Professional Documents
Culture Documents
PRACTICA N 02
HIDROLOGIA ESTADSTICA
Los estudios hidrolgicos requieren del anlisis de cuantiosa informacin hidrometeolgica; esta
informacin puede consistir de datos de precipitacin, caudales, temperatura, evaporacin, etc.
Los datos recopilados, solo representan una informacin en bruto, pero si stos se organizan y analizan
en forma adecuada, proporcionan al hidrlogo una herramienta de gran utilidad, que
le permite tomar decisiones en el diseo de estructuras hidrulicas.
Para el anlisis de la informacin, la hidrologa utiliza los conceptos de probabilidades y estadstica,
siendo este campo, una de las primeras reas de la ciencia e ingeniera, en usar los
conceptos estadsticos, en un esfuerzo para analizar los fenmenos naturales.
Objetivos: El objetivo del estudio de la Hidrologa Estadstica, est orientada a ayudar a comprender
los principios fundamentales de la probabilidad y la estadstica, aplicada a la hidrologa, as como,
mostrar algunas herramientas estadsticas, que han sido aplicados con xito, en la solucin de
problemas hidrolgicos.
Para la simplificacin del anlisis de la abundante informacin, se requiere del uso de la computadora
digital, y el uso de software, que tiene la finalidad de procesar fcilmente esta informacin. Ella se
utiliza en la solucin de los ejemplos resueltos.
los datos.
Por ejemplo, si se ordenan los datos en forma creciente, se tiene:
Xmin, X2, X3, ....Xmx
(1.1)
donde:
Xmin = X1 es el valor mnimo de los datos
Xmax = XN es el valor mximo de los datos
2. Calcular el rango R de la muestra:
R = Xmax - Xmin
(1.2)
x max x min
NC 1
R
NC 1
(1.4)
Al dividir el rango entre NC - 1, lo que en realidad se hace es incrementar el rango en x, incluyendo
un intervalo ms, el mismo que resulta, de agregar medio intervalo (x /2), en cada extremo de la serie
ordenada, a fin de que xmax y xmin respectivamente, las marcas de clase de la primera y ltima clase.
Con el artificio realizado anteriormente la marca de clase del primer intervalo es igual al valor mnimo,
de igual forma la marca de clase del ltimo intervalo es igual al valor mximo es decir:
MCl=Xmin
MCn = Xmx
Las otras marcas de clase, se obtienen sumando la amplitud x, a las marcas de clase anteriores.
7. Calcular la frecuencia absoluta:
Esta es igual al nmero de observaciones, que caen dentro de cada intervalo definido por sus lmites de
clases respectivos, la misma que se obtiene por conteo, as se obtiene:
fabi = ni
... (1.8)
donde:
fabi = frecuencia absoluta del intervalo i
ni = nmero de observaciones en el intervalo i
8. Calcular la frecuencia relativa fri, de cada intervalo:
Esta es igual a la frecuencia absoluta del mismo, dividido entre el nmero total de observaciones, es
decir:
fri
fabi ni
N
N
...(1.9)
N
donde:
fri = frecuencia relativa del intervalo i
ni = nmero de observaciones en el intervalo i
N = nmero total de observaciones
N
fi lim
x 0
fri
fr
n
i i
x x x
...(2.11)
donde:
fi = funcin densidad emprica para el intervalo i
ni = nmero de observaciones en el intervalo i
N = nmero total de observaciones
x = amplitud del intervalo de clases
11. Calcular la funcin de distribucin acumulada emprica usando la frmula:
i
Fi xf j
j 1
7=1
...(1.12)
donde:
F = funcin de distribucin acumulada
fi = funcin densidad emprica para el intervalo j
Ax = amplitud del intervalo de clase
Los valores de Fri y Fi obtenidos con las ecuaciones (1.10) y (1.12) resultan similares.
Ejemplo
Dada la serie histrica de caudales medios anuales en m3/s (tabla 1.1), de la estacin Salinar del Ro
Chicama (Per), para el perodo 1911-1980, calcule las frecuencias absolutas, relativa, acumulada,
funcin densidad, funcin acumulada.
