ndice

1. Introduccin....

2. Historia y antecedentes.
.4
3.

Conceptos previos

3.1 Tiempo de Retorno ..

..4
3.2
Riesgo
4
3.3 Datos de
mximos.
.5
4. Distribucin Gumbel
4.1 Frmulas y
caractersticas6
5. Distribucin Log- Gumbel
5.2 Frmulas y
caractersticas9
6. Aplicaciones y ejemplos .
10

INTRODUCCIN
El desbordamiento de un ro lleva consigo una serie de riesgos que pueden
afectar gravemente tanto a construcciones como a la poblacin en general.
Por ello, la sociedad demanda un instrumento para acotar ese riesgo y
obtener una seguridad de que la zona a ocupar quede libre de ser
susceptible de una intrusin de las aguas fluviales debido a una tormenta
extraordinaria.
El caudal punta es el caudal mximo que se registra durante el aumento
inusual del caudal de agua de un cauce natural o artificial, superando con
creces los valores medios normales. La prediccin de la magnitud de la
creciente para el diseo de obras hidrulicas, ha sido siempre motivo de
controversia debido a que los mtodos que analizan caudales punta, deben
realizar una proyeccin hacia el futuro, aplicando teora de probabilidades,
con un alto grado de incertidumbre. Las estaciones hidromtricas registran
caudales mnimos, medios y mximos que fluyen por un punto determinado
de una cuenca. Esta informacin hidrolgica permite cuantificar la oferta
hdrica de la cuenca y estimar los caudales mximos para distintos perodos
de retorno, con el propsito de solucionar los problemas que implica el
diseo de obras hidrulicas (Chow et al., 1994).
Si se conocen con un nivel de aproximacin razonable las magnitudes de las
crecientes que se van a presentar durante la vida til de una obra, es claro
que las estructuras se pueden disear con una gran confianza en cuanto a
los aspectos tcnicos y econmicos. En efecto, la estabilidad de una obra
durante la vida til de diseo, depende en gran parte de su capacidad para
soportar los efectos que se producen sobre la estructura cuando pasan las
crecientes extraordinarias. Estos efectos se traducen en impactos,
presiones, socavacin, taponamientos y desbordamientos. Para lograr la
seguridad que reduzca el riesgo de falla de dichas obras, se debe construir
un modelo probabilstico y con ello contar con una funcin de distribucin de
probabilidad representativa de la variable hidrolgica de inters, indicando
claramente su probabilidad de excedencia (Muoz, 2004).
El presente informe pretende entregar una metodologa que permita
predecir con cierta probabilidad los valores que puede tomar una variable
hidrolgica, en funcin de la informacin de que se disponga, plantendose
lo anterior, en valores mximos probables, aplicando la ley de distribucin
de Gumbel.

Se plantea la utilizacin de la ley de distribucin de Gumbel, dado que ella

ha demostrado poseer una adecuada capacidad de ajuste, a valores
mximos de caudales, precipitacin en distintos perodos de tiempo,
aportaciones anuales, etc.

Datos:
Precipitacin
Caudal
Temperatura

RESULTADO
HIDROLOGICO
ESPERADO

ANLISIS
ESTADSTICO

OBJETIVOS:

Incrementar el conocimiento acerca del comportamiento de los

caudales mximos instantneos, por medio de funciones de
distribucin de probabilidad. (Gumbel)

Determinar las caractersticas de la distribucin Gumbel y en que

situaciones puede ser utilizada para obtener buenos resultados.

Destacar la importancia de la distribucin Gumbel en la construccin

de obras de ingeniera.

1. Historia y antecedentes
Fue descubierta por Emil Julius Gumbel matemtico judo nacido en
Alemania a finales del siglo XIX. Es un caso particular de la distribucin de
valores extremos generalizada y tambin es conocida como la distribucin
log Weibull, o como la distribucin exponencial doble. Segn Reiss y
Thomas (1997), la distribucin de Gumbel tiene la misma importancia que la
distribucin normal en otras aplicaciones.

2. Conceptos necesarios
2.1 Probabilidades y periodos de retorno
Cuando la variable aleatoria considerada es una magnitud relacionada con
algn fenmeno natural (caudales, velocidades de viento), es conveniente
referirse a perodos de retorno en lugar de a probabilidades de ocurrencia.
Si p es la probabilidad de que una variable x supere un dado valor X en un
cierto lapso (por lo general un ao), el perodo de retorno T representar el
nmero de unidades de tiempo que transcurrirn en promedio entre dos
oportunidades en que la variable supere dicho valor, es decir:

