UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERA CIVIL

Distribucin Log - Normal

AO DE LA DIVERSIFICACIN PRODUCTIVA Y EL FORTALECIMIENTO DE LA EDUCACIN

CURSO

: HIDROLOGA

DOCENTE

: ING. ING. LUNA LOAYZA CARLOS

INTEGRANTES

: AGUILAR PARAVICINO, HUGO

NEIRA ATAMARI, RONALD SAUL
PREZ SAIRE, SOLANCE FERNANDA
ROMAN OJEDA, CESAR AARN
VARGAS MEZA, PAUL GERARDO

CUSCO PER
2015

NDICE

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

1.0.- INTRODUCCION
2.0.- OBJETIVOS
3.0.- DESARROLLO
3.1.- DISTRIBUCION LOG-NORMAL
3.2.- COMPORTAMIENTO DE LAS PRECIPITACIONES EN EL SECTOR DEL
LAGO TITICACA (BOLIVIA) DURANTE "EL FENMENO EL NIO"
3.3.- ANLISIS LOCAL (CONSIDERA LA VARIACIN ESPACIAL DE LA
PRECIPITACIN EN EL LAGO)
4.0.- EJEMPLO
4.1.-EJEMPLO EN CAUDALES

5.0.- CONCLUSIONES
6.0.- BIBLIOGRAFIA

1. INTRODUCCION

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

En la actualidad la aplicacin de los intervalos tienden a ser frecuentes en especial en el

anlisis referido a nuestros temas como en los caudales mnimos y mximos.

La distribucin logartmica normal que comnmente se utiliza para modelar la vida de las
unidades cuyos modos de la falla son de una naturaleza a la fatiga del estrs, la
distribucin logartmica normal puede tener la aplicacin generalizada.

Una variable aleatoria que se distribuye log normal si el logaritmo de la variable aleatoria
tiene una distribucin normal. debido a esto, hay muchas similitudes matemticas entre
las dos distribuciones.

2. Objetivos

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

Exponer la teora y los conceptos que se involucran en la distribucin logartmica

normal

Analizar los diversos teoremas relacionados de la distribucin logartmica normal

Dar una explicacin consistente a las caractersticas relacionadas a la

distribucin logartmica normal

Comprender la distribucin en el tema a tratar

3. DESARROLLO

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

3.1. DISTRIBUCION LOG-NORMAL

Se trata de la densidad de probabilidad de una variable log x distribuida segn

funcin normal:
X = N(,)

Y = eX

Con este cambio de variable quedar

Funcin de distribucin: G(y) = P(Yy) = P(eX y) = P(Xlog y) = F(log y)
Funcin de densidad

: g(y) = G(y) = F(log y) * (1/y)

Tambin es conocida como Ley de Galton-Mac. Aliester o ley del efecto

proporcional, segn Calot (1988).
Los parmetros principales que la caracterizan son:
Parmetros

Soporte

pdf

cdf

Media

Mediana

una

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA
Moda

Varianza

Asimetra

Curtose

Entropa

A continuacin se muestran unos grficos de la funcin de distribucin y de la funcin

de densidad:
Funcin de densidad

Funcin de distribucin

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

Puede comprobarse que la mediana est comprendida entre la moda y la media

y ms cerca de la media que la moda, en particular, puede comprobarse que la
mediana est casi dos veces ms cerca de la media que de la moda.
La distribucin log-normal es una probabilidad frecuentemente utilizada para
expresar el comportamiento de observaciones con asimetra positiva, en donde la
mayora de los valores ocurren en las proximidades de un valor mnimo.
Segn Cabrera (1998), una condicin para la validez de que una variable se
distribuya Lognormal es que x sea la resultante de un nmero elevado de causas
independientes con efectos positivos, que se componen de manera multiplicativa y
cada una de estas causas tiene un efecto despreciable frente al global.
Esta distribucin es caracterstica en conjuntos de datos donde existe mayor
frecuencia de valores pequeos, por lo cual la media se desplaza hacia la derecha y
esto hace que el mejor estadgrafo de posicin sea la moda y no la media aritmtica
(Conferencia UNACH, 1995). Esta consideracin se valora, pero no se comparte en
lo referente a la valoracin del centro de los datos por considerarse que el mismo
puede hallarse con ms exactitud en el valor de la mediana, la cual se conoce no es
influida por valores extremos, lo cual no ocurre con la moda. Tambin se considera
que otra medida de posicin vlida para esta distribucin es la media geomtrica
(Pea, 1994).