Solucin:
1. Ordenando los datos de la tabla 1.1, se obtiene la tabla 1.2.
Tabla 1.1. Serie histrica de caudales medios anuales en m3/s del ro Chicama, estacin Salinar (1911 1980)
Ao
1911
1912
1913
1914
1915
1916
1917
1918
1919
1920
1921
1922
1923
1924
1925
1926
1927
1928
1929
1930
1931
1932
1933
1934
Caudal
m3/s
7.91
8.01
13.27
16.39
80.83
60.08
21.55
27.71
28.63
30.27
33.43
35.16
27.21
15.58
64.81
51.26
33.48
25.79
25.80
18.93
16.15
38.30
54.54
59.40
Ao
1935
1936
1937
1938
1939
1940
1941
1942
1943
1944
1945
1946
1947
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
Caudal
m3/s
24.58
28.49
10.05
28.01
34.92
31.36
42.74
12.94
41.16
35.90
33.76
29.28
19.17
29.37
30.06
9.67
10.42
23.99
42.17
16.00
22.78
32.69
34.28
20.24
Ao
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
Caudal
m3/s
22.88
17.57
14.60
31.14
18.20
24.69
22.99
11.78
32.26
4.76
12.70
16.19
30.14
30.57
45.38
18.91
34.99
21.49
29.26
4.58
12.46
3.14
2. Clculo de R:
De (1.2), se tiene:
R = 80.83 - 3.14
R = 77.69
Tabla 1.2 Serie de caudales en m3/s, del ro Chicama, ordenado ascendentemente
3.14
10.42
15.58
18.91
22.88
27.21
29.37
32.26
34.99
45.38
4.58
11.78
16.00
18.93
22.99
27.71
30.06
32.69
35.16
51.26
4.76
12.46
16.15
19.77
23.99
28.01
30.14
33.43
35.90
54.54
7.91
12.70
16.19
20.24
24.58
28.49
30.27
33.48
38.30
59.40
8.01
12.92
16.39
21.49
24.69
28.63
30.57
33.76
41.16
60.08
9.67
13.27
17.57
21.55
25.79
29.26
31.14
34.28
42.17
64.81
10.05
14.60
18.20
22.78
25.80
29.28
31.36
34.92
42.74
80.83
3. Clculo de NC:
De (1.3), resulta:
NC = 1.33 1n70 + l
NC = 6.65
Redondeando:
NC=7
4. Clculo de x:
De (1.4) se obtiene:
77.69
x
12.95
7 1
Si se quisiera redondear a fin de que los lmites y las marcas de clase resulten nmeros ms simples,
podra ser: x=13 s =12.
Si se escoge x = 13 los lmites de clase superior e inferior, resultan un poco mayor y menor
respectivamente que si se escoge x = 12.
Para el ejemplo se escoge x = 12, a fin de obtener valores parecidos, al que se obtiene con el proceso
computacional.
5. Clculo de los lmites de clase:
De (1.5), el lmite de clase inferior del primer intervalo sera:
LCI1=3.14- 12/2 == -2.86
pero fsicamente los caudales no pueden ser negativos, el menor valor sera 0.
LCI1 =0
De (1.6), se tiene:
LCSI = 0+12=12
Los otros lmites, se calculan sumando x al lmite de clase que le antecede; los resultados se muestran
en la columna 1 de la tabla 1.3.
Nota. Cuando el lmite de clase es negativo, su valor, por condiciones fsicas ser cero.
