Documente Academic
Documente Profesional
Documente Cultură
UNIVERSIDAD NACIONAL
SANTIAGO ANTÚNEZ DE MAYOLO
Huaraz – 2018
ESTADISTICA APLICADA A LA INGENIERIA AGRICOLA
I. INTRODUCCIÓN
El presente trabajo es de vital importancia puesto que nos permite tener idea del
comportamiento de los fenómenos naturales como las descargas, los gastos su
comportamiento en las diversas estaciones del año puesto que permite tomar las
debidas precauciones, ya que su omisión nos ocasionaría pérdidas económicas.
Y es por eso que se aplicó la estadística a la hidrología con sus diversos métodos
dé probabilidad tales como las distribuciones continuas discretas, etc. Cada una
de estas con sus ventajas y desventajas para cada caso.
1.1. OBJETIVOS:
Objetivo general:
Objetivos secundarios:
1.2. ANTECEDENTES:
1.3. JUSTIFICACIÓN:
2.1. POBLACIÓN:
2.2. MUESTRA.
-) Sus bases sobre un eje horizontal (el eje X) con centros en las marcas
de clase y longitud igual al tamaño de los intervalos de clase.
2.4. MEDIA
Xini
X i 1
n
2.5. MEDIANA
1
Ing. MAXIMO VILLON BEJAR Pág. 73
2
Ing. MAXIMO VILLON BEJAR Pág. 48.
n
N i 1
M e Yi 1 Ci 2
ni
2.6. MODA
Xi x
DM I 1
n ; Para datos no clasificados
N
Xi x ni
DM I 1
n ; Para datos clasificados
X X ni
2
i
V( x ) i 1
n
2.9. COVARIANZA
3
Ing. MAXIMO VILLON BEJAR Pág. 105
Este valor indica el grado de similitud entre los conjuntos a y b, o sea, como
los datos están correlacionados entre sí. Cuanto mayor es la covarianza,
mayor es el grado de correlación entre los datos.
2.10.COEFICIENTE DE CORRELACIÓN
2.11.COEFICIENTE DE VARIACIÓN
Sx
C.V .( x ) *100%
X
4
Ing. MAXIMO VILLON BEJAR Pág. 107.
5
Ing. MAXIMO VILLON BEJAR Pág. 105
n 2 m3 n
g Cs
n 1n 2S 3 m3
1
n
∑ x - x i
3
i 1
• Es importante indicar que los tres números son suficientes para tener una idea
de la forma del histograma.
2.13.COEFICIENTE DE KURTOSIS
A modo de ejemplo, se puede decir que un valor está bastante alejado del
centro de los datos si su distancia de él supera dos desviaciones estándar.
2.15.SESGO
6
Ing. MAXIMO VILLON BEJAR Pág. 93
Se tiene como objetivo del Ajuste de una Distribución, Obtener los parámetros: y
2
METODO DE MOMENTOS
N
L f ( x, , , ,....)
i 1
7
Ing. MAXIMO VILLON BEJAR Pág. 94
8
Ing. MAXIMO VILLON BEJAR Pág. 41
9
Ing. MAXIMO VILLON BEJAR Pág. 169.
Esta distribución es muy usada para el cálculo de valores extremos por ejemplo
Qmax, Qmínimos, Pmax, Pmínima (excelentes resultados en Antioquia).
Tiene la ventaja que X>0 y que la transformación Log tiende a reducir la
asimetría positiva ya que al sacar logaritmos se reducen en mayor proporción
los datos mayores que los menores.
y = ln x
10
Ing. MAXIMO VILLON BEJAR Pág. 170.
11
Ing. MAXIMO VILLON BEJAR Pág. 179
Donde,
y: media de los logaritmos de la población (parámetro escalar), estimado
Ln(XTr) = xTr+KSy
de donde,
12
Ing. MAXIMO VILLON BEJAR Pág. 181
En el campo transformado.
13
Ing. MAXIMO VILLON BEJAR Pág. 210.
Xt t(1-) Se
Donde,
x0 x para 0
x x0 para 0
14
Ing. MAXIMO VILLON BEJAR Pág. 226.
