HIDROLOGIA

Presentacin N 12
CAUDALES MAXIMOS
METODOS ESTADSTICOS

ESTADSTICA HIDROLGICA
Los procesos hidrolgicos evolucionan en el espacio y
en el tiempo en una forma que es parcialmente
predecible, o determinstica, y parcialmente aleatoria.
Un proceso de este tipo se conoce con el nombre de
proceso estocstico. En algunos casos, la variabilidad
aleatoria del proceso es tan grande comparada con su
variabilidad determinstica, que se justifica que el
hidrlogo trate el proceso como puramente aleatorio.
De esta manera, el valor de una observacin del
proceso no est correlacionada con los valores de
observaciones adyacentes, y las propiedades
estadsticas de todas las observaciones son iguales.

ESTADSTICA HIDROLGICA
Cuando no existe correlacin entre observaciones adyacentes, la
salida de un sistema hidrolgico es tratada como estocstica,
independiente del espacio e independiente del tiempo.
Este tipo de tratamiento es apropiado para observaciones de
eventos hidrolgicos extremos, como crecientes o sequas.

TRATAMIENTO PROBABILSTICO DE LA
INFORMACIN HIDROLGICA
Una variable aleatoria X es una variable descrita por
una distribucin de probabilidad.
La distribucin determina la posibilidad de que una
observacin x de la variable caiga en un rango
especificado de X.
Por ejemplo, si X es la precipitacin anual en un lugar
especificado, entonces la distribucin de probabilidad
de X determina la posibilidad de que la precipitacin
anual observada en un ao dado caiga en un rango
definido, tal como menos de 30 pulg. O entre 30 40
pulg.

TRATAMIENTO PROBABILSTICO DE LA
INFORMACIN HIDROLGICA
Un conjunto de observaciones x1,x2, . , xn de la
variable aleatoria se denomina una muestra.
Se supone que las muestras son sacadas de una
hipottica poblacin infinita que posee propiedades
estadsticas constantes, mientras que las propiedades de
una muestra pueden variar de una muestra a otra.
El conjunto de todas las muestras posibles que pueden
extraerse de una poblacin se conoce como el espacio
muestral, y
Un evento es un subconjunto del espacio muestral.

TRATAMIENTO PROBABILSTICO DE LA
INFORMACIN HIDROLGICA
La probabilidad de un evento, P(A), es la posibilidad
de que ste ocurra cuando se hace una observacin de
la variable aleatoria.
Las probabilidades de eventos pueden estimarse.
Si una muestra de n observaciones tiene nA valores en
el rango de evento A, entonces la frecuencia relativa
de A es nA/n.

nA
P ( A) lim
n n

PRINCIPIOS
Probabilidad Total.- Si el espacio muestral est
completamente dividido en m eventos o reas no
traslapadas A1, A2,Am, entonces:
P(A1) +P(A2)++P(Am) = P( ) = 1
___
Complementariedad.- Se sigue___que si A es el
complemento de A, es decir, A = - A

A B

PRINCIPIOS

Probabilidad Condicional.- Supngase que existe dos eventos A y B tal como

se muestra en la fig. El evento A podra ser el que la precipitacin de este ao
fuera menor que 40 pulg. Mientras que B podra ser el evento de que la
prec`pitacin del prximo ao sea menor que 40 pulg. Su interseccin es A
B , el evento de que tanto A como B ocurran, es decir, dos aos sucesivos
con precipitacin anual menor de 40 pulg. Si P(A/B) es la probabilidad
condicional de que ocurra B dado de que ya ha ocurrido A, entonces la
probabilidad conjunta de que A y B ocurran, P(A B), es el producto de
P(B/A) y la probabilidad de que A ocurra, es decir, P(A B) = P(B/A) P(A), o

P( A B)
P ( B / A)
P ( A) de A se dice que los
Si la ocurrencia de B no depende de la ocurrencia

eventos son independientes y P(B/A) = P(B). Para eventos independientes,

de

P ( A B) P ( A) P ( B)

Ej: Probabilidad pag 363 chow.xls

FUNCIONES DE FRECUENCIA Y DE PROBABILIDAD

Una de las funciones de densidad de

probabilidad ms conocidas es la familiar curva
en forma de campana de la distribucin normal.

1
x
f ( x)
exp

2
2
2

Donde Mu y Sigma son parmetros. Esta

funcin puede simplificarse definiendo la
variable normal estndar z como:

x
z

FUNCIONES DE FRECUENCIA Y DE PROBABILIDAD

La distribucin normal estndar correspondiente tiene la

siguiente funcin de densidad de probabilidad

1 z2 / 2
f ( z)
e
2

La cual depende solamente del valor z y se encuentra

graficada en la fig.

Probabilidad acumulada de la distribucin Normal Estndar

AQU TABLA PAG 369 CHOW

Ejemplo pag 370 Chow

Ej: Probabilidad pag 363 chow.xls

PARMETROS ESTADSTICOS
El objetivo de la estadstica es extraer la
informacin esencial de un conjunto de datos,
reduciendo un conjunto grande de nmeros a
un conjunto pequeo de nmeros.
Las estadsticas son nmeros calculados de
una muestra los cuales resumen sus
caractersticas ms importantes.
Los parmetros estadsticos son
caractersticas de una poblacin, tales como
Mu y Sigma

Parmetros de poblacin y estadsticas de muestra.

