Universidad Nacional Agraria La Molina

Facultad de Ingeniera Agrcola DRAT

IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

CLASE X
ANLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIN TOTAL ANUAL Y
CAUDAL MEDIO ANUAL
1. Longitud necesaria de registro
Diversos investigadores como Rubinstein et al, han estudiado el problema de encontrar el
perodo ms racional para obtener valores estables y mutuamente comparables de los diversos
elementos meteorolgicos y concluyen que para el caso de la precipitacin, un periodo de 30
aos es an insuficiente para obtener un promedio estable de precipitacin total mensual, pero
son suficientes para un promedio de precipitacin total anual.
Cuantitativamente se puede utilizar el parmetro estadstico: Coeficiente de Variacin (Cv),
definido como:

Cv =

S
x

, para indicar que valores menores a 0.20 indican para la mayora de

los propsitos una aceptable longitud de la serie y una moderada variabilidad. Valores de Cv
mayores a 0.25 puede indicar que la serie de datos de lluvia anual es muy corta para obtener
de ella estimaciones confiables.
Shuh Chai Lee (1956), utiliz la estadstica de la media para estimar la longitud de registro
necesario para determinar el valor medio de los datos dentro de ciertos lmites seleccionados
de la media poblacional () , comnmente el 5% o 10%, esto implicara que
0.95

y 1.05

o 0.90

y 1.1

x estara entre

x , respectivamente.

Para probar los anterior se puede utilizar la distribucin t de Student, =n-2 grados de libertad,
siendo n el tamao de la muestra o tambin el valor buscado y un nivel de significancia . El
estadstico t est definido por la siguiente ecuacin:

t=

Despejando n se obtiene n =

S
t
x

1
x

x
S
n

t 2 (Cv )2
2

e2

Donde Cv es el coeficiente de variacin y 'e' es el lmite de exactitud deseado y por lo tanto

x (1-e) y x (1+e) son los llamados lmites de confianza de .

Como el valor de t es funcin de n, la ecuacin anterior se resuelve por tanteos. Por otra parte
el nivel de significancia es funcin del nivel de confianza deseado, o la probabilidad adoptada
para que la media del registro de tamao 'n' este dentro del lmite 'e'.

24/05/04

Universidad Nacional Agraria La Molina

Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

Por ejemplo
Se desea conocer la longitud de registro necesario para que con una probabilidad del 90%, la
media de la estacin climatolgica X, est dentro del 10% de la media verdadera, si se sabe
que para un periodo de registro de 38 aos se tiene una media de 745 mm con una desviacin
estndar tpica de 283.5 mm.

t 2 (Cv )2
Reemplazando en la ecuacin n =

, y sabiendo que Cv = (283.5/745)2 y e = 0.10,

e2

entonces n = 14.4808 t2

Por lo tanto se requiere un registro de 41 aos para obtener una media en la estacin X, que
difiera de la verdadera en 10% con una probabilidad del 90%.
n (aos)
media (mm)
desviacin estandar (mm)
Alfa

n
38
39
40
41
42
43
44
45

38
745.00
283.50
0.10

t
1.688
1.687
1.686
1.685
1.684
1.683
1.682
1.681

n
41.28
41.22
41.16
41.11
41.06
41.01
40.97
40.92

Error (%)
-8.62
-5.68
-2.90
-0.26
2.24
4.63
6.90
9.06

2. Funciones de distribucin utilizadas en el anlisis probabilstico de precipitaciones totales

anuales y caudales medios anuales
2.1 Seleccin de la funcin de distribucin ms adecuada
Aunque existe un nmero importante de distribuciones de probabilidad empleadas en
hidrologa, son slo unas cuantas las comnmente utilizadas, debido a que los datos
hidrolgicos de diversos tipos han sido probados en repetidas ocasiones ajustarse
satisfactoriamente a ciertos modelos tericos.
Pauta:
a. Las distribuciones de probabilidad ms adecuadas para aproximar series anuales de
precipitacin o descargas son la normal y la log normal, segn el siguiente criterio:
Coeficiente de oblicuidad (g)
-1.5 a -0.2
-0.2 a 0.5
Normal
Log-normal
Normal Si Cs<0.2
Weibull Si Cs>0.2

