Académique Documents
Professionnel Documents
Culture Documents
Curso:
MANEJO Y
ORDENAMIENTO DE
CUENCAS
Profesor:
PARA
PRECIPITACIÓN Año
2019
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
ÍNDICE
I. INTRODUCCION ..................................................................................................................... 3
II. OBJETIVOS ............................................................................................................................. 3
III. MARCO TEORICO ............................................................................................................... 3
3.1. DISTRIBUCIONES PROBABILISTAS PARA PRECIPITACIÓN .............................................. 3
3.1.1. Población y muestra .............................................................................................. 3
3.1.1.1. Población ....................................................................................................... 3
3.1.1.2. Muestra ......................................................................................................... 3
3.1.2. Parámetros Estadísticos ........................................................................................ 3
3.1.2.1. Media............................................................................................................. 3
3.1.2.2. Desviación Estándar ...................................................................................... 3
3.1.3. Análisis de Frecuencia ........................................................................................... 4
3.1.4. Funciones de Distribución de Probabilidad........................................................... 5
3.1.4.1. Distribución Normal ...................................................................................... 5
3.1.4.2. Distribución Logarítmico-Normal .................................................................. 6
3.1.4.3. Distribución Pearson Tipo III ......................................................................... 7
3.1.4.4. Distribución Gumbel...................................................................................... 8
3.1.4.5. Distribución Goodrich ................................................................................... 9
IV. CONCLUSIONES ............................................................................................................... 10
V. BIBLIOGRAFIA ...................................................................................................................... 10
Tabla de ilustraciones
2
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
I. INTRODUCCION
II. OBJETIVOS
III. MARCO TEORICO
3.1. DISTRIBUCIONES PROBABILISTAS PARA PRECIPITACIÓN
3.1.1. Población y muestra
3.1.1.1. Población
3.1.1.2. Muestra
Es una pequeña parte de la población elegida adecuadamente para que sea representativa
del total de la población.
Se calcula para cada serie de datos los estadísticos principales, a saber, promedio y
desviación estándar. Los estadísticos extraen información de una muestra, señalando las
características de la población. Los principales estadísticos son los momentos de primer y
segundo orden correspondiente a la media y la varianza, respectivamente.
3.1.2.1. Media
∞
µ =∫−∞ xf (x)dx
𝑛
1
𝑆=√ ∑(𝑥𝑖 − 𝑥̅ )2
𝑛−1
𝑖=1
Mientras mayor sea el valor de la desviación estándar, mayor es la dispersión de los datos.
3
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
σ = ∫ (𝑥 − 𝜇)2 𝑓(𝑥)𝑑𝑥
2
−∞
Una vez finalizado el análisis estadístico de las series de caudales punta, se realizó un ajuste
de los caudales a distintas funciones de distribución de probabilidad, las cuales son usadas
en hidrología para predecir con cierta probabilidad los valores que puede tomar una variable
hidrológica.
4
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
Linsley et al., (1988) señalan que el uso de esta función, en términos hidrológicos, debe
reducirse a zonas húmedas donde el valor medio es alto, no siendo recomendable para
valores extremos.
Donde:
x: Variable aleatoria.
µ: Media de la población.
Para resolver esta función se recurren a métodos numéricos para evaluarla, y para hacer
esto más sencillo se le ha asignado una variable estandarizada, cuya expresión es la
siguiente:
La cual está normalmente distribuida con media cero y desviación estándar unitaria. Así, la
función principal queda como:
5
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
Las variables físicas de interés en Hidrología (precipitación, caudal, evaporación y otras) son
generalmente positivas, por lo cual es usual que presenten distribuciones asimétricas. Así,
se ha propuesto aplicar una transformación logarítmica (Varas y Bois, 1998), donde Y = Ln
X, está normalmente distribuida; luego X está distribuida en forma Normal, y su función de
densidad de probabilidad es
Donde los parámetros de la función son α y β, que son la media y la desviación estándar de
los logaritmos de la variable aleatoria, y están definidos como sigue:
6
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
Estudios realizados por Poblete et al., (2002), identifican a la función Log-Normal, entre otras
funciones, como la que presenta mejor bondad de ajuste a series de caudales anuales, por
sobre un 90% para el test de Kolmogorov-Smirnov y ji cuadrado.
Chow et al., (1994), señalan que esta distribución posee una gran flexibilidad y diversidad
de forma, dependiendo de los valores de sus parámetros, asimilando su utilización para
precipitaciones o caudales máximos anuales. La función de densidad de probabilidad
Pearson III se define como:
Donde:
γ: Coeficiente de sesgo
e: Constante de Neper
7
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
Los resultados del estudio realizados por Kroll y Vogel 2002, en 1.505 estaciones en los
Estados Unidos, determinan que la función de Pearson Tipo III, es la que mejor representa a
las series de caudales mínimos intermitentes, donde se presentan descargas con valores
cero. Asimismo, las series de caudales mínimos permanentes se ven reflejadas en la función
LogNormal de tres parámetros.
Las distribuciones con dos parámetros son usualmente preferidas cuando se dispone de
pocos datos, ya que reducen la varianza de la muestra, (Ashkar et al, 1993).
Según Aparicio, 1997, si se tienen N muestras, cada una de las cuales contienen n eventos y
si se selecciona el máximo de x de los n eventos de cada muestra, es posible demostrar que,
a medida que n aumenta, la función de distribución de probabilidad de x tiende a:
Donde:
e: Constante de Neper.
Los parámetros de la distribución de una muestra de tamaño infinito tienden a los siguientes
valores, en base a la media aritmética y la desviación estándar de la muestra:
8
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
Según Pizarro, R. et al., (1993), la función de Goodrich elimina los valores extremos, en que
la probabilidad de ocurrencia es muy pequeña. Por lo mismo, consigue suprimir las
distorsiones que puede provocar un solo valor anómalo. Así, la función de distribución de
Goodrich queda definida por:
Donde:
Г: Función Gamma.
x: Media muestral.
e: Constante de Neper
9
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
Muñoz (2004) identificó a la función de Goodrich como la que presenta mejor bondad de
ajuste a series anuales de precipitación y caudal, independiente si la cuenca pertenece a una
cuenca de tipo pluvial o pluvio-nival; sin embargo, en el mismo estudio se determinó, para
el caso de precipitaciones mensuales en cuencas pluviales, que éstas son mejor
representadas por la función de Gumbel.
IV. CONCLUSIONES
V. BIBLIOGRAFIA
10