Xt t(1-) Se
Intervalos de confianza
Xt t(1-) Se
15
Ing. MAXIMO VILLON BEJAR Pág. 208.
Donde,
y0 y para 0
y y0 para 0
Xt t(1-) Se
4 AJUSTE DE DISTRIBUCIONES
Para ajustar distribuciones de tres parámetros (Log Normal III, Log Pearson)
se requiere estimar el coeficiente de asimetría de la distribución; para ello es
necesario disponer de una serie con longitud de registros larga, mayor de 50
años, (Kite, 1988). Las distribuciones de dos parámetros son usualmente
preferidas cuando se dispone de pocos datos, porque reducen la varianza de la
muestra, (Ashkar, et al. 1994).
Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cuál
es la distribución que mejor se ajusta a los caudales máximos y recomiendan
seleccionar el mejor ajuste a criterio del modelador con la prueba de ajuste
gráfico o basado en el comportamiento de las pruebas estadísticas de bondad
del ajuste (por ejemplo, Chi Cuadrado, Smirnov-Kolmogorov, Cramer-Von
Mises) en las que se calcula un estimador y se compara con un valor tabulado
para determinar si el ajuste es adecuado o no. En la prueba de ajuste gráfica se
dibujan los valores registrados en la serie contra la distribución teórica de
probabilidades y de manera visual (subjetiva) se determina si el ajuste es
adecuado o no.
Ajuste gráfico
Ajuste Estadístico
Ji-Cuadrado
Sirnov-Kolmogorov.
Se fija el nivel de probabilidad, valores de 0.05 y 0.01 son los más usuales.
Donde
k
i ei
2
2
c ......................(1)
i 1 ei
17
Ing. MAXIMO VILLON BEJAR Pág. 151.
18
Ing. MAXIMO VILLON BEJAR Pág. 151.
Dónde:
k k
e
i 1
i
i 1
i N
Para lo cual:
c2 Valor calculado de Ji-Cuadrado
2
k
N i NPi 2
c ..........................(2)
i 1 NPi
Dónde:
Ni: Número de observaciones que caen dentro de los límites de clases ajustadas
del intervalo i
N: Tamaño muestral
Pi: Probabilidad igual para todos los intervalos de clases.
1
Pi ó ei Pi N
k
Simplificando la ecuación (2) se obtiene la fórmula computacional desarrollada
por Markovic.
K
K
c2
N
Ni 1
i
2
N ......................(3)
IV. MATERIALES
Estación LLanganuco
Estación Rio Colcas
Uso de computadora
Software’s Como: Excel, Word.
Calculadora HP
V. METODOLOGÍA
PROCEDIMIENTO A SEGUIR
Tendencia central
n
X n
i 1
i i
Media aritmética: X
n
n
2 Fm 1
Mediana: X m Lm Am
fm
1
Moda M o L i Ai
1 2
Medidas de dispersión
n
Xi X
i 1
Desviación DM
n
Xi X
n
2
i 1
Varianza V( X )
`n
Desviación estándar Sx Vx
SX
C.V( X ) * 100%
Coeficiente de variación X
Medidas de asimetría
Coeficiente de Asimetría
n 2 m3 n
g Cs
n 1n 2S 3 m3
1
n
∑ x - x i
3
i 1
n
n3 M 4
CK x x 4
Con los datos de cada una de las estaciones elegidas (promedios anuales) se hace
un proceso estadístico para determinar, las medidas de distribución tales como la
media aritmética, la mediana, la moda, la desviación estándar y varianza.
