You are on page 1of 82

FACULTAD DE INGENIERIA

ESCUELA PROFESIONAL DE INGENIERIA CIVIL


CURSO : HIDROLOGIA
AÑO ACADEMICO : 2013 - II
SEMESTRE : VII

CLASE 6 : ESTADISTICA HIDROLOGICA


(ELEMENTOS)

Prof.: F. Gàrnica T. Tacna, 04 de marzo del 2014


1
Miscelaneo

2 / 76
Principales causas de las inconsistencias de las
series climáticas
El tema mayor es la Gobernabilidad del Agua (22032012)
GENERALIDADES

Los estudios hidrológicos requieren del análisis de cuantiosa


información hidrometeorológica : esta información consiste de una
serie de datos de precipitaciones, caudales, temperaturas, evaporación,
humedad relativa, etc.

La data recopilada, solo representa una información en bruto, pero que


si estos se organizan y analizan en forma adecuada, proporcionan al
hidrólogo una herramienta de gran utilidad para una adecuada toma de
decisiones en el diseño y operación de estructuras hidráulicas.

Para este análisis de la información, la hidrología utiliza los conceptos


de las probabilidades y estadística para analizar los fenómenos
naturales.
6 / 78
ELEMENTOS DE ESTADÍSTICA

Procesos hidrológicos

Conceptos fundamentales
de estadística

Ajuste de distribución
Análisis de frecuencia
de probabilidades

7 / 78
MOTIVACIÓN
El Análisis Estadístico de un conjunto de
datos hidrológicos, permite describir la
población con un pequeño número de
parámetros representativos.

8 / 76
OBJETIVO

Conocer los datos hidrológicos que


pertenezcan a procesos aleatorios puros,
mediante el uso de parámetros y funciones
estadísticas

9 / 76
PROCESOS HIDROLÓGICOS

Los procesos hidrológicos son de naturaleza


estocástica, es decir en parte son
determinístico y en parte aleatorios, cuando
la variabilidad aleatoria es muy grande
comparada con la determinística se justifica
un tratamiento de proceso aleatorio puro.

10 / 76
Conceptos fundamentales de estadística
Distribución de probabilidades: Es una función que
representa la probabilidad de ocurrencia de una
variable aleatoria.
Muestra: Conjunto de observaciones de x1, x2,…xn
de la variable aleatoria X.
Espacio muestral: Conjunto de muestras posibles
que se pueden extrer de una población.
Evento: es un subconjunto del espacio muestral.

Espacio muestral 

A B

11 / 76
AB
Continuación

La probabilidad de ocurrencia de los eventos


hidrológicos se rige por los siguientes principios:

1. Probabilidad total: Si se divide el espacio


muestral en eventos A1, A2, …An entonces:

P(A1) + P(A2) + …. + P(An) = P() = 1

2. Complementariedad:

PA  1  PA A = Complemento de A


12 / 76
Continuación
3. Probabilidad Condicional:
P(A  B)
PB A  
P( A)
PB A = Probabilidad de que ocurra B dado que
ocurrió A
PA  B = Probabilidad conjunta (unión de A y B)
Histograma de frecuencia: Es un arreglo de las
observaciones de la muestra.
Procedimiento de arreglo:
1. Se divide el rango factible de variación de la
variable aleatoria en intervalos discretos.
2. Se cuenta el número de observaciones que caen
en cada intervalo.
13 / 76
3. El resultado se gráfica en diagrama de barra.
Continuación

Frecuencia relativa:
n = Número total de observaciones
ni
f m (x i )  ni = Número de observaciones en el
n intervalo i

Frecuencia acumulada: Es la suma de los valores de


las frecuencias relativas hasta un punto dado:
i
Fm ( x i )   f m ( x j )
j1

Función de densidad de probabilidades: Es la


derivada de F(x)
dF( x )
f (x) 
dx
14 / 76
Continuación

La distribución normal o campana de Gauss: Es una


función de densidad de probabilidades:

1 ( x  ) 2 2 2
f (x)  e
 2

Donde ,  son parámetros. Utilizando la variable



estandarizada normal z = la ecuación queda:

1 z 2
f ( z)  e 2
2

-  z  
15 / 76
Parámetros estadísticos
Son valores representativos que se extraen de un
conjunto de datos.
Parámetros estadísticos de la población y estimadores
muestrales
Población Muestra
1. Tendencia central
- Promedio aritmético
 1
  E(x)   xf (x)dx X   xi
 n
- Mediana
X tal que F(x) = 0.5 50 avo. Porcentil de los datos
- Promedio geométrico 1
 n  n
Antilog [E(log x)]  xi 
16 / 76  i 1 
Continuación
Parámetros estadísticos de la población y estimadores
muestrales
Población Muestra
2. Variabilidad
 
n 2

Varianza   E x  
2 2 S 
2 1
 xi  x 
n  1 i1
Desviación Estándar  S
Coeficiente de variación
Cv   Cv  s
 x
3. Asimetría n
n  x i  x 
Coeficiente de asimetría 3



