Hidrologa!!!

La distribucin de Gumbel constituye una aproximacin a la Teora de los Valores Extremos similar a la que realizan osciladores como el Estocstico o el RSI pero desde una base matemtica slida. La distribucin de Gumbel o distribucin generalizada exponencial gamma se utiliza habitualmente en el clculo de los caudales de avenida para el dimensionamiento y diseo de los aliviaderos de las grandes presas hidralicas. Se trata de una herramienta de clculo de probabilidades de contrastada validez en el estudio de mximos de una serie. Tambin es usada en ingeniera martima y en general en el diseo de construcciones civiles que puedan estar sometidas a condiciones climatolgicas extremas. Lo que se pretende con esta distribucin es obtener la probabilidad de que en una determinada serie se den nuevos mximos dadas unas condiciones iniciales. Por ello, aplicando la distribucin de Gumbel a las series temporales de cualquier activo financiero podemos construir un indicador, cuya principal ventaja es la medicin de la inestabilidad en las zonas de mximos. La frmula de la funcin de densidad de dicha distribucin es, en lenguaje MetaStock, la siguiente: IG = exp ( -exp ( - ( 1/0.7797 * std(X,p)) * ( X - mov(X,q,m) + 0.4499 * std(X,p) ) ) ) Donde: - X es la variable a estudiar: cierres, mximos, mnimos, etc. - p es el nmero de datos que consideramos para el clculo de la desviacin, por ejemplo 5 das. - q es el nmero de datos que consideramos para el clculo de la media mvil, por ejemplo 10 das. - m es el modo de clculo de la media mvil, por ejemplo exponencial E, simple S ... - exp es la funcin exponencial. - std es la desviacin estndar.

Los resultados obtenidos sustituyendo los correspondientes valores en la funcin de densidad anterior se sitan entre 0 y 1, de la misma forma que lo hace cualquier oscilador de sobrecompra/sobreventa. Valores prximos a 1 indican zona de probable bajada y prximos a 0 de probable subida. La sensibilidad del indicador depender de los valores asignados a los parmetros p, q y m. Como valor de X es recomendable utilizar la cotizacin mxima del da, aunque no deja de ser interesante usar la mnima y la de cierre, trabajando as con tres indicadores y estudiando los cruces de sus lneas. Y para muestra, un botn: echen un vistazo al grfico inferior y vern como puede dar bastante juego este indicador:

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad

Propiedades
La funcin de distribucin acumulada de Gumbel es:T

La mediana es La media es donde 0.5772156649015328606. La desviacin estndar es: = Constante de Euler-Mascheroni

La moda es .

Distribucin estndar de Gumbel

La distribucin estndar de Gumbel es el caso donde = 0 y = 1 con la funcin acumulada

y la funcin de densidad

La mediana es La media es

0.36651292058166432701. , the EulerMascheroni constant 0.5772156649015328606.

La desviacin estndar es 1.28254983016186409554. La moda es 0. Algunas secuencias de eventos hidrol6gicos, como la ocurrencia de precipitacin, pueden considerarse como procesos de Poisson, en 10s cuales los eventos ocurren instantnea e independientemente en un horizonte de tiempo, o a lo largo de una lnea. El tiempo entre tales eventos, o tiempo de interarribo, esta descrito por una distribuci6n exponencial cuyo parmetro A es la tasa media de ocurrencia de los eventos. La distribuci6n exponencial se utiliza para describir los tiempos de interarribo de choques aleatorios a sistemas hidrol6gicos, tales como volmenes de escorrenta contaminada que entran en los rlOS a medida que la lluvia lava los contaminantes 10calizados en la superficie del terreno. La ventaja de la distribuci6n exponencial radica en que es facil estimar a partir de la infomaci6n observada y que la distribuci6n exponencial se adapta muy bien a estudios te6ricos, tales como un model0 de probabilidad para el embalse lineal ( = l/k, donde k es la constante de almacenamiento en el embalse lineal). Su desventaja es que requiere que la ocurrencia de cada evento sea completamente independiente de sus vecinos, lo cual puede ser un supuesto no valido para el proceso en estudio -por ejemplo, el arriba de un frente puede generar muchos procesos de lluvia- y esto ha llevado a los investigadores a estudiar varias formas de procesos de Poisson compuestos, en los cuales se considera como una variable aleatoria en lugar de una constante (Kavvas y Delleur, 1981; Waymire y Gupta, 1981).