Cv
0.00 a 0.25
0.25 a 2.00

Siendo:

Coeficiente de oblicuidad (g),

Indice de variabilidad (Iv),

Iv =

g=

1
n 1

(log x log x )

(n 1)(n 2)(Iv )3

[ (log xi log x) ]

24/05/04

Universidad Nacional Agraria La Molina

Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

Cs =

Coeficiente de asimetra,

a3 =

n
(n 1)((n 2) )

a3
S3

(xi x)

2.2 Utilidad
Despus de ajustar una cierta distribucin de probabilidades a un registro de precipitacin total
anual o descarga media anual, sta se utiliza para obtener la probabilidad de tener lluvias
anuales o descargas medias anuales menores que un cierto valor previamente seleccionado y
tambin valores mayores que otra determinada magnitud. Tales determinaciones son valiosas
para el diseo de sistemas hidrulicos como por ejemplo en proyectos de irrigacin.
Si por ejemplo los lmites inferior y superior de lluvia de acuerdo a la tolerancia de un cultivo
son conocidos, entonces puede ser evaluada la probabilidad de falla de tal cultivo debido a la
sequa o al exceso de lluvia.
Los registros de precipitacin de un determinado mes o poca son bastante susceptibles de
anlisis probabilstico, semejante al descrito para las lluvias anuales, sin embargo, en este caso
interesa por lo general construir grficas que indiquen las lluvias mensuales para determinadas
probabilidades de ocurrencia, por ejemplo para el 50%, 75% y 95%.
Es as que para proyectos de irrigacin se utilizan valores de precipitacin con probabilidad de
ocurrencia o persistencia correspondiente al 75% y para proyectos hidroenergticos se utiliza
95%.
Por ejemplo, para el ro Santa, siendo evaluadas las descargas medias mensuales para
diferentes niveles de probabilidad de ocurrencia o persistencia.

24/05/04

Universidad Nacional Agraria La Molina

Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde
DESCARGAS MEDIAS AL 25%,50% y 75% DE PERSISTENCIA DEL RIO SANTA
ESTACION CONDORCERRO
1978/2000
450

400

DESCARGAS (m3/s)

350

300

250

200

150

100

50

FEB

MAR

ABR

MAY

JUN

JUL

AGO

SET

OCT

NOV

DIC

Q75%

122,104

ENE

158,507

173,923

140,745

77,821

47,963

38,808

38,355

41,212

53,213

70,605

87,796

Q50%

142,460

292,714

315,505

230,104

103,222

62,003

44,978

41,389

48,476

63,553

94,293

114,403

Q25%

219,999

350,225

391,206

312,688

124,017

64,729

51,588

45,040

53,962

96,195

114,259

176,884

Qmedio

183,297

295,233

313,978

231,253

104,270

59,422

45,641

42,178

48,379

72,191

101,835

139,925

TIEMPO (Meses)

3. Concepto y seleccin del periodo de retorno

El objetivo primario del anlisis estadstico de datos hidrolgicos es la determinacin del
llamado periodo de retorno en un cierto evento hidrolgico de una magnitud dada x. El periodo
de retorno Tr se define como el lapso promedio entre la ocurrencia de un evento igual o mayor
a una magnitud dada.
Como en hidrologa se utilizan muestras integradas por los eventos hidrolgicos anuales, se
podr plantear la siguiente ecuacin basndose en el concepto de probabilidad.

