UNIVERSIDAD DE LAS REGIONES AUTONOMAS DE LA

COSTA CARIBE NICARAGUENSE

URACCAN

TRABAJO DE HIDROLOGIA

DOCENTE: ING JOSUE ZELAYA NAAR

TEMA: PROBABILIDADES Y ESTADSTICAS EN HIDROLOGIA

INTEGRANTES:
STEYNER OCAMPO RIVERA
SANTO LEONEL HERRERA RIOS

JUVER FELIPE JAMES

TURNO: VESPERTINO

FECHA DE ENTREGA
14/03/2016

Probabilidad y estadstica en la hidrologa

Introduccin:
El objetivo bsico de la aplicacin de la estadstica en Hidrologa es el anlisis de
la informacin hidrolgica en forma de muestras, a fin de inferir las caractersticas
con que debe ser esperado en el futuro el fenmeno que se estudia. El avance en
el campo de las computadoras y el desarrollo creciente de mtodos numricos han
dado una importancia particular al uso de la estadstica en todas las ciencias
naturales, especialmente en Hidrologa.

Existe en muchos la idea de que la estadstica es usada slo cuando no es posible

dar una solucin exacta a un problema hidrolgico. En esta interpretacin la
solucin exacta es una solucin determinstica' del problema. Sin embargo, se
puede demostrar que la solucin determinstica constituye una solucin particular
de la solucin estadstica o probabilstica.

En forma general, la mayora de los problemas hidrolgicos se agrupar en tres

categoras principales de acuerdo al objetivo del proyecto:

Diseo de estructuras hidrulicas, siendo necesaria la evaluacin y

cuantificacin de los valores extremos (mximos y mnimos) del escurrimiento
superficial.

Satisfaccin de demandas, siendo necesario evaluar y cuantificar las

descargas disponibles en el punto de inters.

Diseo y operacin de embalses, siendo necesario evaluar y cuantificar la

variacin del escurrimiento superficial en todas sus caractersticas estadsticas,
como valores medios, mximos y mnimos.

En cada una de las tres categoras mencionadas se presentan diferentes tipos de

problemas, dependiendo la simplicidad o complejidad de la solucin del tipo,
cantidad y calidad de la informacin disponible, as como de 1 a magnitud del
proyecto. Los casos ms comunes que se presentan en cada una de las tres
categoras mencionadas son:

Cuencas con suficiente informacin hidrolgica. Este es el caso ms optimista

donde se pueden aplicar todo tipo de metodologas existentes.

Cuencas con escasa informacin hidrolgica. En este caso se pueden

desarrollar modelos <que relacionen las precipitaciones con las de cargas,
mediante. El uso de la regresin simple o mltiple, lineal o no lineal.

Cuencas sin informacin hidrolgica. Este es el caso ms crtico y el ms

comn, el cual puede resolverse mediante un anlisis regional.

Uso de Modelos Probabilsticos

Los fenmenos que se presentan en la ingeniera pueden clasificarse, desde el
punto de vista de la certeza de su ocurrencia, en determinsticos y probabilsticos.
Si la ocurrencia de las variables en un proceso es cierta, es decir si las variables
siguen una ley determinada se habla de un proceso determinstico. En cambio, si
se toma en cuenta la probabilidad de ocurrencia y la falta de certeza existente,
entonces se habla de un proceso de naturaleza probabilstica. Es conveniente
hacer notar que la gran mayora de los procesos que interesan al ingeniero, en
especial en el campo de la Hidrologa, pertenecen a la categora de fenmenos
probabilsticos.

Entre los procesos probabilsticos es necesario distinguir los probabilsticos a

secas de los probabilsticos estocsticos o simplemente estocsticos. Se
denomina proceso estocstico a aqul en el que las caractersticas de las
variables aleatorias varan con el tiempo. En un 'proceso probabilstico,
independiente de la variable tiempo, la secuencia de las variables no interesa y se
supone que ellas siguen un determinado comportamiento dado por el modelo
probabilstico o distribucin de frecuencias.

Dada pues una variable aleatoria, interesar describir la probabilidad de

ocurrencia de los distintos estados. Esto se consigue gracias a un modelo
matemtico de su comportamiento o modelo probabilstico. Esta distribucin
probabilstica permite calcular:

 Las probabilidades de los distintos estados o valores que pueden tomar la

variable aleatoria.

La probabilidad de tener valores mayores o menores que un determinado

lmite.

Los valores de probabilidad de ocurrencia asociados a cada valor de la variable

aleatoria.
En resumen, puede decirse que el modelo probabilstico o distribucin permite
conocer y manejar fcilmente el comportamiento de la variable y sintetizar toda la
informacin sobre probabilidades asociadas a cada estado.

