UPC

UNIVERSIDAD PERUANA DE CIENCIAS

APLICADAS

Hidrologa CI180

Estadstica aplicada a la hidrologa

Karim Espinoza
Introduccin
 Contenido

1. Objetivo
2. Conceptos bsicos
3. Funciones de distribucin de probabilidad
4. Pruebas de bondad de ajuste
5. Conclusiones
 1. Objetivo

Recordar los conceptos bsicos de estadstica y conocer sus

aplicaciones en estimaciones hidrolgicas.
 2. Conceptos bsicos
Probabilidad
Sea S un espacio muestral asociado a un experimento, y A cualquier
suceso de S, tal que A es un subconjunto de S, se dice que la
probabilidad P(A) de un evento A, es un experimento aleatorio que tiene
Ns resultados igualmente posibles y Na resultados favorables, esta dado
por:

Este tiene que satisfacer los siguientes axiomas.

1. 0 P(A) 1, para todo A S (Para todo evento A su probabilidad es
positiva y cero si el evento es imposible).
2. P(S) = 1
3. P(A1 U A2 U A3 U U AN) = P(A1 + A2 + A3 + + AN) = P(A1) + P(A2)
+ P(A3) + + P(AN)

Si A1 + A2 + A3 + + AN, es una serie de sucesos mutuamente

excluyentes.
 2. Conceptos bsicos
Funciones de probabilidad
Una de las formas de representar las probabilidades de las
variables hidrolgicas son las funciones de probabilidad
(funciones de densidad), y las funciones de probabilidad
acumuladas.

Funciones de probabilidad discretas

Cuando el nmero n de valores que puede tomar una variable
aleatoria X es finito, se dice que la variable aleatoria X es
discreta.
A la funcin y grfica que asocia una probabilidad a dicha variable
aleatoria X se denomina funcin de probabilidad discreta f(xi).
Esta funcin representa la probabilidad que tomar la variable
aleatoria X, generalmente se representa por un grfico de barras
para cada valor de la variable aleatoria X, ver Figura 1.
 2. Conceptos bsicos

Figura 1. Funcin de probabilidad discreta

 2. Conceptos bsicos
Funciones de probabilidad continuas
Cuando el nmero de valores n que puede tomar una variable aleatoria
X es infinito, se dice que la variable aleatoria X es continua. Este tipo de
variables es ms frecuente en hidrologa.
La funcin que asocia una probabilidad a dicha variable se denomina
funcin de probabilidad continua o funcin de densidad f(xi). Esta
funcin representa la probabilidad que toma una variable aleatoria X, la
representacin grafica se muestra en la Figura 2.

Figura 2
Funcin de probabilidad continua
 2. Conceptos bsicos
Funcin de probabilidad acumulada
Si X es una variable aleatoria discreta o continua, se define la funcin
de distribucin acumulada F(x), como la probabilidad de que la variable
aleatoria X tome cualquier valor menor o igual a x y se designa por:
F(x) = P(X x)
Que es conocida como probabilidad de no excedencia, o

1 - F(x) = 1 - P(X x) = P(X x)

Que es conocido como probabilidad de excedencia.

Figura 3 Probabilidad de excedencia y no excedencia

 2. Conceptos bsicos
Tal que: P(X x) + P(X x) = 1
En hidrologa la variable ms frecuente es una variable continua. La
funcin de distribucin acumulada de esta variable, est representada
por:

F(x) = P(X x) = f(x)dx, cuando la funcin empiece en -

De esto se deduce:

P(a x b) = F(b) F(a) = f(x)dx
Lo que significa que la probabilidad de un evento a x b , es igual al
rea que hay bajo la curva de la funcin de densidad f(xi) entre x=a y
x=b.

Figura 4
Probabilidad de un evento
axb
 2. Conceptos bsicos
Entonces la probabilidad puntual es cero, porque el rea bajo la curva
es cero.

Figura 5. Probabilidad puntual

Por otro lado se tiene que el rango de F(x) es: 0 F(x) 1

Es decir que la funcin de distribucin acumulada est en el rango de
cero y la unidad o 100%.

La funcin de distribucin acumulada se representa de la siguiente

manera.
 2. Conceptos bsicos

Figura 6. Funcin de distribucin acumulada

La Figura 6 permite ver el porcentaje de las observaciones que estn

por encima (Fx1) o debajo (1 Fx1) del valor x1 con respecto al total.
 2. Conceptos bsicos
Periodo de retorno
El Periodo de Retorno T, se define como el tiempo o lapso
promedio entre la ocurrencia de un evento igual o mayor a una
magnitud dada, dicho de otra forma, es el intervalo de recurrencia
promedio para un cierto evento.
Estadsticamente el Periodo de Retorno es la inversa de la
probabilidad de excedencia, es decir:

Otra forma de definir Periodo de Retorno T es como sigue:

 2. Conceptos bsicos
Ejemplo 1
Considerar la variable caudal mximo del ao, Qmax para n aos.
Estimar el periodo de retorno de un caudal de 20 m3/s considerando la
grfica correspondiente para una serie de 41 aos. La media histrica
de esta serie es 14.9 m3/s.