E x    3
 Cs  i 1
n  1n  2  S3
17 / 76
3
AJUSTE DE UNA DISTRIBUCIÓN DE
PROBABILIDADES

MÉTODO DE LOS MÁXIMA


MOMENTOS VEROSIMILITUD

18 / 76
AJUSTE DE UNA DISTRIBUCIÓN DE
PROBABILIDADES
Variables que intervienen en el análisis

Conocidas Desconocidas

- Tamaño de la muestra
Bondad de los parámetros
- Parámetros estadísticos hidrológicos
de la muestra

19 / 76
PLAN

Parámetro Método Aplicación


En análisis
Métodos de
hidrológicos
los Momentos
Ajuste de una prácticos
distribución de
probabilidades Máxima En análisis
hidrológicos
Verosimilitud
teóricos precisos

20 / 76
Continuación

Métodos de los momentos


El método se basa las siguientes consideraciones:

1. Asigna a cada dato de la muestra una masa igual


a su frecuencia relativa ( 1/n ).
2. La sumatoria del primer momento de cada dato xi
con respecto al origen es el promedio de la
muestra el cual es equivalente al centroide del
cuerpo.
n
xi 1 n
 n  n  xi  x
i 1 i 1

21 / 76
Continuación
El centroide correspondiente a la función de
densidad de probabilidades es:

   xf ( x )



   xf ( x )dx (Primer momento con
 respecto al origen )

f(x) f(x)dx = masa

x x = Brazo de palanca

22 / 76
Continuación
Método de la máxima verosimilitud
Este método se basa en el criterio de que, el mejor
valor de parámetro de la distribución de probalidades
es aquel que maximiza la probabilidad conjunta de
ocurrencia de los datos de la muestra.

Consideraciones para el método:


- El espacio muestral se divide en intervalos de
longitud dx
- Tomando una muestra de observaciones
independientes e igualmente distribuidas, el valor de
la densidad de probabilidades para X = xi es f(xi)
23 / 76
Continuación
- La probabilidad conjunta de ocurrencia esta dada
por:
n  n
i f ( x i )dx
 1 
- Como la longitud dx es fija, la maximización de
la probabilidad conjunta de la muestra observada,
equivale a maximizar la función de verosimilitud.
n
L   f (x i )
i1
Debido a que muchas funciones de probabilidades
son exponenciales, resulta conveniente trabajar con
el logaritmo de la función L:
n
ln L   ln f x i 
24 / 76
i 1
PRUEBA DE LA BONDAD DE AJUSTE
La bondad de ajuste de una distribución de
probabilidades se puede probar por comparación
entre los valores teóricos y empíricos de las
frecuencias relativas, Mediante la siguiente
expresión.
m
 c2   m i
n f ( x )  p ( x i ) 2
m = Número de intervalos
i 1 p( x i )
La distribución 2 con v grados de libertad viene a
ser la distribución de la suma de los cuadrados de v
variables aleatorias normales estándares
independientes zi; dicha suma es una variable
v
aleatoria. 2
 v   Zi
2

25 / 76 i 1
Continuación
v=m–p–1
p = Número de parámetros utilizados para el ajuste
de la distribución propuesta.
Consideraciones para la prueba
- Para la prueba se selecciona un nivel de confianza,
el cual se expresa como 1- , siendo  el nivel de
significancia, generalmente se toma un valor típico
para el nivel de confianza de 95%.
- La hipótesis nula Ho, la cual reza, que la
distribución propuesta se ajusta adecuadamente a los
datos.
26 / 76
Continuación

La hipótesis se rechaza cuando el valor de


 c2 calculado es mayor que un valor límite
 v,1 extraido de la distribución 2 con v grados de
2

libertad, para una probabilidad acumulada de 1 - 


(tomado de la tabla C-2 Apéndice C del texto
Hidrología de Guevara y Cartaya).

