Mtodos Estadsticos en Hidrologa

Rio Burate en Tostos, julio 2008

mayo, 2013
Facultad de Ingeniera Escuela de Ingeniera Civil
Los mtodos estadsticos estn basados en principios matemticos que
describen la variacin aleatoria de un conjunto de observaciones de un proceso,
y estos centran su atencin en las observaciones mismas en lugar de los
procesos fsicos que la producen.
Los procesos hidrolgicos evolucionan en espacio y tiempo de una forma que es
parcialmente predecible, determinstica, y parcialmente aleatoria. Un proceso
de este tipo se conoce como Estocstico Aleatorio.
Mtodos Estadsticos en Hidrologa
Estadstica Hidrolgica
Existen dos tipos de procesos estocsticos:
No correlacionados en tiempo. Ejemplo: Serie de caudales promedios
diarios, mximos anuales, del Ro Caron en Arekuna. El caudal mximo
ocurrido durante el ao 1993 es independiente del caudal mximo
ocurrido durante el ao anterior.
Correlacionados en el tiempo. Ejemplo: El caudal del Ro Orinoco en
Ciudad Bolvar ocurrido durante el da de hoy tiene una alta
dependencia con el caudal ocurrido durante el da de ayer.
Este tipo de dependencia tambin se produce a nivel espacial, por
ejemplo, las tormentas presentan una estructura de correlacin
espacial que puede ser muy importante.
ANLISIS DE LAS SERIES HISTRICAS DE CAUDALES
El caudal es un valor referido a un instante (m
3
/s). En las series histricas de
caudales se expresa como un valor medio, relativo a un determinado tiempo (da,
mes, ao, periodo de aos):
Caudal medio diario: Valor promedio de los caudales instantneos de
cada da (para cada da).
Caudal medio mensual: Valor promedio de los 30/31 caudales
medios diarios (para cada mes).
Caudal medio anual: Valores promedio de los 12 caudales medios
mensuales (para cada ao).
Caudal mensual medio: Valor promedio de los caudales medios
mensuales, para un periodo consecutivo de aos.
Caudal anual medio: Valor promedio de los caudales medios anuales,
para un periodo consecutivo de aos.
ANLISIS DE LAS SERIES HISTRICAS DE CAUDALES
- Caudal mximo instantneo: Es el valor mximo de caudal
registrado, que puede referirse a cada mes, o al ao
correspondiente. (Para su registro se necesitan mediciones continuas
(limngrafos))
- Caudal mximo diario: Es el valor mximo de los caudales medios
diarios, que puede referirse a cada mes, o al ao correspondiente.
(Se puede registrar con mediciones una por da (limnmetros)).
- Caudales mnimos: Se refieren a los valores mnimos de caudales,
instantneo o diario, pudiendo referirse a valores mensuales o del
ao. (A menudo estos caudales mnimos se refieren al valor medio de un
nmero consecutivo de das)
Organizacin de los datos - Distribucin de Frecuencias
Es necesario hacer un ordenamiento de los datos hidrolgicos recolectados para
as obtener una mejor visualizacin de los mismos. Cuando se efecta este
sumario, los datos se distribuyen en clases, las cuales estn definidas por un
limite superior y uno inferior.
Para formar una distribucin de frecuencias se procede de la siguiente manera:
1.- Se determina el valor mximo y el mnimo, por lo tanto el rango de los datos
2.- Se divide el rango en un numero conveniente de intervalos de clase
3.- Se determina el numero de observaciones que ocurre dentro de cada
intervalo, lo que constituye la frecuencia
4.- Para obtener la distribucin relativa de frecuencias, la frecuencia de cada clase
se divide por la frecuencia de todas las clases y se expresa como un
porcentaje.
Funciones de Frecuencia
Si las observaciones de una muestra estn idnticamente distribuidas,
estas se pueden ordenar en histogramas de frecuencias. Para su
construccin se divide el rango de valores en intervalos (Ax),
seleccionando un delta pequeo, pero de forma tal, que cada intervalo
contenga informacin.
Histogramas de Frecuencia
Polgonos de frecuencia: Se obtiene uniendo los puntos medios de los topes
de los rectngulos del histograma de frecuencias, resultando as un grafico
de los puntos intermedios de las clases contra su frecuencia
Medidas de la tendencia central
La medida de la tendencia central es un valor que trata de situarse en el
punto medio de un conjunto ordenado de datos.
Las principales medidas de la tendencia central son:
1.- La media aritmtica

