Académique Documents
Professionnel Documents
Culture Documents
La no homogeneidad e inconsistencia, son los causales del cambio a que estn expuestas
las informaciones hidrolgicas, por lo cual su estudio, es de mucha importancia para determinar
los errores sistemticos que puedan afectarlas.
Esta inconsistencia y no homogeneidad se pone de manifiesto con la presencia de saltos y/o tendencias
en las series hidrolgicas (las cuales se muestran en las figuras ), afectando las caractersticas estadsticas
de dichas series, tales como la media, desviacin estndar y correlacin serial.
Ejemplo N 1:
Dada la serie de caudales promedios de la estacin del ro Bebedero, que se muestra en la tabla 8.1, elaborar
el hidrograma.
Solucin:
Graficando los pares de valores se obtiene la figura 8.4, en la cual, en el eje de la abscisas se coloca el tiempo en aos, y en el
eje de ordenadas el caudal en m3/s.
Realizando el anlisis visual de la serie histrica, se observa que partir del ao 1979 se produce un
salto, esto se explica fsicamente ya que en ese ao existe un trasvase al ro Bebedero, al entrar
operar el proyecto hidroelctrico Arenal-Tempisque .
De estos doble masas se selecciona como la estacin ms confiable, la que presenta el menor nmero de
quiebres, en el ejemplo de la figura 8.5, corresponde a la estacin C, la cual se usa como estacin base
para el nuevo diagrama doble masa, es decir, se vuelve a construir el diagrama de doble masa colocando
en el eje de las abscisas la estacin base y en el de las ordenadas la estacin en estudio, como se muestra en
la figura 8.6.
Figura 8.6 Anlisis doble masa para obtener los perodos de estudio (en este caso n 1, n2, n3)
El anlisis doble masa propiamente dicho, consiste en conocer mediante los quiebres que se presentan
en los diagramas, las causas de los fenmenos naturales, o si estos han sido ocasionados por errores
sistemticos.
En este ltimo caso, permite determinar el rango de los periodos dudosos y confiables para cada
estacin en estudio, la cual se deber corregir utilizando ciertos criterios estadsticos. Para el caso de la
figura 8.6, el anlisis de doble masa, permite obtener los perodos, n1, n2, n3, que deben estudiarse, con el
anlisis estadstico.
Anlisis de Saltos
1. Consistencia de la Media
El anlisis estadstico consiste en probar, mediante la prueba t (prueba de hiptesis), si los valores medios
de las submuestras, son estadsticamente iguales o diferentes con una probabilidad del
95% o con 5% de nivel de significacin, de la siguiente manera:
c) Clculo del F tabular (valor crtico de F Ft), se obtiene de las tablas F (Ver tabla) para
una probabilidad del 95%, es decir, con un nivel de significacin = 0.05 y grados de libertad:
donde:
G.L.N = granos de libertad del numerador
G.L.D = grados de libertad del denominador
La ecuacin (8.7), se utiliza cuando se deben corregir los valores de la submuestra de tamao
n1, y la ecuacin (8.8), si se deben corregir la submuestra de tamao n2.
Anlisis de Tendencias
Antes de realizar el anlisis de tendencias, se realiza el anlisis de saltos y con la serie libre de
saltos, se procede a analizar las tendencias en la media y en la desviacin estndar.
1. Tendencia en la Media
La tendencia en la media Tm, puede ser expresada en forma general por la ecuacin polinomial:
Los parmetros de regresin de estas ecuaciones, pueden ser estimados por el mtodo de
mnimos cuadrados, o por el mtodo de regresin lineal mltiple.
El clculo de la tendencia en la media, haciendo uso de la ecuacin (8.10), se realiza
mediante el siguiente proceso:
a.Clculo de los parmetros de la ecuacin de simple regresin lineal.
b. Evaluacin de la tendencia Tm
Para averiguar si la tendencia es significativa, se analiza el coeficiente de regresin B m o tambin el
coeficiente de correlacin R.