1. GRAFICAS.
Histograma de Frecuencias
Polígono de Frecuencia
DISTRIBUCIÓN DE FRECUENCIAS
R = Ls – Li
R = 3.96 – 2.22
R = 1.74
Regla de Sturges:
m = 1 + 1.33 ln(n)
Donde: n = 44
m = 6.03297 6
R
C
m 1
1.74
C
6 1
C = 0.348
L1 = 2.22-0.348/2 =2.046
Xi ni Xi*ni Xi X X i X ni X i X 2 X i X 2 * ni X i X 3 * ni X i X 4 * ni
n n
Media Aritmética: n
Xini
X i 1
n
132.13
X
44
X 2.98 m3/Seg
La Mediana:
n
N i 1
M e Yi 1 Ci 2
ni
Me = 3.02 m3/Seg
Moda:
i
M o Y 'i 1 Ci
1 2
12 10
M o 2.742 0.348
(12 10 ) (12 12 )
Mo = 3.09 m3/Seg
B. MEDIDAS DE DISPERSIÓN.
Desviación Media:
n
XI 1
i X
D.M .
n
D.M. = 0.387
Varianza:
X X ni
n
2
i
V( x ) i 1
n
V(x) = 0,181
Desviación Standar:
Sx = V (x)
Sx = 1.10
Sx = 0,425
Coeficiente de Variación:
Sx
C.V .( x ) *100%
X
0.425
C.V .( x) *100 %
3.00
C. MEDIDAS ASIMETRÍA.
Coeficiente de Asimetría:
X
N
n 2 M 3
3
i X ni
M .3 I 1 Cs
n n 1n 2S 3
C.A. (x) = 0.129
D. MEDIDAS DE APUNTAMIENTO.
X
n
i X ni
i 1
M4
Sx4
n3 M 4
Ck
n 1n 2n 3S 4
Ck = 2,560
7. GRAFICAS.
Histograma de Frecuencias
Polígono de Frecuencia
Histograma
Estación LLanganuco
0.30
0.25
0.20
Frecuencia Relativa
0.15
0.10
0.05
0.00
2.046 2.394 2.742 3.090 3.438 3.786
Intervalo de Clase
Polígono de frecuencia:
Polígono de Frecuencia
Estacion LLanganuco
0.30
0.25
Frecuencia Relativa
0.20
0.15
0.10
0.05
0.00
1.87 2.22 2.57 2.92 3.26 3.61 3.96 4.31
Marca de Clase
1
Frecuencia Relativa Acumulada (Hi)
97.7% 100%
0.8 84.1%
0.6 56.8%
0.4
29.5%
0.2
6.8%
0,
0
2.05 2.39 2.74 3.09 3.44 3.79 4.13
Intervalo de Clase ([Yi-1'-Yi'>)
12.00
10.00
Frecuencia Relativa
8.00
6.00
4.00
2.00
0.00
1.87 2.22 2.57 2.92 3.26 3.61 3.96 4.13
Marca de Clase
40
84.1%
35
30
56.8%
25
20
15
29.5%
10
5
6.8%
0,
0
2.05 2.39 2.74 3.09 3.44 3.79 4.13
Intervalo de Clase ([Yi-1'-Yi'>)
93.2%
40
35
70.5%
30
25
20 43.2%
15
10
15.9%
5
2.3%
0,
0
2.05 2.39 2.74 3.09 3.44 3.79 4.13
Intervalo de Clase ([Yi-1'-Yi'>)
1.0
F(x)
0.8
Frecuenci
fi
0.6 a relativa
Funcion
0.4 densidad
0.2
0.0
1 2 2 3 3 4 4 5
Marca de clase
DISTRIBUCIÓN DE FRECUENCIAS
R = Ls – Li
R = 7.80 – 3.25
R = 4.55
Regla de Sturges:
m = 1 + 1.33 ln(n)
Dónde: n = 44
m = 6.03297 6
R
C
m 1
4.55
C
6 1
C = 0.910
L1 = Xmin - ( C/2)
L1 = 3.25-0.91/2 =2.793
Xi ni Xi*ni Xi X X i X ni X i X 2 X i X 2 * ni X i X 3 * ni X i X 4 * ni
n n
Media Aritmética: n
Xini
X i 1
n
249.21
X
44
X 5.67 m3/Seg
La Mediana:
n
N i 1
M e Yi 1 Ci 2
ni
Me = 5.77 m3/Seg
Moda:
i
M o Y 'i 1 Ci
1 2
12 3
M o 4.61 0.91
(12 3) (12 14 )
Mo = 5.45 m3/Seg
B. MEDIDAS DE DISPERSIÓN.
Desviación Media:
n
XI 1
i X
D.M .
