ANALISIS DE FRECUENCIA EN

HIDROLOGIA (3)
Profesor Luis F. Carvajal
Universidad Nacional de Colombia
Facultad de Minas
Escuela de Geociencias y Medio Ambiente
Distribuciones discretas

Distribucin Binomial
Distribucin Poisson
Distribucin Geomtrica

Distribuciones continuas

Distribucin Exponencial
Distribucin Normal
Distribucin Log Normal
Distribucin Gamma
Distribucin Log Pearson tipo III
Distribucin General de Valor Extremo

Distribuciones de Probabilidad

DISTRIBICIONES DE
PROBABILIDAD DISCRETA
Distribucin Binomial
Un ejemplo de los ensayos de Bernoulli es lanzar una moneda. Los
ensayos operan bajo tres condiciones:

1. Cualquier ensayo solo puede tener uno o dos posibles resultados,
xito o falla, llueve o no llueve.
2. Ensayos sucesivos son independientes.
3. Las probabilidades son constantes.

Bajo estas tres condiciones la probabilidad de x xitos en n ensayos,
est dada por la distribucin Binomial como:



Donde:
Es el nmero de combinaciones de n eventos tomando x a
la vez.

x n x
q p
x
n
x p

|
|
.
|

\
|
= ) (
|
|
.
|

\
|
x
n




p es la probabilidad de ocurrencia de un evento, por ejemplo la
probabilidad de xito en lanzar una moneda, q es la probabilidad de
falla.



x es la variable o el nmero de ensayos con xito.
)! ( !
!
x n x
n
x
n

=
|
.
|

\
|
p q =1
Ejemplo: Distribucin Binomial
Suponga que una presa tiene una vida til de 50 aos y se desea
evaluar la probabilidad que una inundacin, con un periodo de
retorno de 100 aos, ocurra una vez durante la vida til de la presa.








Por lo tanto, es alrededor de 31% de probabilidad que un evento de
tal magnitud pueda ocurrir una vez en la vida til de la presa

50
1
99 . 0 1
01 . 0 / 1
=
=
= =
= =
n
x
p q
T p
306 . 0 99 . 0 1 . 0
1
50
) 1 (
49 1
=
|
|
.
|

\
|
= p
Distribucin Poisson
Una expansin binomial es un pequeo inconveniente para calcular
nmeros grandes.

P es pequeo (p < 0.1)
n es grande (n > 30)
La media np es constante.
p 0, q 1, n




Esta es conocido como la expansin Poisson y es generalmente escrita
como:
.....
! 2
) (
2
+ + + = +

e
e e e e q p
n
!
) (
x
e
x p
x

=
Donde:

= np es la media.

La distribucin binomial finita puede ser aproximada por la
distribucin Poisson infinita, siempre que se apliquen las
siguientes 4 condiciones:

1. Nmero de eventos es discreto
2. Dos eventos no pueden coincidir
3. La media del nmero de eventos en el tiempo es constante
4. Los eventos son independientes
Ejemplo: Distribucin Poisson
Tomando el ejemplo anterior, la probabilidad que una inundacin
con periodo de retorno de 100 aos pueda ocurrir una vez en 50
aos ser:






Comparado con el resultado de la distribucin binomial, p(1) =
0.306, es similar.
303 . 0
! 1
5 . 0
) 1 (
5 . 0 1
= =

e
p
Distribucin Geomtrica
RECORDANDO:

En una secuencia de Bernoulli, el nmero de ensayos hasta que un evento
especfico ocurra por primera vez es modelado por la distribucin geomtrica.

xito ensayo t + n
Falla ensayo t 1

Si T v.a. apropiada:





Periodo de retorno Tiempo de recurrencia promedio para que un
evento de cierta magnitud sea igualado o excedido.
.... , 2 , 1 ) (
1
= = =

t pq t T P
T

DISTRIBICIONES DE
PROBABILIDAD CONTINUA
Distribucin Exponencial
Consideraciones:
Proceso de eventos aleatorios (los parmetros no cambian con
el tiempo).
No es posible tener mas de un evento en cualquier instante.
Descripcin de un proceso Poisson.
La v.a. t representa el tiempo entre tormentas.

Funcin de Densidad:
La media es:
La varianza es:
La funcin de distribucin acumulada es:
2 2
/ 1 ) ( o = t
t
e t f

= ) ( , t>0
/ 1 ) ( = t E
t
t
t
e d e t F

t

= =
}
1 ) (
0
Ejemplo: Distribucin exponencial
En un ao en un sitio determinado ocurren 110 tormentas independientes
con una duracin promedio (todas) de 5.3 h. El intervalo entre tormentas
es:


= 1/ = 1/74.3 = 0.0135 h
-1


a) Cul es la probabilidad de que pasen al menos 4 das (96 h) entre
tormentas?
P(t > 96) =1- F(96)
h t 3 . 74
110
3 . 5 110 8760
=

=
27 . 0 1 1 ) 96 (
1 ) 96 (
96 * 0135 . 0
96
0
= = = >
= =


}
e e t P
e dt e F
t
t t

b) Cual es la probabilidad de que el tiempo entre dos tormentas sea

exactamente 12 horas?

