UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERIA AGRICOLA

CURSO. HIDROLOGIA APLICADA
DOCENTE: Ing. Oscar Mamani Luque

HIDROLOGIA ESTADÍSTICA

INTRODUCCION

Los procesos hidrológicos son de naturaleza estocástica, es decir, que su

distribución en el tiempo y en el espacio es tal que, una parte es determinística o
predecibles y otra parte es aleatoria.

Cuando no existe correlación entre observaciones adyacentes, la salida del

sistema hidrológico se considera estocástica, independiente en el espacio y en el
tiempo. Este comportamiento es típico de eventos hidrológicos extremos, tal como
las avenidas o sequías; y de datos hidrológicos medios sobre intervalos de tiempo
largos, por ejemplo la precipitación anual.

La hidrología estadística considera los datos hidrológicos correspondientes a un

proceso aleatorio puro, mediante el uso de parámetros y funciones estadísticas.
Los métodos estadísticos se basan en principios matemáticos que describen la
variación de un conjunto de observaciones de un proceso, centrando la atención,
más bien en las mismas observaciones en vez del proceso físico que las origina

ELEMENTOS DE PROBABILIDADES.

Una variable aleatoria X es una variable que se describe mediante una función de
distribución de probabilidades. La distribución indica la probabilidad de que una
observación cualquiera x de la variable X obtenga un valor dentro de un rango
específico de X. Supongamos por ejemplo que X sea la variable precipitación
anual en un punto determinado, la distribución de X especifica la probabilidad que
tiene un valor de precipitación anual observado en un año dado de caer dentro de
un rango previamente definido, por ejemplo, menos que 1000 mm, o entre 1000 y

20
1.500 mm o mayor a 1500 mm.

Muestra, es un conjunto de observaciones x1, x2, ..., xn de la variable aleatoria x,

obtenidas de una población hipotéticamente infinita de propiedades estadísticas
constantes; mientras que las propiedades de las muestras pueden variar de una a
otra. El conjunto de todas las muestras posibles que se puedan extraer de la
población se denomina espacio muestral y un evento viene a ser un subconjunto
del espacio muestral, como se ilustra en la Figura 1.

Figura 1. Los eventos a y b como subconjuntos del espacio muestral 

La probabilidad de ocurrencia de un evento, P(A), es la posibilidad de ocurrencia

de dicho evento cuando se lleva a cabo una observación de la variable aleatoria.
Si una muestra de n observaciones posee nA valores en el rango del evento A,
entonces la frecuencia relativa de A es nA/n. La frecuencia relativa se constituye
en un estimado progresivamente mejor de la probabilidad de ocurrencia del evento
a medida que el tamaño de la muestra se incrementa, es decir:
P (A) = lim nA/n, cuando n  ∞

A este tipo de probabilidades se denomina probabilidades objetivas o

posteriores, debido a que dependen totalmente de observaciones de la variable
aleatoria. En contraposición a ellas, tenemos las probabilidades subjetivas o a
priori, es decir, cuando se estima la ocurrencia de un evento sobre la base de

21
juicios personales y experiencia.

Principios de la probabilidad de ocurrencia de los eventos hidrológicos:

1. Probabilidad Total: Si el espacio muestral Ω se divide en m áreas

excluyentes o eventos A1, A2, ... Am, entonces:
P(A1) + P(A2) + .... + P(Am) = P(Ω) = 1

2. Complementariedad: Si sucede que A es el complemento de A, es decir, A

= Ω - A, entonces:
P(A) = 1 - P(A)

3. Probabilidad Condicional: Supongamos que tenemos dos eventos A y B,

como se muestra en la Figura 1. Sea A el evento de que en este año la
precipitación sea menor que 1000 mm; y B, el evento de que en el próximo
año la precipitación sea menor que 1000 mm. La unión A ∩ B o
superposición de A y B indica que ambos eventos ocurren, es decir, dos
años sucesivos con una precipitación anual menor de 1000 mm. Si P(B/A)
es la probabilidad condicional de que ocurra B, dado que A ya ha ocurrido,
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 ocurra A, es decir,
P(A ∩ B) = P(B/A) x P(A), o P(B/A) = P(A ∩ B) / P(A)