Segn se trate de variables discretas o continuas, se usarn modelos de

distribucin probabilsticos discretos o continuos. Sern modelos discretos
aqullos cuya funcin densidad de probabilidad y funcin de probabilidad
acumulada se encuentran definidas para determinados valores que puede tomar la
variable.
Definiciones

La estadstica es el estudio de los mejores modos de acumular y analizar datos y

de establecer conclusiones acerca del colectivo del que se han recogido tales
datos.
La probabilidad es el estudio de la incertidumbre: es la parte de la matemtica que
trata de manejar con nmeros al azar.
Para ello, y como sucede en la mayora de las ciencias, con mucha frecuencia el
estadstico es el camino obligado en la solucin de los problemas. En particular la
probabilidad y la estadstica juegan un papel de primer orden en el anlisis
hidrolgico.

FUNCIONES DE LA PROBABILIDAD
FUNCIONES DISCRETAS DE PROBABILIDAD:
Cuando el nmero de valor x, que puede tomar una variable aleatoria X es finito,
se dice que la variable aleatoria X es discreta. Por ejemplo si el experimento tiro
de dos dado se define la variable aleatoria X como:

X=D1+ D2
Donde D1 y D2 son los puntos obtenidos del primero y segundo dado
respectivamente.

FUNCIONES CONTINUAS DE PROBABILIDAD.

Cuando el nmero n de valores que pude tomar una variable aleatoria X es infinita,
como es el caso por ejemplo de los volmenes de escurrimiento mensual de un rio
se dice que dicha variable aleatoria es continua.

PERIODO DE RETORNO.
Cada espacio muestral tiene su propio funcin de distribucin o densidad de
probabilidad que normalmente se conoce como priori. Cuando de ese espacio se
extrae un grupo de datos (muestra) alzar, es razonable esperar que su funcin de
distribucin de probabilidad sea similar a la de espacio completo, en particular si la
muestra es grande. Adems lo ms razonable que puede suponer en cuanto a la
frecuencia de cada dato de grupo es que esto sea dentro del espacio muestral
igual a de observada.
T= n+1/m
T= periodo de retorno.
n= nmero total de datos.
m=nmero de orden.

Funciones de distribucin de probabilidad usadas en la hidrologa

Entre las funciones de distribucin de probabilidad usadas en hidrologa son las
siguientes:
Gumbel
Pearson III
Normal

Ley de Gumbel
De las varias distribuciones de valores extremos hay dos que tienen mayor
aceptacin, al haber demostrado que se ajustan bien al fenmeno de las crecida

de los ros: la distribucin de valores extremos tipo I o ley de Gumbel y la

distribucin log-Pearson tipo III.

La ley de Gumbel I est dada por la expresin:

P=probabilidad de que un valor x sea igualado o excedido.

V=variable reducida, dada por la expresin:

Para una muestra de tamao finito, Gumbel encontr que:

=valor medio esperado de la variable reducida.

=desviacin estndar de la variable reducida.

Ejemplo 1
Hallar el valor de K para una probabilidad de 1% si se trabaja con una muestra de
40 aos.
P = 0.01
y = 4.600 es una constante.

Distribucion normal:
La funcion de densidad de probabilidad normal se define como:

Donde y son parmetros de la distribucin. En estos parmetros determinan

de la funcin f(x) y su posicin en el eje x. Es posible es posible demostrar que y
son respectivamente la media y la desviacin estndar de la poblacin y puede
estimarse como la media y la desviacin estndar de los datos. La funcin de
distribucin de probabilidad normal es:

Hoy en da, no se conoce analticamente la integral de la ecuacin por lo que es

necesario recurrir a mtodos numricos para evaluarla. Sin embargo, para esto se
requerira una tabla para cada valor de y , por lo que se ha definido la variable
estandarizada.

Que esta normalmente distribuida con media cero y desviacin estndar unitaria.
As la funcin de distribucin de probabilidad se puede escribir como:

Ejemplo
Los gastos mximos anuales en la estacin hidromtrica las perlas en rio
coatsacoalas se muestra.
Cul es la probabilidad de que en un ao cualquiera el gasto sea mayor o igual
a 7500 metros cbicos sobre segundo.
Se planea cerca de este sitio un bordo para proteccin contra inundaciones
Cul debe ser el gasto de diseo si se desea que el periodo de retorno sea de
60 aos?
Suponga que los datos de la tabla 9.5 siguen una distribucin normal.

La media y la desviacin es:

Para x=7500 metros sobre segundo la variable estandarizada z.

Por lo que la probabilidad de que el gasto mximo anual sea mayor o igual que
7500 metros sobre segundo resulta.

Entonces segn la distribucin normal el gasto de diseo para un periodo retorno

de 60 aos es de 7775.2 metros sobre segundo

Distribucin Log-Pearson Tipo III

Para el uso de esta distribucin se convierten los valores de la serie a sus
logaritmos decimales y se hallan los siguientes parmetros:

Ejemplo:
Resolver el problema 9.2 usando la funcin de distribucin del mtodo de LogPearson Tipo III