PRACTICA N 02

PROBABILIDAD Y ESTADISTICA EN HIDROLOGIA

Introduccin
Los estudios hidrolgicos requieren del anlisis de cuantiosa informacin hidrometeorolgica; esta
informacin puede consistir en datos de precipitacin, caudales, temperatura, evaporacin, etc.
Los datos recopilados, solo representan una informacin en bruto, pero si estos se organizan y se
analizan en forma adecuada, proporcionan al hidrlogo una herramienta de gran utilidad, que le
permite tomar decisiones en el diseo de estructuras hidrulicas (!.
"ara realizar los clculos, los hidrlogos tienen que afrontar una serie de problemas, debido a que#
$ %l procesamiento de la informacin que se tiene que realizar es bastante laboriosa.
$ Las ecuaciones por solucionar, en la mayor&a de los casos, son muy comple'as, y para su solucin
se requiere del uso de m(todos num(ricos.
$ Las simulaciones que se realizan manualmente consumen mucho tiempo, debido a los clculos
requeridos.
"or lo laborioso del proceso de la informacin y de los clculos, se puede incurrir en errores, en
razn de lo cual es necesario un software que brinde al hidrlogo una herramienta que le permita
simplificar todos estos procesos, e inclusive posibilitarle simular sus resultados, facilitando con
esto optimizar su diseo.
Objti!o
)onocer los fundamentos tericos de la %stad&stica y en base a ello utilizar con criterio t(cnico un
software que facilite y simplifique los clculos laboriosos, y el proceso del anlisis de la abundante
informacin que se deben realizar en los estudios hidrolgicos.
2"# $und%&nto' trico' E't%d('tico' n )% Hidro)o*(%
%l estudio de un fenmeno hidrolgico requiere del anlisis de datos o muestras histricas
recopiladas para poder comprender el comportamiento del mismo, as& como para tomar decisiones
relativas a un proyecto de ingenier&a que dependa en gran medida del fenmeno en cuestin.
"or e'emplo, la determinacin de caudales m*imos a partir de datos histricos de estaciones
hidrom(tricas localizadas en las zonas hidrogrficas B, C, D, E, F, G, H, I, J de una +ona, se
pretende realizar mediante un anlisis estad&stico, por lo que es de vital importancia el conocer de
una manera formal las t(cnicas estad&sticas ms apropiadas para as& obtener la me'or informacin
posible y para poder cuantificar el riesgo que representa la generalizacin a partir de informaciones
parciales. ,Llamas, -../# p. 012.
2"2 A)*uno' conc+to' d +rob%bi)id%d , 't%d('tic%
"ara estudiar las t(cnicas y recursos estad&sticos es necesario tomar en cuenta algunos conceptos
bsicos sobre probabilidad, debido a que (sta es el ne*o entre 3idrolog&a y %stad&stica.

)uando se va a realizar un e*perimento, slo se presentan dos situaciones# se sabe con certeza lo
que va a ocurrir o no se sabe. %n 3idrolog&a esta seme'anza es vlida, y ocurre lo que en el segundo
caso# no se sabe con certeza lo que ocurrir, a4n ba'o las mismas condiciones, los fenmenos
hidrolgicos se 5predicen5 en base a 5probabilidades5.
6isto desde este punto, se dice que estamos en este caso frente a lo que se denomina 5e*periencia
aleatoria5.
La teor&a de la probabilidad estudia las e*periencias aleatorias y las posibles formas en que ocurren,
llamadas sucesos o eventos.
La probabilidad es un n4mero real, entre cero y uno, que se le ad'udica a los sucesos como una
medida de su posible ocurrencia. 7i un suceso no puede ocurrir 'ams, como resultado de la
e*periencia, se llama 5suceso imposible5 y tiene una probabilidad de cero. 7i, por el contrario, es
evidente que siempre ocurrir, se le llama 5suceso seguro5 y tiene una probabilidad de uno.
)ualquier otro suceso diferente de los sealados tomar su valor de probabilidad en el
intervalo real abierto28, -,. ,3ernndez, 9889# p. -- y -92.
%n este intervalo, como se di'o, cada suceso es relacionado con un n4mero real llamado
5variable aleatoria5, de un modo tal que la asignacin de la probabilidad se realiza desde un
con'unto de n4meros reales hacia el intervalo ,8, -2, donde la suma de todos los valores de
probabilidad es igual a -.
Las variables aleatorias num(ricas se clasifican en discretas y continuas. 7e llaman discretas
cuando toman valores puntuales; por lo general, n4meros enteros. 7e llaman continuas cuando,
real o tericamente, pueden tomar cualquier valor dentro de un con'unto bien definido de
n4meros reales. ,3ernndez, 9889, p.192.
%sta asignacin de la probabilidad obliga a analizar la forma en que dicha probabilidad se
distribuye en cada una de las variables aleatorias. )uando el n4mero de observaciones se
incrementa, el tamao de los intervalos decrece. 7i los intervalos en los que ocurren los
sucesos u observaciones, es tan pequeo que tienden a cero, la distribucin de probabilidades
se hace mediante una determinada funcin.
2"- $uncion' d +rob%bi)id%d
%*isten dos tipos de funciones de probabilidad#
$uncion' di'crt%'. cuando el n4mero de valores x que puede tomar una variable aleatoria
X es finito, se dice que la variable aleatoria X es discreta (por e'emplo, el arro'ar un dado!.
$uncion' continu%'. cuando el n4mero de valores x que puede tomar una variable aleatoria
X es infinito se dice que dicha variable aleatoria es continua.
"or su naturaleza, a la hidrolog&a le interesa estudiar a las funciones continuas de probabilidad,
ya que los eventos ocurrentes no tienen un rango finito. ("or e'emplo los vol4menes de
escurrimiento mensual de un r&o!.
%stimar a qu( funcin de distribucin pertenece un fenmeno hidrolgico es un problema
comple'o, puesto que slo se tiene la muestra histrica disponible como herramienta, y un
anlisis previo de la misma dar la pauta para elegir la funcin ms adecuada. %n el anlisis de
dicha muestra pueden considerarse los siguientes criterios#
%l tipo de fenmeno hidrolgico# 7e pueden elegir las funciones cuyos l&mites matemticos
sean compatibles con los l&mites impuestos por la naturaleza del fenmeno. ,Llamas, -../# p.
.:2.
Las caracter&sticas estad&sticas de la muestra# La b4squeda de la funcin de distribucin debe
limitarse a aquellas familias de funciones de simetr&a equivalente.
L% )on*itud d )% &u'tr%. )uando se cuenta con muestras cortas o de reducido n4mero de
valores (8 o menos!, slo deben analizarse las funciones definidas por un n4mero reducido de
parmetros (de - a /!. 7i la muestra es larga o lo suficientemente grande se deben utilizar
funciones con mayor n4mero de parmetros para dar mayor precisin debido a que el riesgo de
la e*trapolacin a partir de una muestra limitada, es inversamente proporcional a la longitud de
la muestra. ,Llamas, -../, p. .:2.
2"/ Di'tribucion' d +rob%bi)id%d
%l comportamiento de las variables aleatorias discretas o continuas se describe con la ayuda de
;istribuciones de "robabilidad. La variable se designa por may4scula y un valor espec&fico de
ella por min4scula.
"or P(x = a se denota la probabilidad de que un evento asuma el valor a; similarmente P(a !
x ! " denota la probabilidad de que un evento se encuentre en el intervalo (a,"!. 7i conocemos
la probabilidad P(a ! x ! " para todos los valores de a y ", se dice que conocemos la
;istribucin de "robabilidades de la variable *.
(%c.-!
7i x es un n4mero dado y consideramos la probabilidad P(X! x#
F(x= P(X! x ("robabilid ad de no e*cedencia!. (%c. 9!
y llamamos F(x la funci#n de distri"uci#n acu$u%ada.
)uando el n4mero de observaciones se incrementa, el tamao de los intervalos decrece.
f(*! es la llamada funci#n de densidad de &ro"a"i%idades y tiene las siguientes caracter&sticas#
(%c. /!
(%c.<!
(%c.!
( ) ( )