Por lo tanto, es equivalente especificar un perodo de retorno o recurrencia

de 100 aos o una probabilidad anual de 0,01.
El anlisis estadstico consiste en hallar la funcin que mejor represente el
comportamiento de la variable aleatoria x, para luego asignar a cada valor
X una probabilidad o un perodo de recurrencia. Si (x) es la funcin de
distribucin, resulta que:

2.2 Riesgo
No debe olvidarse que, cualquiera sea la funcin o procedimiento de ajuste
utilizado, el resultado obtenido ser una relacin entre la variable aleatoria
4

y el perodo de retorno y que esa variable aleatoria ya sea un caudal, una

cota hidromtrica, un nivel de precipitacin o una velocidad de viento ser
empleada para un clculo de ingeniera.
Dicho clculo se efectuar tomando como base un cierto perodo de
recurrencia que asegure que la probabilidad de que la variable aleatoria
supere un valor de referencia sea muy baja, tal como 1% anual (perodo
milenario). Sin embargo, aunque se trabaje con elevados perodos, la
probabilidad de que la variable aleatoria supere el valor de diseo no ser
nula, aunque ser pequea. Esa probabilidad es denominada riesgo y su
valor debe ser calculado antes de proseguir con los restantes clculos
ingenieriles.
Entonces la probabilidad de que en un ao genrico cualquiera no se
supere la cota X de proyecto relativa a un perodo de retorno T es:

Si N es la vida til del emprendimiento u obra para la cual se ha efectuado

el clculo probabilstico, cada ao de su vida puede ser considerado como
un suceso independiente. Luego, puede aplicarse la regla de la
multiplicacin para determinar la probabilidad de que en ninguno de esos
N aos se supere la cota de diseo.

Finalmente, la probabilidad de al menos una vez sea superado el valor de

diseo a lo largo de toda la vida til del proyecto ser una medida del riesgo
que implica trabajar con el perodo de retorno utilizado para los clculos.

2.3 Datos de mximos

El valor mximo que se quiere determinar para un determinado perodo
de retorno se determina
por medio de la expresin:
x = xm + D x = xm + k s

n-1

x: valor mximo (caudal o precipitacin) para un perodo de retorno T.

xm: media de la serie dada de valores mximos
D x: desviacin respecto a la media, que se estima mediante el producto: k
s n-1
Donde:

k: factor de frecuencia, que indica el nmero de veces de desviacin tpica

en que el valor extremo
considerado excede a la media de la serie.
s

n-1

: desviacin estndar, desviacin tpica de los valores extremos.

El valor de la variable k se estima a partir del conocimiento del perodo de

retorno en aos y del
nmero de aos disponibles en la serie. As: k = (yT yn)/Sn
yT : variable de Gumbel para el perodo de retorno T. Se determina a partir
del valor del perodo de
retorno. El valor se puede obtener de la tabla adjunta. yT = -ln ln (T/T-1)
yn: valor que se obtiene a partir del nmero de aos de la serie, mediante
tablas
Sn: valor que se obtiene a partir del nmero de aos de la serie, mediante
tablas
Tabla. Valores de " yT " para distintos perodos de retorno T

Determinacin matemtica de las curvas IDF

Para la elaboracin de las ecuaciones matemticas, que representen la
relacin entre la intensidad, la duracin y la frecuencia de las
precipitaciones, para cada una de las estaciones, se opt por la expresin
validada por Aparicio (1997), definida de la siguiente manera:

Dnde:
I = intensidad de precipitacin (mm/h);
T = perodo de retorno (aos);
D = duracin (horas);
k, m, n = parmetros a estimar a travs de un anlisis de regresin lineal
mltiple.
Aparicio (1997), seala que esta expresin permite generar las curvas IDF a
travs de un modelo de regresin lineal, pudindose extrapolar la ecuacin
generada, a zonas que carecen de registros pluviogrficos y que se
encuentran relativamente cerca.
Para obtener una expresin con la forma de un modelo de regresin lineal
mltiple, se aplicaron logaritmos a la ecuacin anterior, quedando de la
siguiente manera:
6

O de otra manera:

Dnde:
y = log I

a0 = log k

X1 = log T

a1 = m

X2 = log D

a2 = -n

3. Distribucin Gumbel
3.1

Frmulas y caractersticas

Distribucin acumulada de Gumbel:

Donde los
parmetros

se definen como:

y
siend
o

la
media
y

la desviacin tpica

Media

Desviacin tpica

Los
valores

son la media y la desviacin tpica

de una variable

que solo depende del tamao de la muestra N y que se define como

Para un evento cualquiera

F(x) es la probabilidad de que se produzca dicho evento con un valor menor

o igual que x, es decir F(x) representa la probabilidad de que un valor dado
de x no sea superado.
El perodo o lapso de tiempo T(x) dentro del cual sera esperable que se
produjese dicho evento de valor x, llamado tiempo de retorno para ese
evento x, sera:

Frmula analtica para calcular un evento esperable para un tiempo

de retorno T(x) dado
Volviendo a la ecuacin de
Gumbel
despejan
do

teniendo en
cuenta que

y
se obtiene

Grficos:

Funcin de densidad de probabilidad

Funcin de distribucin acumulativa

Parmetros
= Ubicacin (verdadero), para el grfico.
Escala (real)

Caractersticas
9

Media
Varianza
Asimetra

Kurtosis
Entropa

Donde:
(Constante de Euler-Mascheroni)
(Constante de Apry ) = 1,20206 aprox.