n
D.M. = 1.27
Varianza:
X X ni
n
2
i
V( x ) i 1
n
V(x) = 1.65
Desviación Standar:
Sx = V (x)
Sx = 1.65
Sx = 1.29
Coeficiente de Variación:
Sx
C.V .( x ) *100%
X
1.29
C.V .( x) *100 %
5.67
C. MEDIDAS ASIMETRÍA.
Coeficiente de Asimetría:
X
N
n 2 M 3
3
i X ni
M .3 I 1 Cs
n n 1n 2S 3
C.A. (x) = -0.132
D. MEDIDAS DE APUNTAMIENTO.
X
n
i X ni
i 1
M4
Sx4
n3 M 4
Ck
n 1n 2n 3S 4
Ck = 2,108
14. GRAFICAS.
Histograma de Frecuencias
Polígono de Frecuencia
Histograma
Estación Colcas
0.40
0.35
0.30
0.25
Frecuencia
0.20
0.15
0.10
0.05
0.00
2.79 3.70 4.61 5.52 6.43 7.34
Intervalo de Clase
Polígono de frecuencia:
Polígono de Frecuencia
Estación Colcas
0.40
0.35
0.30
0.25
Frecuencia
0.20
0.15
0.10
0.05
0.00
2.34 3.25 4.16 5.07 5.98 6.89 7.80 8.71
Marca de Clase
100%
1
95%
0.8
77%
0.6
45%
0.4
0.2
11%
5%
0%
0
2.79 3.70 4.61 5.52 6.43 7.34 8.25
Intervalo de Clase ([Yi-1'-Yi'>)
45 100%
97%
40 93%
35
30
25 69%
20
15
34%
10
5 14%
0%
0
2.79 3.70 4.61 5.52 6.43 7.34 8.25
Intervalo de Clase ([Yi-1'-Yi'>)
0.4
0.4
F(x)
0.3
Frecuenci
fi
0.3
a relativa
0.2 Funcion
densidad
0.2
0.1
0.1
0.0
1 3 5 7 9 11
Marca de clase
PROM.= 2,98
DESV= 0,39
VAR.= 0,15
ASIM.= 0,12
1.25
1.05
0.85
f(x)
Normal
0.65
Gumbel
0.45
FDE
0.25
0.05
2.00 2.50 3.00 3.50 4.00 4.50
x
o i ei 2
m PX x̂ Z X ajust. Oi ei
ei
1 0,167 -0,967 2,607 9 7,33 0,379
2 0,333 -0,431 2,815 7 7,33 0,015
3 0,500 0,000 2,982 5 7,33 0,742
4 0,667 0,431 3,149 9 7,33 0,379
5 0,833 0,967 3,356 7 7,33 0,015
6 0,999 3,159 4,206 7 7,33 0,015
suma 44 1,545
Por lo tanto, se ajusta a una distribución Normal. Con un nivel de significación de 0,05
Es adecuada para de las descargas medias del río LLanganuco
X eY
e W
F (x) e
W ln( ln(FX ))
Xajust. *W
X 0 .45 * X
0 . 78 * X
MEDIA 2,982
DESV. 0,388
0,302
2,807
o i e i 2
m PX x̂ W X ajust. Oi ei ei
1 0,17 -0,583 2,631 9 7,33 0,379
2 0,33 -0,094 2,779 7 7,33 0,015
3 0,50 0,367 2,918 3 7,33 2,561
4 0,67 0,903 3,080 6 7,33 0,242
5 0,83 1,702 3,322 11 7,33 1,833
6 0,999 6,907 4,895 8 7,33 0,061
suma 44 5,091
ALFA= 0,05
X tabular 7,81 PROB.= 0,95
X tabular > X calculado
X calculado 5,091
Por lo tanto se ajusta a una distribución Gumbel. Con un nivel de significación de 0,05
Distribución Gumbel
1.400
1.200
1.000
0.800 Gumbel
f(x)
E D Empir.
