Tercerinformede Hidrologia PDF

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO FACULTAD DE INGENIERIA CIVIL
MODELOS PROBABILSTICOS EN LA HIDROLOGIA
INDICE
I. INTRODUCCIN .................................................................................................................... 3
II. OBJETIVOS: ........................................................................................................................... 4
2.1. Objetivo general: .......................................................................................................... 4
2.2. Objetivos secundarios................................................................................................... 4
III. ANTECEDENTES: ............................................................................................................... 4
IV. JUSTIFICACIN: ................................................................................................................. 4
V. REVICION BIBLIOGRAFICA. ................................................................................................... 5
VI. MATERIALES ................................................................................................................... 20
VII. METODOLOGA ............................................................................................................... 20
7.1. PROCEDIMIENTO A SEGUIR ........................................................................................ 20
7.1.1. Para la distribucin de frecuencias ..................................................................... 20
7.1.2. Tendencia central ................................................................................................ 20
7.1.3. Medidas de dispersin ........................................................................................ 21
VIII. CALCULOS Y RESULTADOS .............................................................................................. 21
8.1. Balsas. ......................................................................................................................... 21
8.1.1. Ordenamos los datos de las balsas de mayor a menor ....................................... 21
8.1.2. ESTIMACIN DE LOS PARMETROS DE LA DISTRIBUCIONES .............................. 23
8.1.3. CALCULAR DISTRIBUCIN DE FRECUENCIAS ....................................................... 23
8.1.4. SELECCIN DEL MODELO PROBABILSTICO ADECUADO GRFICAMENTE .......... 26
8.2. Cedros ......................................................................................................................... 27
8.2.1. Ordenamos los datos de los cedros de mayor a menor...................................... 27
ING. Abelardo Manrique Daz Salas-fIC Pgina 1

8.2.3. CALCULAR DISTRIBUCIN DE FRECUENCIAS: ...................................................... 29

8.3. Colcas .......................................................................................................................... 32
8.3.1. Ordenamos los datos de las colcas de mayor a menor ....................................... 32
8.3.3. CALCULAR DISTRIBUCIN DE FRECUENCIAS: ...................................................... 34
8.4. CALCULO DEL TIEMPO DE RETORNO DE 10, 20, 50 Y 100 AOS................................ 37
8.4.1. Balsas ................................................................................................................... 37
8.4.2. Cedros .................................................................................................................. 38
8.4.3. Colcas. (Gumbel).................................................................................................. 39
10. CONCLUSIONES .............................................................................................................. 41
11. RECOMENDACIONES: ..................................................................................................... 42
12. BIBLIOGRAFIA ................................................................................................................. 43

I. INTRODUCCIN
El siguiente informe trata sobre los modelos estadsticos aplicados a la hidrologa a
las balsas, cedros y colcas estudiadas en el segundo informe, estos modelos pueden
ser discretas o continuas, Sabemos que la hidrologa y la estadstica van de la mano,
ya que sin la estadstica no podramos deducir la precipitacin anual, determinar el
volumen o caudal promedio de los ros,
CON EL SIGUIENTE INFORME aprenderemos a tomar el modelo estadstico adecuado
para el clculo de descargas en colcas, balsas y cedros, el cual nos garantizara en
minimizar los errores
Por tanto, la Meteorologa y su estadstica aplicada se utilizan para extrapolar donde
los aforos no pueden alcanzar, o para ampliar la extensin de las series, puesto que
normalmente es ms antigua la estadstica meteorolgica que la de aforos. La
recopilacin de datos hidrolgicos, y su ordenamiento estadstico, tienen como fin
prctico su aplicacin para dimensionar, con el mayor acierto posible, las obras que
han de utilizar los recursos hdricos (embalses, presas, captaciones, obras de
conduccin, centrales hidroelctricas, etc.) y prever el rgimen de explotacin, de
manera que se obtenga el mayor beneficio posible de las instalaciones construidas.

II. OBJETIVOS:
2.1. Objetivo general:
Seleccin del modelo probabilstico adecuado para las descargas de balsas,
cedros y colcas del informe 2
2.2. Objetivos secundarios:
Realizar la tabulacin por intervalos de clase, clculo de frecuencias y los valores

para cada modelo estadstico y graficarlo.
estimar los parmetros mediante los mtodos grficos.
Desarrollar la prueba de bondad de ajuste dentro de las cuales se completan al
ajuste grfico.
Realizar los tiempos de retorno de: 10, 20, 50 Y 100 aos aos para cada estacin.
III. ANTECEDENTES:
Se utilizarn los datos de descargas del segundo informe de Balsas, cedros y colcas,
corregidas y con sus frecuencias calculadas.
IV. JUSTIFICACIN:
Este trabajo es importante, pues nos ayudara a entender las probabilidades y
estadstica aplicada a la hidrologa con el fin de poder estimar parmetros
hidrolgicos que nos servirn para conocer las descargas en colcas, balsas y cedros;
y de esta manera hacer un buen estudio hidrolgico calculando las probabilidades
de que precipitacin exceda al establecido, precipitacin que se registrara para un
periodo de retorno 10, 20, 50 Y 100 aos.

V. REVICION BIBLIOGRAFICA.
5.1. POBLACIN:
Se denomina a un conjunto de elementos (que consiste de personas, objetos, etc.).

