Modelos hidrológicos de

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)

◦ Series de caudales (diarios, mensuales, anuales, …)

◦ Series de lluvias
PROPIEDADES DE SERIES
◦ AUTOCORRELACIÓN DE SERIES N k

Relación de dependencia de los términos  z tk  z  zt  z 

de una serie con la misma serie desfasada
rk  z   t 1
k intervalos
2

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) ]

◦ Cadenas de Markov: cuando X solo puede tomar valores discretos

z  
N k

◦ CORRELACIÓN ENTRE 2 SERIES

(i )
t k  z ( i ) zt( j )  z ( j )
Relación de dependencia rkij  z   t 1

entre 2 series  (i ) ( j )
 PROPIEDADES DE SERIES
◦ TENDENCIA
Variación continuada en el tiempo en una determinada dirección

◦ PERIODICIDAD (periodos estacionales)

La función de distribución de la serie puede variar si se calculan para un periodo de tiempo fijos
(Media y varianza periódicas)
◦ SERIES ESTACIONARIAS
◦ La función de distribución no varía en el tiempo
◦ SERIES PERIÓDICAS
ANÁLISIS UNIVARIADO

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

Se ordena la serie de mayor a menor y se aplican formulas de Chegodaye

b 0.3
asignación de probabilidad en función de un parámetro b Beta 0

mb
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

•Varianza y desviación típica

MEDIDAS DE
•Coeficiente de variación
DISPERSIÓN
•Rango intercuartílico

MEDIDAS DE FORMA •Coeficiente de sesgo

DE DISTRIBUCIONES
ANÁLISIS BIVARIADO O MULTIVARIADO

GRÁFICOS COMPARATIVOS DE CUANTÍLES

•Se comparan los cuantiles de ambas series

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

DIAGRAMA DE DISPERSIÓN 200

•Comparación de los puntos muestrales en un 150

Contreras
diagrama de dispersión 100

•Se deduce el tipo de relación entre ambas series 50

•Permite identificar puntos erráticos 0

0 50 100 150 200 250 300
Alarcón

COEFICIENTE DE CORRELACIÓN
1 n
  xi   x   yi   y 
n
rxy  i 1
 x y
ANÁLISIS DE LA CONSISTENCIA

Permite estudiar las inestabilidades que presentan los datos debidas a

procesos naturales, humanas, proceso de medición ,etc.

MÉTODO DE LAS DOBLES ACUMULACIONES

homogenea
•Se comparan dos series acumuladas 25000

pertenecientes al mismo período. Una de las series 20000

es “estudio” y la otra de “referencia”.
•Si la relación entre las series se ha mantenido 15000

Contreras
estable en la media la representación mostrará 10000

una tendencia lineal

•La presenta de quiebros y saltos indica cambios 5000

en la relación entre las series de datos 0

0 5000 10000 15000 20000 25000 30000

TEST DE CONSISTENCIA… homogenea Alarcón

Para la media: t de Student

COMPLETADO DE SERIES
SERIES METEOROLÓGICAS MENSUALES
Rellenado de series a partir de otras estaciones de la misma zona
Las relaciones que se establecen entre las series definen el método:
-Inverso de la distancia al cuadrado
 P B
P C
P D

-Isoyetas: uso de las superficies de interpolación Pi  1  A Pi  A Pi  A Pi D 
A B C
3 P P P
 
Regresiones lineales
-

SERIES: COMPOSICIÓN ESTADÍSTICA

SERIE TEMPORAL = TENDENCIA +

FRECUENCIA
+
ALEATORIEDAD
 1. Obtención de la serie de residuos

xij  x j N Nota: Series de

tij  xj  1
N
xij Sj 
1 N

N  1 i 1
 xij  x j 
2
meteorológicas no
muestran correlación
Sj i 1
temporal
2. Planteamiento del una regresión bivariada
3
 1

tij3  t  a1 tij1  t  a2 tij2  t   ij  2
 Tij serie estacionaria
1 y 2 estaciones de referencia
S 3  r13  r23r12 
a1    3 Estación a completar
S1  1  r12 2

 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 ) S2  S32 1   R 3 2

12

 r132  r232  2r12 r13r23  Coeficiente de

R  
3
12  correlación
 1  r 2
12  múltiple 1 y 2 con 3

3. DESHACER LAS TRANSFORMACIONES xij  x j  S j tij

COMPLETADO DE SERIES DE APORTACIONES
SERIES DE APORTACIONES
Las series de aportaciones suelen mostrar una estructura de correlación temporal
HEC-4 Programa utilizado para rellenar series de aportaciones basándose en la
autocorrelación de una estación y de las relaciones estadísticas con otras series.

1. Estadísticos de las series

N

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

2. Estacionarización de series y ajuste a distribución (tipo LogPearsonIII)

yij  y j 6   g j tij   g j
tij  kij  3   1  1 
j g j   2   6

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

2. Generación de nuevas series de datos de aportaciones