Métodos de Análisis en Recursos Hídricos

Universidad Nacional Agraria

LA MOLINA

Análisis de Datos Hidrológicos

Programa de Maestría
en Recursos Hídricos
Jesús Abel Mejía Marcacuzco, Ph.D.
jabel@lamolina.edu.pe
Introducción
Una red hidrométeorológica es un conjunto de instrumentos o
estaciones de medición de una o más variables hidrológicas,
distribuido en una cuenca con el objeto de cuantificarlos
adecuadamente y observar sus variaciones temporales y
espaciales. Normalmente, las estaciones de medición son
operados por un observador, encargada de mantener los
instrumentos en correcto estado de funcionamiento y de
efectuar las lecturas necesarias, haciendo las anotaciones
respectivas.
La diversidad de características topográficas, uso del suelo,
acceso, infraestructura y problemas hídricos, hace
impracticable establecer normas estándares para el proyecto
de redes hidrometeorológicas. El objetivo final es siempre la
implantación de una red óptima o una red de densidad mínima
aceptable que evite incurrir en serios errores o deficiencias en
la gestión de los recursos hídricos.
Redes Óptimas
Las estaciones principales, estaciones base o permanentes, son aquellas
que suministran los fundamentos, para estudios estadísticos, y por eso
deben operar continuamente y por tiempo indefinido. Se estima que para
obtener valores medios confiables de caudal en regiones húmedas, son
necesarias series de datos de 30 a 40 años y, en áreas con variabilidad
acentuada de la precipitación de 70 a 80 años.
La Organización Meteorológica Mundial aconseja las densidades mínimas
para redes pluviométricas e hidrométricas, siguientes:
Densidades Mínimas para Redes Pluviométricas
Tipo de Región Área en km2 por estación
Regiones planas en zonas templadas y tropicales 600 – 900
Regiones montañosas en zonas templadas y tropicales 100 – 250
Islas montañosas con precipitaciones irregulares y red de drenaje densa 25
Regiones áridas y polares 1500 – 1000

Densidades Mínimas para Redes Hidrométricas

Tipo de Región Área en km2 por estación
Regiones planas en zonas templadas y tropicales 1000 – 2500
Regiones montañosas en zonas templadas y tropicales 300 – 1000
Islas montañosas con precipitaciones irregulares y red de drenaje densa 140 – 300
Regiones áridas y polares 5000 – 20000
Adquisición de datos en tiempo real
Una correcta evaluación de los recursos hídricos exige un
elevado número de puntos de muestreos, y una concentración
rápida de la información. La solución de este problema en
cuencas extensas exige la automatización de las redes y su
interés es el control efectivo inmediato de la cuenca, como el
sistema de telemetría que está compuesto de un subsistema
de medición, un subsistema de telecomunicación y un
subsistema de procesamiento.

Medición Cálculo Almacenamiento Análisis Difusión Uso

Esquema de un Sistema Tradicional

Utilización
Fenómeno Subsistema Subsistema de Subsistema Difusión
Físico de Medición Transmisión de Procesamiento
Archivo

Esquema de un Sistema Telemétrico

Uso de satélites en hidrología
De manera simple, se podría decir que los satélites cumplen tres
funciones básicas: ellos pueden “ver”, “oír” y “hablar”. En términos
más técnicos, ellos pueden usar varios tipos de sensores para
vigilar las condiciones de la atmósfera terrestre, pueden recibir los
datos que les son enviados de otros sensores y pueden transmitir
toda esa información a los usuarios en tierra. Se aplica con mucha
frecuencia el término de sensores remotos para referirse a esas
técnicas.