"
a
dx x f " x a P
( )

- dx x f
( )

"
a
dx x f 8
( ) ( )

"
a
' dx x f " x a P
=igura 9.-. ;istribucin de la funcin de probabilidad de la variable x
Lo que implica que las probabilidades se definen slo como (reas ba'o la funcin de densidad
de probabilidad (=;"! entre l&mites finitos.
2"/ 0o&nto' d )%' di'tribucion'
Las propiedades de las distribuciones pueden ser definidas completamente en t(rminos de los
momentos. Los momentos en estad&stica son similares a los momentos en f&sica (rotacin
respecto al o
"ara la variable continua (%c. :!
o respecto a la media (e'e de rotacin diferente al origen!
para la variable continua (%c.1!
2"1 P%r2&tro' 't%d('tico'
Los estad&sticos e*traen informacin de una muestra, indicando las caracter&sticas de la
poblacin. Los principales estad&sticos son los momentos de primer, segundo y tercer orden
correspondiente a la media, varianza, y asimetr&a respectivamente.
0di% :
%s el valor esperado de la variable misma. "rimer momento respecto al origen. >uestra la
tendencia central de la distribucin
(%c. 0!
%l valor estimado de la media a partir de la muestra es#
(%c.-8!
3%ri%n4% :
>ide la variabilidad de los datos. %s el segundo momento respecto a la media.
(%). --!
( )

dx x f x )
( ) ( )

dx x f x )
( )

dx x f

n
i
i
x
n
x
-
-
( ) ( )

dx x f x
9 9
%l valor estimado de la varianza a partir de la muestra es#
(%c. -9!
%n el cual el divisor es n*+ en lugar de n para asegurar que la estad&stica de la muestra no sea
ses,ada, es decir, que no tenga una tendencia, en promedio, a ser mayor o menor que el valor
verdadero. Las unidades de la varianza son la media al cuadrado, la desviacin estndar es
una medida de la variabilidad que tiene las mismas dimensiones que la media y simplemente es
la ra&z cuadrada de la varianza, se estima por s.
Co5icint d !%ri%cin"
%s una medida adimensional de la variabilidad. 7u estimado es#
(%c. -/!
Co5icint d %'i&tr(%
La distribucin de los valores de una distribucin alrededor de la media se mide por la
asimetr&a. 7e obtiene a partir del tercer momento alrededor de la media, dividi(ndolo por el
cubo de la desviacin estndar para que sea adimensional.
tercer momento respecto a la media (%c. -<!
( ) [ ]
/
/
-

x E (%c. -!
?n estimativo del coeficiente de asimetr&a est dado por#
( )
( ) ( )
/
-
/
9 - s n n
x x n
Cs
n
i

(%c. -:!
Pr(odo d Rtorno
)ada espacio muestral tiene su propia funcin de distribucin o de densidad de probabilidad,
que normalmente no se conoce a priori. )uando de ese espacio se e*trae un grupo de datos
(muestra! al azar, es razonable esperar que su funcin de distribuc in de probabilidad sea
similar a la del espacio completo, en particular si la muestra es grande.
@dems, lo ms razonable que se puede suponer en cuanto a la frecuencia de cada dato del
grupo es que (sta sea, dentro del espacio muestral, igual a la observada.
( )

9
9
-
-
x x
n
s

Cv
x
Cv

( ) [ ] ( ) ( )

dx x f x x E
/ /

%l per&odo de retorno o intervalo de recurrencia, -, se define como el tiempo promedio en el
cual un evento de cierta magnitud va a ser igualado o superado por lo menos en una ocasin.
"or e'emplo, si se tiene un evento de diseo con una probabilidad de ocurrencia P = ../0 y
tomando un proyecto con una vida 4til de -88 aos se tendr&a entonces que de los -88 aos que
dure el proyecto, en 9 se e*ceder&a el evento de diseo. "or lo tanto, el tiempo promedio de
recurrencia del evento es de -88A9 B < aos. 7i " es la probabilidad, entonces#
(%c. -1!
La probabilidad de que el evento no ocurra ser&a entonces#
(%c. -0!
La probabilidad de que no ocurra en n aos de la vida 4til del proyecto ser&a#
(%c. 98!
y la probabilidad de que ocurra el evento en n aos o el riesgo de que se presente es#
(%c. 9-!
)uando se tiene una lista de datos ordenados en forma decreciente con respecto al evento, el
per&odo de retorno se puede calcular como#
(%c. 99!
;onde#
n B n4mero de datos.
$ B n4mero consecutivo de la lista para dicho evento.
?na vez que se asigna un per&odo de retorno al gasto de diseo de la obra que se est
analizando, es necesario hacer e*trapolaciones a partir de los gastos m*imos anuales que se
hayan registrado para conocer el gasto de diseo que corresponder&a al per&odo de retorno
seleccionado. %sas e*trapolaciones se logran mediante el uso de funciones de distribucin de
probabilidad, aquellas que ms se a'usten a los registros con los que se cuenta.
;e las las funciones de distribucin de probabilidad ms usadas en hidrolog&a, estas son
algunas de ellas para la determinacin de caudales m*imos#
-. Cormal
9. LogDnormal
/. "earson EEE
<. logD"earson EEE
. Fumbel
"ara la estimacin de caudales m*imos en este documento se seleccionaron la funcin LogD
Cormal porque es apropiada para variables aleatorias que cubren todo el rango de valores de
los resultados posibles del e*perimento ba'o anlisis (vol4menes de escurrimiento mensual,
P
-
-