El anlisis de R segn el estadstico 1, es como sigue:
1. Clculo del estadstico t segn:
donde:
tc= valor del estadstico t calculado.
n = nmero total de datos
R = coeficiente de correlacin
2. Clculo
de t
El valor crtico de t, se obtiene de la tabla de t de Student (Ver tabla), con 95% de probabilidad o con un
nivel de significacin del 5 %, es decir:
c.
Correccin de la informacin:
Para calcular y probar si la tendencia en la desviacin estndar es significativa, se sigue el siguiente proceso:
donde: Zt = serie sin tendencia en la media ni en la desviacin estndar. Las dems variables han sido
definidas en prrafos anteriores.
Para que el proceso preserve la media y la desviacin estndar constante. la ecuacin toma la forma:
Ejemplo 1:
Con el registro de volmenes anuales de caudales en MM3, que se muestra en la tabla 8.2, se realiz el
anlisis de doble masa, y se obtuvo un quiebre que permiti separar los datos en los perodos 1964-1985 y
1986-1999.
Realizar el anlisis estadstico de saltos en la media y desviacin estndar para ambos perodos. Si obtiene
diferencia significativa (al 95 % de probabilidad), realizar la correccin del primer perodo.
Tabla 8.2 Volmenes anuales de caudales en MM3
METODOLOGAS
Existen varios procedimientos para efectuar la completacin y extensin de
datoshidrometereolgicosmediante la aplicacin de tcnicas estadsticas
y matemticas. En todos los casos, debe analizarse profundamente la
confiabilidad de la tcnica o metodologa utilizada por las siguientes
razones:
TIPOS DE CORRELACIN
Lastcnicasqueseutilizanparalacompletacin,enordendeprioridadson:
Regresin lineal simple, entre stas:
Correlacincruzadaentredosomsestacionessituacin(1)sindesfaseverfigura
Autocorreccinsituacin(2)verfigura
Relleno con criterios prcticos.
Paralaextensinseusanmodelosde:
Regresinlinealsimpleylaregresinlinealmltiple
Est.A:Y1,Y2,Y3,.,Yn
Est.B:X1,X2,X3,.,Xn
Lacorrelacincruzadatambinseestablececondesfaceeneltiempo.
Est.A:Y1,Y2,Y3,.,Yn
Est.B:X1,X2,X3,.,Xn
Engeneral,enesecasoresultann-kparescorrelacionados:dondekeseldesfaseen
el tiempo. Esta correlacin implica una prdida de la informacin disponible en
kdatos.
Est.A:Y1,Y2,Y3,.,Yn
Est.B:Y1,Y2,Y3,.,Yn(parak=1)
En esta relacin resulta n-k pares correlacionados, perdindose tambin parte de la
informacinequivalenteakdatosdelaserie.
K=1elcoeficientedeautocorrelacinesde1orden.
K=2Elcoeficientedeautocorrelacinesde2orden.
En ingeniera hidrolgica slo se puede encontrar autocorrelaciones hasta de
segundo orden
regresinlinealdedosvariables: y = a0 + a1 x
regresinlinealmltiple:y = a0 + a1 x1 + + an xn
El diagrama de dispersin, adems de ayudar a definir el modelo a
utilizar(linealonolineal),permitedetectarlosvalores(parejasdedatos)
que se apartan de la NUBE DE PUNTOS y que al ser eliminados del
anlisisderegresin,mejoranelajustedelarectaocurva,de manera que
se eleva la correlacin entre las dos variables.
El nmero de puntos que se considera permisible eliminar, depende de
muchos factores como son: forma de la nube de puntos, nmero de
puntos o parejas, naturaleza de los datos, etc. sin embargo, se puede
aceptar en una primera aproximacin que el 10% del nmero total de
puntos se pueden eliminar para mejorar el ajuste.
