MODELOS PROBABILSTICOS

El diseo de una obra se inicia con la seleccin de una solicitacin que

define las dimensiones de la obra. En el caso particular de una obra
hidrulica, para dimensionarla, se requiere conocer el caudal
mximo de diseo o la avenida de diseo.
Para el dimensionamiento, no slo se debe estimar el caudal de diseo
sino que se debe predecir su probabilidad de
ocurrencia, es decir, cuntas veces se espera que sea
excedido el caudal de diseo en determinado tiempo.
Esto, para trabajar con unos rangos de seguridad de acuerdo al tipo de obra
proyectado.

Para responder a lo anterior, ser necesario elaborar un modelo probabilstico

de la situacin en anlisis, cuyo resultado final es imposible predecir con
certeza.
 PREGUNTAS Y RESPUESTAS
SOBRE EL PERODO DE RETORNO A SER
USADO PARA DISEO

Victor M. Ponce
1. CUALES SON LOS PERODOS DE RETORNO NORMALMENTE USADOS EN
EL DISEO?

En hidrologa, los perodos de retorno varan tpicamente de 10 a 100 aos, y en

lugares donde la Precipitacin Mxima Probable no ha sido definida, hasta
10,000 aos. La seleccin de perodo de retorno depende de varios factores,
entre los cuales se incluyen el tamao de la cuenca, la importancia de
la estructura, y el grado de seguridad deseado.

2. CUL ES EL PERODO DE RETORNO MS CORTO?

El perodo de retorno ms corto (bajo) se presenta en drenaje urbano es de 5 a

10 aos. Estos valores estn usualmente asociados con reas de drenaje
menores a 100 ha. Para estas reas, se puede utilizar el mtodo racional para
obtener la descarga pico. En ciertos casos, particularmente para reas que
exceden las 100 ha, se pueden usar perodos de retorno ms largos.
3. POR QU SE USAN PERODOS DE RETORNO CORTOS EN DRENAJE
URBANO?
En la hidrologa de cuencas pequeas, la descarga pico est relacionada con la
intensidad de lluvia. A su vez, sta est relacionada con el tiempo de
concentracin. Las reas pequeas tienen un tiempo de concentracin corto, y
esto produce una intensidad alta y una descarga pico alta [por unidad de rea]. Sin
embargo, como el rea es pequea, la descarga pico es tambin pequea. Por lo
tanto, para reas pequeas, con tiempo de concentracin medido en minutos,
no es usualmente econmico el disear para perodos de retorno largos.
4. CUL ES EL PERODO DE RETORNO PARA OBRAS REGIONALES DE
CONTROL DE INUNDACIONES?
Las obras regionales de control de inundaciones tales como los diques laterales
cubren grandes reas de drenaje. En este caso, los perodos de retorno pueden
variar entre los 50 y 100 aos. El tiempo de concentracin es ms largo, por
ejemplo, unas horas, y la intensidad de lluvia es correspondientemente menor; esto
resulta en una descarga pico pequea [por unidad de rea]. Sin embargo, la
descarga pico total puede ser grande, reflejando en este caso ms el tamao
del rea de drenaje que la intensidad de lluvia.
 5. CUL ES EL PERODO
DE RETORNO PARA EL
DISEO DE OBRAS VIALES?
Para el diseo de obras viales,
la seleccin de perodo de
retorno depende de la
importancia de la estructura.
Los perodos de retorno en
obras viales y otras obras
regionales, incluyendo
alcantarillas, varan tpicamente
entre los 25 y 100 aos. Es
inusual usar perodos de
Fig. 2 Diques longitudinales en el arroyo Tecate, Baja
California, Mxico. retorno mayores a 100 aos en
el diseo hidrulico de obras
viales.

6. CUL ES EL PERODO DE RETORNO PARA EL DISEO DE PUENTES?

En el caso de puentes sobre ros, el nfasis se pone en la importancia de la
estructura y el riesgo de falla. Para el diseo de pilares de puentes, se pueden
justificar perodos de retorno de hasta 500 aos, dependiendo del caso.
7. POR QU ES USUAL EL PERODO DE RETORNO DE 100 AOS?
El perodo de retorno de 100 aos significa cuatro generaciones. Es un nmero no muy alto y
no muy bajo. El valor de 100 aos no implica que la estructura estar en riesgo de falla cada
100 aos. En vez, significa que la estructura estar en riesgo de falla, por ejemplo, 10 veces a
lo largo de 1000 aos. El criterio de la avenida de 100 aos se aplica al desarrollo de llanuras
aluviales, obras de proteccin de mediana envergadura, y obras regionales de drenaje
urbano.
Como regla general, cuanto mayor es el rea de drenaje, ms largo es el perodo de
retorno. Usualmente, reas menores de 250 ha no justifican perodos de retorno
mayores a los 25 aos. Sin embargo, para reas mayores, hasta las 10,000 ha o ms, se
pueden justificar perodos de retorno hasta de 100 aos o ms.
8. QU ES LA PRECIPITACIN MXIMA PROBABLE?
PMP quiere decir "Precipitacin Mxima Probable." Aun cuando su nombre implica
una probabilidad, en efecto la primera P de PMP debe interpretarse como
"posible." El PMP es una maximizacin razonable de la precipitacin [de evento]
que puede esperarse en una localizacin geogrfica, para una duracin
determinada. Los estimados de PMP, que incluyen estimados generalizados (con
mapas), y otros basados en mtodos estadsticos, han sido hechos en los Estados
Unidos desde principios de la dcada de 1960

10. PUEDE LA PMP SER DIFERENTE QUE AQULLA CON PERODO DE

RETORNO DE 10,000 AOS?
El valor de PMP basado en mtodos estadsticos se usa comnmente en lugares
donde el PMP generalizado no est disponible. No es raro que el valor de PMP
basado en estadstica sea diferente que la avenida de P10,000 obtenida usando
mtodos estadsticos.
11. CUNDO SE UTILIZAN PERODOS DE RETORNO HASTA 10,000 AOS?
Para lugares en los cuales no se han determinado valores de PMP generalizado, y
donde el riesgo de falla pone en peligro la vida humana, se usan perodos de
retorno mayores a 100 aos, incluyendo 200, 500, 1000, 2000, 5000, y 10,000
aos. Los valores hasta de 10,000 aos se usan para aliviaderos de emergencia e
hidrogramas de borde libre, en el diseo de presas.