27 / 76
DESARROLLO
Ajustar una distribución normal a los datos de
precipitación anual de la estación X para el período
1911 – 1979. Graficar las funciones de frecuencias
relativas y probabilidad incremental y las funciones
acumuladas de frecuencia y probabilidades.
Año 1910 1920 1930 1940 1950 1960 1970
0 - 1,237 1,229 1,252 792 1,168 861
1 1,013 1,120 864 1,123 686 1125 805
2 787 1,087 1,158 1,059 940 960 800
3 1,074 1,229 947 782 1,189 752 1,514
4 1,069 869 1,110 1,361 683 892 1,283
5 1,044 823 1,062 876 645 1,262 980
6 729 1,179 1,044 1,278 584 930 1,102
7 427 988 792 1,113 1,435 826 729
8 866 947 894 549 1,102 1,567 813
9 1,433 1,285 892 1,196 1,049 1,204 1,316

28 / 76
Continuación Solución:
El rango de precipitación observada se divide en
10 intervalos. El primero es R < 600 mm; el último
es para R > 1800 mm.
Col. 1 2 3 4 5 6 7 8
Interv. Rango mm ni fm(xi) Fm(xi) Zi F(xi) p(xi) X c2
1 < 600 1 0,014 0,014 -2,157 0,015 0,015 0,004
2 600 – 750 2 0,029 0,043 -1,611 0,053 0,038 0,147
3 750 – 900 6 0,087 0,130 -1,065 0,144 0,090 0,008
4 900 – 1050 14 0,203 0,333 -0,520 0,301 0,158 0,891
5 1050 – 1200 11 0,159 0,493 0,026 0,510 0,209 0,805
6 1200 – 1350 16 0,232 0,725 0,571 0,716 0,206 0,222
7 1350 – 1500 10 0,145 0,870 1,117 0,868 0,151 0,019
8 1500 – 1650 5 0,072 0,942 1,662 0,952 0,084 0,114
9 1650 – 1800 3 0,043 0,986 2,208 0,986 0,034 0,163
10 > 1850 1 0,010 1,000 2,753 1,000 0,014 0,004
Total 69 1,000 1,000 2,377

Promedio x = 1.193 mm
29 / 76
Desviación estándar s = 275 mm
Continuación

Los cálculos se presentan en la tabla anterior.


En la columna 2 se da el histograma de frecuencia.
La función de frecuencia relativa se presenta en la
columna 3, calculada como sigue:
Para n = 69 ; i = 4; (900 – 1.050 mm); ni = 14;
entonces:
fm(x4) = 14/69 = 0,203
En la columna 4 se presenta la función de frecuencia
acumulada, calculada como sigue:
Fm(x4) = Fm(x3) + fm(x4) = 0,130 + 0,203 = 0,333
30 / 76
Continuación

El ajuste de la función de distribución normal se


consigue como sigue:
- Los parámetros estadísticos de la muestra ( x =
1.193 mm; s = 275 mm), se usan como estimadores
de  y .
- La variable normal estándar Z correspondiente al
límite superior de cada intervalo se presenta en la
columna 5, calculada como sigue:
Para i = 4; Z = (x - )/
Z = (1.050 – 1.193) / 275 = - 0,520
31 / 76
Continuación

Para el mismo intervalo, en la columna 6 se lista el


valor de la función de probabilidades normal
acumulada, tomada de la tabla C-1 Apéndice C de
libro Guevara y Cartaya (0,301) .
En la columna 7 se presenta la función de
probabilidad incremental, calculada como sigue:
p(x4) = p(900  X  1050)
= F(1050) - F(900)
= 0,301 - 0,144 = 0,158
32 / 76
Graficas
0,24

0,20 FUNCIÓN DE FRECUENCIA


RELATIVA
0,16

0,12

0,08 Muestra fm(xi)


0,04 Ajuste p(xi)
0,00
< 600 700 1050 1350 1650 >1850
Precipitación anual en mm

1,0
FRECUENCIA ACUMULADA
0,9
Frecuencia Acumulada

0,8
0,7
0,6
0,5 Muestra Fm(xi)
0,4 Ajuste F(xi)
0,3
0,2
0,1
0,0
< 600 700 1050 1350 1650 >1850
Precipitación anual en mm
33 / 76
VERIFICACIÓN
Para verificar la bondad del ajuste se cálcula el

parámetro estadístico de prueba c
2

Para i = 4
nf m x 4  p x 4 
    2
c
2

px 4 

69  0,20290  0,15777 
2
 c2   0,891
0,15777
Los valores se listan en la columna 8 de la tabla.
 2
El valor total de la columna es c = 2,377
34 / 76
Continuación
El valor teórico  2
v,1 para una probabilidad
acumulada de 1 -  = 0,95 y v = 10 – 2 – 1 = 7
grados de libertad es  72;0,95 = 14,1

Verificación de la hipótesis
Debido a que  c2   72;0,95 se acepta la hipótesis
nula, lo que indica que la distribución se ajusta a
los datos con un 95% de confianza.

35 / 76
GENERALIZACIÓN

Los métodos estadísticos presentados son


usados para describir series de procesos
hidrológicos, por ejemplo alturas de
precipitación e intensidades, caudales
máximos anuales, crecidas, duraciones de
flujos mínimos y otros.