=
=
n
i
i
x
n
x
1
1
2.- La mediana de un conjunto de nmeros ordenados segn su magnitud,
es el valor central, o la media aritmtica de los dos valores centrales.
Geomtricamente, es el valor de la abscisa que corresponde a la vertical
que divide al histograma en dos reas iguales.
3.- El modo de un conjunto de valores es aquel que ocurre con mas
frecuencia
Correlacin y regresin con aplicaciones en Hidrologa
La correlacion y la regresin tienen diversas aplicaciones en hidrologa, entre
otras, la extensin de registros cortos, la estimacin de datos faltantes, la
regionalizacin de la informacin hidrolgica y el diseo de redes
hidrometeorologicas.
Correlacion
La correlacin se define como la asociacin entre dos o ms variables aleatorias,
que explica solo parcialmente la variacin total de una variable por la variacin
de otras variables aleatorias involucradas en la ecuacin de asociacin.
La parte de la variacin total que queda sin explicar, o sea, la variacin no
explicada, se debe a errores o a otras variables aleatorias que no han sido
tomadas en cuenta en la correlacin.
Interpretacin
El valor del ndice de correlacin vara en el intervalo [-1,1]:
Si r = 1, existe una correlacin positiva perfecta. El ndice indica una
dependencia total entre las dos variables denominada relacin directa:
cuando una de ellas aumenta, la otra tambin lo hace en proporcin
constante.
Si 0 < r < 1, existe una correlacin positiva.
Si r = 0, no existe relacin lineal. Pero esto no necesariamente implica que
las variables son independientes: pueden existir todava relaciones no
lineales entre las dos variables.
Si -1 < r < 0, existe una correlacin negativa.
Si r = -1, existe una correlacin negativa perfecta.
El ndice indica una dependencia total entre las dos variables
llamada relacin inversa: cuando una de ellas aumenta, la otra
disminuye en proporcin constante.
Tratamiento probabilstico de los datos hidrolgicos
El comportamiento de una variable aleatoria X slo se puede describir a
travs de una distribucin de probabilidades.
De esta manera se puede estimar la posibilidad que un valor de la variable
se encuentre en un determinado rango.
Notacin:
X mayscula: variable aleatoria
x minscula: un determinado valor de la variable.
P(X|x) : Probabilidad que el valor de la variable X sea menor o
igual a x.
Ejemplo, X: Lluvia en Macagua durante el mes de mayo. x = 100 mm.
P(X|x) : Probabilidad que la precipitacin mensual durante el mes de
mayo, en Macagua, sea igual o menor a 100 mm.
P(50 | X| 100): Probabilidad que la precipitacin en el mes de mayo, en
Macagua, se ubique entre 50 y 100 mm.
Tratamiento probabilstico de los datos hidrolgicos
Pasado sin datos (?) Pasado con datos Futuro (?)
Muestra
Poblacin
t
P(t)
El conjunto de observaciones x
1
, x
2
,.. x
n
; de una variable aleatoria X, se
denomina muestra. Se supone que las muestras se toman de una poblacin
infinita, en el caso de variables hidroclimticas, con propiedades parmetros
invariables en el tiempo.
Hoy
Tratamiento probabilstico de los datos hidrolgicos
El conjunto de todas las muestras posibles que pueden extraerse de una
poblacin se conoce como el espacio muestral.
Un evento es un subconjunto del espacio muestral

Espacio Muestral
Espacio Muestral del proceso de precipitacin : [0,:)
Espacio Muestral del lanzamiento de una moneda : Cara y Sello.
Espacio Muestral del lanzamiento de un dado : 1, 2, 3, 4, 5 y 6.
Evento: Es un subconjunto del espacio muestral. Ejemplos:
Que ocurra una lluvia < 30 mm
Que salga cara
Que sea un nmero impar
Diagramas de VENN
Interseccin
U Union

Definicin de probabilidad de un evento
La probabilidad de un evento A, P(A), es la posibilidad que este ocurra cuando se
efecta una observacin de la variable aleatoria.
Si se dispone de n observaciones datos de lluvias diarias en la estacin
Arekuna, cuenca del ro Caron, durante el mes de Mayo, de los cuales n
A
tienen
valores iguales o menores a 40 mm (Evento A); entonces la P(A), se puede estimar
utilizando la frecuencia relativa:
Cuando n :, se tiene la estimacin de P(A)
n
n
A P
A
n
= lim ) (
n
n
F
A
r
=
A1
A2
Am
A

1 ) ( ) ( ) ( ) (
2 1
= O = + + P A P A P A P
m

) ( 1 ) ( A P A P =
) (
) (
) | (
A P
B A P
A B P

=
) ( ) ( ) ( B P A P B A P =
Principios de probabilidades de eventos
i) Probabilidad Total
ii) Complementaridad
iii) Probabilidad Condicional:
Supongamos que tenemos dos
eventos A y B. AB significa
que A y B ocurran simultnea-
mente. Se define P(B/A): La
probabilidad que ocurra B
dado que Aya ocurri.
Independencia :
) (
) (
) | (
A P
B A P
A B P

=
) ( ) ( ) ( B P A P B A P =
Principios de probabilidades de eventos
iii) Probabilidad Condicional:
Supongamos que tenemos dos
eventos A y B. AB significa
que A y B ocurran simultnea-
mente. Se define P(B/A): La
probabilidad que ocurra B
dado que Aya ocurri.
Independencia :