Fig. 4 Aliviadero de demasas de la presa Turner, condado de San Diego,

California, USA.
12. QU PERODOS DE RETORNO [MS ALL DE LOS 100 AOS] SE
USAN EN LOS ESTADOS UNIDOS?
En los Estados Unidos se utilizan perodos de retorno hasta 100 aos. Ms
all de este lmite, las precipitaciones de diseo se toman como la suma de
la P100 ms una fraccin de la diferencia entre el P100 y la PMP. Por ejemplo,
para una presa de clase (c), el Servicio de Conservacin de Recursos
Naturales (NRCS) especifica una precipitacin para un aliviadero de
emergencia igual al 100% de la P100 ms el 26% de la diferencia entre el
PMP y el P100 (NRCS TR-60: Earth dams and reservoirs).
En efecto, esto significa que la precipitacin de diseo es un promedio
ponderado de la P100 y la PMP. Estas precipitaciones se usan, junto con un
modelo de precipitacin-escorrenta, para calcular el hidrograma de diseo.
Para una presa de clase (c), la PMP se usa para calcular la Avenida Mxima
Probable (AMP), vale decir, la avenida que tomara todo el borde libre.
13. CUL ES EL PERODO DE
RETORNO DE UNA AVENIDA
PRODUCIDA POR LA ROTURA DE UNA
PRESA?
El perodo de retorno de una avenida
producida por la rotura de una presa
depende del volumen almacenado
detrs de la presa en el momento de la
rotura, y del tiempo de desarrollo de la
rotura misma. Si este tiempo es corto, por
decir menos de una hora, la avenida
resultante puede tener un perodo de
retorno mayor a los 10,000 aos. Por lo Fig. 5 Falla de la presa Teton, en el ro Snake, Idaho, USA,
tanto, es importante disear la presa de el 5 de junio de 1976.

manera que el aliviadero sea capaz de

pasar una avenida extrema.
 14. PUEDEN LOS PERODOS DE RETORNO VARIAR EN EL
MISMO PROYECTO?
S. Cuando los otros factores son los mismos, el perodo de
retorno a usar depende del tamao del rea de drenaje.
Cuando menor es el rea de drenaje, ms corto podr ser el
perodo de retorno. De otra manera, cuando ms grande es
el rea de drenaje, ms largo podr ser el perodo de
retorno. Por lo tanto, las reas menores dentro de una cuenca
tendrn perodos cortos, por ejemplo, 5 a 10 aos, mientras que
reas mayores tendrn perodos ms largos, por ejemplo, 25,
50, o 100 aos. La razn para variar los perodos de retorno
dentro de un mismo proyecto es que la probabilidad de
ocurrencia de una cierta intensidad de lluvia aumenta con una
disminucin del rea de drenaje. Por lo tanto, es ms probable
que un rea ms pequea sea sometida a una intensidad de
lluvia ms alta.
El diseo de un proyecto de drenaje urbano (con reas que varan desde
una cuantas hectreas hasta cientos de hectreas) con el mismo valor de
perodo de retorno puede llevar al diseo insuficiente de las reas grandes
(si se usa un perodo de retorno corto) o al sobrediseo de las reas
pequeas (si se utiliza un perodo de retorno largo).
 Anomalas globales de temperatura de la superficie en el ao 2005 (Fuente: NASA).

15. CMO AFECTAR EL CALENTAMIENTO GLOBAL AL DISEO?

Bajo condiciones de calentamiento global, se espera que los climas cambien local y
regionalmente. Algunas regiones se secarn y otras se volvern mas hmedas.
Todo el registro de precipitaciones podra estar en riesgo de obsolescencia.
Un diseo existente o planeado, basado en el registro disponible, se convertir en
menos conservador bajo un cambio de condiciones hmedas a secas
(desertificacin), y en ms conservador bajo un cambio de condiciones secas a
hmedas (humidificacin).
16. QUIN ESCOGE EL PERODO DE RETORNO?
El diseador escoge el perodo de retorno, en consulta con el dueo,
siguiendo la prctica establecida. Es importante que la seleccin considere
una estimacin adecuada del riesgo. El Cuadro 1 puede usarse como gua,
en conjuncin con las reglamentos y experiencia locales.
 Cuadro 1. Gua para la seleccin de perodos de retorno.

Perodo de retorno
No. Tipo de proyecto o obra
(aos)

Drenaje urbano [bajo riesgo]

1 5 a 10
(hasta 100 ha)

Drenaje urbano [mediano riesgo]

2 25 a 50
(ms de 100 ha)

3 Drenaje vial 25 a 50

4 Aliviadero principal (presas) 25 a 100

5 Drenaje vial 50 a 100

Diques longitudinales [mediano

6 50 a 100
riesgo]

Drenaje urbano [alto riesgo]

7 50 a 100
(ms de 1,000 ha)

Desarrollo de zona de
8 100
inundacin

9 Diseo de puentes (pilares) 100 a 500

Diques longitudinales [alto

10 200 a 1000
riesgo]

Aliviadero de emergencia
11 100 a 10,000 (PMP)
(presas)

Hidrograma de borde libre [para

12 10,000 (PMP)
una presa de clase (c)]
 PROBABILIDAD Y ESTADSTICA
EN HIDROLOGA
La estadstica trata del ordenamiento y computacin de los datos
registrados de una muestra. La probabilidad, por otro lado, es el clculo o
medida de la posibilidad de ocurrencia de valores iguales a los de la
muestra. En otras palabras, la estadstica es la ciencia de la obtencin
y anlisis de los datos de las poblaciones, mientras que la
probabilidad es la teora matemtica que estudia la relacin que existe
en una poblacin o muestra, entre el nmero de casos favorable (a un
determinado suceso) y el nmero total de casos posibles.

Un proceso probabilstico en hidrologa consiste en un conjunto de

variables al azar (generalmente series de tiempo), es decir, variables
(eventos) que toman valores en una secuencia a travs del tiempo
(horas, das, meses, aos). Estos procesos pueden ser muestreados
en forma discreta o continua.
PARMETROS ESTADSTICOS

Un parmetro estadstico es el valor esperado de alguna variable

aleatoria o de alguna funcin, es decir, son estimadores de las
muestras para caracterizarlas.