0.600
0.400
0.200
-
2 2.5 3 3.5 4 4.5
x
MÉTODOS ESTADISTICOS:
X
PROM.= 5,65
DESV= 1,02
VAR.= 1,04
ASIM.= -0,31
0.24 Normal
0.19 Gumbel
0.14 EDE
0.09
0.04
2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00
x
o i ei 2
M PX x̂ Z X ajust. Oi ei ei
1 0,167 -0,967 4,664 6 7,33 0,242
2 0,333 -0,431 5,211 6 7,33 0,242
3 0,500 0,000 5,650 9 7,33 0,379
4 0,667 0,431 6,090 8 7,33 0,061
5 0,833 0,967 6,636 8 7,33 0,061
6 0,999 3,159 8,872 7 7,33 0,015
suma 44 1,000
X tabular 7,815
X tabular > X calculado
X calculado 1,000
Por lo tanto, se ajusta a una distribución Normal. Con un nivel de significación de 0,05
X eY
e W
F (x) e
W ln( ln(FX ))
Xajust. *W
X 0 .45 * X
0 . 78 * X
MEDIA= 5,65
DESV.= 1,0199
0,795
5,191
PX x̂ o i e i 2
M W X ajust. Oi ei ei
1 0,167 -0,583 4,727 8 7,33 0,061
2 0,333 -0,094 5,116 3 7,33 2,561
3 0,500 0,367 5,483 8 7,33 0,061
4 0,667 0,903 5,909 7 7,33 0,015
5 0,833 1,702 6,545 10 7,33 0,970
6 0,999 6,907 10,686 8 7,33 0,061
suma 44 3,727
ALFA= 0,05
X tabular 7,8147 PROB.= 0,95
X tabular > X calculado
X calculado 3,727
Por lo tanto se ajusta a una distribución Gumbel. Con un nivel de significación de 0,05
Distribución Gumbel
0.45
0.40
0.35
0.30
0.25
f(x)
0.20 Gumbel
0.15 F D Empir.
0.10
0.05
-
2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00
x
Hallamos Z= (Q-Qprom.)/SQ
Z= (3.15-2.98)/0.388 =0.4381
B = 0.33
𝟏 𝟏
𝑻= =
𝑷 (𝑸 ≥ 𝒒) 𝟏 − 𝑷(𝑸 ≤ 𝒒)
𝑻−𝟏
𝑷(𝑸 ≤ 𝒒) =
𝑻
𝑻 − 𝟏 𝟓𝟎 − 𝟏
𝑷(𝒁 ≤ 𝒛) = = = 𝟎. 𝟗𝟖
𝑻 𝟓𝟎
Para un B = 0.98 como es mayor que 0 se calcula para un valor de 1-B = 1-0.98
= 0.02
𝑄−𝑄𝑝𝑟𝑜𝑚. 𝑄−2.98
Para este valor Z es igual a 2.06 = = por lo que el valor
𝑆𝑄 0.388
de Q es de 3.7793 mm/seg.
Hallamos Z= (Q-Qprom.)/SQ
Z= (6.25-5.65)/1.02 =0.588
B = 0.278
𝟏 𝟏
𝑻= =
𝑷 (𝑸 ≥ 𝒒) 𝟏 − 𝑷(𝑸 ≤ 𝒒)
𝑻−𝟏
𝑷(𝑸 ≤ 𝒒) =
𝑻
𝑻 − 𝟏 𝟓𝟎 − 𝟏
𝑷(𝒁 ≤ 𝒛) = = = 𝟎. 𝟗𝟖
𝑻 𝟓𝟎
Para un B = 0.98 como es mayor que 0 se calcula para un valor de 1-B = 1-0.98
= 0.02
𝑄−𝑄𝑝𝑟𝑜𝑚. 𝑄−5.65
Para este valor Z es igual a 2.06 = = por lo que el valor
𝑆𝑄 1.02
de Q es de 7.7512 mm/seg.
