Documente Academic
Documente Profesional
Documente Cultură
Hidrología Estadística y
Probabilística
Ing. Walter
Walter La Madrid, M.Sc.
wwlamadrid@yahoo.es
La planeación y el diseño de obras hidráulicas están relacionados con
eventos hidrológicos futuros, cuyo tiempo de ocurrencia o magnitud no
pueden predecirse, ya que no están gobernados por leyes físicas o
químicas conocida, sino por las leyes de azar.
azar.
N (μ,σ)
68%
95%
99%
Por ejemplo, para n=4, n/N=4/21*100=19 %. Quiere decir que el 19% de los datos
es igual o menor que 896 mm.
En el gráfico podríamos leer directamente la probabilidad de que la
precipitación sea <1300 mm, o, a la inversa, qué valor de
precipitación no se supera el 30% de los años.
DISTRIBUCIONES SIMÉTRICAS Y ASIMÉTRICAS
)
x
(
f
r
f
xi
xi
F (x )
x -
Z =
• = NORMALIZACION ( x; media; desv_estándar)
• Z se la conoce como variable aleatoria estandarizada.
• Esta función se caracteriza por tener media igual a cero y desviación
tipificada igual a uno : N(0,1)
• Representa a todas las distribuciones Normales. Igual densidad de
probabilidad, si medimos desviaciones de media en base a .
• Valores obtenidos de tabla Normal válidos para todas las distribuciones
Normal de media = y varianza =2.
Muchas variables naturales se ajustan a la distribución simétrica
estudiada por Gauss, pero no todas. En ocasiones no hay la misma
proporción de pequeños que de grandes, eso dará lugar a una
distribución asimétrica.
Por ejemplo, si representáramos los
ingresos de la población de una
ciudad, seguro que la campana no
sería simétrica: la riqueza se
distribuye con menor equidad que la
estatura, y mientras que la
proporción de altos y bajos es similar,
no así la de ricos y pobres (hay pocos
ricos y muchos pobres). Quizá la
campana correspondiente tendría
una forma similar a la figura 5.
Vamos a denominar a la última expresión obtenida arriba el riesgo de falla (R), es decir: la
probabilidad de que sí se produzca alguna vez un suceso de periodo de retorno T a lo
largo de un periodo de n años:
Ejemplo: Se va a construir un canal cuya vida útil es de 75 años.
Si el caudal supera el valor correspondiente al periodo de retorno
de 100 años, se desbordará. Calcular la probabilidad de que se
produzca un desbordamiento en alguno de los próximos 75
años
Subestima!
DISTRIBUCIÓN DE GUMBEL
= - Ln(-Ln(1 – 1/TR))
X=Q
DISTRIBUCIÓN DE GUMBEL
Distribución Exponencial
Consideraciones:
• Proceso de eventos aleatorios (los parámetros no cambian con el
tiempo).
• No es posible tener mas de un evento en cualquier instante.
• Descripción de un proceso Poisson.
• La v.a. t representa el tiempo entre tormentas.
96
F (96) e
0
t
dt 1 e
t
t
P (t 96) 1 1 e e0.0135*96 0.27
b) Cual es la probabilidad de que el tiempo entre dos tormentas sea
exactamente 12 horas?
Asumiendo Y = loga (X)
1 y - μ y
2
1
f(x) = exp - 2
σ y x 2π 2 σy
Parámetros y Factor de frecuencia
• Media (Parámetro de escala)
• Desviación estandar (Parámetro de forma)
N
log (X )
a i Y log a (X i ) Y 2
N i1
ˆ ˆ
i1
ln X T u1- 2 S T
1/ 2
Y K 2T
ST = = 1 +
N 2
Ejemplo: Distribución Log Normal
La media y desviación estándar de los Q max anuales de la estación del río
Nare son:
μ=94.35 m3/s y σ=22.45 m3/s
μY=4.52 y σY=0.2337
K=2.326
Q Y Tr=100=4.52+2.326*0.237
Q Tr=100=159 m3/s
e
-
f(x) =
• Crecientes máximas anuales
| | ( )
• Caudales mínimos
• Volúmenes de flujo anuales y
estacionales
• Valores de precipitaciones extremas
• Volúmenes de lluvia de corta duración
ˆ
2 3 4 5
2 1 3
2
1
K K T + (K t 1) + (K T 6K T ) (K T 1) + K T
ˆ ˆ ˆ ˆ ˆ
• Estimación de Parámetros:
Parámetros: Método de los momentos
2
2 ˆ
ˆ =
ˆ=
ˆ 2
X̂0 = ˆ
ˆ ˆ
X T u1 2 S T
: Nivel de confianza o nivel de probabilidad
ST: Error estándar
ST =
N
Tabla Factor de frecuencia
Pearson tipo III
Valores de para la Distribución Gamma ó Pearson tipo III
Ejemplo: Distribución Gamma
Hallar el Q TR=100. Si la distribución de los caudales de la estación de Nare es
Gamma.