Medidas de tendencia hacia un valor central de la serie:

Promedio aritmtico o media aritmtica () es el primer momento

alrededor del origen. Aunque da informacin sobre la muestra, este
parmetro no caracteriza completamente a una variable aleatoria. Si la
muestra es pequea y contiene valores extremos (altos o bajos) el
promedio no ser un parmetro real en relacin con la poblacin. Se
calcula mediante la expresin:

Donde:
xi es valor observado de la variable.
N es el nmero de observaciones.
 Promedio geomtrico: se calcula con la siguiente expresin:

Mediana (M): es el valor de la variable que deja con igual

probabilidad de ocurrencia (0.50) los valores abajo y arriba de ella,
por lo tanto, la mediana resulta atractiva, en el caso de series que
se apartan de la normal.
Moda: es el valor de la variable que ocurre con mayor frecuencia

Los tres parmetros (la media aritmtica, la mediana y la moda)

son iguales para distribuciones simtricas. Para series pequeas,
se justifica el uso de la mediana, porque el promedio se afecta en
ellas mucho ms por los valores extremos y es adems ms
robusta. En la prctica hidrolgica en series que se apartan de la
distribucin normal es comn usar los logaritmos de la variable.
En hidrologa se tienen frecuentemente muestras de distintos
tamaos N1, N2, N3 ... NR y se necesita obtener el promedio
ponderado de todas ellas, as:

Medidas de Dispersin

Las medidas de dispersin miden como los valores de una

variable se dispersan alrededor del valor central o media
aritmtica de la serie, es decir, representan una distribucin
alrededor de un valor medio.

Desviacin media (M): Es la media aritmtica del valor absoluto

de los errores. Se calcula con la siguiente expresin:
 Desviacin estndar (): Es el parmetro de dispersin ms usado
en hidrologa, se llama tambin desviacin cuadrtica. Es la raz
cuadrada de la varianza y tiene las unidades de X.
 La varianza: Es el cuadrado de la desviacin estandar (2) y es el
segundo momento alrededor de la media. Sus unidades son el
cuadrado de las unidades de la variable. En general, es un indicador
que indica cuanto cerca de la media est el valor de la variable. Si
tericamente todos los valores fueran igual a la media, la varianza sera
cero.

La ecuacin de la varianza se puede tambin expresar desarrollando el

trinomio cuadrado perfecto del numerador.

Reemplazando estos valores en y operando queda:

 Covarianza. Cuando se analiza la varianza de dos (X, Y) ms
variables (X, Y, Z). En el caso de dos variables, la covarianza es la
media aritmtica del producto de los errores de X, e Y, y se expresa
mediante la siguiente ecuacin:

Coeficiente de variacin: es el cociente entre la desviacin standard

y el promedio, X . Es adimensional.
 El coeficiente de asimetra (g): Es el tercer momento alrededor de la
media. Describe la distribucin de los datos alrededor de media. Es
una medida de la simetra. Una distribucin simtrica tiene un
coeficiente de asimetra igual a cero cuando los datos se distribuyen
alrededor de la media; negativo cuando la distribucin de los datos
tiene mayor sesgo a la izquierda y positivo cuando tiene mayor
sesgo a la derecha, segn como se desve hacia valores bajos o
altos con relacin a la media. Es un parmetro muy usado en
estudios regionales, se calcula con la expresin:
Ejemplo:
Dados los valores de lluvias en milmetros de la Tabla 4.2, encontrar:
(a) promedio aritmtico, (b) mediana, (c) moda, (d) promedio
geomtrico (e) rango, (f) desviacin estndar y (g) varianza.

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

(c) Moda: el valor ms comn en la serie es el nmero 3mm.

(d) Promedio geomtrico:

El valor del promedio es mayor que los dems porque los datos
son positivamente asimtricos.

(e) Rango se calcula como la diferencia entre el valor mximo y el

mnimo de la serie, as:
(8-2) = 6mm
(f) Desviacin estndar:
 (g) Varianza:

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.

De esta forma el sencillo problema de

un jugador origino la poderosa
tcnica que constituye los
fundamentos de la estadstica
matemtica
Para ver con que facilidad pueden surgir los malos
entendidos , vamos a estudiar el tipo de problema que
originalmente discutieron Pascal y Fermat.

Supongamos que dos jugadores A y B participan en una

apuesta de S/. 60 soles. Convienen en que el que primero
haga 3 puntos, ganar toda la apuesta, pero cuando A ha
ganado 2 puntos y B ha ganado 1 punto, de mutuo acuerdo
deciden dejar de jugar.

Cmo tendran que repartirse la apuesta de S/. 60

soles?
 A primera vista este problema parece muy sencillo. Se puede
decir que A tiene el doble de puntos que B, a A le debe
corresponder doble nmero de soles que a B, es decir: A
debera llevarse S/. 40 soles y B S/. 20 soles.
Pero supongamos que se jugara el otro punto, el que de
mutuo acuerdo no se ha jugado.
Si lo ganara A, que pasa.
Si pierde A que pasa.
Es decir que A est seguro de ganar en cualquier caso S/. 30
soles, y suponiendo que tengan iguales oportunidades de
ganar el punto siguiente de los otros S/. 30 soles, se le
debera dar la mitad. Dicho de otro modo que a A le debera
corresponder S/. 45 y a B S/. 15.
 No es difcil ver que la segunda solucin es la correcta si A y B se han de atener
a su convenio original, pero si al principio del juego se hubieran puesto de
acuerdo para dividir la apuesta proporcionalmente a los puntos que tuvieran al
dejar el juego, la solucin correcta sera desde luego la Primera.

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

Dos estudiantes de ingeniera hidrulica estn tratando de decidir

cmo pasar la tarde del da sbado. Finalmente convienen dejar
que sea una moneda la que decida:

1. Si sale cara van a jugar un partido de futbol;

2. Si sale escudo van a una cervecera
3. Y si la moneda se queda de canto, estudiarn

CUAL ES LA RESPUESTA?
EL CALCULO DE PROBABILIDADES SE BASA EN
LAS SUPOSICIONES QUE HACEMOS RESPECTO A
CUESTIONES COMO:

1. Cul es la probabilidad de que la moneda quede

de canto?

