You are on page 1of 14

AVANCES Investigación en Ingeniería • Vol.

14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581

Sistema de Pearson y modelos matemáticos


aplicados a la Hidrología
Pearson system and mathematical models applied to
Hydrology

Yessica Paola Ochoa Acevedo1, María Esther Rivera2 Jesús Ramón Delgado Rodríguez3
1
Universidad de Pamplona, yessica.ochoa @unipamplona.edu.co
2
Universidad de Pamplona, maes@unipamplona.edu.co
3
Universidad de Pamplona, jramondr@gmail.com

DOI: http://doi.org/....

Fecha de recepción: 23/06/2017


Fecha de aceptación del artículo: 18/10/2017

Cómo citar:
Ochoa Acevedo, Y. P., Rivera, M. E., Delgado Rodríguez, J. R., (2017). Sistema de Pearson y modelos mate-
máticos aplicados a la Hidrología, Bogotá, 14(1), 95-108. DOI: org/xx/xxxxx/reds.xxxx.

Resumen

La aplicación de modelos matemáticos en las distintas áreas de la ciencia enfocados a estu-


diar fenómenos y eventos que ocurren sobre una superficie hoy día se ha convertido en una
herramienta principal, permitiendo ser eficientes, brindando soluciones acertadas y con mayor
confiabilidad. Los sistemas ambientales han sido objeto de análisis por parte de la modelación
matemática, para comprender la dinámica, el comportamiento espacial y temporal de las va-
riables meteorológicas e hidrológicas y su incidencia en otros procesos y eventos. El sistema
de curvas de frecuencia de Pearson ha sido ampliamente utilizado en áreas como economía,
finanzas, en el campo militar e ingeniería para analizar trayectorias de series de datos y hallar
el comportamiento probabilístico de un objeto o fenómeno en su dinámica, a partir de su infor-
mación histórica. En forma general se encontró que el modelo Black-Sholes-Merton, Axiomas
de Kolmogorov, Sistema de curvas de frecuencia de Pearson, el modelo Pearson-Wiener, las
distribuciones de probabilidad, así mismo la ecuación Fokker-Planck-Kolmogorov, modelación
hidrológica estocástica, modelo hidrológico SIMGRO, el método GRADEX se han aplicado en
la determinación del comportamiento de las variables hidrometeorológicas, estimación de cau-
dales máximos, gestión de ecosistemas reguladores del recurso hídrico y el manejo de cuencas
hidrográficas.

Palabras claves: Modelación matemática, Series históricas de datos, Sistemas ambientales, Sis-
tema de Pearson.
96 Sistema de Pearson y modelos matemáticos aplicados a la Hidrología

Abstract

The application of mathematical models in the different areas of science focused on studying
phenomena and events that occur on a surface today, has become a main tool, allowing to be
efficient, providing successful solutions and with greater reliability. Environmental systems have
been analyzed by mathematical modeling to understand the dynamics, spatial and temporal beha-
vior of meteorological and hydrological variables and their impact on other processes and events.
Pearson’s system of frequency curves has been widely used in areas such as economics, finance,
military and engineering to analyze data series trajectories and to find the probabilistic behavior
of an object or phenomenon in its dynamics based on its information historical. In general form
found that the Black–sholes-Merton, Kolmogorov axioms, Frequency curves Pearson systems,
Pearson-Wiener model, probability distributions, similarly the Fokker-Planck-Kolmogorov equa-
tion, stochastic hydrological modeling, SIMGRO hydrological model, GRADEX method had been
applied in the hydrological variable behavior, maximum flows estimation, ecosystem assessment
how water resources regulators and hydrographics watershed management.

Keywords: Mathematical modeling, Historical data series, Environmental systems, Pearson system.

1. Introducción diferencial general y cada uno incluye los


parámetros necesarios para su aplicación.
Este sistema se ha aplicado ampliamen-
Los modelos matemáticos representan el
te en áreas como finanzas, economía
comportamiento de los fenómenos de la
realidad; en ellos, las variables juegan un e ingeniería, en las cuales ha ofrecido
papel importante, puesto que definen las resultados satisfactorios simulando las
características principales del modelo y trayectorias de series históricas de datos
la función que debe cumplir. Así mismo, de diferente origen.
los parámetros de ajuste permiten evaluar
la asimilación de los datos observados De acuerdo con lo anterior, el objetivo
de una variable a un modelo matemá- de este trabajo es revisar la literatura
tico específico y verificar la validez del referente a la aplicación de modelos ma-
modelo para representar un evento real. temáticos en hidrología, y la importancia
Los modelos matemáticos aplicados en del sistema de Pearson en el análisis del
ciencias exactas y ciencias de la tierra han comportamiento temporal de variables
tratado de analizar el comportamiento de descritas en campos como matemáticas,
variables complejas, aquellas que cambian ingeniería, finanzas, economía. Para esto,
en el espacio-tiempo y que son objeto de en la primera parte se expondrá la teo-
análisis específicos. ría respecto al sistema de Pearson, sus
aplicaciones en la ciencia de economía,
El sistema de curvas de frecuencias de finanzas, matemáticas, estadística, inge-
Pearson está constituido por XIII modelos niería civil, militar y su importancia en la
matemáticos derivados de la ecuación modelación matemática aplicada. Más
diferencial lineal de primer orden, plan- adelante, se presentarán los principales
teada por Pearson en su trabajo original. modelos matemáticos (determinísticos
La ecuación que se obtiene para cada y estocásticos) utilizados en el análisis
modelo es una solución de la ecuación de variables del ciclo hidrológico como