P( X x ) =

1
Tr

La ecuacin anterior indica que si un evento hidrolgico X igual o mayor que x, ocurre una vez
en Tr aos, su probabilidad de excedencia es 1/Tr, es decir que si una excedencia ocurre en
promedio una vez cada 25 aos, la probabilidad de que tal evento ocurra en cualquier ao es
1/25.
4. Ecuacin general del anlisis hidrolgico de frecuencias
Ven Te Chow (1951) propuso que toda variable X de una serie hidrolgica puede ser
expresada de la siguiente manera:

X = x + K (S )
X
= 1 + K (Cv)
x
Siendo :
X
: Variable aleatoria
: Valor medio de la serie
x
S
: Desviacin tpica de la serie
Cv
: Coeficiente de variacin de la serie
K
: Factor de frecuencia

24/05/04

Universidad Nacional Agraria La Molina

Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

La ecuacin anterior es aplicable a casi todas las ecuaciones de probabilidad empleadas en

hidrologa.
La incertidumbre debida al desconocimiento de la distribucin de probabilidades de los datos
es un tema de controversia, sin embargo existen test o pruebas estadsticas para resolver este
problema como son las pruebas de Kolmogorov-Smirnov y Chi-cuadrado.
Asimismo el comparar grficamente la distribucin de probabilidades empricas y la terica
propuesta, conjuntamente con el juicio ingenieril y la experiencia en hidrologa, pueden
conducir en forma ms precisa y rpida a seleccionar la distribucin terica ms adecuada a
los datos.
5. Distribuciones de probabilidad adecuadas a lluvias y escurrimientos anuales
5.1 Distribucin normal y Log-normal
La distribucin normal es simtrica, con forma de campana; su distribucin representa los
errores accidentales alrededor de la media y por eso se conoce como Ley de Errores o de
Gauss.
La distribucin Log-normal es simtrica con sesgo hacia la derecha y equivale a una
distribucin normal en la cual la variable se reemplaza por su valor logartmico. Al igual que la
distribucin normal, la log-normal es funcin de slo dos parmetros estadsticos, la media y la
desviacin estndar.
La funcin de distribucin de probabilidad normal se define como:

F ( x) =

1
2

1 x

e 2

dx

Donde y son los parmetros de la distribucin.

Para el clculo numrico de las distribuciones normal y log-normal se utilizan las siguientes
ecuaciones:
- Para la distribucin normal

X = x + K (S )

- Para la distribucin log-normal

log X = log x + K ( Iv)

El factor de frecuencia K es conocido tambin con el nombre de variable estandarizada para el

caso de la distribucin normal, est en funcin de la probabilidad P(X<=x) o del periodo de
retorno Tr, mediante la siguiente tabla.

24/05/04

Universidad Nacional Agraria La Molina

Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

P(X<=x) %
99.9
99.8
99.0
98.0
95.0
90.0
80.0
50.0
20.0
10.0
5.0
2.0
1.0
0.1

Tr (aos)
1000.00
500.00
100.00
50.00
20.00
10.00
5.00
2.00
1.25
1.11
1.05
1.02
1.01
1.00

K=Z
3.0902
2.8782
2.3264
2.0538
1.6449
1.2816
0.8416
0
-0.8416
-1.2816
-1.6449
-2.0538
-2.3264
-3.0902

La metodologa de aplicacin consistir en calcular x y S, cuando se quiere ajustar a una

distribucin normal y log x e Iv cuando se quiere ajustar a una distribucin log-normal,
respectivamente.
A continuacin se calculan los valores de la variable X (lluvia anual) para los periodos de
retorno de los factores de frecuencia o variable estandarizada.

24/05/04

Universidad Nacional Agraria La Molina

Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

Ejemplo:
Consideremos la precipitacin total anual registrada en la Estacin Tacalaya, Cuenca del ro
Locumba, Departamento de Tacna.

Ao
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
Media
Desv.Est.

