PROBABILIDAD Y PREDICCIN EN HIDROLOGA

ESTIMACIN DE MXIMAS DESCARGAS

Permite predecir el comportamiento de eventos lmite para el diseo adecuado de
diversas estructuras hidrulicas con fines de: control, almacenamiento,
inundaciones, drenaje, obras de toma, etc.
GASTO DE DISEO
La eleccin del gasto de diseo est en relacin con su probabilidad de
ocurrencia y el periodo de vida til de las estructuras proyectadas. La
incertidumbre introducida en el diseo depende la importancia del Proyecto.
PERIODO DE DISEO:
Se estima de acuerdo a consideraciones de orden econmico, tcnico, social y
otros, sin embargo, tal durabilidad no es posible fijarlo con toda certeza puesto que
la estructura est expuesta a riesgos destructivos permanentes por ocurrencias de
descargas mayores que la prevista.
RIESGO DE FALLA (J)
Es la probabilidad de fallar en la prediccin del gasto de diseo debido a que es
superado por un evento de mayor magnitud.

J = 1-PN

(1)

J=

Riesgo de fallar en la prediccin

P=

Probabilidad acumulada de que el evento considerado no sea igual ni

superado (distribucin de frecuencias).

1-PN = Probabilidad de que el evento si ocurra en N aos consecutivos.

TIEMPO DE RETORNO (TR)
Nmero de aos en que un evento de similares caractersticas vuelve a
presentarse en el escenario hidrolgico.

Tr=

1
1
=
1P 1(1J ) 1 / N

Tr = Tiempo de retorno (aos) para una determinada incertidumbre J.

MODELO MATEMTICO DE GUMBEL O DISTRIBUCIN DE VALORES

EXTREMOS (EV1).
El uso adecuado de cualquier modelo matemtico se cie al procedimiento
siguiente:
1) Seleccin del modelo probalistico.
2) Estimacin de parmetros a partir de la muestra.
3) Simulacin y ajuste a la curva terica que mejor describa a la muestra.
P ( x x )=exp {exp [ ( x ) ] } ( I )
P=e e y , do nde : y = ( x)
P = Probabilidad acumulada de que cualquier evento extremo x ser menor que la
magnitud X.
Despejando X de la ecuacin (1) y teniendo en cuenta el periodo de retron T r se
tiene:
x

t= +

1
1
L Ln ( 1T 1
(II)
r )
n

Con las ecuaciones (II) y (2) se calcula la magnitud del evento Xt conociendo los
parmetros y ; los mismo que se estiman a partir de la muestra.
y se estiman usando diversas metodologas.- Por el Mtodo de momentos,
estos coeficientes son:
=1,2825/

=0.45005
=x=media muestral estimada

s==desviacion estandar estimada

RELACIN ENTRE NO DE AOS CONSECUTIVOS (N), TIEMPO DE RETORNO,
RIESGO DE FALTA Y DESCARGA DE DISEO.
NO AOS
CONSECUTIVOS (N)

RIESGO
FALLA (%)

TIEMPO
RETORNO
(AOS)
100

DESCARGA
(M3/S)

10

10
15
25
50
1
10
15
25
50
1
10
15
25
50

10
7
4
2
498
48
31
18
8
995
95
62
35
15

La descarga del diseo XT de la ltima columna del cuadro anterior se determina a

partir de la ecuacin (II), previo clculo de y .

ESTIMULACIN DE LOS PARMETROS DEL MODELO

Si se tiene una serie muestral: X1, X2, X3, . X N, (N= tamao muestral) y se
desea modelar de acuerdo a cierta distribucin de probabilidades, primeramente se
estiman los valores numricos de los parmetros el modelo a partir de los datos
muestrales.
Los mtodos de estimacin, en orden ascendente de prestacin, son:
1. Mtodo Grfico.- Usa papel especial de distribucin terica en el cual se plotea
la distribucin emprica y se ajusta a una recta. Este mtodo ya no se usa
actualmente.
2. Mtodo de Mnimos Cuadros.- Se usa slo para estimar parmetros de la
ecuacin de regresin, ms no para estimar parmetros de distribuciones de
probabilidad.
MODELOS PROBABILIDADES MS USADOS EN HIDROLOGA
1. DISTRIBUCIN EXPONENCIAL:
t
f T ( t )= e

estimaci n de par metros , m todo de momentos

Var [ T ] =1/2

E [ T ] =1/
2. DISTRIBUCIN NORMAL:
x 2
ti (
)

