Mtodos

Probabilsticos
HIDROLOGIA GENERAL

Autor: Valleumbroso Villa Freddy

2016

Mtodos Probabilsticos

Mtodos Probabilsticos

Mtodos Probabilsticos
PROFESOR: Ing. Dante Salazar Snchez
CURSO: Hidrologa General
UNIVERSIDAD SAN PEDRO
Mtodos Probabilsticos

Contenido
Distribucin de Probabilidades en Hidrologa .. 3
Parmetros Estadsticos... 4
Distribucin de Probabilidad para Variables Continuas.. 6
Ajuste de Distribuciones .. 11

Mtodos Probabilsticos

DISTRIBUCIONES DE PROBABILIDAD EN HIDROLOGA

El comportamiento de las variables aleatorias discretas o continuas se describe con la

ayuda de Distribuciones de Probabilidad. La variable se designa por mayscula y un
valor especfico de ella por minscula.
Por P(x = a) se denota la probabilidad de que un evento asuma el valor a; similarmente
P(a x b) denota la probabilidad de que un evento se encuentre en el intervalo (a,
b). Si conocemos la probabilidad P(a x b) para todos los valores de a y b, se dice
que conocemos la Distribucin de Probabilidades de la variable x.
Si x es un nmero dado y consideramos la probabilidad P(X x):
F(x)= P(X x):
y llamamos F(x) la funcin de distribucin acumulada.

Mtodos Probabilsticos

PARAMETROS ESTADISTICOS

Los estadsticos extraen informacin de una muestra, indicando las caractersticas de la

poblacin. Los principales estadsticos son los momentos de primer, segundo y tercer
orden correspondiente a la media, varianza, y asimetra respectivamente.

1.2.1

Media :

Es el valor esperado de la variable misma. Primer

origen. Muestra la tendencia central de la distribucin.

momento

respecto

al

El valor estimado de la media a partir de la muestra es:

1.2.2

Varianza :

Mide la variabilidad de los datos. Es el segundo momento respecto a la media

El valor estimado de la varianza a partir de la muestra es

En el cual el divisor es n-1 en lugar de n para asegurar que la estadstica que no tenga
una tendencia, en promedio, a ser mayor o menor que el valor verdadero. Las
unidades de la varianza son la media al cuadrado, la desviacin estndar s es una
medida de la variabilidad que tiene las mismas dimensiones que la media y
simplemente es la raz cuadrada de la varianza, se estima por s.

Mtodos Probabilsticos

Efectos de la funcin de densidad de probabilidad causados por cambios en la

desviacin estndar

Coeficiente de variacin

es una medida adimensional de la variabilidad su

estimado es

1.2.3

Coeficiente de asimetra

la distribucin de los valores de una distribucin alrededor de la media se mide por la

asimetra. Se obtiene a partir del tercer momento alrededor de la media, dividindolo
por el cubo de la desviacin estndar para que sea adimensional.

tercer momento respecto a la media

Un estimativo del coeficiente de asimetra est dado por:

ANALISIS DE FRECUENCIA
El anlisis de frecuencia es una herramienta utilizada para, predecir el comportamiento
futuro de los caudales en un sitio de inters, a partir de la informacin histrica de
caudales. Es un mtodo basado en procedimientos estadsticos que permite calcular la
magnitud del caudal asociado a un perodo de retorno. Su confiabilidad depende de la
longitud y calidad de la serie histrica, adems de la incertidumbre propia de la
distribucin de probabilidades seleccionada.
Para determinar la magnitud de eventos extremos cuando la distribucin de
probabilidades no es una funcin fcilmente invertibles se requiere conocer la variacin
de la variable respecto a la media. Chow en 1951 propus determinar esta variacin a
partir de un factor de frecuencia KT que puede ser expresado:

y se puede estimar a partir de los datos

Para una distribucin dada, puede determinarse una relacin entre K y el perodo de
retorno Tr. Esta relacin puede expresarse en trminos matemticos o por medio del
uso de una tabla.

