Documente Academic
Documente Profesional
Documente Cultură
1
Si los valores de la serie X son eventos aleatorios independientes entre s,
pertenecientes a una misma funcin de distribucin (densidad) de probabilidades
f(x; , tal que son los parmetros de la funcin de distribucin
de probabilidades, se puede obtener los valores estimados de la variable X para
cualquier probabilidad de ocurrencia dada p a partir de la siguiente expresin
general (propuesta por Ven T, Chow):
__
Xp = X + Kp.SX
T = 1/p
T = 1/F(x)
_
XT = X + KT.SX (1)
2
El valor de XT obtenido con la expresin (1) corresponde al estimado del valor
esperado del evento X para el perodo de retorno T, el cual se encuentra
exactamente dentro de la funcin matemtica que (se supone) describe el
comportamiento probabilstico de la variable X que se est considerando.
3
En este caso ( XT + SE(T)) corresponde al denominado lmite inferior de
confianza, y (XT + SE(T)) al lmite superior de confianza, con una
confiabilidad de (1- "(nivel de significancia.
(1)
KITE, G. W. Confidence Limits for Design Events. Water Resources Research, Vol 11, No. 1,
pp. 48-53. 1975.
4
Distribucin de Expresiones para KT y SE(T)
probabilidades
Normal KT = zT (*)
SE(T) = SX . {[ 1 + (zT)2/2] /N}1/2
5
En el caso de la distribucin de probabilidades lognormal de dos parmetros, la
variable CvX representa el coeficiente de variacin de la variable X, el cual se
calcula como la relacin entre la desviacin tpica y la media de X.
Solucin:
Para iniciar los clculos se deben seleccionar los caudales mximos anuales ( el
valor mximo de los caudales de cada ao), y estimar los momentos estadsticos
ms significativos de la muestra de caudales mximos, ellos son la media, la
varianza ( cuya raz corresponde a la desviacin estndar), y el coeficiente de
asimetra, adems de determinar el coeficiente de variacin.
6
AO X X X 2 X X 3
1973 70.6 21.6 -100.4
1974 90.7 238.2 3675.2
1975 82.9 58.9 451.6
1976 106.0 946.9 29139.1
1977 51.3 570.6 -13631.0
1978 77.5 5.3 12.0
1979 47.1 793.4 -22349.0
1980 67.7 56.7 -426.6
1981 58.6 276.5 -4597.3
1982 62.9 152.2 -1878.1
1983 33.5 1741.2 -72656.7
1984 85.3 101.2 1018.8
1985 92.3 290.1 4941.0
1986 83.3 65.2 526.0
1987 102.2 727.5 19622.3
1988 85.8 111.6 1178.3
1989 96.0 430.7 8937.0
1990 60.5 216.0 -3175.1
1 N
X X i 1354.1 75.23m 3 / s
1
Media:
N i 1 18
1 N
Varianza: S x2 X i X 2 1 6803.7 400.22m 6 / s 2
N 1 i 1 18 1
Desviacin estndar: S x S x2 400.22 20m 3 / s
N
N X i X
3
18 49312.6
Coeficiente de asimetra: g x i 1
0.41
N 1N 2S 3
x
18 118 2 20 3
Sx 20
Coeficiente de variacin: Cvx 0.266
X 75.23
7
Paso 2: Para iniciar los clculos se debe determinar el periodo de retorno
necesario para la estimacin de las probabilidades de ocurrencia del evento
hidrolgico de diseo. Para ello se recurre la expresin que relaciona el riesgo R,
con la vida til n y el periodo de retorno T:
n
1
R 1 1.
T
50
1
0.25 1 1.
T
P X X 0
1 1
0.0138 1.38%
T 72.6
F X 0 P X X 0 1 P X X 0 1 0.0138 0.986
Paso 5: Estimar los factores de frecuencia para cada una de las distribuciones de
probabilidad usando las expresiones de clculo del numeral 3:
8
Distribucin normal: el factor de frecuencia corresponde a la variable tipificada
z T de la distribucin normal estndar asociada a la probabilidad acumulada F(X).
Utilizando la tabla anexa de la distribucin normal estndar.
