FACULTAD DE INGENIERIA

Escuela Acadmico Profesional de

Ingeniera Civil
AJUSTE DE LA MUESTRA HIDROLOGICA DE PRECIPITACIONES
ANUALES A UN MODELO DE PROBABILIDAD

ASIGNATURA

: HIDROLOGIA SUPERFICIAL

DOCENTE

: Ing. MSc.OSWALDO ORTIZ VERA

ALUMNO

SECCIN

IDROGO BUSTAMANTE, Eduard

CAJAMARCA, Febrero del 2005.

AJUSTE DE LA MUESTRA HIDROLOGICA DE PRECIPITACIONES

ANUALES A UN MODELO DE PROBABILIDAD
RESUMEN
El presente trabajo tiene por finalidad obtener los estadsticos muestrales numricos en base a la
ecuacin (01).Tambin obtener el modelo de probabilidades mas adecuado de la muestra hidrolgica de
precipitaciones de la estacin Huayropongo correspondiente a los datos anuales acumulados y luego del
anlisis estadstico obtener el tamao de la variable para un nmero definido de aos y con un cierto
grado de incertidumbre.
Para lo cual se ordenan los datos de cada mes de precipitacin en forma descendente y tambin el total,
luego se aplica la ecuacin (02) para obtener la probabilidad de que esta precipitacin ocurra para los
datos anuales acumulados.
Luego aplicamos la ecuacin (03) para obtener la probabilidad acumulada, para ver si se cumple la
ecuacin (04) y deducir si la muestra es significativa o no.
Tambin calculamos el tiempo de retorno mediante la aplicacin de la ecuacin (05) y teniendo como
base la incertidumbre, para finalmente obtener el tamao de la variable en base a la ecuacin (07) y
obtener las alternativas que nos permitan seleccionar adecuadamente la variable de diseo de acuerdo
con la importancia de la estructura.

I. INTRODUCCION
Como es de conocimiento del estudiante de ingeniera de la imperiosa necesidad tener conocimiento
sobre la simulacin de los modelos estadsticos, es por eso que debe tener el ms sumo cuidado en la
determinacin del modelo para lo cual debe basarse en los estadsticos muestrales.
De este modo se contribuir a que el trabajo tenga un impacto positivo en las diversas obras en que
intervengan y sirvan estos datos como para el diseo de presas en un cierto numero de aos y un grado
de incertidumbre, obras de muros de contencin, entre otras, es decir que sean de bien para la sociedad y
contribuir al desarrollo de la misma.

1.1.

Objetivos
Obtener los estadsticos muestrales numricos de la muestra hidrolgica de la estacin
Huayropongo.
Ajustar la muestra hidrolgica de precipitaciones acumuladas anuales a un modelo de
probabilidades.
Calcular el tiempo que debe transcurrir para que una variable X pueda repetirse en un cierto
periodo consecutivo de aos para diversas condiciones de riesgo y obtener las alternativas que
nos permitan seleccionar adecuadamente la variable de diseo de acuerdo con la importancia de
la estructura.
Analizar como se relacionan el periodo de retorno (Tr), con la magnitud de la variable.
Notar como varia la variable de diseo en funcin del nivel de aos consecutivos y de la
incertidumbre de diseo.
Analizar el tipo de curva segn el sesgo y kurtosis.

1.2.

Ubicacin
&.Geogrfica

Altitud
Latitud
Longitud

:
:
:

2745.00 m.s.n.m.
7 10' 00" Sur.
78 27' 00" Oeste.

&.Poltica
Departamento :
Provincia
:
Distrito
:

Cajamarca
Cajamarca
Baos del Inca

&. Hidrolgica
.
microcuenca
Subcuenca :
Sistema Hidrolog. :

chonta
Crisnejas
Atlntico

II. REVISION DE LITERATURA

Distribucin Normal:- Surge del teorema del lmite central, el cual establece que si una secuencia de
variables aleatorias Xi son independientes y estn idnticamente distribuidas con media y varianza
n