Si la ocurrencia de B no depende de la ocurrencia de A, se dice que los

eventos son independientes, entonces P(B/A) = P(B) , y
P(A ∩ B) = P(A) x P(B)

Ejemplo.1: En el cuadro 1, se presentan los valores de caudales medios anuales

3
(m /s) registrados en la estación Huancané (Q), durante el período 1956-2009,
los mismos que se han graficado en la Figura 1. Calcular la probabilidad de que el
caudal anual Q en cualquier año sea menor que 20 m 3 /s, mayor que 30 m 3 /s y

22
esté entre 20 y 30 m 3 /s.

Cuadro 1: Caudal medio anual (m 3 /s) de la estacio Huancane, 1956 – 2009.

Año 1950 1960 1970 1980 1990 2000

0 21.36 21.41 11.43 8.23 12.97
1 16.57 31.02 25.96 12.15 34.11
2 26.82 14.16 24.11 12.56 31.01
3 27.03 20.17 7.23 17.51 40.50
4 16.31 23.96 27.77 26.25 27.45
5 21.46 21.03 31.02 13.61 16.74
6 6.15 15.83 17.39 40.04 10.47 20.40
7 11.15 7.67 14.33 15.02 27.57 20.69
8 17.67 12.19 21.23 20.97 10.00 11.47
9 15.27 11.29 26.12 11.68 12.85 10.77

Figura 1: Histograma de caudales medios anuales – Rio Huancané.

Solución:
Primero debemos ordenar de menor a mayor o viceversa los valores de los
caudales medios anuales del rio Huancané, los mismos se presentan en el cuadro
2.

23
Cuadro 2: Caudales medios anuales ordenados de menor a mayor.

6.15 11.47 15.02 20.40 25.96 31.02

7.23 11.68 15.27 20.69 26.12 34.11
7.67 12.15 15.83 20.97 26.25 40.04
8.23 12.19 16.31 21.03 26.82 40.50
10.00 12.56 16.57 21.23 27.03
10.47 12.85 16.74 21.36 27.45
10.77 12.97 17.39 21.41 27.57
11.15 13.61 17.51 21.46 27.77
11.29 14.16 17.67 23.96 31.01
11.43 14.33 20.17 24.11 31.02

La serie histórica de caudales medios está constituida por 54 años, entonces

n=54.
Luego identificamos los eventos que nos pide el ejemplo:
Evento A: cuando Q < 20 m 3 /s
Evento B: cuando Q > 30 m 3 /s

De los 54 valores del Cuadro 1, 29 valores caen en el evento A y 6 en el B; en

consecuencia:
nA = 29; y nB = 6. Luego,
P(A) = 29/54 = 0.5370
P(B) ≡ 6/54 = 0.1111

La probabilidad de que el caudal medio anual esté entre 20 y 30 m 3 /s, se calcula

como: P(30 ≤ Q ≤ 20) = 1 - P(Q<20) - P(Q > 30) = (1-0.5370-0.1111)=0.3518

Ejercicio para resolver en clase.

En el siguiente cuadro se presentan los valores de precipitación anual (mm)
registrados en las estaciones Puno, Capachica y Taraco , durante el período 1964-
2006. Calcular la probabilidad de que la precipitación anual (P) en cualquier año
sea menor que 600 mm, mayor que 800 mm y esté entre 600 y 800 mm., para
cada una de las estaciones.

