INGENIERA Investigacin y Tecnologa VI. 1.

13-17, 2005
(artculo arbitrado)
Anlisis de eficiencia de la distribucin Bi-Gumbel
C.A. Escalante-Sandoval
Divisin deEstudios dePosgrado
Facultad deIngeniera, UNAM
E-mail: caes@servidor.unam.mx
(recibido: mayo de 2003; aceptado: diciembre de 2003)
Resumen
La mayora de los estudios sobre eventos hidrolgicos extremos se han llevado a cabo
utilizando distribuciones univariadas. La gran variabilidad de los eventos estimados para
ciertos perodos de retorno ha promovido la exploracin de modelos de estimacin
conjunta, tal como la distribucin bivariada con marginales de valores extremos tipo I,
llamada Bi-Gumbel. Se emplea la tcnica de muestreo distribucional con el propsito de
determinar si los eventos estimados mediante el ajuste de la distribucin bivariada son
mejores que aquellos obtenidos en forma univariada. Se concluye que los eventos
obtenidos en forma bivariada son menos sesgados que su contraparte univariada.
Descriptores: Distribucin multivariada de valores extremos, distribucin Gumbel,
estimados de mxima verosimilitud, tcnica de muestreo distribucional.
Abstract
Most hy drologi cal ex tremestud ies in thepast havebeen an a lyzed through useof univariatedis tri bu -
tions. Thelargevari abil ity of theT-year flood es ti mates has prompted ex plora tion of joint es ti ma tion
mod els, such as thebivariatedis tri bu tion with ex tremevaluetypeI marginals, named Bi-Gumbel dis -
tri bu tion. Toin ves ti gatewhether thees ti mates of thequantiles based on bivariatedis tri bu tion arebetter
than thoseon univariatepro cedures a dis tri bu tion samplingtech niquewas used. A signif i cant improve-
ment occurs when thepa rameters arees ti mated us ingthebivariatedis tri bu tion in stead of univariate
formand such again is moresignif i cant in rela tion totheshorter samples.
Key words:Multivariateex tremevaluedis tri bu tion, Gumbel dis tri bu tion, max i mumlikeli hood es ti -
mates, dis tri bu tion samplingtech nique.
Introduccin
El objetivo del anlisis de frecuencias es la esti-
macin, a travs de distribuciones de probabilidad
de la magnitud del gasto mximo anual de cierto
perodo de re torno. Con frecuencia, la informacin
que se requiere para realizar esta estimacin no se
encuentra disponible. En otras ocasiones los datos
existen, pero no con la longitud suficiente para
proveer estimadores confiables de los parmetros y
el error del evento asociado al perodo de re -
torno es grande e ineficiente para propsitos de
diseo.
La gran variabilidad de estos estimadores ha
promovido la exploracin de modelos de es-
timacin conjunta, donde los datos de sitios
vecinos en la regin se combinan con el registro
de longitud inadecuada para incrementar la
informacin y proveer un estimador re gional del
evento de diseo.
Hay varias tcnicas disponibles de estimacin re -
gional hidrolgica (Cunnane, 1988), algunas de
ellas requieren de la normalizacin de los datos, ya
que estn basadas en la distribucin nor mal. Sin
em bargo, se han obtenido mejoras significativas al
emplear procedimientos multivariados a vari ables
no-normales (Raynal, 1985).
En este trabajo se presenta el modelo logstico
bivariado con marginales de valores extremos tipo
I, llamado Bi-Gumbel (Raynal, 1985).
Caractersticas de la distribucin
bivariada
La forma gen eral del modelo logstico para las
distribuciones bivariadas de valores extremos es
(Gumbel, 1960):

