Professional Documents
Culture Documents
Victor M. Ponce
1. CUALES SON LOS PERODOS DE RETORNO NORMALMENTE USADOS EN
EL DISEO?
Perodo de retorno
No. Tipo de proyecto o obra
(aos)
3 Drenaje vial 25 a 50
Desarrollo de zona de
8 100
inundacin
Aliviadero de emergencia
11 100 a 10,000 (PMP)
(presas)
Donde:
xi es valor observado de la variable.
N es el nmero de observaciones.
Promedio geomtrico: se calcula con la siguiente expresin:
Medidas de Dispersin
Solucin:
(a) Promedio aritmtico:
(b) Mediana: se reordenan los datos en modo ascendente (2, 3, 3, 3, 4,
4, 5, 8). Como el nmero de datos es par, se hace el promedio de los
dos centrales (dejan 3 valores a cada lado), as:
(3+4)/2 = 3.5mm
El valor del promedio es mayor que los dems porque los datos
son positivamente asimtricos.
Ejemplo:
Calcular el promedio ponderado de los valores de lluvias observadas en las
estaciones que se presentan en la Tabla 4.3, para las reas de influencia
respectivas.
Solucin:
Se calcula el producto de la prepitacin observada y el rea (Tabla 4.3).
Finalmente, se evala la precipitacin media ponderada aplicando la
ecuacin, as:
EL AZAR
En 1654, el caballero de Mre, jugador
y matemtico aficionado propuso a
Blas Pascal un problema relativo a las
oportunidades de ganar en un juego
de dados. Pascal comunic el
problema a Fermat y de dicha
correspondencia entre ambos surgi
lo que despus ha llegado a ser la
Moderna teora de las probabilidades.
Laplace, eminente matemtico francs de fines del siglo XVIII principios del XIX,
describi en una ocasin la teora de probabilidades como: el sentido comn
reducido a clculo
CUAL ES LA RESPUESTA?
EL CALCULO DE PROBABILIDADES SE BASA EN
LAS SUPOSICIONES QUE HACEMOS RESPECTO A
CUESTIONES COMO:
2 = 1
El mismo razonamiento se puede aplicar al problema de
la caja de las bolas rojas y blancas. Puesto que no hay
ninguna manera posible de sacar una bola de otro que
rojo o blanco. La probabilidad de sacar una bola negra
es 0 cero.
Serie anual
Serie de Duracin Parcial
SERIE ANUAL DE MXIMOS
Donde:
Tr = periodo de retorno en la serie anual de mximos, en aos
n = nmero total de eventos en la serie anual, igual al nmero
de aos de registro
m = nmero de orden del evento, arreglados en forma
decreciente, es decir uno para el mayor y n para el menor.
SERIE DE DURACIN PARCIAL
Dentro de la serie de duracin parcial, comnmente se
trabaja con dos tipos de series:
Donde:
Frmula de Kirpich:
Donde:
Tc= horas
L= metros
S= m/m
Frmula de Hathaway:
Tc= horas
L= kilmetros
S= m/m
n=factor de rugosidad
FACTOR DE RUGOSIDAD FRMULA DE HATHAWAY
INCREMENTO DE LA INFORMACION HIDROLOGICA POR REGRESION
Aun cuando la correlacin entre los registros x e y sea alta, conviene investigar hasta que
punto es provechoso utilizar el registro amplio para incrementar otro, ya que puede suceder
que los valores inferidos discrepen mucho de la realidad El clculo de la llamada
Eficiencia Estadstica (E) permite concluir si mejora el valor medio del registro y,
y con esto, si conviene hacer la inferencia. Si el valor de E resulta mayor que
uno, no mejorar en nada el registro de las y; en cambio, si E es menor que la
unidad, convendr hacer la inferencia de los valores faltantes a partir de las x;.
La eficiencia estadstica E se calcula con la expresin siguiente:
Utilizar la ecuacin:
PTr A B (log Tr)
Vemos que una es la inversa de la otra: A partir del valor calcular la probabilidad o
al revs.
Y a veces en lugar de hablar de probabilidad se habla de periodo de retorno y la
pregunta 2 se plantea como: Cul es el caudal con un periodo de retorno de
50 aos?
Primero veremos conceptos bsicos, necesarios: muestra y poblacin, media
aritmtica y desviacin tpica, etc. Despus abordaremos la manera de
responder a cuestiones como las planteadas ms arriba con ejemplos
concretos.
Poblacin y muestra:
Poblacin, es el conjunto total de individuos o sucesos que
queremos estudiar.
A veces disponemos de medidas de toda la poblacin estudiada, pero
generalmente, esto sera muy difcil (medir la estatura de todos los
peruanos) imposible (estudiando el caudal de un ro tendramos que
medir los caudales de todos los aos pasados y futuros). En estos
casos debemos conformarnos con medir una parte de la poblacin (una
muestra). En cualquier caso, consideramos los datos disponibles y con
ellos intentamos extraer estimaciones vlidas para toda la poblacin.
Muestra, es una pequea parte de la poblacin elegida
adecuadamente para que sea representativa del total de la poblacin.
En este grfico podemos leer qu porcentaje de la muestra es inferior por ej. a 175
cm, o qu estatura deja por debajo, p.ej., al 80% de los casos.
Trabajando con caudales o precipitaciones el nmero de datos puede ser de 30
40, o a veces menos, y no son suficientes para agruparlos en intervalos (caudales
entre 5 y 10, entre 10 y 15, etc.). Pero s podemos realizar un grfico acumulado
como el anterior con los datos individuales.
Por ejemplo, para n=4, n/N=4/21*100=19 %. Quiere decir que el 19% de los datos
es igual o menor que 896 mm.
Representando grficamente las dos ltimas columnas, obtenemos un grfico
equivalente a la Fig. 2, que habamos preparado con las estaturas acumuladas; no
tiene la misma suavidad, al tratarse de un numero reducido de datos reales pero la
Coeficiente de Variacin
Cul de los dos datos fue mas excepcional (comparado con los datos de su
propia historia, claro), cul se apart ms de su media? .
El arroyo super a su media en 7,9-6,3= 1,6 l/s. El caudal del gran ro estuvo 112-
97= 15 m3/seg sobre su media. Pero en lugar de expresarlo en litros/seg o en
m3/seg, vamos a expresarlo en desviaciones tpicas:
Clculo de probabilidades con la Ley de Gauss (valores medios)
Datos necesarios:
Esto significa que ese dato individual est 1,26 desviaciones tpicas por
encima de la media.
Esto significa que ese dato individual est 1,83 desviaciones tpicas por debajo de
la media.
2) Calculamos la probabilidad de que z > 1,83 :
Aplicando la Tabla buscamos la probabilidad correspondiente a z = 1,83.
Por tanto, el valor que no se alcanza el 10% de los aos (probabilidad 0,90
de ser superado) es 19,4 m3/seg.
EN LA HIDROLOGIA NO SE VA AUTILIZAR
NO SE AJUSTA A LA FRECUENCIA DE LA LLUVIA
c t
EJEMPLO DE REGIONALIZACION