24
AÑO Puno Capachica Taraco

25
 1964 528.5 1161.0 392.3
1965 587.8 1071.3 612.7
1966 391.4 442.8 416.1
1967 694.8 736.4 496.4
1968 624.1 855.2 525.5
1969 503.8 484.7 347.4
1970 568.0 606.6 527.8
1971 652.6 627.8 402.9
1972 798.1 650.9 567.9
1973 797.0 777.2 563.7
1974 750.8 794.4 630.1
1975 951.6 970.9 577.7
1976 758.0 672.7 406.2
1977 742.4 790.3 647.5
1978 828.0 860.8 684.7
1979 527.3 672.8 609.5
1980 614.4 284.6 466.3
1981 850.2 927.1 748.3
1982 794.8 830.2 578.6
1983 434.1 593.3 355.9
1984 1290.6 992.2 1049.8
1985 1072.5 955.4 1269.8
1986 927.4 1161.6 1098.5
1987 630.7 496.0 659.6
1988 847.7 723.0 662.7
1989 684.6 982.2 465.2
1990 646.8 830.1 717.4
1991 596.8 819.1 655.3
1992 374.1 646.2 542.3
1993 759.2 1123.3 616.7
1994 803.6 1119.0 622.4
1995 543.3 655.2 662.0
1996 753.5 669.4 432.1
1997 908.9 945.7 710.9
1998 615.1 491.2 531.1
1999 1003.9 956.5 544.6
2000 740.6 700.4 459.7
2001 1006.8 980.9 546.2
2002 908.8 1045.7 571.7
2003 714.1 878.4 590.0
2004 678.4 760.5 593.6
2005 674.5 740.9 597.6
2006 775.0 707.3 578.0

PARAMETROS ESTADISTICOS

26
El objetivo de la estadística consiste en extraer de un conjunto muy grande de
datos unos pocos valores pero que sean representativos de las características del
conjunto. Estos valores se denominan parámetros estadísticos o simplemente
estadísticos. Así pues, los parámetros estadísticos son característicos de la
población, tal como μ y σ.

Un parámetro estadístico es el valor esperado E de alguna función de la variable

aleatoria (también se denomina la esperanza matemática). El parámetro más
simple es el promedio μ, el cual viene a ser el valor esperado de la variable
aleatoria misma. Para una variable aleatoria X, el promedio es E(X), que se
calcula como el producto de x por la densidad de probabilidades correspondiente
f(x), integrado en el rango factible de la variable aleatoria:

E(X)  μ   xfdx


E(X) es el primer momento con respecto al origen, una medida del punto medio o
Tendencia Central de la distribución.
El estimador muestral de la media es el promedio aritmético de los datos de la
muestra:

1 n
x  xi
n i 1

La variabilidad de los datos se mide a través de la varianza σ 2 la cual es el

segundo momento con respecto al promedio:


E[( x   ) 2 ]     ( x   ) 2 f ( x ) dx
2


El estimador muestral de la varianza está dado por la expresión

1 n
S2  
n  1 i 1
(x i  x ) 2

en la cual (n-1) indica los grados de libertad, y se usa en vez de n para asegurar

27
que el parámetro sea insesgado, es decir, que no posea tendencia de ser menor o
mayor que el valor verdadero. La varianza tiene la dimensión [X] 2.

La desviación estándar σ tiene las mismas unidades de X; es igual a la raíz

cuadrada de la varianza y su estimador muestral es S. En la Figura 2 (a), se ilustra
el significado de la desviación estándar; mientras mayor es la desviación estándar,
mayor es la dispersión de los datos. El coeficiente de variación Cv = σ/μ,
estimado por s x , es una medida adimensional de la variabilidad.

A continuación se presenta un resumen de las fórmulas para calcular algunos

parámetros de la población y sus estimadores muestrales.

Parámetros estadísticos de la población y sus estimadores:

POBLACIÓN MUESTRA

1. Tendencia Central
Promedio Aritmético.
 1
μ  E(X)  
xf(x)dx x
n
 xi
Mediana:
X tal que F(x) = 0,5 50 avo. percentil de los datos
Promedio geométrico:
Antilog [E (log x)] ( in1 x i )1/n

2. Variabilidad
Varianza:
1 n
σ 2  E[(x  μ) 2 ] S2  
n  1 i 1
(x i  x ) 2

Desviación estándar:  S
Coeficiente de variación:
Cv  σ/μ Cv  s/x .
3. Asimetría

28
 Coeficiente de asimetría:
n

E[(x  μ) ]3 n  (x i  x)3
γ
σ3 Cs  i 1

(n  1)(n  2)S3

El grado de simetría de la distribución con respecto al promedio se mide mediante

la asimetría, la cual viene a ser el tercer momento con respecto al promedio.