36 / 76
Análisis de Frecuencia

Distribución Factores de
Acumulada Frecuencia
Serie de Datos
Hidrológicos Error Estándar de la
Distribución de
Método para Valores Extremos
Establecer Nivel Tipo I
de Diseño
Métodos de Límites de
Representación Confidencia
Gráfica
37 / 76
ANÁLISIS DE FRECUENCIA

El análisis de frecuencia permite realizar el


ajuste a los valores puntuales, es decir, la
observaciones en una estación de
medición.

38 / 76
ANÁLISIS DE FRECUENCIA
Variables:

CONOCIDAS DESCONOCIDAS
-Costo de la obra.
-Grado de seguridad.
-Información hidrológica. -Confiabilidad en la
-Zona geográfica. información hidrológica.
-Criterio del experto.
-Tamaño de la muestra.

39 / 76
ANÁLISIS DE FRECUENCIA
Plan:

Parámetro Método Aplicación


-Técnica de
representación
directa de la - Cuando las series
Análisis de distribución observadas son por lo
frecuencia. acumulada. menos de 10 años de
longitud.
-Factores de
frecuencia.

40 / 76
DISTRIBUCIÓN ACUMULADA

La distribución acumulada permite una


rápida determinación de la probabilidad de
que un evento sea menor o igual que una
magnitud específica. Esta propiedad se usa
para obtener períodos de retorno o intervalos
de recurrencia para los datos observados.

41 / 76
Continuación
SERIE DE DATOS HIDROLÓGICOS

Serie de duración total: es el conjunto de datos


disponibles ordenados cronológicamente.
Serie de duración parcial: resulta de tomar los valores
mayores que una magnitud preestablecida o valor base
o de referencia, de la serie de duración total.
Serie anual de excedencia: sucede cuando la base de
referencia se selecciona de tal modo que el número de
valores en la serie sea igual al número de años de
registros.

42 / 76
Continuación
SERIE DE DATOS HIDROLÓGICOS
Serie anual: es cuando la longitud del intervalo es
igual a un año, la serie puede ser de máximos o de
mínimos.
Una de las limitaciones de la serie anual de
excedencias (serie parcial) está en la dificultad de
verificar la independencia de las observaciones.
El período de retorno TE de cada evento de la serie
parcial se selecciona con el período de retorno T
correspondiente a los eventos de la serie de valores
máximos anuales como sigue (CHOW, 1964):
1
  T 
TE  Ln   (1)
43 / 76
  T  1 
SELECCIÓN DEL NIVEL DE DISEÑO

Parámetro Método Aplicación


Método Se tiene gran número de
empírico. registros.
Se quiere conocer el
porcentaje de riesgo que
Período de Análisis de corre una estructura si es
retorno o Nivel riesgo. excedido su período de
de diseño. retorno durante su vida
útil.
Se análiza el riesgo
Análisis
desde un punto de vista
económico.
económico.

44 / 76
MÉTODO EMPÍRICO

Se selecciona como magnitud de diseño el evento


extremo del registro histórico de N años. La
probabilidad de que dicho evento sea igualado o
excedido una vez durante los n años siguientes es:

P N, n  
n
(2)
Nn

Así por ejemplo, la probabilidad de que el caudal


máximo observado en N años sea igualado o
excedido en los N próximos años es 0,5.

45 / 76
ANÁLISIS DE RIESGO
El análisis de riesgo parte del hecho de que la
estructura puede fallar si la magnitud para el período
de retorno de diseño T es excedida durante la vida
útil de dicha estructura. El riesgo hidrológico de
falla se cálcula como sigue:
__
R  1  1  PX  x T n (3)

Donde P(X __ xT) = 1/ T; n es la vida esperada de la


estructura; R es la probabilidad de que un evento
X  xT ocurra por lo menos una vez en n años.

46 / 76
Continuación
ANÁLISIS DE RIESGO
Supongamos, por ejemplo, que una obra hidráulica
de drenaje urbano se le ha asignado una vida útil de 10
años; se acepta un riesgo del 10% de que por lo menos
una vez en dicho período ocurra un evento que excede
la capacidad de la estructura ¿Cual debería ser el
período de retorno que debe utilizarse en el diseño?
10
 1 T  95años
0.10  1  1  
 T

47 / 76
Continuación ANÁLISIS DE RIESGO

¿Cuál sería la probabilidad de que una estructura


diseñada para este periódo de retorno no sea excedida
en su capacidad en 50 años?
50
__
 1 __
R  1  1   R  0.41
 95 

P  1  0,41  0,59  59%

48 / 76
Continuación
ANÁLISIS DE RIESGO

Verificación:

Se puede realizar por cualquier otro método o de


acuerdo al criterio ingenieril.