Figura 7. Caudales diarios mximos

 2. Conceptos bsicos
Solucin:
Trazar una recta a 20 m3/s en el grafico. Realizar el conteo de aos
transcurridos entre eventos mayores a 20 m3/s:
Una vez que se presento el evento Q > 20 m3/s (en el segundo ao),
transcurrieron 2 aos antes de que se volviera a presentar dicho
evento. Luego transcurrieron 5 aos, luego 2 aos, etc.
Considerando varias centenas de aos, el periodo de retorno T ser el
valor esperado de esos lapsos de tiempo. Entonces T puede ser
estimado como:

Lo que significa:
Considerando varias centenas de aos, el valor de 20 m3/s es excedido
en promedio una vez cada 3.8 aos, es decir, el periodo de retorno del
valor de 20 m3/s es de 3.8 aos.
 2. Conceptos bsicos
En otras palabras, en el transcurso de un ao cualquiera se tiene una
probabilidad de uno en 3.8 (o sea 26%) de que Qmx sea igual o mayor
a 20 m3/s.
El periodo de retorno a adoptar para el diseo de una estructura
hidrulica debera ser el resultado del anlisis costo-beneficio.
Periodo de retorno mayor la obra ms cara el beneficio
tambin podra ser ms grande.
Sin embargo la evaluacin de los beneficios es frecuentemente muy
difcil de utilizar, por lo que en la prctica se adoptaran periodos de
retorno en base a la prctica usual (ver Tabla 1).
Tambin se puede entender el periodo de retorno como un coeficiente
de seguridad que se asigna a las distintas estructuras, a raz de la falta
de informacin y conocimiento del comportamiento de las variables
hidrolgicas (precipitacin, caudales), siendo una medida de seguridad
ante cualquier eventualidad.
 2. Conceptos bsicos
Tabla 1. Periodo de retorno para estructuras menores
Perodo de
Tipo de Estructura Retorno
(aos)
Puente sobre carretera importante 50 --100
Puente sobre carretera menos importante o
25
alcantarillas sobre carretera importante

Alcantarillas sobre camino secundarios 5 -- 10

Drenaje lateral de los pavimentos, donde puede

1 -- 2
tolerarse encharcamiento con lluvia de corta duracin

Drenaje de aeropuertos 5
Drenaje urbano 2 -- 10
Drenaje Agrcola 5 -- 10
Muros de encauzamiento 2 -- 50*
* Puede aumentar si estas obras protegen poblados de importancia
Tomado de Hidrologia Maximo Villon Bejar
 2. Conceptos bsicos

Fuente: Reglamento Nacional de Edificaciones

 2. Conceptos bsicos

Fuente: Reglamento Nacional de Edificaciones

 2. Conceptos bsicos

Fuente: Reglamento Nacional de Edificaciones

 2. Conceptos bsicos
Riesgo de Fallo
Generalmente el ingeniero disea una obra para resistir una avenida de
cierta magnitud. Se define el riesgo de fallo R de un diseo como la
probabilidad de que la avenida para la cual se disea la obra sea
excedida en el transcurso de N aos, esto es considerado como una
situacin de riesgo, pues la obra se disea para soportar cierta avenida
mxima, y crecientes mayores podran hacerle dao o incluso
destruirla, poniendo en riesgo vidas humanas e infraestructuras que
estn aguas abajo.

De forma ms sencilla se entiende por riesgo de fallo a la probabilidad

de que un evento con un periodo de retorno de T aos ocurra al menos
una vez en N aos. El riesgo de fallo se puede escribir como:
 2. Conceptos bsicos

Donde:
T = Periodo de Retorno;
N = Aos
P(X x) = Probabilidad de excedencia
R = Riesgo de fallo o probabilidad de que un evento con periodo de
retorno T aos ocurra al menos una vez en N aos.
 2. Conceptos bsicos

Fuente: Ministerio de transportes y comunicaciones

http://transparencia.mtc.gob.pe/idm_docs/P_recientes/970.pdf
 2. Conceptos bsicos
Clculo de la probabilidad emprica o experimental
Dado un conjunto de datos ordenados:
x1, x2, x3, , xN
Existen varias formulas para calcular la probabilidad de ocurrencia de
los datos ordenados:

Donde:
P = probabilidad experimental
acumulada o frecuencia relativa
emprica.
m = numero de orden
n = numero de datos
3. Funciones de distribucin de probabilidad
Una vez que se asigna un periodo de retorno al caudal de diseo de
una determinada obra, generalmente es necesario, para conocer dicho
caudal de diseo, hacer extrapolaciones a partir de los gastos mximos
anuales registrados, pues rara vez este periodo es menor que el
periodo de datos.
Por ejemplo, puede ser necesario estimar un caudal de diseo con un
periodo de retorno de 500 aos a partir de 25 aos de registro. Si los
caudales mximos anuales se dibujan contra sus respectivos periodos
de retorno, generalmente se observa alguna tendencia mas o menos
definida. El problema radica en como extender esta tendencia hasta el
periodo de retorno deseado.
Se debe buscar entre las distintas funciones de distribucin de
probabilidad tericas la que se ajuste mejor a los datos medidos, y usar
esta funcin para la extrapolacin.
3. Funciones de distribucin de probabilidad
En estadstica existen muchas funciones de distribucin de probabilidad
tericas, las funciones de distribucin de probabilidad tericas ms
usadas en hidrologa son:
a) Normal
b) Log Normal
c) Log Pearson III
d) Gumbel