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
diferencial lineal de primer orden (Ecuación (tipo VI). Cu
1), obtiene, para valores convenientes de las (teóricamente i
constantes, la distribución beta simétrica, la las dos raíces so
distribución beta asimétrica, la gamma y la cero, las raíces
normal; además, para ajustar los parámetros de signo opuest
introduce el método de los momentos. 97
Yessica Paola Ochoa Acevedo, María Esther Rivera, Jesús Ramón Delgado Rodríguez
[3] en la primer
curves and correla
de curvas de
precipitación, evaporación, escurrimiento 1
𝑑𝑑𝑑𝑑 𝑥𝑥 coeficiente de c
e infiltración y la asociación de estos con
= (1)
𝑦𝑦 𝑑𝑑𝑑𝑑
𝑐𝑐1 +𝑐𝑐2 𝑋𝑋+𝑐𝑐3 𝑥𝑥 2 de la dependen
las principales funciones de distribución (1)
los momento
de probabilidad aplicadas en la evaluación Donde X - representa la variable del pro-
Donde parámetros des
y gestión del recurso hídrico. ceso uX - representa
objeto la variable
de estudio, del proceso
Y - representa a
ula objeto
probabilidad de un evento que expresela
de estudio, Y - representa a
[4] citó lo en
El presente trabajo está enmarcado dentro probabilidad
la variable deldeproceso
un evento queenexprese
u objeto estudio,la científico y ma
del proyecto de investigación “Aplicación variable del proceso u objeto en estudio,
dx - representa la variación infinitamente dx -
ya había propu
del sistema Pearson en el comportamiento representa
continua ladevariación infinitamente
la variable continua
en estudio, dy
todas las dist
temporal de la precipitación y temperatura de la variable en
- representa la estudio,
variacióndy infinitamente
- representa la trabajo fue desc
en la cuenca
Militar NuevadelGranada
rio Fonce, Santander”
(UMNG) y la continua
variación
frecuenciasde ola probabilidad,
infinitamente C1, C2,de
de la ley continua C3, -lade
de distribución
siendo uno de los productos del proyectosu
ingenieros que
Universidad de Pamplona, además representan
probabilidad,
probabilidades.a los parámetros estadísticos
C1, C2, C3, - representan a los
UMNG INV IMP 2134 de 2016-2018, el cual del histograma de frecuencias o de la ley diseño hidrológ
financiación está a cargo de la vicerrectoría de parámetros estadísticos del histograma de
se desarrolla en conjunto por la Univer- El distribución
de criterio para lasde curvas de frecuencia de
probabilidades.
investigaciones de la UMNG.
sidad Militar Nueva Granada (UMNG) y Pearson o K (Kappa) está dado por la
la Universidad de Pamplona, además su El criterio2:para las curvas
ecuación de frecuencia
AVANCES Investigación en Ingeniería Vol. 14
financiación está a cargo de la vicerrec- de Pearson o K (Kappa) está dado por
1. Metodología
toría de investigaciones de la UMNG. la ecuación 2:
1 2 𝛽𝛽 (𝛽𝛽 +3)2
1.1Metodología
Sistema de curvas de 𝐾𝐾
= (2)
2. 4(2𝛽𝛽2 −3𝛽𝛽1 −6)(4𝛽𝛽2 −3𝛽𝛽1 )
frecuencias de Pearson (2)
Si el valor de K es negativo las raíces son
Karl Pearson en 1983 introduce la familia de reales y de diferente signo, se obtiene uno
2.1 Sistema de curvas de frecuencias de los principales tipos de curva denomi-
distribuciones asimétricas como una
de Pearson nado Tipo I por Karl Pearson; si el valor
alternativa a la distribución normal de Gauss,
llega a la familia de distribuciones razonando Si el
de valor
K es de K esy negativo
positivo menor que las raíces
1 y lasson reales
raíces
Karl Pearson en 1983 introduce la familia son complejas, se obtiene el segundo
y de diferente signo, se obtiene uno de los tipo
sobre una mixtura de dos distribuciones
de distribuciones asimétricas como una principal
principalesdetipos
Pearson (tipodenominado
de curva IV), y si el valor
Tipo I
normales y concluye que puede haber
alternativa a la distribución normal de de K es positivo y mayor que 1 y las raíces
por Karl Pearson; si el valor de K es positivo
situaciones
Gauss, llega a donde losdeerrores
la familia de las
distribuciones son realesque
y del
observaciones no sean normalesdey dos
por lo tanto y menor 1 mismo signo,
y las raíces secomplejas,
son obtiene el se
razonando sobre una mixtura distri- tercer tipo principaltipo
de Pearson
se consigan mejores ajustes a situaciones obtiene el segundo principal (tipo VI).
de Pearson
buciones normales y concluye que puede Cuando el criterio es grande (teóricamen-
prácticas mediante donde
las mixturas [1]. Introduce (tipo IV), y si el valor de K es positivo y mayor
haber situaciones los errores de las te infinito), cuando es la unidad y las dos
la familia de distribuciones
observaciones en su publicación
no sean normales y por lo
que 1 y las raíces son reales y del mismo signo,
raíces son iguales (tipo V), y cuando es
[2],
tantomediante
se consigan la solución de la aecuación
mejores ajustes situa- se obtiene el tercer tipo principal de Pearson
cero, las raíces son iguales en magnitud,
diferencial lineal de
ciones prácticas primer las
mediante orden (Ecuación
mixturas [1]. (tipo deVI).
pero signoCuando
opuesto el (tipo
criterio
XI). es grande
Introduce
1), obtiene,lapara
familia de distribuciones
valores convenientes deenlas (teóricamente infinito), cuando es la unidad y
su publicación
constantes, [2], mediante
la distribución beta lasimétrica,
soluciónla las dos raíces
Elderton son[3]
(1906) iguales
en la(tipo V), y edición
primera cuando es
de la ecuación
distribución betadiferencial lineal
asimétrica, de primer
la gamma y la cero,
de las raíces
su libro son iguales
“Frequency curvesen magnitud, pero
and correla-
orden (Ecuación 1), obtiene, para
normal; además, para ajustar los parámetros valores de signo
tion”, hace opuesto (tipoalXI).
referencia sistema de curvas
convenientes de las constantes, la distri- de frecuencia de Pearson y al coeficiente
introduce el método de los momentos. [3]correlación
en la primeralineal
edición libro “Frequency
deelsuestudio
bución beta simétrica, la distribución beta de para de la
asimétrica, la gamma y la normal; además, curves and correlation”,
dependencia hace referencia
estadística y el métodoal sistema
de
para ajustar los parámetros introduce el de curvas de frecuencia de
los momentos, para determinar los pará-Pearson y al
1 𝑑𝑑𝑑𝑑 𝑥𝑥 coeficiente de correlación linealdistribución.
para el estudio
=
método de los momentos. metros desconocidos de una
𝑦𝑦 𝑑𝑑𝑑𝑑 𝑐𝑐1 +𝑐𝑐2 𝑋𝑋+𝑐𝑐3 𝑥𝑥 2 de la dependencia estadística y el método de
(1)
los momentos, para determinar los
parámetros
AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN:
Donde X - representa la variable del proceso 1794-4953desconocidos de una distribución.
• ISBN en línea: 2619-6581

u objeto de estudio, Y - representa a la


[4] citó lo encontrado por [5] sobre el
probabilidad de un evento que exprese la
científico y matemático Karl Pearson, el cual
variable del proceso u objeto en estudio, dx -
ya había propuesto en su familia de curvas,
98 Sistema de Pearson y modelos matemáticos aplicados a la Hidrología

