Documente Academic
Documente Profesional
Documente Cultură
=
=
La desviacin estndar es:
. lg 63 . 10
) 0 . 113 (
2 / 1
pu
S
=
=
Los cubos de la desviacin de la media se muestran en la columna 4 de la tabla
11.3.2, totalizando 6,4803. Utilizando la ecuacin (11.3.7)
Coeficiente de Asimetra:
S
C
749 . 0
) 63 . 10 ( 8 9
3 . 480 , 6 10
) 2 ( ) 1 (
) (
3
3
1
3
=
=
=
=
x x
x
S n n
x x n
C
n
i
i
S
a) DISTRIBUCION LOG-NORMAL
mx Q Q CONVERTIR A LOGARITMOS Q Y CALCULAR:
Media: datos de N N
N
Q
Q
log
log = =
Factor de Frecuencia: K=Z=variable estandarizada reducida =
Q S
Q Q
log
log log
Del ejemplo anterior:
460 , 0 ln
162 , 8 ln
=
=
Q S
Q
a) Para un periodo de retorno de 10 aos:
1 , 0 10 = = P T
R
En tablas de distribucin normal
1 P = 0,9
s m e Q
Q SLn K Q Ln Q Ln
/ 6316
7508 . 8 ) 46 . 0 ( 28 , 1 162 , 8
3 7508 . 8
= =
= + = + =
Se puede trabajar con log. Decimales o neperianos
80072 , 3
80072 , 3 ) 999915 , 1 ( 28 , 1 544828 , 3
199915 , 1
544828 , 3
=
= + =
)
`
=
=
Log
Q Log
Q SLog
Q Log
s m Q T
R
/ 320 6 10 10
3 80072 , 3
= = =
Para 33 . 2 : ; 99 . 0 1 01 . 0 100 = = = = = K Z tablas de P P T
R
01063 . 4 ) 199915 , 0 ( 33 . 2 544828 . 3 = + = Q Log
m m Q T
R
/ 248 10 10 100
3 01063 . 4
= = =
b) Determinar el periodo de retorno terico para s m Q / 500 7
3
=
0495 . 0 1
9505 . 0 653 . 1
46 . 0
162 . 8 ) 500 7 (
= =
= =
=
P P
P tabla la de
Ln
Z
aos T
Q Log S
Q Log Q Log
K Z
R
0 . 20 =
= =
Comprobacin grfica: Papel probabilstica Log Normal
DISTRIBUCION DE GUMBEL
Cuando el nmero de valores extremos seleccionados es grande, se ha
comprobado que 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, II y III
respectivamente.
Estas tres formas limitantes son casos especiales de una distribucin nica
denominada distribucin de Valor Extremo General, que se expresa a
continuacin: Los parmetros que intervienen en la distribucin de Gumbel se
estiman utilizando la media aritmtica de la muestra y la desviacin tpica.
Media aritmtica
Es la suma de todos los valores observados dividido por el nmero total de
observaciones,
Desviacin tpica
Es la desviacin cuadrtica respecto a la media,
El parmetro u es la moda de la distribucin, es decir el punto de mxima
densidad de probabilidad. La variable reducida y puede definirse como sigue a
continuacin:
Para la distribucin de valores extremos tipo I, xT se relaciona con yT mediante la
siguiente ecuacin:
T T x = u + y
Donde u y son los parmetros de la distribucin
Con el objeto de evidenciar el comportamiento del ajuste de la distribucin de
Gumbel a los datos, se realizan dos test de bondad, el de Kolmogorov-Smirnov
y el Chi-Cuadrado para dos niveles de significancia, 5% y 1%.
b) DISTRIBUCIN GUMBEL
Tipo exponencial:
y
e
e P
=1
P = probabilidad de que un valor Q sea igualado o excedido.