F X 0.986 zT 2.2
K T zT 2.2
0.5
S z2
S E x 1 T
N 2
0.5
20 2.2
2
SE 1
18 2
S E 8.71m 3 / s
Li X T 1.96S E
Para el lmite inferior: Li 119.2 1.96 8.71
Li 102.1m 3 / s
Ls X T 1.96S E
Para el lmite superior: Ls 119.2 1.96 8.71
Ls 136.3m 3 / s
9
Distribucin Log-Normal: el factor de frecuencia depende de la variable normal
tipificada zT y el coeficiente de variacin C vx , utilizando dicho factor no se requiere
transformar los datos aplicando el logaritmo en base 10 de los datos; as pues:
KT
exp zT ln 1 C vx2
0.5
0.5 ln 1 C vx2 1
C vx
KT
exp 2.2 ln 1 0.266 2
0.5
0.5 ln 1 0.266 2 1
0.266
K T 2.69
SE
Sx
1 C 3
vx
3C vx K T 1 4 C vx8 6C vx6 15C vx4 16C vx2 2 K T2
0.5
N
SE
20
1 0.27 3 3 0.27 2.69 1 4 0.27 8 6 0.27 6 15 0.27 4 16 0.27 2 2 2.69 2
0.5
18
S E 14.22m 3 / s
Li X T 1.96S E
Para el lmite inferior: Li 129.2 1.96 14.22
Li 101.33m 3 / s
Ls X T 1.96S E
Para el lmite superior: Ls 129.2 1.96 14.22
Ls 157.1m 3 / s
10
Distribucin Gumbel (GEV tipo I): En dicha distribucin el factor de frecuencia
solo depende de frecuencia acumulada F(x):
SE
Sx
1 1.1396K T 1.1K T2
0.5
N
SE
20
1 1.1396 2.88 1.1 2.88 2
0.5
18
S E 17.26m 3 / s
Li X T 1.96S E
Para el lmite inferior: Li 132.9 1.96 17.26
Li 99.1m 3 / s
Ls X T 1.96S E
Para el lmite superior: Ls 132.9 1.96 17.26
Ls 166.7m 3 / s
11
Distribucin Pearson Tipo III: En dicha distribucin el factor de frecuencia
depende de la variable normal tipificada zT y el coeficiente de asimetra g x
2 3 4 5
g 1
g
g
g 1 g
K T zT zT2 1 x zT3 6 zT x zT2 1 x zT x x
6 3 6 6 6 3 6
0.4 1 0.4 0.4 0.4 1 0.4
2 3 4 5
K T 2.2 2.2 1
2.2 6 2.2
2 3
2.2 1
2
2.2
6 3 6 6 6 3 6
K T 1.94
S E x 1 g x K T K T2 23g x2 4 1 3K T W g x g x3 4 3W 2 2 3g x2 5 g x4 8
S 0.5
N
Donde
W
z 2
T
1 4 g x zT3 6 zT
3 g
2 zT 1
2
4 g
3 zT
10 g x4
x x
6 63 63 64 66
W
2.2 2
1 4 0.412.2 3
6 2.2 3 0.41 2.2
2
2
1 4 0.41 2.2 10 0.41
3
4
6 63 63 64 66
W 0.65
S E 8.3m 3 / s
Ls X T 1.96S E
Para el lmite superior: Ls 114.03 1.96 8.3
Ls 130.3m 3 / s
12
Ejemplo 3.2: Determinar los caudales mximos, con sus respectivas bandas de
confianza para la quebrada La Concepcin, para los periodos de retorno de 1.5,
2.33, 5, 10, 25, 50 y 100 aos utilizando las distribuciones de probabilidad Normal,
Lognormal, Gumbel y Pearson tipo III, Utilice los datos de caudales mximos
mensuales de la estacin Los Siprs.
Solucin:
Media: X 75.23m3 / s
Desviacin estndar: S x 20m 3 / s
Coeficiente de asimetra: g x 0.41
Coeficiente de variacin: Cvx 0.266
Cantidad de datos: N 18
13
F ( x) 1 P Para caudales mximos. Utilizando la notacin de columnas
(3) 1 (2) .