Estacin : Tacalaya
Cuenca : Locumba
Departamento : Tacna
Pp.Total Anual (mm) Log(Pp.Total Anual)
542.9
2.735
603.8
2.781
646.4
2.811
225.3
2.353
356.0
2.551
310.2
2.492
462.8
2.665
345.9
2.539
666.9
2.824
503.2
2.702
665.0
2.823
427.7
2.631
285.0
2.455
325.2
2.512
544.9
2.736
615.0
2.789
506.8
2.705
420.2
2.623
494.9
2.695
700.2
2.845
629.9
2.799
562.5
2.750
543.3
2.735
454.7
2.658
367.5
2.565
361.4
2.558
355.5
2.551
308.3
2.489
504.1
2.703
351.8
2.546
111.4
2.047
657.6
2.818
736.4
2.867
472.5
2.647
151.9
0.170

Factor de Frecuencia
P(X<=x) %
Tr (aos)
K=Z
99.9
1000.00
3.0902
99.8
500.00
2.8782
99.0
100.00
2.3264
98.0
50.00
2.0538
95.0
20.00
1.6449
90.0
10.00
1.2816
80.0
5.00
0.8416
50.0
2.00
0
20.0
1.25
-0.8416
10.0
1.11
-1.2816
5.0
1.05
-1.6449
2.0
1.02
-2.0538
1.0
1.01
-2.3264
0.1
1.00
-3.0902

24/05/04

Mediante Factor de Frecuencia

Normal
Log-Normal
941.8
23.831
909.6
22.990
825.8
20.936
784.4
19.991
722.3
18.652
667.2
17.537
600.3
16.277
472.5
14.112
344.7
12.236
277.9
11.356
222.7
10.678
160.6
9.962
119.2
9.512
3.2
8.357

Universidad Nacional Agraria La Molina

Facultad de Ingeniera Agrcola DRAT
IA-4026 Hidrologa Aplicada
Ing. Eduardo A. Chvarri Velarde

NOrden
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

Prob.Emprica (%)
Weibull
3
6
9
12
15
18
21
24
26
29
32
35
38
41
44
47
50
53
56
59
62
65
68
71
74
76
79
82
85
88
91
94
97

Prob.Emp.Excedencia
P(X>=x)
97
94
91
88
85
82
79
76
74
71
68
65
62
59
56
53
50
47
44
41
38
35
32
29
26
24
21
18
15
12
9
6
3

Distribucin
Normal
759.5
710.2
677.8
652.8
631.8
613.6
597.2
582.1
568.0
554.7
542.0
529.8
518.0
506.4
495.0
483.7
472.5
461.3
450.0
438.6
427.0
415.2
403.0
390.3
377.0
362.9
347.8
331.4
313.2
292.3
267.2
234.9
185.5

Series ordenadas de mayor a menor

Pp.Total Anual Log(Pp.Total Anual)
736.4
2.867
700.2
2.845
666.9
2.824
665.0
2.823
657.6
2.818
646.4
2.811
629.9
2.799
615.0
2.789
603.8
2.781
562.5
2.750
544.9
2.736
543.3
2.735
542.9
2.735
506.8
2.705
504.1
2.703
503.2
2.702
494.9
2.695
462.8
2.665
454.7
2.658
427.7
2.631
420.2
2.623
367.5
2.565
361.4
2.558
356.0
2.551
355.5
2.551
351.8
2.546
345.9
2.539
325.2
2.512
310.2
2.492
308.3
2.489
285.0
2.455
225.3
2.353
111.4
2.047

Distribucin
Log-normal
19.442
18.400
17.747
17.258
16.860
16.519
16.219
15.949
15.700
15.469
15.251
15.045
14.847
14.656
14.471
14.290
14.112
13.937
13.762
13.589
13.414
13.237
13.058
12.874
12.685
12.487
12.279
12.056
11.812
11.540
11.222
10.824
10.244

Ajuste de datos a Distribucin normal y log-normal

Distribucin Normal

Distribucin Log-normal

800
700
600
500
400
300
200
100
0

25
20
15
10
5

20

40
60
Probabilidad (X<=x)

24/05/04

80

0
100

Pp.Ajuste
Log.normal

Pp.Total Anual (mm)

Prob.Emp.No Excedencia P(X<=x)