6. Clculo de las marcas de clase
De (1.7), la marca de clase del primer intervalo es:
0 12
MC1
6
2
Las marcas de clase de los otros intervalos se obtienen sumando x a la precedente; los resultados se
Frecuencia
Frecuencia
Funcin
Funcin
Intervalo de clase
Clase
aabsoluta
relativa
densidad
acumulada
(1)
(2)
0
(3)
(4)
(5)
(6)
12
0.1286
0.0107
0.1286
12
24
18
22
0.3143
0.0262
0.4429
24
36
30
28
0.4000
0.0333
0.8429
36
48
42
0.0714
0.0060
0.9143
48
60
54
0.0429
0.0036
0.9571
60
72
66
0.0286
0.0024
0.9857
72
84
78
0.0143
0.0012
1.0000
Total
70
fr
Histograma
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-6
18
30
42
54
66
78
Marca de clase
Figura 1.3. Histograma o distribucin de frecuencias relativas de los caudales del ro Chicama
Polgono de frecuencia
Un polgono de frecuencia es la representacin grfica de las frecuencias, se obtiene uniendo con lneas
rectas, los puntos formados por las marcas de clase vs. la frecuencia absoluta o
relativa. Para que el polgono alcance al eje horizontal, a ambos lados de la distribucin, se le agrega
un intervalo de clase con frecuencia igual a cero.
En forma prctica, un polgono de frecuencia se obtiene, uniendo con lneas rectas los puntos medios
de todas las barras de un histograma.
En la figura 1.4 se muestra el polgono de frecuencia del ejemplo anterior, que se obtiene graneando las
columnas (2) vs. (4) de la tabla 1.3; se observa que se han agregado en las marcas de clase los
valores -6 y 90.
Polgono de Frecuencia
0.5
0.4
fr
0.3
0.2
0.1
0
-6
18
30
42
54
66
78
Marca de Clase
Figura 1.4. Polgono de frecuencia de los caudales del no Chicama
Funcin densidad emprica
El histograma o el polgono de frecuencia, son dependientes del tamao del intervalo de clase y la
posicin del lmite de clase. Para evitar esta dependencia el histograma o el polgono de frecuencia
puede transformarse en una funcin densidad emprica, usando la ecuacin (1.11) propuesta por
Yevjevich. En esta ecuacin el intervalo de clase tiende a cero, con lo que el nmero de intervalos
tiende a infinito.
El grfico es parecido al polgono de frecuencia, pero con la variante en la escala vertical, que se hace
pequea y la unin de los puntos se hace mediante lneas curvas.
En la figura 1.5, se muestra la funcin densidad del ejemplo anterior, que se obtiene graficando las
columnas (2) vs. (5), de la tabla 1.3.
func. densidad
0.035
0.03
0.025
0.02
0.015
0.01
0.005
0
-20
20
40
60
Marca de clase
80
100
Fr
10
Marca de clase
Figura 1.6. Funcin de distribucin acumulada de los caudales del no Chicama
En la tabla 1.4 se muestran los resultados, para los mismos datos, usando el proceso computacional. En
esta tabla 1.4, la frecuencia relativa y la funcin de densidad acumulada se expresan en %.
Tabla 1.4. Funcin densidad emprica y funcin acumulada, proceso computacional
Intervalo de clase
LCI
0.00
12.00
23.99
35.99
47.98
59.98
71.97
MCL
6.00
17.99
29.99
41.99
53.98
65.98
77.97
LCS
12.00
23.99
35.99
47.98
59.98
71.97
83.97
12.857
31.429
40.000
7.143
4.286
2.857
1.429
1.072
2.620
3.335
0.595
0.357
0.238
0.119
12.857
44.286
84.286
91.429
95.714
98.571
100.000
101.76
153.64
134.10
158.48
123.22
146.08
106.40
183.49
256.62
100.18
169.18
156.80
164.35
177.00
128.15
145.79
95.05
107.43
124.31
119.52
163.88
193.78
101.66
207.78
132.49
183.11
107.62
105.21
105.81
162.29
123.00
217.52
114.31
154.80
108.75
116.69
110.77
133.97
127.82
208.18
136.22
Caudal
(m3/s)
13.35
21.90
11.13
5.22
4.40
6.70
8.55
8.12
7.86
5.35
7.51
5.82
10.05
9.66
7.61
10.54
Ao
hidrolgico
70-71
71-72
72-73
73-74
74-75
75-76
76-77
77-78
78-79
79-80
80-81
81-82
82-83
83-84
84-85
85-86
Caudal
(m3/s)
15.06
10.20
4.85
11.77
8.41
8.57
6.10
5.33
6.68
45.92
56.92
52.64
42.56
44.19
41.94
44.73
2.