Si la ocurrencia de B no depende de la ocurrencia de A se dice que los
eventos son independientes
El evento A podra ser que la precipitacin de este ao sea menor que
2500 mm y el evento B que la precipitacin del prximo ao sea
menor que 2500 mm
Ejemplo 11.1.1
Utilizando la informacin descrita en la Tabla 11.1.1, estime
P(X|35) = Probabilidad que la precipitacin sea menor que 35
P(X>45) = Probabilidad que la precipitacin sea mayor que 45
P(35|X|45).
Ejemplo 11.1.1
) 0 . 45 ( ) 0 . 35 ( 1 ) 0 . 45 0 . 35 ( > < = s s R P R P in R P 275 . 0 333 . 0 1 =
2
) 333 . 0 ( =
n= 1979-1911+1= 69
P(X|35) = 23/69 = 0.333
P(X>45) = 19/69 = 0.275
P(35|X|45).
275 . 0 333 . 0 1 =
) 0 . 45 ( ) 0 . 35 ( 1 ) 0 . 45 0 . 35 ( > < = s s R P R P in R P
392 . 0 =
Ejemplo 11.1.2
) 0 . 45 ( ) 0 . 35 ( 1 ) 0 . 45 0 . 35 ( > < = s s R P R P in R P 275 . 0 333 . 0 1 =
( ) ( ) | |
2
0 . 35 in R P C P < =
Suponiendo que el proceso de la Tabla 11.1.1, es indepen-
diente, estime la probabilidad que en dos aos sucesivos
ocurran menos de 35 (Evento C).
=
Observando la Tabla 11.1.1, se tiene que existen nueve
pares de valores que corresponden al evento C, n
c
=9.
2
) 333 . 0 ( =
111 . 0 132 . 0
68
9
) ( ~ = = =
n
n
C P
C
111 . 0
( ) ( ) | |
2
0 . 35 in R P C P < =
Si las funciones de una muestra estn idnticamente distribuidas (cada valor de la
muestra extrado de la misma distribucin de probabilidad) estas pueden
ordenarse para formar un histograma de frecuencia.
Si el numero de observaciones n
i
en el intervalo i, se divide por el numero total de
observaciones n, el resultado se conoce como la funcin de frecuencia
relativa
La suma de los valores de las frecuencias relativas hasta un punto dado es la
funcin de frecuencia acumulada
Funciones de Frecuencia y de Probabilidad
La funcin de Frecuencia Relativa, f
s
(x
i
) se obtiene dividiendo el nmero
de observaciones, n
i
, que contiene el intervalo [x
i
-Ax, x
i
], entre el nmero
total de observaciones, n.
La cual representa P[x
i
-Ax | X | x
i
]. La suma de los valores de las
frecuencias relativas hasta un intervalo (clase) dado, representa la
Funcin de Frecuencia Acumulada, F
s
(x).
Esta funcin representa P[X | x
i
]. Las funciones de frecuencia relativa y
acumulada, estn definidas para una muestra, las funciones
correspondientes a la poblacin se obtienen a travs de los lmites,
cuando n : y Ax 0.
Funciones de Frecuencia
n
n
x f
i
i s
= ) (

=
=
i
j
j s i s
x f x F
1
) ( ) (

Distribuciones de
Frecuencia y de
Probabilidad
La funcin de frecuencia
acumulada se convierte en la
funcin de distribucin de
probabilidad F(X) cuya
derivada es la funcin de
densidad de probabilidad
Las funciones de frecuencia relativa, frecuencia acumulada y distribucin de
probabilidad son todas adimensionales y varan en el rango (0,1).
Sin embargo, como dF(X) es adimensional y dX tiene dimensiones de X, la
funcin de densidad de probabilidad f(x) = dF(x)/dx tiene dimensiones de (X)
-
1
y vara en el rango (0, )

Una de las funciones de densidad de probabilidad mas conocidas es la curva

en forma de campana de la distribucin normal
La funcin de densidad de probabilidad, de una variable aleatoria continua
es una funcin, usualmente denominada f(x) que describe la densidad de la
probabilidad en cada punto del espacio de tal manera que la probabilidad de
que la variable aleatoria tome un valor dentro de un determinado conjunto sea
la integral de la funcin de densidad sobre dicho conjunto.
Medidas de la dispersin
Se denomina dispersin el grado con que los valores de las muestras tratan
de dispersarse alrededor del valor medio.
Existen varias formas de expresar el grado de dispersin, entre ellas las mas
usadas son:
1.- Rango: es la diferencia entre el valor mximo y el mnimo
2.- La desviacin tpica
3.- El coeficiente de variacin

=
n
i
i
x x
n
s
1
2
) (
1
1
X
S
CV =
( S
2
= Varianza )
Parmetros y
Estadsticos
El objetivo de la estadstica
es extraer la informacin
esencial de un conjunto de
datos, reduciendo un
conjunto grande de
nmeros a un conjunto
pequeo de nmeros.
Los estadsticos son
nmeros calculados de una
muestra los cuales resumen
sus caractersticas mas
importantes .
Los parmetros estadsticos
son caractersticas de una
poblacin.
La distribucin normal fue reconocida por primera vez por el francs Abraham
de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855)
elabor desarrollos ms profundos y formul la ecuacin de la curva; de ah que
tambin se la conozca, ms comnmente, como la "campana de Gauss".
La distribucin de una variable normal est completamente determinada por
dos parmetros, su media y su desviacin estndar. Con esta notacin, la
densidad de la normal viene dada por la ecuacin:
Distribucin Normal
Una de las funciones de densidad de probabilidades ms conocidas es la
Distribucin Normal:
Donde, y , son los parmetros de la distribucin.
Esta distribucin se puede simplificar definiendo la variable normal
estndar, z, obtenindose la Distribucin Normal Estndar, la cual se
caracteriza por tener media igual cero y desviacin estndar unitaria:
Distribucin Normal
(

