You are on page 1of 14

Nota técnica

Ajuste de la distribución bog-Pearson tipo por medio de


optimización numérica no restringida

Daniel Francisco Campos Aranda

Universidad Autónoma de San Luis Potosí, México

Se comienza por destacar la importancia del análisis de frecuencia de crecientes (AFC), cuando
se estiman crecientes para diseño y se dispone de información hidrométrica. Una distribución que
se ha establecido como modelo básico del AFC es la Log-Pearson tipo (LP3).Ahora bien, en
este trabajo se propone su ajuste a la muestra disponible por medio de optimización numérica no
restringida, utilizando el algoritmo de Rosenbrock para minimizar la función objetivo no lineal igual
al error cuadrático medio y al error absoluto medio. Se consideran tres variables a optimizar: la
media, la desviación estándar y el coeficiente de asimetría de los logaritmos naturales de los
datos; los resultados del método indirecto de momentos se adoptan como sus valores iniciales.
Se encontró que el planteamiento propuesto siempre supera los mejores ajustes de la distribución
LP3 en registros de eventos máximos anuales, realizados con seis métodos que han sido
contrastados previamente. Además, se llevó a cabo un contraste por simulación entre el método
indirecto de momentos y el propuesto, utilizando treinta series Sintéticas, resultando siempre me-
jor el segundo procedimiento. Por otra parte, existe una gran similitud en el orden de magnitud de
las predicciones asociadas con siete periodos de retorno, los cuales variaron de diez a diez mil
años; las predicciones se obtuvieron con los otros métodos y con el criterio propuesto. Lo anterior
permite una selección más objetiva y confiable de las predicciones que se buscan.

Palabras clave: crecientes, distribución LP3, métodos de ajuste, optimización, simulación.

Introducción excedencia, por ejemplo del al esto es, con


periodos de retorno de diez a mil años. Lo anterior se
Cuando se realiza el diseño hidrológico de la conoce como análisis de frecuencia de crecientes (AFC)
infraestructura hidráulica, ya sea de aprovechamiento o y engloba diversos procedimientos de análisis de la
control, la estimación fundamental en este diseño son las información hidrométrica disponible (Campos, 1999).
crecientes o gastos máximos asociados con diversos Actualmente las funciones de distribución de
periodos de retorno (Tr). Un enfoque factible para tal probabilidades, conocidas como Log-Pearson tipo Ill
problema es la modelación probabilística de las crecientes (LP3) y general de valores extremos (GVE) han sido
anuales observadas, lo cual consiste en seleccionar una recomendadas como modelos base de los análisis de
función de distribución de probabilidades (FDP)y ajustarla frecuencia de crecientes (WRC, 1977; NERC, 1975). Estas
al registro hidrométrico disponible o muestra estadística, distribuciones tienen tres parámetros de ajuste: ubicación,
previa comprobación de su homogeneidad e escala y forma, y por ello -independientemente del
independencia entre eventos. Con base en la función de método o técnica estadística de ajuste- se requiere que
distribución de probabilidades se realizan inferencias, se estimen a partir de la muestra tres parámetros
generalmente extrapolaciones de las crecientes estadísticos, generalmente la media ( la desviación
correspondientes a muy bajas probabilidades de estándar (S) y el coeficiente de asimetría (Cs). Desde
finales de los años sesenta se ha reconocido que el Cs m es el número de orden de los eventos xi en secuencia
presenta una gran variabilidad entre muestras mucho de menor a mayor, el cual varía lógicamente, de an. Tr
mayor que la de los otros parámetros estadísticos citados. es el periodo de retorno y p es la probabilidad de
También recientemente se ha sugerido el uso de excedencia. Las magnitudes de XTr se estiman con la
modelos probabilísticos con más parámetros de ajuste, distribución LP3 según cada uno de los métodos de
por ejemplo, las distribuciones mezcladas (Campos, ajuste.
1998; Escalante, 1998) y la distribución Wakeby. La segunda medida de bondad de ajuste que se utilizó
Para esta Última distribución, la general de valores es el llamado error absoluto de ajuste (EAA), definido
extremos y el caso de la mezcla de dos distribuciones como (Singh y Singh, 1988):
normales -sus ajustes a través de optimización
numérica, minimizando como función objetivo el error
estándar de ajuste- ha probado ser un método muy
eficiente (Campos, b,a; 1998).