( ) ( )
-
P x F
-
- -
( )
n
-
x F

,
_

-
-
( )
n
-
x F

,
_

,
_

-
- -
$
n
-
- +

por e'emplo!; la funcin Fumbel debido que se desarroll para el anlisis de los valores
e*tremos de dichos resultados, como los gastos m*imos o m&nimos anuales; y la funcin LogD
"earson EEE ya que ocupa un lugar intermedio. [=rancisco @paricio, 988-# p. 9/]
2"6 Di'tribucion' d Prob%bi)id%d &2' u'%d%' n 7idro)o*(% +%r% !%ri%b)'
continu%'"
Di'tribucin nor&%)
La distribucin normal es una distribucin sim(trica en forma de campana, tambi(n conocida
como )ampana de Fauss. @unque muchas veces no se a'usta a los datos hidrolgicos tiene
amplia aplicacin por e'emplo a los datos transformados que siguen la distribucin normal.
La funcin de densidad de probabilidad normal se define como#
(%c. 9/!
y la funcin de distribucin de probabilidad normal como#
(%c. 9<!
;onde#
x B variable aleatoria.
B media de la poblacin.
B desviacin estndar de la poblacin.
"ara resolver esta funcin se recurren a m(todos num(ricos para evaluarla, y para hacer esto
ms sencillo se ha asignado como variable estandarizada#
(%c. 9!
Gue est normalmente distribuida con media cero y desviacin estndar unitaria. @s& la funcin
principal queda como#
(%c. 9:!
3ay dos maneras de estimar =(z!, una es mediante una tabla que se ha publicado de dicha
ecuacin. H la segunda es mediante frmulas apro*imadas, la funcin de densidad f(z! se
apro*ima como#
(%c. 91!
;onde#
a8 B 9.<.80.
a- B -.<::88/
a9 B D8.89</./
( )
9
9
-
9
-

,
_

x
e x F
( ) dx e x F
x
9
9
-
9
-

,
_

( ) ( )

d1 e 1 F x F
1
9
9
9
-

x
1
( ) ( )
-
:
/
<
9
9
- 8

+ + + 1 a 1 a 1 a a 1 f
a/ B 8.-1091
H la funcin de distribucin ser&a la siguiente#
=(z! B 3(z!, z I 8 (%c. 90!
=(z! B -D 3(z!, zJ 8 (%c. 9.!
;onde#
(%c. /8!
7iendo#
(%c. /-!
". = 8.//9:1
"+ = 8.</:-0
"/ B D8.-98-1
"2 B 8../1/8
Di'tribucin Lo*8Nor&%)
%n esta funcin los logaritmos naturales de la variable aleatoria se distribuyen normalmente.
(%c. /9!
donde y son parmetros de la distribucin, y por lo tanto son la media y la desviacin
estndar de los logaritmos de la variable aleatoria. La funcin de distribucin de probabilidad
es#
(%c. //!
(%c. /<!
La distribucin de probabilidad#
(%c. /!
( ) ( )
/
/
9
9 -
9
9
9
-
- 3 " 3 " 3 " e 1 H
1
+ +

1 "
3
8
-
-
+

( )

,
_

ln
9
-
-
9
-
e
x
x f

n
i
i
n
x
-
ln

( )
9
-
-
9
ln
1
]
1

n
i
i
n
x

( ) dx e
x
x f

,
_

ln
9
-
-
9
-
@l igual que en la distrib ucin normal, se le asigna a 514 los siguientes valores#
(%c. /:!
@ causa de su asimetr&a pronunciada, la funcin LogD Cormal se usa bastante en hidrolog&a,
sobre todo en el estudio de valores e*tremos.
=igura 9.9. =uncin de densidad LogDCormal
Di'tribucin P%r'on III
%sta distribucin ha sido una de las ms utilizadas en hidrolog&a. )omo la mayor&a de las
variables hidrolgicas son sesgadas, la funcin Famma se utiliza para a'ustar la distribucin de
frecuencia de variables tales como crecientes m*imas anuales, )audales m&nimos, 6ol4menes
de flu'o anuales y estacionales, valores de precipitaciones e*tremas y vol4menes de lluvia de
corta duracin. La funcin de distribucin Famma tiene dos o tres parmetros.
La funcin de densidad de probabilidad "earson de tres parmetros (tipo EEE! se define como#
(%c. /1!
donde -, -, - son los parmetros de la funcin y (-! es la funcin de Famma. Los
parmetros -, -, - se eval4an a partir de n datos medidos, mediante el siguiente sistema de
ecuaciones#
(%c./0!
(%c. /.!
(%c.<8!
es la media de los datos, 7
9
su variancia y su coeficiente de sesgo, que se define como#
( )
( )
-
- -
-
-
-
-
-