2 entonces la distribucin de la suma de n de estas variables aleatorias y =

Xi ,tiende hacia la
i 1

distribucin normal con media n y varianza n 2 a medida que n aumenta .El punto importante es
que esto es cierto sin importar cual es la funcin de distribucin de probabilidad de X .
Las variables hidrolgicas como la PP anual, calculadas como la suma de los efectos de muchos eventos
independientes tienden a seguir la distribucin normal .Las principales limitaciones en la descripcin de
variables hidrolgicas son por un lado que esta varia a lo largo de un rango continuo, mientras que la
mayor parte de las variables hidrolgicas son no negativas, por otro lado que es simtrica alrededor de la
media, mientras que la informacin hidrolgica tiende a ser Asimtrica.
(Ref.01, Pg.382)

Procesamiento y sntesis de la informacin

La sntesis de los datos muestrales se hace con la finalidad de seleccionar el modelo ms adecuado que
describa con la ms absoluta precisin las caractersticas muestrales.
El anlisis e interpretacin de los datos se realiza en base a dos tipos de descriptores muestrales:
numricos y muestrales
Descriptores numricos

Media X
2
Variancia S x

Desviacin estndar S x

Coeficiente de variacin C v

Sx
X

Coeficiente de sesgo

1 n X X
g1 ( i
)
n i 1
Sx

(01)

Si:
g 1 =0, entonces es curva normal
g 1 >0, Entonces es curva sesgada a la derecha
g 1 <0, Entonces es curva sesgada a la izquierda
4

Coeficiente de kurtosis

g2

1 n Xi X
( S ) (01)
n i 1
x

Si:
g 2 =3, entonces es una curva Normal
g 2 >3, entonces es una curva Lepticurtica
g 2 <3, Entonces es una curva Platicurtica
Descriptores grficos
El histograma de frecuencias o frecuencia absoluta es una representacin en forma de barras del nmero
de ocurrencias e un evento en el intervalo de clase correspondiente .La altura de la barra (algunas veces
mas eficiente el rea de cada barra) es proporcional a la frecuencia en el intervalo considerado.
El nmero de intervalos de clase debe fijarse convenientemente para no distorsionar significativamente la
geometra del histograma

Histograma de Frecuencias
(Ref.02, Pg.109)
Los datos muestrales se ajuntan a un modelo probabilstica, el cual una vez calibrado se simula para
diversas condiciones de riesgo y tiempo de retorno, de donde se obtienen varias alternativas que permiten
seleccionar adecuadamente de acuerdo con la importancia de la estructura, la variable de diseo.
Los datos hidrometeoro lgicos son variables aleatorias por eso debemos tener presente el peligro o
probabilidad de que la variable de diseo se vea superada por otro evento de magnitud mayor, para lo
cual tomamos la probabilidad de Weibull
m
P(x>X) =
.. (02)
n 1
Donde:
P(x>X) = probabilidad de ocurrencia del evento x mayor que X, en cualquier ao
m= numero de orden
n = longitud muestral
(Ref.02, Pg.102)
Tambin se sabe que la curva normal o modelo probabilstica normal se halla mediante la ecuacin.

F ( Z ) 1 f ( Z ) b1t b2t 2 b3t 3 b4t 4 b5t 5

Donde:
b1 0.319381530
b 2 0.356563782
b3 1.781477937

b 4 1.821255978
b5 1.330274429

__

x X
Z
S

. (03)

f (Z )

(
1
e
2.

Z2
)
2

1
1 0.231649 Z

Pruebas de bondad de ajuste:

Chi Cuadrado.- Esta prueba se realiza para datos agrupados y se basa en:
2
2
Hiptesis planteada: X c X t
2
2
Hiptesis alterna : X c X t
Esmirnov Kolmogorov.- Esta prueba se realiza para datos sin agrupar y se basa en :
Toma en consideracin si los datos de precipitacin anual de la estacin x se ajustan a la curva
terica de probabilidades normal se acepta la hiptesis planteada (HP) y si los datos de
precipitacin anual de la estacin x no se ajustan a la curva terica de probabilidades normal se
acepta la hiptesis planteada (HA), en forma estadstica esta dado por:

0 Mx. (P(x>) F(x>X))..Aceptar HP.. (04)

0 >Mx. (P(x>) F(x>X))..Aceptar HA

Donde:
0 = 0.24, Estadstico de Kolmogorov (para
P(x>X) = probabilidad observada
F(x>X) = probabilidad simulada o terica.