Tabla pag 371 Chow

Efectos en la funcin de densidad de probabilidad

causados por cambios en la desviacin estndar y en
el coeficiente de asimetra.

ANALISIS DE FRECUENCIA
Los sistemas hidrolgicos son afectados algunas
veces por eventos extremos, tales como
tormentas severas, crecientes y sequas.
La magnitud de un evento extremo est
inversamente relacionada con su frecuencia de
ocurrencia, es decir, eventos muy severos
ocurren con menor frecuencia que eventos mas
moderados.

ANALISIS DE FRECUENCIA
El objetivo del anlisis de frecuencia de
informacin hidrolgica es relacionar la
magnitud de los eventos extremos con su
frecuencia de ocurrencia mediante el uso de
distribuciones de probabilidad.
Los resultados del anlisis de frecuencia de
flujo de crecientes pueden utilizarse para
muchos propsitos en ingeniera: para el diseo
de presas, puentes y estructuras de control de
crecientes.

Anlisis de frecuencia
PERODO DE RETORNO
El intervalo de recurrencia promedio entre
eventos que igualan o exceden una magnitud
especificada.
E(t) = T = 1 /P
Es decir, la probabilidad de ocurrencia de un
evento en cualquier observacin es el inverso de
su perodo de retorno.
P ( X >= XT ) = 1 / T

DISTRIBUCIONES DE VALORES
EXTREMOS

El estudio de eventos hidrolgicos extremos

incluye la seleccin de una secuencia de
observaciones mximas o mnimas de
conjuntos de datos.
Por ejemplo, el estudio de los caudales picos
en una estacin hidromtrica utiliza
solamente el mximo caudal registrado cada
ao, entre los muchos miles de valores
registrados.

Funcin de Distribucin de Probabilidad de

Valor Extremo Tipo I

x u
F ( x) exp exp

El parmetro u es la moda de la
distribucin (punto de mxima
densidad de probabilidad). Una
variable reducida y puede
definirse como:

x u
y

Sustituyendo la variable
reducida en la 1ra ecuac. y
resolviendo para y:

6 s

u x 0.5772
F ( x) exp exp( y )

1

y ln ln
F ( x)

DISTRIBUCIONES DE VALORES EXTREMOS

Para cada uno de los tres
tipos de distribuciones de
valores extremos la
variable x se grafica
contra la variable reducida
y calculada para la
distribucin de Valor
Extremo Tipo I.
Luego: F ( xT ) T 1

T

yT ln ln
T 1

X T yT
Ej: valor max pag 399 chow.xls

ANALISIS DE FRECUENCIA UTILIZANDO

FACTORES DE FRECUENCIA
La magnitud XT de un evento hidrolgico extremo puede
representarse como la media mas la desviacin de la
variable con respecto a la media.
T
T
Esta desviacin con respecto a la media puede igualarse al
producto de la desviacin estndar y el factor de
frecuencia., es decir:
T
T

X x

x K

X T KT
KT .- Factor de frecuencia

X T x KT s

DISTRIBUCIN NORMAL
El factor de frecuencia puede expresarse utilizando:

x
z

XT
KT

Este es el mismo de la variable normal estndar z definida

en la ecuacin:
El valor z correspondiente a una probabilidad de
excedencia de p(p= 1/T)
Puede calcularse encontrando el valor de una variable
1/ 2
intermedia w:

1
w ln 2
p

(0 p 0.5)

DISTRIBUCIN NORMAL
Luego se calcula con w el valor de z:

1
w ln 2
p

1/ 2

(0 p 0.5)

2.515517 0.802853 w 0.010328 w

z w
2
3
1 1.432788w 0.189269 w 0.001308w
2

Ej: valor max pag 399 chow.xls

DISTRIBUCIN DE VALOR EXTREMO TIPO I

T
6
KT
0
.
5772

ln
ln

XT x K T s

Del ejemplo anterior: donde

Xprom = 0.649 y s = 0.177 y T = 5 aos
5
6
KT
0
.
5772

ln
ln

KT 0.719
X T x KT s
X T 0.649 0.719 x 0.177
X T 0.78 pu lg

DISTRIBUCIN LOG PEARSON TIPO III

Para esta distribucin, el primer paso s tomar los
logaritmos de la informacin hidrolgica, y = log x.
Usualmente se utilizan logaritmos con base 10.
Se calcula la media Yprom, la desviacin estndar
sy y el coeficiente de asimetra Cs para los
logaritmos de los datos.
1
1
K T z ( z 2 1)k ( z 3 6 z )k 2 ( z 2 1)k 3 zk 4 k 5
3
3
Donde :
Cs
k
6

DISTRIBUCIN LOG PEARSON TIPO III

1
1
K T z ( z 2 1)k ( z 3 6 z )k 2 ( z 2 1)k 3 zk 4 k 5
3
3
Donde :

Cs
k
6

El valor de z para un perodo de retorno dado puede

calcularse utilizando la distribucin normal.

1
w ln 2
p

1/ 2

(0 p 0.5)

2.515517 0.802853 w 0.010328 w2

z w
2
3
1 1.432788w 0.189269 w 0.001308w
Ej: valor max pag 399 chow.xls