Desarrollo

Antecedentes Para cada uno de los seis métodos de ajuste, el


número de valores mínimos del error estándar de ajuste
En un trabajo reciente (Campos, la distribución LP3 y del error absoluto de ajuste que se obtuvieronen los
se aplicó a registros históricos de eventos máximos registros empleados fueron (Campos, 2002) los que
anuales a través de seis métodos de ajuste; se utilizaron aparecen en el recuadro
dos medidas de la calidad: el error estándar de ajuste Los métodos fueron los siguientes: momentos en
(EEA), entre los n eventos anuales observados (xi) y los dominio logarítmico (ML), momentos en el dominio real
estimados o predicciones (XTr) que se define como (Kite, (MR), mezcla de momentos (MM), promedios diversos
977): (PD),máxima verosimilitud (MV) y máxima entropía (ME).
De la tabulación anterior se deduce que de manera global
el mejor método de ajuste -según los indicadores error
estándar de ajuste y error absoluto de ajuste- fue el de
momentos en dominio logarítmico, también conocido
como método indirecto de momentos, y que se propuso
originalmente cuando la distribución LP3 se estableció
como base de los análisis de frecuencia de crecientes a
finales de los años sesenta (WRC, 1977).
donde np es el número de parámetros de ajuste, en este
caso tres. Las predicciones XTr se calculan para la misma Ajuste de la distribución LP3 a través del método indirecto
probabilidad de no excedencia F(x) asignada a los eventos de momentos
xi, estimada con la fórmula de Weibull (Benson, 1962):
En el método de momentos en dominio logarítmico, las
predicciones XTr se obtienen con base en la ecuación
general del análisis de frecuencia de crecientes (Chow,
1964) en el dominio logarítmico:
cuando p se utilizap = p en la expresión O y
al resultado de la ecuación se le cambia el signo. Por
otra parte, el coeficiente de asimetría de los logaritmos
por lo cual: (g) está definido como (Yevjevich, 1972):

siendo K el llamado factor de frecuencia, función de la


probabilidad y del modelo probabilístico utilizado, por lo
tanto es una variable estandarizada Pearson tipo Para
la aplicación de las ecuaciones y primero se obtienen
los logaritmos naturales de los datos (y, = In y se Bobée y Robitaille 977) contrastaron diferentes
calculan su media aritmética y desviación estándar, procedimientos de ajuste del método indirecto de
denominándose media y desviación (Sy) logarítmicas, momentos y concluyeron que para mejorarlo es
con base en la ecuaciones siguientes (Yevjevich, 1972): conveniente corregir el sesgo del coeficiente de asimetría
n (g) por medio de los factores siguientes:

entonces ahora se tiene que:


Para la estimación del factor de frecuencia (K) se utiliza
la expresión aproximada propuesta por Kite 977):