Cárdenas et al. (2014) [4] citó lo encontrado Más adelante, Rich et al. [7], en su libro
por Elderton (1934) [5] sobre el científico y “The Pearson’s System of frequency curves
matemático Karl Pearson, el cual ya había digital computer program” mencionan que,
propuesto en su familia de curvas, todas a pesar de que Elderton et al. (1969) [6] han
las distribuciones. Sin embargo, su traba- sido sus principales referentes, han tratado
jo fue desconocido por los estadísticos e de usar un sistema más consistente y menos
ingenieros que debieron afrontar los retos confuso, en el que incluyen la programación
del diseño hidrológico desde entonces. de los tres principales tipos de curvas de
frecuencia de Pearson en Fortran III y, con
No obstante [6], en la cuarta edición de- esto, han dado más pasos en el desarrollo
nominada “Systems of frequency curves” de las matemáticas; aunque incluyen todo
prácticamente eliminaron todo el material el sistema de curvas de frecuencia de
de correlación, ya que esta edición hizo Pearson, el método de los momentos y la
el intento de proporcionar un tratamien- prueba de ajuste Chi-cuadrado.
to comparable de otras distribuciones,
incluyendo algunas distribuciones mul- El sistema de Pearson también ha tenido
ti-variadas. De igual manera, mencionaron gran aplicación en economía, finanzas,
que las ventajas de cualquier sistema de ingeniería y ciencias básicas; por ejemplo,
curvas dependen de la simplicidad de las Herrerías y Callejón (2001) [8] mencionan
fórmulas y el número de observaciones la utilización de la metodología propia
que pueden ser tratadas satisfactoria- del sistema de Pearson y las funciones
mente. Además, en el apartado que se generadoras para ajustar varios modelos
refiere a las curvas de frecuencia añaden probabilísticos para la distribución de la
que, si las estadísticas están dispuestas renta, empleando dos procedimientos
de manera que muestre el número de diferentes: el sistema de Pearson de dis-
veces o frecuencia con la que ocurre un tribuciones continuas univariantes (con el
evento en particular, entonces el acuerdo método de los momentos) y una función
es una distribución de frecuencia. Aunque generadora polinómica; esto permite la
algunos de sus resultados serán de mayor formulación de las medidas de concentra-
aplicabilidad, tendrían generalmente que ción, basada en la estructura probabilística
limitar su atención a estas distribuciones. subyacente de las variables que permi-
Es necesario tener  un nombre para la ten la cuantificación de la desigualdad
fórmula utilizada para describir dichas económica y de otros conceptos como
distribuciones, y el término “curva de la pobreza y el bienestar social.
frecuencia” ha sido adoptado para este
propósito. Según Elderton et al. (1969)[6], De otro modo, Andreev et al. (2005) [9],
el enésimo momento de una determinada brindaron ejemplos computacionales de un
frecuencia se define como el producto de método nuevo y fácilmente implementado
la frecuencia y la enésima potencia de la para seleccionar las funciones de densidad
distancia de la frecuencia de la vertical de probabilidad de la familia de distribu-
a través de la cual los momentos están ciones de Pearson; aplicaron este método
siendo tomados; o el enésimo momento para series históricas diarias, mensuales
de cualquier ordenada y de una curva y anuales usando un rango de datos de
de frecuencia sobre la vertical a través mercado de materias primas y variables
de un punto de distancia X de esta. macroeconómicas. Por otra parte, Pizzutilo

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
Yessica Paola Ochoa Acevedo, María Esther Rivera, Jesús Ramón Delgado Rodríguez 99

(2012) [10], aplicó el sistema de curvas de de los caudales máximos diarios en el rio
frecuencias de Pearson en el análisis de las Fonce en San Gil (Santander) con fines
distribuciones de los rendimientos diarios de protección contra la socavación de
de las acciones cotizadas en Italia, puesto puentes” [4], estuvo enfocada en la unión
que en otras investigaciones realizadas de la hidrología estadística con la esto-
anteriores a esta se demostró que los cástica mediante el modelo Pearson-Wie-
rendimientos de los activos y las carteras ner que incluye las curvas de frecuencia
de acciones no se distribuyen normal- de Pearson (I-XIII) y la construcción de
mente. Además, este trabajo constituyo espacio de probabilidad con soporte en
una base para el desarrollo de modelos las sigmas algebra; de acuerdo a los re-
financieros más realistas en la presencia sultados obtenidos en esta investigación,
de desviaciones de la normalidad de las los autores afirman que mediante este
distribuciones de retornos. desarrollo matemático se pueda crear
una nueva metodología para el análisis
Dentro del contexto de los sistemas am- de variables hidrológicas que genere
bientales, se destaca la contribución de [11], menos incertidumbre a la metodología
los cuales aplicaron el sistema de curvas estadística usada actualmente, generando
de frecuencia de Pearson para conocer predicciones de caudales más acertadas
la distribución de la velocidad del viento, o “reales”, con el fin de diseñar y cons-
considerando las propiedades estocásticas truir puentes probablemente inmunes al
de esta variable y teniendo en cuenta que fenómeno de socavación.
el conocer el comportamiento de esta va-
riable es clave para entender el rol que des- En este contexto, Correa et al. (2014) [12]
empeña la energía eólica, como solución a decidieron incorporar el modelo de finan-
la reducción mundial de los combustibles zas Black-Sholes-Merton en el ámbito de la
fósiles y la protección de la atmosfera de hidrología en el marco de la investigación
las consecuencias adversas del cambio “Aplicación del modelo Black-Sholes-Mer-
climático. Las curvas de frecuencias para ton en el estudio del comportamiento
los datos de velocidad del viento fueron errático de los incrementos de caudales
obtenidas usando el sistema de Pearson, máximos (Rio Fonce, Santander)”, en la
empleando los momentos estadísticos. En cual resolvieron la ecuación diferencial ca-
este análisis concluyen que la aplicación racterística de este modelo, identificaron el
del sistema de Pearson tiene ventajas en comportamiento temporal de los caudales
la capacidad de tomar una variedad de máximos del rio Fonce, característico de
formas de distribución, las cuales hacen de un proceso no estacionario y finalmente
este sistema particularmente aplicable al aplicaron una primera aproximación de
análisis de la energía potencial del viento la solución analítica del modelo BSM. Los
caracterizada por la variable aleatoria de resultados de este análisis arrojaron que
velocidad del viento. la modelación por medio de ecuaciones
diferenciales estocásticas aplicadas al
En Colombia, se destacan las investigacio- estudio del comportamiento de variables
nes referentes a la modelación estocástica hidrometeorológicas es viable.
aplicada a los sistemas ambientales. En
la investigación llamada: “Aplicación del A su vez, Rivera et al. [13] plantearon la
modelo Pearson-Wiener en la dinámica construcción de un proceso estocástico