Que contienen una o ms caractersticas observables de naturaleza cualitativa y
cuantitativa que se pueden medir en ellos.
5.2. MUESTRA.
Se denomina muestra a una parte de la poblacin seleccionada de acuerdo con un

plan o regla, con el fin de obtener informacin acerca de la poblacin de la cual
proviene.
5.3. POLIGONO DE FRECUENCIA.
Es la representacin grfica de las frecuencias, se obtiene uniendo con lneas rectas,

los puntos formados por las marcas de clase versus la frecuencia absoluta o relativa.
Para q el polgono alcance al eje horizontal, a ambos lados de la distribucin, se le
agrega un intervalo de clase con frecuencia igual cero.
En forma prctica, un polgono de frecuencia se obtiene, uniendo con lneas rectas

los puntos medios de todas las barras de un histograma.
ESTADISTICA Y PROBABILIDADES, C Aarn Estuardo Morales pg. 6-17

Hidrologa Urbana Manuel Gmez Valentn pg. 360

5.4. MEDIDAS DE POSICIN

5.4.1. MEDIA:
La media de un conjunto N de datos numricos X1, X2,..., XN est representada por

y definida por:

=1
= . (1)

5.4.2. MEDIANA:
Es un valor nico de un conjunto de datos que mide al elemento central en los datos.
Este nico elemento de los datos ordenados, es el ms cercano a la mitad, o el ms
central en el conjunto de nmeros. La mitad de los elementos quedan por encima
de ese punto, y la otra mitad por debajo de l.
5.4.3. MODA:
Es aquel valor que se repite ms frecuentemente en un conjunto de datos, se denota

por Mo.
ESTADISTICA Y PROBABILIDADES, C Aarn Estuardo Morales pg. 34; 38 y 40

5.5. MEDIDAS DE DISPERSIN

5.5.1. DESVIACIN MEDIA
Es la media aritmtica de los valores absolutos de las desviaciones de los datos con
respecto a una medida de tendencia central.
. (4)
Si el estadgrafo es la media, se tiene:
Para datos no clasificados
.. (5)
Para datos clasificados
.. (6)
La desviacin media es una medida de dispersin fcil de calcular y se ve afectada

en menor medida por los valores extremos que la desviacin estndar y se una a
menudo cuando se dispone de muestras pequeas que incluye valores extremos o
cuando la distribucin es muy asimtrica
PROBABILIDAD Y ESTADSTICA Ing. M.Sc. Wilson Trujillo Aranibar pag. 92

5.5.2. DESVIACIN ESTNDAR Y VARIANZA.
Miden el grado de dispersin de los datos numricos en torno de un valor medio.
La Desviacin Estndar de un conjunto de datos X1,..., Xn est definida por:
.. (7)
La Variancia es el cuadrado de la desviacin estndar: =
PROBABILIDAD Y ESTADSTICA Ing. M.Sc. Wilson Trujillo Aranibar pag. 120 y 130

La frmula de la varianza ser:
. (9)
5.5.3. COVARIANZA.
Es una medida que permite determinar qu tan independiente es una variable

aleatoria de otra, es decir, el grado de independencia de dos variables aleatorias.
(10)
PROBABILIDAD Y ESTADSTICA Ing. M.Sc. Wilson Trujillo Aranibar pag. 120 y 130

5.6. COEFICIENTE DE CORRELACIN.
Es el estadstico que permite medir el grado de asociacin de dos variables

linealmente relacionadas.
Para el caso de una poblacin se define como:

R=r .(11)
5.7. COEFICIENTE DE VARIACIN.
Es una medida de dispersin y se define como el cociente entre la desviacin

estndar y la media.
5.8. MOMENTOS MUSTRALES, MEDIDAS DE ASIMETRA Y CURTOSIS
Para evaluar el tipo de una curva de una distribucin de frecuencias y para

comparar las distribuciones, es necesario calcular cuatro valores a partir de la
muestra:
Promedio
Desviacin estndar
Coeficiente de asimetra
Coeficiente de curtosis
Existen varias clases de descriptores aritmticos, siendo los momentos el

mtodo adecuado para calcular los estadgrafos; es decir con el clculo de
momentos se determinan los estadgrafos o estadsticos.
PROBABILIDAD Y ESTADSTICA Ing. M.Sc. Wilson Trujillo Aranibar pag 133

5.8.1. medida de asimetra
La asimetra es una muestra de mide mediante el coeficiente de asimetra,

para el clculo del coeficiente de asimetra se emplea el tercer momento con
respecto a la media y para que este coeficiente no tenga dimensiones el
tercer momento se divide entre la desviacin estndar elevado a la potencia
3 El coeficiente de asimetra sesgo de una muestra se calcula mediante las
siguientes ecuaciones:
Para datos agrupados
El sesgo del polgono de frecuencias se aprecia trazando una vertical por la moda
donde se diferencia la cola del polgono de frecuencias.
Es importante indicar que los tres nmeros son suficientes para tener una idea de la
forma del histograma.
Abelardo Manrique Daz Salas; MODELO PROBABILISTICO Y REGIONAL DE LAS DESCARGAS MAXIMAS
INSTANTANEAS DEL RIO SANTA EN LA REGION ANCASH- Huaraz 2011

5.8.2. Medida de apuntamiento
El grado apuntamiento del polgono de frecuencias (forma puntiaguda del polgono

de frecuencias) se mide mediante el coeficiente de curtosis. Para el clculo del
coeficiente de curtosis se emplea el cuarto momento con respecto a la media y para
que este coeficiente no tenga dimensiones el cuarto momento se divide entre la
desviacin estndar elevado a la potencia 4. El coeficiente de curtosis de una
muestra se calcula mediante las siguientes ecusiones:
2 4
=
( 1)( 2)( 3) 4
Para datos agrupados

1
4 = ( )4

=1
Para datos no agrupados

1
4 = ( )

=1
S Ck>3 es una distribucin leptocrtica, picuda o puntiaguda.
S Ck=3 es una distribucin mesocrtica o moderada (curva normal)
S Ck<3 es una distribucin platicrtica, achatada o plana.