Mtodos Probabilsticos

DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS

3.1

DISTRIBUCION NORMAL

La distribucin normal es una distribucin simtrica en forma de campana, tambin

conocida como Campana de Gauss. Aunque muchas veces no se ajusta a los datos
hidrolgicos tiene amplia aplicacin por ejemplo a los datos transformados que siguen
la distribucin normal.
3.1.1

Funcin de densidad:

La funcin de densidad est dada por

Los dos parmetros de la distribucin son la media m y desviacin estndar s para los
cuales (media) y s (desviacin estndar) son derivados de los datos.
3.1.2

Estimacin de parmetros:

3.1.3

Factor de frecuencia:

1.

Si se trabaja con los X sin transformar el K se calcula como

este factor es el mismo de la variable normal estndar

3.1.4

Limites de confianza:

donde a es el nivel de probabilidad es el cuantil de la distribucin normal estandarizada

para una probabilidad acumulada de 1-a y Se es el error estndar

3.2

Mtodos Probabilsticos

DISTRIBUCIN LOGNORMAL DE DOS PARMETROS

Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente se dice que

X se distribuye normalmente.
Esta distribucin es muy usada para el calculo de valores extremos por ejemplo Qmax,
Qmnimos, Pmax, Pmnima (excelentes resultados en Antioquia). Tiene la ventaja que
X>0 y que la transformacin Log tiende a reducir la asimetra positiva ya que al sacar
logaritmos se reducen en mayor proporcin los datos mayores que los menores.
Limitaciones: tiene solamente dos parmetros, y requiere que los logaritmos de las
variables estn centrados en la media
3.2.1

Funcin de densidad:

y = ln x
donde, my : media de logaritmos de la poblacin (parmetro escalar),
sy : Desviacin estndar de los logaritmos de la poblacin, estimado sy.
3.2.2

Estimacin de parmetros:

3.2.3

Factor de frecuencia:

K es la variable normal estandarizada para el Tr dado,

es el coeficiente de
variacin, x media de los datos originales y s desviacin estndar de los datos
originales.
3.2.4

Limites de confianza:

en donde, n nmero de datos, Se error estndar, K T variable normal estandarizada.

3.3

Mtodos Probabilsticos

DISTRIBUCION GUMBEL O EXTREMA TIPO I

Una familia importante de distribuciones usadas en el anlisis de frecuencia hidrolgico

es la distribucin general de valores extremos, la cual ha sido ampliamente utilizada
para representar el comportamiento de crecientes y sequas (mximos y mnimos).
3.3.1

Funcin de densidad:

En donde a y b son los parmetros de la distribucin.

3.3.2

donde
3.3.3

Estimacin de parmetros

son la media y la desviacin estndar estimadas con la muestra.

Factor de frecuencia:

Donde Tr es el periodo de retorno. Para la distribucin Gumbel se tiene que el caudal

para un perodo de retorno de 2.33 aos es igual a la media de los caudales mximos.
3.3.4

Limites de confianza

KT es el factor de frecuencia y t (1-a) es la variable normal estandarizada para una

probabilidad de no excedencia de 1-a.

3.4

Mtodos Probabilsticos

DISTRIBUCION GAMMA DE TRES PARMETROS O PEARSON TIPO 3

Esta distribucin ha sido una de las mas utilizadas en hidrologa. Como la mayora de
las variables hidrolgicas son sesgadas, la funcin Gamma se utiliza para ajustar la
distribucin de frecuencia de variables tales como crecientes mximas anuales,
Caudales mnimos, Volmenes de flujo anuales y estacionales, valores de
precipitaciones extremas y volmenes de lluvia de corta duracin. La funcin de
distribucin Gamma tiene dos o tres parmetros.
3.4.1

Funcin de densidad:

donde,
x0 < x < a para a > 0
a < x < x0 para a < 0
a y b son los parmetros de escala y forma, respectivamente , y x0 es el parmetro de
localizacin.
3.4.2

Estimacin de parmetros:

3.4.3

Factor de frecuencia:

Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado con la

muestra.
3.4.4

Intervalos de confianza:

Donde S es la desviacin estndar de la muestra, n es el nmero de datos y d se

encuentra tabulado en funcin de Cs y Tr.