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
100 Sistema de Pearson y modelos matemáticos aplicados a la Hidrología

en los términos de la axiomática de Kol- Rio Fonce”, [17], incluyó la aplicación de


mogorov a partir de espacios muestrales los momentos estadísticos de Pearson
empleando datos de caudales medios en la interpretación de la variabilidad
mensuales y Torres et al. (2015) [14] demos- climática en Santander y a su vez el aná-
traron que el movimiento del agua del rio lisis de las trayectorias de las variables
Fonce, interpretado como errático en los meteorológicas en la serie histórica y las
valores medios de caudales registrados por compararon con los comportamientos
las estaciones del IDEAM es un problema futuros que se señalan en los escenarios
de percepción y realmente su tipificación oficiales de cambio climático.
como proceso estocástico de Wiener puede
obedecer más a los márgenes de incerti- En la investigación sobre modelación esto-
dumbre que generan los instrumentos de cástica es necesario recalcar la importancia
medición y no tanto a la naturaleza errática de la ocurrencia de los eventos extremos,
del comportamiento del rio. como lo expresó Martínez (2016) [18] en
su investigación “Pronóstico hidrológico
Otra de las investigaciones de gran im- de caudales diarios en el rio Fonce-San
portancia es la realizada por Fuentes Gil mediante correlaciones de Pearson
(2015) [15], el cual se basó en el sistema lluvia-escorrentía en épocas de aguas
de Pearson para aplicarlo en el modelado bajas” bajo tres condiciones principales:
estocástico de los procesos de precipita- caudales en épocas de aguas bajas, corre-
ción, evaporación y escorrentía superficial laciones entre las precipitaciones diarias
(caudales medios) donde se demostró con los valores de caudales diarios del rio
que el sistema de Pearson se aplica co- y relaciones lineales entre el caudal y la
rrectamente a los procesos del balance precipitación. De acuerdo a esto, el autor
hídrico en la parte alta del rio Fonce. concluye que esta metodología se puede
aplicar para obtener pronósticos hidroló-
En esta serie de investigaciones sobre el gicos con márgenes de error aceptables
sistema Pearson, Fuentes et al. (2015) [16], de acuerdo a lo estipulado por el IDEAM.
desarrollaron el trabajo “Oportunidades
entre la tecnología militar y la ingeniera ci- Así mismo, Jiménez et al. (2016) [19] rea-
vil. Caso de estudio: Aplicación del sistema lizaron el modelado del histograma de
estadístico de Pearson en la modelación frecuencias de las velocidades anuales
de los caudales medios mensuales del rio (medias, máximas y mínimas) del rio Fonce,
Fonce-Santander”, en la cual se evidencia variable de gran importancia en la práctica
que el comportamiento de los caudales de diseños hidráulicos, mediante el sistema
medios del rio Fonce son modelados de Pearson, demostrando que el modelado
adecuadamente según el criterio K de de esta variable es posible aplicando el
Pearson, teniendo en cuenta que algunos criterio Kappa de Pearson, por medio del
de los tipos de Pearson se ajustan mejor cual se ajustaron los tipos II, VI y VIII de
que otros. Por otra parte, la investigación Pearson para los valores analizados.
denominada “Interpretación estadística
de la variabilidad climática en Santander Finalmente, Libonatti (2016) [20] aplicó
y análisis de las proyecciones de cambio el sistema de Pearson en el estudio de
climático en condiciones del proceso es- la dinámica de las lluvias multianuales
tocástico estacionario. Caso de estudio: en Santander y Boyacá con énfasis en

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
Yessica Paola Ochoa Acevedo, María Esther Rivera, Jesús Ramón Delgado Rodríguez 101