=
2
2
2
) (
exp
2
1
) (
o

to
x
x f
o

=
x
z
2 /
2
2
1
) (
z
e z f

=
t
Propiedades de la distribucin normal
1.- Tiene una nica moda, que coincide con su media y su mediana. La curva
normal es asinttica al eje de abscisas. El rea total bajo la curva es, por
tanto, igual a 1.
2.- Es simtrica con respecto a su media . Segn esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato mayor
que la media, y un 50% de observar un dato menor.
3.- La distancia entre la lnea trazada en la media y el punto de inflexin de la
curva es igual a una desviacin tpica (). Cuanto mayor sea , ms aplanada
ser la curva de la densidad.
4.- El rea bajo la curva comprendido entre los valores situados
aproximadamente a dos desviaciones estndar de la media es igual a
0.95. En concreto, existe un 95% de posibilidades de observar un valor
comprendido en el intervalo .
Distribucin Normal Estndar
La Funcin de Distribucin Normal Estndar, se obtiene segn la
ecuacin:
Esta ecuacin no tiene solucin analtica. Sus valores se tabulan en la
Tabla 11.2.1, y pueden aproximarse mediante el siguiente polinomio:
Donde, |z| representa el valor absoluto de z, y el valor de la distribucin
normal estndar se obtiene de la siguiente forma:
El error de estimacin de F(z), utilizando el polinomio, es < 0.00025
Distribucin Normal Estndar
}


=
z
u
du e z F
2 /
2
2
1
) (
t
| |
4
4 3 2
| | 019527 . 0 | | 000344 . 0 | | 115194 . 0 | | 196854 . 0 1
2
1
+ + + = z z z z B
B z F = ) (
0 < z
0 > z B =1
Para
Para
Ejemplo 11.2.1
P(Z|-2) = F(-2), |z| = |-2| = 2
F (-2) = B = 0.023
P(Z|1) = F(1), |z| = |1| = 1, B = 0.159
F(1) = 1 B = 0.841
P(-2| Z|1) = F(1) F(-2)
= 0.841 0.023
= 0.818
Distribucin Normal Estndar
|
2
) 2 ( 115194 . 0 2 196854 . 0 1
2
1
+ + = B |
4
4 3
) 2 ( 019527 . 0 ) 2 ( 000344 . 0

+ +
Ro Paraguay en Asuncin
Histograma de Frecuencias Absolutas y
Relativas. Funcin de Frecuencia Acumulada
0
2
4
6
8
10
12
14
16
18
20
5
0
0
1
0
0
0
1
5
0
0
2
0
0
0
2
5
0
0
3
0
0
0
3
5
0
0
4
0
0
0
4
5
0
0
5
0
0
0
5
5
0
0
6
0
0
0
6
5
0
0
7
0
0
0
7
5
0
0
y

m
a
y
o
r
.
.
.
Clase
F
r
e
c
u
e
n
c
i
a
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
100.00%
Frecuencia % acumulado
Ro Paraguay en Asuncin
Ajuste de la Funcin de Distribucin Normal
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
0 1000 2000 3000 4000 5000 6000 7000 8000
Caudal (m3/s)
P
[
X
<
x
]
Funcin de Distribucin Normal Datos Histricos
Ao Precipitacin Orden X F(x) Fs(X)
1957 1303.0 1 912.9 0.03829 0.022727
1958 1412.0 2 1033.1 0.10071 0.045455
1959 1579.0 3 1033.8 0.10122 0.068182
1960 1307.0 4 1047.2 0.11130 0.090909
1961 1339.0 5 1047.3 0.11138 0.113636
1962 1301.0 6 1076.2 0.13554 0.136364
1963 1592.1 7 1083.1 0.14180 0.159091
1964 1083.1 8 1090.8 0.14902 0.181818
1965 1405.8 9 1092.1 0.15026 0.204545
1966 1331.8 10 1093.7 0.15180 0.227273
1967 1090.8 11 1104.3 0.16226 0.250000
1968 1033.8 12 1168.0 0.23462 0.272727
1969 1733.6 13 1191.8 0.26565 0.295455
1970 1620.9 14 1192.4 0.26646 0.318182
1971 1047.3 15 1215.1 0.29793 0.340909
1972 1168.0 16 1249.7 0.34888 0.363636
1973 1249.7 17 1256.6 0.35942 0.386364
1974 1047.2 18 1260.3 0.36511 0.409091
1975 1445.8 19 1294.5 0.41901 0.431818
1976 1338.1 20 1301.0 0.42946 0.454545
1977 1192.4 21 1303.0 0.43269 0.477273
1978 1658.0 22 1307.0 0.43915 0.500000
1979 1705.0 23 1322.4 0.46418 0.522727
1980 1294.5 24 1331.8 0.47954 0.545455
1981 1611.8 25 1338.1 0.48985 0.568182
1982 1322.4 26 1339.0 0.49132 0.590909
1983 1508.1 27 1341.3 0.49509 0.613636
1984 1341.3 28 1405.8 0.59966 0.636364
1985 1076.2 29 1412.0 0.60946 0.659091
1986 1093.7 30 1445.8 0.66154 0.681818
1987 1466.8 31 1466.8 0.69247 0.704545
1988 1664.3 32 1508.1 0.74934 0.727273
1989 912.9 33 1579.0 0.83234 0.750000
1990 1215.1 34 1592.1 0.84548 0.772727
1991 1867.8 35 1611.8 0.86392 0.795455
1992 1260.3 36 1620.9 0.87191 0.818182
1993 1104.3 37 1658.0 0.90109 0.840909
1994 1033.1 38 1664.3 0.90551 0.863636
1995 1092.1 39 1702.0 0.92900 0.886364
1996 1191.8 40 1705.0 0.93066 0.909091
1997 1702.0 41 1733.6 0.94499 0.931818
1998 1806.2 42 1806.2 0.97103 0.954545
1999 1256.6 43 1867.8 0.98418 0.977273
MEDIA 1344.3
DESV. ESTAND. 243.6
ASIMETRIA 0.39
Ajuste de la Distribucin
Normal a los totales
anuales de precipitacin,
registrados en la Estacin
Casero Morita, Estado
Barinas
o