= 5% y n = 30)

Adems el tiempo de retorno esta dado por:

1
Tr =

1 (1 J ) N

(05)

Donde:
Tr = tiempo que debe transcurrir para que una variable de similares caractersticas vuelva presentarse
J = probabilidad de fallar en la prediccin
Adems se presentan las ecuaciones de probabilidad de un evento
1
F(x<X) = 1. (06)
Tr

X = Z*S + X

(07)
(Ref.03)

III. METODOLOGIA

Ajustar la muestra hidrolgica de precipitacin anual de la estacin HUAYROPONGO a un modelo de

probabilidades
Para la solucin seguimos el siguiente proceso:
1. con la muestra corregida, completada y extendida determinar los estadsticos muestrales,
empleando las ecuaciones (01)
2. En base a estos estadsticos seleccionar el modelo probabilstica, modelo normal de distribucin.
3. calcular los parmetros del modelo en base a los estadsticos muestrales.
4. prueba de bondad de ajuste mediante la prueba de KOLMOGOROV.empleando las ecuaciones
(04)
5. Simulacin del modelo ajustado y seleccin de la variable de diseo.
En tal efecto y empleando las ecuaciones ya mencionadas se obtienen los valores que a continuacin se
muestran.
Realizando una comparacin de las pruebas de bondad de ajuste se tiene
PP (mm)
1265.10
992.20
904.40
830.80
785.40
732.50
688.90
656.80
614.00
572.10
535.40
499.00
460.10
442.00
427.90
404.40
390.20
366.20
351.90
332.80
310.00
279.70
259.80
245.00
230.70
212.50
184.20
169.10
139.20
94.30

NORMAL
LOG NORMAL
Xe
(Xe - Xo)
Xe
(Xe - Xo)
718.8812
298354.9611 775.0471 240151.8349
676.0119
99974.9246 706.5690 81585.0922
647.7784
65854.6681 664.8083 57404.1667
625.8456
42006.3221 634.0783 38699.4361
607.4607
31662.3804 609.4164 30970.2164
591.3492
19923.5468 588.5939 20708.9571
576.8075
12564.7277 570.4118 14039.4496
563.4016
8723.2647 554.1478 10537.4764
550.8414
3989.0083 539.3308 5575.4828
538.9208
1100.8592 525.6350 2158.9970
527.4854
62.6402
512.8236
509.6936
516.4144
303.2597
500.7179
2.9512
505.6085
2071.0223 489.1778
845.5195
494.9832
2807.2187 478.0900 1302.4849
484.4629
3199.3626 467.3593 1557.0364
473.9771
4840.9716 456.9035 2756.6148
463.4568
5366.5598 446.6483 3186.4158
452.8315
7505.0192 436.5245 4945.5313
442.0256
8122.6321 426.4639 5559.7702
430.9546
9634.3169 416.3968 6988.4183
419.5192
11994.4548 406.2479 9263.6497
407.5986
16358.0509 395.9315 13509.7693
395.0384
18289.4300 385.3450 15761.5508
381.6325
18668.4390 374.3578 16733.4293
367.0908
18602.4489 362.7936 17448.7090
350.9793
19176.5056 350.3977 19015.7631
332.5944
22020.9095 336.7693 23277.3867
310.6616
20039.6990 321.2025 23135.1657
282.4281
20514.2932 302.2183 26574.9748
239.5588
21100.1146 275.5163 32839.3362
TOTAL = 814832.012 TOTAL = 727045.280
C = 902.680459
C=
852.6695