49 / 76
ANÁLISIS ECONÓMICO
En este caso se requiere conocer la naturaleza
probabilística del evento hidrológico y el daño que
resultaría en el caso de ocurrir el evento, sobre el
rango factible del mismo. A medida que aumenta el
período de retorno; aumenta el costo de la
estructura, pero disminuye el monto de los daños
esperados. Por lo tanto, se debe llegar a un período
de retorno tal que minimise los costos totales bajo
una base anual.

50 / 76
Continuación

ANÁLISIS BENEFICIO - COSTO


Se hará el estudio de un proyecto de Diques para
protección contra crecientes (inundaciones). Para lo cual
se tendran en cuenta 3 alternativas que se dan a
continuación:
NIVEL DE PROTECCIÓN COSTO ANUAL DEL PROYECTO
m3/s (VIDA ÚTIL 50 AÑOS) MBs
878 1902
1359 2208
1826 2718

Se asumirá un período de análisis de 100 años y el


estudio se hará con la alternativa de 878 m3/s.
51 / 76
Continuación

ANÁLISIS BENEFICIO - COSTO


1. Para determinar la relación entre el nivel del agua en
el cauce y los daños esperados tienen que analizarse
factores como topografía, valor de las propiedades, daños
potenciales, uso de la tierra y análisis hidráulico del
cauce . Se presentan los totales en la siguiente tabla:
NIVEL CAUDAL DAÑOS ESPERADOS SI EL
(m) (m3/s) CAUDAL OCURRIERA (M Bs)
5,50 54 0
5,80 82 0,360
6,10 173 2,340
6,40 439 12,780
6,70 934 46,020
7,00 1982 60,300
7,30 4087 63,900
52 / 76
Continuación

ANÁLISIS BENEFICIO - COSTO


2. Determinar la probabilidad de ocurrencia para la
crecientes, usando una función de distribución adecuada a la
serie parcial.(gráfica 1)

53 / 76
Gráfica 1.
Continuación
ANÁLISIS BENEFICIO - COSTO
3. Se cálcula y tabula la magnitud promedio de daños
para cada rango como sigue:
N° de Excedencias Daños Costo probable
Nivel Caudal excedencias promedios promedios de daños para
3
(m) (m /s) promedio para el rango cada rango
en 100 años del rango (MBs) (MBs)
(1) (2) (3) (4) (5) (6)
5,50 54 61 22 0,180 3,960
5,80 82 39 23 1,350 31,050
6,10 173 16 11,9 7,560 90,000
6,40 439 4,1 2,8 27,960 78,000
6.,68 878 1,3 0,1 44,580 4,460
6,70 934 1,2 0,58 49,590 28,800
6,86 1359 0,62 0,25 56,010 13,980
6,98 1826 0,37 0,05 59,580 2,980
7,00 1982 0,32
54 / 76
Continuación
ANÁLISIS BENEFICIO - COSTO
Procedimiento para obtener valores de la tabla anterior:
(1). Son los niveles del agua.
(2). Caudal correspondiente al nivel.
(3). Número de excedencia tomadas de la gráfica 1.
(4). Excedencia promedio del rango, por ejemplo para el
rango (61–39) se puede esperar unas 22 crecidas en
100 años con magnitudes entre 54 y 82 m3/s.
(5). Los daños resultante para una crecida de 54 m3/s son
iguales a cero; pero para 82 m3/s, alcanzan 0,360
MBs, el daño medio es (0+0,360 MBs)/2 = 0,180
MBs.
55 / 76
Continuación
ANÁLISIS BENEFICIO - COSTO
(6). El daño esperado en 100 años debido a crecientes
entre 54 y 82 m3/s será de 220,184 MBs = 3,96
MBs.
El total de daños prevenidos por el sistemas de
diques hasta el nivel de 878 m3/s será:
3,96  31,02  90,00  78,00  202,98MBs
Debido a que las crecientes poseen ocurrencia aletoria
la magnitud obtenida se puede transformar en un costo
medio anual:
 202,98 / 100  2,03MBs / año

Para las otras dos alternativas se procede igual.