y = variable reducida = a(Q - U) . (1)
= =
Q
n
S
a
o
parmetro de dispersin . (2)
n
n
Q
y
S Q U
o
= = moda de fa distribucin . (3)
Q = valor medio de los caudales mximos observados
Q
S = desviacin tpica de los caudales mximos observados
n
y = media
n
o = desviacin tpica de la variable reducida
N 20 30 40 50 100 200
n
y
0.52 0.54 0.54 0.55 0.56 0.57 0.5775
n
o
1.06 1.11 1.14 1.16 1.21 1.24 1.2825
Reemplazando (3) y (2) en (1) se demuestra:
Q
S K Q Q + =
Con
n
n
y y
K
o
=
Gumbel Modificado
2825 . 1
5775 . 0
=
y
K
Lettenmaier y Burger:
| |
Q
S
P Ln Ln
Q Q
2825 . 1
5775 . 0 )) 1 ( (
+ =
Del ejm. anterior:
= =
=
1
) (
/ 9 . 1825
/ 3886
25
1
2
3
3
N
x x
s m S
s m Q
i
Q
Para 25 aos: 5309 . 0 =
n
y
s m
y
S Q U
m m
S
a
n
n
Q
Q
n
n
3
1 3
81 . 2997
000598 . 0
5309 . 0
3886
) / ( 000598 . 0
9 . 1825
0914 . 1
0914 . 1
= = =
= = =
=
o
o
o
a) Para
6922 . 2
) 81 . 2997 7500 ( 000598 . 0 ) ( / 500 7
3
=
= = =
y
U Q a y m m Q
065 . 0 9345 . 0 1 ) / 7500 (
9345 . 0 1
3
= = >
= =
s m Q P
e P
y
e
b) Para aos T
R
60 =
| |
s m
a
y
U Q
U Q a Ln Ln y
e P
y
e
/ 1 . 9827
) ( )) 0167 . 0 1 ( (
1 0167 . 0
60
1
3
= + =
= =
= = =
DISTRIBUCION LOG PEARSON III
Las leyes de Pearson representan estructuras analticas simples y de forma
bastante flexible para ajustarse fcilmente a numerosos tipos de curvas
experimentales. Se utilizan mucho pese a su comportamiento exponencial en el
infinito, que lleva quiz a atribuir probabilidades demasiado pequeas a las
crecidas de magnitud importante.
Para el estudio de la serie de datos se asume que Log Q sigue una distribucin
Pearson tipo III, entonces se dice que Q sigue una distribucin Log Pearson III.
Al hacer uso de esta distribucin, el primer paso es tomar los logaritmos con base
10 de los datos. Paso seguido se calcula la media QL, la desviacin estndar qL y
el coeficiente de asimetra AL.
Media logartmica
Es la suma de los logaritmos de todos los valores observados dividido por el
nmero total de observaciones,
Desvo estndar
Es la desviacin cuadrtica del logaritmo de los datos respecto a la media
logartmica
Coeficiente de asimetra
Es un coeficiente que da la medida de la simetra de la distribucin respecto de la
media
Con el objeto de evidenciar el comportamiento del ajuste de la distribucin Log
Pearson III a los datos, se realizan dos test de bondad, el de Kolmogorov-
Smirnov y el Chi-cuadrado para dos niveles de significancia, 5% y 1%. Ambas
pruebas son superadas satisfactoriamente por esta distribucin.
c) LOG-PEARSON TIPO III
(Distribucin truncada)
Convertir la serie a sus logaritmos y calcular Log Q Log , S Log Q y el coeficiente de
asimetra:
( )
3
3
) )( 2 )( 1 ( Q Log S N N
LogQ Q Log N
Ag
=
Factor de Frecuencia: K = ( Ag T
R
, )
Cuadro 11.4 (Hidrologa de Linsley pg. 285)
Cuadro 10.2 (Hidrologa de Chereque pg. 169)
Si Ag = 0 Coincide con la distribucin Log-Normal (en papel Log-Normal mostrar
lnea recta)
Ej: Para una serie de 55 aos de registros:
0434 . 0 1296 . 0 7212 , 4
3 3
= = = Ag
s
pie
S
s
pie
Q Log
Q
Encontrar
100 10
Q y Q
Del cuadro 10.2 (chereque) interpolando entre Ag=0 y Ag=0,2:
358 . 2 286 . 1
100 10
= = K y K
m pie AntiLog Q
Q Log
/ 250 77 ) 8879 . 4 (
8879 . 4 ) 1296 . 0 ( 286 . 1 7212 . 4
3
10
10
= =
= + =
s pie Q Q Log / 400 106 0268 . 5
3
100 100
= =
PRUEBAS DE AJ USTE DE DISTRIBUCIONES EMPRICAS A DISTRIBUCIONES
TERICAS.
a) Chi-Cuadrado: x
2
Mediante esta prueba se verifica si la informacin hidrolgica sigue una determinada
distribucin de probabilidad.