E[(x  μ) 3 ]   (x  μ)
3
f(x)dx


Figura 2: Efecto de la desviación estándar y el coeficiente de asimetría sobre

la función de densidad de probabilidades

Como se ilustra en la Figura 2 (b), para una asimetría positiva (γ > 0) los datos se
inclinan a la derecha del pico de la distribución, con solamente un pequeño
número de valores muy grandes; para asimetría negativa (γ < 0) los datos se
inclinan a la izquierda. Cuando los datos poseen una asimetría pronunciada, los
pocos valores extremos, ejercen un efecto significativo sobre el cálculo del
promedio aritmético en cuyo caso, se debe usar un parámetro alternativo para
calcular en forma apropiada la tendencia central, tal como la mediana o el
promedio geométrico.

29
Ejemplo 2.: Dados los datos de caudal medio anual de la estación hidrométrica
Huancané para el período 1956 – 2009, calcular los parámetros estadísticos de la
muestra. Los datos se dan en el cuadro 1:
Cuadro 1: Caudal medio anual (m 3 /s) de la estacio Huancane, 1956 – 2009.

Año 1950 1960 1970 1980 1990 2000

0 21.36 21.41 11.43 8.23 12.97
1 16.57 31.02 25.96 12.15 34.11
2 26.82 14.16 24.11 12.56 31.01
3 27.03 20.17 7.23 17.51 40.50
4 16.31 23.96 27.77 26.25 27.45
5 21.46 21.03 31.02 13.61 16.74
6 6.15 15.83 17.39 40.04 10.47 20.40
7 11.15 7.67 14.33 15.02 27.57 20.69
8 17.67 12.19 21.23 20.97 10.00 11.47
9 15.27 11.29 26.12 11.68 12.85 10.77

Solución: se va a utilizar el software HIDROESTA 2.

Procedimiento para el uso del software HIDROESTA 2:
Luego de instalar el software HIDROESTA 2, aparece esta pantalla:

30
Hacer clic en el icono Parámetros.

Hacer clic en Datos no agrupados.

31
Para ingresar datos, Hacer clic en el icono Excel.

Para seleccionar la versión del archivo que estamos utilizando: Hacer clic en
Archivo en Excel 2007-2010 (para el caso del ejemplo)

Hacer clic en el nombre del archivo para buscar la dirección del disco, la carpeta y
el archivo.
Previamente se debe crear un archivo en Excel con solo los datos a estudiar, para
el caso del ejemplo, se ha creado el archivo Qhuancane.

Luego hacer clic en abrir.

Hacer clic en calcular y se obtienen los parámetros estadísticos.
Para ordenar los datos de menor a mayor, hacer clic en el icono Ordenar y
obtenemos los datos ordenados.

32
Hacer clic en el icono crear, luego guardar en una dirección conocida.
Para visualizar los datos y los resultados hacer clic en el icono Reporte.
Para imprimir los resultados del reporte hacer clic en Archivo, e Imprimir.

Ejercicio para resolver en clase.: Dados los datos de precipitación total anual
(mm) de las estaciones meteorológicas Llalli, Ayaviri y Pucara, para el período
1964 – 2006, calcular los parámetros estadísticos de la muestra. Los datos se dan
en los siguientes cuadros: (Archivo Precipitación Llalli-Ayaviri-Pucara). Comparar
con los obtenidos con la hoja de cálculo Excel.