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO
MODELOS PROBABILSTICOS EN LA HIDROLOGA
5.9. DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS.

5.9.1. DISTRIBUCION NORMAL
La distribucin normal es una distribucin simtrica en forma de campana,

tambin conocida como Campana de Gauss. Aunque muchas veces no se ajusta
a los datos hidrolgicos tiene amplia aplicacin por ejemplo a los datos
transformados que siguen la distribucin normal.
5.9.2. FUNCIN DE DENSIDAD:
La funcin de densidad est dada por:
(19)
Los dos parmetros de la distribucin son la media y desviacin estndar para

los cuales (media) y S (desviacin estndar) son derivados de los datos.
5.9.2.1. ESTIMACIN DE PARMETROS:
5.9.3. DISTRIBUCION DE GUMBEL.
ING. Abelardo Manrique Daz Salas Fic Pgina 13

Este modelo suele utilizarse para variables que describen el tiempo hasta que se
produce un determinado suceso; la funcin densidad del modelo probabilstico
exponencial est dado por:
5.9.3.1. FUNCIN DE DENSIDAD:
...(32)
En donde y son los parmetros de la distribucin.
5.9.3.2. ESTIMACIN DE PARMETROS
.. (33)
Donde y son la media y la desviacin estndar estimadas con la muestra.
5.9.3.3. FACTOR DE FRECUENCIA:
. (34)
Donde Tr es el periodo de retorno.
5.9.3.4. LIMITES DE CONFIANZA
.. (35)
(36)

KT es el factor de frecuencia y t (1- ) es la variable normal estandarizada para una

probabilidad de no excedencia de 1- .
5.9.4. DISTRIBUCIN EXPONENCIAL

5.9.4.1. FUNCIN DE DENSIDAD
. (37)
=parmetro de distribucin exponencial
5.9.4.2. ESTIMACIN DE PARMETROS
. (38)
5.10. AJUSTE DE DISTRIBUCIONES.
Para la modelacin de caudales mximos se utilizan, entre otras, las distribuciones

Normal, Gumbel, y exponencial principalmente. Para seleccionar la distribucin de
probabilidades de la serie histrica se deben tener en cuenta algunas
consideraciones.
Cuando en la serie histrica se observan es necesario verificar la sensibilidad del

ajuste debido a la presencia de estos.
Las distribuciones de dos parmetros fijan el valor del coeficiente de asimetra, lo

que en algunos casos puede no ser recomendable. La distribucin Log Normal de
dos parmetros slo es recomendable s el coeficiente de asimetra es cercano a
cero. Las distribuciones Gumbel y Log Gumbel son recomendables si el coeficiente
de asimetra de los eventos registrados es cercano a 1.13

Para ajustar distribuciones de tres parmetros (Log Normal) se requiere estimar el

coeficiente de asimetra de la distribucin; para ello es necesario disponer de una
serie con longitud de registros larga, mayor de 50 aos. Las distribuciones de dos
parmetros son usualmente preferidas cuando se dispone de pocos datos, porque
reducen la varianza de la muestra.
Para seleccionar la distribucin de probabilidades adecuada se debe tratar

de utilizar informacin adicional del proceso hidrolgico que permita
identificar la forma en que se distribuye la variable. Usualmente es muy
difcil determinar las propiedades fsicas de los procesos hidrolgicos para
identificar el tipo de distribucin de probabilidad que es aplicable.
no existe consistencia sobre cul es la distribucin que mejor se ajusta a los

caudales mximos y recomiendan seleccionar el mejor ajuste a criterio del
modelador con la prueba de ajuste grfico o basado en el comportamiento
de las pruebas estadsticas de bondad del ajuste (por ejemplo Chi Cuadrado),
en las que se calcula un estimador y se compara con un valor tabulado para
determinar si el ajuste es adecuado o no. En la prueba de ajuste grfica se
dibujan los valores registrados en la serie contra la distribucin terica de
probabilidades y de manera visual (subjetiva) se determina si el ajuste es
adecuado o no.
Cuando la informacin es adecuada el anlisis de frecuencia es la metodologa ms

recomendable para la evaluacin de eventos extremos, ya que la estimacin
depende solamente de los caudales mximos anuales que han ocurrido en la cuenca
y no da cuenta de los procesos de transformacin de la precipitacin en escorrenta.
Obviamente tiene algunas limitaciones relacionadas con el comportamiento de la
serie histrica y con el tamao y calidad de los datos de la muestra.

Cuando se presenten cambios o tendencias en la serie histrica se deben utilizar

tcnicas estadsticas que permitan removerlos para poder realizar el anlisis de
frecuencias.
La seleccin inadecuada de la distribucin de probabilidades de la serie

histrica arrojar resultados de confiabilidad dudosa.
El tamao de la muestra influye directamente en la confiabilidad de los resultados,

as a mayor perodo de retorno del estimativo mayor longitud de registros necesaria
para mejor confiabilidad en los resultados.
PROBABILIDAD Y ESTADSTICA Ing. M.Sc. Wilson Trujillo Aranibar pag. 233-250

Estadistica descriptiva e inferencial pag 105-108
(Ashkar, et al. 1994)
(Kite, 1988)
Mamdouh, 1993