=
(
=
n
i
terica f
terica f observada frecuencia
calculado x
1
2
2
) (
2 int
) , ( %) , (
2
=
= =
ervalos de n v
v f libertad de grado f tabular x o
Esta prueba ha sido establecida para probar el ajuste a una distribucin normal
mediante intervalos de clase, pero se puede usar para las otras distribuciones incluso
sin intervalos.
Ej: Usando el mtodo de los momentos, ajuste la distribucin normal a la precipitacin
anual en Collage Staton, Texas, de 1911 a 1979. Grafique las funciones de frecuencia
relativa y de probabilidad incremental y las funciones de frecuencia acumulada y
probabilidad acumulada. Utilice la prueba x
2
para determinar si la distribucin normal
se ajusta adecuadamente a los datos.
Solucin: El rango de precipitacin Rse divide en 10 intervalos. El primer intervalo es
R s 20 pulg., el ltimo intervalo es R > 60 pulg., y cada intervalos intermedios cubre
un rango de 5 pulg.
Ajuste de una precipitacin normal a la precipitacin anual en Collage Station, Texas,
1911-1979
CRITERIOS:
Si x
2
calculado < x
2
Se ajusta a la
distribucin
El ajuste de menor x
2
es
el mejor
Se calcula la funcin de frecuencia relativa ) (
1
X f (columna 3) con n=69. Por ejemplo,
para =4 (30-35 pulg.), n
i
= 14. La funcin de frecuencia acumulada (columna 4) se
encuentra sumando las frecuencias relativas. Para =4,
333 . 0 203 . 0 130 . 0 ) ( ) ( ) ( ) (
4
1
4 3 4
= + = + = =
= j
S S j S S
X f X F X f X F
Puede notarse que esta es P(X s 35.0 pulg.).
Para ajustar la funcin de distribucin normal, las estadsticas de la muestra x=39:77
pulg., y s=9 17 pulg., de la informacin obtenida desde 1911 hasta 1979 y se usan
como estimativos para o y . Se calcula la variable normal estndar z
correspondiente al lmite superior en cada uno de los intervalos de la informacin que
se muestra en la columna 5 de la tabla. Por ejemplo para =4,
520 . 0
17 . 9
77 . 39 0 . 35
=
=
o
x
z
El valor correspondiente de la funcin de probabilidad normal acumulada est dado
como 0.301, tal como se muestra en a columna 6 de la tabla. Se calcula la funcin de
probabilidad incremental. Para =4,
158 . 0 144 . 0 301 . 0 ) 30 ( ) 35 (
lg) 35 30 ( ) (
4
= = =
s s =
F F
pu X P X p
y los valores calculados en forma similar para otros intervalos se muestran en la
columna 7.
Las funciones de frecuencia relativa f
S
(x
i
) y p(x
i
) se grafican en la figura Fa y las
funciones de frecuencia acumulada y de distribucin de probabilidad Fs(xi) y F(x)
estn graficadas en la figura. Debido a la similitud de las dos funciones mostradas en
cada una de las grficas, es evidente que la distribucin normal se ajusta muy bien a
esta informacin de precipitacin anual.
Para verificar la bondad del ajuste, se calcula la prueba de estadstica x
2
. Para =4,
| |
891 . 0
157777 . 0
) 157777 . 0 20290 . 0 ( 69
) (
) ( ) (
2
4
2
4 4
=
=
x
X p
X p X f n
S
tal como se muestra en la columna 8.
El valor total de esta columna es 2,377. El valor de para una probabilidad
acumulada de 1- o = 0.95.
Grados de libertad: 7 1 2 10 1 = = = p m
1 . 14 95 , 0 , 7
2
= X
Como este valor es mayor que x
2
calculado, la hiptesis no puede rechazarse con un
nivel de confianza de 95% el ajuste de la distribucin normal a la informacin de
precipitacin anual de Collage Station se acepta.
Precipitacin anual (pulg.)
Muestra, fs(xi) Ajuste, p(xi)
a) Funcin de frecuencia relativa
Precipitacin anual (pulg.)
Muestra Fs (xi) Ajuste F(xi)
b) Funcin de frecuencia acumulada
Figura.- Funciones de frecuencia para una distribucin normal ajustada a la
precipitacin anual en Collage Station, Texas