10

3.5

Mtodos Probabilsticos

DISTRIBUCIN LOG GAMMA O LOGPEARSON DE 3 PARMETROS

Si los logaritmos Y de una variable aleatoria X se ajustan a una distribucin Pearson

tipo III, se dice que la variable aleatoria X se ajusta a una distribucin Log Pearson Tipo
III. Esta distribucin es ampliamente usada en el mundo para el anlisis de frecuencia
de Caudales mximos. Esta se trabaja igual que para la Pearson Tipo III pero con Xy y
Sy como la media y desviacin estndar de los logaritmos de la variable original X.
3.5.1

Funcin de densidad:

a y b son los parmetros de escala y forma, respectivamente , y y 0 es el parmetro de

localizacin
3.5.2

Estimacin de parmetros:

Cs es el coeficiente de asimetra,
son la media y la desviacin estndar de
los logaritmos de la muestra respectivamente
3.5.3

Factor de frecuencia:

donde z es la variable normal estandarizada

Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado con la
muestra.
3.5.4

Intervalos de confianza:
Xt t(1-a) Se

Donde Sy es la desviacin estndar de los logaritmos de la muestra, n es el nmero de

datos y d se encuentra tabulado en funcin de Cs y Tr.

11

Mtodos Probabilsticos

AJUSTE DE DISTRIBUCIONES
Para la modelacin de caudales mximos se utilizan, entre otras, las distribuciones Log
- Normal, Gumbel y Log-Gumbel principalmente. Para seleccionar la distribucin de
probabilidades de la serie histrica se deben tener en cuenta algunas consideraciones.
Cuando la informacin es adecuada el anlisis de frecuencia es la metodologa ms
recomendable para la evaluacin de eventos extremos, ya que la estimacin depende
solamente de los caudales mximos anuales que han ocurrido en la cuenca y no da
cuenta de los procesos de transformacin de la precipitacin en escorrenta.
Obviamente tiene algunas limitaciones relacionadas con el comportamiento de la serie
histrica y con el tamao y calidad de los datos de la muestra.
4.1

Plotting Position

Trabaja con la probabilidad de excedencia asignada a cada valor de la muestra. Se han

propuesto numerosos mtodos empricos. Si n es el total de valores y m es el rango de
un valor en una lista ordenada de mayor a menor (m=1 para el valor mximo) la
probabilidad de excedencia se puede obtener por medio de las siguientes expresiones:

California

Weibull

Hazen
La expresin ms utilizada es la Weibull. Con las anteriores expresiones se halla lo que
se conoce como la distribucin emprica de una muestra, esta luego se puede ajustar a
una de las distribuciones tericas presentadas anteriormente. Los resultados pueden
ser dibujados en el papel de probabilidad; este es diseado para que los datos se
ajusten a una lnea recta y se puedan comparar los datos muestrales con la distribucin
terica (lnea recta).
4.2

Pruebas de Ajuste

Para determinar que tan adecuado es el ajuste de los datos a una distribucin de
probabilidades se han propuesto una serie de pruebas estadsticas que determinan si
es adecuado el ajuste. Estos son anlisis estadsticos y como tal se deben entender, es
decir, no se puede ignorar el significado fsico de los ajustes.

12

4.2.1

Mtodos Probabilsticos

Prueba Smirnov - Kolmogorov

El estadstico Smirnov Kolmogorov D considera la desviacin de la funcin de

distribucin de probabilidades de la muestra P(x) de la funcin de probabilidades
terica, escogida Po(x) tal que

La prueba requiere que el valor Dn calculado con la expresin anterior sea menor que
el valor tabulado Dn para un nivel de probabilidad requerido.
Esta prueba es fcil de realizar y comprende las siguientes etapas:

4.2.2

El estadstico Dn es la mxima diferencia entre la funcin de distribucin

acumulada de la muestra y la funcin de distribucin acumulada terica
escogida.
Se fija el nivel de probabilidad a, valores de 0.05 y 0.01 son los ms usuales.
El valor crtico Da de la prueba debe ser obtenido de tablas en funcin de a y n.
Si el valor calculado Dn es mayor que el Da, la distribucin escogida se debe
rechazar.