5.11. PRUEBAS DE AJUSTE
Para la evaluacin de probabilidades se han propuesto una serie de pruebas estadsticas

que determinan si es adecuado el ajuste. Estos son anlisis estadsticos y como tal se
deben entender, es decir, no se puede ignorar el significado fsico de los ajustes.
Tipos de pruebas de ajuste de bondad
Ajuste grfico
Ajuste Estadstico
Sirnov-Kolmogorov.
5.12. PERIODO DE RETORNO
El periodo de retorno es el nmero de aos que en promedio se presenta una variable

hidrolgica externa (evento extremo) igual o superior a cierto valor. El periodo de
retorno se denomina tambin tiempo de retorno, intervalo de recurrencia.
5.12.1. RELACIN ENTRE EL PERIODO DE RETORNO Y LA PROBABILIDAD
Sea X una variable aleatoria, la probabilidad de igualar o exder a un valor

determinado x se puede expresar matemticamente mediante la siguiente
ecuacin:
( ) = (39)
Para cada observacin o experimento existen dos posibilidades (proceso Bernoulli)
(falla), su probabilidad es P
(falla), su probabilidad es 1-P

5.12.2. RELACIONES ENTRE EL PERIODO DE RETORNO Y LA FUNCIN DE

DISTRIBUCIN ACUMULADA
Las ecuaciones de la distribucin acumulada F(x) se presentan mediante la siguiente

ecuacin

() = ( < ) = ()(39)
1
() = 1 .(40)
ABELARDO, 2010
MATERIAL DE APOYO DIDCTICO PARA LA ENSEANZA Y APRENDIZAJE DE LA ASIGNATURA DE
HIDROLOGIA CIV-233 (Ing. M.Sc. Helmer Rodrguez Soriano) [Pag. 246- 280]. UNIVERSIDAD MAYOR
DE SAN SIMN FACULTAD DE CIENCIAS Y TECNOLOGA-CARRERA DE INGENIERA CIVIL

VI. MATERIALES
Para el desarrollo del siguiente informe se tuvo que recurrir a las descargas
analizadas en el segundo informe de colcas, cedros y balsas.
VII. METODOLOGA
7.1. PROCEDIMIENTO A SEGUIR

7.1.1. Para la distribucin de frecuencias:
Obtencin de los limites como son el mximo y el mnimo y acomodarlos en forma

descendente.
Obtener el rango de variacin: R=Ls-Li
Calculo del nmero de intervalos de clase, segn la siguiente frmula:

K= 1+1.33Ln(n), y aproximndolo a un nmero entero.
Calculo del intervalo de clase:
Calculo de la distribucin de incremento: =R-R

Procedemos a llenar el cuadro de distribucin de frecuencias que detallamos en la
parte de clculos.
Calculamos las medidas descriptivas, utilizando las siguientes formulas.
7.1.2. Tendencia central

Se calcul la media con la ecuacin numero 1
7.1.3. Medidas de dispersin
Se calcularon:
Varianza con la ecuacin nmero 7
Desviacin estndar con la ecuacin nmero 8
Coeficiente de variacin con la ecuacin nmero 9
7.1.4. Medidas de asimetra
Coeficiente de Asimetra
Con los datos (promedios anuales) se hace un proceso estadstico para determinar,
las medidas de distribucin tales como la media aritmtica, la mediana, la moda, la
desviacin estndar y varianza.
Luego hacemos una aproximacin a las distribuciones tericas ms utilizadas en

hidrolgica tales como la normal, Exponencial y Gumbel. En este proceso
determinamos si el ajuste es bueno con la prueba de bondad de ajuste.
VIII. CALCULOS Y RESULTADOS

8.1. Balsas.
8.1.1. Ordenamos los datos de las balsas de mayor a menor

AOS Qm ORDENANDO
1954 88,013 144,447

1955 106,601 129,883
1956 90,644 128,169
1957 87,038 121,626

1958 84,279 120,346

1959 80,422 118,691
1960 113,656 116,488
1961 89,583 113,029
1962 112,575 111,962
1963 101,001 109,807
1964 88,536 105,958
1965 76,942 105,695
1966 82,486 102,095
1967 108,451 99,180
1968 62,183 98,605
1969 80,735 95,327
1970 98,575 94,389
1971 98,409 93,548
1972 102,359 93,376
1973 105,213 93,004
1974 107,644 93,004
1975 89,677 91,841
1976 70,876 91,692
1977 82,123 91,203
1978 68,864 90,031
1979 83,175 89,202

1980 64,008 87,656
1981 69,763 86,629
1982 65,286 86,407
1983 78,902 85,500
1984 99,512 83,278
1985 73,299 81,527
1986 83,539 80,688
1987 87,263 80,433
1988 79,693 79,857
1989 89,979 79,678

1990 63,205 78,295

1991 69,138 77,656
1992 50,148 77,159
1993 98,195 74,747
1994 107,081 74,688
1995 77,055 71,638
1996 87,730 70,948
1997 74,861 62,718
1998 179,808 62,015
1999 112,618 60,248
2000 129,964 58,823
2001 107,993 53,146
2002 101,882 51,118
2003 88,083 48,224
8.1.2. ESTIMACIN DE LOS PARMETROS DE LA DISTRIBUCIONES

Para la asimetra g se us la ecuacin nmero 13 y m3 con la ecuacin nmero (15)
m3 = 2372,3244
g = 0,2661
Como g es mayor que 0 es una distribucin sesgada ala DERECHA.
Para el clculo de la curtosis Ck se us la ecuacin nmero 16 y para el m4 el

numero 18
m4 = 557378,0045
Ck = 3,1432
8.1.3. CALCULAR DISTRIBUCIN DE FRECUENCIAS:

OBTENCIN DE LOS LIMITES
Lmite inferior = 48,224

Lmite superior = 144,447
CALCULO DE RANGO DE VARIACIN

R = 144.447-48.224=96.223
R = 96.223
CALCULO DEL NUMERO DE INTERVALOS DE CLASE
K=7
OBTENCIN DEL TAMAO DE LOS INTERVALOS DE CLASE
C= 13.7461
PROMEDIO 89,91
Sx 21,161
g= 0,266
Xmax 144,447
Xmin 48,224
RANGO 96,22
n 50
K 7,00
x= 13,746

FUNCIO
FUNCIO FUNCION
NUMERO FRECUENC FRECUENC N Funcio
FRECUEN N DE =Xpro
DE MARC FRECUEN IA IA DENSID n
INTERVALO DE CIA DENSID DENSIDAD 1/(S*(2*PI)^ exponen m-
INTERVA A DE CIA ABSOLUTA RELATIVA AD dencid =1/Xprome =raiz(6
CLASE ABSOLUT AD TEORICA 0.5) te 0.5772*
LO DE CLASE RELATIVA ACUMULA ACUMULA TEORICA ad dio )/*S
A EMPRIC EXPONENC
CLASE K DA DA NORMA Gubel
A IAL
L
1 2 MC 4 fr 6 7 fe fx- fx - fx-
normal exponencia Gumbe
l l
48,22 61,97 0,0027
1 4 - 0 55,10 5 0,1 5 0,1 0,0073 0,0049 0,0060 3 0,0189 -1,353 0,011 16,49 80,390
61,97 75,71 0,0162
2 0 - 6 68,84 6 0,12 11 0,22 0,0087 0,0115 0,0052 9 0,0189 -0,495 0,011 16,49 80,390
75,71 89,46 0,0221
3 6 - 3 82,59 14 0,28 25 0,5 0,0204 0,0178 0,0044 0 0,0189 -0,059 0,011 16,49 80,390
89,46 103,2 0,0157
4 3 - 09 96,34 13 0,26 38 0,76 0,0189 0,0180 0,0038 6 0,0189 -0,046 0,011 16,49 80,390
103,2 116,9 110,0 0,0084
5 09 - 55 8 6 0,12 44 0,88 0,0087 0,0120 0,0033 9 0,0189 -0,454 0,011 16,49 80,390
116,9 130,7 123,8 0,0040
6 55 - 01 3 5 0,1 49 0,98 0,0073 0,0052 0,0028 5 0,0189 -1,284 0,011 16,49 80,39
130,7 144,4 137,5 0,0018
7 01 - 47 7 1 0,02 50 1 0,0015 0,0015 0,0024 3 0,0189 -2,536 0,011 16,49 80,390
TOTAL 50 1,000

Ttulo del grfico

fx-normal fx - exponencial Gumbel
0,0250
0,0200
0,0150
0,0100
0,0050
0,0000
0,00 20,00 40,00 60,00 80,00 100,00 120,00 140,00 160,00
8.1.4. SELECCIN DEL MODELO PROBABILSTICO ADECUADO GRFICAMENTE

Mediante el mtodo grafico se puede observar que el modelo apropiado es el de la distribucin
normal, ya que es la que se aproxima mejor a la campana de gauss.
8.1.5. Seleccin por el mtodo de desviacin:
Normal Exponencial Gumbel

Desviacin Estndar 0,006477 0,01303 0,0079189
Mediante el mtodo De desviacin estndar podemos observar que la que tiene menor
desviacin en la normal, por lo que el modelo probabilstico adecuado es la distribucin estndar
normal.

8.2. Cedros
8.2.1. Ordenamos los datos de los cedros de mayor a menor

AOS Qm ORDENANDO
1954 3,150 4,49
1955 3,040 4,16
1956 2,660 4,11
1957 3,360 4,10
1958 3,800 4,10
1959 3,620 4,05
1960 3,330 3,83
1961 4,100 3,82
1962 4,100 3,82
1963 3,720 3,80
1964 3,470 3,75
1965 3,400 3,73
1966 3,680 3,72
1967 4,160 3,72
1968 2,840 3,68
1969 3,750 3,67
1970 3,720 3,65
1971 3,830 3,64
1972 4,050 3,64
1973 4,110 3,62
1974 3,580 3,56
1975 3,270 3,58
1976 2,730 3,55
1977 3,550 3,54
1978 3,340 3,47
1979 3,540 3,47
1980 3,400 3,46
1981 3,460 3,40
1982 3,350 3,40
1983 2,940 3,36

1984 3,640 3,35

1985 2,570 3,34
1986 3,060 3,33
1987 3,270 3,27
1988 3,820 3,27
1989 3,650 3,15
1990 2,900 3,06
1991 3,470 3,04
1992 2,640 2,94
1993 4,490 2,90
1994 3,640 2,84
1995 3,670 2,83
1996 3,820 2,83
1997 2,830 2,66
1998 2,830 2,64
1999 3,560 2,61
2000 2,570 2,57
2001 2,610 2,57
2002 2,090 2,09
2003 1,420 1,42

Para la asimetra g se us la ecuacin nmero 13 y m3 con la ecuacin nmero 15
m3 = -0,1687
g = -0,9795
Como g 0 es una distribucin sesgada ala izquierda

numero 18
m4 = 0,4515
Ck = 4,9097


Lmite inferior = 4.49

Lmite superior = 1.42
R = 4.49 1.42
R = 3.07
K=7
C= 0.4385
PROMEDIO 3,37
Sx 0,568
g= -0,979
Xmax 4,49
Xmin 1,42
RANGO 3,07
n 50
K 7,00
x= 0,439