la cuenca del rio Fonce; en este trabajo Seoane (1997) [23] decidieron unir los
presenta un primer acercamiento a la dos tipos de modelos hidrológicos más
aplicación del sistema de Pearson para importantes en “asociación determinísti-
interpretar el comportamiento de la di- co-estocástica para predicción de cauda-
námica de las precipitaciones en valores les”, con el fin de mejorar la representación
medios multianuales, tomando como de los procesos de transformación pre-
método de ajuste de los datos el criterio cipitación-caudal en una cuenca de gran
K (Kappa), aunque es de recalcar que no extensión y determinar la capacidad de
todos los datos se ajustan correctamente pronóstico de estos modelos en conjunto.
al criterio K y por tanto, algún tipo de
Pearson no ofrece resultados adecuados. Según Dueñas (1997) [24], la modelación
hidrológica es una herramienta de gran
importancia para el estudio de avenidas
2.2 Modelos matemáticos en que se ha extendido por todo el mundo,
Hidrología fundamentalmente en países desarrolla-
dos. En la actualidad, con el empleo de
Con la inclusión de la programación en estos modelos, se realiza el análisis y la
computadores digitales para hacer más prevención de las inundaciones; además,
efectivos los procesos de modelación es posible manejar hipótesis suficiente-
y simulación, Ordóñez (1974) [21], hizo mente realistas o previsibles que ofrezcan
énfasis en los modelos hidrológicos, tan- un cierto grado de confianza para la toma
to determinísticos como estocásticos, de decisiones, ya sea en la ordenación del
empleando computadores digitales para territorio en torno a los ríos o para exigir
la simulación de los sistemas hídricos, criterios de diseño de obras e infraestruc-
teniendo en cuenta, técnicas estadísticas turas capaces de soportar y funcionar
de análisis, análisis numérico y modelos adecuadamente en situaciones de emer-
matemáticos; para este año, en hidrología gencia. Incluso, alertar a los servicios de
se encontraba la aplicación de las dis- protección civil y establecer protocolos
tribuciones de probabilidad normal (de de actuación ante posibles situaciones
Gauss), log normal (de Galton), Gamma de peligro por intensas lluvias.
(de dos parámetros) y Pearson tipo III.
La modelación de procesos hidrológicos
La importancia del uso de computadores tiene lugar en todos los aspectos, directos o
en la modelación y simulación de procesos indirectos, de la aplicación de la hidrología,
hidrológicos llevó a Fernández et al. [22] a como herramienta del desarrollo sostenible.
realizar un compendio sobre los modelos Adicionalmente, como lo define Kova-
matemáticos más importantes aplicados lenko (1993) [25], citado por Domínguez
a hidrología superficial e hidrogeología; (2000) [26] la modelación matemática de
según estos autores, la realización de procesos hidrológicos puede entenderse
modelos matemáticos de estos sistemas, como el eslabón central del desarrollo del
combinada con la capacidad de cálculo conocimiento, correspondiendo a la reali-
de los ordenadores, permite obtener he- zación abstracta del entendimiento de lo
rramientas para definir y simular distintas real; a través de los datos, obtenidos en
situaciones de utilización de los recursos un sistema de medición, se puede llegar
hídricos. Del mismo modo, Chavasse y a estructurar una abstracción de los pro-

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
102 Sistema de Pearson y modelos matemáticos aplicados a la Hidrología

cesos naturales en forma de un sistema cionar la tesis de maestría desarrollada


de ecuaciones que ayuden a profundizar por Mecca (2008) [32], titulada: “Análisis
sobre el proceso en estudio. En este con- y modelación del comportamiento hidro-
texto, Domínguez (2000) [26] planteó un lógico de las lagunas don Tomás y bajo
“Protocolo de modelación” para el IDEAM, Giuliani Santa Rosa, La Pampa” en la que
con el fin de enmarcar la modelación en se analizó y simulo el comportamiento
una secuencia lógica, discreta, de pasos hidrológico correspondiente a las cuencas
orientados a la obtención de resultados, de las Lagunas Don Tomas y Giuliani (pro-
aplicados en el área de la hidrología, ya vincia de La Pampa, Argentina), mediante
sea para la evaluación del estado actual del la constitución y calibración del modelo
régimen hidrológico, para el pronóstico o hidrológico-hidráulico SHALL3 (Simulación
proyección de condiciones futuras o para Hidrológica de Áreas de Llanura) capaz de
el uso sostenible del recurso. Así mismo, reproducir tanto la hidrología de superficie
Domínguez (2004) [27] aplicó la ecuación como la subterránea. Es hidrodinámico con-
Fokker-Planck-Kolmogorov para pronosti- tinuo y presenta alta resolución, tanto en la
car las curvas de densidad probabilística de dimensión temporal como en la espacial.
los caudales que representan las afluencias
mensuales a embalses hidroeléctricos y Dentro de este contexto de la modelación
presentó, además la aproximación numérica hidrológica por medio de modelos ma-
de esta ecuación, sus condiciones iniciales, temáticos se pueden desarrollar nuevos
de frontera y los resultados de su aplicación modelos a partir de datos de variables hi-
en el caso del embalse de Betania. drometeorológicas, como el caso plantea-
do por García (2010) [33] en “modelación
Teniendo en cuenta lo dicho por Ordoñez hidrológica estocástica: desarrollo de un
(1974) [21], Ponce (1989) [28], Aparicio modelo de generación sintética de series
(1992) [29] y Chow et al. (1994) [30] acerca temporales”; el modelo se desarrolló por
de las principales funciones de distribución medio de un programa de computación
de probabilidad utilizadas en hidrología, (Visual Basic) que facilitó el cálculo de las
entre las que se recalca a Pearson tipo III variables que intervienen en el proceso.
como el modelo que más se emplea de la Además, presenta una alternativa en la
familia de curvas de frecuencia de Pearson, generación de las variables aleatorias
se destaca el estudio realizado denominado (generación de números aleatorios) que
“Estimación de funciones de distribución se requiere en la fase de cómputo para
de probabilidad para caudales máximos, garantizar una periodicidad alta, este
en la región del Maule-Chile” [31], en el modelo desarrollado tuvo su aplicabilidad
que aplica los cuatro principales modelos en la determinación de la serie temporal
probabilísticos, correspondientes a Gumbel, de caudales mensuales y anuales para el
Log-Normal, Goodrich y Pearson tipo III, rio Grande en Santa Cruz-Bolivia.
para series anuales de caudales máximos
con el fin de determinar cuál de las funcio- En la gestión de los recursos hídricos es
nes de probabilidad se ajusta más a la serie importante tener en cuenta el monitoreo
histórica de datos de caudales máximos. del agua subterránea, puesto que per-
mite evaluar el impacto que causan las
En el análisis espacial y temporal de las diferentes alternativas de explotación del
cuencas hidrográficas, es necesario men- agua y facilita el manejo del suelo y vege-