P(t = 12)= 0 la probabilidad que una V.A continua valga
cero en un intervalo es cero.


c) Cual es la probabilidad que la separacin entre 2 tormentas sea
menor o igual que 12 h?
Distribucin Log Normal
En general, cuando la variable aleatoria X es el producto de un gran
nmero de otras variables aleatorias, la distribucin de los logaritmos
de X puede aproximarse a la Normal, ya que los logaritmos de X son la
suma de los logaritmos de los factores contribuyentes.
Si se tiene una variable aleatoria X y ln X = Y, se ajusta a una
distribucin Normal, se dice que la variable aleatoria X es log
normalmente distribuida.
Funcin de Distribucin de Probabilidad

Asumiendo Y = log
a
(X)

( )
(
(

- y
2
1
- exp
2 x
1
= f(x)
2
y
y
2
y
Parmetros y Factor de frecuencia
Media (Parmetro de escala)
Desviacin estandar (Parmetro de forma)

Estimacin de parmetros: Mtodo de los momentos



K es la misma de la distribucin normal

Si se quiere trabajar con la variable no transformada en el campo
logartmico se tiene que:

=
=
N
1 i
i a Y
) X ( log
N
1

| |
2 1
N
1 i
2
Y i a Y
) X ( log
N
1

)
`

|
.
|

\
|
= o

=
( )
o

y
y
T
K + =
X
ln
( ) ( )
( )
Cv
1 -
2
Cv
+ 1 ln
-
Cv
+ 1 ln K
exp
= K
2
2
1/2
T (

|
.
|

\
|

T
F
u
1
1
1
Es el inverso de la funcin de distribucin Normal
estandarizada acumulada y Cv es el coeficiente
de variacin
|
.
|

\
|
T
1
- 1 F =
K
r
1 -
T
u
( )
S X
ln
T 2 - 1 T u
o

N
=
S
Y
T
o
o
|
|
.
|

\
|
o
2
K
+ 1 =
2
T
1/2
Intervalos de confianza

o: Nivel de confianza o significancia
S
T
: Error estndar
Ejemplo: Distribucin Log Normal
La media y desviacin estndar de los Q
max
anuales de la estacin
del ro Nare son:
=94.35 m
3
/s y =22.45 m
3
/s

Y
=4.52 y
Y
=0.2337
Hallar el Q
TR=100
si los Q
max
tienen una distribucin Log Normal.
K=2.326
Q
Y

Tr=100
=4.52+2.326*0.237
Q
Tr=100
=159 m
3
/s

Intervalos de Confianza: Ln(Q
TR=100
)
95
S
T


Es un intervalo de dos colas, con una probabilidad en cada una de
5%

=1.92
S
T
=0.075
5.0711.6*0.075
4.94 s Q
Y
s 5.14 139s159 s170 m
3
/s
N
=
S
Y
T
o
o
|
|
.
|

\
|
2
K
+ 1 =
2
T
1/2
o
Distribucin Gamma (2 Parmetros)
Una de las mas usadas en Hidrologa.

Crecientes mximas anuales
Caudales mnimos
Volmenes de flujo anuales y
estacionales
Valores de precipitaciones extremas
Volmenes de lluvia de corta
duracin

Tiene 2 3 parmetros (Pearson Tipo
III).

e
x
) ( | |
1
= f(x)
x
-
1 -
o
o | o
|
|
.
|

\
|
I
Parmetros y Factor de frecuencia
o (Parmetro de escala)
| > 0 (Parmetro de forma)
I (|) es la funcin Gamma completa

Estimacin de parmetros: Mtodo de los momentos
dz
e z
= ) (
z -
1 -
0
|

}
| I
o| =
| o o
2 2
=
|

= o
|

1
=
2
v
|
.
|

\
|

|
.
|

\
|
|
.
|

\
|

|
.
|

\
|

~
6

3
1
6

K +
6

1) (K
6

) 6K K (
3
1
+
6

1) (K + K K
5 4
T
3
2
T
2
T T
3 2
t T
Distribucin Gamma (3 Parmetros)
Funcin de distribucin de probabilidad



Funcin de densidad acumulada




Parmetros
o y |, parmetros de escala y forma respectivamente.
x
o
parmetro de localizacin.
|
.
|

\
|
|
.
|

\
|

x
- x
- exp

x
- x
() | |
1
= f(x)
o o
1 -
dz
e z
= ) (
z - 1 -
0
|

}
| I
}

|
.
|

\
|

|
.
|

\
|

I
= s
X
x x
dx
x x
e x X P
0
1
0
0
) (
1
) (
|
o
o | o
Parmetros e Intervalos de confianza (Funcin
Gamma)
Estimacin de Parmetros: Mtodo de los momentos