Tipos de Satélites
Operativos
Disponibles

Se clasifican en dos
grupos según sus
órbitas: polares y
geoestacionarios.
Los satélites de órbita polar recorren la órbita en
aproximadamente en 105 minutos y cada vez cruzan el
ecuador en 25° de longitud más al oeste que en la órbita
precedente, a una altitud que varía entre 800 y 900 km.
De esta forma, una parte determinada de la superficie
terrestre puede ser monitoreada no menos de dos
veces cada 24 horas. Su fuente de energía son celdas
solares, y requieren de baterías para funcionar en los
períodos de 1/3 de órbita en que el satélite entra en la
sombra de la tierra y también grabadoras para
almacenar información.

Los satélites de órbita polar pertenecen a las series TIROS-N (USA) o

METEOR (Rusia). Los satélites TIROS se lanzan en grupos de 2, con
órbitas con ángulo recto, sincrónicas con el sur, esto es, cruzan el ecuador a
la misma hora en cada órbita, para que la iluminación en cada foto sea la
misma. Su vida útil es de dos años y están dotados de 4 conjuntos de
instrumentos básicos: uno proporciona imágenes visuales en infrarrojo de la
capa de nubes de la superficie terrestre; otro efectúa sondajes atmosféricos;
otro vigila la actividad solar y el cuarto concentra datos y localiza
plataformas de colecta de datos o estaciones telemétricas.
Los satélites geoestacionarios completan
una órbita en exactamente 24 horas,
girando a la misma velocidad de rotación
de la tierra, para lo cual es necesaria una
altitud de cerca de 36000 km. Por su
altura reciben la luz del sol durante el 99%
del tiempo en cada órbita, razón por la
cual no requieren baterías a bordo.
Proporcionan imágenes tanto visuales como en infrarrojo con intervalos de 30
minutos, que pueden ser reducidos a 3 minutos, disminuyendo el campo de
visión. Pueden efectuar sondajes de temperatura y humedad en la atmósfera.
Poseen también sensores para medir la actividad solar y el campo magnético
terrestre. Los señales, transmitidos en forma digital, permiten generar
imágenes con hasta 1024 tonalidades de color (comparadas con las 16 que el
ojo humano puede distinguir), razón por la cual la reconstrucción de las
imágenes requiere la interpretación por computador.

Muchos otros tipos de satélites científicos son usados como el NIMBUS para
la investigación atmosférica y previsión del tiempo, el LANDSAT, para la
investigación de recursos Naturales y el SEASAT para estudiar la
conformación de la superficie de los océanos, olas y vientos superficiales.
Algunos satélites meteorológicos
Evaluación de la Precipitación
Normalmente, las imágenes en rango visual y no infrarrojo
proporcionan información substancial sobre las nubes, pero no
indican directamente las zonas de precipitación. Se usan dos
criterios, uno para una evaluación de rutina y otro cuando se
trata de situaciones extremas, como es el caso de
precipitaciones extremas causadas por el fenómeno del niño.

En el primer caso se correlacionan datos de nubes (tipo y

cantidad), con las mediciones efectuadas en los pluviómetros,
en general para periodos de 12 horas; establecida la
correlación, constituye una herramienta de predicción. En el
segundo caso se analiza la relación entre el brillo de las
imágenes y la precipitación. Uno de los métodos se basa en la
determinación de las temperaturas del tope de las nubes, a
partir de las imágenes infrarrojo, según el principio de que
cuanto más alto es el tope de las nubes (más frío) y más
intensas serán las precipitaciones.
Análisis de información hidrológica
Los datos hidrológicos en general, están constituidos por una larga
secuencia de observaciones de alguna fase del ciclo hidrológico obtenidas
para un determinado lugar. No obstante que un registro largo sea lo
deseable, se debe reconocer que cuanto más largo es el período de
registro, mayor será la posibilidad de error. Una serie generada en esas
condiciones, si los errores o cambios fueran apreciables, es inconsistente,
o carece de homogeneidad. (Searcy y Hardison, 1963).

