INDICE

I.

INTRODUCCIN
1.1 OBJETIVOS:
OBJETIVO GENERAL:
OBJETIVOS SECUNDARIOS:
1.2 ANTECEDENTES:
1.3 JUSTIFICACIN:

II.

REVICION BIBLIOGRAFICA.
II.1. POBLACIN:
II.2. MUESTRA.
II.3. HISTOGRAMA Y POLGONOS DE FRECUENCIA
II.4. MEDIA
II.5. MEDIANA
II.6. MODA
II.7. DESVIACIN MEDIA
II.8. DESVIACIN ESTNDAR Y VARIANCIA
II.9. COVARIANZA
II.10.

COEFICIENTE DE CORRELACIN

II.11.

COEFICIENTE DE VARIACIN

II.12.

COEFICIENTE DE MOMENTO DE ASIMETRA

II.13.

COEFICIENTE DE KURTOSIS

II.14.

DESVIACIN ESTNDAR MUESTRAL.

II.15.

SESGO

III. DISTRIBUCIONES
CONTINUAS
3.1
3.1.1

DE

PROBABILIDAD

DISTRIBUCION NORMAL
FUNCIN DE DENSIDAD:

PARA

VARIABLES

HIDROLOGA

3.1.2

3.2

ESTIMACIN DE PARMETROS:

3.1.3

FACTOR DE FRECUENCIA:

3.1.4

LIMITES DE CONFIANZA:

DISTRIBUCIN LOGNORMAL DE DOS PARMETROS

3.2.1

FUNCIN DE DENSIDAD:

3.2.2

ESTIMACIN DE PARMETROS:

3.2.3

FACTOR DE FRECUENCIA:

3.2.4

LIMITES DE CONFIANZA:

3.3

DISTRIBUCION GUMBEL

3.4

DISTRIBUCION GAMMA DE TRES PARMETROS O PEARSON

TIPO 3

3.5

DISTRIBUCIN LOG LOGPEARSON DE 3 PARMETROS

IV. AJUSTE DE DISTRIBUCIONES

V.

MATERIALES

VI.

METODOLOGA
6.1 PROCEDIMIENTO A SEGUIR

VII. CLCULOS Y RESULTADOS.

VIII. CONCLUSIONES
IX.
BIBLIOGRAFIA

Pgina 2

HIDROLOGA

Pgina 3

HIDROLOGA

ANLISIS ESTADSTICO Y
PROBABILIDADES DE
DATOS HIDROLGICOS

Pgina 4

HIDROLOGA

INTRODUCCIN
El presente trabajo es de vital importancia puesto que nos permite tener idea
del comportamiento de los fenmenos naturales como las precipitaciones, su
comportamiento en las diversas estaciones del ao puesto que permite tomar
las debidas precauciones, ya que su omisin nos ocasionara prdidas
econmicas.
Y es por eso que se aplic la estadstica a la hidrologa con sus diversos
mtodos d probabilidad tales como las distribuciones continuas discretas, etc.
Cada una de estas con sus ventajas y desventajas para cada caso.
Tambin es muy importante para el diseo en la ingeniera como, presas, y
actividades ligadas a la agricultura. puesto que solo por este detalle nuestros
diseos no cumpliran a cabalidad su rol para el cual fueron diseados y no
garantizaran la vida til a la que han sido diseados. Para esto la naturaleza
en base a estudios estadsticos.
El anlisis de la prueba de distribucin nos servir para ver si los datos se
ajustan a las distribuciones Normal, normal estndar y exponencial, y una vez
comprobado se podr calcular el caudal para un periodo de retorno dado,
tambin como la probabilidad de que el caudal sea mayor al considerado.

Pgina 5

HIDROLOGA

II.16.

OBJETIVOS:

Objetivo general:

Realizar la distribucin de frecuencias de los datos de precipitacin

media anual y calcular las medidas de distribuciones.
Realizar la prueba de bondad de ajuste, y ver si los datos se ajustan a la
distribucin Normal y distribucin Gumbel.

Objetivos secundarios:
Aprender los procedimientos de la tabulacin de datos hidrolgicos
mediante los conceptos de probabilidades y estadstica.

II.17.

ANTECEDENTES:

Se realizara los estudios de los datos registrados de las estaciones de

Conococha, Lampas Alto N 02 y la estacin de Lampas Bajo
Se cuenta con las tablas de registros de precipitaciones medias mensuales
(mm), previamente corregidos y completados.

II.18.

JUSTIFICACIN:

El trabajo es importante por la interpretacin de los conceptos de

probabilidades y estadstica aplicada a la hidrologa con el fin de poder estimar
parmetros hidrolgicos que nos servirn para conocer las precipitaciones
registrados en cierta regin de una cuenca, y de esta manera hacer un buen
estudio hidrolgico calculando las probabilidades de que una precipitacin
exceda al establecido.

Pgina 6

HIDROLOGA

III.

REVICION BIBLIOGRAFICA.

III.1.

POBLACIN:

Es el conjunto de mayor de datos individuales, personas o cosas cuyo

estudio nos interesa obtener informacin. Los datos individuales de una
poblacin se llama unidades elementales u observaciones.
Una poblacin estadstica es un conjunto de observaciones medibles o
descritas para cada uno de sus unidades elementales.

III.2.

MUESTRA.

GARCIA CU, (1999). La muestra es una parte, generalmente pequea,

que se toma del conjunto total para analizarla y hacer estudios que le
permitan al investigador inferir o estimar las caractersticas de un
problema.

III.3.

HISTOGRAMA Y POLGONOS DE FRECUENCIA

VILLON BEJAR, M (2001). Son dos representaciones grficas de las

distribuciones de frecuencia.
A. Un histograma o histograma de frecuencias, consiste en una serie de
rectngulos que tienen:
- ) Sus bases sobre un eje horizontal (el eje X) con centros en las
marcas de clase y longitud igual al tamao de los intervalos de
clase.
- ) Superficies proporcionales a las frecuencias de clase.
B. Un polgono de frecuencias, es un grfico de lnea trazado sobre las
marcas de clase. Puede obtenerse uniendo los puntos medios de los
techos de los rectngulos en el histograma.