NUMERO INTERVALO DE MARCA FRECUENCIA FRECUENCIA FRECUENCIA FRECUENCIA FUNCION FUNCION FUNCION DE Funcion 1/(S*(2*PI)^0.5) exponente =Xprom-
DE CLASE DE ABSOLUTA RELATIVA ABSOLUTA RELATIVA DENSIDAD DENSIDAD DENSIDAD de =1/Xpromedio =raiz(6)/*S 0.5772*
INTERVALO CLASE ACUMULADA ACUMULADA EMPRICA TEORICA TEORICA densidad
DE CLASE K NORMAL EXPONENCIAL gumbel
1 2 MC 4 fr 6 7 fe fx-normal fx - fx-
exponencial Gumbel
1 1,42 - 1,86 1,64 1 0,02 1 0,02 0,0456 0,0067 0,182 3,9E-11 0,703 -4,6553 0,297 0,443 3,116
2 1,86 - 2,30 2,08 1 0,02 2 0,04 0,0456 0,0523 0,160 4,1E-02 0,703 -2,5969 0,297 0,443 0,312
3 2,30 - 2,74 2,52 5 0,1 7 0,14 0,2280 0,2258 0,141 4,7E-04 0,703 -1,1350 0,297 0,443 -1,235
4 2,74 - 3,17 2,96 8 0,16 15 0,3 0,3648 0,5365 0,123 6,3E-07 0,703 -0,2696 0,297 0,443 4,234
5 3,17 - 3,61 3,39 15 0,3 30 0,6 0,6840 0,7020 0,108 1,5E-02 0,703 -0,0007 0,297 0,443 1,164
6 3,61 - 4,05 3,83 14 0,28 44 0,88 0,6384 0,5059 0,095 2,1E-01 0,703 -0,3283 0,297 0,443 2,814
7 4,05 - 4,49 4,27 6 0,12 50 1 0,2736 0,2008 0,084 0,0E+00 0,703 -1,2524 0,297 0,443 49,744

Ttulo del grfico

fx-normal fx - exponencial Gumbel
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50
-0,1000

normal, ya que es la que se aproxima mejor a la campana de gauss.

Mediante el mtodo De desviacin estndar podemos observar que la que tiene menor desviacin
(0.26) en la normal, por lo que el modelo probabilstico adecuado es la distribucin estndar
normal

8.3. Colcas
8.3.1. Ordenamos los datos de las colcas de mayor a menor

AOS QM ORDENANDO
1954 5,453 7,799

1955 5,293 7,413
1956 5,570 7,068
1957 5,327 7,058
1958 5,968 6,884
1959 6,497 6,837
1960 4,911 6,774
1961 6,253 6,598
1962 5,756 6,497
1963 5,417 6,471
1964 5,681 6,398
1965 4,655 6,348
1966 5,949 6,288
1967 6,125 6,253
1968 4,579 6,125
1969 5,157 5,968
1970 5,663 5,957
1971 6,348 5,949
1972 6,288 5,798
1973 6,837 5,788
1974 6,884 5,756
1975 5,798 5,681
1976 4,688 5,663
1977 6,471 5,570
1978 5,788 5,493
1979 7,068 5,453
1980 6,774 5,417
1981 7,799 5,361
1982 6,598 5,327
1983 7,413 5,293

1984 5,957 5,278

1985 3,724 5,234
1986 5,234 5,157
1987 7,058 4,983
1988 5,278 4,973
1989 3,248 4,911
1990 4,983 4,708
1991 5,361 4,688
1992 4,973 4,655
1993 6,398 4,579
1994 5,493 3,724
1995 4,708 3,664
1996 3,664 3,503
1997 3,503 3,248
Para la asimetra g se us la ecuacin nmero 13 y m3 con la ecuacin nmero 15

m3 = -0,2906
g = -0,2884
Como g 0 es una distribucin sesgada ala izquierda

numero 18
m4 = 2,7234
Ck = 2,8105
Como Ck 3 es una distribucin particular, achatada o plana

Lmite inferior = 3,248

Lmite superior = 7,799
R = 7.799 3.248
R = 4.551
K=7
C= 0.65
PROMEDIO 5,65
Sx 1,023
g= -0,331
Xmax 7,799
Xmin 3,248
RANGO 4,55
n 44
K 7,00
x= 0,650

NUMER INTERVALO MAR FRECUE FRECUE FRECUE FRECUE FUNCI FUNCI FUNCION Funci 1/(S*(2*PI expon =Xpr
O DE DE CLASE CA NCIA NCIA NCIA NCIA ON ON DE on de )^0.5) ente =1/Xpro =raiz(6) om-
INTERV DE ABSOLU RELATIV ABSOLU RELATIV DENSI DENSI DENSIDA denci medio /*S 0.5772
ALO DE CLAS TA A TA A DAD DAD D dad *
CLASE E ACUMUL ACUMUL EMPR TEORI TEORICA Gumb
K ADA ADA ICA CA EXPONE el
NORM NCIAL
AL
1 2 MC 4 fr 6 7 fe fx- fx - fx-
norma exponen Gumb
l cial el
1 3,2 - 3,8 3,57 4 0,091 4 0,090 0,139 0,049 0,0940 0,004 0,389 -2,059 0,177 0,797 5,18
48 98
2 3,8 - 4,5 4,22 0 0,000 4 0,090 0,00 0,147 0,0838 0,146 0,389 -0,972 0,177 0,797 5,18
98 48
3 4,5 - 5,1 4,87 8 0,182 12 0,272 0,279 0,292 0,0747 0,421 0,389 -0,287 0,177 0,797 5,18
48 98
4 5,1 - 5,8 5,52 14 0,318 26 0,590 0,489 0,387 0,0666 0,427 0,389 -0,007 0,177 0,797 5,18
98 48
5 5,8 - 6,4 6,17 10 0,227 36 0,818 0,349 0,3420 0,0593 0,272 0,389 -0,131 0,177 0,797 5,18
48 99
6 6,4 - 7,1 6,82 6 0,136 42 0,954 0,209 0,20 0,0529 0,142 0,389 -0,658 0,177 0,797 5,18
99 49
7 7,1 - 7,7 7,47 2 0,045 44 1 0,069 0,079 0,0471 0,067 0,389 -1,589 0,177 0,797 5,18
49 99
TOTAL 44 1,000