2. Cul es la probabilidad de que salga cara o bien

escudo?

3. Cul es la probabilidad de que salga cara?

4. Cul es la probabilidad de que salga escudo?

Para discutir estas cuestiones en trminos matemticos
es necesario asignar valores numricos a las diversas
probabilidades.

Supongamos por un momento que llamamos al valor

numrico de la probabilidad de salga cara. Puesto que es
igualmente posible que salga escudo debe tener el valor
de . Pero estamos seguros de que saldr o cara o
escudo. Por lo tanto 2 ha de tener el valor de la certeza,
es decir de que ocurra con toda seguridad un
acontecimiento que puede ocurrir.

Como valor de esta certeza podemos elegir el valor que

queramos, aunque se acostumbra y es muy conveniente,
elegir el valor de 1, por lo tanto suponemos que:

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.

Resumiendo diremos que la probabilidad de que ocurra

un acontecimiento imposible es 0, la de que ocurra un
acontecimiento que ha de ocurrir con toda seguridad es
1, y la probabilidad de que ocurra un acontecimiento
posible es una fraccin comprendida entre 0 y 1
Preguntas:

Cul es la probabilidad de que nos salga dos al echar

un solo dado?
Cul es la probabilidad de que salga un dos o un tres al
echar un solo dado?

De las preguntas anteriores se puede ampliar al siguiente

principio general: Si p1, p2,p3, pn son las
probabilidades respectivas de n acontecimientos que se
excluyen mutuamente, la probabilidad de que se
verifique uno de ellos es la suma de todas las
probabilidades, sea p1 + p2 + p3 +, pn (El que
salga un dos o el que salga un tres son acontecimientos
que se excluyen mutuamente, ya que no pueden salir los
dos al vez, al echar un solo dado.
Preguntas:

Cul es la probabilidad de que salga dos unos al echar

un par de dados?

De las preguntas anteriores se puede ampliar al siguiente

principio general: Si p1, p2,p3, pn , son las
probabilidades respectivas de n acontecimientos
independientes, la probabilidad de que todos los n
acontecimientos ocurran simultneamente es el producto
de esas probabilidades, sea (p1) (p2) (p3) (pn)

(El que salga un uno en el primer dado y el que salga un

uno en el segundo dado son acontecimientos
independientes, porque el primero no influye para nada
sobre le segundo)
Diremos todava un detalle mas de carcter general:
si es la probabilidad de que ocurra un determinado
acontecimiento, la probabilidad de que deje de ocurrir es
1.

Por lo tanto en la ultima pregunta, la probabilidad de que

salgan 2 unos al echar un par de dados es 1/36 ,
podemos concluir que la probabilidad de que no salga 2
unos es 1 (1/36), o sea 35/36.

Se comprueba fcilmente este resultado dndose cuenta de que si

un acontecimiento puede ocurrir solamente en 1 de 36 maneras
posibles, puede dejar de ocurrir en 35 de esas 36 maneras.

Cul es la probabilidad de que, al echar dos veces una

sola moneda, salga cara por lo menos una vez?
Probabilidad
Su estudio surge por el afn del hombre por las
competencias y las apuestas. Hoy en da abarca ms
que los juegos de azar: poltica, ingenieras,
negocios, clima, etc.
Expresa resultados de los que no se tiene la total
certeza.
Expresa la posibilidad de que ocurra un evento como
resultado de un experimento estadstico.
Se evala por nmeros reales, probabilidades, del 0
al 1.
A cada punto del espacio muestral se le asigna una
probabilidad tal que la suma es igual a 1. Pueden ser
equiprobables o con diferentes valores.
La probabilidad de ocurrencia de un evento es la suma
de
probabilidades asignadas a los puntos muestrales.
 PROBABILIDAD, PERIODO DE RETORNO Y RIESGO DE FALLO

A lo largo de los temas anteriores se ha estado utilizando indistintamente

probabilidad (por ejemplo: un 2% de los aos) y expresiones como cada 50
aos.
Es evidente que si un suceso se presenta (por trmino medio) cada 10
aos, su probabilidad es de 0,10 (10%).

Anloga e inversamente, si la probabilidad de que algo suceda es de 0,04

(4%), ello quiere decir que, en promedio, suceder 4 veces en 100 aos, o
sea: una vez cada 25 aos.

Estos conceptos se relacionan mediante la expresin:

En Hidrologa se utiliza ms el periodo de retorno que la probabilidad.
As, se habla de la crecida de 50 aos en lugar de referirse a la crecida con
probabilidad 0,02 o de la precipitacin con retorno de 100 aos en vez de la
precipitacin con probabilidad 0,01.

Supongamos que hemos calculado un cierto caudal que corresponde al

retorno de 50 aos. La probabilidad de que se produzca el ao prximo ser de
0,02 (=1/50); y la probabilidad de que se produzca el siguiente ao ser de 0,02 y
as cada ao. Necesitamos conocer la probabilidad de que se alcance ese caudal
en los prximos n aos:

Vamos a denominar a la ltima expresin obtenida arriba el riesgo de fallo (R),

es decir: la probabilidad de que s se produzca alguna vez un suceso de periodo
de retorno T a lo largo de un periodo de n aos:
Ejemplo: Se va a construir un canal cuya vida til es de 75 aos. Si el
caudal supera el valor correspondiente al periodo de retorno de 100 aos, se
desbordar. Calcular la probabilidad de que se produzca un
desbordamiento en alguno de los prximos 75 aos

Por tanto, existe un 52,9% de probabilidad de que el caudal de retorno 100

aos se alcance en alguno de los prximos 75 aos

Se produce la siguiente paradoja: si consideramos un caudal con retorno

de 100 aos, parece seguro que se presente en alguno de los prximos 100
aos. Pero si aplicamos la frmula anterior, haciendo T= 100 y n=100, y
obtenemos 0,633 , es decir solamente un 63,3 %
 ANLISIS DE PROBABILIDAD EMPRICA

TABLA DE PROBABILIDAD EMPIRICA FORMULAS DE USO GRAFICO

m: orden del dato

n: nmero total de datos
WEIBULL PE = [(m) / (n + 1)]*100 (%)
HAZEN PE = [(2m) / (2n +1)]*100 (%)
CALIFORNIA PE = [(m/n)]*100 (%)
TURKEY PE = [(3m-1)/(3n+1)]*100 (%)
GRINGOTEN PE = [(m-0.44)/(n + 0.12)]*100 (%)
 PRECIPITACIN MXIMA EN 24 HORAS

TIPOS DE SERIES ESTADSTICAS A UTILIZAR

Los datos de precipitacin mxima diaria son

presentados en un registro mensual, en el que se
indica el valor mximo que ocurre en cada mes de
un ao y cada mximo de los doce valores
anteriores integran el registro anual.

