ASPECTOS HIDROLÓGICOS (SESIÓN 1)

Los datos recopilados, solo representan una información en bruto, pero si éstos
se organizan y analizan de forma adecuada, proporcionan al hidrólogo una
herramienta de gran utilidad, que le permite tomar decisiones en el diseño de
estructuras hidráulicas (Máximo Villon).

FUNCIÓN DE FRECUENCIA Y DE PROBABILIDAD

Existen dos tipos de función de frecuencias, la función de frecuencia relativa y

la función de frecuencia acumulada.

De la función de frecuencia relativa se obtiene la Función Densidad de

Probabilidad (f(x)) y la función de frecuencia acumulada, se convierte en
Función de Distribución de Probabilidad (F(x)).
 FUNCIÓN DE PROBABILIDAD TEÓRICA

Existe una serie de fórmulas de la probabilidad teórica y se han propuesto

numerosos métodos empíricos.

Si n es el total de valores y m es el rango de un valor en una lista ordenada de

menor a mayor (m=1 para el valor menor) la probabilidad de excedencia se
puede obtener por medio de las siguientes expresiones:

m
California P( x) 
n

m
Weibull P( x) 
n 1

2m  1
Hazen P( x) 
2n

Siendo la expresión de Weibull, un término medio con la mejor justificación

estadística y es la más utilizada.

Esta distribución debe graficarse, conjuntamente con la Función de Distribución

de Probabilidad, para determinar visualmente como se ajustan estas dos
funciones.

Para un cálculo más analítico, se debe determinar la máxima diferencia entre la

Función de Distribución de Probabilidad obtenida con los datos y de la Función
de la Probabilidad Teórica.

  max( Po( x)  P( x)) .

Donde:

 : Máxima diferencia entre la Función de Distribución de Probabilidad y la

Función de Probabilidad Teórica.

Po(x) : Función de Distribución de Probabilidades de la muestra.

P(x) : Función de Probabilidades teórica.

DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES HIDROLÓGICAS

A continuación se muestran una cantidad de distribuciones de probabilidad

comúnmente utilizadas para variables hidrológicas, siendo estas:

1.- Distribución Normal o Distribución de Dos Parámetros o de Gauss.

2.- Distribución Log Normal de dos Parámetros.

3.- Distribución Log Normal de tres parámetros.

4.- Distribución Gumbel o Extremo Tipo I

5.- Distribución de Log Pearson Tipo III.

1.1 DISTRIBUCIÓN NORMAL O DISTRIBUCIÓN NORMAL DE DOS

PARÁMETROS O DISTRIBUCIÓN DE GAUSS.
La distribución normal es una distribución simétrica en forma de campana,
también conocida como Campana de Gauss. Aunque muchas veces no se
ajusta a los datos hidrológicos tiene amplia aplicación por ejemplo a los datos
transformados que siguen la distribución normal.

1.1.1 Función de Densidad de Probabilidad

La función de densidad está dada por

1 ( x   ) 2
1
f ( x)  exp 2 2
  x  
 2

Los dos parámetros de la distribución son la media o promedio  y desviación

estándar  para los cuales x (media) y s (desviación estándar) son derivados
de los datos.

Donde:

 : Media o promedio

 : Desviación estándar de la muestra

1.1.2 Función de Distribución de Probabilidad:

Es la integración de la función de densidad:
x 1 x− μ 2
1 −2 ( σ )
F(x) = ∫ e dx
√2π σ −∝

Nota.- Esta función ya viene establecida en Excel, por lo que su cálculo se

hace de manera sencilla.

1.2 DISTRIBUCIÓN LOGNORMAL DE DOS PARAMETROS

Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente se
dice que X se distribuye normalmente.

Esta distribución es muy usada para el cálculo de valores extremos por ejemplo
Qmax, Qmínimos, Pmax, Pmínima. Tiene la ventaja que X>0 y que la
transformación Log tiende a reducir la asimetría positiva ya que al sacar
logaritmos se reducen en mayor proporción los datos mayores que los menores.
Limitaciones: tiene solamente dos parámetros, y requiere que los logaritmos de
las variables estén centrados en la media

1.2.1 Función de Densidad de Probabilidad:

( y   )2
1 y

1
2  2
y
f ( x)  exp x0
 2
y

y = ln x

Donde:

y : media de los logaritmos de la población (parámetro escalar),

estimado y

y : Desviación estándar de los logaritmos de la población, estimado sy.

1.2.2 Función de Distribución de Probabilidades

Es la integración de la función de densidad:

y 1 y− μy 2
1 −2 ( σ )
F(x) = ∫ e y dx
√2π σy −∝

1.3 DISTRIBUCIÓN LOGNORMAL DE TRES PARAMETROS

Esta difiere de la distribución log-normal de 2 parámetros por la introducción de

un límite inferior, X0 , tal que

1.3.1 Función de Densidad de Probabilidad:

( y   )2
1 y

1
2  2
y
f ( x)  exp x0
 2
y

y = ln (x − x0 )

x1 xn  xmediana
2
x0 
x1  xn  2 xmediana
Donde:

, y : media de los logaritmos de la población (parámetro escalar),

estimado y

y : Desviación estándar de los logaritmos de la población, estimado sy.

X0 : Parámetro de posición.

1.3.2 Función de Distribución de Probabilidades:

Es la integración de la función de densidad:

y 1 y− μy 2
1 − (
2 σy
)
F(x) = ∫ e dx
√2π σy −∝

1.4 DISTRIBUCIÓN GUMBEL O EXTREMO TIPO I

Una familia importante de distribuciones usadas en el análisis de frecuencia

hidrológico es la distribución general de valores extremos, la cual ha sido
ampliamente utilizada para representar el comportamiento de crecientes y
sequías (máximos y mínimos).

1.4.1 Función de Densidad de Probabilidad:

1 (− 𝑦 − e −y )
f(x) = e
α
La variable aleatoria reducida Gumbel, se define como:

x−β
y=
α

1.4.2 Estimación de parámetros

6
 s


  x  0.45s

donde x y s son la media y la desviación estándar estimadas con la

muestra.
1.4.3 Función de Distribución de Probabilidad:
La función acumulada reducida de Gumbel es:
−y
G (y) = e−e

1.5 DISTRIBUCIÓN LOG PEARSON TIPO III

Esta es la distribución estándar para el análisis de frecuencias de crecientes máximas
anuales en Estados Unidos y en nuestro medio.

1.5.1 . Función de Densidad de Probabilidad:

La función densidad, está dado por la siguiente formula:
ln x  x0

ln x  x0   1
e 
f x  
x   
Para: x0  x   ,    x0   , 0  , 0 

Dónde:
x 0 = parámetro de posición.
 = parámetro de escala.
 = parámetro de forma.
 ( ) = función gamma completa.
Calculo de parámetros con las siguientes ecuaciones:
Media

X ln x 
 ln x
N
Desviación estándar

S ln x 
 (ln x  X ln x )2
N 1
Sesgo

N  (ln x  X ln x ) 3
C S ln x 
( N  1)( N  2) S ln3 x
Estimación de parámetros, método de momentos
4
 2
C S ln x
 CS ln x S ln x

2
2S ln x
x0  X ln x 
C S ln x