Ttulo del grfico

fx-normal fx - exponencial fx-Gumbel
0,5000
0,4500
0,4000
0,3500
0,3000
0,2500
0,2000
0,1500
0,1000
0,0500
0,0000
0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00

Gumbel, ya que es la que se aproxima mejor a la campana de gauss.

Mediante el mtodo De desviacin estndar podemos observar que la que tiene menor
desviacin es la Gumbel (0.16674), por lo que el modelo probabilstico adecuado es la distribucin
Gumbel.

8.4. CALCULO DEL TIEMPO DE RETORNO DE 10, 20, 50 Y 100

AOS
Despus de haber relacionado los datos con una curva de distribucin
normal pasamanos a calcular los tiempos de retorno para cada estacin Si T es
el tiempo de retorno tenemos las siguientes ecuaciones:
a
.. b
8.4.1. Balsas
8.4.1.1. Para. T = 10
= 89.91
= 21.161
10 1
() = = 0.90
10
En las tablas estadsticas se encuentra que para () = 0.90 ; = 1.287
= 89.91 + 21.161 1.287 = 117.1442
8.4.1.2. Para T=20

= 89.91
= 21.161
20 1
() = = 0.95
20
= 89.91 + 21.161 1.647 = 124.762
8.4.1.3. Para T=50

T = 100
= 89.91
= 21.161

En las tablas estadsticas se encuentra que para = 0.98, Z = 2.06
= 89.91 + 21.161 2.06 = 133.50

8.4.1.4. para T = 100
= 58.96
= 12.35
= 89.91 + 21.161 2.33 = 139.21513
8.4.2. Cedros
8.4.2.1. Para. T = 10
= 3.37
= 0.568
10 1
() = = 0.90
10
= 3.37 + 0.568 1.287 = 4.1
8.4.2.2. Para T=20

= 89.91
= 21.161
20 1
() = = 0.95
20
= 3.37 + 0.568 1.647 = 4.3

8.4.2.3. Para T=50 para

= 89.91
= 21.161
= 3.37 + 0.568 2.06 = 4.54

8.4.2.4. para T = 100
= 58.96
= 12.35
= 3.37 + 0.568 2.33 = 4.69344
8.4.3. Colcas. (Gumbel)

8.4.3.1. Para. T = 10
= 3.37
= 0.568
= 0.78 = 0.78 0.568 = 0.443
= 0.45 = 3.37 0.45 0.568 = 3.1144
10 1
= ln( ln ( ))
10
= 2.25
= + = 2.25 0.443 + 3.1144 = 4.11

8.4.3.2. Para. T = 20
= 3.37
= 0.568
= 0.78 = 0.78 0.568 = 0.443
= 0.45 = 3.37 0.45 0.568 = 3.1144
20 1
= ln( ln ( ))
20
= 2.97
= + = 2.97 0.443 + 3.1144 = 4.43
8.4.3.3. Para. T = 50
= 3.37
= 0.568
= 0.78 = 0.78 0.568 = 0.443
= 0.45 = 3.37 0.45 0.568 = 3.1144
50 1
= ln( ln ( ))
50
IX. = 3.9
= + = 3.9 0.443 + 3.1144 = 4.8421
8.4.3.4. Para. T = 100

= 3.37
= 0.568
= 0.78 = 0.78 0.568 = 0.443
= 0.45 = 3.37 0.45 0.568 = 3.1144
100 1
= ln( ln ( ))
100
9. = 4.6
= + = 4.6 0.443 + 3.1144 = 5.152

IX. CONCLUSIONES
Se tabulo y se grafic mediante los estadgrafos los datos de las tres descargas
Se realiz el anlisis de momentos como el de asimetra y curtosis obteniendo,

para los datos de las descargas de balsas, cedros y colcas
Despus de tabular y calcular los parmetros de las diferentes distribuciones

tratados en la teora, se concluye que los datos de las dos primeras estaciones
son normales y la tercera que son las colcas es una distribucin gumbel
Despus de haber relacionado los datos con una distribucin normal, se
calcularon los retornos a 10, 20, 50 y 100 aos teniendo los resultados
sucesivos:
retorno Balsas Cedros colcas
T = 10 117.14 4.1 4.11
T = 20 124.76 4.3 4.43
T = 50 133.5 4.54 4.84
T = 100 139.215 4.69 5.15
.