En el anlisis estadstico no se emplean todos los

datos, slo se utilizarn las magnitudes ms
grandes, las cuales forman una SERIE
ESTADISTICA
PRECIPITACIN MXIMA EN 24 HORAS
 TIPOS DE SERIES ESTADSTICAS

Bsicamente se emplean dos tipos de series

estadsticas:

Serie anual
Serie de Duracin Parcial
 SERIE ANUAL DE MXIMOS

La serie anual es la ms utilizada, presenta una base

slida para la extrapolacin de los eventos.

La desventaja radica en que cada ao queda

representado por un solo evento y el mximo de un
ao puede ser menor que el segundo o tercero en
magnitud de otro ao y sin embargo no fueron
considerados.
 SERIE ANUAL DE MXIMOS

El perodo de retorno est dado por:

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:

Serie de Excedentes Anuales

Serie de Duracin Parcial
 SERIE DE EXCEDENTES ANUALES

Est formada por datos cuya magnitud es mayor que un cierto

valor base, el cual es determinado de manera que el nmero de
eventos de la serie integrada sea igual al nmero de aos de
registro.

Al formar la serie de excedentes anuales, se debe tener cuidado

de cumplir con la condicin de independencia entre los eventos.

Para fines prcticos se acepta en el caso de lluvias mximas, que

las condiciones meteorolgicas que generan una lluvia
importante es independiente de otra despus de un tiempo de 15
das.
 SERIE DE EXCEDENTES ANUALES

El perodo de retorno de la series de excedentes anuales, se evala con la

siguiente ecuacin:

Donde:

Te= 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

Esta integrada por todos los eventos mayores que el

menor de la serie anual de mximos.

Contiene casi siempre un nmero de eventos diferente

al nmero de aos de registro y por lo tanto no puede
ser procesado estadsticamente como la serie anual.

Chow ha investigado la relacin terica entre las serie

anual y la serie de duracin parcial.
Sobre la base de resultados de experimentos de W.B.
Langbein; Dalrymple compara los perodos de retorno
para la serie de duracin parcial y la serie anual.
 OBTENCION DEL VALOR REPRESENTATIVO PARA LA
CUENCA

Cuando se utiliza una sola estacin pluviomtrica.

En caso de haber utilizado una sola estacin pluviomtrica cercana

o dentro de la cuenca en estudio, los valores obtenidos de lluvia
mxima diaria para los perodos de retorno necesarios, sern
considerados representativos para la cuenca.

Cuando se utiliza ms de dos estaciones pluviomtricas.

Cuando ms de dos estaciones pluviomtricas cercanas fueron

empleadas, los valores calculados con cada una de ellas, para la
lluvia mxima diaria de algn perodo de retorno, debern ser
ponderados o pesados para obtener el valor representativo para la
cuenca.
 CORRECCIONES AL VALOR REPRESENTATIVO
L.L.Weiss, sobre la base de un estudio de miles de estaciones ao de
datos de lluvia, encontr que:

Los resultados de un anlisis probabilstico llevado a cabo con lluvias

mximas anuales tomadas en un nico y fijo intervalo de observacin,
para cualquier duracin comprendida entre 1 y 24 horas, al ser
incrementado en un 13% conducan a magnitudes ms aproximadas a
las obtenidas en el anlisis basado en lluvias mximas verdaderas.
CORRECCIONES AL VALOR REPRESENTATIVO
De acuerdo a lo anterior, el valor representativo adoptado para
la cuenca deber ser multiplicado por 1.13 para ajustarlo por
intervalo fijo y nico de observacin, pues los registros de
lluvias mximas diarias, se toman de 8. am de un da a 8 am del
da siguiente.

Con tal correccin la lluvia representativa se convierte en la

lluvia mxima en 24 horas de determinado perodo de retorno.
 CORRECCIONES AL VALOR REPRESENTATIVO

Conviene aclarar que los llamados registros de lluvias mximas en 24

horas, que proporciona el SENAMHI tienen una significacin
errnea, pues en realidad son registros de lluvias mximas diarias, ya
que tales tormentas no tienen una duracin real de 24 horas, sino que
nicamente fueron observadas con intervalos de 24 horas
 CORRECCIN POR MAGNITUD DE CUENCA.

Se considera que los valores puntuales obtenidos con la estacin

pluviomtrica son representativos de solo 25 km2 y al tener que abarcar
un rea de cuenca mayor deben ser reducidos. Se debe corregir el valor
estimado de lluvia mxima en 24 horas y adecuarlo a la magnitud de
cuenca en estudio.
Obtenida en base a datos de 20 redes pluviomtricas densas de varias
regiones de USA.
Ha sido reportada por
el National Enviromet
Research Council de
Inglaterra.
Ha sido reportada
por el National
Enviromet Research
Council de
Inglaterra.
 TIEMPO DE CONCENTRACIN

Frmula de Kirpich:

Donde:

Tc= horas
L= metros
S= m/m

Se aplica a reas de drenaje menores que 80 hectreas

TIEMPO DE CONCENTRACIN

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:

k = numero de datos del registro y.

n = numero de datos del registro x.
rxy = coeficiente de correlacin de las k parejas de datos comunes de y e y.
 CRITERIO DE INTERPOLACIN PARA EL PROCESAMIENTO
ESTADSTICO.

Se debe emplear cuando el nmero de aos de registro es

mayor o igual a los perodos de retorno para los que se
requieren las estimaciones de lluvia mxima en 24 horas

Los valores buscados se deducen a partir de una ecuacin de

regresin lineal entre las magnitudes de los eventos de la serie
utilizada y los logaritmos decimales de sus correspondientes
perodos de retorno.
Donde:
PTr= Lluvia mxima diaria de perodo de retorno Tr (mm)

A,B = parmetros de ajuste de la regresin lineal.