Las funciones normal y log-normal son generalmente apropiadas para

variables aleatorias que cubren todo el rango de valores de los
resultados posibles del experimento bajo anlisis, como por ejemplo
los volmenes de escurrimiento mensual de un rio.
Las funciones Gumbel se desarrollaron para el anlisis de los valores
extremos de dichos resultados, como caudales mximos o mnimos
anuales. La funcin Pearson III ocupa un lugar intermedio.
3. Funciones de distribucin de probabilidad
Distribucin Normal
Tambin denominada distribucin gausiana. Se dice que una variable
aleatoria X tiene una distribucin normal, cuando su funcin de
densidad de probabilidad es:
1 ( )2

= 2 2
2 2

Donde y son los

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

1 1 2
= 2 )
(
2
Donde la variable estandarizada:
X
z

Que esta normalmente distribuida con media cero y desviacin
estndar unitaria. Por lo tanto la funcin de distribucin de
probabilidad ser:
1 2
= = 2
2
3. Funciones de distribucin de probabilidad
La funcin de F(z) se ha calculado numricamente y se han publicado
tablas de ella (Tabla A). Debido a que la funcin es simtrica,
generalmente las tablas con la solucin numrica se presentan desde 0
hasta z.
Otra forma de estimar f(z) o F(z), es mediante formulas aproximadas. La
funcin de densidad se aproxima a:
= (0 + 1 2 + 2 4 + 3 6 )1

Donde:
0 = 2.49089

1 = 1.466003

2 = 0.024393

3 = 0.178257
3. Funciones de distribucin de probabilidad
Y la funcin de distribucin como:

Despejando x de la ecuacin de la variable estandarizada:

x = z + Kt = z Factor de frecuencia para la distribucin normal
3. Funciones de distribucin de probabilidad
Ejemplo 2
Los gastos mximos anuales registrados en una estacin hidromtrica se
muestran en la tabla.
a) Cul es la probabilidad de que, en una ao cualquiera, el gasto sea
mayor o igual a 7500 m3/s?
b) Se planea construir cerca de este x = gasto x = gasto
Ao Ao
sitio un muro para proteccin contra mximo mximo
inundaciones. Cul debe ser el 1954 2230 1967 2675
gasto de diseo si se desea que el 1955 3220 1968 6267
periodo de retorno sea de 60 aos? 1956 2246 1969 5971
Supngase que los datos de la tabla 1957 1804 1970 4744
1958 2737 1971 6000
sigue una distribucin normal.
1959 2070 1972 4060
1960 3682 1973 6900
1961 4240 1974 5565
1962 2367 1975 3130
1963 7061 1976 2414
1964 2489 1977 1796
1965 2350 1978 7430
1966 3706
Tabla A
reas bajo la curva
normal
3. Funciones de distribucin de probabilidad
Distribucin Log-Normal
En esta funcin los logaritmos naturales de la variable aleatoria se
distribuyen normalmente. La funcin de densidad de probabilidad es:
11 1 2

= 2
2
Donde y se estiman con las ecuaciones:

ln
=

=1

1/2
2
ln
=

=1
3. Funciones de distribucin de probabilidad
La funcin de distribucin de probabilidad es:

1 1 1 2

= 2
0 2

Los valores de la funcin de distribucin de probabilidad se obtinen

usando la tabla 3 o la formula aproximada si la variable estandarizada
se define como:

=

Ejemplo 3
Resolver el ejemplo 2 usando la funcin de distribucin log-normal.
3. Funciones de distribucin de probabilidad
Distribucin Gama de 3 Parmetros o Pearson Tipo III
La funcin de densidad de probabilidad Pearson III se define como:
1 1 1
1 1
= 1
1 1 1
Donde 1, 1 y 1 son los parmetros de la funcin Gamma (1). Estos
parmetros se evalan, a partir de n datos medidos, mediante las
siguientes ecuaciones:

Donde S2 es la varianza y el coeficiente se asimetra e y es la

variable estandarizada.
3. Funciones de distribucin de probabilidad
Reemplazando y se obtiene la
distribucin ji cuadrada con 21
grados de libertad y x2 = 2y.
En la tabla se muestra la
distribucin x2. Esta manera de
usar la funcin de distribucin
Pearson es estrictamente valida
cuando 1 = n/2, donde n es un
entero positivo cualquiera. Si, como
es comn, 21 no es entero, puede
tomarse como el entero mas
prximo o bien interpolar de la
tabla.

Ejemplo 4
Resolver el ejemplo 2 usando la
funcin de distribucin Pearson III.
3. Funciones de distribucin de probabilidad
Distribucin Gumbel o de valores extremos tipo I
Supngase que se tienen N muestras, cada una de ellas contiene n
eventos, al seleccionar el mximo x de los n eventos de cada muestra,
es posible demostrar que a medida que n aumenta, la funcin de
distribucin de probabilidad de x tiende a:
( )
=
La funcin de densidad de
probabilidad es entonces:

=
Donde y son los parmetros
de la funcin:
3. Funciones de distribucin de probabilidad
Para muestras muy grandes, o bien como:
= y/S
= x 0.45S
Para muestras relativamente pequeas, donde y y y se muestran en
la tabla.