F ( x) 1 0.43 0.57
KT
exp zT ln 1 Cvx2
0.5
0.5 ln 1 Cvx2 1
o en la notacin de columnas:
Cvx
(4)
exp (3) ln 1 Cvx2
0.5
0.5 ln 1 Cvx2 1
Cvx
Para el periodo de retorno de 2.33:
K 2.33
exp 0.18 ln 1 0.266 2
0.5
0.5 ln 1 0.266 2 1
0.05
0.266
14
2 3 4 5
g 1 g g g 1 g
K T z T z 1 x z T3 6 z T x z T2 1 x z T x x
2
T
6 3 6 6 6 3 6
2 3 4 5
g 1 g g g 1 g
(7) z T (4) 1 x (7) 3 6(7) x (7) 2 1 x 7 x x
2
6 3 6 6 6 3 6
2 3 4 5
g 1 g g g 1 g
K 2.33
0.18 0.18 1 x 0.18 3 6 0.18 x 0.18 2 1 x 0.18 x x 0.24
2
6 3 6 6 6 3 6
Paso 2: Estimar el valor esperado de los caudales para los diferentes periodo de
retorno utilizando
X T X KT S x
Columna (9): Valor esperado de los caudales mximos para la distribucin Log-
Normal.
15
Para el periodo de retorno de 2.33
Paso 3: Estimacin de los errores estndar para cada periodo de retorno y tipo de
distribucin:
16
Columna (11): Error estndar de la distribucin Normal
0.5
S z2
S E x 1 T o en la notacin de columnas:
N 2
0.5
S (4) 2
(11) x 1
N 2
0.5 0.5
S (0.18) 2 20 (0.18) 2
S E 2.33 x 1 1 4.94m 3 / s
N 2 18 2
SE
Sx
1 C 3
vx
3Cvx K T 1 4 Cvx8 6Cvx6 15Cvx4 16Cvx2 2 K T2
0.5
N
En notacin de columnas
12 Sx
1 C 3
vx
3Cvx 5 1 4 Cvx8 6Cvx6 15Cvx4 16Cvx2 2 (5) 2 0.5
S E 2.33
Sx
1 C 3
vx
3C vx 0.05 1 4 C vx8 6C vx6 15C vx4 16C vx2 2 (0.05) 2
0.5
N
S E 2.33
20
1 0.27 3 3 0.27 0.05 0.25 0.27 8 6 0.27 6 15 0.27 4 16 0.27 2 2 (0.05) 2
0.5
18
S E 2.33 4.8m 3 / s
SE
Sx
1 1.1396K T 1.1K T2 0.5
y en notacin de columnas
N
(13)
Sx
N
1 1.13966 1.16 2 0.5
17
Para el periodo de retorno de 2.33
S E 2.33
20
18
1 1.13960.00 1.10.00
2
0.5
4.72m 3 / s
W
z T
1 4 g x zT3 6 zT
2
3 g
2 zT 1
2
4 g
3 zT
10 g x4
x x
6 63 63 64 66
En notacin de columnas
(14)
(4) 2
1 4 g (4)
x
3
6 zT 3g (4)
2
2
4 g (4) 10 g
1 3
4
x
x x
6 63 63 64 66
W2.33
0.18 2
1 4 0.410.18 3
6 zT 3 0.41 0.18 2
2
4 0.41 0.18 10 0.41
1 3
4
6 63 63 64 66
W2.33 0.15
SE
Sx
1 g K K 23g
x T
2
T
2
x
4 1 3K T W g x g x3 4 3 W 2 2 3g x2 5 g x4 8
0.5
SE
Sx
1 g x
(7) (7) 2 2 3g x2 4 1 37 15 g x g x3 4 3 15 2 2 3g x2 5 g x4 8 0.5
S E 5.06m 3 / s
18
Distribucin Normal Log-Normal Gumbel Pearson
T Q Li Ls Q Li Ls Q Li Ls Q Li Ls
1.5 66.4 56.7 76.1 64.8 56.6 73.0 64.8 57.0 72.5 67.6 56.9 78.3
2.33 78.8 69.5 88.1 76.2 66.8 85.6 75.2 66.0 84.5 80.1 70.2 90.0
5 92.0 81.3 102.8 90.6 77.2 103.9 89.6 75.3 103.9 92.3 82.7 101.9
10 100.8 88.4 113.3 101.6 84.4 118.8 101.3 82.0 120.6 99.8 89.3 110.3
25 110.2 95.5 124.9 114.9 92.7 137.1 116.1 90.1 142.1 107.3 93.9 120.7