Pgina 7

HIDROLOGA

III.4.

MEDIA

VILLON BEJAR, M (2001). La media de un conjunto N de datos

numricos X1, X2,..., XN est representada por y definida por:
. (01)}
Donde:
= media muestral
= valor i-simo de la muestra.
N = nmero de datos de la muestra.

Que es el momento de orden 1.

La mediana de un conjunto N de nmeros ordenados en orden de

grandeza, corresponde al valor del punto central (N es un nmero impar)
o la media aritmtica de los dos valores centrales (en el caso que N sea
par).

III.5.

MEDIANA

CARRASCO COVARRUBIAS, P (2007). Es un valor nico de un

conjunto de datos que mide al elemento central en los datos. Este nico
elemento de los datos ordenados, es el ms cercano a la mitad, o el ms
central en el conjunto de nmeros. La mitad de los elementos quedan por
encima de ese punto, y la otra mitad por debajo de l.

.. (02)
Donde:
Med = mediana muestral.
N = nmero total de elementos de la muestra.
Pgina 8

HIDROLOGA

F = suma de todas las frecuencias hasta la clase de la mediana pero sin

incluirla.
Fm = frecuencia nicamente de la clase de la mediana.
W = amplitud del intervalo de clase.
Lm = lmite inferior de la clase de la mediana.

III.6.

MODA

Localiza el dato de mayor frecuencia. Es el valor del dato cuya frecuencia

es mxima.

Si la distribucin de frecuencias tienen un solo mximo (mximo

absoluto), la moda es el valor del dato de mayor frecuencia, y se dice
que la distribucin de frecuencias es uni- modal.

Si la distribucin de frecuencias tiene ms de un mximo (mximo

relativos), se dice que la distribucin de frecuencia es multimodal:
Bimodal, Trimodal, etc.

Si todas las frecuencias son iguales se dice que la distribucin no tiene

moda y se trata de una distribucin uniforme.

Para Datos Clasificados La moda es la marca de la clase modal. Para

una mejor aproximacin se puede usar la siguiente formula
(03)

Donde:
= Moda.
= lmite inferior de la clase modal.
= diferencia entre la frecuencia de la clase modal y la premodal (clase
anterior).

Momentos mustrales, medidas de asimetra y curtosis:

Pgina 9

HIDROLOGA

Existen varias clases de descriptores aritmticos, siendo los momentos el mtodo

adecuado para calcular los estadgrafos, es decir con el clculo de momentos se
determina los estadgrafos o estadsticos Como en los cursos de esttica, resistencia
de materiales, fsica, matemticas, etc. se calculan los momentos de rdenes primero,
segundo, etc. generalizando se tiene: momento con respecto al origen de coordenadas
y momentos con respecto a la media
III.7.

DESVIACIN MEDIA

VILLON BEJAR, M (2001). Es la media aritmtica de los valores

absolutos de las desviaciones de los datos con respecto a una medida de
tendencia central.
N

Xi estadi gra fo de posicion

DM

I 1

Si el estadgrafo es la media, se tiene:

N

DM

Xi x
I 1

Para datos no clasificados

DM

Xi x ni
I 1

Para datos clasificados

La desviacin media es una medida de dispersin fcil de calcular y se ve

afectada en menor medida por los valores extremos que la desviacin
estndar y se una a menudo cuando se dispone de muestras pequeas que
incluye valores extremos o cuando la distribucin es muy asimtrica.

III.8.

Desviacin Estndar y Variancia

Miden el grado de dispersin de los datos numricos en torno de un valor

medio.
La Desviacin Estndar de un conjunto de datos X1,..., Xn est definida
por:

Pgina 10

HIDROLOGA

.. (04)

La Variancia es el cuadrado de la desviacin estndar:

. (05)
La frmula de la varianza ser:
....... (06)

III.9.

COVARIANZA

El valor de covarianza entre dos conjuntos de datos numricos a y b, con

N puntos es definido por:

Este valor indica el grado de similitud entre los conjuntos a y b, o sea,

como los datos estn correlacionados entre s. Cuanto mayor es la
covarianza, mayor es el grado de correlacin entre los datos.

III.10.

COEFICIENTE DE CORRELACIN

El coeficiente de correlacin mide la similitud entre dos conjuntos de

datos numricos sobre una escala absoluta de [-1, 1]. Este coeficiente es

Calculado a travs de la divisin del valor de covariancia entre la raz

cuadrada del producto de las desviaciones estndar de los conjuntos de
datos a y b:

Pgina 11

HIDROLOGA

III.11.

COEFICIENTE DE VARIACIN

VILLON BEJAR, M (2001). El efecto de la variacin o dispersin con

relacin a la media puede ser medido por la dispersin relativa, definida
por:
Dispersin Relativa = Dispersin Absoluta/Media
Si la dispersin absoluta corresponde a la desviacin estndar, la
dispersin relativa es denominada coeficiente de variacin v:
... (09)
El coeficiente de variacin deja de ser til cuando la media es prxima de
cero. Su frmula est representada por.
. (10)

III.12.

COEFICIENTE DE MOMENTO DE ASIMETRA

VILLON BEJAR, M (2001). La asimetra de una muestra se mide

mediante el coeficiente de asimetra, para el clculo del coeficiente de
asimetra se emplea el tercer momento con respecto a la media y para que
este coeficiente no tenga dimensiones el tercer momento se divide entre la
desviacin estndar elevado a la potencia 3.
Es el grado de desvo o alejamiento del eje de simetra de una
distribucin. Para distribuciones asimtricas, la media tiende a situarse del
lado de la cola ms larga de la distribucin. Este coeficiente puede ser
definido usando el 3 momento centrado en la media y la desviacin
estndar:

g Cs

n 2 m3
..........................(11)
n 1 n 2 S 3

Donde:
m3

1 n
xi - x 3 ........................................(12)

n i 1
Pgina 12

HIDROLOGA

.. (13)

. (14)
S g=0 es una distribucin simtrica
S g>0 es una distribucin sesgada a la derecha (polgono de
frecuencias con cola ms larga a la derecha)
S g<0 es una distribucin sesgada a la izquierda (polgono de
frecuencias con cola ms larga hacia la izquierda).