Parmetros estadsticos
2.1 Media
Media muestral o poblacional datos no agrupados:
1 n
X xi
n i 1
donde:
X = media muestral o poblacional
xi = valor i-simo de la muestra
n = nmero total de datos
Media muestral o poblacional datos agrupados:
1 k
X xi f i
n ni 1
donde:
X = media
xi = valor de la i-sima marca de clase
fi = valor de la i-sima frecuencia absoluta, es decir, nmero de datos en el intervalo i
k = nmero de intervalos de clase
n = nmero total de datos
2.2 Rango
Es una medida de distancia y representa la diferencia entre el mayor y el menor de los valores
observados, es decir:
R = Xmx - Xmn
donde:
R = rango
Xmx = valor mximo de los datos
Xmn = valor mnimo de los datos
1 n 2
xi n 2
n i 1
donde:
S = desviacin estndar muestral
= desviacin estndar poblacional
xi = valor i-simo de la muestra
x = = media muestral o poblacional
n = nmero total de datos
1 n
X xi
n i 1
Desviacin estndar poblacional datos agrupados:
1 k
xi2 f i n 2
n i 1
donde:
S = desviacin estndar muestral
= desviacin estndar poblacional
xi = valor de la i-sima marca de clase
x = = media
fi = valor de la i-sima frecuencia absoluta, es decir, nmero de datos en el intervalo i
k = nmero de intervalos de clase
n = nmero total de datos
1 k
X xi f i
n i 1
2.4 Varianza
Varianza poblacional datos no agrupados:
n
1 n
xi 2 1 xi2 n 2
n i 1
n i 1
S2
1 n
xi X 2 1
n 1 i 1
n 1
xi2 n X
i 1
donde:
S = varianza muestral
= varianza poblacional
xi = valor i-simo de la muestra
x = = media muestral o poblacional
n = nmero total de datos
1 n
X xi
n i 1
Varianza poblacional datos agrupados:
1 k
1 k
2
2 xi f i xi2 f i n 2
n i 1
n i 1
1 k
S
xi X 2 f i 1
n 1 i 1
n 1
2
x
i 1
2
i
fi nX
donde:
S = varianza muestral
= varianza poblacional
xi = valor de la i-sima marca de clase
x = = media
fi = valor de la i-sima frecuencia absoluta, es decir, nmero de datos en el intervalo i
k = nmero de intervalos de clase
n = nmero total de datos
1 k
X xi f i
n i 1
S
x
donde:
i 1
n
n
1
( xi ) 2
n i 1
1 n
xi
n i 1
Sesgo muestral datos no agrupados:
n2M 3
Cs
n 1 n 2 S 3
donde:
M3
S
x
i 1
n
1 n
( xi x ) 2
n 1 i 1
1 n
x xi
n i 1
Sesgo poblacional datos agrupados:
3
3
1 n
( xi ) 2 f i
n i 1
Sesgo muestral datos agrupados:
n2M 3
Cs
n 1 n 2 S 3
n 1
x
i 1
f nx
2
i i
1 k
xi f i
n i 1
donde:
n
x
i 1
n
n
1
( xi ) 2
n i 1
1 n
xi
n i 1
Curtosis muestral datos no agrupados:
n3M 4
Cs
n 1 n 3 S 4
donde:
M4
S
x
i 1
n
1 n
( xi x ) 2
n 1 i 1
1 n
xi
n i 1
Curtosis poblacional datos agrupados:
4
k 4
donde:
x
x
i 1
fi
4
n
1 n
( xi ) 2 f i
n i 1
4
S
x
i 1
fi
4
n 1
x
i 1
f nx
2
i i
1 k
xi f i
n i 1
1 1
2 C 2n
1 1
3 C 3n
i 1
1
i 1
n
i 1
i 1
2
C1n i X i
2C1i 1C1n i C 2n i X i
1 1 n
C 3i 1 3C1i 1C1n i 3C1i 1C 2n i C 3n i X i
n
4 C 4 i 1
donde:
Xi (para i = 1,2 , 3, ..., n) = son los valores de la muestra ordenados ascendentemente
C kn = combinaciones de n elementos en grupos de k en k
para k<n
Si k = n C 1
n
Si k > n C k 0
El primer momento lineal 1 representa la media aritmtica de la muestra, es una medida de
localizacin y su valor es el mismo que el calculado por el mtodo tradicional. El segundo
momento lineal 2 es equivalente a la desviacin estndar pero calculada mediante las
diferencias de todos los datos entre s, no con respecto a un valor central; es un parmetro de
escala o dispersin de la variable aleatoria X.