{ }
F F F ( , , ) exp [( ( )) ( ( )) ]
/
x y n x n y
m m m
+ 1 1
1
(1)
Donde:
m parmetro de asociacin bivariada (m>1).
F(x) distribucin mar ginal de x tipo Gumbel.
F(y) distribucin mar ginal de y tipo Gumbel.
? Conjunto de parmetros a estimarse( ?1, a1,
?2, a2, m) para la distribucin Bi-Gumbel.
x,y gastos mximos anuales en dos estaciones
vecinas.
La ecuacin (1) debe satisfacer:
F F F F F( (x) (y)< (x,y)<min[ (x), y)]
(2)
La distribucin mar ginal Gumbel tiene la forma:
F( ) s

_
,

exp
exp
s
a

(3)
El procedimiento de estimacin de parmetros
de la distribucin bivariada se desarroll para
permitir el caso de muestras con diferentes lon gi -
tudes de registro (Figura 1).
Si (X
1
,Y
1
),...,(X
n
,Y
n
) es una muestra aleatoria de
una densidad bivariada, la correspondiente fun-
cin de verosimilitud es (Mood et al., 1974):

Lx y f x y i i
i I
n
( , , ) ( , , )

(4)
Con el fin de considerar todas las posibles com-
binaciones de los datos (Figura 1) se propone la
siguiente funcin de verosimilitud:
Lxy f p f x y
i
i I
n
I
i i
i I
n
( , , ) ( , ) ( , )

1
]
1

1 2
1
1
2
1
]
1
I
2
f r
i
i I
n
I
( , ) 3
3
3

1
]
1
(5)
Donde:
n
1
longitud de registro antes del registro comn.
n
3
longitud de registro despus del registro
comn.
n
2
longitud de registro en el perodo comn.
p vari able con longitud n
1
.
x,y vari ables con longitud n
2
.
r vari able con longitud n
3
.
14 INGENIERIA Investigacin y Tecnologa FI-UNAM
Anlisis de eficiencia de la distribucin Bi-Gumbel
Estacin 1
x x x x n
n n n 1 2
1 1 1
1 ,..., , ,..., + +
Estacin 2
y y y
n n n n n n
1 1 2 1 2 3
1 1 + + + + + ,..., ,...,
Figura 1. Mximo arreglo muestral
I
i
indicador tal que Ii=1 si n
i
>0 o I
i
=0 si
n
i
=0
Dada la propiedad de que el mximo de una
funcin y su logaritmo ocurren en el mismo punto
y debido al hecho de que las expresiones
obtenidas por el logaritmo de la ecuacin (5) son
ms fciles de manipular que su forma nat u ral, se
propone la siguiente funcin logartmica de
verosimilitud:
1 1 1
1 1 2
1 2
n n L xy I f p I nf x
i I
n
i
i I
n
i
( , , ) ( ) ( ,

1
]
1
+


y
i
, )
2

1
]
1

+

1
]
1

I f r
i
i I
n
3 3 1
3
n ( , )
(6)
Debido a que la solucin del sistema de
ecuaciones resultantes al derivar parcialmente la
ecuacin (6) con respecto a ?
1
, a
1
,?
2
,a
2
y mresulta
muy complejo, se propone para el clculo de los
parmetros el algoritmo de optimacin multi-
variado restringido de Rosenbrok (Kuester y Mize,
1973), el cual implica la directa maximizacin de
dicha ecuacin.
Confiabilidad de los eventos
estimados para diferentes perodos
de retorno
Una nueva aproximacin para el anlisis de
frecuencias debe mostrar que los estimadores de
los eventos asociados a cierto perodo de re torno
son ms confiables que aquellos que se obtienen
con los mtodos ya existentes. Esta confiabilidad
se puede cuantificar a travs de medir el sesgo,
varianza y la raz del error medio cuadrtico. En
este trabajo se realiz un estudio ex per i men tal
basado en la generacin de datos con el fin de
comparar el sesgo de los eventos estimados
mediante la distribucin univariada Gumbel, con
aquellos obtenidos al ajustar los datos a la
distribucin Bi-Gumbel. Con este propsito se
generaron 99,000 nmeros con distribucin
poblacional Gumbel y parmetros ?
1
=14 y a
1
= 1.4
(estacin base), y fueron agrupados en muestras
de tamao 9, 19 y 49. Por lo que el nmero de
muestras para cada tamao es igual a 11000, 5210
y 2020, respectivamente. Tal nmero de muestras
asegura una desviacin mxima absoluta entre la
distribucin real y la emprica de menos de 0.016
para el tamao ms grande y de 0.036 para el ms
pequeo, con una probabilidad del 99%
(Gnedenko, 1967).
Para el caso de la distribucin Bi-Gumbel, los
eventos se estimaron combinando cada muestra
generada para la estacin base con otra del mismo
tamao o mayor (Figura 2), as, los casos ex-
plorados tienen lon gi tudes 99, 919, 949,
1919, 1949 y 4949. Los nmeros Gumbel
generados para la llamada estacin vecina tienen
parmetros poblacionales ?
2
= 12 y a
2
= 1.2.
Sea el evento a estimarse,
$