El sesgo del polgono de frecuencias se aprecia trazando una vertical por la

moda donde se diferencia la cola del polgono de frecuencias.

Es importante indicar que los tres nmeros son suficientes para tener una idea
de la forma del histograma.

III.13.

COEFICIENTE DE KURTOSIS

El grado apuntamiento del polgono de frecuencias (forma puntiaguda del

polgono de frecuencias) se mide mediante el coeficiente de curtosis. Para el
clculo del coeficiente de curtosis se emplea el cuarto momento con respecto
a la media y para que este coeficiente no tenga dimensiones el cuarto
momento se divide entre la desviacin estndar elevado a la potencia 4
Mide el grado de achatamiento de una distribucin de datos y puede ser
definido por la divisin del momento de grado 4 centrado en la media entre la
variancia elevada al cuadrado. O sea:

CK

n3 M 4
............................(15)
n 1 n 2 n 3 S 4

M4

x
i 1

.......................................................(16)

Pgina 13

HIDROLOGA

Es una medida estadstica que describe el apuntamiento o achatamiento de

una cierta distribucin con respecto a una distribucin normal. La kurtosis
positiva indica una distribucin relativamente apuntada, y la negativa indica
una distribucin relativamente achatada. En una distribucin normal la
kurtosis es igual a 3, a los valores mayores a 3 se los llama kurtosis excesiva.
El caso de kurtosis excesiva indica que hay una mayor probabilidad de que
los retornos observados estn ms alejados de la media que en una
distribucin normal. Leptokurtosis se denomina al atributo de una
distribucin con muy altos ndices de kurtosis.
El valor del coeficiente de curtosis es costumbre comparar con Ck=3 que es
coeficiente de apuntamiento de una curva continua de forma de una campana
(curva normal).
S Ck>3 es una distribucin leptocrtica, picuda o puntiaguda.
S Ck=3 es una distribucin mesocrtica o moderada (curva normal)
S Ck<3 es una distribucin platicrtica, achatada o plana.

III.14. DESVIACIN ESTNDAR MUESTRAL.

VILLON BEJAR, M (2001). La varianza muestral est medida en el

cuadrado de las unidades observadas al hacer las mediciones contenidas
en la muestra. Para devolverse a una estadstica que use las mismas
unidades que las observaciones, es necesario calcular su raz cuadrada.
Lo anterior conduce a la definicin de la estadstica denominada
'desviacin estndar muestral', que no es otra cosa que la raz cuadrada
de la varianza
Para una muestra de tamao n, x1, ..., xn, se tiene que:

(17)
El uso de esta estadstica es recomendado en aquellos conjuntos de datos
que ofrecen cierto grado de simetra respecto de su centro. En estos
casos, habitualmente tiene sentido medir discrepancias de un valor con
el centro de los datos usando mltiplos de la desviacin estndar.
A modo de ejemplo, se puede decir que un valor est bastante alejado
del centro de los datos si su distancia de l supera dos desviaciones
estndar.

Pgina 14

HIDROLOGA

Apoyndose en la idea anterior, la desviacin estndar puede ser usada

para determinar valores que se encuentran 'cerca' del centro. Este uso va
ms all de la simple descripcin, en otros mbitos de Estadstica es
usada para tomar decisiones respecto de la poblacin de la que fue
extrada la muestra.

III.15.

SESGO

VILLON BEJAR, M (2001). Segn el diccionario un sesgo es "una

inclinacin parcial de la mente". En nuestro mbito, la palabra sesgo
sirve para definir la tendencia sistemtica de ciertos diseos de ensayos
clnicos para producir de forma consistente resultados mejores o peores
que otros diseos.
Skewness o sesgo: Medida estadstica que describe la simetra de la
distribucin alrededor de un promedio. Si el sesgo es igual a cero, la
distribucin es simtrica; si el sesgo es positivo la distribucin una
tendr una cola asimtrica extendida hacia los valores positivos. Un
sesgo negativo indica una distribucin con una cola asimtrica extendida
hacia los valores negativos.
AJUSTE DE UNA DISTRIBUCION DE PROBABILIDADES

La distribucin de Probabilidades es una funcin que representa la probabilidad de

ocurrencia de una variable aleatoria.
Ajustando una distribucin a un conjunto de datos hidrolgicos, una gran cantidad de
informacin de la muestra se resume en la distribucin y sus parmetros.
Se tiene como objetivo del Ajuste de una Distribucin, Obtener los parmetros:

METODO DE MOMENTOS

VILLON BEJAR, M (2001). Las propiedades de las distribuciones pueden ser

definidas completamente en trminos de los momentos. Los momentos en
estadstica son similares a los momentos en fsica (rotacin respecto al origen).

METODO DE MAXIMA VEROSIMILITUD

Pgina 15

HIDROLOGA

La funcin de Verosimilitud de la Muestra, como:

N

L f ( x, , , ,....)...................................................(18)
i 1

Para un clculo ms simple se puede usar de la siguiente forma:

LnL

f ( x, , , ,....)........................................................................(19)
i 1

Derivando parcialmente respecto a cada parmetro se tiene el Conjunto de

Ecuaciones de Mxima verosimilitud:
LnL
0

LnL
0

LnL

0 ..(20)

Los Parmetros se hallan resolviendo el Conjunto de Ecuaciones de Mxima

verosimilitud.
DISTRIBUCIONES DE PROBABILIDAD EN HIDROLOGA

El comportamiento de las variables aleatorias discretas o continuas se describe con

la ayuda de Distribuciones de Probabilidad. La variable se designa por mayscula y
un valor especfico de ella por minscula.
Por P(x = a) se denota la probabilidad de que un evento asuma el valor a;
similarmente P(a x b) denota la probabilidad de que un evento se encuentre en el
intervalo (a,b). Si conocemos la probabilidad P(a x b) para todos los valores de
a y b, se dice que conocemos la Distribucin de Probabilidades de la variable x.
Si x es un nmero dado y consideramos la probabilidad P(X x):

Llamamos F(x) la funcin de distribucin acumulada.

