10/6/2018

MODULO 1: Hidrología Superficial

Tema 1: Estadística
1.1.1 Probabilidad y Estadística

INTRODUCCION

Ángel Luis Udías Moinelo

Dr. Ingeniero de Minas
Profesor Contratado Doctor del Dpto. de Estadística e Investigación Operativa de la URJC

Probabilidad y Estadística: Índice

• 1. Introducción.
• 2. Estadística Descriptiva. Análisis Exploratorio de Datos.
• 3. Probabilidad
– Muestreo
– Probabilidad
– Contrastes de Hipótesis e Intervalos de confianza
• 4. Modelos Lineales
– Regresión
– Series Temporales
• 5. Análisis Multivariado.

¿Qué es exactamente estadística?

• Exploración y descripción de datos

• Estadística Inferencial (ej: test de hipótesis)

• Modelos estocásticos de Incertidumbre

• Diseño de experimentos y análisis.

1
 10/6/2018

Problemas en los que aplicar estadística

• Monitorización de la calidad del agua.

• Utilización de los datos hidrológicos para
predecir inundaciones.
• Análisis de riesgos para determinar si un área
con contaminación potencial necesita ser
limpiada, y si es así, cuanto.
• Modelos de Simulación para Cuencas.
• Análisis de Series Temporales de datos
(Modelos de Cambio Climático).
• Clasificación de datos.
• Estimación de parámetros
4

Algunos conceptos fundamentales

• Estadística Descriptiva: explora y analiza una

muestra de datos
• Estadística Inferencial: emplea una muestra
para inferir propiedades de la población completa

Estadística en Hidrología

• Las salidas de procesos ambientales e

hidrológicos están sujetos a incertidumbre.
• Población y Muestra de la población
• Mediante la probabilidad, a partir del
conocimiento de las características de una
muestra se puede predecir las características
de la población
Muestreo

Población
6 µ Inferencia x Muestra

2
 10/6/2018

Muestreo
Nos interesa estudiar: Contamos con:

Muestreo

Población Muestra

Conclusiones Test Estadístico

Parámetro µ Inferencia Estadístico

Si el muestreo está mal hecho

7
TODA la estadística será incorrecta!!!

Nada es cierto en este mundo…

• Por ejemplo- ¿Qué tiempo hará mañana en

Murcia?

• Parte de la Incertidumbre es debida a variaciones

aleatorias entre las muestras (aleatoria) y parte
es producida por desconocimiento inherente del
mundo o proceso (epistémica)

• Los métodos estadísticos pueden ser usados

para cuantificar y modelar esta incertidumbre
8

Fuentes de
incertidumbre

• Observación
– Errores aleatorios de medida A
– Errores sistemáticos de medida (ej. instrumental E
defectuoso o con sesgos)
• Toma de muestras
– Tamaño finito del modelo de simulación (clima) A
– Tamaño finito de las condiciones de contorno A
– Vinculación finita entre todos los posibles modelos A
• Modelo paramétrico
E
– Incertidumbre en el valor de los parámetros
E
– No unicidad del valor de los parámetros
• Estructura del modelo E
– Conocimiento incompleto de los factores (emisiones
futuras)
E
– Mala identificación del modelo físico

3
 10/6/2018

Hidrología Estocástica

• La Hidrología Estocástica aplica la teoría de los

Procesos Estocásticos, que son parte de la Ingeniería
de Sistemas, al estudio de los Eventos Hidrológicos.
• Los Eventos Hidrológicos, tales como aguaceros,
caudales, niveles de embalse, contaminación, etc.
son Eventos Estocásticos. Se caracterizan porque,
de un lado tienen un patrón medio de
comportamiento a largo plazo, y por el otro el
pronóstico de sus magnitudes en un momento dado
tiene un mayor o menor grado de incertidumbre.
• El patrón medio corresponde a lo que se denomina la
Tendencia General o Componente Determinística y la
incertidumbre constituye la Componente Aleatoria
del evento.
10

Hidrología Estocástica

• Caudal real = Caudal calculado +/- Incertidumbre

• La proyección hacia el futuro se basa en la combinación de la
estadística y la teoría de la probabilidad.
• Con la estadística se realiza el análisis de frecuencias de los
eventos históricos y se definen los parámetros que determinan
el patrón general de comportamiento.
• Con estos parámetros y con la aplicación de la teoría de la
probabilidad se hace el pronóstico de lo que puede esperarse
en el futuro, dentro de cierto nivel de riesgo.

11

Hidrología Estocástica

¿Por qué hidrología estocástica?

12

4
 10/6/2018

Hidrología Estocástica

• ¿Por qué hidrología estocástica?

13

Modelos Hidrológicos

• Existen diferentes tipos de Modelos

Hidrológicos. Pueden ser
Determinísticos o Estocásticos, de
Simulación o de Optimización.
• Son ejemplos de Modelos
Determinísticos la Ecuación del
Balance Hidrológico, la Fórmula
Racional y el Hidrograma Unitario.
Un modelo de este tipo
corresponde a un algoritmo de
cálculo que da un resultado único.
• En los Modelos Estocásticos el
algoritmo de cálculo incluye una o
varias componentes
probabilísticas. Con los Modelos
Estocásticos se generan series
futuras de lluvias, de caudales, de
niveles de embalses, o de eventos
extremos.