Ajuste de la distribución LP3 mediante optimización

El planteamiento basado en optimización numérica que


ahora se presenta consiste en utilizar como funciones
objetivo (FO) minimizar tanto el error estándar de ajuste
como el error absoluto de ajuste, teniendo tres variables
no restrinaidas que permiten buscar los mínimos y que
son Sy y gc, ya que las predicciones (ecuaciones y
siendo t la desviación normal estándar, la cual es función son función de ellas. El algoritmo computational
de la probabilidadde excedencia (p) utilizadao de diseño, utilizado fue el de Rosenbrock de múltiples variables no
misma que se estima con la aproximación siguiente restringidas, expuesto por Kuester y Mize Estos
(Abramowitz y Stegun, 1972): autores describen y aplican el código ROSENB en Fortran,
el cual se transcribió a Basic para los análisis numéricos
de este trabajo dada la facilidad de dicho lenguaje para
almacenar datos y presentar resultados.
La información procesada consistió de registros
en la cual: de eventos máximos anuales tomados de la literatura
especializada, cuyos parámetros estadísticos básicos
(ecuaciones y de los datos originales y de sus
logaritmos naturales se presentan en el apéndice así
como las procedencias de tales series.
Para el inicio del funcionamiento del algoritmo de De acuerdo con los resultados de la minimización de
Rosenbrock se utilizaron los resultados del método de la función objetivo igual al error absoluto de ajuste, este
momentos en el dominio logarítmico (ecuaciones a proceso resulta más fácil de llevar a cabo por el algoritmo
por ello en el cuadro -que versa sobre los resultados de Rosenbrock, pues Únicamente se presentan dos casos
para la función objetivo igual al error estándar de ajuste- en que se alcanza el máximo de evaluaciones de la
cada registro inicia con tales resultados. Cuando el función objetivo en la etapa final. Con fijar como límite de
método de momentos en el dominio logarítmico no fue el las etapas la inmediata anterior se alcanzan los resultados
que alcanzó el valor mínimo del error estándar de ajuste del cuadro para los registros y
(Campos, enseguida se presentan los resultados
de tal método de ajuste (momentos en el dominio real, Contraste por medio de simulación
mezcla de momentos, promedios diversos, maxima
verosimilitud o máxima entropía) y, por Último, los El planteamiento general adoptado para este análisis
correspondientes al algoritmo de Rosenbrock o método consistió en contrastar el método indirecto de momentos
de optimización no restringida, indicando el número de contra el algoritmo propuesto, utilizando Únicamente
etapas y evaluaciones de la función objetivo después del como función objetivo el error estándar de ajuste en treinta
valor mínimo alcanzado o error estándar de ajuste. El series sintéticas. Se seleccionaron tres registros históricos
cuadro es similar al pero sus resultados corresponden para generar diez series sintéticas a partir de cada uno.
a la función objetivo igual al error absoluto de ajuste. Las estaciones hidrométricas que se utilizaron fueron:
Algunos aspectos de la mecánica operativa del Jaina, Huites y El Cuchillo, las cuales corresponden a los
algoritmo de Rosenbrock incluyen la definición de los registros números y de los cuadros y y del
máximos de evaluaciones de la función objetivo y de las apéndice Las secuencias sintéticas fueron de cincuenta
etapas por realizar; se adoptaron mil y treinta, años y se generaron por medio de las ecuaciones y
respectivamente. Otro parametro que se debe definir es empleando como parámetros estadísticos poblacionales
la tolerancia al error entre la función objetivo actual y SU sy, los de las hidrométricas seleccionadas. El factor
valor en la etapa precedente; se adoptó un valor de de frecuencia (K) de la ecuación se generó con base en
Durante el procesamiento de la información, al buscar la ecuación utilizando como desviación normal estándar
el mínimo del error estándar de ajuste, Únicamente en la (t) un número aleatorio normal (N) con media cero y
serie número del río Támesis en Teddington, Inglaterra, varianza unitaria, generado mediante el criterio de Box y
con datos, el algoritmo no concluyó en su etapa Müller, que consiste en crear previamente dos números
pero al limitar éstas a se alcanza un resultado. Por otra aleatorios uniformes (U1,(U1,U2) en el intervalo y entonces
parte, en los registrosnúmeros Y en sus etapas transformarlos en los valores N, y N, con las expresiones
finales se llega al máximo de evaluaciones de la función siguientes (Clarke,
objetivo,por ello se limitó el algoritmo a la etapa inmediata
inferior y así concluye. Finalmente, en el registro número
se alcanza el máximo de etapas, pero además se
detecta que para tal serie las variables por ajustar ( Sy,
gc) deberían de estar acotadas, ya que en el proceso de
minimización de la función objetivo se llegan a valores
que difieren mucho de los de las muestras. AI limitar a
sólo cinco etapas se reduce el error estándar de ajuste Los números U, y U, se generaron con base en la
mas allá del alcanzado por alguno de los otros seis instrucción RND, dada la reducida cantidad de números
métodos de ajuste. Por ello se aceptó tal resultado. aleatorios requeridos. Para asignar un número semilla
En realidad existen dos maneras de solucionar los aleatorio a tal comando se empleó el reloj de la