Prueba Chi Cuadrado

Una medida de las discrepancias entre las frecuencias observadas (fo) y las frecuencias
calculadas (fc) por medio de una distribucin terica esta dada por el estadstico

en donde
Si el estadstico =0 significa que las distribuciones terica y emprica ajustan
exactamente, mientras que si el estadstico >0, ellas difieren. La distribucin del
estadstico se puede asimilar a una distribucin Chi-cuadrado con (k-n-1) grados de
libertad, donde k es el nmero de intervalos y n es el nmero de los parmetros de la
distribucin terica. La funcin se encuentra tabulada.
Supongase que una hiptesis Ho es aceptar que una distribucin emprica se ajusta a
una distribucin Normal.
Si el valor calculado de por la ecuacin anterior es mayor que algn valor crtico de
, con niveles de significancia a de 0.05 y 0.01 (el nivel de confianza es 1-a) se puede
decir que las frecuencias observadas difieren significativamente de las frecuencias
esperadas (o calculadas) y entonces la hiptesis Ho se rechaza, si ocurre lo contrario
entonces se acepta.
Aunque no existe una definicin generalmente aceptada, se puede entender como
valores extremos, muy superiores a los dems registrados (Ashkar, et al. 1994).

13

Mtodos Probabilsticos

1. ESTADISTICA DE DATOS HIDROMETRICOS

ANALISIS DE DATOS HIODROMETRICOS EN RIO
JEQUETEPQUE

14

Mtodos Probabilsticos

CALCULO DE PROBABILIDAD DE DATOS HIDROMETRICOS EN RIO

JEQUETEPQUE

ANALISIS DATOS HIDROMETRICOS

PARA LA REALIZACIN DEL ESTUDIO HIDROLGICO DE LA CUENCA

HIDROGRFICA
SE
DISPONE
DE
MEDICINES
DE
CAUDALES,
CONSIDERANDO LA DISPONIBILIDAD DE ESTOS REGISTROS EN LAS
ESTACIONES DE AFORO.

LA DETERMINACION DE LA CURVA DE CALIBRACION - PERIODO DE

RETORNO SE REALIZO MEDIANTE EL ANALISIS ESTADISTICO DE AJUSTE DE
UNA DISTRIBUCION DE PROBABILIDAD, APLICANDOSE EN ESTE CASO LAS
DISTRIBUCIONES: NORMAL, LOGNORMAL, PEARSON, LOGPEARSON,
GUMBEL, LOGGUMBEL. ELIGIENDOSE LA MAS REPRESENTATIVA A LA SERIE
DE DATOS ANALIZADOS.

DEL ANALISIS RESULTA QUE LA DISTRIBUCION DE GUMBEL ES LA

QUE MAS SE APEGA A LA SERIE DE DATOS DE LA ESTACION
HIDROMETRICA DE YONAN.

15

Mtodos Probabilsticos

16

Mtodos Probabilsticos

17

Mtodos Probabilsticos

18

Mtodos Probabilsticos

19

Mtodos Probabilsticos

20

Mtodos Probabilsticos

21

Mtodos Probabilsticos

22

Mtodos Probabilsticos

AJUSTES DE PROBABILIDAD AL 10, 20, 30, 40, 50, 60, 70, 80,90 Y 99%

23

Mtodos Probabilsticos

24

Mtodos Probabilsticos

METODO SMIRNOV KOLMOGOROV

25

Mtodos Probabilsticos

26

Mtodos Probabilsticos

27

Mtodos Probabilsticos

28

Mtodos Probabilsticos

BIBLIOGRAFIA Y WEBGRAFIA

Autoridad Nacional del Agua Sd Rio Jequetepeque Balance Hidrico Anual

www.udicop.net/metodos-probabilisticos-ref.sxp/lg#.ffd
https://Bibliotecasvirtual/hidrometria-met#hotspot/12099

29