Propiedades
La funcin de distribucin acumulativa de la distribucin Gumbel es

En la cual:
-

La moda es ,

La mediana es

La media est dada por

Donde

= Constante de Euler-Mascheroni

La desviacin estndar es

10

Distribucin Gumbel Estndar

La distribucin estndar Gumbel es el caso en el que

con:

La funcin de distribucin acumulativa

Y la funcin de densidad de probabilidad

En este caso:
-

La moda es 0, la mediana es

La media es

La desviacin estndar es de

,y

Funcin Gumbel de confiabilidad

La fiabilidad de una misin de tiempo

para la distribucin Gumbel viene

dada por:

La funcin de la falta de fiabilidad est dada por:

Donde

Gumbel Vida Real

La vida fiable Gumbel est dada por:
tR= + [ln(-ln(R))]

Funcin Gumbel de tasa de fracaso

11

La tasa de fracaso Gumbel instantnea est dada por:

z

= e

La siguiente tabla se utiliza para los valores de Yn y Sn

Tabla N01
Mtodo de Gumbel Valores de Yn y Sn

4. Distribucin Log-Gumbel
3.2 Frmulas y caractersticas
Su expresin es similar a la distribucin de Gumbel, pero la variable
reducida est vinculada con la variable aleatoria original de forma
logartmica.
12

y
e
F ( y )=e

y= ( lnxu )

El campo de variacin de x se extiende entre 0 y +.

Partiendo de esta expresin puede estudiarse la tendencia para grandes
periodos de retorno.

ln T /(T 1)

Caractersticas
Parmetros
Dominio
Funcin de densidad(pdf)
Funcin de distribucin(cdf)
Media

Mediana

Moda

5. Aplicaciones y ejemplos
5.1 Aplicaciones y ejemplos Gumbel
La distribucin de Gumbel para valores extremos o mnimos tiene diversas
aplicaciones, estando vinculado especialmente a la hidrologa. En proyectos
de ingeniera la distribucin de Gumbel es muy importante porque permite
hacer estimaciones de:

Resistencia de estructuras como presas, puentes, y estructuras de

resistencia en general frente a incrementos de caudal o
precipitaciones mximos.
13

Prever inundaciones o desastres vinculados a crecidas de ros.

Evaluar e indicar los beneficios anuales de un proyecto.

Caso especfico: Descargas anuales mximas de un ro.

Para desarrollar este ejemplo de aplicacin se tomarn los datos de
caudales Mximos Anuales del Rio Ica en un periodo de informacin de 25
aos (1992-1998)

Tabla N02
Datos Mximos Caudales del Ri Ica 1978-1998
Ao
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
Fuente: PETACC

Caudal Mximo
Anual (m3/s)
38
79
66
127
133
350
100
115
155
48
101
99
107
126
16
104
167
370
141
54
817

-WOL, 1998 en Gua metodolgica para proyectos de proteccin y/o

control de inundaciones en reas agrcolas.

Datos Para realizar la estimacin.

Media

163.75
14

Desviacin estndar
n
N+1

176.76355
20
21

Cul ser la probabilidad de que en el da de mayor precipitacin

del ao, el caudal del ro supere 350m^3/s?
1 De acuerdo a la TABLA N0 para 20 datos se toman los valores de
= 0.5236 y

Sn

Yn

= 1.0628

2 Calculamos los valores de y u

=

Sn

Sx

= 1.0628/ 176.76355 = 0.006012552

u=

Y n /

= 76.666

3 Aplicamos la frmula de la distribucin de Gumbel

(xu)

F ( x )=e

0.006012552 (35076.666)

ee

= 0.82422

Por lo tanto la probabilidad de que se supere ese caudal es de : 1- 0.82422

= 0.1757
Finalmente el periodo de retorno es el inverso: 1/ 0.1757= 5.6 aos.
De manera similar se pueden calcular la probabilidad y el tiempo de retorno
para cada dato y generar una tabla como la siguiente:

Tabla N0
Anlisis de caudales mximos y mnimos para el Rio Ica
Probabilidad
acumulada de
ocurrencia de
caudales
Caudal Mximo
menores
Anual (m3/s)
1