'

x
e
x
x f
- - -
+ x
( )
. 8
9

-
9
-
9
5

x
1
ln
(%c. <-!
La funcin de distribucin de probabilidad es#
(%c. <9!
y sustituyendo
(%c. </!
La ecuacin quedar&a
7iendo la anterior una funcin 6i cuadrada con 9K- grados de libertad y *9 97 #
(%c. <<!
%sta funcin se usa solo cuando - B n 89, donde n es un entero positivo cualquiera. )omo
9 es no entero, puede tomarse como el entero ms pr*imo. )uando J 8./, se tendr que
acudir a tablas de la funcin de distribucin de Famma de un parmetro. )uando da valores
e*traos, como negativos o muy grandes, es recomendable fi'ar dicho valor de d a o'o,
estimndolo, como la ordenada al origen en una grfica de gasto contra periodo de retorno.
Di'tribucin Lo*8P%r'on III
7i los logaritmos 9 de una variable aleatoria X se a'ustan a una distribucin "earson tipo EEE, se
dice que la variable aleatoria X se a'usta a una distribucin Log "earson Lipo EEE. %sta
distribucin es ampliamente usada en el mundo para el anlisis de frecuencia de caudales
m*imos. %sta se traba'a igual que para la "earson Lipo EEE incluso el uso de la distribucin 'i
cuadrada, pero con X7 y 57 como la media y desviacin estndar de los logaritmos de la variable
original X.
Di'tribucin Gu&b)
7upngase que se tienen : muestras cada una con n eventos. 7i se selecciona el m*imo x de
los n eventos de cada muestra, es posible demostrar que, a medida que aumenta n, la funcin
de probabilidad de x (probabilidad de no e*cedencia! tiende a#
(%c. <!
La funcin de densidad de probabilidad es entonces#
(%c. <:!
( )

n
i
i
5
n x x
-
/
/
A

( )
( )
dx
x
e x F
x
x -
-
-
8 - -
-
-
-

,
_

,
_

-
-

x
7
( )
-
9
9 9
9
7 F v x F 7 F
x

( )
( )
( ) x X P e x F
e

( )
( )
( )
[ ]

x
e x
e x f
( )
( )

7
7
d7 e 7 7 F
8
-
-
-

y la probabilidad de e*cedencia es#

(%c. <1!
;onde y son los parmetros de la funcin.
Los valores de y #
(%c. <0!
(%c, <.!
;onde M es la constante de %uler y es igual a#
M B ..0;;/+0 (%c. 8!
2"9 Prub%' d bond%d d %ju't
"ara determinar que tan adecuado es el a'uste de los datos a una distribucin de probabilidades
se han propuesto una serie de pruebas estad&sticas que determinan si es adecuado el a'uste.
%stos son anlisis estad&sticos y como tal se deben entender, es decir, no se puede ignorar el
significado f&sico de los mismos.
%n la teor&a estad&stica, las pruebas de bondad del a'uste ms conocidas son la 7mirnov D
Nolmogorov y la )hi D )uadrado, las cuales son las que se utilizarn en nuestro anlisis y que
se describen a continuacin#
Prub% S&irno!8:o)&o*oro!
La prueba de bondad de a'uste estad&stico 7mirnov D Nolmogorov considera la desviacin
de la funcin de distribucin de probabilidades de la muestra "(*! de la funcin de
probabilidades terica, escogida "o(*! tal que#
( ) ( ) ( ) x Po x P Dn ma* (ec. -!
La prueba requiere que el valor D calculado con la e*presin anterior sea menor que el valor
tabulado dcrit para un nivel de probabilidad (significancia! requerido.
%sta prueba es fcil de realizar y comprende las siguientes etapas#
%l valor estad&stico D es la m*ima diferencia entre la funcin de distribucin acumulada de la
muestra y la funcin de distribucin acumulada terica escogida.
7e fi'a el nivel de probabilidad (nivel de significancia! , valores de 8.8 y 8.8- son los ms
usuales.
%l valor cr&tico dcrit de la prueba debe ser obtenido de la tabla 9.:, el cual est en funcin de
y n , pues depende del nivel de significancia y del n4mero de datos.
7i el valor calculado D es menor que el dcrit, la distribucin escogida se debe aceptar.
"or el contrario, si el valor calculado D es mayor que el dcrit, la distribucin escogida se debe
rechazar.
( ) [ ] x F Pt -
:

T%&%;o &u'tr% % < 0"#0 % < 0"01 % < 0"0#

8.- 8.: 8.:1
-8 8./1 8.<- 8.<.
- 8./8 8./< 8.<8
98 8.9: 8.9. 8./
9 8.9< 8.9: 8./9
/8 8.99 8.9< 8.9.
<8 8.-. 8.9- 8.9
C grande -.99A(n!
-A9
-./:A(n!
-A9
-.:/A(n!
-A9
Labla 9.-.6alores cr&ticos dcrit para la prueba 7mirnovDNolmogorov de Oondad de a'uste. ,@paricio, -../, p.
Prub% ji8Cu%dr%do
?na medida de las discrepancia entre las frecuencias observadas (fo! y las frecuencias
calculadas (fc! por medio de una distribucin terica esta dada por el estad&stico xP
( . 52)
en donde
fc fo
7i el estad&stico x<=. significa que las distribuciones terica y emp&rica a'ustan e*actamente,
mientras que si el estad&stico x<=., ellas difieren. La distribucin del estad&stico x< se puede
asimilar a una distribucin )hiDcuadrado con (>*-*$! grados de libertad, donde > es el n4mero
de intervalos y $ es el n4mero de los parmetros de la distribucin terica. La funcin x< se
encuentra tabulada tal y como se mostr en la figura 9.:. 7upngase que una hiptesis Ho es
aceptar que una distribucin emp&rica se a'usta a una distribucin Cormal. 7i el valor calculado
de x< por la ecuacin anterior es mayor que alg4n valor cr&tico de x<, con niveles de
significancia de 8.8 y 8.8- (el nive l de confianza es -D! se puede decir que las frecuencias
observadas difieren significativamente de las frecuencias esperadas (o calculadas! y entonces
la hiptesis Ho se rechaza, si ocurre lo contrario entonces se acepta.
2"= S)ccin d )% $uncin d Di'tribucin d &jor %ju't"
@l aplicar cada una de las funciones de distribucin a los datos de los registros de cada
estacin es posible que se observen que e*isten diferencias que son apreciables entre las
mismas. ;ebido a esto es necesario seleccio nar con cuidado la funcin a utilizar, ya que una
mala seleccin de cualquiera de las funciones puede traducirse, para el ingeniero o entidad que
utilizar en el futuro esta informacin, en una estructura sobrediseada y costosa o subdiseada
y peligrosa ,@paricio, 988-, p. 9182.
La seleccin de la funcin de me'or a'uste a utilizar, con el propsito de calcular los valores de
)audales >*imos en cada una de las estaciones analizadas, se realiza de la siguiente manera#
%n primera instancia se aplican ambas pruebas de bondad de a'uste ('iDcuadrado y 7mirnovD
Nolmogorov! a las distribuciones obtenidas de cada funcin para los registros de cada estacin.
( )

