1

HIDROLOGIA
AVANZADA
PROGRAMA MAS1LR LN INGLNILRIA CIVIL
U n i v e r s i d a d d e P i u r a
(aptulo 2
HIDROLOGIA
ESTADISTICA
2
Contenido
Introduccin
Tratamiento estadstico de las variables
Modelos probabilsticos en Hidrologa
Principales modelos probabilsticos:
discretos y continuos
Bondad de ajuste de los modelos
Introduccin
Universo: Conjunto de datos cuyas
propiedades se van a estudiar.
Muestra: Conjunto de datos
seleccionados de un universo.
Muestra representativa.
3
Experimento: Reproduccin controlada
de un fenmeno.
Evento: Resultado de un experimento.
Simples o compuestos.
Espacio muestra: Representacin de
todos los eventos de un experimento.
Grfica o analtica.
Introduccin
Probabilidad a priori
Probabilidad experimental
Probabilidad subjetiva
1ipos de probabilidad
Introduccin
4
Media aritmtica
Mediana
Moda
Introduccin
Medidas descriptivas de tendencia central
Amplitud
Desviacin media
Varianza
Desviacin estndar
Introduccin
Medidas descriptivas de variabilidad
5
Cuartiles
Percentiles
Introduccin
Medidas descriptivas de posicin
Asimetra: Distorsin
Curtosis: Agudeza
Coeficiente de variacin
Introduccin
Medidas descriptivas de forma
6
Medidas descriptivas en Lxcel
1ratamiento estadistico de las variables
Variable aleatoria:
Funcin definida sobre un espacio muestra.
A cada evento le corresponde un nmero real.
A partir de un espacio muestra, diferentes variables.
Discreta: Nmero de eventos es finito.
Continua: Nmero de eventos es infinito.
7
Distribuciones Discretas
Funcin de probabilidad
de masa f(x)
Funcin distribucin
acumulada F(x)
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
1 2 3 4 5 6
v.a.
f
(
x
)
0
0.2
0.4
0.6
0.8
1
1.2
0 2 4 6 8
v.a.
F
(
x
)
1ratamiento estadistico .
Distribuciones Continuas
Funcin densidad de
probabilidad f(x)
Funcin distribucin
acumulada F(x)
0
0.2
0.4
0.6
0.8
1
-5 0 5
v.a.
F
(
x
)
-
0.1
0.2
0.3
0.4
0.5
-4 -2 0 2 4
v.a.
f
(
x
)
1ratamiento estadistico .
8
Modelos probabilisticos en Hidrologia
Modelo matemtico: Descripcin de un
fenmeno de la naturaleza.
M. M. determinstico: Resultado determinado
por las condiciones en que se realiza el
experimento. Slo cambia si se cambian las
condiciones.
M. M. probabilstico o no determinstico:
Las condiciones en que se produce el
fenmeno no determinan el resultado.
Modelos probabilsticos en lidrologa
Dan resultados aproximados, con cierto grado de
confiabilidad.
Caractersticas:
Sin variar las condiciones se obtienen
diferentes resultados.
Se puede describir el conjunto de todos los
resultados posibles.
Al inicio los resultados parecen sin patrn.
Ejemplo: Lluvias en Piura, sismos en Lima.
Modelo matemtico probabilistico
o no deterministico
9
Es necesario:
Espacio muestral, S.
Probabilidad, asociada a c/punto de S.
Ejemplo: Lluvias en Piura.
v.a.: Total de lluvia mensual en Piura.
Registros: 0 - 820 mm
Espacio muestral: 0 - d
Probabilidad: funcin de probabilidad.
Modelos probabilsticos en lidrologa
Modelo matemtico probabilistico
o no deterministico
Principales modelos
probabilisticos discretos
Binomial
Poisson
10
Distribucin Binomial
Nmero de xitos en n ensayos
independientes de tipo Bernoulli.
Por ejemplo, la probabilidad de que uno
de los prximos diez aos se produzca
un Fenmeno del Nio de magnitud 3.
.Distribucin Binomial
Usada en problemas cuando se tiene:
Un nmero fijo de pruebas o ensayos.
Los resultados del ensayo son slo xito
o fracaso.
Los ensayos son independientes, y
Probabilidad de xito es constante
durante todo el experimento.
11
La funcin de masa de
probabilidad binomial es:
donde:
La distribucin binomial
acumulada es:
es eI combinoforio(n: x).
.Distribucin Binomial
Distribucin Poisson
Predice el nmero de sucesos en un
determinado perodo de tiempo.
Por ejemplo, el nmero de automviles que se
presenta a una zona de peaje en el intervalo de
un minuto.
12
Principales modelos
probabilisticos continuos
Uniforme
Normal
Log-normal
Exponencial
Gamma o Pearson III
Chi cuadrado
Valores extremos tipo I. Gumbel
Distribucin Uniforme
Usada como modelo de aproximacin para
una cantidad que vara aleatoriamente
entre a y b.
a b
x f