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
Yessica Paola Ochoa Acevedo, María Esther Rivera, Jesús Ramón Delgado Rodríguez 103

tación. En este sentido, Rébori et al. [34] que permitiera facilitar y simplificar los
utilizaron el modelo hidrológico SIMGRO cálculos laboriosos que se deben realizar
(simulación del flujo de agua subterránea, en los estudios hidrológicos.
subsuperficial y superficial en forma in-
tegrada a escala de cuencas, incluyendo Los modelos hidrológicos, basados en las
las interacciones planta atmósfera) para funciones de distribución de probabilidad,
la simulación del balance hidrológico, el también se emplean con la finalidad de
ajuste y calibración del modelo a través predecir eventos extremos que pueden
del monitoreo del agua subterránea y la ocurrir en un determinado tiempo, como
modelización de escenarios predictivos. el caso de la precipitación, variable de gran
incidencia en la ocurrencia de crecidas o
El libro “Diseño hidrológico” [35], es el inundaciones; en el estudio “Determinación
compendio de los principios hidroló- de crecientes extremas en las cuencas de
gicos básicos, los elementos del ciclo alta montaña del rio Guadalupe y la que-
hidrológico y los principales modelos brada Piedras Blancas mediante la aplica-
de cuencas. Además, hacen énfasis en ción del método Gradex” [37], aplicaron
la modelación matemática de la hidrolo- el método GRADEX para la obtención de
gía de la cuenca en la interpretación de caudales de crecientes máximas a partir
las interacciones dinámicas producidas de los datos de precipitaciones máximas
entre los sistemas climáticos, terrestres, anuales en 24 horas, datos a los que se les
edafológicos, litológicos e hidrosfericos aplicó las distribuciones de probabilidad
y como componente esencial del manejo de Gumbel, Normal, Log-Normal de 2
integral del recurso hídrico y del medio parámetros y Pearson tipo III, teniendo en
ambiente pues como se ha demostrado, cuenta que el método GRADEX depende
los modelos hidrológicos han sido apli- si la precipitación de la zona de estudio
cados de manera creciente para dirigirse se ajusta correctamente a una de estas
a un gran rango de problemas sociales y distribuciones de probabilidad.
de desarrollo que incluyen agua, energía,
medio ambiente y ecología. La importancia de conocer la distribución
y comportamiento de los recursos hídricos
Otro modelo desarrollado para la aplica- en la gestión de un uso y aprovechamien-
ción en hidrología es el propuesto por Min- to sostenible del recurso llevo a Navarro
ga (2012) [36] en su trabajo “Implemen- (2012) [38] a realizar el trabajo “Avances
tación de herramientas de distribución en la modelación hidrológica de gran
de probabilidad y prueba de bondad de escala en cuencas patagónicas mediante
ajuste en el laboratorio virtual de hidrolo- incorporación de re análisis climatológicos:
gía (HYDROVLAB)”, modelo programado aplicación a la cuenca del río Baker, región
en Visual Studio.net, el cual permite el de Aysén” en el que utilizo la herramienta
cálculo de las funciones de distribución de modelación “Cold Regions Hydrologi-
de probabilidad por los métodos Normal, cal Model” correspondiente a un modelo
Log-Normal, Pearson III, Log-Pearson III hidrológico de base física especializado
y Gumbel además de que realiza el aná- para regiones con climas fríos e incorpo-
lisis de la prueba de bondad de ajuste ró datos provenientes de los re análisis
por el método de Kolmogorov-Smirnov; climatológicos para obtener valores a
este modelo pretendía ser una aplicación escala diaria de precipitación total, hu-

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
104 Sistema de Pearson y modelos matemáticos aplicados a la Hidrología

medad relativa y velocidad del viento. Los mo tipo I. Además, en la construcción de


resultados de la modelación demostraron las curvas IDF no presentaron grandes
que los modelos forzados con datos de re problemas, salvo en dos estaciones, en
análisis presentan una mejora significativa las cuales hicieron una revisión detallada
con respecto a los obtenidos con datos de la acumulación de las duraciones de
medidos dentro de la cuenca. De igual precipitaciones máximas para cada año,
manera, en el estudio desarrollado por Gil con el objeto de obtener una gráfica los
(2012) [39], se recalcó la importancia de más cercana al modelo técnico.
los páramos como ecosistemas reguladores
del recurso hídrico, por medio del modelo Finalmente, Seoane (2015) [42], en su
hidrológico topográfico TOPMODEL en la trabajo de doctorado “Modelos probabi-
cuenca de la quebrada La Chucua (Parque lísticos y estimación de la incertidumbre
Nacional Natural Chingaza) para revelar en procesos hidrológicos” se enfocó en
la capacidad del modelo para represen- estudiar los posibles efectos de la variabi-
tar adecuadamente el comportamiento lidad climática natural y el cambio climá-
del páramo en la cuenca. Por otra parte, tico global sobre los caudales máximos y
la importancia del uso de la estadística medios, aplicando modelos probabilísticos
y sus herramientas en la recolección de para la detección de puntos de cambio
información, el correcto manejo de datos múltiples, asociados con la variabilidad
y su uso para la estimación de variables climática natural.
aleatorias radica en hacer inferencias so-
bre los comportamientos futuros y mi-
diendo los errores que permita respaldar 3. Conclusiones
las decisiones que se tomen. El proyecto
ejecutado por Parra (2012) [40] incluye Los modelos matemáticos estocásticos
las principales herramientas estadísticas como la familia del sistema de Pearson
y de probabilidad y su aplicación en la se pueden aplicar a muchas áreas del co-
ingeniería de petróleos. nocimiento con resultados que presentan
buenos estimativos sobre la realidad del
En la investigación denominada “Eva- fenómeno o variable en análisis.
luación de métodos de construcción de
curvas IDF a partir de distribuciones de La importancia de la aplicación del sistema
probabilidad y parámetros de ajuste” [41], de Pearson en el análisis del comporta-
se presenta la evaluación de las metodo- miento temporal de variables y fenómenos
logías para la construcción de curvas IDF, aleatorios radica en el grado de ajuste de
aplicando distribuciones de probabilidad las frecuencias empíricas a las frecuencias
conocidas como EVI (Valor Extremo tipo teóricas modeladas, puesto que un sistema
I), Pearson tipo III, log-Pearson tipo III es inútil si no proporciona las distribuciones
y GEV (Distribución de Valor Extremo que realmente toman los datos. Además,
Generalizada). Los resultados de esta debe sintetizar el análisis de trayectorias
investigación arrojaron que la función de series de datos y demostrar la veraci-
de distribución con la cual se evidencia dad de la muestra analizada, respecto a
un mejor comportamiento para la zona toda la población; sobre todo cuando se
de estudio (Departamento de Boyacá, busca que sean referentes para futuras
Colombia) es la función de valor extre- inferencias e interpretaciones.