50 116.2 100.0 132.5 124.2 98.4 150.1 127.0 95.9 158.1 111.8 95.4 128.2
100 121.8 104.0 139.7 133.7 104.1 163.2 137.9 101.7 174.2 115.8 95.8 135.8
140
Caudal Mximo
120
100
80
60
40
1 10 100
Periodo de retorno T
140 160
140
Caudal Mximo
Caudal Mximo
120
120
100
100
80
80
60 60
40 40
1 10 100 1 10 100
Periodo de retorno T Periodo de retorno T
140 140
Caudal Mximo
Caudal Mximo
120 120
100 100
80 80
60 60
40 40
1 10 100 1 10 100
Periodo de retorno T Periodo de retorno T
19
Ejemplo 3.3:Se dese a conocer el caudal mnimo con periodo de retorno de 10
aos utilizando las distribuciones de probabilidad Normal, Lognormal, Gumbel y
Pearson tipo III, con sus respectivos intervalos de confianza. Para ello considere
los datos de Caudales mnimos mensuales de la estacin Los Siprs (Figura 2).
Media: X 2.9m 3 / s
Desviacin estndar: S x 0.79m 3 / s
Coeficiente de asimetra: g x 0.79
Coeficiente de variacin: Cvx 0.27
Cantidad de datos: N 18
P X X 0
1 1
0.1 10%
T 10
20
Paso 3: estimar la probabilidad acumulada asociada a X 0
F X 0 P X X 0 P 0.1
Paso 4: Estimar los factores de frecuencia para cada una de las distribuciones de
probabilidad usando las expresiones de clculo del numeral 3.3:
SI F X 0.5 zT 0
Luego zT z 0
F ( zT ) P( z zT ) P( z z 0 ) P( z z 0 ) 1 P( z z 0 ) 1 0.1 0.9
F ( X ) 0.9 z 0 1.28
zT z 0
zT 1.28
KT zT 1.28
21
El error estndar para la distribucin normal est dado por:
0.5
S z2
S E x 1 T
N 2
0.5
0.79 (1.28)
2
SE 1
18 2
S E 0.25m 3 / s
Li X T 1.96S E
Para el lmite inferior: Li 1.91 1.96 0.25
Li 1.42m 3 / s
Li X T 1.96S E
Para el lmite superior: Li 1.91 1.96 0.25
Li 2.4m 3 / s
KT
exp zT ln 1 C vx2 0.5
0.5 ln 1 C vx2 1
C vx
KT
exp 1.28 ln 1 0.27 2
0.5
0.5 ln 1 0.27 2 1
0.27
K T 1.16
22
X 10 X K LogNormS x 2.93 1.160.79 2.01m 3 / s
SE
Sx
1 C 3
vx
3C vx K T 1 4 C vx8 6C vx6 15C vx4 16C vx2 2 K T2
0.5
N
SE
0.79
18
1 0.27 3 3 0.27 1.16 1 4 0.27 8 6 0.27 6 15 0.27 4 16 0.27 2 2 1.16
2
0.5
S E 0.2m 3 / s
Li X T 1.96S E
Para el lmite inferior: Li 2.01 1.96 0.2
Li 1.62m 3 / s
Ls X T 1.96S E
Para el lmite superior: Ls 2.01 1.96 0.2
Ls 2.4m 3 / s
23
SE
Sx
1 1.1396K T 1.1K T2
0.5
N
SE
0.79
18
1 1.1396 1.1 1.1 1.1
2
0.5
S E 0.19m 3 / s
Li X T 1.96S E
Para el lmite inferior: Li 2.05 1.96 0.19
Li 1.68m 3 / s
Ls X T 1.96S E
Para el lmite superior: Ls 2.05 1.96 0.19
Ls 2.42m 3 / s
2 3 4 5
g 1
2
T g
g
g 1 g
K T zT z 1 x zT3 6 zT x zT2 1 x zT x x
6 3 6 6 6 3 6
K T 1.17