Dividiendo el segundo momento lineal entre el primer momento lineal (desviacin estndar
entre la media), se obtiene el coeficiente lineal de variacin (CLV), es decir:
n
n
2
1
Dividiendo el momento lineal de orden r, entre la medida de dispersin, se obtiene la relacin
de momentos, es decir:
tr r
2
El t3 es una medida de asimetra y t4 es una medida de curtosis, stas son respectivamente el
coeficiente lineal de asimetra o sesgo (CLS) y el coeficiente lineal de curtosis (CLK), es decir:
t 3 CLS 3
2
t 4 CLS 4
2
Los clculos de los momentos lineales 1, 2, 3, 4, con el uso de calculadoras e incluso con la
computadora, resulta bastante complejo. Con el fin de simplificar stos clculos, se presenta el
cdigo fuente en Basic, de la subrutina que calcula estos momentos, tambin se incluyen los
clculos de los parmetros estadsticos lineales. En el cdigo: L1= 1, L2=2, L3=3, L4=4 y
xxord(j) es la serie ordenada en forma ascendente.
' Clculo de los parmetros lineales
' xxord(j) es la serie ordenada en forma ascendente que se tiene disponible
L1 = 0
L2 = 0
L3 = 0
L4 = 0
For j = 1 To n
CL1 = j - 1
CL2 = CL1 * (j - 1 - 1) / 2
CL3 = CL2 * (j - 1 - 2) / 3
CR1 = n - j
CR2 = CR1 * (n - j - 1) / 2
CR3 = CR2 * (n - j - 2) / 3
L1 = L1 + xxord(j)
L2 = L2 + (CL1 - CR1) * xxord(j)
L3 = L3 + (CL2 - 2 * CL1 * CR1 + CR2) * xxord(j)
L4 = L4 + (CL3 - 3 * CL2 * CR1 + 3 * CL1 * CR2 - CR3) * xxord(j)
Next j
C1 = n
C2 = C1 * (n - 1) / 2
c3 = C2 * (n - 2) / 3
C4 = c3 * (n - 3) / 4
L1 = L1 / C1
L2 = L2 / C2 / 2
L3 = L3 / c3 / 3
L4 = L4 / C4 / 4
'Clculo de los parmetros con momentos lineales
CIMedia = L1
CLV
CIDesEstandar = L2
CIVarianza = L2 ^ 2
CIVariacion = L2 / L1
CISesgo = L3 / L2
CIKurtosis = L4 / L2
Los clculos de los estadsticos de una serie de datos son por s laboriosos. Para la simplificacin de los
clculos, donde se requieren la determinacin de la media, varianza, desviacin estndar, el
coeficiente de variacin, coeficiente de sesgo y coeficiente de curtosis, tanto para datos poblacionales o
mustrales y para datos agrupados o no agrupados, es mejor contar con una aplicacin que realice estos
clculos.
En la prctica se va realizat utilizando computacionalmente el Microsft Excel y el HIDROESTA para
stos clculos.