33
 PRECIPITACION TOTAL MENSUAL (mm.) - COMPLETADO
ESTACION: CO.110761 LATITUD 14º56'13.21" DEPARTAMENTO PUNO
LLALLY LONGITUD 70º53'09.59" PROVINCIA MELGAR
ALTITUD 3980 DISTRITO LLALLY
AÑO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
1964 83.5 99.5 71.5 35.9 8.5 0.0 0.0 0.0 11.5 21.5 64.5 77.5
1965 133.0 108.0 209.0 73.5 0.0 0.0 1.0 1.0 4.5 42.5 28.3 143.5
1966 97.5 148.1 90.5 12.0 32.3 0.0 0.0 0.0 14.5 83.1 110.0 123.5
1967 65.5 110.5 157.5 35.5 13.0 0.0 8.0 24.5 34.5 67.5 9.5 156.5
1968 175.3 245.9 93.0 30.0 1.5 8.0 2.6 3.0 4.5 44.5 120.5 83.6
1969 118.6 73.5 53.5 17.5 0.5 1.3 0.0 1.5 24.5 66.5 34.2 94.5
1970 202.0 160.2 160.5 51.5 11.0 0.0 0.0 0.0 16.5 14.0 0.0 183.9
1971 153.0 289.0 70.0 21.5 0.5 0.0 0.0 4.0 0.0 22.0 36.5 132.0
1972 270.0 171.6 154.5 37.5 3.5 0.0 9.0 10.0 12.5 45.0 41.0 127.5
1973 256.5 156.0 156.0 62.0 1.0 0.0 6.0 12.5 46.5 33.5 57.6 67.0
1974 226.6 213.5 142.5 103.0 2.5 18.5 4.0 96.5 12.0 16.5 34.5 143.5
1975 179.3 136.2 147.5 18.5 31.1 0.0 0.0 2.0 15.5 26.0 44.0 126.0
1976 221.5 103.0 222.0 28.0 29.5 12.5 0.5 11.0 55.0 13.0 16.0 71.0
1977 78.8 169.0 136.9 25.0 5.0 2.1 2.5 10.5 62.9 55.5 164.2 54.5
1978 394.7 158.0 96.9 76.7 0.0 0.0 5.2 9.8 31.5 26.9 152.7 152.2
1979 169.4 135.6 167.1 66.2 0.3 0.0 0.2 12.2 4.0 74.7 89.3 136.5
1980 52.3 44.7 147.3 15.8 8.6 0.0 0.8 5.0 31.7 120.8 79.1 97.1
1981 202.8 161.0 137.7 56.0 9.8 3.8 1.0 16.7 27.8 70.0 67.4 114.8
1982 164.1 128.1 138.6 57.4 1.4 4.4 1.0 39.0 38.6 95.0 102.2 100.9
1983 119.7 124.0 98.4 54.2 11.9 8.5 2.3 1.2 24.3 34.0 38.8 111.4
1984 317.8 221.1 134.4 39.5 6.8 7.9 7.1 16.5 8.1 129.4 128.2 143.6
1985 198.0 170.2 114.0 110.0 21.6 11.4 1.0 3.1 35.7 28.0 200.1 140.4
1986 178.9 187.1 166.9 68.5 13.6 1.3 3.2 13.9 44.5 9.8 52.6 118.6
1987 196.5 129.0 109.0 57.3 7.6 12.5 19.7 12.3 9.8 29.4 92.6 104.0
1988 171.3 145.0 162.2 78.3 20.2 1.3 1.0 1.2 12.8 40.0 17.8 121.8
1989 161.5 127.2 131.3 59.8 8.4 3.6 1.9 19.6 15.0 41.4 36.0 115.1
1990 174.7 151.5 120.7 52.3 18.8 46.0 1.0 7.6 20.3 79.9 87.8 106.4
1991 150.4 154.0 149.0 51.0 30.0 54.6 4.7 11.4 17.8 41.4 45.9 100.9
1992 230.8 140.0 107.3 41.8 2.0 12.0 1.0 40.8 11.0 27.5 46.2 128.6
1993 203.5 57.3 137.6 53.2 0.0 11.0 0.1 30.6 15.1 105.4 153.3 137.3
1994 208.2 173.3 154.4 75.2 2.8 0.0 0.0 0.0 5.0 15.9 75.4 122.2
1995 156.5 168.1 131.5 57.1 1.1 0.0 1.3 8.8 13.8 21.8 43.2 97.9
1996 176.6 163.4 117.3 60.9 16.6 0.0 0.0 3.9 9.8 25.1 41.8 158.0
1997 258.8 158.8 185.3 83.0 5.0 0.0 0.0 14.1 39.2 28.0 82.4 121.8
1998 218.6 175.9 90.0 37.6 0.0 1.1 0.0 9.1 5.3 80.2 73.2 89.8
1999 164 178.6 181 146.1 7.4 1.7 0 1.8 28.7 89.9 21.2 116.1
2000 241.5 184.8 127.7 24.1 18.5 5.1 9 12.4 7.8 115.8 23 104.4
2001 266.4 126.3 181.3 47.8 24.2 0.0 3.7 5.2 17.9 0.0 0.0 69.2
2002 155.9 150.4 132.0 56.0 30.2 0.6 16.0 11.0 23.2 115.8 92.0 104.5
2003 153.2 126.9 164.7 24.6 3.9 2.0 0.0 8.4 29.4 17.6 29.0 118.0
2004 207.1 118.8 105.4 50.4 7.0 4.0 11.0 15.8 26.0 17.9 50.9 172.7
2005 82.7 302.6 112.3 61.7 0.2 0.0 1.4 2.4 6.7 64.7 80.3 102.0
2006 260.5 142.6 178.6 80.9 0.0 8.2 0.0 9.1 10.6 39.9 77.1 151.0