Ejemplo 5
Resolver el ejemplo 2 usando la
funcin de distribucin Gumbel.
 4. Pruebas de bondad de ajuste
Las pruebas de bondad de ajuste, consisten en comprobar grfica y
estadsticamente, si la frecuencia emprica de la serie analizada, se
ajusta a una determinada funcin de probabilidad terica seleccionada
a priori, con los parmetros estimados con base en los valores
muestrales.
Las pruebas estadsticas, tienen por objeto calificar el hecho de
suponer que una variable aleatoria, se distribuya segn una cierta
funcin de probabilidades.
Las pruebas de bondad de ajuste grafico ms utilizadas en hidrologa
son:
Chi Cuadrado
Smirnov - Kolmogorov
 4. Pruebas de bondad de ajuste
Prueba Chi-cuadrado X2
La prueba Chi-cuadrado se basa en el clculo de frecuencias, tanto de
valores observados, como valores esperados, para un nmero
determinado de intervalos.
Esta prueba es comnmente usada para verificar la bondad de ajuste
de la distribucin emprica a una distribucin terica conocida, fue
propuesta por Karl Pearson en 1900.
La expresin general de la prueba Chi-cuadrado est dada por:

Donde:
i = Nmero de valores observados en el intervalo de clase i
ei = Nmero de valores esperados en el intervalo de clase i
 4. Pruebas de bondad de ajuste
2 = Valor calculado de Chi-cuadrado, a partir de los datos
k = Nmero de intervalos de clase

Asignando probabilidades a la ecuacin anterior, es decir asignando

igual probabilidad de ocurrencia a cada intervalo de clase, se tiene:

Donde:
Ni = nmero de observaciones que caen dentro de los limites de clases
ajustadas del intervalo i
N = Tamao muestral
Pi = Probabilidad igual para todos los intervalos de clases
Pi = 1/k ei = PiN
 4. Pruebas de bondad de ajuste
Simplificando la ltima ecuacin se obtiene la frmula computacional
desarrollada por Markovic.

El valor 2 obtenido por la ecuacin se compara con el 2 de la Tabla

C-3, cuyo valor se determina con:
Nivel de significacin: = 0.05 = 0.01
Grados de libertad: g.l. = k-1-h
Donde:
h es el nmero de parmetros a estimarse, en el caso de la ley normal
es 2.
El criterio de decisin se fundamenta en la comparacin del valor
calculado de Chi-cuadrado con el valor tabular encontrado, esto es:
 4. Pruebas de bondad de ajuste
Si el Chi-cuadrado calculado es menor o igual que el valor tabular , es
decir: 2 2 , entonces se acepta la hiptesis que el ajuste es bueno
al nivel de significacin seleccionado.
Si el Chi-cuadrado calculado es mayor que el valor tabular , es decir:
2 > 2 , entonces el ajuste es malo y se rechaza la hiptesis, siendo
necesario probar con otra distribucin terica.

Esta prueba es de fcil aplicacin, es vlida slo para ajustes a la

distribucin normal, en la prctica se usa para cualquier modelo de
ajuste.
 4. Pruebas de bondad de ajuste
Prueba de Smirnov-Kolmogorov
La prueba de ajuste de Sminov-Kolmogorov, consiste en comparar las
diferencias existentes entre la probabilidad emprica de los datos de la
muestra y la probabilidad terica, tomando el valor mximo del valor
absoluto, de la diferencia entre el valor observado y el valor de la recta
terica del modelo , es decir:

Donde:
D = Estadstico de Smirnov-Kolmogorov, cuyo valor es igual a la
diferencia mxima existente entre la probabilidad ajustada y la
probabilidad emprica
F(x) = Probabilidad de la distribucin terica
P(x) = Probabilidad experimental o emprica de los datos

Si D0 es un valor crtico para un nivel de significacin , se tiene que:

 4. Pruebas de bondad de ajuste

Tambin:

El procedimiento para efectuar el ajuste, por el estadstico de Smirnov-

Kolmogorov, es el siguiente:
1. Calcular la probabilidad emprica o experimental P x de los datos,
para esto se puede utilizar las formulas de la Tabla 10.6, de estos el
mas recomendado es la frmula de Weibull, que se indica a
continuacin:

Donde:
Px = Probabilidad emprica o experimental
m = Numero de orden;
N = Numero de datos
 4. Pruebas de bondad de ajuste
2. Calcular la probabilidad terica F(x), utilizando la ecuacin de la
funcin acumulada F(x) de los modelos tericos o tablas elaboradas
para tal fin.
3. Calcular las diferencias F(x) - P(x)
4. Seleccionar la mxima diferencia: D = mx | F(x) - P(x) |
5. Calcular el valor crtico del estadstico D, es decir D0, para un nivel
de significancia = 0.05 y N igual al nmero de datos, los valores
de D0 se muestran a continuacin en la siguiente tabla:
6. Comparar el valor del estadstico D, con el valor crtico D0 de la
Tabla C-4, con los siguientes criterios de decisin:
Si:
D < D0 => El ajuste es bueno, al nivel de significacin seleccionado
D D0 => El ajuste no es bueno, al nivel de significacin
seleccionado, siendo necesario probar con otra distribucin.
 4. Pruebas de bondad de ajuste
Esta prueba de ajuste no requiere del conocimiento a priori de la
funcin de distribucin terica, es aplicable a distribuciones de datos no
agrupados y de cualquier distribucin terica.
Comparndola con la prueba Chi-cuadrado, no requiere que la
frecuencia absoluta de cada clase sea igual o mayor que 5, esta no es
una prueba exacta, sino una prueba aproximada.
 1979 37.7
1980
1996
5. Ejemplo 43.1
24.9
1997 45.4
Clculo estadstico - Estacin Quillabamba 1998 72.1
Precipitacin mxima en 24 horas 1999 66.7
2000 65.4
1
Ao Precipitacin (mm) 2001 50.5
1965 46.3 2002 64.5
1966 42.9 2003 52.2
1967 33.9 2004 43.1
1968 43.7 2005 45.9
1969 62.7 2006 55.4
1970 45.4 2007 59.4
1971 48.0 2008 60.0
1972 48.3 2009 61.0
1973 40.3 2010 94.7
1974 34.6 2011 55.4
1975 47.9 2012 43.8

