Documente Academic
Documente Profesional
Documente Cultură
LINSLEY (1975)
ESTADISTICA ALEATORIO
SERIES DE TIEMPO-PARCIALMENTE
HIDROLOGIA
ALEATORIAS
HIDROLOGIA HIDROLOGIA HIDROLOGIA
DETERMINISTICA PROBABILISTICA ESTOCASTICA
PROBALIDAD DE UN
OTRAS VARIABLES- EVENTO
MODELO APROPIADO
IGUALADO EXCEDIDO
PROCESO ESTOCASTICO PROCESO PROBABILISTICO
DISEO
SENTIDO
DECISIONES DE TIPO
OPERACIONAL
PROPIEDADES ESTADISTICAS
SIMILARES
REGISTROS
CICLO ANUAL CONFIABILIDAD
LARGOS
DISEO DE EMBALSES
SALAS (2000)
-Modelo Univariado Autorregresivo de Medias Mviles, -Modelo Univariado Peridico Autorregresivo de Medias ---
ARMA (p,q); Mviles, PARMA (p,q);
-Modelo Univariado Autorregresivos Gamma, GAR (1); -Modelo Multivariado de Desagregacin Estacional;
-Modelo Multivariado Autorregresivo, MAR (p) -Modelo Multivariado Peridico Autorregresivo, MPAR (p)
-Modelo Contemporneo Autorregresivo de Medias
Mviles, CARMA -Modelo Multivariado de Desagregacin Estacional.
MODELAMIENTO ESTOCASTICO
ARMA PARMA
PROCESO ESTOCASTICO
Distribucin de probabilidad
Distribucin de acumulados
Modelo estocstico
Modelacin estocstica
determinar subconjuntos de la
serie original y comparar
estadsticos
FASES GENERALES
De qu manera se har
1. Identificacin de la
la modelacin? modelo
composicin del modelo
Univariado o Multivariado
4. Estimacin de los
> 2Error Estndar
parmetros del modelo.
1. Realizar transformaciones
a los datos originales.
2. Identificar el Modelo a
utilizar
En general, la literatura especializada coincide en sugerir 3 etapas bsicas para la modelacin estocstica
2. Estimacin de Parmetros
Auto correlacin
de orden k
El coeficiente de correlacin (r) como el parmetro que mide el grado de asociacin (o de correlacin)
existente entre las variables consideradas en el modelo, este coeficiente mide la intensidad de asociacin
entre dos caractersticas de un distribucin divariada.
Caractersticas del Coeficiente de
Correlacin
Los coeficientes son nmeros abstractos
El valor de este coeficiente esta -1r1. El signo depende del signo de la suma de productos
Si el coeficiente es positivo, las caracterstica estudiada varia en un mismo sentido, en caso
contrario varan en sentido opuesto.
La relacin es mas estrecha a mas cercano sea a 1, siendo perfecta al alcanzar dichos valores. No
hay relacin si es cero.
r es independiente al tamao de las muestras tomadas.
El retardo, k, es sinnimo de desfase en el tiempo, pudiendo k ser
igual a 1, 2, 3, etc.
El Correlograma, es una funcion de r y k. El limite de confianza para
un 0.95 de nivel de probabilidad es:
Dnde:
Y v,t= Serie de tiempo estacional
= Representa los aos; = 1,,N;
= Estaciones; = 1,,,
= Nmero de estaciones.
Prueba de Normalidad
Si la serie viene de una distribucin normal
N = Tamao muestral
X = La desviacin estndar de la poblacin, y si la
serie es simtrica, implica que X 0, por lo que:
Los test de normalidad indiquen que las series observadas no estn normalmente distribuidas, los
datos tienen que ser transformados en normales antes de aplicar los modelos.
Con el objeto de probar la bondad del ajuste de la series sintticas generadas con SAMS - para las
cinco estaciones, y en base al modelo PARMA (1, 1), se efectuaron las
pruebas estadsticas de t de Student y F de Fisher, para los promedios mensuales de la media y la
desviacin estndar de las series histricas y generadas, respectivamente.
Ver Cuadros N 5.69 a 5.73, en los que se aprecia que con excepcin de la serie Chinchi, en la que las
desviaciones estndar para los meses junio, julio y agosto son estadsticamente no homogneas, por la
cual se a descarta.
En las otras cuatro estaciones: Moya, Pachacayo, Quilln y Huari, se prob la bondad de ajuste del
modelo PARMA (1,1), para la generacin sinttica de caudales.