFERENCIAS

Acosta, P., y Sierra, L. (2013). Evaluación de métodos de construcción de curvas IDF a

partir de distribuciones de probabilidad y parámetros de ajuste. Revista Facultad de

Ingeniería, 22(35), 25-33.

http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-

11292013000200003&lng=en&tlng=es.

Chow, V., Maidment, D., Mays, R. (1994). Hidrología aplicada. Editorial McGraw Hill.

https://www.hidrosm.com/2021/01/libro-hidrologia-aplicada-ven-te-chow.html

Minga, M. (2011). Implementación de herramientas de funciones de distribución de

probabilidad y prueba de bondad de ajuste en el laboratorio virtual de Hidrología

(Hydrovlab) [Tesis de grado, Universidad Técnica Particular De Loja].

https://dspace.utpl.edu.ec/bitstream/123456789/689/3/Manuel.pdf

Ponce, V. (2017). Hidrología General. Scribd.

https://es.scribd.com/document/356080454/HIDROLOGIA-GENERAL-Victor-m-

Ponce

Romero, A., Guadalupe, E., & Blas, W. (2010). Estimado de descargas máximas en la

microcuenca de Huaycoloro (Huachipa-Lima). Revista Del Instituto De

investigación De La Facultad De Minas, Metalurgia Y Ciencias geográficas,

13(26). https://doi.org/10.15381/iigeo.v13i26.506

Varas, E., y Bois, P. (1998). Hidrología probabilística. Pontificia Universidad Católica de

Chile. https://www.hidrosm.com/2021/01/libro-hidrologia-probabilistica-

eduardo.html