1976 39.6 2013 42.9

1977 45.4 2014 52.0

1978 68.0 Promedio 50.950

1979 37.7 Desv. Sta. 13.178

1980 43.1 Nro datos 35

1
1996 24.9 Precipitacin mxima en 24 horas afectada por un factor
de correccin de 1.13 (OMM, 1994)
1997 45.4
1998 72.1
 FDA TERICA - FDA EMPRICA: DISTRIBUCIN NORMAL
5. Ejemplo
FDA TERICA - FDA EMPRICA: DISTRIBUCIN LOG NORMAL 2P
1 1
FDA Terica F(X) FDA Terica F(X)
0.9 FDA Emprica P(X) 0.9 FDA Emprica P(X)

0.8 0.8

0.7 0.7
Probabilidad F(X)-P(X)

Probabilidad F(X)-P(X)
0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
20 30 40 50 60 70 80 90 100 20 30 40 50 60 70 80 90 100
Evento Evento

FDA TERICA - FDA EMPRICA: DISTRIBUCIN LOG NORMAL 3P FDA TERICA - FDA EMPRICA: DISTRIBUCIN GAMMA 2P
1 1
FDA Terica F(X) FDA Terica F(X)
0.9 FDA Emprica P(X) 0.9 FDA Emprica P(X)

0.8 0.8

0.7 0.7
Probabilidad F(X)-P(X)

Probabilidad F(X)-P(X)
0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
20 30 40 50 60 70 80 90 100 20 30 40 50 60 70 80 90 100
Evento Evento
 5. Ejemplo
FDA TERICA - FDA EMPRICA: DISTRIBUCIN GAMMA 3P FDA TERICA - FDA EMPRICA: DISTRIBUCIN LOG PESARSON III
1 1
FDA Terica F(X) FDA Terica F(X)
0.9 FDA Emprica P(X) 0.9 FDA Emprica P(X)

0.8 0.8

0.7 0.7
Probabilidad F(X)-P(X)

Probabilidad F(X)-P(X)
0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
20 30 40 50 60 70 80 90 100 20 30 40 50 60 70 80 90 100
Evento Evento

FDA TERICA - FDA EMPRICA: DISTRIBUCIN GUMBEL FDA TERICA - FDA EMPRICA: DISTRIBUCIN LOG GUMBEL
1 1
FDA Terica F(X) FDA Terica F(X)
0.9 FDA Emprica P(X) 0.9 FDA Emprica P(X)

0.8 0.8

0.7 0.7
Probabilidad F(X)-P(X)

Probabilidad F(X)-P(X)
0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
20 30 40 50 60 70 80 90 100 20 30 40 50 60 70 80 90 100
Evento Evento
 5. Ejemplo
DISTRIBUCIN GAMMA 2P DISTRIBUCIN GAMMA 3P DISTRIBUCIN GUMBEL DISTRIBUCIN LOG GUMBEL
Tr PROBABILIDAD Pp Tr PROBABILIDAD Pp Tr PROBABILIDAD Pp Tr PROBABILIDAD Pp
(Aos) F(Z) (mm) (Aos) F(Z) (mm) (Aos) F(Z) (mm) (Aos) F(Z) (mm)
2 0.5 49.91 2 0.5 48.731 2 0.5 48.783 2 0.5 47.397
5 0.8 61.14 5 0.8 60.809 5 0.8 60.432 5 0.8 59.213
10 0.9 67.634 10 0.9 68.536 10 0.9 68.145 10 0.9 68.615
25 0.96 75.048 25 0.96 77.937 25 0.96 77.889 25 0.96 82.658
50 0.98 80.112 50 0.98 84.683 50 0.98 85.119 50 0.98 94.903
100 0.99 84.857 100 0.99 91.225 100 0.99 92.295 100 0.99 108.85
200 0.995 89.36 200 0.995 97.619 200 0.995 99.444 200 0.995 124.784
500 0.998 95.026 500 0.998 105.908 500 0.998 108.877 500 0.998 149.43
1000 0.999 99.14 1000 0.999 112.086 1000 0.999 116.006 1000 0.999 171.237
Parmetros Estadsticos Parmetros Estadsticos Parmetros Estadsticos Parmetros Estadsticos
alfa (escala) = 3.1289 xo (posicin) = 25.5952 mu = 45.0164 mu = 3.7866
beta (forma) = 16.2822 alfa (escala) = 6.8486 alfa = 10.2775 alfa = 0.1964
beta (forma) = 3.7016