Por tanto, El caudal mnimo para un periodo de retorno de 10 aos, utilizando la
distribucin Pearson tipo III, est dado por:
S E x 1 g x K T K T2 23g x2 4 1 3K T W g x g x3 4 3W 2 2 3g x2 5 g x4 8
S
0.5
Donde
24
W
z 2
T
1 4 g x zT3 6 zT
3 g 2 zT 1
2
4 g
3 zT
10 g x4
x x
6 63 63 64 66
S E 0.18m 3 / s
Ls X T 1.96S E
Para el lmite superior: Ls 2 1.96 0.18
Ls 2.35m 3 / s
Ejemplo 3.4: Determinar los caudales mnimos, con sus respectivas bandas de
confianza para la quebrada La Concepcin, para los periodos de retorno de 1.5,
2.33, 5, 10, 25, 50 y 100 aos utilizando las distribuciones de probabilidad Normal,
Lognormal, Gumbel y Pearson tipo III, Utilice los datos de caudales mnimos
mensuales de la estacin Los Siprs.
25
Columna (2): Probabilidad de ocurrencia que para eventos extremos mximos
representa probabilidad de excedencia P estimada como:
1 1
P , utilizando la notacin de columnas (2)
T (1)
1
Para el periodo de retorno de 2.33: P 0.43
2.33
F ( x) P 0.43
KT
exp zT ln 1 Cvx2
0.5
0.5 ln 1 Cvx2 1
o en la notacin de columnas:
Cvx
(4)
exp (3) ln 1 Cvx2
0.5
0.5 ln 1 Cvx2 1
Cvx
Para el periodo de retorno de 2.33:
K 2.33
exp 0.18 ln 1 0.27 2
0.5
0.5 ln 1 0.27 2 1
0.29
0.27
26
KT - 0.45 - 0.7797 ln- lnFX o en la notacin de columnas:
3 3
Caudal Mximo
2 3
2 2
1 2
1 1
0
1
1 10 100
Periodo de retorno T 0
1 10 100
Normal Log-Normal Gumbel Pearson T III Periodo de retorno T
27
3.4 PRUEBAS DE BONDAD DE AJUSTE
n f ( xi ) p( xi )
m 2
i 1 p ( xi )
m p 1
28
Ejemplo: Para los datos de caudales mximos de la estacin Pte. Real sobre el rio
Negro estimar la bondad de ajuste de las distribuciones Normal, Log-Normal,
Gumbel, Log-Gumbel. Pearson y log-Pearson.
29
BONDAD DE AJUSTE A LA DISTRIBUCION NORMAL
Media: X 46.35m3 / s
Desviacin estndar: S x 21.34m 3 / s
Coeficiente de asimetra: g x 1.45m 3 / s
Coeficiente de variacin: Cvx 0.454
Cantidad de datos: N 38
30
INTERVALO RANGO ni f xi ni n
1 < 30 8 0.211
2 30-40 9 0.237
3 40-50 8 0.211
4 50-60 7 0.184
5 60-70 1 0.026
6 70-80 2 0.053
7 80-90 1 0.026
8 90-100 0 0.000
9 > 100 2 0.053
i
f xi ni n FE ( xi ) f ( xi )
INTERVALO
RANGO ni
i k 1
LSR X
Para cada caso: z i Por ejemplo, para el intervalo 1
Sx
LSR X 30 46.35
z1 0.78
Sx 21.34
31
i
INTERVALO f xi ni n FE ( xi ) f ( xi )
RANGO ni k 1
LSR z
i
f xi ni n
INTERVALO
RANGO ni FE ( xi ) LSR z F ( zi )
i
1 < 30 8 0.211 0.211 30 -0.78 0.22
2 30-40 9 0.237 0.447 40 -0.30 0.38
3 40-50 8 0.211 0.658 50 0.17 0.57