Detección de Errores
La inconsistencia y homogeneidad de registros hidrológicos, representa
uno de los aspectos más importantes del estudio en la hidrología
contemporánea. Los medios ambientes hidrológicos son afectados
grandemente por factores hechos por el hombre tales como construcción
de estructuras hidráulicas (presas, bocatomas, etc.), obras de drenaje,
entre otros o por cambios inesperados naturales y procesos lentos tales
como incendios, derrumbamientos, tala progresiva de árboles, etc., las que
producen inconsistencia en la toma de la información. Así se tiene que
series de usos de agua urbana presentan saltos y tendencias creadas por
el incremento o decremento de la población.
Inconsistencia es sinónimo de error sistemático y se presenta como saltos
y tendencias, y no homogeneidad es definido como los cambios de los
datos vírgenes con el tiempo debido a la acción del hombre o causas
naturales como: a) Movimiento de las estaciones en una distancia
horizontal, b) movimiento en una distancia vertical, c) cambios en el medio
ambiente de una estación.
El tratamiento a datos hidrológicos se refiere a la identificación,
cuantificación y corrección de estas series donde existen errores
sistemáticos.
Análisis de Consistencia de Datos
Para verificar ese tipo de inconsistencia, se usa el método de
la curva de doble masa, basado en el hecho de que un
gráfico de una cantidad acumulada contra otra cantidad
acumulada durante el mismo período, debe ser una línea recta
siempre que las cantidades sean proporcionales. Una
alteración en la pendiente de la recta, indicará que la
proporcionalidad no es constante en todos los niveles de
acumulación.
Análisis de saltos
Los saltos son formas determinísticas transitorias que permiten a una serie
hidrológica periódica o no periódica pasar desde un estado a otro, como
respuesta a cambios hechos por el hombre debido al continuo desarrollo de
los recursos hídricos en la cuenca o a cambios naturales continuos que
pueden ocurrir. Los saltos se presentan principalmente en los parámetros,
media y desviación estándar.
Procedimiento de Análisis
Debido a la complejidad del análisis para detectar los cambios en datos
hidrológicos, se recomienda al siguiente procedimiento:
 Identificación
 Evaluación y/o cuantificación
 Corrección y/o eliminación
Identificación del Salto
La identificación del salto tiene por objeto detectar la presencia del mismo y
evaluar las causas que pueden haber ocasionado sea esta por la
intervención del hombre o por fenómenos naturales. El procedimiento de
identificación del salto es la siguiente:
a) Información de Campo
Permite conocer el estado real de las condiciones de operación y
mantenimiento de las estaciones hidrológicas, cambio de operarios,
traslado de estaciones, regulación de los ríos, derivaciones construidos,
estado de explotación de la cuenca; básicamente va a permitir formularse
una primera idea de los posibles cambios que están afectando a la
información disponible y también conocer el tiempo durante el cual ha
ocurrido dichos cambios.
b) Análisis de las Series Hidrológicas
Consiste en analizar visualmente la distribución temporal de toda la
información disponible, combinando con los criterios obtenidos del campo,
para detectar la regularidad o irregularidad de los mismos. Una serie
hidrológica es el gráfico de una variable hidrológica (precipitación,
descargas, etc.), con respecto al tiempo cronológico.
Cuando se dispone de una sola serie, éste puede dividirse en varios
períodos y compatibilizar con la información de campo obtenida. Si se
cuenta con varias estaciones se comparan sus series respectivos y se
observa cual período, varía notablemente con respecto a los demás. Se
debe mantener en lo posible el período más largo y más reciente como el
más confiable, salvo la decisión técnica de acuerdo a la experiencia.
c) Análisis de Doble Masa
El análisis de doble masa denominado también de “dobles
acumulaciones”, es una herramienta muy conocida y utilizada en la
detección de inconsistencias de datos hidrológicos múltiples, cuando se
dispone de 2 o más series de datos, en lo que respecta a errores que
pueden haberse producido durante la obtención de los mismos.
 Realizar el análisis de doble masa entre los datos de la misma causa o
del mismo efecto, por decir precipitación versus precipitación o
descargas versus descargas, registradas en estaciones vecinas o en su
defecto en cuencas de similar comportamiento hidrológico.
 Si se presenta el mismo quiebre en todas los gráficos de doble masa,
significa que la causa que ocasiona el salto es un fenómeno natural,
para lo cual se debe completar dicho análisis con información de
cuencas vecinas.
 Realizar el análisis de doble masa entre variables de causa y efecto
(precipitación versus descarga) siempre en cuando que el caudal
registrado en una estación dependa de las precipitaciones que ocurren
en la parte alta.
Evaluación del Salto