IV.

3.1

DISTRIBUCIONES
CONTINUAS

DE

PROBABILIDAD

PARA

VARIABLES

DISTRIBUCION NORMAL

VILLON BEJAR, M (2001). La distribucin normal es una distribucin

simtrica en forma de campana, tambin conocida como Campana de Gauss.
Pgina 16

HIDROLOGA

Aunque muchas veces no se ajusta a los datos hidrolgicos tiene amplia

aplicacin por ejemplo a los datos transformados que siguen la distribucin
normal.
3.1.1

FUNCIN DE DENSIDAD:

La funcin de densidad est dada por

Los dos parmetros de la distribucin son la media y desviacin estndar

para los cuales
datos.

3.1.2

(media) y s (desviacin estndar) son derivados de los

ESTIMACIN DE PARMETROS:

(23)

3.1.3

1.

FACTOR DE FRECUENCIA:

1. Si se trabaja con los X sin transformar el K se calcula como

.. (24)

Este factor es el mismo de la variable normal estndar

.................(25)

Pgina 17

HIDROLOGA

3.1.4

LIMITES DE CONFIANZA:

.. (26)
Donde es el nivel de probabilidad
es el cuartil de la distribucin
normal estandarizada para una probabilidad acumulada de 1- y Se es el error
estndar.

3.2

DISTRIBUCIN LOGNORMAL DE DOS PARMETROS

Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente

se dice que X se distribuye normalmente.
Esta distribucin es muy usada para el clculo de valores extremos por
ejemplo Qmax, Qmnimos, Pmax, Pmnima (excelentes resultados en
Antioquia). Tiene la ventaja que X>0 y que la transformacin Log tiende a
reducir la asimetra positiva ya que al sacar logaritmos se reducen en mayor
proporcin los datos mayores que los menores.
Limitaciones: tiene solamente dos parmetros, y requiere que los logaritmos
de las variables estn centrados en la media.

3.2.1

FUNCIN DE DENSIDAD:

x > 0 .(27)
y = ln x... (28)
Donde,
y: media de los logaritmos de la poblacin (parmetro escalar), estimado
y: Desviacin estndar de los logaritmos de la poblacin, estimado sy.

3.2.2

ESTIMACIN DE PARMETROS:

Pgina 18

HIDROLOGA

... (29)

..(30)

3.2.3

FACTOR DE FRECUENCIA:

Puede trabajarse en el campo original y en el campo transformado.

1.
2. Campo transformado: Si se trabaja en el campo
transformado se trabaja con la media y la desviacin estndar de los
logaritmos, as:
Ln(XTr) = xTr+KSy (31)
De donde,
XTr = eln (xTr) ...(32)
Con K con variable normal estandarizada para el Tr dado, xy media
de los logaritmos y Sy es la desviacin estndar de los logaritmos.
3. Campo original: Si se trabaja con los X sin transformar el K se
calcula como.

. (33)
....... (34)
K es la variable normal estandarizada para el Tr dado, es el coeficiente de variacin,
x media de los datos originales y s desviacin estndar de los datos originales.

3.2.4

LIMITES DE CONFIANZA:

En el campo transformado.
Pgina 19

HIDROLOGA

. (35)
(36)

... (37)

En donde, n nmero de datos, Se error estndar, KT variable normal

estandarizada.
3.3

DISTRIBUCION GUMBEL

Una familia importante de distribuciones usadas en el anlisis de frecuencia

hidrolgico es la distribucin general de valores extremos, la cual ha sido
ampliamente utilizada para representar el comportamiento de crecientes y
sequas (mximos y mnimos).

3.3.1

FUNCIN DE DENSIDAD:
... (38)
En donde y son los parmetros de la distribucin.

3.3.2

ESTIMACIN DE PARMETROS
. (39)
(40)

Donde

son la media y la desviacin estndar estimadas con la muestra.

3.3.3

FACTOR DE FRECUENCIA:

Pgina 20

HIDROLOGA

. (41)

Donde Tr es el periodo de retorno. Para la distribucin Gumbel se tiene que

el caudal para un perodo de retorno de 2.33 aos es igual a la media de los
caudales mximos.

3.3.4

LIMITES DE CONFIANZA

Xt t (1-) Se ..(42)
.. (43)

.. (44)

KT es el factor de frecuencia y t(1-) es la variable normal estandarizada para

una probabilidad de no excedencia de 1-.

3.4

DISTRIBUCION GAMMA DE TRES PARMETROS O PEARSON

TIPO 3
Esta distribucin ha sido una de las ms utilizadas en hidrologa. Como la
mayora de las variables hidrolgicas son sesgadas, la funcin Gamma se
utiliza para ajustar la distribucin de frecuencia de variables tales como
crecientes mximas anuales, Caudales mnimos, Volmenes de flujo anuales y
estacionales, valores de precipitaciones extremas y volmenes de lluvia de
corta duracin. La funcin de distribucin Gamma tiene dos o tres parmetros.

3.4.1

FUNCIN DE DENSIDAD:

... (45)
Donde,
Pgina 21

HIDROLOGA

x0 x para 0
x x0 para 0
y son los parmetros de escala y forma, respectivamente , y x 0 es el
parmetro de localizacin.

3.4.2

ESTIMACIN DE PARMETROS:

.(46)
..(47)
..(48)
Cs es el coeficiente de asimetra,
de la muestra respectivamente.
3.4.3

son la media y la desviacin estndar

FACTOR DE FRECUENCIA:

.(49)

Donde z es la variable normal estandarizada

Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado
con la muestra.
3.4.4 INTERVALOS DE CONFIANZA:
Xt t(1-) Se . (50)
(51)
Donde S es la desviacin estndar de la muestra, n es el nmero de datos y
se encuentra tabulado en funcin de Cs y Tr.