>
i
fc
fc fo
x
-
9
9
Luego se calcula el valor del parmetro estad&stico x/ para la prueba 'iDcuadrado,y el parmetro
D para 7mirnovDNolmogorov, para as& compararlos con los valores estad&sticos cr&ticos x/ +*a , >*
+*$ y dcrit respectivamente, los cuales se encuentran en funcin del nivel de significancia a
usado. "ara este 4ltimo se seleccion el valor de a B 8.8, es decir se acepta una incertidumbre
en el modelo de un por ciento, o lo que es lo mismo se requiere de un . por ciento de
certeza para aceptar el modelo o la hiptesis.
Ha comparados los parmetros calculados con los valores cr&ticos se procede a concluir si se
acepta o se rechaza la funcin aplicada, y a escoger cual ser&a la preferible seg4n las pruebas
aplicadas.
"ara seleccionar finalmente la funcin a utilizar se tabulan los resultados de las pruebas
aplicadas, calificando las funciones seg4n el orden de preferencia, otorgando un valor de - a la
de 5me'or5 a'uste y creciendo este valor hasta la de 5peor5 a'uste, o definitivamente rechazando
la funcin.
2"> R*r'in Lin%)
%n 3idrolog&a el modelo ms simple y com4n, est basado en la suposicin de que dos
variables se relacionan en forma lineal.
)omo se puede mencionar#
)audales y precipitacin de una cuenca
"recipitacin de una estacin, con precipitacin de otra estacin
)audal de una estacin con caudal de otra estacin
"recipitacin con la altitud de una cuenca
Ecu%cin d R*r'in Lin%)
(%c. /!
;onde#
* B 6ariable independiente, variable conocida
y B 6ariable dependiente, variable que se trata de predecir
a B Entercepto, punto donde la l&nea de regresin cruza el e'e ,? es decir valor de , cuando @ < 0
b B "endiente de la l&nea o coeficiente de Qegresin, es decir, es la cantidad de cambio de ,
asociado a un cambio unitario de @
E'ti&%cin d P%r2&tro'
;ada la ecuacin de regresin Lineal#
;onde a y b son los parmetros de la ecuacin.
"ara calcular los parmetros a y b, recurrimos a la t(cnica de los >&nimos )uadrados, para ello
se utilizan las siguientes relaciones.
)lculo de b :
( )
( )

9
9
.
Xi Xi n
9i Xi 9i Xi n
"
(%c. <!
C(%cu%o de a :
8
a anti?o, a
(%c. !
"x a 7 +
"x a 7 +
n
Xi "
n
9i
a


8
(%c. :!
2"#0 Corr)%cin
La correlacin, se define como la asociacin entre dos o ms variables aleatorias, que
e*plica slo parcialmente la variacin total de una variable aleatoria, por la variacin de
otras variables aleatorias involucradas en la ecuacin de asociacin.
La parte de la variacin total que queda sin e*plicar, o sea, la variacin no e*plicada, se
debe a errores o a otras variables aleatorias, que no han sido tomadas en la correlacin.
0did%' d Corr)%cin
7e necesita un estad&stico para medir el grado de asociacin correlativa entre las varibles
ba'o consideracin. Los estad&sticos ms utilizados son los coeficientes de correlacin y
determinacin y la desviacin t&pica de los residuos.
( ) ( ) ( ) ( )

9
9
9
9
7 7 n x x n
7 x x7 n
r
(%c. 1!
Co5icint d Corr)%cin
%l coeficiente de correlacin, es el estad&stico que permite medir el grado de asociacin de
dos variables lineales relacionadas.
Co5icint d Dtr&in%cin
%s la proporcin o porcenta'e, de la variacin total de la variable dependiente y, que es
e*plicada por la variable independiente *, por lo cual, es un criterio para e*plicar la importancia
de la variable independiente dentro del modelo.
"or e'emplo, se tiene un r9 B 8.0, esto quiere decir que el 0R de la variacin de ,, es
e*plicada por @ y el -R es debido a los errores y a otra variables no consideradas.
"ara calcular el grado de confiabilidad del modelo 3allado, se halla el coeficiente de
determinacin (r
9
!.
( ) ( )
1
1
]
1