GUMBEL
Xe
(Xe - Xo)
838.4802 182004.4561
750.4788 58429.1345
698.0759 42569.6491
660.2079 29101.6615
630.2708 24065.0817
605.3198 16174.7947
583.7816 11049.8777
564.7140
8479.8329
547.5065
4421.3898
531.7391
1628.9991
517.1093
334.5502
503.3899
19.2711
490.4047
918.3735
478.0123
1296.8848
466.0957
1458.9114
454.5548
2515.5075
443.3011
2819.7222
432.2528
4362.9694
421.3316
4820.7534
410.4588
6030.8887
399.5507
8019.3290
388.5140 11840.4839
377.2381 13791.7105
365.5842 14540.5537
353.3663 15047.0195
340.3166 16337.0841
326.0148 20111.4406
309.7201 19774.0128
289.8762 22703.3198
261.9301 28099.8348
TOTAL = 572767.498
C=
756.8140

DE TODAS ESTAS FUNCIONES DE DISTRIBUCION PODEMOS OBSERBAR QUE LA

QUE TIENE MENOR ERROR CUADRATICO ES LA DISTRIBUCION GUMBEL

IV. RESULTADOS Y DISCUCION

Los estadsticos maestrales numricos de la muestra hidrolgica de la estacin Huayropongo son

MEDIA
DESVEST
Cv
SESGO
KURTOSIS

479.22
279.69
0.58
0.95
3.45

Tambin los resultados de las variables de diseo que sern seleccionadas de acuerdo con la importancia
de la estructura y para las diversas condiciones de riesgo dadas y un tiempo de retorno especificado
aplicando las ecuaciones de la revisin de literatura son las siguientes.

Empleando la ecuacin (05) se halla Tr

N

10

20

J (%)
0.01
0.02
0.05
0.10
0.15
0.30
0.50
0.01
0.02
0.05
0.10
0.15
0.30
0.50
0.01
0.02
0.05
0.10
0.15
0.30
0.50
0.01
0.02
0.05
0.10
0.15
0.30
0.50

Tr (aos)
199
99
39
19
13
6
3
498
248
98
48
31
15
8
995
495
195
95
62
29
15
1990
990
390
190
124
57
29

F(x<X)
0.9950
0.9899
0.9744
0.9474
0.9231
0.8333
0.6667
0.9980
0.9960
0.9898
0.9792
0.9677
0.9333
0.8750
0.9990
0.9980
0.9949
0.9895
0.9839
0.9655
0.9333
0.9995
0.9990
0.9974
0.9947
0.9919
0.9825
0.9655

TAMAO VAR.X
1199
1129
1024
932
878
750
600
1284
1220
1128
1049
996
899
801
1343
1283
1197
1124
1078
988
899
1399
1343
1262
1195
1152
1069
988

. Los datos muestrales se ajuntan a un modelo probabilstica, cumpliendo la prueba de bondad de ajuste
de KOLMOGOROV permitindonos seleccionar adecuadamente de acuerdo con la importancia de la
estructura, la variable de diseo.

V. CONCLUSIONES Y RECOMENDACIONES
Conclusiones

Se logro obtener los estadsticos muestrales de cada mes y tambin de los datos acumulados
anuales

La muestra hidrolgica (Huayropongo) de precipitacin cumple con la hiptesis de

Kolmogorov, por ende se acepta este modelo

Tambin se nota por ejemplo para un periodo consecutivo de 2aos y con un riesgo de
falla de prediccin de la variable de 5% se tiene una variable de diseo de 1024mm de PP, y as
para los distintos niveles de prediccin de la variable.

Como se nota para un tiempo de retorno menor se presenta una variable menor as
tenemos por ejemplo para un Tr = 199 aos se tiene 1199 mm de PP y para un Tr =3 aos una
variable de 899 mm de PP

Segn el sesgo =0.95 se trata de una curva sesgada hacia la derecha y segn la kurtosis
=3.45 se trata de una curva Lepticurtica

Recomendaciones
Debe manejarse con bastante cuidado los datos hidrolgicos y realizar una
correcta simulacin del modelo ya que una alteracin producira variacin en las caractersticas
de la muestra poblacional y por ende la mala ejecucin de una obra para la cual estaban
destinados.

VI. BIBLIOGRAFIA
01. Ven Te Chow

Hidrologia Aplicada, Edit. Martha, 1994 Santa Fe de Bogota Colombia

02. Oswaldo Ortiz Vera

Hidrologia de Superficie, Cajamarca-Per, 1994.

03. apuntes de clase