3.5

DISTRIBUCIN LOG LOGPEARSON DE 3 PARMETROS

Pgina 22

HIDROLOGA

Si los logaritmos Y de una variable aleatoria X se ajustan a una distribucin

Pearson tipo III, se dice que la variable aleatoria X se ajusta a una
distribucin Log Pearson Tipo III. Esta distribucin es ampliamente usada en
el mundo para el anlisis de frecuencia de Caudales mximos. Esta se trabaja
igual que para la Pearson Tipo III pero con Xy y Sy como la media y
desviacin estndar de los logaritmos de la variable original X.

3.5.1

FUNCIN DE DENSIDAD:

.. (52)
Donde,
y0 y para 0
y y0 para 0
y son los parmetros de escala y forma, respectivamente , y y 0 es el
parmetro de localizacin.
3.5.2

ESTIMACIN DE PARMETROS:

. (53)
(54)
. (55)

Cs es el coeficiente de asimetra,

son la media y la desviacin

estndar de los logaritmos de la muestra respectivamente.

3.5.3

FACTOR DE FRECUENCIA:

. (56)

Pgina 23

HIDROLOGA

(57)

Donde z es la variable normal estandarizada

Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado
con la muestra.

3.5.4

INTERVALOS DE CONFIANZA:

Xt t(1-) Se (58)
... (59)

Donde Sy es la desviacin estndar de los logaritmos de la muestra, n es el

nmero de datos y se encuentra tabulado en funcin de Cs y Tr.

AJUSTE DE DISTRIBUCIONES

Para la modelacin de caudales mximos se utilizan, entre otras, las

distribuciones Log - Normal, Gumbel y Log-Gumbel principalmente. Para
seleccionar la distribucin de probabilidades de la serie histrica se deben
tener en cuenta algunas consideraciones.
Cuando en la serie histrica se observan outliers [1] es necesario verificar
la sensibilidad del ajuste debido a la presencia de estos, (Ashkar, et al. 1994)
Para el ajuste a las distribuciones Log-Normal, Log-Gumbel y Log-Pearson
se requiere transformar la variable al campo logartmico para modelarla, con
lo que se disminuye la varianza muestral, pero tambin se filtran las
variaciones reales de los datos.

Pgina 24

HIDROLOGA

Las distribuciones de dos parmetros fijan el valor del coeficiente de

asimetra, lo que en algunos casos puede no ser recomendable. La
distribucin Log - Normal de dos parmetros slo es recomendable s el
coeficiente de asimetra es cercano a cero. Las distribuciones Gumbel y Log
- Gumbel son recomendables si el coeficiente de asimetra de los eventos
registrados es cercano a 1.13
Para ajustar distribuciones de tres parmetros (Log Normal III, Log Pearson)
se requiere estimar el coeficiente de asimetra de la distribucin; para ello es
necesario disponer de una serie con longitud de registros larga, mayor de 50
aos, (Kite, 1988). Las distribuciones de dos parmetros son usualmente
preferidas cuando se dispone de pocos datos, porque reducen la varianza de la
muestra, (Ashkar, et al. 1994).
Para seleccionar la distribucin de probabilidades adecuada se debe tratar de
utilizar informacin adicional del proceso hidrolgico que permita identificar
la forma en que se distribuye la variable. Usualmente es muy difcil
determinar las propiedades fsicas de los procesos hidrolgicos para
identificar el tipo de distribucin de probabilidad que es aplicable.
Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cual
es la distribucin que mejor se ajusta a los caudales mximos y recomiendan
seleccionar el mejor ajuste a criterio del modelador con la prueba de ajuste
grfico o basado en el comportamiento de las pruebas estadsticas de bondad
del ajuste (por ejemplo Chi Cuadrado, Smirnov-Kolmogorov, Cramer-Von
Mises) en las que se calcula un estimador y se compara con un valor tabulado
para determinar si el ajuste es adecuado o no. En la prueba de ajuste grfica
se dibujan los valores registrados en la serie contra la distribucin terica de
probabilidades y de manera visual (subjetiva) se determina si el ajuste es
adecuado o no.
Cuando la informacin es adecuada el anlisis de frecuencia es la
metodologa ms recomendable para la evaluacin de eventos extremos, ya
que la estimacin depende solamente de los caudales mximos anuales que
han ocurrido en la cuenca y no da cuenta de los procesos de transformacin
de la precipitacin en escorrenta. Obviamente tiene algunas limitaciones
relacionadas con el comportamiento de la serie histrica y con el tamao y
calidad de los datos de la muestra.
Cuando se presenten cambios o tendencias en la serie histrica se deben
utilizar tcnicas estadsticas que permitan removerlos para poder realizar el
anlisis de frecuencias (Kite, 1988; Mamdouh, 1993; Ashkar, et al. 1994).
La seleccin inadecuada de la distribucin de probabilidades de la serie
histrica arrojar resultados de confiabilidad dudosa, (Ashkar, et al. 1994).
El tamao de la muestra influye directamente en la confiabilidad de los
resultados, as a mayor perodo de retorno del estimativo mayor longitud de
registros necesaria para mejor confiabilidad en los resultados.
Pgina 25

HIDROLOGA

4.2

PRUEBAS DE AJUSTE

Para la evaluacin de probabilidades se han propuesto una serie de pruebas

estadsticas que determinan si es adecuado el ajuste. Estos son anlisis
estadsticos y como tal se deben entender, es decir, no se puede ignorar el
significado fsico de los ajustes.
Tipos de pruebas de ajuste de bondad
Ajuste grfico
Ajuste Estadstico
chi-Cuadrado
Sirnov-Kolmogorov.

4.2.1

PRUEBA SMIRNOV KOLMOGOROV

El estadstico Smirnov Kolmogorov D considera la desviacin de la funcin

de distribucin de probabilidades de la muestra P(x) de la funcin de
probabilidades terica, escogida Po(x) tal que

La prueba requiere que el valor Dn calculado con la expresin anterior sea

menor que el valor tabulado Dn para un nivel de probabilidad requerido.
Esta prueba es fcil de realizar y comprende las siguientes etapas:

El estadstico Dn es la mxima diferencia entre la funcin de distribucin

acumulada de la muestra y la funcin de distribucin acumulada terica
escogida.