Que tan cercano puede estar el estimado al verdadero valor
desconocido de la poblacin: Conocer con cierta certeza. Franja
grande: mucha incertidumbre.


o: Nivel de confianza o nivel de probabilidad
S
T
: Error estndar

2

2
=
|
|
.
|

\
|

|
S
u
X
T
2 1
T
o

N
=
S
T
o
o
2

o o
| o

=
X

0
Tabla Factor de frecuencia
Pearson tipo III
Valores de o para la Distribucin Gamma
Pearson tipo III
Ejemplo: Distribucin Gamma
Hallar el Q
TR=100
. Si la distribucin de los caudales de la estacin de Nare
es Gamma.
= 94.35 m
3
/s y = 22.45 m
3
/s, = 0.845

Y
= 4.52 y
Y
= 0.2337,
Y
= 0.0069
De tabla: K = 2.32
Q
TR=100
= 94.35 + 2.32*22.45 = 146.4

Intervalos de confianza:


S
u
X
T
2 1
T
o

De tabla =4.7, N= 36 datos.

S
T
= 17.6
De tabla
95
=1.6
146,4 1.6*17.6
146.4 28.16 m
3
/s

N
S
T
o
o =
Distribucin Log Pearson Tipo III
Funcin de distribucin de probabilidad



Parmetros
o y |, parmetros de escala y forma
y y
o
parmetro de localizacin

Estimacin de Parmetros
Mtodo de los momentos
e
y - (x) ln
) ( x
1
= (x)
o
y - (x) ln
- o
1 -
(

o
|
(

o | I o
x
f
2
y

|
|
.
|

\
|

= |
2

y
y

o o
| o =


y

y 0
Factor de Frecuencia:




Intervalos de Confianza: Que tan cercano puede estar el
estimado al verdadero valor desconocido de la poblacin: Conocer
con cierta certeza. Franja grande: mucha incertidumbre.



o: Nivel de confianza o nivel de probabilidad
S
T
: Error estndar

o

K +

=
X
ln =
Y y
y
T T
T 2 / 1 T
S X ln
o

S
u
X
T
2 - 1
T
o

=
S
y
T
o
o
Distribucin General de Valor Extremo
Los valores extremos son valores mximos y mnimos seleccionados de
un conjuntos de datos.

Las distribuciones de valores extremos seleccionados de conjuntos de
muestras de cualquier distribucin de probabilidad convergen en una
de las tres formas de distribucin de valor extremo, llamadas:

Tipo I: Gumbel, g=1.14
Tipo II: Frechet g<=1.14
Tipo III: Weibull g>=1.14

Funcin de Distribucin de probabilidad para la GEV
(
(

|
.
|

\
|

k
o
|
k
/ 1
- 1 - exp = F(x)
x
Donde:
k, | y o son parmetros que deben ser determinados.

Los tres casos limitantes son:

1. k = 0 Distribucin de Valor Extremo Tipo I (Gumbel)




Rango:

Estimacin de parmetros:
(

|
.
|

\
|
o
|
o
|
o
- x
- exp -
- x
- exp
1
= f(x)
< < x -
o | 5772 . 0 = x
o
t
o

6
=

2. k < 0 Distribucin de Valor Extremo Tipo II (Frechet)

Rango:

3. k > 0 Distribucin de Valor Extremo Tipo III (Weibull)




Rango:
(
(

|
.
|

\
|

k
o
|
k
/ 1
- 1 - exp = f(x)
x
< < + x ) / ( k o |
(
(

|
.
|

\
|

k
o
|
k
/ 1
- 1 - exp = f(x)
x
) / ( x k o | + < <
Distribucin Gumbel
Intervalos de confianza: Que tan cercano puede estar el estimado al
valor verdadero desconocido de la poblacin.


o: Nivel de confianza o nivel de probabilidad
S
T
: Error estndar


( ) | | { } 1 - T ln - T ln ln + 0.577
6
- = K
r r
t
S
u
X
T 2 - 1
T
o

N
=
S
T
^
o
o
| |
K
1.1 + 1.1396K + 1
=
2
1/2
o
s s
(

|
.
|

\
|

= x
x
o
|
exp - exp F(x)
La fda y el factor de frecuencias es:
Ejemplo: Distribucin Gumbel
Si los caudales de la estacin del ro Nare tienen una
distribucin Gumbel:



K
Tr=100
= 3.13



Intervalos de confianza:
T Tr
S Q
95

| | { } ) 1 ln( ln ln 577 . 0
6
100
+

=
R R
T T K
t
77 . 164 45 . 22 13 . 3 35 . 94
100
100
= +
+ =
=
=
Tr
Tr
Q
K Q o
N
=
S
T
o
o
| |
K
1.1 + 1.1396K + 1
=
2
1/2
o
= 3.91
S
T
= 14.62
Q
TR
1.6*14.62
141.4 s 164.77 188.17 m
3
/s
Ejemplo: Distribucin Gumbel