1
1
]
1

1
]
1

n
9i
9i
n
Xi
Xi
n
9i Xi
Xi9i
r
9
9
9
9
9
(%c. 0!
%'emplo# "armetros %stad&sticos del Q&o )hira "iura
MASAS MENSUALES (MMC) DEL RO CHIRA EN PUENTES SULLANA - ARDILLA 1937-2001
AO ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC AVDA ANUAL
1937 123.0 161.7 217.1 204.4 107.3 128.1 111.0 42.7 4. 44.8 19.2 .3 706.2 1!269.1
1938 1.3 140. 637.2 784.9 313.1 230.3 142.7 8. 79.1 71.7 47.4 39.9 1!614.0 2!623.8
1939 186.7 783.4 1!269.0 1!814.7 884.6 620. 364.3 324.6 17.0 109.6 3.9 139.4 4!03.9 6!72.8
1940 246.6 284.6 648.7 378.0 320.7 23. 193.1 179.3 149.7 132.1 99.4 10.2 1!7.9 3!018.0
1941 473.4 2!123.4 1!786.9 1!392.3 1!039.7 333.8 14.1 73.7 70.4 63.3 3.7 97. !776.0 7!644.2
1942 231.3 123.1 387.1 227.6 24.4 72.0 6.1 66.7 66.9 0. 1.7 16.2 969.1 1!8.
1943 279.8 1!872.6 2!14.7 1!870.9 1!047.2 31.1 179. 112. 109.4 8.2 8.4 71.0 6!169.0 8!363.3
1944 198. 362.9 489.3 392.4 308.4 109.7 100.2 49.2 64.4 37.3 14.9 71.9 1!443.1 2!199.3
194 218.0 713.1 414. 464.6 161.9 102.9 101.0 98. 72.2 2.8 41. 62.9 1!810.3 2!477.0
1946 102. 311. 26.2 391.4 133.3 181.7 8.4 102.9 104.4 67.7 71.9 3. 1!331. 2!132.3
1947 9.1 17.0 173.6 161.0 148.3 84.6 6.0 6.4 1.9 99.4 13.7 14.2 86.7 1!382.3
1948 189.3 10.2 222.4 347.2 114.0 101.7 77.0 41.6 33.0 0.2 42.9 34. 909.1 1!403.8
1949 68.1 304.8 1!947.2 944.8 123.0 106.9 88.4 46.1 69.7 89. 49.2 88.4 3!264.9 3!926.1
190 61.1 138.1 71.8 132.7 9.1 90.2 78.2 100.4 4.2 66.4 44.0 166.8 403.7 1!090.0
191 441.8 433.6 446.6 46.6 26.3 141.4 124.2 49.2 22.1 48.2 76. 119.0 1!778.6 2!624.
192 271.1 389.1 629.7 401.6 241.4 136.7 73.9 63.8 29.4 49.4 31.0 47.6 1!691. 2!364.6
193 234.7 916.2 1!86.2 2!428.0 678.6 71.7 349.9 111.6 89.4 88.6 16.2 184.4 !444.2 7!683.6
194 12.2 2.9 27.4 204. 112.7 67.9 2.1 39.7 43.1 11.2 42. 111.7 861.1 1!44.9
19 37.0 21.8 402. 00.6 237.2 128. 130.1 66.0 3.9 39.7 42.9 78.4 1!476.0 2!234.7
196 6.9 214.2 748.8 32.0 194.6 162. 170.2 114.9 9.2 109.2 7.8 33.7 1!34.0 2!283.1
197 47.8 19.4 781. 1!123.1 42.0 119.3 71. 6.2 41.1 37. 94.0 36.7 2!147.8 3!146.2
198 161.4 273.3 791.8 60.8 434.9 123.3 89. 7.8 6. 66.4 46.8 26.6 1!832.2 2!760.9
199 37.2 88.9 28.2 297.4 168.2 69.1 122.9 46.7 39.8 34.2 1. 63.2 91.7 1!47.3
1960 87.0 306. 430.2 289.6 128.4 11.9 44.8 40.4 38.0 32. 23.3 23.2 1!113.3 1!9.8
1961 8.2 109.9 243.0 26.6 233.0 10.9 62.2 41.2 24.0 40.8 20.8 33. 667.8 1!229.3
1962 171.2 339.6 84.8 36. 261.8 97.2 63.1 73.3 .6 33.8 32.9 36.7 1!461.2 2!11.6
1963 77.7 13.6 27.8 171.7 103.4 71.8 38.9 24.3 14. 14.3 29. 82.3 642.7 1!021.8
1964 69.0 98. 93. 184.3 137.3 82. 37.9 6.2 92.8 9.8 37.2 17.4 44.3 97.
196 28.9 64. 1!0.3 1!667.6 79.6 297.9 11.7 63.6 7.9 36.7 61.9 30.7 3!266.3 4!726.3
1966 129.3 140.7 281.1 217.0 129.1 36.7 48.9 28.1 17.1 2.6 11.3 12.1 768.2 1!077.1
1967 62.0 188.3 233.8 13.9 6.9 49.0 83. 66.0 32. 26.4 20.7 30.0 620.0 98.0
1968 77.4 28.0 142.2 97.4 30.9 24.8 96.1 39.4 29.7 40.9 20.9 11.1 34.0 638.8
1969 .0 102.9 239.7 417.8 112.7 9.4 41.2 61.7 40.4 26.4 6.3 110.3 81.4 1!324.0
1970 242. 386.8 44.9 192.1 21.6 248.0 68.6 66.1 3.3 1.8 2.9 111.7 1!276.3 2!126.2
1971 132.2 264.6 1!277.4 724.4 193.7 212.0 19.3 108.3 71.8 6.0 49.3 70.0 2!398.6 3!328.0
1972 17.0 20.8 2!479.2 84. 403.9 243.6 227. 8. 100.1 9.4 79.1 179.7 3!714.6 !093.
1973 349.8 81.1 974.2 1!06.7 42. 203.2 149.3 117.7 7.9 41.0 46.4 86.7 3!204.8 4!377.
1974 112.0 333.8 399.4 17.3 124.4 79.2 171.6 9.4 34.6 69.8 61.3 167.6 1!020.6 1!788.6
197 16.6 310.2 1!017.4 734.4 264.6 39.8 176.6 146.2 92.0 77.1 72.8 39. 2!227.7 3!492.2
1976 223.6 661.1 1!324. 996.1 02.8 433.1 332.8 280.1 13.3 96.7 129.1 181.4 3!20.4 !314.7
1977 179.0 468.3 777.1 724.2 31.2 28.6 208.8 132.6 100.7 113.8 71.2 104. 2!148.6 3!490.0
1978 104. 118.9 22.6 22.6 148.7 14.3 97.4 116.1 68. 108.3 47.8 83.8 674.6 1!490.6
1979 10.1 9.8 449.6 267.1 18. 109.2 102.0 79.0 78. 73.4 42.1 77.8 917.7 1!638.1
1980 96.7 226.9 21. 384.3 161. 136. 127.1 68.9 60.2 89. 73.1 124.6 99.4 1!800.7
1981 112.7 144.4 742.3 273.6 163.7 117.4 92.3 0.1 4.8 1.1 29.8 77.9 1!272.9 1!901.1
1982 104. 131.1 16.6 197.2 111.9 8.9 88.3 62. 41. 74.4 108.1 480.3 89.3 1!642.1
1983 2!009. 1!823.0 2!81.8 3!673.6 2!486.0 1!62. 40. 232.8 194.0 292.4 17.8 198.7 10!37.9 1!932.4
1984 243.8 1!089.6 1!919.7 1!198.4 484.0 426.1 343.0 217. 129.3 183.6 134.8 232.6 4!41. 6!602.4
198 266.4 200.1 270.9 180.3 164.6 168.3 106. 111.0 64.9 77.8 47.3 9.2 917.7 1!73.4
1986 176.3 328.4 287.3 37.4 223.9 107.0 121. 70.9 72.2 9.0 73.2 11.1 1!149.3 1!992.0
1987 223.4 16.8 1!001.7 671.3 492.8 193.1 18. 10.1 84.0 76. 46.1 80.4 2!413.3 3!676.9
1988 140. 308.2 213.6 266.4 136.7 61.3 78.8 28.9 21.9 47.0 48.8 49.2 928.7 1!401.2
1989 289. 738.3 1!131. 796.6 38.1 240. 17.4 89.2 6.8 128.0 2.4 22.8 2!9.9 4!070.1
1990 10.9 209.7 26.6 36.4 231.6 217.4 112.3 68.9 39.3 30.0 2.2 90.7 937.6 1!780.0
1991 89.4 220.8 609.7 320.8 209.4 124. 119.4 81.0 49.8 44.2 6.2 4.0 1!240.7 1!979.2
1992 69.0 202.7 1!262.8 2!23.1 68.7 2.2 123.1 6.6 2.0 26. 40.8 73.9 3!787.6 4!993.4
1993 97.6 36.1 1!83.7 1!44.2 41.8 2.3 199.0 109.7 73. 9.0 94.7 219.0 3!72.6 !20.6
1994 40.9 930.8 882.9 96.2 373.6 28. 204.7 16.0 147.9 126. 104.7 18.3 3!184.8 4!71.0
199 19.9 20.1 264.6 278.1 192.4 112.1 72. 17.1 23.0 2.1 74.0 70.2 907.7 1!494.1