Tr = periodo de retorno de la serie anual o de la serie de

duracin parcial.
PROCESAMIENTO ESTADISTICO DE
LLUVIAS MAXIMAS DIARIAS
1. Procesar estadsticamente el registro de una serie anual de
lluvias mximas de las estaciones Conchucos, para obtener las
lluvias mximas en 24 horas de perodos de retorno 2, 5, 10 y 15
aos.

Utilizar la ecuacin:
PTr A B (log Tr)

Corregir por intervalo fijo de observacin.

Obtener los coeficientes A, B y calcular el coeficiente de
correlacin.
Obtener las lluvias mximas solicitadas.
 Precipitacion maxima diaria Estacion Conchucos

N Ao P(mm) Pcorregido Pordenadocorre Tr(aos) Log(Tr)

1 1975 37.4 42.26 42.26 18.00 1.255
2 1967 31.7 35.82 35.82 9.00 0.954
3 1974 31 35.03 35.03 6.00 0.778
4 1966 29 32.77 32.77 4.50 0.653
5 1973 28 31.64 31.64 3.60 0.556 A= 19.3299045
6 1976 27 30.51 30.51 3.00 0.477 B= 19.5912746
7 1978 26.4 29.83 29.83 2.57 0.410 R= 0.96079748
8 1965 23 25.99 25.99 2.25 0.352
9 1969 22.9 25.88 25.88 2.00 0.301 Tr= P(mm)
10 1970 22.3 25.20 25.20 1.80 0.255 2 25.227
11 1977 22.3 25.20 25.20 1.64 0.214 5 33.024
12 1971 21.8 24.63 24.63 1.50 0.176 10 38.921
13 1979 19.5 22.04 22.04 1.38 0.141 15 42.371
14 1968 19.2 21.70 21.70 1.29 0.109
15 1964 17.4 19.66 19.66 1.20 0.079
16 1972 17 19.21 19.21 1.13 0.051
17 1980 12.6 14.24 14.24 1.06 0.025

analisis de datos -regresion-ingreso y e x

 CRITERIO DE EXTRAPOLACIN PARA EL PROCESAMIENTO
ESTADSTICO.

Cuando la amplitud del registro en aos es menor que los perodos de

retorno que tendrn las lluvias mximas en 24 horas, pero el ms grande
de ellos no es mayor de CINCO veces la amplitud del registro, se ajustan
los datos a una distribucin de probabilidades, para estimar a partir de ella
los valores probables de lluvia mxima diaria para los perodos de retorno
requeridos.

Las distribuciones de probabilidad ms adecuadas a los registros de

lluvia mxima diaria, son bsicamente tres:

Distribucin de valores extremos Tipo I o de Gumbel.

Distribucin Log Pearson Tipo III
Distribucin Gamma incompleta.
HIDROLOGIA
 DISTRIBUCIONES ESTADSTICAS
Introduccin. Para qu sirve esto?

Con frecuencia nos planteamos dos tipos de cuestiones relacionadas con la

probabilidad de que se presente un cierto caudal o de que se produzca cierta
precipitacin:

1. Cul es la probabilidad de que el caudal supere 40 m3/seg?

2. Qu caudal ser superado un 2% de los aos?

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.

Si yo midiera la estatura de mis alumnos para conocer la estatura media

del curso, ellos seran toda la poblacin estudiada. Pero si, a partir de
ellos, yo quiero extraer conclusiones sobre la estatura de toda la juventud
peruana, mis alumnos seran solamente una muestra representativa de
la poblacin estudiada.
Cmo abordaramos el problema sin la ayuda de los matemticos?

Como una primera aproximacin, vamos a abordar el problema sin ms

matemticas que las cuatro operaciones bsicas.

Supongamos que hemos medido la estatura de 243 personas, los valores

los hemos distribudo en grupos de 5 en 5 cm. y aparecen en la tabla
adjunta . Su representacin grfica aparece al lado.
 Ahora vamos a contarlos de un modo acumulado: nmero total de casos
hasta 150 cm, hasta 160 cm, etc. Efectuamos esa suma acumulada tanto
con el nmero de casos como con los porcentajes. En esta tabla
repetimos a la izquierda la tabla anterior y a la derecha los valores
acumulados; al lado, su representacin grfica (en abcisas las
estaturas, en ordenadas la ltima columna de la tabla).

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.

Veamos como ejemplo 21 precipitaciones anuales en una estacin X de

CAJAMARCA.

A la izquierda de la tabla aparecen en orden cronolgico. A la derecha se han

clasificado de mayor a menor, y en la ltima columna se refleja el porcentaje
de datos que supera ese valor.

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

lectura de ambos grficos ha de ser la

misma: En este ltimo podramos leer
directamente la probabilidad de que la
precipitacin sea <1300 mm, o, a la
inversa, qu valor de precipitacin no
se supera el 30% de los aos.
 DISTRIBUCIONES SIMTRICAS Y ASIMTRICAS

Si en la Fig. N 1 hiciramos los

intervalos ms pequeos, y
aumentramos el nmero de valores
medidos, el grfico continuara con esa
forma de campana, pero se ira
suavizando hasta ser una curva continua.

Lo mismo sucedera con la curva en forma

de S de la fig. 2. As obtendramos las dos
curvas que aparecen en la Fig. 4 Gauss
encontr la ecuacin de estas curvas, que
utilizaremos ms adelante.

La ecuacin de la curva en forma de

campana se llama funcin de densidad y
la de forma de S funcin de
distribucin. Nosotros vamos a trabajar
con la segunda.
 Muchas variables naturales se ajustan a la distribucin simtrica
estudiada por Gauss, pero no todas. En ocasiones no hay la misma
proporcin de pequeos que de grandes, eso dar lugar a una
distribucin asimtrica.

Por ejemplo, si representramos los

ingresos de la poblacin de una
ciudad, seguro que la campana no
sera simtrica: la riqueza se
distribuye con menor equidad que la
estatura, y mientras que la proporcin
de altos y bajos es similar, no as la de
ricos y pobres (hay pocos ricos y
muchos pobres). Quiz la campana
correspondiente tendra una forma
similar a la figura 5.