PRECIPITACION TOTAL MENSUAL (mm.) - REGISTRO HISTORICO

34
ESTACION: CO. 114038 LATITUD 14º52'22,80" DEPARTAMENTO PUNO
AYAVIRI LONGITUD 70º35'34.79" PROVINCIA MELGAR
ALTITUD 3928 DISTRITO AYAVIRI
AÑO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
1964 130.0 38.2 98.5 39.1 50.5 0.0 0.0 94.5 15.5 23.5 51.5 51.0
1965 161.9 97.4 187.1 27.5 0.0 0.0 0.0 0.0 2.5 11.3 66.5 159.5
1966 65.0 87.0 74.0 2.5 16.5 0.0 0.0 0.0 2.0 62.5 65.0 86.0
1967 75.0 75.0 85.5 32.5 9.2 0.0 18.0 14.1 32.0 101.9 35.5 150.0
1968 139.7 171.5 105.5 6.5 0.0 0.0 10.5 5.0 24.8 21.3 100.9 58.8
1969 118.1 105.6 40.1 38.6 0.0 0.0 5.0 0.7 9.0 32.7 50.3 32.5
1970 128.7 72.7 100.4 61.2 26.6 0.0 0.0 0.0 35.8 40.0 20.3 142.4
1971 78.1 178.6 13.9 56.9 0.0 0.0 0.0 3.1 0.0 24.0 28.3 107.3
1972 165.3 108.5 82.4 34.2 1.2 0.0 3.0 8.6 17.3 22.7 36.8 130.8
1973 201.4 150.5 134.0 76.6 15.2 0.0 0.0 9.1 72.6 65.7 57.0 87.8
1974 178.6 263.5 67.0 42.6 7.3 7.0 0.0 43.9 5.4 34.2 43.5 95.9
1975 133.1 187.4 104.7 37.3 4.1 0.0 0.0 0.0 4.9 87.2 73.4 172.3
1976 124.4 103.2 54.3 31.1 1.8 0.0 0.0 0.0 20.4 2.7 0.0 33.1
1977 18.0 87.4 57.5 0.0 0.0 0.0 0.0 0.0 1.3 2.6 52.5 118.0
1978 226.1 192.8 75.2 0.0 0.0 0.0 0.0 12.3 27.0 23.9 145.8 153.2
1979 183.3 56.9 101.0 44.3 6.3 3.4 2.3 8.9 15.1 48.2 58.5 92.7
1980 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
1981 139.3 116.2 96.9 41.9 6.4 3.5 2.3 7.8 15.4 50.6 59.8 94.8
1982 141.6 23.3 163.0 93.9 0.0 0.0 0.0 39.5 35.0 117.7 220.5 57.1
1983 43.0 53.2 72.8 70.5 0.4 2.1 0.0 0.0 7.0 17.4 43.4 79.3
1984 248.1 160.3 152.1 21.0 16.6 3.4 0.0 18.8 0.0 539.5 811.3 179.2
1985 721.9 150.2 190.1 158.1 8.2 40.5 0.0 0.0 24.3 96.5 117.1 185.6
1986 194.5 172.3 159.7 110.4 16.8 0.0 0.0 2.3 24.0 4.4 38.9 163.1
1987 180.2 70.1 58.1 41.3 4.7 4.8 20.4 3.3 2.0 30.5 72.8 76.7
1988 158.9 87.9 157.1 78.6 13.7 0.0 0.0 0.0 16.2 46.7 2.5 91.8
1989 158.5 75.7 99.0 56.2 3.7 2.9 0.1 31.6 22.8 47.6 37.0 76.6
1990 190.2 111.1 38.6 32.4 3.8 33.4 0.0 3.5 4.1 87.1 71.7 81.9
1991 163.5 95.9 109.8 27.6 29.6 35.8 0.6 2.9 13.6 51.1 33.2 85.4
1992 109.8 79.5 45.3 27.4 0.0 10.2 0.0 49.0 1.1 54.4 61.0 43.8
1993 206.6 68.0 120.0 26.6 0.3 10.8 0.3 23.7 50.8 84.1 175.0 78.8
1994 113.5 81.9 144.6 69.9 4.7 0.0 0.0 7.5 4.1 16.7 65.5 99.8
1995 96.3 98.4 132.5 44.9 0.5 0.0 0.0 0.0 5.1 15.1 70.5 104.1
1996 181.6 123.6 61.0 19.8 6.2 0.0 0.0 4.1 5.3 21.1 61.1 101.0
1997 139.0 194.9 174.0 8.4 1.4 0.0 0.0 14.7 20.9 67.0 135.8 107.4
1998 106.5 90.1 115.2 26.6 0.0 0.5 0.0 1.9 0.5 54.3 96.9 66.0
1999 92.8 156.3 129.7 111.6 7.0 0.0 0.0 0.0 22.6 43.2 31.5 54.9
2000 136.8 224.6 108.6 5.9 6.2 1.6 4.1 7.1 2.5 119.8 8.6 76.9
2001 228.1 111.2 99.9 39.0 22.7 2.9 1.3 10.8 11.3 34.8 21.4 100.8
2002 162.6 191.4 68.0 60.6 21.5 5.2 12.4 11.2 21.3 106.3 87.9 94.7
2003 201.0 103.2 163.2 42.7 9.6 0.0 0.0 10.5 15.1 29.3 25.2 135.6
2004 260.6 151.4 86.6 40.2 3.9 0.8 4.3 15.4 50.9 24.5 68.7 153.0
2005 70.6 224.9 130.2 26.3 0.3 0.0 0.0 4.5 4.8 94.8 83.0 67.0
2006 177.5 65.9 105.6 44.5 0.0 0.6 0.0 2.1 2.8 80.5 78.5 144.3