De tabla: K = 2.32
Intervalos de confianza:
XT u1 2 ST
De tabla δ=4.7, N= 36 datos.
ST
N
ST = 17.6
De tabla 95=1.6
146,4 1.6*17.6
146.4 28.16 m3/s
Distribución Log Pearson Tipo III
• Función de distribución de probabilidad
-1
1 ln(x) - y o ln(x)- y o
-
f x (x) = e
x ()
• Parámetros
y , parámetros de escala y forma
y yo parámetro de localización
• Estimación de Parámetros
Método de los momentos
2
2
y
ˆ
= y ˆ
ŷ 0 y
y
ˆ
ˆ ˆ
2
ˆ ˆ
ˆ
• Factor de Frecuencia
Frecuencia::
Y T = ln X T = y + K y
ˆ ˆ
• Intervalos de Confianza
Confianza:: Que tan cercano puede estar el estimado al
verdadero valor desconocido de la población: Conocer con cierta certeza.
Franja grande: mucha incertidumbre.
X T u1- 2 S T
: Nivel de confianza o nivel de probabilidad
ST: Error estándar
y
ST = ˆ
ln XT 1
ST
/ 2
N
Conclusión
• Distribuciones para variables continuas
– Uniforme
– Normal, Lognormal
– Gamma
– Pearson III, Log-Pearson III
– Dist. Valores Extremos I y II
2 (fo – fe)2
χ = Σ fe
• En donde:
• fo =Frecuencia observada de datos discretos
• fe =Frecuencia esperada de la distribución teórica
• Los grados de libertad se emplea (k-1) y luego se resta un
grado adicional de libertad para cada parámetro de
población que tenga que ser estimado de los datos de la
muestra
Test de Kolmogorov-Smirnov
Es un simple método no paramétrico para probar si hay una diferencia
significativa entre una distribución observada y una distribución teórica de
frecuencia.
Para la aplicación del test señalado, es necesario determinar la frecuencia
observada acumulada.
Para la frecuencia observada en el caso especial de Gumbel, se ordena la
información de menor a mayor y se aplica:
donde:
Fn (x): frecuencia observada acumulada.
n: N° total de orden
N: N° total de datos.
EJEMPLO PRACTICO
Ajuste a Gumbel:
Se desea conocer la ley de distribución de las precipitaciones máximas en 24
horas, de la estación Monte Patria provincia de Limarí. Para ello, se dispone de
los siguientes datos.
R2 = 0,988
Luego se considera que el modelo elegido, explica en un 98,8% las variaciones de las
frecuencias observadas, lo cual es muy bueno.
nivel de significancia a = 0.05
Utilidad Práctica del Ajuste a Gumbel:
Una vez que se ha validado el ajuste a la función de Gumbel, resta definir la utilidad
que esto puede determinar. En este marco, si de la ecuación,
Luego, se puede deducir del cuadro anterior, que existe un 1% de
probabilidad, de que sean superados los 118.44 mm. en 24 horas de
precipitación, y lo cual corresponde a un evento centenario; en otras
palabras, existe un 99% de probabilidades de que el año 1985, la
precipitación en 24 horas sea menor o igual a 118.44 mm. Similar análisis,
puede realizarse para todos los períodos de retorno involucrados.