=
x
z
2 /
2
2
1
) (
z
e z f

=
t
Totales anuales de precipitacin
Estacin Casero Morita, Edo. Barinas
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
800 1000 1200 1400 1600 1800 2000
Precipitacin total anual en mm
F
u
n
c
i

n

d
e

d
i
s
t
r
i
b
u
c
i

n

d
e

p
r
o
b
a
b
i
l
i
d
a
d
Dist. Normal Datos histricos
Varianza y Asimetra
Ejemplo 11.3.1

=
=
n
i
i
x
n
x
1
1
10
7 . 401
=
Usando los datos de la Tabla 11.3.2, estime la media, la desviacin estndar
y el coeficiente de asimetra
in 17 . 40 =

=
n
i
i
x x
n
s
1
2 2
) (
1
1
9
9 . 1016
=
2
0 . 113 in =
2 / 1
) 0 . 113 ( = s
in 63 . 10 =
3
1
3
) 2 )( 1 (
) (
s n n
x x n
C
n
i
i
s

=

=
3
) 63 . 10 ( 8 9
3 . 6480 10


= 749 . 0 =
Distribuciones de Probabilidades utilizadas en hidrologa
Distribuciones de Probabilidades utilizadas en
hidrologa
Periodo de Retorno
En los clculos hidrolgicos en muchas ocasiones no interesa conocer la
distribucin de los valores, sino mas bien el perodo de tiempo que debe
transcurrir para que un evento iguale o exceda una magnitud dada o para
que sea menor al de esa magnitud.
Rio Burate en las Mesitas, Trujillo, julio 2008
Frecuencia
Es el numero de veces que un evento (precipitacin, creciente, etc) de una
magnitud especificada es igualado o superado en un periodo determinado.
Periodo de retorno Tr
Periodo de retorno o intervalo de ocurrencia, es el intervalo promedio, en aos,
entre acontecimientos, que igualan o exceden una magnitud dada.
Periodo de Retorno
Una P = 60 mm/h y una frecuencia de una vez con un periodo de retorno de
15 aos , significa que una precipitacin de 60 mm/h ser igualada o excedida,
una vez, en promedio, cada 15 aos; que es de esperar que sea igualada o
excedida 2 veces en 30 aos; 3 veces en 45 aos, etc.
Perodo de Retorno
Un evento extremo ocurre cuando la variable aleatoria Q
m
supera un determinado
umbral Q
Tr.
Definiendo la variable t, como el intervalo de recurrencia entre eventos
donde Q
m
|Q
Tr
, el Perodo de Retorno de este tipo de eventos ser el valor
esperado de t, E(t).
La figura 12.1.1, muestra las descargas mximas del ro Guadalupe en Texas,
USA, para el perodo 1935-1978. Si se define el umbral Q
T
= 50000 cfs, se observa
que durante este perodo dicho umbral ha sido superado nueve (9) veces; con
intervalos de recurrencia que varan entre 1 y 16 aos.
El Perodo de Retorno, T, de este evento [ Q 50000 cfs], representa el valor
esperado (promedio) de la variable t, tomado sobre un gran nmero de
ocurrencias.
En el caso del ro Guadalupe, existen ocho intervalos de recurrencia durante un
perodo de 41 aos, entre la primera y ltima ocurrencia. Por lo tanto, el
perodo de retorno de dicho evento ser:
T = 41 aos / 8 ocurrencias = 5.1 aos
De esta forma el perodo de retorno representa el perodo de recurrencia
promedio entre eventos que igualan o exceden la magnitud del umbral
considerado.
Perodo de Retorno
Serie de caudales mximos anuales del ro Guadalupe
Por otra parte, si no se vuelve al nivel de flujo base entre las dos mximas, las
crecidas no son eventos independientes, porque la primera afect a la
segunda.
Es decir, dos caudales mximos
por encima del nivel de
inundacin representan
crecidas independientes slo si
entre los dos eventos el caudal
haba regresado
completamente al nivel de flujo
base.
El anlisis de frecuencia de crecidas exige que los datos sean independientes y
homogneos. El requisito de independencia implica que las crecidas deben
ocurrir de forma individual, sin afectarse mutuamente.
Serie de caudales mximos anuales del ro Guadalupe
Serie de caudales mximos anuales del ro Guadalupe
Perodo de Retorno
Si la probabilidad de ocurrencia de este evento se denota como p,
p=P[Q
m
| Q
Tr
] y sabiendo, que la distribucin de probabilidades de un
intervalo de recurrencia de duracin t es Binomial, ya que cada ao se
tienen dos posibles resultados, que son xito Q
m
| Q
Tr
o falla Q
m
<Q
Tr
.
) (
T
x X P p > =
La probabilidad de ocurrencia del evento
T
x X >
En cualquier observacin puede relacionarse con el Periodo de Retorno en
la siguiente forma: Para cada observacin existen dos resultados posibles
ya sea xito o falla.