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

3.2. COMPORTAMIENTO DE LAS PRECIPITACIONES EN EL SECTOR DEL

LAGO TITICACA (BOLIVIA) DURANTE "EL FENMENO EL NIO"
El fenmeno "El Nio" afecta significativamente a todo el Territorio Boliviano,
con sequas en diferentes regiones del Altiplano del que no escapa el Sector del
lago Titicaca, an teniendo en cuenta el comportamiento termorregulador del
gran volumen de agua del Lago.
Para el anlisis de el NIO se utilizaron datos del periodo hmedo de octubre a
marzo porque en este periodo es donde se presenta dicho fenmeno con mayor
intensidad.
El mtodo empleado, considera la variacin espacial de la precipitacin, esto se
hizo con el afn de hallar las probabilidades de precipitacin en forma local.
Para el ajuste de los datos a una funcin de distribucin adecuada se hizo el test
de Kolmogorov y Smirnov el cual nos da el nivel de significacin para el ajuste a una
determinada funcin de distribucin.
Las funciones de distribucin que mejor se ajustaron fueron GAMMA,
LOGNORMAL Y NORMAL en todos los casos.
NIOS QUE SE TOMARON PARA EL ANLISIS
Para el anlisis del fenmeno se utilizaron datos pluviomtricos en los que
ocurrieron los ENOS 1972/73, 1976/77, 1982/83, 1986/87 y 1991/92; de los cuales el
ms intenso fue el de 1982/83.
3.3. ANLISIS LOCAL (CONSIDERA LA VARIACIN ESPACIAL DE LA
PRECIPITACIN EN EL LAGO)
Para esta anlisis se tom la precipitacin acumulada del periodo hmedo
(octubre a marzo) de cada estacin considerando la variacin espacial de la
precipitacin en el lago.
Se hizo el ajuste a unA funcin de distribucin, siendo estas la NORMAL,
LOGNORMAL Y GAMA.
Las precipitaciones de COPACABANA se ajustaron a la funcin NORMAL por
tener esta el mayor nivel de significacin; en donde la probabilidad al 35% de la
precipitacin acumulada de octubre a marzo no sobrepasara los 528.1 mm., al 50%
no superara los 596.2 mm, al 65% no seria mayor a los 664.3 mm y al 80% la
precipitacin acumulada no estara por encima de los 754 mm.

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

EL BELN se ajust a la funcin LOG NORMAL por tener esta el mayor nivel de
significacin; la probabilidad al 50% la precipitacin acumulada de octubre a marzo
no sobrepasara los 357.1 mm.
HUARINA se ajust a la funcin LOG NORMAL; haciendo la probabilidad al 50%
la precipitacin no superara los 390 mm

ESTACION

OCT

NOV

DIC

ENE

FEB

MAR

TOTAL

COPACABANA

44,4

67,6

116,2

191,0

133,2

113,8

666,3

EL BELEN

33,9

41,7

82,1

96,1

74,4

61,2

389,4

HUARINA

40,5

55,7

83,2

120,9

89,6

97,9

487,9

PUERTO ACOSTA

52,7

50,1

115,8

146,7

133,3

82,9

581,5

DESAGUADERO

32,1

60,2

96,1

178,7

138,5

129,1

634,7

GUAQUI

31,9

53,8

71,7

142,3

79,3

87,4

466,4

Precipitaciones medias de la poca hmeda

EJEMPLOS

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

EJEMPLO 1
En un ro se tienen 30 aos de registros de Qmximos instantneos anuales con x= 15
m3/s, S = 5 m3/s (media y desviacin estndar para los datos originales). xy=2.655, sy
= 0.324 (media y desviacin estndar de los datos transformados). Encontrar el caudal
para un periodo de retorno de 100 aos y los limites de confianza para un = 5%.
Calcular la probabilidad de que un caudal de 42.5 m3/s no sea igualado o excedido
P(Q 4.25).
Solucin:
n=30
x= 15 m3/s
s = 5 m3/s