Ejemplo 2:
Dado los datos de precipitacin anual, en mm de la estacin El Coyol, para el perodo 1974-1986, los
mismos que se muestran en la tabla 2.1. Calcular su media, varianza, desviacin estndar, coeficiente
de variacin, coeficiente de sesgo y el coeficiente de curtosis.
Tabla 2.1 Precipitacin anual de la estacin El Coyol
Ao
Precipitacin
(mm)
1418.60
1527.30
1108.60
1084.20
1509.10
1394.90
1334.40
1974
1975
1976
1977
1978
1979
1980
Ao
1981
1982
1983
1984
1985
1986
Precipitacin
(mm)
1441.50
1133.20
891.00
1429.80
1141.50
1312.60
Solucin:
Utilizando la aplicacin de Microsoft Excel y haciendo uso de la opcin de datos no agrupados, los
resultados que se obtienen, son los que se muestran:
Media
Varianza
Desviacin Estndar
Coeficiente Variacin
Coeficiente Sesgo
Coeficiente Curtosis
Poblacionales
1286.67
35214.73
187.66
0.15
-0.55
2.20
Mustrales
1286.67
38149.29
195.32
0.15
-0.63
3.12
Nota. Para calcular estos parmetros estadsticos solo hay que hacer uso de las frmulas indicadas.
Como prctica se sugiere que se realicen estos clculos, tiene de antemano los resultados que debe
encontrar.
2.2
Problemas propuestos
Q m3/s
3.99
2.96
1.79
1.55
2.48
2.61
2.27
1.86
2.07
2.70
Ao
1981
1982
1983
1984
1985
1986
1987
1988
1989
Q m3/s
4.52
3.09
5.00
6.03
2.73
3.13
4.18
3.26
4.03
Marca de clase
1.5
2.5
3.5
4.5
5.5
6.5
rea (Km2)
150
300
187
600
550
145
278
110
Precipitacin (mm)
2915
2563
3241
4017
5321
4621
5002
4932
Q (m3/s)
880
1360
885
1180
1100
1390
Ao
1988
1989
1990
1991
1992
1993
Q (m3/s)
1070
1060
718
965
370
549
1981
1982
1983
1984
1985
1986
1987
2230
1480
400
866
6130
1910
1310
2240
319
772
882
1010
1130
1260
Ecuacin de regresin
En hidrologa el modelo ms simple y comn, est basado en la suposicin de que dos variables se
relacionan en forma lineal.
Como ejemplo se puede mencionar:
Caudales y precipitacin de una misma cuenca
Precipitacin de una estacin, con precipitacin de otra estacin
Caudal de una estacin con caudal de otra estacin
Precipitacin con la altitud de una cuenca
Este hecho, permite correlacionar estas variables para completar datos o extender un registro.
y x x y x
a
n x x
n x y x y
b
n x x
2
i
2
i
2
i
As:
para n = 15
->
=15-2 =13
= 0.025
y x x y x
a
n x x
n x y x y
b
n x x
2
i
2
i
2
i
Ejemplo 3:
En una cuenca, como se muestra en la figura 7.1 se tienen dos estaciones de aforo A y B, en las que se
midieron los caudales medios mensuales, en m}/s para el ao 1995, los que se muestran en
la tabla 3.1. Considerando que los caudales de la estacin A, son las variables independientes (x) y que
los caudales de la estacin B, son las variables dependientes (y):
1. Probar si los datos de ambas estaciones se correlacionan linealmente.
2. Calcular el caudal en la estacin 5, para un caudal de 800 m3/s en la estacin A.
Tabla 3.1 Caudales promedios mensuales de las
estaciones A y B
Mes
Estacin A (m3/s)
E
F
M
A
M
J
J
A
S
0
N
D
321
222
155
274
431
446
456
1270
2089
1618
431
509
Estacin B
m3/s)
175
75
45
77
131
136
171
475
897
710
268
224
Solucin:
1. Sea la ecuacin que correlaciona a las variables
y=a+bx
...(3.1)
donde:
x = caudales de la estacin A
y = caudales de la estacin B
2. De acuerdo a los datos se tiene n = 12 (nmero de pares de datos); los clculos de sus sumatorias, se
muestran en la tabla 3.2.