=
1
) (
a b
a x
x F

= ) (
13
Distribucin Normal
Funcin densidad:
Esta funcin tiene un
gran nmero de
aplicaciones en
estadstica, incluidas las
pruebas de hiptesis.
-
0.1
0.2
0.3
0.4
0.5
-4 -2 0 2 4
v.a.
f
(
x
)

=
x
z
14
Uso de sotware
HIDROESTA HIDROESTA
Mximo Villn Bjar
15
16
Creacin de un
nuevo conjunto
de datos
17
Acceso a datos
pregrabados
18
19
20
21
22
23
Distribucin Log-Normal
Muchos procesos hidrolgicos tiene sesgo
positivo y no son normalmente distribuidos.
Probabilidad donde y=ln() se distribuye
normalmente con los parmetros media
y
y
desviacin estndar
y
.
Distribucin Log-Normal
Existen dos tipos de Log Normal:
De dos parmetros:
De tres parmetros:
y
y
y
z x y

= = ); ln(
y
y
y
z a x y

= = ); ln(
24
Trabajando en Excel
f(x)
0
0,05
0,1
0,15
0,2
0,25
0 1 2 3 4 5 6 7 8 9
25
26
27
Lognormal de
3 parmetros
28
Distribucin Lxponencial
Usada para establecer el tiempo entre dos
sucesos que ocurren a una tasa constante,
tal como el tiempo que existe entre dos
tormentas consecutivas??.
Por ejemplo puede usarse para determinar
la probabilidad de toda una semana no
llueva.
.Distribucin Lxponencial
La ecuacin para la
funcin de densidad de la
probabilidad es:
La ecuacin para la
funcin de distribucin
acumulada es:
x
1
=
29
VL I o Gumbel
La probabilidad acumulada:
donde y es una variable auxiliar:
a y u son los parmetros de la funcin:
Tr
e X x F
y
e
1
1 ) ( = = >

a
u x
y

=
a y x u
n
. =
Sn
Sx
a =
Valores de Gumbel
Media reducida Yn
n 0 1 2 3 4 5 6 7 8 9
10 0,4952 0,4996 0,5035 0,5070 0,5100 0,5128 0,5157 0,5181 0,5202 0,5220
20 0,5230 0,5252 0,5268 0,5283 0,5296 0,5309 0,5320 0,5332 0,5343 0,5353
30 0,5362 0,5371 0,5380 0,5388 0,5396 0,5402 0,5410 0,5418 0,5424 0,5430
40 0,5436 0,5442 0,5448 0,5453 0,5458 0,5463 0,5468 0,5473 0,5477 0,5481
50 0,5485 0,5489 0,5493 0,5497 0,5501 0,5504 0,5508 0,5511 0,5515 0,5518
60 0,5521 0,5524 0,5527 0,5530 0,5533 0,5535 0,5538 0,5540 0,5543 0,5545
70 0,5548 0,5550 0,5552 0,5555 0,5557 0,5559 0,5561 0,5563 0,5565 0,5567
80 0,5569 0,5570 0,5572 0,5574 0,5576 0,5578 0,5580 0,5581 0,5583 0,5585
90 0,5586 0,5587 0,5589 0,5591 0,5592 0,5593 0,5595 0,5596 0,5598 0,5599
100 0,5600
Desviacin tipica reducida Sn
n 0 1 2 3 4 5 6 7 8 9
10 0,9496 0,9676 0,9833 0,9971 1,0095 1,0206 1,0316 1,0411 1,0493 1,0565
20 1,0628 1,0696 1,0754 1,0811 1,0864 1,0915 1,0961 1,1004 1,1047 1,1086
30 1,1124 1,1159 1,1193 1,2260 1,1255 1,1285 1,1313 1,1339 1,1363 1,3880
40 1,1413 1,1430 1,1458 1,1480 1,1499 1,1519 1,1538 1,1557 1,1574 1,1590
50 1,1607 1,1623 1,1638 1,1658 1,1667 1,1681 1,1696 1,1708 1,1721 1,1734
60 1,1747 1,1759 1,1770 1,1782 1,1793 1,1803 1,1814 1,1824 1,1834 1,1844
70 1,1854 1,1863 1,1873 1,1881 1,1890 1,1898 1,1906 1,1915 1,1923 1,1930
80 1,1938 1,1945 1,1953 1,1959 1,1967 1,1973 1,1980 1,1987 1,1994 1,2001
90 1,2007 1,2013 1,2020 1,2026 1,2032 1,2038 1,2044 1,2049 1,2055 1,2060
100 1,2065
30
31
32
Datos del ro Piura se
han accesado
33
Distribucin Gamma o Person III
Posee gran flexibilidad y diversidad de formas, segn los
parmetros.
Se utiliza esta funcin para estudiar variables cuya
distribucin es asimtrica, tales como las hidrolgicas.
De uso corriente en anlisis de las colas de espera.
Gamma de 3 parmetros:

x
e
x
x f
1
) (
1
) ; ; ; (
34
Distribucin Gamma o Person III
Dependiendo de los valores de los parmetros, se trata de Gamma de 3p o
Gamma de 2p.
Si = 0 Gamma de 2 parmetros (Excel):
Si = 1 Gamma de 1 parmetro o estndar:
Si = 1, equivale a la distribucin exponencial con: = 1/.

x
e x x f

=
1
) (
1
) ; ; (

x
e
x
x f
1
) (
1
) ; ; ; (
x
e x x f

=
1
) (
1
) ; (

1
) ; ( ;
1
) ; 1 ; ( = = =

con e x f e x f
x x
.Distribucin Gamma 2 parmetros
La ecuacin para la funcin de densidad de la
probabilidad es:
Poromefros:
Formo: = x/ 0
EscoIo: =
2
/x 0

x
e x x f

=
1
) (
1
) ; ; (
35
36
Pearson III o Gamma 3p
mediante tablas
x= + K
Donde K es funcin del coeficiente de
asimetra (g) y del perodo de retorno (Tr) o
la probabilidad de excedencia P(x>X).
Log Pearson III:
Slo cambio de
variable.
0.0
0.5
1.0
1.5
2.0
2.5
0 50 100 150 200 250
perodo de retorno
K
g=-0.3
g=-0.4
37

2
(Chi cuadrado)
La probabilidad
acumulada viene
dada en tablas o
excel.
Parmetro: El
nmero de grados
de libertad.
Chi 2 para diferentes gdl
-
0.2
0.4
0.6
0.8
1.0
0 10 20 30 40 50
x
F
(
x
>
X
)
1
5
10
20
38
Bondad de ajuste de los modelos
Los fesf de bondod de ousfe son uno pruebo de
hipofesis que se uso poro evoIuor si un conunfo
de dofos es uno muesfro independienfe de Io
disfribucion F eIeqido.
Ho: Los dofos son uno muesfro independienfe e
idenficomenfe disfribuido de F(x).
Oo: Mo rechozor Ho no quiere decir ocepfor Ho.
Pruebas de bondad de ajuste
Prueba 2
Prueba Smirnov-Kolmogorov
39
Se aplica para verificar bondad de
distribuciones normales y log-normales.
- Dividir el rango de datos en k clases, cada
una con Nj datos.
- Calcular la proporcin esperada de cada
clase, dada la distribucin terica, p
j
.
- Calcular el estadgrafo:
Prueba
2 22 2

= =

=
k
j
k
j j
j j
teor
teor obs
p n
p n N
1
2
1
2
2
) (
.
) . (

.Prueba
2
- Compararlo con los
2
crticos.
- Se rechaza Ho si :
- No se puede rechazar,
pero tampoco se
acepta, si:
- m es el nmero de
parmetros estimados
a partir de la data.
) 1 , 1 (
2 2
> k
) 1 , 1 (
2 2
< m k
40
Prueba Smirnov-Kolmogorov
Compara las P exc empricas:
P = m/(n+1) m:# orden; n:# datos
con las tericas segn cada distribucin de
los datos individuales, sin agrupar.
Producto de dicha comparacin se
obtienen unos valores .
El mximo se compara con un valor crtico:
crtico = 1.36 / \n
Se acepta si mximo < crtico