DISTRIBUCIN LOG NORMAL 2P DISTRIBUCIN LOG NORMAL 3P DISTRIBUCIN LOG PEARSON TIPO III DISTRIBUCIN NORMAL
Tr PROBABILIDAD Pp Tr PROBABILIDAD Pp Tr PROBABILIDAD Pp Tr PROBABILIDAD Pp
(Aos) F(Z) (mm) (Aos) F(Z) (mm) (Aos) F(Z) (mm) (Aos) F(Z) (mm)
2 0.5 49.396 2 0.5 49.497 2 0.5 49.376 2 0.5 50.946
5 0.8 61.055 5 0.8 60.88 5 0.8 61.045 5 0.8 62.035
10 0.9 68.206 10 0.9 67.781 10 0.9 68.228 10 0.9 67.832
25 0.96 76.758 25 0.96 75.954 25 0.96 76.832 25 0.96 74.013
50 0.98 82.844 50 0.98 81.724 50 0.98 82.965 50 0.98 78.007
100 0.99 88.729 100 0.99 87.27 100 0.99 88.904 100 0.99 81.598
200 0.995 94.481 200 0.995 92.662 200 0.995 94.715 200 0.995 84.886
500 0.998 101.954 500 0.998 99.626 500 0.998 102.276 500 0.998 88.869
1000 0.999 107.546 1000 0.999 104.81 1000 0.999 107.941 1000 0.999 91.664
Parmetros Estadsticos Parmetros Estadsticos Parmetros Estadsticos Parmetros Estadsticos
uy = 3.8999 xo = -3.4514 xo (posicin) = -46.3572 mu = 50.9457
sigma = 0.2518 uy = 3.9693 alfa (escala) = 0.0013 sigma = 13.1763
sigma = 0.2314 beta (forma) = 39845.0473
 5. Ejemplo
RESULTADOS PRUEBA AJUSTE MTODO DEL ERROR CUADRTICO MNIMO
Tr EVENTO NORMAL LOGNORMAL 2P LOGNORMAL 3P GAMMA 2P GAMMA 3P LOG PEARSON 3P GUMBEL LOG GUMBEL
2 2 2 2 2 2 2
(AOS) Xo Xe (Xe-Xo) Xe (Xe-Xo) Xe (Xe-Xo) Xe (Xe-Xo) Xe (Xe-Xo) Xe (Xe-Xo) Xe (Xe-Xo) Xe (Xe-Xo)2
36 24.9 76.17 2628.8 79.99 3035 79.02 2929.27 77.76 2793.99 81.52 3205.38 80.09 3045.7 81.7 3226.43 88.9 4096.56
18 33.9 71.94 1446.93 73.77 1590 73.11 1537.53 72.5 1490.15 74.64 1659.99 73.83 1594.24 74.43 1642.68 77.37 1889.73
12 34.6 69.17 1194.98 69.97 1251 69.47 1216.19 69.19 1196.77 70.46 1286.26 70 1253.28 70.11 1261.04 71.24 1342.67
9 37.7 67.03 860.21 67.17 868 66.78 845.82 66.71 841.53 67.4 882.37 67.18 869.32 67 858.44 67.13 866.1
7.2 39.6 65.25 657.73 64.92 641 64.62 625.81 64.68 629.19 64.96 643.29 64.92 641.3 64.55 622.31 64.06 598.08
6 40.3 63.69 547.22 63.02 516 62.78 505.46 62.95 513.14 62.91 511.43 63.02 516.06 62.51 493.22 61.61 454.1
5.14 42.9 62.3 376.32 61.36 341 61.18 334.13 61.43 343.2 61.14 332.64 61.35 340.56 60.76 318.83 59.58 278.24
4.5 42.9 61.02 328.4 59.88 288 59.74 283.74 60.05 294.08 59.56 277.59 59.87 287.98 59.21 266.02 57.85 223.4
4 43.1 59.83 279.99 58.54 238 58.44 235.24 58.79 246.04 58.14 226.07 58.52 237.81 57.82 216.71 56.33 175.07
3.6 43.1 58.71 243.75 57.3 202 57.23 199.68 57.61 210.59 56.83 188.49 57.28 201.02 56.55 181.02 54.98 141.23
3.27 43.7 57.65 194.48 56.14 155 56.1 153.85 56.51 164.06 55.62 142.05 56.12 154.25 55.38 136.53 53.77 101.38
3 43.8 56.62 164.38 55.05 127 55.04 126.36 55.46 136.02 54.49 114.18 55.03 126.1 54.29 110.13 52.66 78.5
2.77 45.4 55.63 104.65 54.02 74 54.03 74.5 54.46 82.15 53.42 64.28 54 73.88 53.27 61.91 51.64 38.91
2.57 45.4 54.66 85.83 53.03 58 53.07 58.75 53.5 65.64 52.4 49.04 53.01 57.88 52.3 47.56 50.69 27.96
2.4 45.4 53.72 69.2 52.08 45 52.13 45.35 52.57 51.43 51.43 36.4 52.06 44.33 51.37 35.62 49.8 19.33
2.25 45.9 52.79 47.43 51.16 28 51.23 28.44 51.67 33.25 50.5 21.18 51.14 27.46 50.48 20.96 48.96 9.34