Fig. 5.- Distribucin asimtrica en la que los

valores ms frecuentes (pico de la curva) son
ms bajos que la media, (esta curva
corresponde a la ecuacin de Gumbel)
Los matemticos han encontrado para nosotros las ecuaciones de
muchas de estas campanas asimtricas (Gumbel, Pearson III, etc.).

En otras ocasiones, los valores no se ajustan a la distribucin de

Gauss, pero sus logaritmos s, se denomina entonces log-normal
(LN,LN2, y LN3), la distribucin de Gauss se llama normal).

En Hidrologa, las precipitaciones o caudales anuales suelen

ajustarse a la distribucin simtrica de Gauss, pero los valores
mximos, no: si consideramos el da ms caudaloso o el ms
lluvioso de cada ao de una serie larga de aos (eso es necesario
para estudiar la previsin de avenidas), no se ajustarn a Gauss,
sino probablemente a la campana asimtrica descrita por
Gumbel o alguna similar.
 MEDIA Y DESVIACIN TPICA

Sea cual sea la distribucin, para caracterizar un conjunto cualquiera de medidas

(las estaturas de los peruanos, los caudales del ro Mashcon) es necesario
disponer de un valor indicativo de su tendencia central y otro valor que nos
indique la dispersin: si los valores estn apretados o alejados a ambos lados
de la media.

Para indicar la tendencia central, normalmente se utiliza la media aritmtica,

tan intuitiva y que todos conocen: sumar valores y dividir por el nmero de casos.
Pero en una distribucin asimtrica, la media aritmtica nos proporciona
una informacin equvoca:

La dispersin de los datos a ambos lados de la

media se evala mediante la desviacin tpica (o
estndar, es lo mismo). La desviacin tpica (s
) se calcula en funcin de la suma de las
desviaciones de cada punto (x) a la media
previamente calculada ( x ).
n es el nmero total de datos.
Por ejemplo, las dos series de datos siguientes tienen la misma media (23) pero
obviamente son muy distintas, en la segunda los datos estn ms dispersos
respecto de la media:

La desviacin tpica no slo nos indica de un vistazo la dispersin de los datos a

ambos lados de su media, sino que es especficamente til para realizar ciertos
clculos que veremos ms adelante.

La frmula anterior se aplica sin problema a la poblacin (es decir, si hemos

podido medir todos los datos de la poblacin estudiada, y con ellos aplicamos la
frmula). Pero lo habitual es que dispongamos slo de los datos de una muestra,
y la desviacin tpica de esa muestra puede no coincidir con la de toda la
poblacin; para moderar este error se utiliza este estimador de la desviacin
tpica:
Cuando el nmero de datos (n) es grande las dos frmulas proporcionan valores
casi idnticos.
Estas dos frmulas se incluyen en las calculadoras cientficas como n y n-1

Normalmente se utiliza la notacin cuando se ha calculado con los datos de la

poblacin y se escribe como S si se ha calculado con una muestra.
(Anlogamente suele usarse para la media aritmtica calculada sobre la
poblacin y para la calculada sobre una muestra).

El cuadrado de la desviacin tpica es la varianza ,el cuadrado del

estimador que preferimos utilizar para las muestras se denomina quasivarianza

Coeficiente de Variacin

Si ambas series tienen la misma media, su desviacin tpica nos indica el

grado de dispersin de los valores a los lados de la media. Pero si las medias
son distintas, la simple comparacin de las desviaciones tpicas no sirve
de nada. Supongamos ahora que queremos comparar la primera de las series
anteriores con otra nueva serie cuyos valores estn en un rango distinto, y
deseamos saber cual est mas dispersa a ambos lados de su media:
As vemos que la segunda serie parece que presenta una mayor dispersin (S
= 64,8 parece muy alta comparada con S = 3,0 de la primera). Pero s=3,0 en
valores que rondan la media de 23 es mayor que s = 64,8 en una
poblacin de media 1365. Esta idea se cuantifica mediante el Coeficiente de
Variacin (C.V.) :

As observamos que la dispersin de la primera muestra es relativamente

mayor (CV=0,13) su desviacin tpica equivale al 13% de la media,
mientras que en la segunda muestra, su desviacin tpica es solamente el
5% de su media (CV=0,05)
 CLCULO DE LA DESVIACIN TPICA

Es simple calcularla artesanalmente, basta con aplicar la frmula: primero la

media aritmtica, luego se va calculando la diferencia entre cada valor y la
media, su cuadrado, suma de todos los cuadrados, etc.
Pero lo habitual es realizar el clculo con una calculadora o con la Hoja de
Clculo en un ordenador.
Con la calculadora el proceso se limita a introducir todos los datos, y luego
solicitar la media y la desviacin tpica con las teclas correspondientes. Aparecen
las teclas n y n-1, que se refieren respectivamente a las dos frmulas que
hemos visto: con los datos de la poblacin (dividir por n) y con los datos de la
muestra (dividir por n-1).

Utilizando la hoja de clculo se utiliza la frmula =DESVESTP( ), o bien

=DESVEST( ), refirindose, como antes a los datos de la poblacin o de una
muestra, respectivamente. En ambos casos, dentro del parntesis incluiremos
las celdillas que deseamos realizar el clculo, por ejemplo : =DESVEST(A2:A35)
,si los valores se encuentran en la columna A, desde A2 hasta A35. La media
aritmtica se obtiene mediante =PROMEDIO( ).
 PUNTUACIONES TIPIFICADAS

Cuando abordamos el problema de qu probabilidad existe de que tal variable

supere tal valor?, las puntuaciones (valores) brutas estn medidas en cm, mm,
pulgadas o m3/seg, dependiendo de la variable estudiada, del rango de valores en
que sta se mueve y de las unidades utilizadas. Se hace necesario homogeneizar
la unidad de medida.

Vemoslo con un ejemplo:

Deseamos comparar un pequeo arroyo (caudal medio=6,3 litros/seg;

desviacin tpica= 0,9 litros/seg.) con un gran ro (caudal medio= 97 m3/seg;
desviacin tpica 13,4 m3/seg). En un ao lluvioso ambos superaron la media:
en el primero el caudal fue de 7,9 litros/seg, y en el segundo de 112 m3/seg.

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)

Ahora ya podemos abordar los dos tipos de cuestiones que plantebamos al

principio:
1. Cul es la probabilidad de que el caudal supere 40 m3/seg? O bien:
Cada cuntos aos se superar el caudal de 40 m3/seg?