56 / 76
Continuación
ANÁLISIS BENEFICIO - COSTO
Nivel de Beneficios Beneficios Costo Costo Beneficio
protección anuales incre- anual del incre- menos
m3/s MBs mentales proyecto mental costos
MBs MBs MBs MBs
878 2,03 1,90 0,13
1359 2,36 0,33 2,21 0,31 0,15
1826 2,50 0,14 2,72 0,51 0,22

Conclusión: Un nivel de protección en el rango de 878 a


1359 m3/s arrojan un beneficio de 0,33 MBs., a un costo
de sólo 0,31 MBs. anual. El costo hasta el siguiente
nivel de 1826 m3/s se incrementa a 0,51 MBs. y el
beneficio obtenido sólo es de 0,14 MBs., por lo tanto;
sólo debería considerarse el proyecto hasta el nivel de
protección de 1359 m/s.
57 / 76
VERIFICACIÓN

Se puede utilizar cualquier método que permita


comparar los beneficios y costos de una obra de
control, uso y manejo del agua, teniendo en
cuenta que de acuerdo al número de variables que
intervengan será de menor o mayor precisión el
estudio.

58 / 76
GENERALIZACIÓN

En la estimación se puede reconocer y evaluar


un fenómeno adicional, que es el incremento de
desarrollos en las planicies inundables cuando
se provee de alguna medida de protección, ya
que aumentan los valores anuales de daños por
crecidas.

59 / 76
MÉTODOS DE REPRESENTACIÓN
GRÁFICAS
Las funciones de distribución acumulada se
simplifican cuando se usa el papel de probabilidades,
elaborado de tal modo que los puntos se ubican en una
línea recta.

Un papel de probabilidades especialmente elaborado


para la distribución de valores extremos de GUMBEL,
utiliza el intervalo de recurrencia.

60 / 76
Continuación
MÉTODOS DE REPRESENTACIÓN
GRÁFICAS
El intérvalo de recurrencia o período de retorno se
define como el tiempo medio en años, con N
intentos futuros, para que el m-avo valor de la serie
sea excedido en promedio una vez. El número
medio de excedencias para esa condición es como
sigue: __
m
XN (4)
__ n 1
donde: X = número promedio de excedencias
N = número de intentos futuros (períodos
de retorno)
n = número de valores
m = el número de orden de cada evento
enumerados de mayor a menor.
61 / 76
Continuación
MÉTODOS DE REPRESENTACIÓN
Plan:
GRÁFICAS
Parámetro Método Aplicación
Fórmula de Toma en cuenta la
Gringorten. longitud de los registros.
California.
Asignan a los eventos un
Posición Hazen
número de orden para lo
gráfica del Beard
cual los valores se ordenan
análisis de Chegadayev en forma creciente o
frecuencia. Blom decreciente.
Tukey
Considera la probabilidad
Weibull de excedencia o su
complemento.
62 / 76
Continuación
MÉTODOS DE REPRESENTACIÓN GRÁFICAS
Fórmula de Gringorten:
n  1  2a
T (5)
ma
donde:
n = el número de años de registro
m = el número de orden
0< a < 1 que varía con n, como se indica.
n 10 20 30 40 50 60 70 80 90 100
a 0,448 0,443 0,442 0,441 0,440 0,440 0,440 0,440 0,439 0,439
__
Para el caso particular de X= 1, N = T en la ec. (4)
tenemos: n 1
T (6)
m
63 / 76
Fórmulas para determinar la posición gráfica en el
análisis de frecuencia
SOLUCIÓN PARA P PARA m = 1 y n = 10
MÉTODO
(X>x) P T
California m/n 0,10 10
Hazen (2m-1) / 2n 0,05 20
Beard 1-(0,5)1/n 0,067 14,9
Weibull m / (n + 1) 0,091 11
Chegadayev (m – 0,3) / (n + 0,4) 0,067 14,9
Blom (m - 3/8 ) / (n + 1/4) 0,061 16,4
Tukey (3m -1) / (3n + 1) 0,065 15,5
Nota: En el método de Weibull cuando m va de menor a mayor, P es la
probabilidad de no excedencia ( X  x), en cambio cuando va de
mayor a menor, P es la probabilidad de excedencia P(X  x).
64 / 76
FACTORES DE FRECUENCIA
La ecuación general de frecuencia propuesta por
Chow es el procedimiento más sencillo para el
análisis de frecuencia: __
x  x  ks (7)
Donde
__
x = Promedio aritmético de la serie
s = Desviación estándar
k = Factor de frecuencia
k esta dada en la Tabla C1 Apéndice C del libro de
Guevara y Cartaya.
65 / 76
Continuación
FACTORES DE FRECUENCIA

Procedimiento para el análisis según la ecuación de


Chow:
1. Calcular los
__ parámetros estadísticos de la serie
observada x y s.
2. Seleccionar el período de retorno deseado para x.
3. Extraer el valor de k de las tablas para ese período
de retorno.
4. Aplicar la ecuación de Chow para calcular el valor
de x deseado.