Se realiza mediante un análisis estadístico, o sea mediante un proceso de

inferencia para las medias y desviación estándar, de ambos períodos;
mediante las pruebas T y F respectivamente.
1/ 2
 1 2
X i  X 1  
n


n
1
X 1   Xi S1  
n1 i 1  n1  1 i 1 

1/ 2
 1 2
n
1
 Xi X i  X 2  
n
X2  S2   
n2 i 1  n2  1 i 1 

Xi = información de análisis

X1, X 2 = medias del período 1 y 2 respectivamente.

S1 , S 2 = desviación estándar del período 1 y 2 respectivamente.

n1 , n 2 = tamaño del período 1 y 2 respectivamente; n = n1 + n2

a) Consistencia en la Media (Prueba de medias)

Hp: 1   2 (media poblacional) Ha: 1   2   0.05

Cálculo de las desviaciones estándar de promedios y ponderada

 n1  1S12  n2  1S 22 

1/ 2 1/ 2
1 1 
S d  S p    Sp   
 n1 n 2   n1  n 2  2 
Sd = desviación estándar de promedios; Sp = desviación estándar ponderada

Prueba estadística “T”

Tc 
X 1  X 2   1   2  1   2  0 (por hipótesis)
Sd
Tc es el estadístico T calculado. El   0.05 G.L.  n1  n2  2
valor Tt (tabular) se calcula con:
Conclusión

Si Tc  Tt (95%) X1  X 2 (estadísticamente)
Si Tc  Tt (95%) X1  X 2 (estadísticamente)
b) Consistencia en la Desviación Estándar (Prueba de variancias)
Cálculo de las variancias ( X i  X1 )2 ( X i  X 2 )2
de ambos períodos S 
2
S 
2

n 1 n 1
1 2

Prueba estadística “F”

Hp:  1   2
2 2
Ha:  12   22   0.05

Cálculo de “Fc”
S12 /  12 S12 S 22
Fc  2  2 Si S  S
2 2
Fc  2 Si S 22  S12
S2 /  2 S2
2 1 2
S1

Hallar el valor de Ft en las tablas con:

 = 0.05
G.L.N. = n1-1 (grados de libertad del numerador)
G.L.D. = n2-1 (grados de libertad del denominador)
Criterios de decisión
Si Fc  Ft (95%) S1  S 2 (estadísticamente)

Si Fc  Ft (95%) S1  S 2
Corrección de la información
Es aconsejable corregir los datos del primer periodo, o sea, dejando
inalterados los datos más recientes; porque en cualquier momento se
puede hacer una inspección y conocer el estado de operación y
conservación del mismo.
En los casos en que los parámetros media y desviación estándar resultan
ser estadísticamente iguales la información original no se corrige por ser
consistente con 95% de probabilidades, aún cuando en el doble masa se
observa pequeños quiebres.

X  X1
X 't   t S2  X 2 para corregir al primer período
 S1 

 Xt  X 2 
X 't    S1  X 1 para corregir el segundo período
 S2 

en ambos casos: X’t = valor corregido de la información

Xt = valor a ser corregido
Ejemplo 1:
Con la información de precipitación total anual de las
estaciones Quiulla, Casaracra, La Cima y La Oroya,
elaborar el diagrama de doble masa.