ENERO
1945
JUNIO
OCTUBRE NOVIEMBRE
DICIEMBRE
81.90
157.30
215.10
29.30
93.80
78.70
141.10
147.90
45.10
120.40
77.10
66.20
123.60
18.10
100.80
153.60
81.10
55.80
1946
247.90
1947
186.70
1948
290.10
1949
195.20
28.40
54.80
133.40
91.50
107.40
1950
278.60
29.80
42.70
50.30
143.10
217.90
1951
157.20
14.40
24.80
44.40
68.60
58.80
1952
207.40
43.10
97.70
49.40
119.80
145.40
1953
181.50
34.40
75.10
82.90
193.70
148.70
1954
198.10
18.00
42.60
85.30
113.40
169.80
1955
170.10
15.40
19.60
59.30
55.00
103.50
1956
131.70
18.90
37.40
41.50
23.00
23.20
1957
148.30
37.50
52.10
58.80
31.10
92.40
1958
101.20
27.60
45.60
107.50
76.40
117.40
1959
82.00
36.50
64.20
139.20
68.80
201.80
1960
113.20
35.00
111.80
105.90
100.60
44.70
1961
192.00
13.90
36.50
56.50
208.80
119.00
1962
172.60
29.00
33.80
36.50
56.30
171.00
1963
303.70
23.30
78.20
68.20
171.90
123.80
1964
128.80
13.90
51.00
71.10
92.50
65.10
1965
117.20
48.40
55.30
79.60
44.30
150.30
1966
263.70
19.80
60.00
133.80
86.40
145.90
1967
123.20
41.40
39.40
133.80
49.80
120.40
1968
135.30
57.20
37.10
109.80
118.60
111.00
1969
70.70
1970
186.30
1971
120.70
1972
186.80
84.60
3.70
1.20
0.00
5.40
13.60
76.00
83.90
193.50
0.00
0.90
0.40
69.00
73.70
42.60
145.40
0.00
3.20
0.20
41.10
27.00
31.00
20.80
51.10
22.30
82.60
ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO
JULIO
111.8
49.6
109
25.5
0.2
20.4
28
18.4
51.7
38.5
82.3
42.8
1947
66.6
74.4
79.8
33.5
12.3
2.6
19.8
25.9
4.4
41.2
1948
128
54
53.7
24.5
40.2
13.4
46.9
12.1
12.8
1949
1950
64.2
110.9
43.7
70.4
52.4
69.6
26.5
36.4
0
0
2.8
0
0.1
0
2.3
0
4.6
0
40.2
15.3
25.6
43.2
18.5
97
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
50.7
49.5
67
79.2
50.6
31.2
55.5
31.2
10.3
27.5
105.9
73.7
123
25.8
26.6
103.4
45.6
39.2
21
106.9
42.2
63.5
40.3
61.2
109.6
112.5
76.6
109
55.5
75.6
115.2
44.7
129.1
78.8
52.8
44.6
1.5
27.3
214
33.8
39.8
8.9
72.6
106.2
61.1
62.9
47.1
54.5
78.8
54.8
48.6
55.2
46.9
24.1
58.2
149.7
87.5
83
45
47.9
83
54.1
47.1
35.4
116
144.8
0
10.6
35.4
20.4
8.3
13.5
14.5
0
23
22.2
55
25.8
1.5
30.1
9.3
22.5
8.7
4
26.3
29.1
27.4
13.8
0
0
0
21.4
3.8
5.1
0
0
2.1
0
34.3
0.6
0
9
0
2.9
0
8.8
0
9.1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1.2
2.6
0
0
0
0
0
0
0
0.3
0
0
0
0
0
0
0
0
0
0
0
0
7.1
0
0
0
0
0
0
0.1
0
0
0
0
0
0
4.4
0
0
0.7
0
0
6.3
0