i
, i=1,...,n los
eventos obtenidos de cada muestra, y n el nmero
de muestras, las cuales varan de 11,000 a 2020, de
acuerdo con lo explicado anteriormente. Enton-
ces, el sesgo del estimador se obtiene como:
sesgo m (
$
) (7)
Donde m(
$
) es la media de la serie
$
i, i=1,...,n
Vol.VI No.1 -enero-marzo- 2005 15
C.A. Escalante-Sandoval
Estacin Base 1
x x
n 1
2
,...,
Estacin Vecina 2
y y y y
n n n n 1
2 2 2 3
1 ,..., , ,..., + +
Figura 2. Arreglo muestral propuesto para obtener los eventos dediferenteperodo deretorno
con la distribucin Bi-Gumbel.
m n
i
i I
n
(
$
) ( / )
$

1 (8)
La comparacin se llev a acabo para eventos
estimados con probabilidades de no excedencia
de 0.50, 0.80, 0.90, 0.95, 0.999 y 0.9999, las cuales
abarcan probabilidades de no excedencia por 2 a
10 000 aos.
En la tabla 1 se presentan los sesgos de los eventos de
diferente perodo de re torno, obtenidos con las
expresiones (7) y (8). Se puede observar que los sesgos
obtenidos con el procedimiento bivariado son ms
pequeos que los de origen univariado. De hecho,
conforme la longitud asociada en la combinacin
bivariada se incrementa, el sesgo de la estacin base
disminuye a travs del rango 0.5 F 0.9999.
Esto significa que hay una ganancia en informa-
cin cuando se estiman los parmetros de una serie
de corta longitud con otra de igual o mayor tamao.
Tambin se observa que para que una muestra
de 9 datos tenga la misma precisin de una de 19
16 INGENIERIA Investigacin y Tecnologa FI-UNAM
Anlisis de eficiencia de la distribucin Bi-Gumbel
Tabla 1. Sesgo deeventos dediferenteperodo deretorno, obtenidos para la estacin baseconsiderando la estimacin
univariada y bivariada.
Distribucin
Probabilidad Gumbel 9 9 9 Bi-Gumbel 9 19 949
0.9999 1.1056 1.0708 1.0243 0.4824
0.9990 0.8132 0.8374 0.8001 0.3766
0.9900 0.5204 0.6035 0.5754 0.2706
0.9500 0.3134 0.4383 0.4167 0.1957
0.9000 0.2221 0.3653 0.3466 0.1626
0.8000 0.1268 0.2892 0.2735 0.1281
0.5000 0.0171 0.1744 0.1632 0.0761
19 1919 1949
0.9999 0.4865 0.3863 0.1127
0.9990 0.3577 0.2964 0.0921
0.9900 0.2287 0.2064 0.0714
0.9500 0.1375 0.1428 0.0568
0.9000 0.0973 0.1147 0.0503
0.8000 0.0553 0.0854 0.0436
0.5000 0.0081 0.0411 0.0334
49 4949
0.9999 0.2096 0.0277
0.9990 0.1542 0.0246
0.9900 0.0986 0.0214
0.9500 0.0594 0.0192
0.9000 0.0420 0.0182
0.8000 0.0240 0.0172
0.5000 0.0033 0.0157
se requiere asociarla a otra que al menos cuente
con 49 aos de registro.
Conclusiones
El objetivo del estudio fue el de investigar el grado
de mejora en la estimacin de eventos de diseo
cuando se emplea la distribucin bivariada de
valores extremos con marginales Gumbel.
El anlisis de resultados sugieren que el efecto de
la muestra adicional dentro del proceso de esti-