X. RECOMENDACIONES:
Los datos deben de ser tratados para poder tener una mayor precisin y
adecuarla con exactitud a una de las distribuciones tericas
Es recomendable tener en cuenta que estos datos pudieron haberse obtenido

con errores
Considerar que el tratamiento de datos y la estadstica solo es una ayuda para

poder entender los fenmenos mediante datos obtenidos histricamente , esto
no quiere decir que sea exacta y que las predicciones sean certeras
Es recomendable el uso de la tecnologa moderna para los clculos
El trabajo debe de ser ordenado y con una secuencia entendible

XI. BIBLIOGRAFIA
CORDOBA, Manuel. Estadstica general. Moshera S.R.L. lima. 2003
DIAZ, Abelardo. Estadstica y probabilidad en la hidrologa. Instituto pacifico
S.A.C. lima.2010.
PROBABILIDAD Y ESTADSTICA Ing. M.Sc. Wilson Trujillo.
MEJIA, Abel y DE PIEROLA, Nicols. Estadstica aplicada a la hidrologa.
Universidad Nacional de Agraria La Molina. Lima.1985.
MEJIA, Abel. Mtodos estadsticos en hidrologa. Universidad Nacional de
Agraria La Molina. Lima.1991.
CALZADA, Jos. Estadstica general. Jurdica. Lima.1991.
REYES, Toribio. Regionalizacin de los Caudales Mximos Instantneos
Anuales de la Cuenca del Ro Santa. Universidad Nacional Santiago Antnez
de Mayolo-Huaraz.2014.
MATERIAL DE APOYO DIDCTICO PARA LA ENSEANZA Y APRENDIZAJE DE
LA ASIGNATURA DE HIDROLOGIA CIV-233 (Ing. M.Sc. Helmer Rodrguez
Soriano-UNIVERSIDAD MAYOR DE SAN SIMN FACULTAD DE CIENCIAS Y
TECNOLOGA-CARRERA DE INGENIERA CIVIL

Tercerinformede Hidrologia PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Tercerinformede Hidrologia PDF

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO FACULTAD DE INGENIERIA CIVIL

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

ING. Abelardo Manrique Daz Salas-fIC Pgina 1

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

8.2.3. CALCULAR DISTRIBUCIN DE FRECUENCIAS: ...................................................... 29

ING. Abelardo Manrique Daz Salas-fIC Pgina 2

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

El siguiente informe trata sobre los modelos estadsticos aplicados a la hidrologa a

ser discretas o continuas, Sabemos que la hidrologa y la estadstica van de la mano,

ya que sin la estadstica no podramos deducir la precipitacin anual, determinar el

volumen o caudal promedio de los ros,

CON EL SIGUIENTE INFORME aprenderemos a tomar el modelo estadstico adecuado

para el clculo de descargas en colcas, balsas y cedros, el cual nos garantizara en

minimizar los errores

Por tanto, la Meteorologa y su estadstica aplicada se utilizan para extrapolar donde

normalmente es ms antigua la estadstica meteorolgica que la de aforos. La

recopilacin de datos hidrolgicos, y su ordenamiento estadstico, tienen como fin

han de utilizar los recursos hdricos (embalses, presas, captaciones, obras de

conduccin, centrales hidroelctricas, etc.) y prever el rgimen de explotacin, de

manera que se obtenga el mayor beneficio posible de las instalaciones construidas.

ING. Abelardo Manrique Daz Salas-fIC Pgina 3

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

2.2. Objetivos secundarios:

Realizar la tabulacin por intervalos de clase, clculo de frecuencias y los valores

ING. Abelardo Manrique Daz Salas-fIC Pgina 4

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

Se denomina a un conjunto de elementos (que consiste de personas, objetos, etc.).

Se denomina muestra a una parte de la poblacin seleccionada de acuerdo con un

5.3. POLIGONO DE FRECUENCIA.

Es la representacin grfica de las frecuencias, se obtiene uniendo con lneas rectas,

En forma prctica, un polgono de frecuencia se obtiene, uniendo con lneas rectas

ESTADISTICA Y PROBABILIDADES, C Aarn Estuardo Morales pg. 6-17

ING. Abelardo Manrique Daz Salas-fIC Pgina 5

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

5.4. MEDIDAS DE POSICIN

La media de un conjunto N de datos numricos X1, X2,..., XN est representada por

Es aquel valor que se repite ms frecuentemente en un conjunto de datos, se denota

ESTADISTICA Y PROBABILIDADES, C Aarn Estuardo Morales pg. 34; 38 y 40

ING. Abelardo Manrique Daz Salas-fIC Pgina 6

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

5.5. MEDIDAS DE DISPERSIN

Si el estadgrafo es la media, se tiene:

Para datos no clasificados

La desviacin media es una medida de dispersin fcil de calcular y se ve afectada

PROBABILIDAD Y ESTADSTICA Ing. M.Sc. Wilson Trujillo Aranibar pag. 92

ING. Abelardo Manrique Daz Salas-fIC Pgina 7

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

5.5.2. DESVIACIN ESTNDAR Y VARIANZA.

Miden el grado de dispersin de los datos numricos en torno de un valor medio.

La Desviacin Estndar de un conjunto de datos X1,..., Xn est definida por:

La Variancia es el cuadrado de la desviacin estndar: =

ING. Abelardo Manrique Daz Salas-fIC Pgina 8

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

La frmula de la varianza ser:

Es una medida que permite determinar qu tan independiente es una variable

ING. Abelardo Manrique Daz Salas-fIC Pgina 9

MODELOS PROBABILSTICOS EN LA HIDROLOGIA

5.6. COEFICIENTE DE CORRELACIN.

Es el estadstico que permite medir el grado de asociacin de dos variables

Para el caso de una poblacin se define como:

Es una medida de dispersin y se define como el cociente entre la desviacin

5.8. MOMENTOS MUSTRALES, MEDIDAS DE ASIMETRA Y CURTOSIS

Para evaluar el tipo de una curva de una distribucin de frecuencias y para