4 50-60 7 0.184 0.842 60 0.65 0.74
5 60-70 1 0.026 0.868 70 1.12 0.87
6 70-80 2 0.053 0.921 80 1.60 0.95
7 80-90 1 0.026 0.947 90 2.07 0.98
8 90-100 0 0.000 0.947 100 2.55 0.99
9 > 100 2 0.053 1.000 1.00
30 46.35
px1 P( x 30) P z Pz 0.78 F (0.78) 0.22
21.34
Para i=2
32
px2 P(30 x 40) Px 40 Px 30 F (0.78) F (0.78) 0.38 0.22 0.16
y as sucesivamente
f xi ni n FE ( xi )
INTERVALO
i
RANGO ni LSR z F ( zi ) p xi
1 < 30 8 0.211 0.211 30 -0.78 0.22 0.22
2 30-40 9 0.237 0.447 40 -0.30 0.38 0.16
3 40-50 8 0.211 0.658 50 0.17 0.57 0.19
4 50-60 7 0.184 0.842 60 0.65 0.74 0.17
5 60-70 1 0.026 0.868 70 1.12 0.87 0.13
6 70-80 2 0.053 0.921 80 1.60 0.95 0.08
7 80-90 1 0.026 0.947 90 2.07 0.98 0.04
8 90-100 0 0.000 0.947 100 2.55 0.99 0.01
9 > 100 2 0.053 1.000 1.00 0.01
n f ( xi ) p( xi )
m 2
2
i 1 p ( xi )
f xi ni n FE ( xi )
INTERVALO
i
RANGO ni LSR z F ( zi ) p xi 2
1 < 30 8 0.211 0.211 30 -0.78 0.22 0.22 0.01
2 30-40 9 0.237 0.447 40 -0.30 0.38 0.16 1.28
3 40-50 8 0.211 0.658 50 0.17 0.57 0.19 0.11
4 50-60 7 0.184 0.842 60 0.65 0.74 0.17 0.03
5 60-70 1 0.026 0.868 70 1.12 0.87 0.13 3.06
6 70-80 2 0.053 0.921 80 1.60 0.95 0.08 0.27
7 80-90 1 0.026 0.947 90 2.07 0.98 0.04 0.10
8 90-100 0 0.000 0.947 100 2.55 0.99 0.01 0.52
9 > 100 2 0.053 1.000 1.00 0.01 15.73
Suma 21.10
n f ( xi ) p( xi )
m 2
2
21.1
i 1 p ( xi )
33
Paso 8 : Estimar el valor crtico del estadstico , Critico utilizando un nivel de
2 2
m p 1
9 2 1 6
Finalmente para probar que los datos se ajustan a la distribucin Normal el valor
2 estimado mediante la muestra de datos debe ser inferior al Critico
2
, para el
presente caso 21.10 12.59 , por tanto los datos No se ajustan a la distribucin
normal.
Comentarios:
Para el anlisis de bondad de ajuste de las diversas distribuciones de
frecuencia siempre siguen los pasos 1,2,3, 6, 7, 8 de la misma forma que
en el presente ejemplo de la distribucin normal.
El paso 4 es un paso intermedio necesario para efectuar los clculos en la
distribucin normal
El paso 5 depende del tipo de funcin terica de probabilidades y sus
parmetros.
Probar la bondad de ajuste de los datos a la distribucin log normal significa que
una nueva variable, que equivale al logaritmo en base 10 de los datos de caudales
mximos se distribuye siguiendo la fdp Normal. Es por ello que inicialmente se
deben trasformar los datos estimando su logaritmo en base 10 y luego estimarse
los principales momentos estadsticos de los datos.