66 / 76
Continuación
FACTORES DE FRECUENCIA
En Venezuela se ha estandarizado el uso de la
función de distribución de valores extremos Tipo I de
Gumbel, cuyo factor de frecuencia se encuentra
tabulado. El valor de k se puede expresar de la
siguiente forma:
6  T 
k 0,5772  ln  ln  (8)
   T  1 

Hay que hacer notar que esta expresión de K sólo es


válida para n muy grande, es decir n  . Para el
caso de muestras, k varía con el tamaño de la muestra,
si hacemos k = 0, se obtiene T= 2,33 años.
67 / 76
Tabla 1. Factores de Frecuencia para la Distribución Extrema Tipo I.
Probabilidad acumulativa, P, %.
Tamaño de la 50 80 90 95 98 99
muestra n Período de retorno, T(años).
2 5 10 20 50 100
10 -0,1355 1,0580 1,8483 2,6063 3,5874 4,3227
15 -0,1434 0,9672 1,7025 2,4078 3,3208 4,0049
20 -0,1478 0,9187 1,6248 2,3020 3,1787 3,8356
25 -0,1506 0,8879 1,5754 2,2350 3,0886 3,7284
30 -0,1526 0,8664 1,5410 2,1881 3,0257 3,6534
35 -0,1540 0,8504 1,5154 2,1532 2,9789 3,5976
40 -0,1552 0,8379 1,4954 2,1261 2,9425 3,5543
45 -0,1561 0,8279 1,4794 2,1044 2,9133 3,5195
50 -0,1568 0,8197 1,4663 2,0865 2,8892 3,4908
55 -0,1574 0.8128 1,4552 2,0714 2,8690 3,4667
60 -0,1580 0,8069 1,4458 2,0586 2,8518 3,4461
65 -0,1584 0,8018 1,4376 2,0475 2,8368 3,4284
70 -0,1588 0,7974 1,4305 2,0377 2,8238 3,4128
75 -0,1592 0,7934 1,4242 2,0291 2,8122 3,3991
80 -0,1595 0,7900 1,4185 2,0215 2,8020 3,3868
85 -0,1597 0,7868 1,4135 2,0146 2,7928 3,3758
90 -0,1600 0,7840 1,4090 2,0084 2,7844 3,3659
95 -0,1602 0,7814 1,4048 2,0028 2,7769 3,3569
100 -0,1604 0,7791 1,4011 1,9977 2,7700 3,3487
68 / 76  -0,1643 0,7194 1,3046 1,8658 2,5923 3,1367
Desarrollo:
FACTORES DE FRECUENCIA
Con los caudales anuales registrados por el MARNR en el
Caudal máximo Río Yaracuy, Estación
Año anual m3 /s Puente Cumaripa, durante
1951 210 el período 1951 – 1966.
1952 32 Calcular los períodos de
1953 290 retorno de cada evento,
1954 59
1955 147 graficar la curva de
1956 185 frecuencia empírica en
1957 186 papel de probabilidades de
1958 68
1959 87 valores extremos y estimar
1960 34 la magnitud de los
1961 326 caudales máximo de 50 y
1962 50
1963 68 100 años.
1964 146
1965 243
1966 220
69 / 76
Continuación

1. Se le asigna un número de orden m a cada valor de


caudal máximo anual, ordenados en forma decreciente,
es decir, la magnitud mayor recibe el valor de m = 1
y la magnitud menor recibe el m = 16.
2. En la columna (3) se dan los valores de m para cada
valor de caudal.
3. Se cálcula el período de retorno para cada magnitud de
caudal ( columna 4 tabla 2) con la siguiente expresión:
n 1
T
m
4. Finalmente se grafican los valores de T de la columna
(4) contra los correspondientes de Qt de la columna (2)
utilizando el papel probabilidades de valores extremos
Tipo I Gumbel.

70 / 76
Continuación

Caudal máximo n1


T
Año anual m3 /s Orden m m
(1) (2) (3) (4)
1951 210 5 3,4
1952 32 16 1,063
1953 290 2 8,50
1954 59 13 1,308
1955 147 8 2,125
1956 185 7 2,429
1957 186 6 2,833
1958 68 12 1,417
1959 87 10 1,700
1960 34 15 1,133
1961 326 1 17,000
1962 50 14 1,214
1963 68 11 1,545
1964 146 9 1,889
1965 243 3 5,667
1966 220 4 4,250
n 16 m =1 es 326 el mayor
Q 147 m = 16 es 32 el menor
71 / 76
s 94 registro
Continuación
Solución para los caudales de 50 y 100:

De la tabla 1, para n = 15 : K50 = 3,321


K100 = 4,005
Para valores de n no existentes en la tabla 1 se
debe hacer una interpolación lineal doble.
Luego reemplazamos los valores de Q, s y K en la
ecuación como sigue:
Q 50  147  94  3,321  459 m 3 s

Q100  147  94  4,005  523 m 3 s


72 / 76
Curva de frecuencia de los caudales máximos anuales del
Río Yaracuy en Puente Cumaripa período 1951-1966

67/
73 /76
76
COFIABILIDAD DEL ANÁLISIS Y
LÍMITES DE CONFIDENCIA

El error estándar es función sólo del tamaño de la


muestra.
Error Estándar para los parámetros más usados.