2.12 46.3 51.86 30.96 50.27 16 50.36 16.45 50.78 20.07 49.6 10.91 50.25 15.58 49.62 11.01 48.16 3.46
2 47.9 50.95 9.28 49.4 2 49.5 2.55 49.91 4.04 48.73 0.69 49.38 2.18 48.78 0.78 47.4 0.25
1.89 48 50.03 4.11 48.54 0 50.36 5.55 50.78 7.73 49.6 2.57 50.25 5.05 47.97 0 46.66 1.78
1.8 48.3 49.1 0.65 47.69 0 51.23 8.6 51.67 11.33 50.5 4.85 51.14 8.06 47.17 1.28 45.96 5.48
1.71 50.5 48.17 5.41 46.85 13 52.13 2.67 52.57 4.29 51.43 0.87 52.06 2.43 46.38 16.95 45.27 27.33
1.64 52 47.23 22.78 46.01 36 53.07 1.13 53.5 2.26 52.4 0.16 53.01 1.02 45.6 40.91 44.6 54.72
1.57 52.2 46.26 35.26 45.17 49 54.03 3.35 54.46 5.12 53.42 1.48 54 3.22 44.83 54.36 43.95 68.13
1.5 55.4 45.27 102.61 44.32 123 55.04 0.13 55.46 0 54.49 0.84 55.03 0.14 44.05 128.83 43.3 146.46
1.44 55.4 44.25 124.42 43.46 143 56.1 0.5 56.51 1.23 55.62 0.05 56.12 0.52 43.27 147.22 42.65 162.44
1.38 59.4 43.18 263.13 42.58 283 57.23 4.71 57.61 3.2 56.83 6.61 57.28 4.5 42.47 286.57 42.01 302.34
1.33 60 42.06 321.9 41.68 336 58.44 2.44 58.79 1.47 58.14 3.48 58.52 2.19 41.66 336.38 41.36 347.27
1.29 61 40.87 405.23 40.75 410 59.74 1.58 60.05 0.9 59.56 2.07 59.87 1.28 40.82 407.18 40.71 411.78
1.24 62.7 39.59 533.95 39.76 526 61.18 2.31 61.43 1.62 61.14 2.44 61.35 1.81 39.95 517.69 40.03 513.78
1.2 64.5 38.2 691.76 38.72 665 62.78 2.95 62.95 2.39 62.91 2.51 63.02 2.2 39.02 649.1 39.33 633.41
1.16 65.4 36.65 826.84 37.59 774 64.62 0.61 64.68 0.51 64.96 0.19 64.92 0.23 38.03 749.3 38.59 718.73
1.13 66.7 34.86 1013.65 36.33 923 66.78 0.01 66.71 0 67.4 0.5 67.18 0.23 36.93 886.49 37.79 835.92
1.09 68 32.72 1244.47 34.87 1097 69.47 2.17 69.19 1.43 70.46 6.07 70 4.01 35.66 1045.79 36.89 968.1
1.06 72.1 29.95 1776.37 33.07 1523 73.11 1.02 72.5 0.16 74.64 6.47 73.83 2.99 34.11 1443.4 35.81 1317.19
1.03 94.7 25.72 4758.3 30.5 4121 79.02 245.78 77.76 287.02 81.52 173.82 80.09 213.51 31.9 3944 34.33 3644.93
C 146.292 143.168 97.492 97.191 99.334 98.703 142.009 143.193
 PRUEBA DE AJUSTE SMIRNOV KOLMOGOROV
5. Ejemplo
VARIABLE WEIBULL NORMAL LOGNORMAL 2P LOGNORMAL 3P GAMMA 2P GAMMA 3P LOG PEARSON 3P GUMBEL LOG GUMBEL
(mm) P(X) F(Z) DELTA F(Z) DELTA F(Z) DELTA F(Z) DELTA F(Z) DELTA F(Z) DELTA F(Z) DELTA F(Z) DELTA
24.9 0.028 0.024 0.004 0.003 0.025 0.003 0.024 0.175 0.148 0 0.028 0.003 0.025 0.001 0.027 0 0.028
33.9 0.056 0.098 0.042 0.067 0.012 0.066 0.01 0.316 0.26 0.01 0.046 0.067 0.012 0.052 0.003 0.022 0.034
34.6 0.083 0.107 0.024 0.079 0.005 0.077 0.007 0.327 0.244 0.015 0.069 0.078 0.005 0.064 0.02 0.032 0.051
37.7 0.111 0.157 0.046 0.142 0.03 0.138 0.027 0.377 0.266 0.056 0.055 0.142 0.03 0.13 0.019 0.108 0.003
39.6 0.139 0.195 0.056 0.19 0.051 0.186 0.047 0.407 0.268 0.1 0.039 0.19 0.051 0.184 0.045 0.177 0.038
40.3 0.167 0.21 0.043 0.209 0.043 0.205 0.038 0.418 0.252 0.12 0.046 0.21 0.043 0.205 0.039 0.205 0.039
42.9 0.194 0.271 0.076 0.288 0.093 0.283 0.088 0.459 0.264 0.21 0.015 0.288 0.094 0.293 0.098 0.316 0.122
42.9 0.222 0.271 0.049 0.288 0.066 0.283 0.06 0.459 0.237 0.21 0.013 0.288 0.066 0.293 0.07 0.316 0.094