macin de parmetros y eventos de diseo es ms
importante conforme su tamao se incrementa, lo
que implica una sustancial ganancia en informacin.
Se puede concluir que para los casos en que se
requiera obtener eventos de diseo en sitios con
escasa informacin, y se disponga de un sitio
vecino, dentro de la misma regin homognea, es
conveniente utilizar una distribucin de probabi-
lidad bivariada para llevar a cabo el anlisis de
frecuencia.
El modelo logstico bivariado permite no solo
utilizar como marginales a la distribucin Gumbel,
sino tambin a distribuciones como la Gen eral de
Valores Extremos (GVE), la Gumbel de dos
poblaciones (Gumix) y la de Valores Extremos de
dos Componentes (TCEV), lo que lo hace muy
verstil dentro del anlisis de frecuencias de
eventos extremos hidrolgicos.
Referencias
Cunnane C. (1988). Methods and merits of
regional flood frequency anlisis. Journal of
Hydrology. 100, pp. 269-290.
Gnedenko B.V. (1967). The Theory of Prob a bility.
Chelsea.
Gumbel E.J. (1960). Multivariate extremal
distri bu tions. Bulletin Inter na tional Statist.
Inst. 39 (2), pp. 471-475.
Kuester J.L. y Mize J.H. (1973). Opti mi za tion
Tech niques with FORTRAN. McGraw-Hill.
Mood A., Graybill F. y Boes D. (1974). Intro -
duc tion to the Theory of Statics.
McGraw-Hill.
Raynal J.A. (1985). Bivariate Extreme Value
Distri bu tions Applied to Flood Frequency
Anlisis Ph.D Disser ta tion. Civil Engi
-
neering Depart ment, Colo rado State
Univer sity.
Vol.VI No.1 -enero-marzo- 2005 17
C.A. Escalante-Sandoval
Semblanza del autor
Carlos Agustin Escalante-Sandoval. Egresado como ingeniero civil en 1985 de la Universidad Autnoma de Puebla, obtuvo el grado
de maestro en ingeniera en aprovechamientos hidrulicos en 1988 y el doctorado en ingeniera hidrulica en 1991, ambos
en la Facultad de Ingeniera de la UNAM. Sus trabajos de hidrologa, los cuales destacan los campos de fenmenos
extremos (lluvias, inundaciones y sequas) le han valido el reconocimiento en el mbito nacional e internacional. Cuenta
con diversas publicaciones y ha participado en 12 proyectos de investigacin, destacando al anlisis hidrolgico de la
Costa de Chiapas con motivo de la inundaciones de 1998 (CNA), el MIA del proyecto hidroelctrico La Parota (CFE) y el
anlisis nacional del fenmeno de la sequa. Ha recibido distinciones como la medalla Gabino Barreda por sus estudios de
doctorado, el premio Distincin Universidad Nacional para Jvenes Acadmicos en Docencia en Ciencias Exactas 1999,
otorgada por la UNAM y el premio Nacional Enzo Levi a la Investigacin y Docencia en Hidrulica 2002, por la Asociacin
Mexicana de Hidrulica. Actualmente imparte ctedra y es jefe del Departamento de Ingeniera Hidrulica de la Facultad de
Ingeniera, UNAM.