=
1
1
) 1 ( ) (
t
t
t t p p E
+ + + + = p p p p p p p
3 2
) 1 ( 4 ) 1 ( 3 ) 1 ( 2
( ) ( ) ( ) | | + + + + =
3 2
1 4 1 3 1 2 1 p p p p
( ) | |
2
1 1
) (
p
p
E

= t
p
1
=
T
x X P
T
1
) ( = >
Debido a que las observaciones son independientes, la probabilidad
de un intervalo de recurrencia de duracin t es el producto de las
probabilidades de t-1 fallas seguidas por un xito, es decir :
p p
1
) 1 (

t
Y el valor esperado esta dado por:
T =
) (
T
x X P p > =
Perodo de Retorno
En el caso del ejemplo del ro Guadalupe,
p = P[Q50000 cfs] = 1 / 5.1 aos = 0.195
T
x X P
T
1
) ( = >
Periodo de retorno Tr
Periodo de retorno o intervalo de ocurrencia, es el intervalo promedio, en
aos, entre acontecimientos, que igualan o exceden una magnitud dada.
Cul es la probabilidad que un evento de T aos de perodo de
retorno ocurra por lo menos una vez los prximos N aos?
P[X < x
T
cada ao durante N aos] = (1-p)
N
Usando el principio de la complementariedad,
P[X x
T
por lo menos una vez en N aos] = 1 - (1-p)
N
Dado que p = 1 / T
P[X x
T
por lo menos una vez en N aos] = 1 - ( 1- ( 1 / T))
N
Ejemplo 12.1.1.- Estime la probabilidad que el ro Guadalupe tenga un
caudal mximo anual que exceda los 50000 cfs, por lo menos una vez
los prximos tres (3) aos.
Sabemos que P[Q 50000 cfs] = 0.195, por lo tanto,
P[Q 50000 cfs, por lo menos una vez los prximos 3 aos] = (1-(1-0.195)
3
= 0.48
P[X x
T
por lo menos una vez en N aos] = 1 - ( 1- ( 1 / T))
N
P[X x
T
por lo menos una vez en N aos] = 1 - (1-p)
N
Perodo de Retorno
Un concepto equivocado comn es que una tormenta de
25 aos siempre produce una creciente de 25 aos.
Perodo de Retorno
Graficas de Probabilidad - Ajuste de Distribuciones
Como una verificacin de que la distribucin de probabilidad se ajusta a un
conjunto de datos hidrolgicos, estos pueden graficarse en un papel de
probabilidad diseado especialmente o utilizando una escala de graficacin
que linealice la funcin de distribucin.
Luego los datos graficados se ajustan por medio de una lnea recta con
propsitos de interpolacin y extrapolacin.
Papel de probabilidad
La probabilidad acumulada de una distribucin terica puede representarse
grficamente en un papel de probabilidad diseado para la distribucin.
En uno de estos papeles las ordenadas representan el valor de x en una cierta
escala y las accisas representan la probabilidad, el periodo de retorno T o la
variable reducida y.
Las escalas para las ordenadas y las abcisas estan diseadas de tal manera
que se espera que los datos que van a ser ajustados aparezcan cercanos a
una lnea recta
Posicin de graficacin
Una posicin de graficacion se refiere al valor de la probabilidad asignada a
cada uno de los datos que van a graficarse.
Se han propuesto numerosos mtodos para la determinacin de las posiciones
de graficacion, la mayora de los cuales son empiricos.
Si n es el numero total de los valores que van a ser graficados y m es la
posicion de un valor en una lista ordenada por magnitud descendente, la
probabilidad de excedencia del e-mesimo valor mayor Xm es para un m
grande:
P[X x
T
] = m/n
Estimacin de la frecuencia de la lluvia a partir de una
serie de datos medidos Mtodo Grafico
1.- Se seleccionan las precipitaciones mximas para diferentes duraciones
de una estacin de lluvia. Tabla V-5
2.- Los datos as obtenidos se ordenan de mayor a menor. Se le asigna el
no de orden 1 al valor mayor, 2 al que le sigue, etc. Tabla V-6
3.- Se calcula el periodo de retorno Tr a cada uno de los valores ordenados
mediante la formula siguiente:
m
n
Tr
1 +
=
4.- Se plotea en papel de probabilidades extremas de Gumbel, cada una de las
precipitaciones contra su periodo de retorno Tr calculado
5.- Se traza una lnea recta de ajuste a travs de los puntos ploteados
Formula de W. Weibull
n = No de aos de observacin
m = No de orden del termino de serie
En ocasiones en el grafico de probabilidades extremas es preferible utilizar la
escala de las probabilidades de no ocurrencia y se hace una conversin de los
Tr mediante la expresin:
100 )
1
1 ( x
Tr
q =
6.- Con la curva de frecuencia de precipitaciones obtenida, se puede determinar la
precipitacin mxima, de la duracin que se requiera, para un periodo de
retorno Tr que se desee al extrapolar la recta:
Anlisis de intensidad duracin periodo de retorno
Con este mtodo se obtiene en una estacin la intensidad de precipitacin
correspondiente a una duracin y periodo de retorno dado.
Del anlisis de los pluviogramas se construyen curvas llamadas de
intensidad-duracin-periodo de retorno.
1.- Se analizan las lluvias de mayor intensidad de todo el
periodo de registro y se seleccionan las laminas
maximas precipitadas para diferentes duraciones.
Tabla V-5
2.- Este anlisis se hace leyendo los totales de lluvia
registrada en el pluviograma para 5, 10, 15 min, etc.
Tambien se hacen lecturas para las duraciones 1, 3,
6, 9, 12 y 24 horas
3.- Los datos obtenidos en la tabla V-5 se reagrupan en orden decreciente segn
su magnitud y se les asigna un nmero de orden para calcular el
correspondiente Tr y la probabilidad de no ocurrencia
m
n
Tr
1 +
=
100 )
1
1 ( x
Tr
q =
Formula de
W. Weibull
4.- De acuerdo a las duraciones seleccionadas se pasan los datos de
precipitaciones de la tabla V-6 a intensidades mximas de precipitaciones
(mm/h) como se indica en la siguiente tabla (Tabla V-7)
Ejem.
6
102
0 . 17 =
5.- Se traslada la informacin de la tabla anterior (Tabla V-7) al papel de
probabilidades extremas de Gumbel y se obtiene la siguiente curva
Las curvas que relacionan precipitaciones, intensidadduracinperiodo de
retorno se pueden construir en distintos tipos de papel como los indicados.
Tambin pueden trazarse en papel semilogaritmico y doble logaritmico log log
Se tiene un fbrica ubicada en la margen de un ro. El edificio est
protegido para la eventualidad de un caudal mximo de 900 unidades de
flujo. Exceder el nivel de 900 unidades de flujo provocara graves daos a la
mercanca, con repercusiones muy graves para su negocio.
Dado un historial de 30 aos, el trazado de serie anual muestra que el
perodo de retorno de 900 unidades de flujo es de _____. 50 aos
El anlisis de frecuencia de crecidas brinda informacin sobre el
potencial estadstico de que se produzca una crecida.
El perodo de retorno expresa un perodo (por ejemplo, la avenida de
100 aos) que es la duracin estadstica media entre crecidas de cierta
magnitud. Cuanto mayor el perodo de retorno, tanto mayor la crecida.
La probabilidad de excedencia o de ocurrencia para un ao en
particular es el inverso del perodo de retorno. Por lo tanto, la
probabilidad de excedencia de una avenida de 100 aos sera de
1/100, o del 1 %.
Descripcin general del anlisis de frecuencia de crecidas
La avenidas, sin embargo, no ocurren a intervalos uniformes. Por tanto,
una avenida de 100 aos no ocurre necesariamente una sola vez en un
perodo de 100 aos.
Una crecida de determinado perodo de retorno no es necesariamente el
producto de un aguacero que tiene el mismo perodo de retorno. Es decir,
un aguacero de 25 aos no produce necesariamente una avenida de 25
aos.
Existen dos aplicaciones del anlisis de frecuencia de crecidas:
1. Estimar la magnitud potencial de la crecida que puede ocurrir en un
intervalo de tiempo dado.
2. Estimar el perodo de retorno de una crecida de cierta magnitud.
Mtodo para estimar la
frecuencia de valores extremos
Para ciertos sucesos extremos como picos de crecientes y precipitaciones no
hay un limite fsico, siempre habr la posibilidad de esperar un suceso
mayor.
El estudio de eventos hidrolgicos extremos incluye la seleccin de una
secuencia de observaciones mximas o mnimas de conjunto de datos.
Por ejemplo, el estudio de los caudales picos en una estacin
hidromtrica utiliza solamente el mximo caudal registrado cada ao,
entre los muchos miles de valores registrados.
Mtodo para estimar la
frecuencia de valores extremos
E.J. Gumbel propuso que la probabilidad P de la ocurrencia de un valor
igual o mayor que cualquier valor X se expresa como:
y
e
e p