Se fija el nivel de probabilidad, valores de 0.05 y 0.01 son los ms usuales.

El valor crtico D de la prueba debe ser obtenido de tablas en funcin de y

n.

Si el valor calculado Dn es mayor que el D, la distribucin escogida se debe

rechazar.

XIII. MATERIALES
Para el desarrollo del presente trabajo empleamos los siguientes materiales:
Pgina 26

HIDROLOGA

Registro de caudales medios anuales de las cuencas:

Estacin Conococha.
Estacin Lampas Alto N 02.
Estacin Lampas Bajo N 01.
Uso de computadora
Softwares Como: Excel, Word.
Calculadora HP

XIV. METODOLOGA
PROCEDIMIENTO A SEGUIR
Para la distribucin de frecuencias:

Obtencin de los limites como son el mximo y el mnimo y

acomodarlos en forma ascendente.

Obtuvimos un rango de variacin (R):

. (60)

Calculo del nmero de intervalos de clase, segn la siguiente frmula :

... (61)

Pgina 27

HIDROLOGA

Y aproximndolo a un nmero entero.

Donde:
N = nmero total de datos.

Calculo de la distribucin de incremento:

(62)

Procedemos a llenar el cuadro de distribucin de frecuencias que

detallamos en la parte de clculos.

Calculamos las medidas descriptivas, utilizando las siguientes formulas

Tendencia central
n

Media aritmtica:

Mediana:

X n
i

i 1

. (63)

2 Fm 1
Lm Am

fm

Xm

.... (64)

1
... (65)
1 2

M o L i Ai

Moda
Medidas de dispersin
n

Desviacin

DM

Xi X
n
n

Varianza

V( X )

Desviacin estndar

Sx

Coeficiente de variacin

.. (66)

i 1

Xi X
i 1

. (67)

`n
Vx

C.V( X )

.... (68)

SX
* 100%
X
... (69)

Medidas de asimetra
Coeficiente de Asimetra

g Cs

n 2 m3
....................................(70)
n 1 n 2 S 3

Pgina 28

HIDROLOGA

m3

1
n

- x .....................................................(71)
3

i 1

ndice de Apuntamiento o Curtosis:

CK

n3 M 4
................................(72)
n 1 n 2 n 3 S 4
n

M4

x
i 1

.............................................................(73)

Con los datos de cada una de las estaciones elegidas (promedios anuales) se hace
un proceso estadstico para determinar, las medidas de distribucin tales como la
media aritmtica, la mediana, la moda, la desviacin estndar y varianza.

Luego hacemos una aproximacin a las distribuciones tericas ms utilizadas en

hidrolgica tales como la normal, Gumbel, En este proceso determinamos si el
ajuste es bueno con la prueba de bondad de ajuste, en caso de ser bueno, se puede
utilizar la distribucin elegida, una vez encontrada la ley de distribucin que rige a
las variables aleatorias, adems se podr predecir con determinada probabilidad,
la ocurrencia de una determinada magnitud de un fenmeno hidrometeorolgico.

A partir de las distribuciones encontradas satisfactorias o que el ajuste de bondad de

ajuste a resultado satisfactorio se puede proyectar para valores que no estn en el
intervalo de la muestra, y con la ley de distribucin que rige cada una de las series de
datos se hace ms fcil el anlisis estadstico de las probabilidades para determinados
periodos de retorno, para hallar la probabilidad de excedencia de un determinado
caudal para proyectar los proyectos de ingeniera garantizado de esta manera unas
vida til acorde con las necesidades
1.

GRAFICAS.
Pgina 29

HIDROLOGA

En las siguientes pginas se encuentran: las grficas de:

Histograma de Frecuencias
Se grfica el Intervalo de Clase en el eje X vs. La Frecuencia Absoluta Simple en
el eje Y.
Polgono de Frecuencia
Se grfica La Marca de Clase en el eje X vs. La Frecuencia Absoluta Simple en el
eje Y.
Histograma de Frecuencias Acumulativas u Ojiva
Se grfica el Limite Superior del Intervalo de Clase en el eje X vs. La Frecuencia
Absoluta Acumulada en el eje Y.

VIII. CLCULOS Y RESULTADOS.

PROCEDIMIENTO PARA OBTENER LAS DISTRIBUCIONES DE FRECUENCIAS:

1. ORDENAMOS LOS DATOS DE LA ESTACIN CONOCOCHA EN ORDEN
ASCENDENTE
Tabla 01: Datos Ordenados de Mayor a Menor Precipitacin media anual (mm)

AO

Pp (mm)

1973
1970
1953
1961

50.14
49.73
49.55
44.03

Pgina 30

HIDROLOGA

1963
1972
1959
1967
1975
1981
1977
1960
1971
1954
1955
1964
1969
1976
1962
1974
1957
1980
1956
1965
1966
1958
1979
1968
1978

43.08
42.11
41.88
41.70
41.20
40.20
39.80
38.51
37.74
36.02
35.96
35.52
34.70
32.63
32.41
32.19
29.83
29.48
28.93
27.70
26.41
24.36
21.62
20.65
20.44

2. REALIZAMOS LA DISTRIBUCION POR INTERVALOS DE

FRECUENCIAS
ANALISIS PARA A ESTACION CONOCOCHA:

N de datos: 29
precipitaciones mximos y mnimos:
Max.= 50.14
Min.= 20.44

Rango:
R= 29.70

N de intervalo:
K=5

Amplitud de intervalo:
X = 5.94

Pgina 31

HIDROLOGA

CUADRO DE DISTRIBUCIN DE FRECUENCIAS

Tabla 02: de distribucin de frecuencias

3. REALIZAMOS LA GRAFICAS DE:

3.1 HISTOGRAMA - ESTACION CONOCOCHA

Pgina 32

HIDROLOGA

Fig. 01: histograma de la estacin de Conococha

3.2 POLIGONO DE FRECUENCIA - ESTACION CONOCOCHA

Fig. 02: polgono de frecuencias de estacin de Conococha.