problemas de convergencia del algoritmo de optimización computadora. Por otra parte, el procesamiento de las
de Rosenbrock: una es la utilizada, consistente en limitar series sintéticas con el algoritmo propuesto no presentó
el número de etapas después de la primera aplicación ninguna dificultad de convergencia, como en el caso de
del algoritmo y la segunda se basa en reducir la tolerancia los registros históricos.
al error en la función objetivo,principalmente para resolver En el cuadro se concentran los resultados de este
los problemas debidos a los errores de redondeo. Se análisis, a partir de los cuales se observa que el
adoptó la primera solución con el objeto de conservar procedimiento propuesto método de optimización
una Únicaprecisión en todos los análisis o procesamientos siempre conduce a mejores ajustes, los cuales se miden
realizados. a traves del error estándar de ajuste. Además, las
predicciones asociadas con periodos de retorno de hasta de ajuste disponibles para la distribución Log-Pearson
cien años permanecen dentro del orden de magnitud tanto tipo III. Mejoría que ha sido cuantificada a través del error
entre las series sintéticas como en relación con el registro estándar de ajuste y de la correspondencia en orden de
histórico, lo cual da confianza al método propuesto. En magnitud de las prediccionesasociadas con siete periodos
altos periodos de retorno, las predicciones lógicamente de retorno, los cuales fluctuaron de diez a diez mil años.
dependen del número y magnitud de los gastos o valores Segunda. Los resultados del cuadro destacan un
extremos (outliers), caracterizados en el cuadro mejor desempeño del algoritmo de Rosenbrock cuando
mediante Qmáx. En todas las treinta series sintéticas se la función objetivo a minimizar es el error absoluto de
tuvo convergencia del algoritmo,a pesar de que en cinco ajuste. Lo anterior se deduce por un menor número de
de ellas se alcanzó el máximo de evaluaciones de la evaluaciones de la función objetivo y por sólo dos registros
función objetivo. en donde hay que limitar el número de etapas por realizar.
Tercera. Como ya se indicó, el procedimiento sugerido
Conclusiones a través de optimización alcanza mejores ajustes, lo cual
se mide a partir del error estándar de ajuste y el error
Primera. Los resultados del cuadro ponen de manifiesto absoluto de ajuste. Además, en general, conduce a
que el planteamiento propuesto -por optimización predicciones que coinciden con las del resto de los
numérica- mejora los resultados de los otros métodos métodos de ajuste más recientes que están disponibles
para la distribución Log-Pearson tipo III. Lo anterior genera Irrigation and Drainage Paper FAO, Roma, pp.
una confianza en tales estimaciones o predicciones, sobre
todo procediendo de enfoques de ajuste tan diversos [C8]CFE (Comisión Federal de Electricidad), Proyecto
desde el punto de vista estadístico. hidroeléctrico Aguamilpa, Nay., México, D.F., pp.
Cuarta. Los resultados del contraste entre los métodos
indirecto de momentos y el propuesto mediante optimiza- [C9] Chow, V.T., D.R. Maidment y L.W. Mays,Applied Hydrology,
ción, utilizando treinta series sintéticas de cincuenta años McGraw-Hill International Editions, Nueva York, pp.
cada una, muestran un mejor desempeño estadístico del
segundo, ello medido a partir del error estándar de ajuste. [G1] Gingras, D. y K. Adamowski, "Coupling of Non-Parametric
Quinta. Finalmente, al disponer ahora de dos valores Frequency and L-Moment Analysis for Mixed Distribution
mas de las predicciones para cada periodo de retorno, Identification", Water Resources Bulletin, vol. núm.
es factible y más confiable valorar los intervalos de pp.
confianza de tales estimaciones por medio del enfoque [G2] Griffiths, G.A., 'A Theoretically Based Wakeby Distribution
de las subrutinas Bootstrap (Metcalfe, 1997; Campos, for Annual Flood Series", Hydrological Sciences Journal,
vol. núm. pp.
[HI] Haan, C.T, StatisticalMethods in Hydrology,The Iowa State
Referencias del apéndice University Press, Ames, Iowa, pp.
[H2] HEC (Hydrologic Engineering Center), Flood Flow
[B1] Bedient, P.B. y W.C. Huber, Hydrology and Floodplain FrequencyAnalysis, Users Manual, Davis, Estados Unidos
Analysis, Addison-Wesley Publishing Co. Reading, de América, pp.
Massachusetts, pp. [J1] Jenkinson, A.F., "Statistics of Extremes" capítulo en
[B2] Bobée, B. y F. Ashkar, The Gamma Family and Derived Estimation of Máximum Floods, nota técnica World
Distributions Applied in Hydrology, Water Resources Meteorological Organization,Ginebra, pp. O.
Publications, Littleton, Estados Unidos de América, [J2] Jowitt, P.W., "The Extreme-Value Type-I Distribution and
pp. the Principle of Maximum Entropy", Journal of Hydrology,
[B3] Bruce, J.P. y R.H. Clark, lntroduction to Hydrometeorology, vol. pp.
Pergamon Press, Oxford, pp. [K1] Kite, G.W., "Data", capítulo en Frequency and Risk
[C1] Campos A., D.F., 'Análisis probabilístico de avenidas Analyses in Hydrology, Water Resources Publication, Fort
máximas con poblaciones mezcladas", Ingeniería Collins, pp.
Hidráulicaen México,vol. II, núm. septiembre-diciembre, [L1] Linsley, R.K., M.A. Kohlery J.L.H. Paulhus, Hidrologíapara
pp. ingenieros, Editorial McGraw-Hill Latinoamericana, S.A.,
[C2] Campos A., D.F., 'Aplicación del método de índice de Bogotá, pp.
