Professional Documents
Culture Documents
URACCAN.
TRABAJO DE:HIDROLOGIA.
DOCENTE: ING JOSUE ZELAYA NAAR.
TEMA:PROBABILIDADES Y ESTADSTICAS
EN HIDROLOGIA.
INTEGRANTES:
STEYNER OCAMPO RIVERA.
En cada una de las tres categoras mencionadas se presentan diferentes tipos de problemas, dependiendo la
simplicidad o complejidad de la solucin del tipo, cantidad y calidad de la informacin disponible, as como de 1 a
magnitud del proyecto. Los casos ms comunes que se presentan en cada una de las tres categoras mencionadas
son:
Cuencas con suficiente informacin hidrolgica. Este es el caso ms optimista donde se pueden aplicar todo tipo
de metodologas existentes.
Cuencas con escasa informacin hidrolgica. En este caso se pueden desarrollar modelos <que relacionen las
precipitaciones con las de cargas, mediante. El uso de la regresin simple o mltiple, lineal o no lineal.
Cuencas sin informacin hidrolgica. Este es el caso ms crtico y el ms comn, el cual puede resolverse
mediante un anlisis regional.
En resumen, puede decirse que el modelo probabilstico o distribucin permite conocer y manejar fcilmente el
comportamiento de la variable y sintetizar toda la informacin sobre probabilidades asociadas a cada estado.
Definiciones
La estadstica es el estudio de los mejores modos de acumular y analizar datos y de establecer conclusiones acerca
del colectivo del que se han recogido tales datos.
La probabilidad es el estudio de la incertidumbre: es la parte de la matemtica que trata de manejar con nmeros al
azar.
FUNCIONES DE LA PROBABILIDAD
PERIODO DE RETORNO.
Cada espacio muestral tiene su propio funcin de distribucin o densidad de probabilidad que normalmente se
conoce como priori. Cuando de ese espacio se extrae un grupo de datos (muestra) alzar, es razonable esperar que
su funcin de distribucin de probabilidad sea similar a la de espacio completo, en particular si la muestra es
grande. Adems lo ms razonable que puede suponer en cuanto a la frecuencia de cada dato de grupo es que esto
sea dentro del espacio muestral igual a de observada.
T= n+1/m
T= periodo de retorno.
n= nmero total de datos.
m=nmero de orden.
Ley de Gumbel
De las varias distribuciones de valores extremos hay dos que tienen mayor aceptacin, al haber demostrado que
se ajustan bien al fenmeno de las crecida de los ros: la distribucin de valores extremos tipo I o ley de Gumbel y la
distribucin log-Pearson tipo III.
Distribucin normal:
La funcin de densidad de probabilidad normal se define como:
Donde y son parmetros de la distribucin. En estos parmetros determinan de la funcin f(x) y su posicin en el
eje x. Es posible es posible demostrar que y son respectivamente la media y la desviacin estndar de la
poblacin y puede estimarse como la media y la desviacin estndar de los datos. La funcin de distribucin de
probabilidad normal es:
Hoy en da, no se conoce analticamente la integral de la ecuacin por lo que es necesario recurrir a mtodos
numricos para evaluarla. Sin embargo, para esto se requerira una tabla para cada valor de y , por lo que se ha
definido la variable estandarizada.
Los gastos mximos anuales en la estacin hidromtrica las perlas en rio coatsacoalas se muestra.
Cul es la probabilidad de que en un ao cualquiera el gasto sea mayor o igual a 7500 metros cbicos sobre
segundo.
Se planea cerca de este sitio un bordo para proteccin contra inundaciones Cul debe ser el gasto de diseo si
se desea que el periodo de retorno sea de 60 aos?
Suponga que los datos de la tabla 9.5 siguen una distribucin normal.
Ejemplo:
Resolver el problema 9.2 usando la funcin de distribucin del mtodo de Log-Pearson Tipo III
o
n
r
i
g
n
a
t
f
s
n
a
e
h
a
r
t
e
s
A
v
I
e
C
a
o
E
r
c
a
R
u
p
C
r
,
t
O
a
l
P
I
d
E
a
H
n
a
l
r
e
a
b
g
e
l
sa
l
e
d
n
o
d