Professional Documents
Culture Documents
1
Contenido
INTRODUCCIN......................................................................................................................... 2
OBJETIVOS ................................................................................................................................ 3
MARCO TERICO....................................................................................................................... 3
1. Distribuciones de probabilidad ........................................................................................ 3
1.1. Parmetros estadsticos: .............................................................................................. 3
1.1.1. Media : ............................................................................................................. 4
1.1.2. Varianza : ........................................................................................................ 4
1.1.3. Desviacin estndar ............................................................................................ 4
1.1.4. Coeficiente de variacin....................................................................................... 4
1.1.5. Coeficiente de asimetra : ................................................................................... 4
2. Anlisis de frecuencia ..................................................................................................... 5
3. Ajuste de distribuciones Cmo elegir una distribucin?................................................... 5
4. Conceptos importantes................................................................................................... 6
- Perodo de retorno ..................................................................................................... 6
- Probabilidad de excedencia......................................................................................... 6
5. Mtodos de ajuste a distribuciones ................................................................................. 6
Mtodo del Plotting Position .............................................................................................. 6
6. Pruebas de ajuste ........................................................................................................... 7
6.1. Prueba Smirnov Kolmogorov ........................................................................................ 7
6.2. Prueba Chi Cuadrado ................................................................................................... 7
7. DISTRIBUCIONES SIMTRICAS Y ASIMTRICAS .................................................................. 8
7.1. Distribucin General de Valores Extremos ................................................................ 8
7.2. Distribucin de Gumbel o extrema tipo I .................................................................. 8
7.3. Distribucin de Frechet ........................................................................................... 9
APLICACIONES..........................................................................................................................10
Aplicacin Distribucin de Gumbel .....................................................................................10
CONCLUSIONES........................................................................................................................12
RECOMENDACIONES ................................................................................................................12
BIBLIOGRAFA ..........................................................................................................................13
1
INTRODUCCIN
2
OBJETIVOS
- Establecer las funciones de distribucin de probabilidad que mejor ajustan a
una distribucin determinada de valores extremos.
- A ajustar un ejemplo prctico de Ingeniera Civil a las distribuciones de Gumbel
y Frechet.
MARCO TERICO
1. Distribuciones de probabilidad
El comportamiento de las variables aleatorias discretas o continuas se describe con la
ayuda de Distribuciones de Probabilidad. La variable se designa con mayscula y un
valor especfico de ella con minscula.
P(z=a) denota la probabilidad de que un evento asuma el valor a; de forma similar, P(a z
b) denota la probabilidad de que un evento se encuentre en el intervalo (a,b). Si se
conoce la probabilidad P(a z b) para todos los valores de a y b, se dice que la
Distribucin de Probabilidades de la variable z es conocida.
Si z es un nmero dado y se considera la probabilidad P(Z z), F(z) = P(Z z), F(z) es la
funcin de distribucin acumulada y f(z) es la funcin densidad de probabilidades de la
variable. Para una serie de valores de una variable se tiene las siguientes caractersticas:
b b
i) f ( z )dz 1 ii) P(a z b) f ( z )dz iii) f ( z )dz 0
a b
Adems:
3
1.1.1. Media : Es el valor esperado de la variable. Muestra la tendencia central de la
distribucin.
media poblacional = x f ( x)dx
1 n
media muestral= x xi
n i 1
1 n
varianza muestral = s 2 ( xi x) 2
n 1 i 1
s
Cv para poblaciones Cv para muestras
x
n
n ( x x) 3
Entonces Cs i 1
(n 1)( n 2) * s 3
4
2. Anlisis de frecuencia
Se analiza la frecuencia para predecir el comportamiento de los valores de un evento,
a partir de los datos registrados. Su confiabilidad depende de la longitud y calidad del
registro de datos y de la incertidumbre propia de la distribucin de probabilidades
seleccionada.
X T KT , estimando que X T x KT s
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 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).
5
El tamao de la muestra influye directamente en la confiabilidad de los resultados;
a mayor perodo de retorno, mayor longitud de registros necesaria para mejor
confiabilidad en los resultados.
4. Conceptos importantes
- Perodo de retorno: se define como el tiempo que transcurre entre dos sucesos
iguales. Sea ese tiempo, T.
m m 2m 1
California P Weibull P Hazen P
n n 1 2n
Donde P = probabilidad de excedencia
n = total de valores
m = lugar que ocupa el valor en la lista de valores ordenada
descendentemente (m=1 para el valor mximo)
6
6. Pruebas de ajuste
Qu distribucin se ajusta mejor a un registro?
Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cul es la
distribucin que mejor se ajusta a los puntos mximos y recomiendan seleccionar
el mejor ajuste a criterio del modelador con dos posibles formas:
7
k = nmero de intervalos
n = nmero de parmetros de la distribucin terica.
()
- Funcin Distribucin Acumulada: ( ) = ( < ) =
8
( )
- Funcin de densidad: ( ) = = () ()
( ) = ( ) ()
1
Donde: = 0.7797 () = = 0.45005 ()
6
- Factor de frecuencia: = (0.5772 + ln(ln(1 )))
Donde T = periodo de retorno
s
- Lmites de confianza: Xt t(1-) Se Se
n
1
[1 1.1396 KT 1.1KT 2 ] 2
1
Donde: = 0.7797 () , > 0
9
APLICACIONES
Un ejemplo concreto, mencionado por Coles, es el siguiente: supngase que, como parte
de los criterios para el diseo de defensas costeras, se necesita un rompeolas para
protegerse de todos los niveles del mar que se espera que haya durante 100 aos. Segn
Coles, posiblemente hay disponibles datos locales de niveles del mar, pero, para un
periodo mucho ms corto de, 10 aos por ejemplo. Lo interesante, es estimar qu niveles
del mar se pueden alcanzar en los 100 siguientes aos usando los datos de los 10 aos
anteriores (Alejandro Ibez Rosales, Trabajo de Investigacin, Mster Oficial en
Estadstica Aplicada).
10
0.0537(32.46)
Y la funcin de Gumbel es () =
- Tabulacin de datos
D3 = 0.073 < Dt = 0.375; Por lo tanto se puede decir que el ajuste es bueno.
- Utilidad
0.0537(32.46)
Si la ecuacin de la distribucin es ( ) = , despejando x:
11
Tabla 2: Precipitaciones mximas en 24 horas asociadas al periodo de retorno T
CONCLUSIONES
- Con aplicaciones concretas de la teora de distribuciones de probabilidad, predecir
valores futuros de variables para anlisis importantes, como construcciones
dependientes de series de datos de caudales, precipitaciones, oleajes y represas en
cuanto a la hidrologa.
- Cuando se desarrolle un anlisis estadstico en el que se deba recurrir a distribuciones
de probabilidad, aunque cuente con una serie de datos 100 % confiable y de longitud
adecuada, el gran nmero de distribuciones de probabilidad que hay, decidir qu
distribucin utilizar y adems aplicar las pruebas de ajuste, puede ser bastante
cansado, por eso es recomendable tomar en cuenta la distribucin y los resultados de
anlisis ya hechos, por ejemplo, en Espaa, los organismos oficiales para
precipitaciones mximas aplican la distribucin SQRT max con muy buenas
aproximaciones.
- La estandarizacin de variables y adaptacin de distribuciones asimtricas a la
distribucin de Gauss, son las herramientas ms importantes para analizar el
comportamiento de variables aleatorias.
RECOMENDACIONES
- Contar con una buena gua de investigacin; puede confundirle en la materia y hacerle
perder tiempo no tener un libro o sitio web claro, sistemtico y completo.
- Consultar lo necesario en varias fuentes.
- Contar con el material necesario durante el desarrollo del trabajo, bsicamente, tablas
y grficos.
12
BIBLIOGRAFA
- Ostle, Bernard. Estadstica Aplicada: Tcnicas de la estadstica, cundo y dnde
aplicarlas. LIMUSA. Mxico 1977.
- Aparicio, F. 1997. Fundamentos de Hidrologa de Superficie. 11 ed. Mxico.
Editorial Limusa S.A. 303 p.
- Araya, S. 2003. Anlisis de la Variacin Temporal de los Caudales Punta
Instantneos en la Cuenca del Ro Purapel, VII Regin. Tesis de Ing. Forestal.
Talca, Chile. Universidad de Talca, Facultad de Ciencias Forestales. 102 p.
- Dur, Jos y Lpez, Javier. Fundamentos de estadstica. Ariel, S.A. Barcelona
1992.
- http://portal.chapingo.mx/irrigacion/planest/documentos/apuntes/hidrologia_sup/FR
ECUENCIA.pdf
- http://datateca.unad.edu.co/contenidos/30172/MODULO%20HIDROLOGIA/leccin_
29_anlisis_de_datos.html
- http://fluidos.eia.edu.co/hidrologiai/probabilidad/probabilidad.htm
13