1 /
e
2
f x [ T ] =
-

Estimacin de parmetros, mtodo de momentos:

E [ x ]==x
2

Var [ x ] = =S

3. LOG- NORMA DE 2 PARMETROS:

Lnyx
2

t
1
f y ( y )=
e
2 x y
-

Parmetros estimados por mtodos de momentos

2
E [ x ]=e + x /2
x

Var [ y ]= 2x [ e x 1 ]
x=Ln y
2

n=(e x 1) 1 /2
N coeficiente de variacin
Ux = x (media de logaritmos)
2
2
x =S x (variacion de logaritmos)
2
1
x = ln( 2 y 2 )
2
y+ y

+
1
x = ln( y 2 y )
2
y

4. LOG- NORMAL DE 3 PARMETROS

( y )x
x
2
[ ]
1

f x [ y ]=
e
2 ( y ) x
ti ln

g1 = n3 + 3N n = coeficiente de variacin
g1 = coeficiente de asimetra
CARACTERSTICAS:
- Semejante a log- normal de 2 parmetros con desfase .
- Parmetros estimados por mtodo de momentos.
Var [ x ] =ln ( n 2+1 )=S 2x

1
E [ x ]= ln x2
= x= x
2
+1

Se recomienda usar el mtodo de mxima verosimilitud.

5. DISTRIBUCIN GAMA DE 2 PARMETROS

( x) K1e x ( x )K 1e x
f x (x)=
=
( K)
(K1)1
E [ x ]=K /
Var [ x ] =K /2
Muy usado para descarga y precipitaciones mensuales, y por tanto los
parmetros varan mes a mes.
6. DISTRIBUCIN GAMA DE 3 PARMETROS
K 1

[ x ] e x ( x) K1e x
f x (x)=
=
1
(K )
(K 1)

Parmetros estimados por mtodo de momentos

E [ x ]= K / =x
Var [ x ] =K /2=S 2
1/ 2

K / =g1
Coef . Asimet :Cs=2
7. DSITRIBUCIN PEARSON TIPO III
En uno de los varios medios empricos desarrollados por el autor. Esta
distribucin coincide con el logartmico normal cuando el coeficiente de
asimetra es nulo.
Se dice que una variable x tiene una distribucin tipo III si su funcin densidad
de distribucin de probabilidades con origen en la moda, est dada por:
C

X
2
c

( )

f x ( x )=P 1

0x
Donde:
3
4
C= 32 1
2

P =
=

n
c c+1
e c T (c +1)

c 3
2 2

3= g
3=Tercer momento respecto ala media( g)
2=variancia(s2 )
e=Base logartimos neperianos .

r=in ganma r ( c +1 )=( c +11 ) !=C !

g = coeficiente de asimetra de los logaritmos.
El procedimiento recomendado para utilizar esta distribucin en el estudio de
mximas avenidas es convertir la serie a los logaritmos y calcular.
Ln x=

Ln x Promedio de los logaritmos

n

nx Lnx

1 /2 Desviacin Standard d elos logaritmos

Lnx =
L

nx Lnx

g=
Calculamos los parmetros, el valor de x correspondiente a los distintos niveles
de probabilidad se calcula mediante:
Ln x =Lnx + K Lnx
K = Coeficiente para la distribucin Pearson.
Las distribuciones T-STUDENT; F-FISHER; CHI.CUADRADO; entre otros, son
tambin usados, sobre todo los 3 primeros que se usan en pruebas
estadsticas.
Las pruebas ms utilizadas son:
-

AJUSTE GRAFICO:

1 Compartir grficamente el histograma de la muestra con la funcin terica

para decidir si hay o no similitud entre ambos.
2 Utilizando papel especial de densidad de distribucin probabilstica,
ajustar grficamente la distribucin acumulada emprica mediante una recta.
-

AJUSTE ESTADSTICO:
a) CHI CUADRADO
b) SMIRNOV KOLMOGOROV
PRUEBA CHI CUADRADO
VENTAJAS Y LIMITACIONES:
1 Solo se aplica para ajustes a una distribucin normal en base a datos
normales.- Sin embargo, en la prctica funciona eficientemente para
cualquier distribucin.
2 Se utiliza para la funcin de densidad de datos agrupados en intervalos
de clase.
3 Requiere del conocimiento a priori de la distribucin terica utilizada en el
ajuste.
4 Es de fcil aplicacin.
PROCEDIMIENTO
1 Seleccionar un nivel de significacin (=0.05)
2 Determinar el Chi-Cuadrado calculado x2, mediante:
o ie 1
e1

x 2= x
1=1

Donde:
X2 = Chi Cuadrado calculado
O1 = Nmero de valores observados en el intervalo de clase i.
E1 = Nmero de valores esperados en el intervalo 1.
K1 = nmero de intervalos de clase.
3 Determinar el Chi Cuadrado tabular
= 0.05
Gl = K-1 P
Gl = Grados de Libertad
K = Nmero de intervalos de clase.
P = Nmero de parmetros a estimarse:

x 2t con los datos:

P = 2, para distribucin normal

P = 3, para distribucin Log-Normal de 3 parmetros, etc.
CRITERIOS DE DECISIN
SI:
2

X c xt

Se acepta HP, ajuste para el nivel de significacin

seleccionada.
X 2c > x 2t

Se rechaza HP, y se prueba con otra funcin de distribucin

terica.
PRUEBA DE SMIRNOV KOLMOGOROV

VENTAJAS Y LIMITACIONES:
1 No requiere un conocimiento a priori de la funcin de distribucin terica.
2 Se aplica a muestras de datos no agrupados.
3 se aplica a cualquier distribucin terica.
4 Se aplica en la funcin de distribucin acumulada y no en la funcin de
densidad (importante).
5 No es un aprueba exacta sino aproximada, pero se considera suficiente
para fines prcticos.
PROCEDIMIENTO
1 Obtener la deviacin mxima entre la probabilidad de distribucin P(X) y
la distribucin ajustada segn la ecuacin:
=ms|f ( x )P( x )|
Donde:
= estadstico de Smirnov Kolmogorov.
F(x) = probabilidad de la distribucin de ajuste.
P(x) = probabilidad de datos no agrupados o frecuencia acumulada
(probabilidad de Wibull)

Deber calcularse para cada punto la distribucin terica f (x) y la

distribucin emprica P(X) y luego obtener las diferentes y la desviacin
mxima.
2 Obtener el valor critico del estadstico 0, el cual se encuentra tabulado
para diferentes niveles de significacin y tamaos de muestra (tabla N
01).
CRITERIOS DE DECISIN
SI:
< 0 Se acepta HP, para el nivel de significacin seleccionado.
< 0 se rechaza HP, para el nivel de significacin seleccionado, y se
prueba con otra funcin de distribucin terica.
TABAL N 01.- VALOR CRITICO 0 DE LA PRUEBA SMIRNOV
KOLMOGOROV PARA DIFERENTES NIVELES DE SIGNIFICACIN () Y
TAMAOS MUESTRALES (N)

Tamao
muestra (N)
5
10
15
20
25
30
35
40
45
50
N<50

0.20
0.45
0.32
0.27
0.23
0.21
0.19
0.18
0.17
0.16
0.15
1.07/

Fuente: Yevjevich 1972

Nivel de significacin ()
0.10
0.05
0.51
0.56
0.37
0.41
0.30
0.34
0.26
0.29
0.24
0.27
0.22
0.24
0.20
0.23
0.19
0.21
0.18
0.20
0.17
0.19
1.22/ N
1.36/ N

0.01
0.67
0.49
0.40
0.36
0.32
0.29
0.27
0.25
0.24
0.23
1.63/