Tabla 3.2. Productos, cuadrados y sumatorias de las variables x, y
x
321
222
155
274
431
446
456
1270
2089
1618
431
509
8222
y
175
75
45
77
131
136
171
475
897
710
268
224
3384
xy
56175
16650
6975
21098
56461
60656
77976
603250
1873833
1148780
115508
114016
4151378
x2
103041
49284
24025
75076
185761
198916
207936
1612900
4363921
2617924
185761
259081
9883626
y2
30625
5625
2025
5929
17161
18496
29241
225625
804609
504100
71824
50176
1765436
3. Clculo de r:
De la ecuacin, se tiene:
n x
n xy x y
x n y 2 y
2
21'993,288.00
22'281,026.59
r = 0.9871
r2 = 0.9743
4. Prueba de significacin
4.1 Hiptesis:
Ho: r = 0
Ha: r 0
4.2 Calculo de tc:
r n2
tC
1 r 2
tC
0.987 12 2
1 0.9743
tc = 19.4713
De la tabla, para:
= n-2 = 12-2 =10
y una probabilidad del 95%
0.05
= 0.025
2
se tiene: tt = 2.228
4.4 Criterio de decisin:
Como: | tc | = 19.4713 > tt = 2.228 se rechaza la hiptesis nula, siendo r 0
existe correlacin entre las variables x e y.
5. Clculo de los parmetros a y b:
De la ecuacin, Sustituyendo valores, resulta:
a = -13.4590
b = 0.4312
6. Ecuacin de regresin:
Sustituyendo valores en la ecuacin , se tiene:
Y= -13.4590+0.4312 x
7. Clculo del caudal en la estacin A, para un caudal de 800 m3/s en la estacin B.
Sustituyendo valores en la ecuacin, resulta:
y=-13.4590+ 0.4312x800
y= 331.5010 rn3/s
(inversa)
y ab x
y ax bx 2
(exponencial)
(potencial)
Para el uso de estas ecuaciones, en todos los casos, el proceso es como sigue:
1. Realizar la transformacin de variables a fin de obtener una regresin lineal.
2. En la ecuacin lineal obtenida, aplicar el mtodo de mnimos cuadrados para estimar
los nuevos parmetros a1 y b1.
3. Restituir los cambios de variables, a fin de obtener los parmetros iniciales a y b.
4. Utilizar la ecuacin siempre y cuando exista correlacin adecuada entre las variables
Ecuaciones normales
y a n a x a x a x ....... a x
x y a x a x a x x a x x ....... a x x
x y a x a x x a x a x x ....... a x x
0
.
.
2
1
1
2
2
y a 0 x m a1 x1 x m a 2 x 2 x m a3 x3 x m ....... a m x m2
a 0 y a1 x1 y a 2 x 2 y .... a m x m y
n p
donde:
Se= error estndar del estimado
y = valores muestrales (experimentales) de la variable dependiente
n = nmero de grupos de la muestra
p = m+1 = nmero de parmetros a estimar a partir de la muestra
n - p = grados de libertad
a 0 y a1 x1 y a 2 x 2 y a 3 x3 y ..... a m x m y n y
ny
donde:
R2 = coeficiente de determinacin
y = valores muestrales (experimentales) de la variable dependiente
n = nmero de grupos de la muestra
y
1
y = media de la variable dependiente
n
ny
lnx1 = w1
lnx2= w2
lnx3 = w3
.
.
z a 0' a1 w1 a 2 w2 a3 w3 ....
Para el ajuste de los pares de valores, se puede utilizar la metodologa descrita para el caso de
una ecuacin de regresin lineal mltiple, siendo las ecuaciones normales:
y a n a x a x a x .... a x
xy a x a x a x a x .... a x
x y a x a x a x a x .... a
2
.
.
m 1
x m2
y a 0 x m a1 x m 1 a 2 x m 2 a 3 x m 3 .... a m x 2 m