REEMPLAZANDO LAS FORMULAS MENCIONADAS EN LA

TEORIA
Obtenemos:
Media: 35.47
Mediana: = 35.96
Moda: = 0
Relacin entre la media, moda y mediana:
Varianza: = 71.55
Coeficiente de varianza: = 0.2385
4. DISTRIBUCIONES CONTINUAS
4.1 DISTRIBUCION NORMAL:
La frmula a utilizar es:
_

f ( x)

1 X X
)
S

(
1
e 2
2 S

Pgina 33

HIDROLOGA

Tabla 03: de distribucin normal.

PARA LA ESTACION CONOCOCHA:
Utilizando las formulas antes mencionadas obtenemos:
S = 0.613
X = 35.47

fig. 03: grafica de fr, fe y funcion de distribucin normal.

Del ajuste grafico se puede decir que al comparar la funcin densidad emprica de la
serie de datos de la estacin colcas, con la funcin Distribucin Normal.

Pgina 34

HIDROLOGA

La distribucin Normal es la que mejor se ajuste, de acuerdo a que no hay mucha

diferencia de ambos grficos.
4.2 DISTRIBUCION EXPONENCIAL:
La frmula a utilizar es:
F(x) = x e -x

= 1/x

Para la estacin de CONOCOCHA:

E (T )

1
T
P

X = 2.955
= 0.338

Tabla 04: distribucin de exponencial.

Fig. 04: comparacin de graficas de frecuencia emprica y exponencial.

Del ajuste grafico se puede decir que al comparar la funcin densidad emprica de la
serie de datos de la estacin colcas, con la funcin Distribucin Exponencial no hay
ajuste, de acuerdo a la diferencia de ambos.
DISTRIBUCION GUMBEL:

Pgina 35

HIDROLOGA

la formula a ser empleada ser:

xu
1
xu
f ( x) exp
exp

6 Sx

u x 0.5772

Para la estacin Conococha:

x 35.47
S 8.46

6.60
31.66

Tabla 05: funcion densidad terica gumbel.

Pgina 36

HIDROLOGA

Fig. 05: comparacin de graficas frecuencia emprica (fe) y distribucin gumbel.

Del ajuste grafico se puede decir que al comparar la funcin densidad emprica de la
serie de datos de la estacin colcas, con la funcin Distribucin Gumbel si hay
ajuste, de acuerdo a la diferencia de ambos.

Pgina 37

fig. 06:
grafico
de las
tres

distribuciones analizadas versus la funcion densidad emprica de la estacin conococha funcin densidad emprica vs distribucin normal,
exponencial, gumbel

HIDROLOGA

Pgina 39

HIDROLOGA

5. CLCULOS ESTADSTICOS DEL PRESIPITASION MEDIO ANUAL

DE LA ESTASION DE LAMPAS ALTO N 02.

ORDEN

H(mm)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

90.06
79.30
79.08
76.06
71.93
71.83
70.86
70.28
67.72
65.87
64.52
61.80
61.65
61.40
60.94
60.39
58.83
58.20
57.39
56.34
56.08
53.98
53.04
51.83
50.57
49.51
44.26
41.81
40.32

Tabla 06: Datos Ordenados de Mayor a Menor Precipitacin media anual (mm).

P a g . 40 |

HIDROLOGA

6. REALIZAMOS LA DISTRIBUCION POR INTERVALOS DE

FRECUENCIAS
ANALISIS PARA A ESTACION LAMPAS ALTO:

N de datos: 29

Los precipitacin media anual mxima y mnima:

Max.= 90.06
Min.= 40.32

Rango:
R= 49.74

N de intervalo:
K=5

Amplitud de intervalo:
X = 9.95

Tabla 07: de distribucin de frecuencias de la estacion Lampas Alto N: 02:

7. REALIZAMOS LA GRAFICAS DE:

P a g . 41 |

HIDROLOGA

7.1 HISTOGRAMA - ESTACION LAMPAS ALTO

Fig. 08: histograma de la estacin de lampas alto N02

7.2 POLIGONO DE FRECUENCIA - ESTACION LAMPAS ALTO N2

Fig. 09: Polgono de frecuencia de estacin lampas alto N2

REEMPLAZANDO LAS FORMULAS MENCIONADAS EN LA

TEORIA
P a g . 42 |

HIDROLOGA

Obtenemos:
Media: 61.58
Mediana: = 35.96
Moda: = 0
Relacin entre la media, moda y mediana:
Varianza: = 136.13
Coeficiente de varianza: = 0.1895
8. DISTRIBUCIONES CONTINUAS
4.1 DISTRIBUCION NORMAL:
La frmula a utilizar es:
_

f ( x)

1 X X
)
S

(
1
e 2
2 S

PARA LA ESTACION LAMPAS ALTO N2:

Utilizando las formulas antes mencionadas obtenemos:
S = 0.613
X = 35.47

Tabla 08: De distribucin de frecuencia normal de la estacin Lampas Alto N: 02:

P a g . 43 |

HIDROLOGA

Fig. 09: comparacin de fr, fe y funcion de distribucin normal Lampas alto N2

Del ajuste grafico se puede decir que al comparar la funcin densidad emprica de la serie de
datos de la estacin lampas alto, con la funcin Distribucin Normal.
La distribucin Normal es la que mejor se ajuste, de acuerdo a que no hay mucha diferencia
de ambos grficos.

4.2 DISTRIBUCION EXPONENCIAL:

La frmula a utilizar es:
F(x) = x e -x

= 1/x

Para la estacin de PARON:

X = 2.955
= 0.338

E (T )

1
T
P

P a g . 44 |

HIDROLOGA

Tabla 09: De funcion terica exponencial Lampas Alto N: 02

Fig. 10: Comparacin de fe y funcion de distribucin exponencial Lampas alto N2

Del ajuste grafico se puede decir que al comparar la funcin densidad emprica de la
serie de datos de la estacin lampas alto, con la funcin Distribucin Exponencial no
hay ajuste, de acuerdo a la diferencia de ambos.