Tabla para Análisis de Doble Masa de Datos de Precipitación

Valores de Precipitación Anual (mm) Valores de Precipitación Anual Acumulado (mm)

Año Quiulla Casaracra La Cima La Oroya Promedio Quiulla Casaracra La Cima La Oroya
1985 675,4 637,7 452,0 889,8 663,7 675,4 637,7 452,0 889,8
1986 673,6 736,5 558,5 1076,0 1424,9 1349,0 1374,2 1010,5 1965,7
1987 542,3 590,0 500,8 1083,7 2104,1 1891,3 1964,2 1511,3 3049,5
1988 651,3 588,3 606,7 1002,5 2816,3 2542,6 2552,5 2118,0 4052,0
1989 598,8 700,6 607,8 635,7 3452,0 3141,4 3253,1 2725,8 4687,6
1990 459,1 639,9 714,8 713,6 4083,8 3600,5 3893,0 3440,6 5401,2
1991 602,1 729,6 722,0 507,8 4724,2 4202,6 4622,6 4162,6 5909,0
1992 802,8 845,2 868,8 485,2 5474,7 5005,4 5467,8 5031,4 6394,2
1993 637,8 976,5 742,3 668,5 6231,0 5643,2 6444,3 5773,7 7062,7
1994 618,3 886,8 584,0 568,2 6895,3 6261,5 7331,1 6357,7 7630,9
1995 719,0 816,5 716,4 502,8 7583,9 6980,5 8147,6 7074,1 8133,7
1996 511,1 663,9 646,3 349,4 8126,6 7491,6 8811,5 7720,4 8483,1
1997 565,4 712,6 688,2 514,9 8746,9 8057,0 9524,1 8408,6 8998,0
1998 750,3 914,8 947,1 407,9 9501,9 8807,3 10438,9 9355,7 9405,9
1999 507,6 469,1 645,3 687,6 10079,3 9314,9 10908,0 10001,0 10093,5
Ejemplo 2:
Con la información de precipitación de la estación la Oroya
realizar el análisis de salto
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Set. Oct. Nov. Dic. Tot.
1985 149,7 133,4 106,1 66,0 17,6 36,7 13,4 8,0 50,9 47,2 86,7 174,1 889,8
1986 179,4 193,0 192,1 153,3 35,3 0,6 25,4 57,2 72,3 51,7 40,9 74,7 1076,0
1987 185,6 126,6 85,1 25,9 37,2 22,7 50,2 29,4 55,8 78,2 192,4 194,6 1083,7
1988 198,9 139,9 96,4 107,5 12,4 0,0 2,2 0,0 45,2 102,1 133,1 164,9 1002,5
1989 94,5 89,3 88,7 43,3 6,9 4,2 1,5 39,1 41,4 55,1 116,4 55,3 635,7
1990 162,0 38,6 33,5 33,5 33,0 31,9 11,9 39,2 45,4 116,0 99,7 68,9 713,6
1991 50,2 49,5 99,8 29,1 27,1 29,0 2,4 0,0 69,9 48,8 52,9 49,1 507,8
1992 45,6 43,9 31,1 25,9 18,9 30,8 7,9 8,7 52,5 64,1 89,3 66,6 485,2
1993 79,4 72,9 83,5 34,6 10,7 32,6 13,3 17,3 35,1 79,4 125,6 84,1 668,5
1994 88,1 100,8 64,6 80,1 19,8 1,6 0 8,4 34,3 42,6 38,2 89,7 568,2
1995 106,2 96,7 62,8 48,3 7,1 0 10,5 2,8 19,6 30,2 41,9 76,7 502,8
1996 52,9 68,2 51,3 52,6 8,6 0 0 5,4 9,8 26,7 35,7 38,2 349,4
1997 75,6 104 45,5 26,6 8 0,7 1,5 26,2 62,6 44 48,8 71,4 514,9
1998 95,7 70,3 48,6 28,9 7,3 0,5 0,0 0,0 2,0 47,5 57,8 49,3 407,9
1999 112,9 125,6 90,2 61,8 10,7 3,7 18,4 4,9 42,6 44,1 82,8 89,8 687,6
MAX. 198,9 193,0 192,1 153,3 37,2 36,7 50,2 57,2 72,3 116,0 192,4 194,6 1083,7
MED. 111,8 96,9 78,6 54,5 17,4 13,0 10,6 16,4 42,6 58,5 82,8 89,8 706,9
MIN. 45,6 38,6 31,1 25,9 6,9 0,0 0,0 0,0 2,0 26,7 35,7 38,2 349,4
D.EST 51,2 42,1 39,8 36,0 10,9 15,2 13,4 17,7 20,3 25,3 44,8 48,3 249,2
Fuente: SENAMHI En negrita: Información completada o generada
Solución:

Enero 1990

ANALISIS DEL SALTO 1er. Periodo: N1 = 61 P1 = 79,5 S1 = 61,4

2do. Periodo: N2 = 119 P2 = 44,1 S2 = 32,8
PRUEBA DE MEDIAS: alfa = 0,05 G.L = 178 Sp = 44,541 Sd = 7,01 Tc = 5,05
Tt = 1,97
Como Tc > Tt, existe salto en la Media
Como S1 >
PRUEBA DE VARIANCIAS: S2: alfa = 0,05 G.L.N 60 G.L.D 118 Fc = 3,50
Ft = 1,43
Como Fc > Ft, se concluye que existe salto en la Variancia
 Precipitación total mensual corregida - estación: La Oroya
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Set. Oct. Nov. Dic. Tot.
1985 81,6 72,9 58,3 36,8 11,0 21,2 8,7 5,8 28,8 26,8 47,9 94,6 494,4
1986 97,4 104,8 104,3 83,5 20,4 1,9 15,2 32,2 40,2 29,2 23,4 41,5 594,0
1987 100,8 69,2 47,0 15,4 21,5 13,7 28,4 17,3 31,4 43,4 104,4 105,6 598,1
1988 107,9 76,4 53,1 59,0 8,2 1,6 2,8 1,6 25,7 56,1 72,7 89,7 554,7
1989 52,1 49,3 49,0 24,7 5,2 3,8 2,4 22,5 23,7 31,0 63,8 31,1 358,6
1990 88,2 38,6 33,5 33,5 33,0 31,9 11,9 39,2 45,4 116,0 99,7 68,9 639,8
1991 50,2 49,5 99,8 29,1 27,1 29,0 2,4 0,0 69,9 48,8 52,9 49,1 507,8
1992 45,6 43,9 31,1 25,9 18,9 30,8 7,9 8,7 52,5 64,1 89,3 66,6 485,2
1993 79,4 72,9 83,5 34,6 10,7 32,6 13,3 17,3 35,1 79,4 125,6 84,1 668,5
1994 88,1 100,8 64,6 80,1 19,8 1,6 0 8,4 34,3 42,6 38,2 89,7 568,2
1995 106,2 96,7 62,8 48,3 7,1 0 10,5 2,8 19,6 30,2 41,9 76,7 502,8
1996 52,9 68,2 51,3 52,6 8,6 0 0 5,4 9,8 26,7 35,7 38,2 349,4
1997 75,6 104 45,5 26,6 8 0,7 1,5 26,2 62,6 44 48,8 71,4 514,9
1998 95,7 70,3 48,6 28,9 7,3 0,5 0,0 0,0 2,0 47,5 57,8 49,3 407,9
1999 112,9 125,6 90,2 61,8 10,7 3,7 18,4 4,9 34,4 44,1 64,4 68,3 639,4
MAX. 112,9 125,6 104,3 83,5 33,0 32,6 28,4 39,2 69,9 116,0 125,6 105,6 668,5
MED. 82,3 76,2 61,5 42,7 14,5 11,5 8,2 12,8 34,4 48,7 64,4 68,3 526,8
MIN. 45,6 38,6 31,1 15,4 5,2 0,0 0,0 0,0 2,0 26,7 23,4 31,1 349,4
D.EST 22,7 25,5 22,8 20,7 8,4 13,5 8,2 12,4 18,2 23,7 28,9 22,5 99,3
Completación de datos de hidrológicos