43.1 0.25 0.276 0.026 0.294 0.044 0.289 0.039 0.462 0.212 0.217 0.033 0.294 0.044 0.3 0.05 0.325 0.075
43.1 0.278 0.276 0.002 0.294 0.016 0.289 0.011 0.462 0.184 0.217 0.061 0.294 0.017 0.3 0.022 0.325 0.047
43.7 0.306 0.291 0.014 0.313 0.008 0.308 0.003 0.471 0.165 0.241 0.065 0.314 0.008 0.321 0.015 0.351 0.045
43.8 0.333 0.294 0.04 0.316 0.017 0.311 0.022 0.473 0.139 0.245 0.088 0.317 0.016 0.324 0.009 0.355 0.022
45.4 0.361 0.337 0.024 0.369 0.008 0.364 0.003 0.497 0.135 0.312 0.049 0.369 0.008 0.382 0.02 0.422 0.061
45.4 0.389 0.337 0.052 0.369 0.02 0.364 0.025 0.497 0.108 0.312 0.077 0.369 0.02 0.382 0.007 0.422 0.033
45.4 0.417 0.337 0.08 0.369 0.048 0.364 0.053 0.497 0.08 0.312 0.105 0.369 0.047 0.382 0.035 0.422 0.005
45.9 0.444 0.351 0.094 0.385 0.059 0.381 0.064 0.504 0.059 0.334 0.111 0.386 0.059 0.399 0.045 0.442 0.002
46.3 0.472 0.362 0.11 0.399 0.074 0.394 0.078 0.51 0.038 0.351 0.121 0.399 0.073 0.414 0.059 0.458 0.014
47.9 0.5 0.409 0.091 0.451 0.049 0.447 0.053 0.533 0.033 0.421 0.079 0.452 0.048 0.47 0.03 0.518 0.018
48 0.528 0.412 0.116 0.455 0.073 0.451 0.077 0.534 0.007 0.426 0.102 0.455 0.072 0.473 0.054 0.522 0.006
48.3 0.556 0.42 0.135 0.464 0.091 0.461 0.095 0.539 0.017 0.439 0.117 0.465 0.09 0.484 0.072 0.533 0.023
50.5 0.583 0.487 0.097 0.535 0.048 0.532 0.051 0.569 0.014 0.533 0.051 0.536 0.048 0.556 0.027 0.605 0.022
52 0.611 0.532 0.079 0.581 0.03 0.579 0.032 0.589 0.022 0.593 0.018 0.581 0.03 0.602 0.009 0.649 0.038
52.2 0.639 0.538 0.101 0.587 0.052 0.585 0.054 0.592 0.047 0.601 0.038 0.587 0.051 0.608 0.031 0.654 0.016
55.4 0.667 0.632 0.034 0.676 0.009 0.676 0.009 0.633 0.034 0.713 0.046 0.676 0.009 0.695 0.028 0.731 0.064
55.4 0.694 0.632 0.062 0.676 0.019 0.676 0.018 0.633 0.062 0.713 0.018 0.676 0.018 0.695 0 0.731 0.037
59.4 0.722 0.739 0.017 0.768 0.046 0.771 0.048 0.679 0.043 0.82 0.098 0.768 0.046 0.781 0.059 0.803 0.081
60 0.75 0.754 0.004 0.78 0.03 0.783 0.033 0.686 0.064 0.833 0.083 0.78 0.03 0.792 0.042 0.812 0.062
61 0.778 0.777 0 0.799 0.021 0.802 0.024 0.697 0.081 0.853 0.075 0.799 0.021 0.81 0.032 0.825 0.048
62.7 0.806 0.814 0.008 0.828 0.023 0.832 0.026 0.715 0.091 0.883 0.077 0.828 0.023 0.836 0.031 0.846 0.041
64.5 0.833 0.848 0.015 0.855 0.022 0.859 0.026 0.732 0.101 0.908 0.075 0.855 0.022 0.861 0.027 0.866 0.032
65.4 0.861 0.864 0.003 0.868 0.006 0.872 0.011 0.741 0.12 0.919 0.058 0.867 0.006 0.871 0.01 0.874 0.013
66.7 0.889 0.884 0.005 0.884 0.005 0.888 0.001 0.753 0.136 0.933 0.044 0.883 0.005 0.886 0.003 0.885 0.003
68 0.917 0.902 0.014 0.898 0.019 0.902 0.014 0.765 0.152 0.945 0.028 0.898 0.019 0.899 0.018 0.896 0.021
72.1 0.944 0.946 0.001 0.933 0.011 0.938 0.007 0.798 0.146 0.97 0.026 0.933 0.011 0.931 0.014 0.921 0.023
94.7 0.972 1 0.027 0.995 0.023 0.996 0.024 0.92 0.053 0.999 0.027 0.995 0.023 0.992 0.02 0.98 0.008
DELTA MAXIMO 0.135 0.093 0.095 0.268 0.121 0.094 0.098 0.122
DELTA TABULAR 0.2299
SE AJUSTA SI SI SI NO SI SI SI SI
MENOR DELTA MAX 0.093