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
Yessica Paola Ochoa Acevedo, María Esther Rivera, Jesús Ramón Delgado Rodríguez 105

Con la aplicación de criterios de Pearson 4. Referencias


se ha mejorado el análisis de series tem-
porales y se ha observado que reduce la
[1] Gómez, V. M. (2009). Karl Pearson, el
incertidumbre que se genera al trabajar
creador de la estadística matemática.
con datos “reales”, en este caso, al tomar
Universidad Complutense de Madrid,
datos por estaciones meteorológicas
Madrid, España.
convencionales.
[2] Pearson K. (1895) Contributions to the
En la aplicación de los principales modelos Mathematical Theory of Evolution.
de distribución de probabilidad se ha evi- II. Skew Variation in Homogeneous
denciado que la distribución de Pearson Material. Philosophical Transaction of
tipo III es una de las que más se ajusta a the Royal Society A, London.
las variables hidrológicas, en comparación [3] Elderton, P. W. (1906). Frequency curves
con la aplicación del Sistema de Pearson, and correlation. London, Institute of
en el que el modelo derivado de Pearson Actuaries.
tipo III casi nunca se presenta.
[4] Cárdenas, J. C., Rivera, M. E y Rivera, H. G.
Los modelos determinísticos y estocás- (2014). Aplicación del modelo Pear-
ticos utilizados en el análisis de variables son-Wiener en la dinámica de los cau-
hidrológicas han conducido a una gestión dales máximos diarios en el rio Fonce en
sostenible del recurso hídrico, puesto San Gil (Santander) con fines de protec-
que abarcan espacial y temporalmente ción contra la socavación de puentes.
la cuenca hidrográfica, y se complemen- V Congreso Internacional de Ingeniería
tan con las funciones de distribución de Civil, Universidad Santo Tomas Seccio-
probabilidad que determinan eventos nal de Tunja, Tunja, Colombia.
extremos que se pueden presentar en [5] Elderton, P. W. (1938). Frequency Curves
determinado tiempo. and Correlations. Cambridge University
Press, New York.
La modelación de la trayectoria de
series históricas de datos por medio [6] Elderton, P. W y Johnson, L. N. (1969). Sys-
del Sistema de Pearson en las distintas tems of frequency curves. Cambridge
áreas del conocimiento ha resultado ser University Press, New York.
eficiente, con el ajuste perfecto de los [7] Rich, N., Greene, L y Graham, R. (1971). The
principales tipos y algunos de los tipos Pearson’s System of frequency curves
no comunes. digital computer program. U.S Army
Missile Command, Redstone Arsenal,
A partir del análisis propuesto, se confir- Alabama.
ma que la historia es un buen referente
[8] Herrerías, R y Callejón, J. (2001). Los sis-
para analizar los problemas del presente
temas de Pearson como generadores
y proyectar soluciones a futuro (diseño
de distribuciones de probabilidad.
hidrológico), para planear adecuadamente
Aplicaciones estadísticas y económi-
obras estructurales, hidráulicas, hidroló-
cas. Universidad de Granada, España.
gicas, de restauración, conservación y
preservación que siempre conlleven al [9] Andreev, A., Kanto, A y Pekka, M. (2005).
uso sostenible del recurso hídrico. Simple Approach for distribution se-

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
106 Sistema de Pearson y modelos matemáticos aplicados a la Hidrología

lection in the Pearson System. Helsinki granada, Facultad de ingeniería civil,


school of economics, Finland. Bogotá D.C, Colombia.
[10] Pizzutilo, F. (2012). Use of the Pearson [16] Fuentes, J., Palacio, G. D., Hoyos, O. L.,
System of Frequency Curves for the Rivera, H. G. (2015). Oportunidades
Analysis of stock Return Distribution: entre la tecnología militar y la ingeniería
Evidence and Implications for the Ital- civil. Caso de estudio: Aplicación del
ian Market. Economics Bulletin, Vol 32 Sistema Estadístico de Pearson en la
No 1, 272-281. modelación de los caudales medios
mensuales del rio Fonce-Santander.
[11] Azrulhisham, E.A., Zakaria, K.P., Samizee,
Rev. Ingenieros Militares, vol 10, 73-84.
A and Juhari, M.B.M. (2012). Pearson
System Distribution Approximation [17] Montañez, J. C. (2016). Interpretación
in Wind Energy Potential Analysis. estadística de la variabilidad climá-
Malaysia France Institute, University tica en Santander y análisis de las
Kuala Lumpur, Malaysia. proyecciones de cambio climático en
condiciones de proceso estocástico
[12] Correa, H. J., Castro, G. A y Rivera, H.
estacionario. Caso de estudio: Río
G. (2014). Aplicación del modelo
Fonce. Universidad militar nueva gra-
Black-Sholes-Merton en el estudio
nada, Facultad de ingeniería, Ingeniera
del comportamiento errático de los
Civil, Bogotá D.C.
incrementos de caudales máximos
(Rio Fonce, Santander). V Congreso [18] Martínez, L. F. (2016). Pronóstico hidrológico
Internacional de Ingeniería Civil, Uni- de caudales diarios en el rio Fonce (San
versidad Santo Tomas Seccional de Gil) mediante correlaciones de Pearson
Tunja, Tunja, Colombia. lluvia-escorrentía en épocas de aguas
bajas. Ponencia presentada en el VI
[13] Rivera, M.E., Correa, H. J., Avendaño, B. A
Congreso Internacional de Ingeniería
y Rivera, H.G. (2015). Construcción de
Civil. Universidad Santo Tomas, Tunja.
un proceso estocástico para simular
el movimiento de caudales medios [19] Jiménez, G. D., Fuentes, J y Rivera, M.
en el rio Fonce (San Gil-Santander). E. (2016). Modelado del histogra-
AVANCES Investigación en ingeniería ma de frecuencias de las velocida-
Vol 12 ISSN: 1794-4953. des anuales del agua del rio Fon-
ce (San Gil, Santander) mediante el
[14] Torres, P. K., Rivera, H.G., Rivera, M.E.,
Sistema de Pearson. Revista Ingenieros
Fuentes, B. J y León, A. M. (2015).
Militares, No.11, 18.
Identificación de la incertidumbre en
el proceso estocástico de caudales [20] Libonatti, G. C. (2016). Aplicación de la
medios en el rio Fonce (San Gil-San- estadística pearsoniana en el estudio de
tander). AVANCES Investigación en la dinámica de las lluvias multianuales
ingeniería Vol 12 ISSN: 1794-4953. en Santander y Boyacá con énfasis en
la cuenca del rio Fonce. Universidad
[15] Fuentes, J. (2015). Aplicación del sistema
militar nueva granada, Facultad de
de Pearson en el modelado estocás-
ingeniería, Ingeniería civil, Bogotá D.C,
tico de los procesos de precipitación,
Colombia.
evaporación y escorrentía superficial
(caudales medios) en el rio Fonce [21] Ordoñez, S. J. (1974). Modelos matemáti-
(Santander). Universidad militar nueva cos en hidrología. Bogotá, Colombia.

