Академический Документы
Профессиональный Документы
Культура Документы
simulación de Balance
Modelos Estocásticos
(evaluación del RRHH)
DRA ING SONIA TATIANA S ANCHEZ QUISPE
ANÁLISIS DE SERIES
HIDROLÓGICAS
1. CARACTERISTICAS SERIES TEMPORALES
2. ANALISIS UNIVARIADO
3. ANALISIS MULTIVARIADO
4. ANÁLISIS DE CONSISTENCIA
5. COMPLETADO DE SERIES
Series de datos en estadística
Conjunto de datos ORDENADOS: Cada dato ocupa una posición propia en la serie y mantiene
una relación de precedencia definida con el resto de datos (= series temporales)
Procesos de Markov
◦ X(t) es un proceso de Markov si el valor futuro de x depende del valor presente F x [ X(t+k) | X(t) ]
z
N k
entre 2 series (i ) ( j )
PROPIEDADES DE SERIES
◦ TENDENCIA
Variación continuada en el tiempo en una determinada dirección
ANÁLISIS DE FRECUENCIAS
•Se divide el rango de la serie en intervalos discretos
•El número de medidas que se encuentra en cada rango se
transforma en porcentajes
•Se grafica el “histograma de frecuencias”
•Las frecuencias representan la probabilidad de ocurrencia
•¿Decisión sobre el número de intervalos? se suele
hacer depender del tamaño de la muestra N 1 2 3 4 5 6 7 8 9 10
ASIGNACIONES DE PROBABILIDAD
Es usual asignar una probabilidad de igualación o superación al valor de la serie x m
Método b
en función del orden que ocupa Hazen 0.5
mb
Pr X xm 1
Blom 3/8
n 1 2b Tukey 1/3
Gringorten 0.44
ANÁLISIS DE ESTADÍSTICOS ANÁLISIS UNIVARIADO
Cálculo de los estadísticos básicos de la muestra
•Media aritmética
•Mediana
MEDIDAS DE •Moda
LOCALIZACIÓN
•Valores máximos y mínimos
•Primer y tercer cuartíl
serie2
•Si los puntos se alinean en la recta x=y se deduce que
siguen un función de distribución idéntica
•Si la alineación es recta pero no 45º implica que siguen
la misma f.d. pero con diferentes parámetros serie1
250
Contreras
diagrama de dispersión 100
COEFICIENTE DE CORRELACIÓN
1 n
xi x yi y
n
rxy i 1
x y
ANÁLISIS DE LA CONSISTENCIA
Contreras
estable en la media la representación mostrará 10000
t t
Obtenidos por Mínimos cuadrados
m n
S r r r t t
m n
ij ij
a2 3 23 132 12 rij coeficientes de correlación
rmn ij
S 2 1 r12
t t
m 2 n 2
m
ij t n
ij t
ij ij
ij N (0, S ) S2 S32 1 R 3 2
12
y y
N
yij log xij yj
N
1
ij
yij y j
2
j
ij
N
yj i 1
N 1 i 1 gj i 1
i: año
N N 1 N 2 3j
j: mes
3. Relleno de valores
M
k b k
o
ij
o
o ij 1 bl kijl ij b0 : coeficiente autoregresivo
l 1 b1 : coeficiente de correlación
Modelos estocásticos para series
de caudales
1. Formulación del modelo estocástico a partir de series históricas