=1
e = base de los logaritmos neperianos
y = Variable reducida la cual para una muestra grande es igual a
) 4505 . 0 (
7797 . 0
1
x x x
x
y o
o
+ =
Mtodo para estimar la frecuencia de
valores extremos (cont.-/1)
y
e
e q

=
q = probabilidad de no ocurrencia
y
e
e p

=1
p = probabilidad de ocurrencia de un valor igual o
mayor
X = es la magnitud del suceso con la probabilidad p
X = es el promedio aritmtico de la serie de los sucesos observados
y = variable reducida
) 4505 . 0 (
7797 . 0
1
x x x
x
y o
o
+ =
x o
= desviacin estandar de los datos observados
1 = +q p
p q =1
Mtodo para estimar la frecuencia de
valores extremos (cont.-/2)
x
n
yn y
x x o
o
) (

+ =
La ecuacin anterior se deduce de una muestra infinitamente grande y no
es aplicable cuando interese buscar periodos de retorno a partir de
muestras limitadas. En tales casos se recomienda utilizar la ecuacin
siguiente la cual da resultados muy similares a medida que crece la serie
O tambin: x k x x o + =
n
yn y
k
o

=
siendo
Y = variable reducida en funcin de Tr (Tabla V-1)
Yn = la media de la variable reducida (Tabla V-2)
= desviacin tpica de la variable reducida (Tabla V-3)
n o
X indica el valor del suceso extremo (precipitacion,
creciente, etc.) alcanzado o excedido, en promedio, una
vez para un Tr
Mtodo para estimar la frecuencia de
valores extremos (cont.-/3)
n
yn y
k
o

=
x
n
yn y
x x o
o
) (

+ =
X indica el valor del suceso
extremo (precipitacion, creciente,
etc.) alcanzado o excedido, en
promedio, una vez para un Tr
n = numero de aos de observacin
Ao 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
P (mm) 17.1 14.0 19.5 24.0 16.1 12.7 18.3 21.4 15.2 19.5 21.2 14.2
Ejem. Dadas las precipitaciones mximas anuales de 15 minutos de
duracin que se muestran en la siguiente tabla, determinar:
a.- La precipitacin mxima para la misma duracin correspondiente a
un periodo de retorno de 20 aos.
b.- La probabilidad de no ocurrencia de una intensidad de lluvia de 100
mm/h para la misma duracin.
x
n
yn y
x x o
o
) (