34
Media: X 1.63
Desviacin estndar: S x 0.18
Coeficiente de asimetra: g x 0.36
Coeficiente de variacin: Cvx 0.11
Cantidad de datos: N 38
f xi ni n FE ( xi ) p xi
INTERVALO
RANGO ni LSR z F ( zi ) 2
i
1 < 1.4 4 0.105 0.105 1.4 -1.27 0.10 0.10 0.0037
2 1.4-1.5 5 0.132 0.237 1.5 -0.71 0.24 0.14 0.0046
3 1.5-1.6 8 0.211 0.447 1.6 -0.16 0.44 0.20 0.0224
4 1.6-1.7 8 0.211 0.658 1.7 0.40 0.65 0.22 0.0084
5 1.7-1.8 8 0.211 0.868 1.8 0.95 0.83 0.18 0.2702
6 1.8-1.9 2 0.053 0.921 1.9 1.51 0.93 0.10 0.9769
7 1.9-2.0 1 0.026 0.947 2 2.07 0.98 0.05 0.3215
8 > 2.0 2 0.053 1.000 1.00 0.02 2.1680
suma 3.78
35
Para el caso de los caudales mximos anuales del Rio Negro en la estacin
Puente Real se tiene que:
Media: X 46.35m3 / s
Desviacin estndar: S x 21.34m 3 / s
Coeficiente de asimetra: g x 1.45m 3 / s
Coeficiente de variacin: Cvx 0.454
Cantidad de datos: N 38
Donde
c a x b
Siendo
Y Y
a bX
Sx Sx
Donde Y , Y dependen de la cantidad de datos presentes en la muestra y se
puede consultar en tablas o mediante el uso de algunas ecuaciones de ajuste
como las estimadas por Rojo (2013):
Y 1.23 Y 0.54
Luego: a 0.0585 bX 46.35 37.14
Sx 21.34 a 0.0585
36
i
INTERVALO f xi ni n FE ( xi ) f ( xi )
RANGO ni k 1
LSR c
i
f xi ni n FE ( xi ) F (c i ) p x i
INTERVALO
RANGO ni LSR c 2
i
1 < 30 8 0.211 0.211 30 -0.42 0.22 0.22 0.0128
2 30-40 9 0.237 0.447 40 0.17 0.43 0.21 0.1299
3 40-50 8 0.211 0.658 50 0.75 0.62 0.20 0.0470
4 50-60 7 0.184 0.842 60 1.34 0.77 0.14 0.4061
5 60-70 1 0.026 0.868 70 1.92 0.86 0.09 1.8815
6 70-80 2 0.053 0.921 80 2.51 0.92 0.06 0.0178
7 80-90 1 0.026 0.947 90 3.09 0.96 0.03 0.0643
8 90-100 0 0.000 0.947 100 3.68 0.98 0.02 0.7380
9 > 100 2 0.053 1.000 1.00 0.02 1.1607
suma 4.46
37
Caso de la distribucin Log-Gumbel
Probar la bondad de ajuste de los datos a la distribucin log Gumbel significa que
una nueva variable, que equivale al logaritmo en base 10 de los datos de caudales
mximos se distribuye siguiendo la fdp Gumbel. Es por ello que inicialmente se
deben trasformar los datos estimando su logaritmo en base 10 y luego estimarse
los principales momentos estadsticos de los datos.
Media: X 1.63
Desviacin estndar: S x 0.18
Coeficiente de asimetra: g x 0.36
Coeficiente de variacin: Cvx 0.11
Cantidad de datos: N 38
Y 1.23 Y 0.54
Luego: a 6.84 bX 1.63 1.55
Sx 0.18 a 6.84
Como en el caso anterior se procede al clculo de la variable c para el lmite
superior de cada intervalo.
f xi ni n FE ( xi ) F (c i ) p x i
INTERVALO
RANGO ni LSR c 2
i
1 < 1.4 4 0.105 0.105 1.4 -1.02 0.06 0.06 1.1560
2 1.4-1.5 5 0.132 0.237 1.5 -0.34 0.25 0.18 0.5637
3 1.5-1.6 8 0.211 0.447 1.6 0.35 0.49 0.25 0.2034
4 1.6-1.7 8 0.211 0.658 1.7 1.03 0.70 0.21 0.0022
5 1.7-1.8 8 0.211 0.868 1.8 1.71 0.84 0.14 1.5793
6 1.8-1.9 2 0.053 0.921 1.9 2.40 0.91 0.08 0.3137
7 1.9-2.0 1 0.026 0.947 2 3.08 0.96 0.04 0.2244
8 > 2.0 2 0.053 1.000 1.00 0.04 0.0516
suma 4.09
38
Tabla distribucin Normal
39