Hallamos W= (X -β)/α
𝛽 = 𝑋 − 0.45 𝑆
𝛼 = 0.78𝑆
β = 2.98 – 0.45*0.388
β = 2.81
α = 3.026
ω = (3.15 – 2.81)/3.026
𝟏 𝟏
𝑻= =
𝑷 (𝑸 ≥ 𝒒) 𝟏 − 𝑷(𝑸 ≤ 𝒒)
𝑻−𝟏
𝑷(𝑸 ≤ 𝒒) =
𝑻
𝑻 − 𝟏 𝟓𝟎 − 𝟏
𝑷(𝒁 ≤ 𝒛) = = = 𝟎. 𝟗𝟖
𝑻 𝟓𝟎
𝑄−𝛽
𝑌= = 3.902
𝛼
𝑚𝑚
𝑄 = 𝛽 + 3.9019 ∗ 𝛼 = 2.81 + 3.9019 ∗ 3.026 = 14.62
𝑠𝑒𝑔.
Hallamos W= (X -β)/α
𝛽 = 𝑋 − 0.45 𝑆
𝛼 = 0.78𝑆
β = 5.65 – 0.45*1.02
β = 5.191
α = 0.7956
ω = (6.25 – 5.191)/0.7956
𝟏 𝟏
𝑻= =
𝑷 (𝑸 ≥ 𝒒) 𝟏 − 𝑷(𝑸 ≤ 𝒒)
𝑻−𝟏
𝑷(𝑸 ≤ 𝒒) =
𝑻
𝑻 − 𝟏 𝟓𝟎 − 𝟏
𝑷(𝒁 ≤ 𝒛) = = = 𝟎. 𝟗𝟖
𝑻 𝟓𝟎
𝑄−𝛽
𝑌= = 3.902
𝛼
𝑚𝑚
𝑄 = 𝛽 + 3.9019 ∗ 𝛼 = 5.191 + 3.9019 ∗ 0.7956 = 8.29
𝑠𝑒𝑔.
Ẋ = 3,00
Me = 3,02
Mo = 3,09
D.M. = 0,352
V(x) = 0,181
D.S. (x) = 0,425
C.V.(x) = 14,17
Cs = 0,129
K = 2,560
Media Aritmética:
X 2.98 m3/Seg
La Mediana:
Me = 3.01 m3/Seg
Moda:
Mo = 3.07 m3/Seg
B. MEDIDAS DE DISPERSIÓN.
Desviación Media:
D.M. = 0.315
Varianza:
V(x) = 0.15
Desviación Standar:
Sx =0.388
Coeficiente de Variación:
C.V.(x) = 14.15
C. MEDIDAS ASIMETRÍA.
Coeficiente de Asimetría:
D. MEDIDAS DE APUNTAMIENTO.
K = 2.52
Como se observa estos datos tienes un cierto sesgo hacia la derecha puesto que la
media y la mediana son menores que la moda.
MEDIDA DE ASIMETRIA:
El sesgo del polígono de frecuencias se aprecia trazando una vertical por la moda
donde se diferencia la cola del polígono de frecuencias.
MEDIDA DE APUNTAMIENTO:
X tabular 7,815
Xcalculado 1,545
X tabular 7,81
Xcalculado 5,091
Ẋ = 5,67
Me = 5,77
Mo = 5,45
D.M. = 1,27
V(x) = 1,65
D.S. (x) = 1,29
C.V.(x) = 22,69
Cs = -0,132
K = 2,108
Media Aritmética:
X 5.65 m3/Seg
La Mediana:
Me = 5.67 m3/Seg
Moda:
Mo = 5.40 m3/Seg
F. MEDIDAS DE DISPERSIÓN.
Desviación Media:
D.M. = 1.24
Varianza:
V(x) = 1.63
Desviación Standar:
Sx = 1.34
Coeficiente de Variación:
C.V.(x) = 21.46
G. MEDIDAS ASIMETRÍA.
Coeficiente de Asimetría:
H. MEDIDAS DE APUNTAMIENTO.
K = 2.09
Como se observa estos datos tienes un cierto sesgo hacia la izquierda puesto que
la media y la mediana son menores que la moda.