35
 PRECIPITACION TOTAL MENSUAL (mm.) - REGISTRO HISTORICO
ESTACION: CO.115046 LATITUD 15º02'42.2" DEPARTAMENTO PUNO
PUCARA LONGITUD 70º21'59.9" PROVINCIA LAMPA
ALTITUD 3900 DISTRITO PUCARA
AÑO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
1964 50.4 61.2 155.2 52.0 8.7 0.0 0.0 2.5 31.8 33.7 43.1 88.8
1965 146.3 68.4 151.9 45.6 0.0 0.0 0.0 0.0 7.2 96.8 53.1 220.1
1966 64.0 148.5 143.9 2.3 22.0 0.0 0.0 0.0 0.1 87.4 62.2 91.7
1967 61.5 106.9 187.4 0.9 19.2 0.0 7.4 7.4 28.0 86.9 33.9 205.2
1968 191.8 213.8 87.6 19.8 10.1 0.0 8.5 19.3 17.5 57.8 134.2 104.6
1969 125.8 86.7 13.8 49.6 0.0 0.0 2.9 0.0 13.8 9.8 43.0 92.6
1970 125.9 55.4 134.6 77.5 0.0 0.0 0.0 0.0 32.4 10.3 35.6 232.9
1971 173.1 259.7 43.9 56.6 1.2 0.0 0.0 7.4 1.4 34.0 62.8 82.8
1972 187.0 101.9 74.5 44.3 0.0 0.0 0.0 2.9 39.6 23.9 39.6 92.7
1973 173.7 147.5 203.6 79.7 0.0 0.0 5.1 11.2 45.2 61.3 47.9 52.4
1974 213.4 114.8 106.7 36.2 1.7 7.3 5.2 55.5 21.0 50.4 24.7 80.2
1975 163.4 181.4 118.2 16.0 20.8 4.9 0.0 1.3 32.5 87.5 51.6 123.3
1976 213.8 155.8 102.2 30.9 7.4 0.0 3.3 5.6 79.2 1.8 32.2 115.5
1977 125.2 213.7 175.3 36.2 1.6 0.0 1.6 0.0 34.8 66.4 82.2 90.0
1978 228.4 180.7 144.2 89.8 8.3 0.0 0.0 0.0 17.3 66.9 169.6 227.8
1979 186.1 64.1 118.9 45.6 11.7 0.0 0.2 0.0 8.4 80.1 106.9 163.2
1980 117.0 93.8 132.1 9.1 9.6 0.0 7.1 3.1 27.5 90.9 24.1 53.5
1981 184.4 145.6 124.7 54.5 8.4 2.5 0.0 13.8 34.3 86.6 69.3 110.3
1982 133.0 82.2 126.8 57.6 0.0 3.1 0.0 33.6 51.8 120.2 110.9 69.1
1983 73.9 74.2 34.1 50.7 10.5 7.3 1.9 0.0 28.6 38.3 35.0 100.2