Muchas estaciones de precipitación o descargas tienen períodos faltantes

en sus registros, debido a la ausencia del observador o a fallas
instrumentales. A menudo es necesario estimar algunos de estos valores
faltantes para lo cual existen muchas formas de suplir estas deficiencias y el
grado de aceptación de uno de estos métodos va a depender de la cantidad
de observaciones faltantes en el registro de datos. Entre estos métodos
podemos mencionar los siguientes:

 Promedio de datos existentes.

 Método de razones normales.
 Correlación entre dos estaciones.
 Generación aleatoria.

Completación de Datos mediante un Promedio Simple

Si dentro del registro de datos faltan menos del 5% de información estos se

pueden completar con un simple promedio de todos los datos existentes o
la semisuma de los datos del año anterior y del siguiente.
Completación de Datos mediante el Método de Razones Normales
Un procedimiento simple de completación parte de la premisa de que la
precipitación PX en la estación X, sea proporcional a las estaciones vecinas
A, B y C en un mismo periodo, que serán llamadas PA, PB, PC. Se acepta que
el coeficiente de proporcionalidad sea la relación entre la media MX y las
medias MA, MB, y MC en el mismo periodo de tiempo; esto es, que las
precipitaciones sean directamente proporcionales a sus medias.
Se adopta, entonces, como valor del 1MX MX MX 
dato faltante PX, la media entre los tres PX   PA  PB  PC 
3 MA MB MC 
valores calculados a partir de A, B y C:
Ejemplo 3:
Se desea determinar la precipitación en la estación X del año 1972 en el que dejó
de funcionar. Teniendo los siguientes datos en las estaciones A, B y C.
Estación Precipitación de 1972 Precipitación promedio de 30 años
A 412 mm. 399 mm.
B 517 mm. 530 mm.
C 389 mm. 400 mm.
X ? 290 mm.

290  412 517 389 

Solución: PX       288.1 mm.
3  399 500 400 
Completación de Datos mediante Regresión Simple
Antes de ver la forma como se completan los datos mediante
correlación y regresión es importante indicar que en todos los
casos las estaciones, a ser correlacionadas, deben tener
similitud en su ubicación (altitud, latitud, longitud, distancia a la
divisoria) y estén cercanos.
Entre los principales modelos de regresión usados en
hidrología, podemos mencionar:

Lineal Y  a  bX
Logarítmica: Y  a  b ln( X )
Potencial: Y  aX b forma linealizada: ln( Y )  ln( a)  b ln( X )
Exponencial: Y  a exp(bX ) forma linealizada: ln( Y )  ln( a)  bX

Todas estas ecuaciones pueden se analizadas como modelos

de regresión lineal simple, usando su forma linealizada.
Ejemplo 4:
Completar la información de la siguiente tabla, usando los modelos de
regresión lineal simple, logarítmica, potencial y exponencial.