crecientes en la región hidrológica número O, Sinaloa", [M1] McCuen, R.H., Hydrologic Analysis and Design, Prentice
Ingeniería Hidráulica en México, vol. IX, núm. Hall, Inc., New Jersey, pp.
septiembre-diciembre, pp, [M2] Metcalfe, A.V., "Selected Data Tables" apéndice en
[C3] Campos A., D.F., "Caracterización hidrológica de Statistics in Civil Engineering,Arnold Publishers, Londres,
crecientes en la cuenca baja del río Pánuco con base en pp.367-384.
niveles máximos anuales", Ingeniería Hidráulicaen México, [N1] NERC (Natural Environment Research Council), Flood
vol. XI, núm. mayo-agosto, pp. Studies Report,vol. I, HydrologicalStudies, Londres,
[C4] Campos A., D.F., 'Análisis de frecuencia de crecientes por pp.
medio de métodos no paramétricos",Ingeniería Hidráulica [P1] Ponce, V.M., "Principles and Practices", Engineering
en México, vol. XI, núm. septiembre-diciembre, Hydrology, Prentice Hall, New Jersey, pp.
pp. [R1] Raudkivi, A.J., Hydrology. An Advanced lntroduction to
[C5] Campos A., D.F., "Revisión de la creciente de diseño de Hydrological Processes and Modeling, Pergamon Press,
la presa El Cuchillo, en el estado de Nuevo León, Méxi- Oxford, pp.
co”, XVlll Congreso Latinoamericanode Hidráulica (IAHR), [S1] Sevruk, B.y H. Geiger, "Selection of DistributionTypes for
vol. Oaxaca, México, pp. Extremes of Precipitation", Operational Hydrology Report
[C6] Campos A., D.F., "Hacia el enfoque global en el análisis No. World Meteorological Organization, Ginebra,
de frecuencia de crecientes",Ingeniería Hidráulicaen Méxi- pp.
co, vol. XIV, núm. enero-abril, pp. [V1] Van Montfort, M.A.J., "On Testing that the Distribution of
[C7] Clarke, R.T., "The Estimation of Floods with Given Return Extremes is of Type I when Type IIis the Alternative",Journal
Period", capítulo en MathematicalModels in Hydrology, of Hydrology,vol. pp.
[V2] Viessman, W., J.W. Knapp, G.L. Lewis y T.E. Harbaugh, Campos A., D.F., "Contraste de seis métodos de ajuste de la
lntroductionto Hydrology,Harper Row Publishers,Nueva distribución Log-Pearson tipo en registros históricos
York, pp. de eventos máximos anuales", Ingeniería Hidráulica en
[W1]Wilson, E.M., EngineeringHydrology,The MacMillan Press México, vol. XVII, núm. abril-junio, pp.
Ltd., Londres, pp. Clarke, R.T., "The Generation of Synthetic Sequences of a Single
Hydrological Variable", capítulo en MathematicalModels
Recibido: 22/09/2000 in Hydrology,Irrigation and Drainage Paper FAO, Roma,
Aprobado: 08/01/2002 pp.
Chow, V.T., "Statistical and Probability Analysis of Hydrologic
Referencias Data. Part I: FrequencyAnalysis", sección en Handbook
ofApplied Hydrology,Chow, Ven Te (editor en jefe), McGraw-
Abramowitz, M. e I.A. Stegun, "Gamma Function and Related Hill Book Co., Nueva York, pp. a
Functions", capítulo en Handbook of Mathematical Escalante,C., "MultivariateExtremeValue DistributionWith Mixed
Functions, Dover Publications, lnc., novena edición, Nueva Gumbel Marginals", Journal of the American Water
York, pp. ResourcesAssociation, vol. núm. pp.
Benson, M.A., "Plotting Positionsand Economics of Engineering Kite, G.W., "Pearson Type Distribution", "Comparison of
Planning",Journalof Hydraulics Division, vol. HY6, FrequencyDistributions",capítulos y en Frequencyand
pp. Risk Analyses in Hydrology,Water Resources Publications,
Bobée, B. y R. Robitaille, "The Use of the Pearson Type and Fort Collins, pp. y
Log Pearson Type Distributions Revisited", Water Kuester,J.L. y J.H. Mize, "MultivariableUnconstrained Methods",
Resources Research, vol. núm. pp. capítulo en Optimization Techniques with Fortran, McGraw-
Campos A., D.F., "Estimación de los parámetros Óptimos de la Hill Book Co., Nueva York, pp.
distribución Gumbel mixta por medio del algoritmo de Metcalfe, A.V., "Bootstrap Methods for Confidence Intervals",
Rosenbrock", IngenieríaHidráulica en México, vol. IV, núm. apéndice en Statistics in Civil Engineering, Arnold
enero-abril, pp. Publishers, Londres, pp.
Campos A., D.F., 'Análisis de frecuencia de crecientes con una NERC (Natural Environment Research Council), "Hydrological
mezcla de dos distribuciones Normales ajustada por medio Studies" (volumen "Statistics for Flood Hydrology"
de optimización", Memorias del XV Congreso Nacional de (capítulo 1) en Flood Studies Report, Londres, pp.
Hidráulica (AMH), Oaxaca, México, pp.
Campos A., D.F., "Hacia el enfoque global en el análisis de Singh, V.P. y K. Singh, "Parameter Estimation for Log-Pearson
frecuencia de Crecientes",Ingeniería Hidráulica en México, Type Ill Distribution by POME", Journal of Hydraulic
vol. XIV, núm. enero-abril, pp. Engineering, vol. núm. pp.
Campos A., D.F., "Contraste de cinco métodos de ajuste de la WRC (Water Resources Council), Guidelines for Determining
distribución GVE en registros históricos de eventos Flood Flow Frequency, Bulletin of the Hydrology
máximos anuales",lngenieríaHidráulica en México, vol. XVI, Committee,US. Water Resources Council, edición revisada,
núm. abril-junio, pp. Washington, D.C.,
Campos A., D.F., "Contraste de dos procedimientos de ajuste Yevjevich, V., "Parameters and Order-Statistics as Descriptors
de la distribución Wakeby en modelación probabilística de of Distributions", capítulo en Probability and Statistics in
crecientes", Agrociencia, vol. núm. julio-agosto, Hydrology,Water Resources Publications, Fort Collins,
b, pp. pp.
Abstract