1996 11.3 204.3 94.7 212.6 147.3 92.8 87.2 9. 31.9 37.6 16.2 31.7 1!126.9 1!631.1
1997 2.3 147.6 320. 27.8 207. 80.9 9.9 66.1 36.1 21.4 89.9 863.9 778.2 2!239.9
1998 2!249.3 3!076.4 4!498.0 4!826.2 1!66.2 07.1 249.6 179.4 12. 102.9 120.3 .1 14!649.9 17!6.0
1999 202.7 1!232.9 2!603.2 837.0 791. 44.0 273.4 14.9 108.8 7.1 6.9 218.0 4!87.8 7!017.4
2000 190.4 610. 1!880.1 1!61.4 773.9 413.3 241.3 12.1 101.6 8. 24.9 10.6 4!242.4 6!113.6
2001 246. 388.3 2!24.0 1!393.8 4!273.6 4!273.6
"#$%&'($
223.2 447.5 875.0 743.6 359.1 212.7 138.6 91.6 68.6 68.7 59.8 106.1 2289.4 3377.7
D&).E)*+,'+#
357.04 539.77 835.98 838.93 390.70 221.47 87.68 59.14 39.44 43.86 34.88 121.83 2366.60 3065.77
V+#(+,-+
127478.25 291353.16 698867.78 703796.34 152643.85 49047.865 7687.1638 3497.398 1555.6782 1924.1272 1216.8391 14843.653 5600790 9398937
C$&..C$##&/+0(1,
0.78 0.77 0.87 0.88 0.91 0.84 0.84 0.90 0.74 0.62 0.45 0.05
C$&..D&*&#%(,+0(1,
0.612 0.599 0.752 0.781 0.823 0.702 0.707 0.804 0.553 0.383 0.206 0.002
C$&.. A)(%&*#2+
4.9430875 2.9303042 1.8978324 2.7889298 3.3164423 3.944013 1.5508007 1.8913268 1.1419481 2.4603792 1.1750154 4.3968791
C3#*$)()
25.423524 9.861352 4.582549 9.735565 14.306032 21.534393 2.395791 4.272986 1.172543 9.989720 1.183834 24.655404
9.D Qealice la ecuacin de Qegresin Lineal, calcule sus parmetros y las correlaciones
respectivas.
E't%cion' Hidro&toro )*ic%' d )% Cunc% C7ir%8Piur%
N4 ESTACION
UBICACION
CU
COORDENADAS
ALTIT. AREA
GEOGRAFICA EN GEOGRAFICAS INFLU5
"ROVINCIA DISTRITO
CA
LATITUD
LONGIT. 5ENCIA
6)7 687 6%),%7 69%27
1 A/*+%(-+ M$##$:1, C;+/+0$ C;(#+ 0404< 79444< 2!600 211.6
2 A#'(//+ S3//+,+ L+,0$,&) C;(#+ 04431< 80426< 10 831.7
3 A#&,+/&) A=+>+0+ F#2+) C;(#+ 044<17? 7941<04? 3!010 103.0
4 A=+>+0+ A=+>+0+ A=+>+0+ C;(#+ 04437<7? 79442<49? 2!700 114.0
C;(/+0$ S3//+,+ S3//+,+ C;(#+ 04441<44? 80430<18? 90 400.8
6 E/ C(#3&/$ A=+>+0+ S3=$ C;(#+ 04418< 80409< 202
7 L+ E):&#+,-+ "+(*+ ">/$.N3&@$ C;(#+ 044<04? 81403<38? 12 97.4
8 M+//+#&) S3//+,+ M+#0+@&/(0+ C;(#+ 0441<2? 80443<3? 4 801.6
9 "+(*+ "+(*+ "+(*+ C;(#+ 040< 80406< 6
10 "+,+,A+ S3//+,+ S+, J+0(,*$ C;(#+ 04433< 8043< 40 490.2
11 "+#+B& G#+,'& A=+>+0+ "+(%+) C;(#+ 04437< 7944<
12 S+3)+/ C3/30C, A=+>+0+ A=+>+0+ C;(#+ 0444<00? 79446<00? 980 184.0
13 "*&.I,*&#,+0. A=+>+0+ S3=$ C;(#+ 04423< 7947< 408
14 A,(+ A=+>+0+ A=+>+0+ D3(#$- 0441< 79429< 2!40 102.0
1 A#+,-+ A=+>+0+ A=+>+0+ D3(#$- 0441< 7949< 1!300 194.8
16 A3/ A=+>+0+ A=+>+0+ D3(#$- 04433< 79442< 640 137.
17 L+A3,+ S&0+ A=+>+0+ A=+>+0+ D3(#$- 0443< 79429< 2!40 4.2
18 L+A.A##&>(+*+'+) A=+>+0+ A=+>+0+ D3(#$- 0444< 79428< 3!40 88.2
19 M$,*&#$ A=+>+0+ M$,*&#$ D3(#$- 04438< 7940< 1!070 102.8
20 N+,A+=M+*+/+0+) A=+>+0+ "+0+=:+%:+ D3(#$- 0442< 79446< 2!100 224.2
21 O//&#$) A=+>+0+ A=+>+0+ D3(#$- 04442< 79439< 1!360 140.0
22 "+0+=:+%:+ A=+>+0+ "+0+=:+%:+ D3(#$- 0449< 79440< 1!960 147.6
23 S+,J3+, A/()$) A=+>+0+ "+0+=:+%:+ D3(#$- 0448< 79432< 2!10 118.8
24 S3=$ A=+>+0+ S3=$ D3(#$- 04440< 80400< 20 39.9
2 T+/+,&$ E3+,0+>+%>+ E3+,0+>+%>+ D3(#$- 0403< 79433< 3!430 10.6
26 T+:+/ A=+>+0+ A=+>+0+ D3(#$- 04446< 79433< 1!890 111.6
27 T(:3/0$ A=+>+0+ A=+>+0+ D3(#$- 04442< 79434< 2!600 79.2
28 A##&,'+%(&,*$) A=+>+0+ L+A3,+) C;(:(//(0$ 0440< 7944< 3!010 191.4
29 L+) L$%+) "(3#+ L+) L$%+) C;(:(//(0$ 04439< 8041< 26 272.6
30 L+) "(#0+) A=+>+0+ F#2+) C;(:(//(0$ 04448< 79448< 3!300 90.0
31 S+:(//(0+ A=+>+0+ S+:(//(0+ C;(:(//(0$ 04447< 7949< 1!446 22.8
32 B+##($) M$##$:1, S+/(*#+/ "(3#+ 0417< 79442< 310 483.6
33 B(A$*& M$##$:1, S+/(*#+/ "(3#+ 0420< 79447< 200 00.8
34 C+,0;+F3& E3+,0+>+%>+ C+,0;+F3& "(3#+ 0422< 79436< 1!200 34.2
3 C;(A,(+ E3+,0+>+%>+ E3+#%+0+ "(3#+ 0436< 79442< 360 398.8
36 C;3/30+,+) M$##$:1, C;3/30+,+) "(3#+ 0406<12? 80409<7? 9 440.0
37 C$#:+0 "(3#+ C+)*(//+ "(3#+ 0447< 80418< 49 233.9
38 C$##+/ '&/ M&'($ M$##$:1, M$##$:1, "(3#+ 0411< 7943< 193
39 F#2+) A=+>+0+ A=+>+0+ "(3#+ 0446< 7941< 1!700 271.4
40 E3+,0+>+%>+ E3+,0+>+%>+ E3+,0+>+%>+ "(3#+ 0414< 79422< 1!02
41 E3+#%+0+ E3+,0+>+%>+ E3+#%+0+ "(3#+ 0434<09? 79431<23? 2!180 191.6
42 L+A3,+ R+%1, "(3#+ S+, C#()*$ "(3#+ 0433< 80440< 9
43 M(#+./$#&) "(3#+ C+)*(//+ "(3#+ 0410<00? 80436<1? 30 691.8
44 M$,*&A#+,'& "(3#+ L+ A#&,+ "(3#+ 0421<18? 80443<2? 27 67.0
46 M$##$:1, M$##$:1, M$##$:1, "(3#+ 0410<47? 7948<41? 140 461.0
47 "+/*+);+0$ M$##$:1, "+0+=:+%:+ "(3#+ 0407< 7942< 900 227.7
48 "+)+:+%:+ E3+,0+>+%>+ E3+,0+>+%>+ "(3#+ 0407< 79436< 2!410 127.2
49 S+, M(A3&/ "(3#+ C+*+0+$) "(3#+ 0414<24? 80441<9? 29 03.0
0 S+, "&'#$ C;3/30+,+) C;3/30+,+) "(3#+ 040< 80402< 24 266.4
1 S+,*$ D$%(,A$ M$##$:1, S*$.D$%(,A$ "(3#+ 0402< 7942< 1!47 107.8
4 E):2,'$/+ A=+>+0+ A=+>+0+ M+0+#C 04438< 79430< 2!300 4.4
2 S(00;&- A=+>+0+ S(00;&- M+0+#C 04434< 79446< 1!43 92.8
3 T+0+/:$ A=+>+0+ A=+>+0+ M+0+#C 04439< 79436< 2!012 87.2
4 V+'$ G#+,'& "(3#+ A=+>+0+ M+0+#C 04427< 79436< 900 83.2
Prci+it%cion' Cunc% Piur%
N Estacin
Area
(Km2)
Area %
Precipitacin (mm) Volumen (hm3)
Ene Feb Mar Abr uma Ene Feb Mar Abr uma
1
C;3/30+,+) 1228 11.8 83 934 1201 304 3292 1047 1146 1474 373 4040
2
E3+#%+0+ 333 3.2 168 38 346 423 1322 6 128 11 141 440
3
M(#+./$#&) 126 12.2 769 02 480 91 1842 973 63 607 11 2330
4
M$##$:1, 187 1.8 66 783 1022 399 2869 124 146 191 7 36