Registro de Información para dos Estaciones

Precipitación (mm) Completación de datos faltantes
Año Estación A Estación B Regresión Regresión Regresión Regresión
(X) (Y) Lineal Logarítmica Potencial Exponencial
1985 45,0 47,0
1986 51,1 52,0
1987 53,0 54,5
1988 54,0 59,0
1989 56,0 63,0
1990 63,0 72,0
1991 70,1 82,0
1992 74,2 80,0
1993 48,0 50,3
1994 60,0 62,4
1995 90,2 - 103,9 96,8 105,7 117,9
1996 70,1 - 78,3 78,0 78,5 78,9
1997 40,3 - 40,4 36,6 40,8 43,5
1998 60,5 - 66,1 67,0 66,0 65,1
1999 56,7 - 61,3 62,1 61,1 60,3
 Completación de Datos mediante Generación Aleatoria
El dato faltante será completado P  P  ̂ donde  es un número aleatorio
i
mediante el siguiente modelo lineal: con una determinada distribución

a) Generación de números Aleatorios con distribución uniforme

Para generar números aleatorios se puede usar el método de congruencia
multiplicativa propuesto por Lehmer (1951), la relación de recurrencia es:
X i  aX i 1  b módulo C
Donde: C es un número entero grande para evitar ciclicidad; a y b son números
enteros primos entre sí comprendidos entre 0 y C; Xi-1 es un número escogido al azar
para iniciar los cálculos y Xi viene a ser el resto de la división de (aXi-1 + b) entre C

Ejemplo 5: Xi = (a Xi-1 + b) módulo C

X1 = (7 x 20 + 13) módulo 43 = 24
Si a = 7; b = 13; C = 43; X0 = 20 X2 = (7 x 24 + 13) módulo 43 = 9
(asumidas). Generar 6 números X3 = (7 x 9 + 13) módulo 43 = 33
aleatorios comprendidos entre 0 y 1. X4 = (7 x 33 + 13) módulo 43 = 29
X5 = (7 x 29 + 13) módulo 43 = 1
Solución: X6 = (7 x 1 + 13) módulo 43 = 28
El número aleatorio es el resto de dividir .
(a Xi-1 + b) entre el módulo C. Xn = (a Xn-1 + b) módulo C

Los números aleatorios 24 9 33 29 1 28 X n 0.558, 0.209, 0.767,

, , , , , ....
comprendidos entre 0 y 1 serán: 43 43 43 43 43 43 C 0.674, 0.023, 0.651
b) Generación de números aleatorios con distribución normal
Según Box Muller, los números aleatorios con distribución normal, con
media igual a 0 y desviación estándar igual a 1, pueden ser generados con
cualquiera de las siguientes ecuaciones a partir de números aleatorios con
distribución uniforme:

 i   2 ln X i 1 / 2 cos2X i 1   i   2 ln X i 1 / 2 sen2X i 1 
Ejemplo 6:
Si P  92.9 mm., ˆ  42.1 mm.
determinar el dato faltante mediante el método de generación aleatoria con
distribución normal.

Solución:
1 = (-2 Ln 0.558)1/2 Cos (2 x 0.209) = 0.275
2 = (-2 Ln 0.209)1/2 Cos (2 x 0.767) = 0.189
del ejemplo anterior: 3 = (-2 Ln 0.767)1/2 Cos (2 x 0.684) = -0.335
4 = (-2 Ln 0.674)1/2 Cos (2 x 0.023) = 0.879
5 = (-2 Ln 0.023)1/2 Cos (2 x 0.65) = 1.600

Pi  P  ˆ  Pi  92.9  42.1 0.335  78.8 mm Información completada

a) Generación de números aleatorios con distribución Log-Normal
El procedimiento a seguir es el siguiente:
 Generar números aleatorios (Y) con distribución normal con media  y
desviación estándar .
 Transformar a: X = e + Y; donde Y tiene distribución normal con media
 y desviación estándar  y X tiene distribución Log-Normal.

a) Generación de números aleatorios con distribución Gamma

Para generar números aleatorios con distribución Gamma, se sigue el
siguiente procedimiento:
 Generar números aleatorios con distribución normal  : N(0,1)
 Calcular el número aleatorio, t, con distribución Gamma o Pearson
Tipo III con la siguiente ecuación:
3
 1   Y  1e t
t   1    Función de distribución Gamma: f (t ) 
 9 3   ( )

donde  es el parámetro de la función Gamma.