Parámetro Error estándar


Promedio / n
Desviación estándar  / 2n
Coeficiente de variación C v 1  2C 2v 2n
Coeficiente de asimetría 6n n  1 / n  1n  2n  3
74 / 76
Continuación
Los límites de confianza de un parámetro específico
se pueden establecer en base al error estándar y a la
distribución normal. Por lo que se requiere recordar
las propiedades de la varible normal.
• El 68 % de las observaciones se ubican en el
rango de x  
• El 95 % de las observaciones se encuentran en el
rango x  2
• El 99,7 % se encuentra en el rango x  3
• El promedio de la variable = 
• La varianza = /(n)1/2
75 / 76
Continuación
Según lo descrito, los límites de confianza para una
probabilidad de 95 % para el promedio se ubican en
el rango   2/(n)1/2.
Los límites de confianza se grafican como curvas de
control a ambos lados de la curva de frecuencias.

76 / 76
Continuación

Factores propuestos por BEARD para establecer los


límites de confidencia con una probabilidad de 90%
Años de
Frecuencia de excedencia ( %, al nivel 5 % )
registro N
99,9 99 90 50 10 1 0,1
5 1,22 1,00 0,76 0,95 2,12 3,41 4,41
10 0,94 0,76 0,57 0,58 1,07 1,65 2,11
15 0,8 0,65 0,48 0,46 0,79 1,19 1,52
20 0,71 0,58 0,42 0,39 0,64 0,97 1,23
30 0,60 0,49 0,35 0,31 0,50 0,76 0,93
40 0,53 0,43 0,31 0,27 0,42 0,61 0,77
50 0,49 0,39 0,28 0,24 0,36 0,54 0,67
60 0,42 0,34 0,24 0,20 0,30 0,44 0,55
100 0,37 0,29 0,21 0,17 0,25 0,36 0,45
0,1 1 10 50 90 99 99,9
Frecuencia de excedencia ( %, al nivel 95 % )

Los valores de la tabla se multiplican por la desviación estándar


de la variable para producir la banda de confianza. El límite
superior se obtiene sumando al valor de la curva el error al 5%. El
77 / 76
inferior se obtiene restando al valor de la curva el error al 95%.
ERROR ESTÁNDAR DE LA DISTRIBUCIÓN DE
VALORES EXTREMOS TIPO I
De acuerdo con KITE (1977):
NORMAL:
12
2Z 
2
Se    S (9)
 n 
 
Donde:
Se = error estándar de los estimados
S = desviación estándar de la muestra observada
N = número de eventos
Z = variable normal estandarizada.

78 / 76
Continuación
ERROR ESTÁNDAR DE LA DISTRIBUCIÓN DE
VALORES EXTREMOS TIPO I
De acuerdo con KITE (1977):
VALORES EXTREMO TIPO I:

 
12
1 2 
Se   1  1,1396K  1,100K   S (10)
n 

K = factor de frecuencia ajustado para el evento de un


período de retorno T, que se cálcula mediante la
ecuación, o se extrae de las tablas para la función de
valores extremos Tipo I.

79 / 76
DESARROLLO
Calcular el error estádar de estimación y los límites de
confianza al 90% para Q50 y Q100 del ejemplo 1.
Q50 = 459 m3 / s K = 3,321 s = 94 m3 / s
Q100 = 523 m3 / s K = 4,005 n = 16 años
Solución: Aplicando la ecuación (10) tenemos:
-Para Q50 :
 
12
1 2 
Se   1  1,13963,221  1,103,221   94  94,24
16 
- Para Q100 :
 
12
1 
Se   1  1,13964,005  1,104,0052   94  113,21
16 
80 / 76
Continuación
DESARROLLO
Solución:
-Para Q10 :
Se  58,19
-Para Q2.23 :
Se  23,50
Los límites de confidencia al 90 %, con Z = 1,645
para  = 0,05 son: X T  Se Z es decir:
Para Q50 : 459 ± 155 (304 – 614)
Para Q100 : 523 ± 186 (337 –709)
Para Q10 : 307 ± 95 (212 – 402)
Para Q2,33 : 147 ± 39 (108 – 186)
81 / 76
GENERALIZACIÓN

A medida que incrementa la longitud de la


muestra, el error estándar y la
confiabilidad del análisis se hacen más
eficientes.

82 / 77