Professional Documents
Culture Documents
P(x)
0.05
0.15
0.25
0.20
0.15
0.10
0.08
0.02
1.0
F(x)
0.05
0.20
0.45
0.65
0.80
0.90
0.98
1.00
P(x)
0.05
0.10
0.15
0.20
0.10
0.10
0.15
0.10
0.05
1.00
F(x)
0.05
0.15
0.30
0.50
0.60
0.70
0.85
0.95
1.00
1.2
PARMETROS ESTADSTICOS
1.2.2 Varianza :
mide la variabilidad de los datos. Es el segundo momento respecto a la media.
Coeficiente de variacin
su estimado es
Ejemplo
Encontrar el valor medio de la precipitacin si se tiene
Intervalo (mm)
100
110
120
130
140
150
160
110
120
130
140
150
160
170
Xi medio
105
115
125
135
145
155
165
Frecuencia Frecuencia
absoluta
relativa
10
0.1
16
0.16
9
0.09
10
0.1
20
0.2
15
0.15
20
0.2
Total=100
x f(x)
10.5
18.4
11.25
13.5
29
23.25
33
= 138.9
ANALISIS DE FRECUENCIA
Para una distribucin dada, puede determinarse una relacin entre K y el perodo
de retorno Tr. Esta relacin puede expresarse en trminos matemticos o por
medio del uso de una tabla.
El anlisis de frecuencia consiste en determinar los parmetros de las
distribuciones de probabilidad y determinar con el factor de frecuencia la
magnitud del evento para un perodo de retorno dado.
A continuacin se describen las principales distribuciones de probabilidad
utilizadas en hidrologa, la forma de estimar sus parmetros, el factor de
frecuencia y los lmites de confianza. Estos ltimos son indicadores de que tanta
incertidumbre se tiene con las extrapolaciones, puesto que determinar el rango de
valores donde realmente estara la variables, si el rango es muy grande la
incertidumbre es muy alta y si es pequeo, por el contrario, habr mucha
confianza en el valor estimado.
3 DISTRIBUCIONES
CONTINUAS
3.1
DE
PROBABILIDAD
PARA
VARIABLES
DISTRIBUCION NORMAL
y = ln x
donde,
my : media de los logaritmos de la poblacin (parmetro escalar), estimado
sy : Desviacin estndar de los logaritmos de la poblacin, estimado sy.
3.2.2 Estimacin de parmetros:
En el campo transformado.
xy=2.655
sy = 0.324
= 5/15 = 0.33
K = F-1(1-1/Tr) = F-1(1-1/100) = F-1(0.99)
de la tabla de la normal se obtiene KT=2.33
KT = 3.06
QTr = 15 + 5 * 3.028
QTr = 30.14 m3/s
En el campo transformado se tiene que:
LnQTr100 = 2.655 + 2.33*0.324
LnQTr100 = 3.40992
QTr100 = Exp (3.40992)
Q Tr100 = 30.26 m3/s
Limites de confianza
Ln (QTr) t(1-a) Se
d = 1.93
3.59095]
e3.59095]
36.29]
donde
Xt t(1-a) Se
QTr100 = x + KT s
KT = 3.14
QTr100 = 15 + 3.14*5
QTr100 = 30.7 m3/s
Intervalos de confianza
t(1-a) = t(0.95) = 1.645 (Ledo de la tabla de la normal)
d = 3.93
Xt t(1-a) Se
30.7 m3/s (1.64) (3.58)
[24.83 m3/s
3.4
36.58 m3/s]
donde,
x0 x < para > 0
< x x0 para < 0
y son los parmetros de escala y forma, respectivamente , y x 0 es el
parmetro de localizacin.
Cs es el coeficiente de asimetra,
de la muestra respectivamente.
Xt t(1-a) Se
(1.9,100) =
(2.0,100)
3.605
d = F(1.981,100)
8.2196
(1.9,100) =
(2.0,100)
8.5562
Se = 5133.56 pie3/s
t(1-a) = t(0.95) = 1.645 (Ledo de la tabla de la normal)
3.5
24494.71pie3/s]
donde,
y0 y < para > 0
y y0 para < 0
y son los parmetros de escala y forma, respectivamente , y y 0 es el
parmetro de localizacin.
Cs es el coeficiente de asimetra,
son la media y la desviacin estndar
de los logaritmos de la muestra respectivamente.
3.5.3 Factor de frecuencia:
Xt t(1-a) Se
AJUSTE DE DISTRIBUCIONES
Para ajustar distribuciones de tres parmetros (Log Normal III, Log Pearson) se
requiere estimar el coeficiente de asimetra de la distribucin; para ello es necesario
disponer de una serie con longitud de registros larga, mayor de 50 aos, (Kite,
1988). Las distribuciones de dos parmetros son usualmente preferidas cuando se
dispone de pocos datos, porque reducen la varianza de la muestra, (Ashkar, et al.
1994).
Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cual es la
distribucin que mejor se ajusta a los caudales mximos y recomiendan seleccionar
el mejor ajuste a criterio del modelador con la prueba de ajuste grfico o basado en
el comportamiento de las pruebas estadsticas de bondad del ajuste (por ejemplo Chi
Cuadrado, Smirnov-Kolmogorov, Cramer-Von Mises) en las que se calcula un
estimador y se compara con un valor tabulado para determinar si el ajuste es
adecuado o no. En la prueba de ajuste grfica se dibujan los valores registrados en
la serie contra la distribucin terica de probabilidades y de manera visual
(subjetiva) se determina si el ajuste es adecuado o no.
4.1
Plotting Position
California
Weibull
Hazen
La expresin ms utilizada es la Weibull. Con las anteriores expresiones se halla
lo que se conoce como la distribucin emprica de una muestra, esta luego se
puede ajustar a una de las distribuciones tericas presentadas anteriormente. Los
resultados pueden ser dibujados en el papel de probabilidad; este es diseado
para que los datos se ajusten a una lnea recta y se puedan comparar los datos
muestrales con la distribucin terica (lnea recta).
4.2
Pruebas de Ajuste
Para determinar que tan adecuado es el ajuste de los datos a una distribucin de
probabilidades se han propuesto una serie de pruebas estadsticas que determinan
si es adecuado el ajuste. Estos son anlisis estadsticos y como tal se deben
entender, es decir, no se puede ignorar el significado fsico de los ajustes.
Una medida de las discrepancia entre las frecuencias observadas (fo) y las
frecuencias calculadas (fc) por medio de una distribucin terica esta dada por el
estadstico
en donde
si el estadstico =0 significa que las distribuciones terica y emprica ajustan
exactamente, mientras que si el estadstico >0, ellas difieren. La distribucin
del estadstico se puede asimilar a una distribucin Chi-cuadrado con (k-n-1)
grados de libertad, donde k es el nmero de intervalos y n es el nmero de los
parmetros de la distribucin terica. La funcin se encuentra
tabulada. Supongase que una hiptesis Ho es aceptar que una distribucin
emprica se ajusta a una distribucin Normal. Si el valor calculado de por la
ecuacin anterior es mayor que algn valor crtico de , con niveles de
significancia a de 0.05 y 0.01 (el nivel de confianza es 1-a) se puede decir que las
frecuencias observadas difieren significativamente de las frecuencias esperadas
(o calculadas) y entonces la hiptesis Ho se rechaza, si ocurre lo contrario
entonces se acepta.