S+, M(A3&/ 828 8 391 406 311 88 1196 323 336 28 72 989
6
S+, "&'#$ 689 6.6 817 761 1110 24 2942 63 2 76 17 2028
7
B&#,+/ 922 8.9 49 390 328 17 1194 423 39 302 1 1099
8
C;+/+0$ 240 2.3 192 371 303 36 1222 46 89 73 8 293
9
C;3)() 236 2.3 01 272 202 8 983 118 64 48 2 232
10
C;(/+0$ 91 .7 828 699 494 230 221 489 413 292 136 1330
11
M+//+#&) 160 1. 49 43 692 4 1730 88 70 111 9 278
12
"+(*+ 63 0.6 239 21 34 16 81 1 14 22 1 2
13
M+/+0+)( 26 .1 62 60 839 198 2204 196 318 441 104 109
14
B3&,$) A(#&) 647 301 2.9 66 910 66 471 2711 200 274 200 142 816
1
C+,0;+F3& 86 0.8 28 431 370 389 1448 22 37 32 33 124
16
E/ F+(F3& 617 70 0.7 28 46 24 46 1694 18 32 37 32 119
17
F#2+) 687 172 1.7 192 460 62 23 112 33 79 108 40 260
18
L+ M+*+,-+ 647 724 7.00 66 83 1226 34 2760 481 60 887 24 1997
19
L$%+ L+#A+ 6237 221 2.1 212 66 678 36 2091 47 147 10 118 462
20
"+0+=:+%:+ 687 13 0.1 192 23 47 60 12 2 3 6 8 19
21
S+/(*#+/ 6137 241 2.3 62 737 846 232 2377 13 177 204 6 72
22
S+,*$ D$%(,A$ 687 236 2.3 209 334 412 36 1311 49 79 97 84 309
23
S&##C, 6197 398 3.8 212 66 678 36 2091 84 26 270 213 832
24
L$) R+,0;$) 61!27 360 3. 28 431 622 249 160 93 1 224 90 62
2
C(/(+ 617 160 1. 28 431 622 249 160 41 69 99 40 249
26
E/ N+#+,B$ 617 10 1.4 28 298 273 228 107 39 4 41 34 19
TOTAL 10400 100.1 70 6210 704 2217 21186