2. Qu caudal ser superado un 2% de los aos? O lo que es lo mismo:

Cual es el caudal superado cada 50 aos?

Datos necesarios:

Debemos saber o suponer que estos caudales se ajustan a la Ley de Gauss

Media aritmtica=29,8 m3/seg; desv tpica=8,1 m3/seg

Solucin a la pregunta N 1 (del valor a la probabilidad):

1) Expresamos el caudal de 40m3/seg como puntuacin tipificada:

Esto significa que ese dato individual est 1,26 desviaciones tpicas por
encima de la media.

2) Calculamos la probabilidad de que z>1,26. Como aplicar la ecuacin de

Gauss no es simple, sto puede hacerse de dos maneras:

--Con la Hoja de Clculo, escribiendo en EXCEL la siguiente frmula:

--Aplicando la Tabla que se presenta (Esta Tabla se construye aplicando la
frmula de Gauss a todos los posible valores de z).

Para nuestro caso (z = 1,26) por cualquiera de los dos procedimientos

obtenemos el valor: 0,10383. Por tanto, el 10,38% de los aos tendrn un
caudal igual o superior a 40 m3/seg.

El caudal citado se superar en promedio cada 10 aos.

Ley de Gauss: Probabilidad
de que z sea mayor o igual a

(Las columnas indican la segunda

decimal. Ejemplo: Probabilidad de
que z sea > 1,41 es 0,07927).

Para valores de z negativos,

tomar 1-tabla. Ejemplo:
Probabilidad de que z sea 1,41
es 1 0,07927 = 0,92073

Para probabilidades > 0,50, el

valor de z ser el indicado por la
tabla para la probabilidad
complementaria, pero con signo
Ejemplo : Valor de z con
probabilidad de ser superado
de 0,80. Para la probabilidad
complementaria (0,20) la tabla
indica z=0,84. Por tanto para
probabilidad 0,80 adoptaremos
0,84
Solucin a la Cuestin 2 (de la probabilidad al valor):

Se trata de repetir el proceso anterior al revs:

1) Calculamos a qu valor de z corresponde la probabilidad 0,02 (o sea:

2%). De nuevo, esto puede hacerse de dos maneras:

--Con la Hoja de Clculo, escribiendo en EXCEL la siguiente frmula:

--Aplicando la Tabla que se presenta, inversamente a como la utilizamos

antes: buscar dentro de la tabla la probabilidad requerida (en este
ejemplo, 0,02), o la ms prxima a ese valor, y desde el interior de la
tabla, leer el valor de z correspondiente en los bordes de la Tabla.
Para nuestro caso (probabilidad=0,02) por cualquiera de los dos
procedimientos obtenemos el valor: 2,05. Finalmente, calculamos a qu
puntuacin bruta corresponde una puntuacin tipificada de 2,05:

Por tanto, el valor que es superado un 2% de los

aos es 46,4 m3/seg
 Las mismas cuestiones con valores inferiores a la
media
En las dos cuestiones anteriores se manejaban caudales superiores a la media.
Nos movemos en la mitad derecha de la campana de Gauss (ver la figura 6).
De hecho, la tabla de valores que utilizamos para resolver las dos cuestiones
anteriores, solamente refleja la mitad derecha del grfico de Gauss; no sera
problema construir de una tabla de doble tamao para manejar tambin valores
inferiores a la media.

Si estamos haciendo previsiones de aos secos, las preguntas (equivalentes a

las cuestiones 1 y 2 de la pgina anterior) sern de este tipo:

3. Cul es la probabilidad de que el caudal no alcance los 15 m3/seg?

4. Qu caudal no se alcanzar un 10% de los aos?

Se trata de la misma muestra que en los ejemplos 1 y 2 anteriores (Media

aritmtica =29,8 m3/seg; desv tpica=8,1 m3/seg)
 Solucin a la pregunta 3 (del valor a la probabilidad):

1) Expresamos el caudal de 15 m3/seg como puntuacin tipificada:

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.

Para valores negativos de z se toma el valor complementario, es decir: si

para 1,83 la tabla da 0,034, para 1,83 corresponde 1-0,034=0,966

Por tanto, la probabilidad de superar el caudal de 15 m3/seg es de 0,966, y la

probabilidad de que no se supere ese valor ser de 1-0,966= 0,034 (Hemos
vuelto al 0,034 que nos proporcion la tabla inicialmente!).
Con la Hoja de Clculo, escribiendo en EXCEL la frmula:

=DISTR.NORM.ESTAND(-1,83) nos proporciona directamente la probabilidad

de que sea menor que -1,83 desviaciones tpicas: 0,034

Respuesta final: probabilidad de que no alcance 15 m3/s = 3,4%

 La cuestin 4 podemos replantearla as: Qu caudal se superar el 90% de
los aos?
1) Calculamos a qu valor de z corresponde la probabilidad 0,90 (o sea: 90%):

Aplicando la Tabla, buscamos dentro de ella la probabilidad requerida

(0,90), pero ese valor no existe, as que buscamos el complementario: 0,10 (1-
0,90 =0,10) o el ms prximo a ese valor, y desde el interior de la tabla, leemos
el valor de z correspondiente en los bordes de la Tabla: 1,28 .
Pero z = 1,28 corresponde a una probabilidad de 0,10; para la probabilidad 0,90
tomamos z = 1,28

Con la Hoja de Clculo, escribiendo

en EXCEL la frmula:
=DISTR.NORM.ESTAND.INV(0,10) se
obtiene directamente el valor 1,28
2) Calculamos a qu puntuacin bruta corresponde una puntuacin tipificada
de 1,28:

Por tanto, el valor que no se alcanza el 10% de los aos (probabilidad 0,90
de ser superado) es 19,4 m3/seg.

Por supuesto que todos estos clculos slo tienen sentido si

suponemos que los datos que manejamos se distribuyen de
acuerdo con la Ley normal o de Gauss.
 Cajamarca
Cajamarca
105 mm

EN LA HIDROLOGIA NO SE VA AUTILIZAR
NO SE AJUSTA A LA FRECUENCIA DE LA LLUVIA
c t
EJEMPLO DE REGIONALIZACION