14

Ej: Operación de embalses

• En los estudios de Operación de Embalses se utilizan Modelos de

Simulación los cuales relacionan una serie de componentes y de variables:
– Componentes: Características físicas de la presa y del vaso del embalse.
– Variables:
• Variable de Estado: Nivel del agua en el Embalse. Determina el volumen embalsado.
• Variables de Entrada: Caudales que llegan al Embalse y Precipitación sobre el vaso del
embalse.
• Variables de Salida: Pérdidas por Evapotranspiración e Infiltración, Vertido de Excesos y
Caudales de entrega al proyecto.
Las variables de Estado, Entrada y Salida se pueden tratar todas o algunas de ellas como
Variables Estocásticas.

15

5
 10/6/2018

Recopilación de datos hidrológicos

• ¿Para que se necesitan los datos?¿preguntas?. Objetivos

• ¿Qué datos se necesitan para resolver las preguntas?
• ¿Cómo se deben recopilar los datos?
• ¿Cómo se fundamenta una decisión en los datos?
• La recolección y análisis de datos de una muestra física implica una
serie de pasos:
– Recolección de la muestra
– Manipulación de la muestra
– Transporte
– Almacenamiento en laboratorio
– Preparación de la muestra
– Análisis de la muestra
– Entrada de datos
– Manipulación de datos
– Realización de Informes

16

Fuentes de variabilidad (error) en el

tratamiento de datos

17

Errores comunes en los estudios Hidrológicos

• Escasez de muestras adecuadas de la población:
– Si la muestra no representa a la población, no hay forma de predecir si los efectos
observados en la muestra se producirán en la población
• Errores de perdida de aleatoriedad de los potenciales factores de influencia
– Debe controlarse adecuadamente los factores de influencia para diseñar un
proceso sin sesgos.
• Recolección de pocas muestras como para conseguir suficiente grado de
confianza en los resultados
– Probabilidad de rechazar la hipótesis nula cuando realmente es cierta (error de
tipo I). Hay que hacerlo con suficiente confianza.

18

6
 10/6/2018

Proceso de Obtención de Datos de Calidad

• Tener claro cuales son los

objetivos del estudio

• Definir cual es el mejor tipo de

datos a recopilar

• Determinar cuales son las condiciones más adecuadas

para la recopilación de datos.

• Especificar aceptables niveles de error en las decisiones,

que servirán de base para establecer la cantidad y
calidad de los datos necesarios para tomar la decisión
19

Pasos para la Obtención de Datos de Calidad

1. Estado del problema

2. Identificar las decisiones
3. Identificar las entradas del proceso de decisión
4. Definir los limites del estudio (espaciales y
temporales)
5. Desarrollar reglas de decisión
6. Especificar los limites de
tolerancia de la decisión
7. Optimizar el diseño

20

Enfoque probabilístico
(Incertidumbre Implícita)
Que sucede realmente
Tu decisión No llueve Si llueve
Llevar Paraguas Error tipo I Decisión Correcta
No Paraguas Decisión Correcta Error tipo II

20 20

18 18

16 16

14 14
probabilidad (%)

probabilidad (%)

12 12

10 10

8
8

6
6

4
4

2
2
0
10 20 30 40 50 60 70 80 90 100 0
10 20 30 40 50 60 70 80 90 100
Nivel de contaminacion (% )
Nivel de contaminacion (% )

Distribución de probabilidad del nivel de contaminación para dos

situaciones.

Aporta mucha mas información y es mucho más interesante para
21 la Toma de Decisiones que el enfoque determinista con contraste
de Hipotesis.

7
 10/6/2018

Programas Estadísticos

• Powerful language-based packages

– S-PLUS
– R
– SAS

• Interactive packages
– MINITAB
– SPSS
– Excel

• Packages with statistical libraries

– MATLAB
– PV-Wave
– IDL

• Programacion manual de Rutinas

– Numerical Recipies
– Friend’s code

22

Bibliografia

• Maidment (1992), HANDBOOK OF HYDROLOGY. McGRAW-HILL INC.

• Millard; Neerchal.(2001) ENVIRONMENTAL STATISTICS with S-PLUS.
CRC PLUS.
• Benjamin, J; Cornell,(1970) C. PROBABILITY, STATISTICS AND
DECISION FOR CIVIL ENGINEERS. McGraw-Hill.
• Bras, R; Rodríguez-Iturbe, I.(1993) RANDOM FUNCTIONS AND
HYDROLOGY. Dover.
• Haan, Ch.(1977) STATISTICAL METHODS IN HYDROLOGY. Iowa State
University Press.
• McCuen, R.(1993) MICROCOMPUTER APPLICATIONS IN STATISTICAL
HYDROLOGY. Prentice Hall..
• Shahin, (1993) M. STATISTICAL ANALYSIS IN WATER RESOURCES
ENGINEERING. Applied Hydrology Monographs. A. Balkema..
• Richard O.Gilbert (1987) STATISTICAL METHODS FOR
ENVIRONMENTAL POLLUTION MONITORING. Van Nostrand Reinhold

23

Bibliografia

• Brown, C.E.(1998) APPLIED MULTIVARIATE STATISTICS IN

GEOHYDROLOGY AND RELATED SCIENCES. Springer.
• Shumway, R.(1988) APPLIED STATISTICAL TIME SERIES
ANALYSIS. Prentice Hall.
• Yevchevich, V.(1972) PROBABILITY AND STATISTICS IN
HYDROLOGY. Water Resource Publications. Fort Collins Co.
• D. Wilks (2005) STADISTICAL METHODS IN THE ATMOSPHERIC
SCIENCES , Academic Press, 2nd edition.
• H. von Storch and F. Zwiers (1999) STADISTICAL ANALYSIS IN
CLIMATE RESEARCH , Cambridge University Press.
• Yevchevich, V.(1972) STOCHASTIC PROCESSES IN
HYDROLOGY. Water Resource Publications. Fort Collins Co.

24