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
Yessica Paola Ochoa Acevedo, María Esther Rivera, Jesús Ramón Delgado Rodríguez 107

[22] Fernández, M. M., Vela, M. A., Castaño, F. [31] Aguilera, N. M. (2007). Estimación de fun-
S. (1997). La utilización de modelos en ciones de distribución de probabilidad
hidrología. Selección de teledetección para caudales máximos en la región del
y sistemas de información geografía. Maule. Universidad de TALCA, Facul-
Instituto de desarrollo regional de la tad de ciencias forestales, escuela de
Universidad de Castilla, La Mancha, ingeniería forestal, Talca-Chile.
España.
[32] Mecca, J. C. (2008). Análisis y modelación
[23] Chavasse, D.I y Seoane, R.S. (1997). Aso- del comportamiento hidrológico de
ciación determinístico-estocástica para las lagunas Don Tomas y bajo Giuliani
predicción de caudales. Ingeniería del Santa Rosa, La Pampa. Universidad
Agua. Volumen 4. Núm. 2. Argentina. Nacional de La Pampa, Argentina.
[24] Dueñas, C. (1997). Marco normativo vi- [33] García, G. F. (2010). Modelación hidrológica
gente ante el riesgo de inundaciones. estocástica: desarrollo de un modelo
En: Jornadas Parlamentarias sobre de generación sintética de series tem-
prevención de riesgos relacionados porales. Universidad autónoma Gabriel
con el agua: VI-La protección civil ante Rene Moreno. Santa Cruz-Bolivia.
el riesgo de inundaciones, Cámara del [34] Rébori, M. G., Querner, E., Feler. M. V y
Senado. Madrid, España. Barrionuevo, N. (2010). Simulación del
[25] Kovalenko, V. (1993). Modelirovanie Gui- flujo de aguas subterráneas, utilizando
drologuicheskij protsessov. 256. Gui- SIMGRO en el noroeste de Buenos
drometeoizdat, San Petersburgo. Aires. Revista digital del Grupo de
Estudios sobre Geografía y Análisis
[26] Domínguez, E. A. (2000). Protocolo para
Espacial con Sistemas de Información
la modelación matemática de procesos
Geográfica (GESIG), 2, 98-100.
hidrológicos. Meteorología Colombia-
na, 2, 33-38, ISSN 0124-6984. Bogotá, [35] Fattorelli, S y Fernández, P. (2011). Diseño
D.C, Colombia. hidrológico. Biblioteca virtual de la
WASA-GN, Argentina.
[27] Domínguez, E. A. (2004). Aplicación de
la ecuación de Fokker-Planck-Kolmo- [36] Minga, G. M. (2011). Implementación de he-
gorov para el pronóstico de afluencias rramientas de funciones de distribución
a embalses hidroeléctricos (caso prác- de probabilidad y prueba de bondad
tico de la represa de Betania). Meteo- de ajuste en el laboratorio virtual de
rología Colombiana, 8; 17-26, ISSN hidrología (HYDROVLAB). Universidad
0124-6984. Bogotá, D.C, Colombia. técnica particular de Loja, escuela de
ingeniería civil, Loja-Ecuador.
[28] Ponce, V. (1989). “Modelos Hidrológicos”.
En: Engineering Hydrology, Editorial [37] Pinzón, M. J y Suarez, B. J. (2011). De-
Prentice Hall, (13). terminación de crecientes extremas
en las cuencas de alta montaña del
[29] Aparicio, M. F. (1992). Fundamentos de hi-
rio Guadalupe y la quebrada piedras
drología de superficie. Editorial Limusa:
blancas mediante la aplicación del mé-
Grupo Noriega Editores, México, D.F.
todo GRADEX. Pontificia Universidad
[30] Chow, V.T., Maidment, D.R y Mays, L.W. Javeriana, Facultad de Ingeniería, De-
(1994). Hidrología aplicada. McGraw partamento de ingeniería civil, Bogotá
Hill, México, D.F. D.C, Colombia.

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581
108 Sistema de Pearson y modelos matemáticos aplicados a la Hidrología

[38] Navarro, S. A. (2012). Avances en la mo- Universidad Industrial de Santander,


delación hidrológica de gran escala Bucaramanga, Colombia.
en cuencas patagónicas mediante
[41] Acosta, C. P y Sierra, A. L. (2013). Evalua-
incorporación de re-análisis climato-
ción de métodos de construcción de
lógicos: aplicación a la cuenca del río
curvas IDF a partir de distribuciones de
Baker, región de Aysén. Universidad de
probabilidad y parámetros de ajuste.
Chile, Santiago de Chile, Chile.
Revista Facultad de Ingeniería, UPTC,
[39] Gil, E. G. (2012). Modelación hidrológica Vol 22, No. 35. pp. 25-33.
de los páramos andinos con Topmo-
[42] Seoane, M. R. (2015). Modelos probabilís-
del: paramo de Chingaza, Colombia.
ticos y estimación de la incertidumbre
Universidad Nacional de Colombia,
en procesos hidrológicos. Universidad
Medellín, Colombia.
de la Coruña, Instituto Universitario
[40] Parra, J. E. (2012). La estadística y sus apli- de Xeoloxia.
caciones en la ingeniería de petróleos.

AVANCES Investigación en Ingeniería • Vol. 14, 2017 • ISBN: 1794-4953 • ISBN en línea: 2619-6581