817

Probabilidad
acumulada
de
ocurrencia
de caudales
mayores
0.01159523
0.988404764
6

370

0.84247696 0.15752304

6.3

350

0.82422496 0.17577504

5.7

167

0.44061554
0.559384455
5

2.3

155

0.535592675

0.46440732
5

2.2

Periodo de
retorno
(aos)

86.2

15

0.49298515
3

2.0

0.49032626 0.50967374

2.0

0.477656142

0.52234385
8

1.9

126

0.4755325

0.5244675

1.9

10

115

0.451967774

0.54803222
6

1.8

11

107

0.434622696

0.56537730
4

1.8

12

104

0.428080572

0.57191942
8

1.7

13

101

0.57847945
0.421520541
9

1.7

14

100

0.419330192

0.58066980
8

1.7

15

99

0.417138118

0.58286188
2

1.7

16

79

0.62695703
0.373042965
5

1.6

17

66

0.3443047

0.6556953

1.5

18

54

0.317905485

0.68209451
5

1.5

19

48

0.69519974
0.304800256
4

1.4

20

16

0.236888759

0.76311124
1

1.3

141

133

127

0.507014847

Fuente: Elaboracin propia

5.2 Aplicaciones Log Gumbel

Para el caso de la aplicacin de la distribucin de Log-Gumbel en lugar de
trabajar con los valores iniciales de las variables se trabaja con el logaritmo
neperiano de ellas, Ln(X).

Tabla N
Datos Mximos Caudales del Ri Ica 1978-1998
16

Ao
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992

Caudal Mximo
Anual (m3/s)
Ln (X)
3.63758616
4.36944785
4.18965474
4.84418709
4.89034913
5.85793315
4.60517019
4.74493213
5.04342512
3.87120101
4.61512052
4.59511985
4.67282883
4.83628191
2.77258872
4.6443909

1993
1994
1995
1996
1997
1998

5.11799381
5.91350301
4.94875989
3.98898405
6.70563909

Fuente: Elaboracin propia

Del mismo modo seguido en los procedimientos para la aplicacin de

Gumbel se genera la siguiente tabla:
Tabla N
Anlisis Log-Gumbel para los caudales Mximos

Probabilidad
Caudal Mximo acumulada de
Anual (m3/s)
ocurrencia
1
817
0.954688135

17

370

0.877289981

350

0.868658218

167

0.689867109

155

0.664074562

141

0.629128544

133

0.606361334

127

0.587739142

126

0.584495863

10

115

0.545918483

11

107

0.514141013

12

104

0.501318556

13

101

0.487965602

14

100

0.483392577

15

99

0.478757038

16

79

0.371584967

17

66

0.285660098

18

54

0.195976318

19

48

0.149311209

20

16

0.000328058

Fuente: Elaboracin propia

Ejemplo 2 Log- Gumbel
En un ro se tienen 30 aos de registros de Q mximos instantneos anuales
con x= 15 m3/s, S = 5 m3/s (media y desviacin estndar para los datos
originales). xy=2.655, sy = 0.324 (media y desviacin estndar de los
datos transformados). Encontrar el caudal para un periodo de retorno de
100 aos y los lmites de confianza para un = 5%. 1
Para el ejemplo encontrar el Q de 100 aos de periodo de retorno y los
intervalos de confianza. x= 15 m3/s, s = 5 m3/s
QTr100 = x + KT s

KT = 3.14
18

QTr100 = 15 + 3.14*5
QTr100 = 30.7 m3/s
Intervalos de confianza

t(1-) = t(0.95) = 1.645 (Ledo de la tabla de la normal)

= 3.93

Xt t(1-) Se

30.7 m3/s (1.64) (3.58)

[24.83 m3/s
QTr100

36.58 m3/s]

Intervalo de confianza para

Referencias

Maggio, J. (s.f.) ANALISIS ESTADISTICO DE VALORES EXTREMOS,

Aplicaciones en hidrologa
APARICIO, F. 1997. Fundamentos de Hidrologa de Superficie.
Balderas, Mxico: Limusa. 303 p.
Velsquez, T. (2008). Gua metodolgia para proyectos de proteccin
y/o control de inundaciones en reas Urbanas y Argcolas. Anexos. P.
188
Webs:

19

https://prezi.com/j61_lmng1b0b/distribuciones-de-probabilidad/
Estimacin de funciones de distribucin de probabilidad, para
caudales mximos. Universidad de Talca. Facultad de ciencias
forestales. Escuela de ingeniera forestal.
Leyes de distribucin de procesos hidrolgicos. Sociedad estndares
de ingeniera para aguas y suelos LTDA.

20