METODO LOG PEARSON TIPO III

A. OBJETIVO: Aprender el uso de mtodos estadsticos hidrolgicos, para su uso en el campo de la Irrigacin de cultivos. B. FUNDAMENTO TERICO: B.1. ESTADSTICA APLICADA A LA HIDROLOGA Es importante en la ingeniera utilizar la estadstica como un medio numrico para predecir los cambios hidrolgicos producidos por la naturaleza, contando como elemento principal el uso del agua. La estadstica fundamentalmente se aplica sobre datos hidrolgicos recolectados de estaciones meteorolgicas, que pueden medir las precipitaciones, caudales de ros, radiacin solar, etc. Que son factores que influyen en el comportamiento del agua en nuestro medio. Es precisamente que mediante la estadstica se busca encontrar un comportamiento tpico del agua a travs del tiempo en una determinada rea, para as ayudar al ingeniero a disear las estructuras necesarias.

B.2. FUNCIONES DE FRECUENCIA Y DE PROBABILIDAD En una muestra dada, que puede ser una precipitacin (mm), se observa que est idnticamente distribuido; a partir de este se puede construir un histograma de frecuencias, mediante los siguientes pasos: El rango de datos de la muestra aleatoria se divide en intervalos discretos Se cuenta el nmero de observaciones dentro de la muestra Se dibuja como un grfico de barras

Si el nmero total de observaciones de cada barra del histograma de frecuencias, se divide entre el nmero de observaciones contadas, se obtiene otro de diagrama de barras, llamada Funcin de Frecuencia Relativa (fm(x)), que est dado por la expresin matemtica:

La sumatoria de Frecuencias Relativas se convierte en una nueva Funcin de Frecuencias Acumuladas Fm(x), expresado de la siguiente manera:

Esta funcin se lleva al lmite de aproximacin a cero, obteniendo la siguiente figura:

Esta ltima funcin se llama Funcin de Distribucin de Probabilidad, la cual se deriva y se obtiene la Funcin de Densidad de probabilidad para la poblacin:

Esta ltima funcin es un grado de ajuste de la informacin, la cual por su forma puede ser ajustada por funciones de densidad conocida, como la funcin normal, la cual forma la campana de Gauss.

CICLO DE FUNCIONES DE FRECUENCIA Y PROBABILIDAD

La funcin Normal, tiene desventajas como el de tener valores negativos, la cual la muestra hidrolgica no tiene y tiene forma simtrica, y la funcin de densidad obtenida por lo general no lo tiene, as que tambin se tiene otras funciones, la cual es nuestro tema ver la Distribucin Log Pearson Tipo III. b.3. Distribucin Log Pearson Tipo III: Esta Distribucin se aplica al logaritmo de los datos, es muy utilizada por sus resultados de aceptable confiabilidad cuando se efectan predicciones con grandes periodos de retorno, la expresin de la funcin es la siguiente:

Donde los 3 parmetros son:

Clog = es el coeficiente de Asimetra de los logaritmos de datos

La funcin es muy complicada analticamente, por lo que se usa la frmula de Chow transformada logartmicamente:

El valor de KT, se obtiene tabulando de una tabla, de acuerdo a la probabilidad de ocurrencia y al tiempo de retorno; en la siguiente tabla presentada, se obtiene dicho coeficiente (KT = k):

Dicho Coeficiente k, tambin puede obtenerse con la frmula siguiente, la cual depende del coeficiente de asimetra de los logaritmos de datos (S = Clog) y de la variable normalizada z que depende del periodo de Retorno como una variable de probabilidad de excedencia. Aqu se muestra las siguientes frmulas:
z w 2.51557 0.802853 w 0.010328 w 2 1 1.432788 w 0.189269 w 2 0.001308 w 3

Donde:

* * (

; 0<p0.5 )+ ; p>0.5

Para p>0.5 se le agrega a z un signo negativo Donde :

Siendo w: Variable intermedia p: Probabilidad de excedencia T: Periodo de retorno (aos)

De los parmetros z y Coeficiente de Asimetra:

C. EJEMPLO APLICATIVO Y COMPARATIVO: Dado los datos de mximas precipitaciones anuales de la Estacin Luricocha: LURICOCHA AO P(mm) 1964 21.40 1965 19.40 1966 30.70 1967 23.20 1968 26.10 1969 12.10 1970 23.60 1971 38.60 1972 13.80 1973 30.80 1974 27.40 1975 30.60 1976 34.30 1977 32.90 1978 21.60

n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Se desea construir una defensa Riberea, hallar la precipitacin de diseo: SOLUCIN: El Ejemplo dado se resolver mediante el mtodo de Distribucin Gumbel y el mtodo de Distribucin Log Pearson Tipo III; adoptando un periodo de retorno de 10 aos que puede durar la posible estructura de defensa Riberea Por Distribucin Gumbel se obtiene de los datos los siguientes parmetros: Promedio (X) = 25.76 Desviacin Estandar()= 7.4758 Metodo de Momentos: =0.17155; =22.402541

A partir de los parmetros encontrados obtenemos la precipitacin de diseo: X=35.52mm

Por Distribucin Log Pearson Tipo III se obtiene de los datos los siguientes parmetros: Promedio (LogX) = 1.39 Desviacin Estandar(logx)= 0.1420 Probabilidad de ocurrencia = 0.1 Coeficiente de Asimetra = -0.909 Coeficiente KT de tabla = 1.1348 Coeficiente KT de frmula = 0.4532

A partir de los parmetros encontrados obtenemos los valores sabiendo que y=log(x): X= 35.672mm (KT de tabla) X= 28.548mm (KT de frmula)

D. CONCLUSIONES: Despus de lo investigado se pudo entender la necesidad de la hidrologa estadstica y de tener datos de estaciones hidrolgicas para su desarrollo y mejor prediccin; el mtodo de Distribucin Log Pearson Tipo III, es una funcin muy adaptable a las funciones obtenidas por las muestras de campo, la cual la hace una buena eleccin para largos periodos de retorno. E. RECOMENDACIONES DE ALGUNOS INVESTIGADORES: Para ajustar distribuciones de tres parmetros (Log Normal III, Log Pearson) se requiere estimar el coeficiente de asimetra de la distribucin; para ello es necesario disponer de una serie con longitud de registros larga, mayor de 50 aos, (Kite, 1988). Las distribuciones de dos parmetros son usualmente preferidas cuando se dispone de pocos datos, porque reducen la varianza de la muestra, (Ashkar, et al. 1994).