9.3
0
0
0
0
0
0
17
18.3
0.6
0
1.6
0
0
5.1
9.5
1.3
10.7
11.3
0.7
3.6
7.3
3.6
0.4
0.9
21.8
0
1.5
7.5
1
24.5
16.8
9.9
0
8.2
12.5
37.5
18
7.2
2
11.1
8.6
15.3
43.4
30.6
19.6
18.1
12
6.6
12.6
0
37.3
55.6
34.3
11.4
0
0
15.9
15.1
5.9
112.5
10.2
54
27.3
5.2
26.2
12.5
24.6
24.1
5.4
1.2
0
1.6
38.3
41.5
46.9
28.5
0.2
27.4
7.2
70
8.2
11.6
46.2
35.4
6.1
37.3
50.1
32.3
24.1
55.2
53.8
42.9
48.2
ENERO
219.1
FEBRERO
100.8
MARZO
213.7
ABRIL
54.8
MAYO
6.9
JUNIO
3.8
JULIO
0.3
1947
136.8
147.9
158.1
70.1
29.8
11.4
0.3
1948
249.9
109.2
110.5
53
100
23.5
1949
1950
128.6
217.3
89.5
140.3
125.1
138.7
56.8
76
3.4
1
11.7
0
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
102.8
100.5
133.8
157
102.6
65.8
111.9
65.8
26
58.7
207.8
146.6
240.3
55.5
57.9
204.9
96
81.8
47.4
163.1
89.3
129.3
83.1
122.9
214.8
220.3
151.9
213.6
111.9
150.1
225.4
91.4
251.9
156.2
106.8
89.3
12.2
62.1
226.3
66.9
85
27.5
147.3
112.5
122.6
126.1
96
110.1
156.4
110.6
98.9
111.4
95.7
52.3
117.2
291.1
172.8
161.4
90.3
95.6
163.2
103.6
95
28.3
174.6
200
5.9
26.6
73.7
45.2
22.2
32.2
34.2
5.6
50.2
48.7
111.1
55.6
9.4
57.9
19.3
48.3
24.8
12.2
60.8
61.7
43.6
83.8
3
0.8
5.5
47.2
13.6
16.1
0
0
10.4
2.5
71.6
7.6
1
20.6
0
14.7
9.3
27
0
42
5
0
0
5
0
3
0
0
0
0
6
0
0
0
1
0
0
0
4.2
7.6
0.1
0
0
0.1
59.7
104.8
162
6
45.1
41.4
79.7
87
12.1
44
55.6
14.9
84
5.1
0.3
31.8
95.6
29.5
30.8
6.7
0
10.8
1.9
15.2
4.8
82.9
35.6
55.2
88.6
41.6
190.8
0
0
1.5
7.1
0
1.5
0
0
1
0
0
0
1.3
0
0
0
17
1.3
0.2
4.7
0
0.4
0
6.8
3
0
0
0
6.5
0
14.8
0
0
7.8
0
0
13.6
0
18.4
9.9
6.1
1.3
1
0.4
4.2
38.7
41.2
7.5
0
9.5
0.2
6.5
16.1
24.5
8.9
26.9
27.9
6.7
15.2
17.5
10.4
10
36.6
61.7
0
0
20.8
8
53.1
38.4
25.2
5
22.1
29.6
77.8
40.7
20.1
10.3
27.6
26.5
30.7
85.2
61.7
40.4
33.1
33
5.3
16.9
1.1
77.4
112.2
71.8
28.1
0
4
36.7
35.1
17.6
220.3
25.9
109.1
53.5
10.5
62
35.9
56.9
77.6
18.5
15.1
0
9.6
79.2
85.3
97.6
60.8
7
58.6
20.1
139.6
22.1
218.7
94.3
73.7
22.8
82.1
107.3
68.7
54.2
86.4
158.2
144.3
44.8
VERIFICACIN DE LA HOMOGENEIDAD
Toda obtencin de datos adolece de errores de diversa
ndole:
- Errores por la modificacin del medio circundante
- Errores debido al aparato
- Errores de medicin y observacin
- Errores de transmisin
-Errores de archivo y publicacin
El mtodo empleado para detectar dichas anomalas
son las curvas de doble masa o doble acumulacin