1984 337.3 261.6 117.1 18.7 5.4 6.7 9.3 13.6 2.2 166.3 142.1 195.4
1985 178.0 163.4 70.2 171.5 20.3 10.2 0.0 1.7 47.1 30.2 228.1 186.0
1986 152.7 196.0 192.1 81.5 12.2 0.0 3.3 11.3 61.5 5.8 51.5 121.6
1987 176.0 83.8 58.7 57.3 6.2 11.4 28.7 9.9 4.9 32.1 99.4 78.4
1988 142.6 114.7 181.3 102.8 18.9 0.0 0.0 0.0 9.9 46.3 9.9 130.9
1989 129.5 80.3 110.1 62.8 7.0 2.3 1.3 16.4 13.5 48.2 31.6 111.1
1990 147.1 127.2 85.5 46.5 17.5 45.4 0.0 5.7 22.1 99.9 93.7 85.5
1991 114.8 132.0 150.8 43.7 28.7 54.2 5.6 9.1 18.0 48.2 43.5 69.3
1992 221.6 105.0 54.7 23.7 0.6 10.8 0.0 35.2 6.9 29.6 43.9 151.1
1993 184.8 39.6 132.6 89.9 8.3 0.5 0.0 12.5 27.2 78.7 73.0 147.4
1994 158.0 199.7 113.2 58.6 0.0 0.0 0.0 0.0 10.9 25.9 65.4 90.1
1995 98.1 76.9 78.9 9.3 2.6 1.2 0.8 0.5 7.7 17.8 94.3 106.0
1996 158.7 82.1 122.6 38.6 22.1 0.0 0.5 4.4 15.7 43.4 50.4 93.1
1997 160.3 126.3 166.5 21.3 2.7 0.0 0.0 13.4 23.3 59.0 142.1 118.0
1998 86.1 118.4 108.6 70.5 0.1 8.6 0.0 1.5 2.7 71.4 51.9 31.6
1999 83.8 111.6 147.7 73.6 10.6 0 1 6.8 22.3 78.1 24.5 46.2
2000 126.9 143.3 107.9 11.7 4.2 4.1 0.1 29 0.3 106.6 35.6 105.7
2001 302.9 117.9 224.9 33.6 18.1 1.8 4.8 9.9 5.0 35.2 29.8 108.3
2002 144.7 197.8 113.3 72.4 14.9 3.9 20.9 21.5 31.4 137.3 72.5 192.0
2003 188.3 98.6 122.2 30.5 10.4 6.8 0.0 8.8 26.2 44.8 54.0 137.7
2004 302.7 227.4 104.1 55.2 6.9 4.0 8.2 26.5 48.0 7.5 68.1 136.7
2005 63.0 164.8 123.3 37.7 0.0 0.0 0.0 14.7 6.2 103.2 73.4 112.0
2006 240.7 90.2 124.6 32.6 0.0 0.2 0.0 0.6 5.0 47.2 68.1 104.6

36