MEDIDA DE ASIMETRIA:
MEDIDA DE APUNTAMIENTO:
X tabular 7,815
X calculado 1,00
X 7,81
tabular
X
calculado 3,727
X tabular 7,815
X calculado 1,545
X tabular 7,81
X calculado 5,091
4. Los datos de los caudales medios de la estación Rio Colcas se ajusta a una
distribución normal ya que:
X tabular 7,815
X calculado 1,545
X tabular 7,81
X calculado 5,091
8. Pudimos observar que, las distribución normal para su análisis toma valores ó
parámetros como la media y la desviación estándar dé los datos los cuales nos
dan una idea dé como está la muestra.
RECOMENDACIONES:
IX. BIBLIOGRAFÍA.
ANEXO
ESTACION LLANGANUCO
Histograma
Estación LLanganuco
0.30
0.25
Frecuencia Relativa
0.20
0.15
0.10
0.05
0.00
2.046 2.394 2.742 3.090 3.438 3.786
Intervalo de Clase
Polígono de Frecuencia
Estacion LLanganuco
0.30
0.25
0.20
Frecuencia Relativa
0.15
0.10
0.05
0.00
1.87 2.22 2.57 2.92 3.26 3.61 3.96 4.31
Marca de Clase
97.7% 100%
0.8 84.1%
0.6 56.8%
0.4
29.5%
0.2
6.8%
0,
0
2.05 2.39 2.74 3.09 3.44 3.79 4.13
Intervalo de Clase ([Yi-1'-Yi'>)
12.00
10.00
Frecuencia Relativa
8.00
6.00
4.00
2.00
0.00
1.87 2.22 2.57 2.92 3.26 3.61 3.96 4.13
Marca de Clase
40
84.1%
35
30
56.8%
25
20
15
29.5%
10
5
6.8%
0,
0
2.05 2.39 2.74 3.09 3.44 3.79 4.13
Intervalo de Clase ([Yi-1'-Yi'>)
1.0
F(x)
0.8
Frecuenci
fi
0.6 a relativa
Funcion
0.4 densidad
0.2
0.0
1 2 2 3 3 4 4 5
Marca de clase
0.4
0.3
0.2
0.1
0
1.50 2.00 2.50 3.00 3.50 4.00 4.50
Marca de Clase
0.8
0.6
Fi
0.4
0.2
0
1.50 2.00 2.50 3.00 3.50 4.00 4.50
Marca de Clase
Normal
0.65
Gumbel
0.45
FDE
0.25
0.05
2.00 2.50 3.00 3.50 4.00 4.50
x
Distribución Gumbel
1.400
1.200
1.000
0.800 Gumbel
f(x)
0.600
0.400
0.200
-
2 2.5 3 3.5 4 4.5
x
ESTACION COLCAS
Histograma
Estación Colcas
0.40
0.35
0.30
0.25
Frecuencia
0.20
0.15
0.10
0.05
0.00
2.79 3.70 4.61 5.52 6.43 7.34
Intervalo de Clase
Polígono de Frecuencia
0.40
Estación Colcas
0.35
0.30
0.25
Frecuencia
0.20
0.15
0.10
0.05
0.00
2.34 3.25 4.16 5.07 5.98 6.89 7.80 8.71
Marca de Clase
0.4
0.4
F(x)
0.3
fi
0.3
Frecuenc
0.2 ia
relativa
0.2
0.1
0.1
0.0
1 3 5 7 9 11
Marca de clase
0.6
0.5
0.4
fi
0.3
0.2
0.1
0
1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00
Marca de Clase
0.8
Fi
0.6
0.4
0.2
0
1.50 2.00 2.50 3.00 3.50 4.00 4.50
Marca de Clase
0.24 Gumbel
0.19 EDE
0.14
0.09
0.04
2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00
x
Distribución Gumbel
0.45
0.40
0.35
0.30
Gumbel
0.25
F D Empir.
f(x)
0.20
0.15
0.10
0.05
-
2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00
x