P a g . 45 |

HIDROLOGA

DISTRIBUCION GUMBEL:
la formula a ser empleada ser:

f ( x)

xu
1
xu
exp
exp

6 Sx

u x 0.5772

Para la estacin Lampas Alto:

x 61.58
S 11.67
Tabla 10: De funcion terica gumbel Lampas Alto N: 02

9.10
56.33

Tabla 10: De funcion terica gumbel Lampas Alto N: 02

P a g . 46 |

HIDROLOGA

Fig. 11: comparacin de graficas frecuencia emprica (fe) y distribucin gumbel.

Del ajuste grafico se puede decir que al comparar la funcin densidad emprica de la
serie de datos de las lampas alto, con la funcin Distribucin Gumbel si hay ajuste,
de acuerdo a la diferencia de ambos.
fig. 12: grafico de las tres distribuciones analizadas versus la funcion densidad
emprica de la estacin lampas alto funcin densidad emprica vs distribucin
normal, exponencial, gumbel

P a g . 47 |

HIDROLOGA

9. ORDENAMOS LOS DATOS DE LA ESTACIN LAMPAS BAJO EN

ORDEN ASCENDENTE
Tabla 11: Datos Ordenados de Mayor a Menor Precipitacin media anual (mm)

ORDEN

H(mm)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

69.90
64.32
59.55
58.88
55.17
53.73
53.41
52.84
52.24
51.21
50.47
49.83
49.63
48.91
47.85
47.59
47.04
46.73
45.46
45.38
45.21
45.20
44.24
44.05
39.73
36.72
36.47
33.08
32.35

10. REALIZAMOS LA DISTRIBUCION POR INTERVALOS DE

FRECUENCIAS
P a g . 48 |

HIDROLOGA

ANALISIS PARA A ESTACION LAMPAS BAJO:

N de datos: 29
Los caudales mximos y mnimos:
Max.= 69.90
Min.= 32.35

Rango:
R= 37.55

N de intervalo:
K=5

Amplitud de intervalo:
X = 7.51

Tabla 12: de distribucin de frecuencias de la estacin Lampas Bajo:

11. REALIZAMOS LA GRAFICAS DE:

P a g . 49 |

HIDROLOGA

3.1 HISTOGRAMA - ESTACION LAMPAS BAJO

Fig. 13: Histograma de la estacin Lampas Bajo.

11.2

POLIGONO DE FRECUENCIA - ESTACION LAMPAS BAJO

FIG. 14: Polgono de frecuencias de la estacin Lampas Bajo.

REEMPLAZANDO LAS FORMULAS MENCIONADAS EN LA

TEORIA

P a g . 50 |

HIDROLOGA

Obtenemos:
Media: 48.52
Mediana: = 47.85
Moda: = 0
Relacin entre la media, moda y mediana:
Varianza: = 72.320
Coeficiente de varianza: = 0.1753
12. DISTRIBUCIONES CONTINUAS
4.1 DISTRIBUCION NORMAL:
La frmula a utilizar es:
_

f ( x)

1 X X
)
S

(
1
e 2
2 S

PARA LA ESTACION LAMPAS BAJO:

Utilizando las formulas antes mencionadas obtenemos:
S = 8.50
X = 48.52

P a g . 51 |

HIDROLOGA

Fig. 15: Comparacin de fr, fe y funcion de distribucin normal Lampas Bajo

Del ajuste grafico se puede decir que al comparar la funcin densidad emprica de la
serie de datos de la estacin lampas bajo, con la funcin Distribucin Normal.
La distribucin Normal es la que mejor se ajuste, de acuerdo a que no hay mucha
diferencia de ambos grficos.

4.2 DISTRIBUCION EXPONENCIAL:

La frmula a utilizar es:
F(x) = x e -x

= 1/x

Para la estacin de Lampas Bajo:

X = 2.955
= 0.338

E (T )

1
T
P

Tabla 13: De funcin terica exponencial Lampas Bajo

P a g . 52 |

HIDROLOGA

Fig. 16: Comparacin de fe y funcin de distribucin exponencial Lampas Bajo

Del ajuste grafico se puede decir que al comparar la funcin densidad emprica de la
serie de datos de la estacin lampas bajo, con la funcin Distribucin Exponencial no
hay ajuste, de acuerdo a la diferencia de ambos.
DISTRIBUCION GUMBEL:
la formula a ser empleada ser:

f ( x)

xu
1
xu
exp
exp

6 Sx

u x 0.5772

Para la estacin Lampas Bajo:

x=
Sx =
=
u=

48.52
8.50
6.63
44.69

Fig. 17: Comparacin de graficas frecuencia emprica (fe) y distribucin Gumbel.

P a g . 53 |

HIDROLOGA

Del ajuste grafico se puede decir que al comparar la funcin densidad emprica de la
serie de datos de las lampas bajo, con la funcin Distribucin Gumbel si hay ajuste,
de acuerdo a la diferencia de ambos.
GRAFICO DE LAS TRES DISTRIBUCIONES ANALISADAS VERSUS LA
FUNCION DENCIDAD ENPIRICA DE LA ESTACION LAMPAS BAJO
Funcin densidad Emprica VS Distribucin Normal, Exponencial, Gumbel

CONCLUSIONES

P a g . 54 |

HIDROLOGA

1.- La estacin Conococha se ajusta grficamente a una distribucin de tipo normal

2.- La estacin lampas alto se ajusta grficamente a una distribucin de tipo normal
3.- La estacin lampas bajo se ajusta grficamente a una distribucin de tipo normal

BIBLIOGRAFA.

MONSALVE SAENZ, G. 2006. Hidrologa Aplicada a la Ingeniera,

Lima, Pe, editorial universo.
REYES CARRASCO, L. 1992. Hidrologia bsica. Lima, Pe,
Editorial del CONCYTEC.
P a g . 55 |

HIDROLOGA

VEN TE, C. 2005 Hidrologa Aplicada, New York, ES editorial Mc.

Gill.
VILLON BEJAR, M. 2002. Hidrologia estadstica. Crtago, CR,
Publicaciones del instituto de Costa Rica.

P a g . 56 |