Campos Aranda, D.F. “Fitting of the Log-Pearson Type Distribution through Unconstrained Numerical
Optimization“, Hydraulic Engineering in Mexico (in Spanish), vol. no. pages October-December,

Firstly, the importance of flood frequency analysis (FFA) is pointed out when design flows are estimated and
hydrometric information is available. Log-Pearson type distribution (LP3) has been established as a basic
model of the FFA. Now, in this work, the fitting of that distribution is proposed for the available sample by
unconstrained numerical optimization, using the Rosenbrock algorithm to minimize the non-linear objective
function given by the quadratic mean error and the absolute mean error. Three variables to be optimized are
considered: the mean, the standard deviation, and the skew coefficient of the natural logarithms of data. The
results of the indirect moments method are taken as initial values. It was found that the suggested procedure
always improves the best LP3 distribution fittings in the records of annual maximum events. These fiitings
were previously tested with six methods. Moreover,a test through simulation was made between the indirect
momentsmethod and the oneproposed,using synthetic sequences, whichproved that the secondprocedure
was better. On the other hand, there is a great similarity in the magnitude of the predictions obtained with the
other methods and with the one proposed; these predictions are associated to seven return periods, which
varied from to years. The above allows a more objective and reliable selection of the searched
predictions.

Keywords: floods, LP3 distribution, fitting methods, optimization,simulation.

Dirección institucional del autor:

Daniel Francisco Campos Aranda

Centro de Investigación y Estudios de Posgrado (CIEP)


Universidad Autónoma de San Luis Potosí (UASL)
Facultad de Ingeniería (FI)
Dr. Manuel Nava Zona Universitaria
San Luis Potosí, San Luis Potosi, México.
Teléfonoy Fax:(52) (444)
Correo electrónico: dcampos@uaslp.mx