xy=2.655
sy = 0.324

En el campo original

ln(1 Cv 2 )
Exp K * ( Ln(1 Cv ))
1
2

Kt
Cv

Cv

s
x

1
2

= 5/15 = 0.33

K = F-1(1-1/Tr) = F-1(1-1/100) = F-1(0.99)

de la tabla de la normal se obtiene KT=2.33
1

2 2
Exp 2.33 * ( Ln(1 0.33 ))

KT
0.33

ln( 1 0.332 )
1
2

KT = 3.06
QTr = 15 + 5 * 3.028
QTr = 30.14 m3/s
En el campo transformado se tiene que:
LnQTr100 = 2.655 + 2.33*0.324

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

LnQTr100 = 3.40992
QTr100 = Exp (3.40992)
Q Tr100 = 30.26 m3/s
Limites de confianza
Ln (QTr) t(1-) Se
Se

( S y )

K
1 T
2
n

2.33
1

1
2

1
2

= 1.93
Se

193
. 0.324
30

011
.

t(1-) = t(0.95) = 1.645 (Ledo de la tabla de la normal)

Ln(30.28) (1.645 ) (0.11)
3.41 0.18095
[3.22905
3.59095]
[e3.22905
[25.26

e3.59095]
36.29]

Intervalos de confianza para QTr100

b) Calcular la probabilidad de que un caudal de 45 m3/s no se igualado o excedido P(Q

4.25).
Ln(42.5) = 3.75
t = (3.75 - 2.655)/0.324
F(3.38) = 0.9996 Ledo de la tabla de la normal

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

P(Q 4.25) = 99.9%

CONCLUSIONES

Esta distribucin es apropiada cuando los tiempos de falla son el resultado de

muchos efectos pequeos que actan de manera multiplicativa. Esto hace que al
sacar el logaritmo de dichos efectos acten como de manera aditiva sobre el
logaritmo del efecto global o logaritmo del tiempo de falla, se aplica a procesos de
degradacin por ejemplo de fatiga de metales y de aislantes elctricos.

La distribucin log normal es un modelo comn para los tiempos de la falla, se

justifica para una variable aleatoria obtenida como el producto de un nmero
variables aleatorias positivas, independientes e idnticamente distribuidas. Se
puede aplicar como modelo del tiempo de falla causado por un proceso de
degradacin con tazas aleatorias que se combinan multiplicativamente.

La distribucin log normal se relaciona con la normal ya que si T sigue una

distribucin log normal, su logaritmo sigue una distribucin normal. O si T tiene
una distribucin normal, Y=exp (T) sigue una distribucin log normal.

UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA Y ARQUITECTURA

HIDROLOGA

BIBLIOGRAFIA

4. Oberto R., Livia R.(2003) PROBLEMARIO DE HIDROLOGIA APLICADA A LA

INGENIERIA CIVIL, UCLA, Barquisimeto.
5. Sandoval P. Distribucin Log Normal, Pareto y Gamma, Universidad Distrital
Francisco

Jose

de

Caldas

(acceso

13

de

diciembre

2015).http://es.slideshare.net/peadsaar/distribucion-log-normal
6. Espejo M., Fernandez P. Estadistica Descriptiva y Probabilidad (acceso 13 de
diciembre 2015). http://knuth.uca.es/repos/l_edyp/pdf/febrero06/lib_edyp.c6.pdf
7. Fernando S. Introduccion a la teora de probabilidades (acceso 13 de diciembre
2015).http://www.virtual.unal.edu.co/cursos/sedes/manizales/4030011/lecciones/c
ap3/cap_3_pag_15.html