+ =
n
yn y
k
o

=
n = 12 aos de observacin Yn = 0.5035
n
yn y
k
o

=
9833 , 0 = n o
Tr = 20 aos
Y = 2,970
5033 , 2
9833 , 0
5035 , 0 970 , 2
=

= k x
n
yn y
x x o
o
) (

+ =

=
=
n
i
i
x
n
x
1
1
67 , 17
12
2 , 213
= = X
4710 , 3
1 12
53 , 132
) (
1
1
1
2
=

=

=
n
i
i
x x
n
x o
mm x 47 , 26 4710 , 3 ) 5083 , 2 ( 67 , 17 = + =
y
e
e q

=
q = probabilidad de no ocurrencia
y
e
e p

=1
p = probabilidad de ocurrencia de un valor igual o
mayor
I= 100 mm/h D = 15 min = 0.25 h X = 25 mm
n
yn y
k
o

=
x
n
yn y
x x o
o
) (

+ =
67 , 17 = X
4710 , 3 = x o
1117 , 2
47 . 3
67 . 17 25
=

= k
5799 . 2 9833 . 0 1117 . 2 5035 . 0 = + = + = x n k yn y o
93 . 0
5799 . 2
= = =

e e
e e q
y
Estimacin de Gastos Pico - Mtodo Racional
Asume que la mxima tasa de escurrimiento en una cuenca pequea ocurre
cuando toda la cuenca est contribuyendo, y que esta tasa de
escurrimiento es igual a un porcentaje C de la tasa promedio de lluvia.
A I C Q x x =
Q = caudal
C = Coeficiente de escorrenta
I = Intensidad de precipitacin
correspondiente al tiempo
de concentracin
A = rea de la cuenca
ha A 500 s
La formula racional esta basada en ciertas hiptesis:
1.- El escurrimiento resultante de cualquier intensidad de lluvia I es un mximo
cuando esa intensidad de lluvia dura, al menos, tanto como el tiempo de
concentracin Tc.
2.- El escurrimiento resultante de una intensidad de lluvia, con duracin igual o
mayor que el Tc, es una fraccin de la precipitacin.
3.- La frecuencia de la mxima descarga Q es la misma que la de la intensidad
de lluvia I para el Tc dado.
4.- El coeficiente de escorrentia C es el mismo para lluvias de diferentes
frecuencias.
5.- El coeficiente de escorrenta es el mismo para todas las lluvias en una
cuenca dada.
A I C Q x x =
La aplicacin de la formula racional requiere del conocimiento de un
coeficiente de escorrenta C, del tiempo de concentracin Tc, de la intensidad
de la lluvia correspondiente I y del rea de la cuenca a drenar
No considera variaciones de la intensidad de la lluvia en el rea
durante todo el tiempo de concentracin
En reas urbanas, el rea de drenaje usualmente esta compuesta de subareas
o subcuencas de diferentes caractersticas superficiales, como resultado se
requiere un anlisis compuesto que tenga en cuenta las diferentes
caractersticas superficiales

=
=
n
i
i iA C I Q
1
360
A I C
Q
x x
=
Unidades de medida
Q = m
3
/s
I = mm/h
A = ha
A I C Q x x =
Q = l/s
I = l/s/ha
A = ha
mm/h x 2.78 = l/s/ha
I se calcula mediante la curva de intensidad-duracion-periodo de retorno,
preferiblemente o mediante la siguiente formula:
55 . 0
25 . 9

= Tc i I x x
i = Intensidad maxima horaria para un Tr
considerado en mm/h
Tc= Tiempo de concentracin en minutos
Determinar el caudal mximo para Tr= 50 aos de una cuenca que se
muestra, sabiendo que longitud del cauce 1.15 km, rea de la cuenca 70 ha
y coeficiente de escurrimiento 0,40. Para la estimacin de la intensidad
utilizar la curva Intensidad-duracion-frecuencia anexa.
Cota 637 m
Cota 525 m
Cota 637 m
Cota 525 m
Ejemplo
A I C Q x x =
Q = l/s
I = l/s/ha
A = ha
mm/h x 2.78 = l/s/ha
) ( 0195 . 0
H
L
Tc =
3
0.385
Tc = tiempo de concentracin en minutos
L = Longitud del cauce principal en metros
H = Diferencia de elevacin entre el punto mas elevado y el que se considera
Formula del Bureau of Reclamation (USA)
min 8 . 10 )
525 637
150
( 0195 . 0 =

= Tc
3
0.385
h mm I / 6 . 208 )
78 . 2
580
( = =
s m
A I C
Q
x x
/ 3 22 . 16
360
= =
Escala del Diseo Hidrolgico - Control del agua
Valor Lmite Estimado (ELV):
Corresponde a la mxima
magnitud posible que puede
tener un evento hidrolgico, en
un lugar dado (definido
geogrficamente).
Escala del Diseo Hidrolgico - Control del agua
Este concepto de Valor Lmite Estimado (ELV), est implcito en las conocidas
Precipitacin Mxima Probable (PMP) y Crecida Mxima Probable (CMP),
(PMF).
El grado de incertidumbre asociada a estas estimaciones depende de la
confiabilidad de la informacin histrica disponible (datos de lluvias extremas,
caudales extremos, curvas de gastos, densidad de la red pluviomtrica, etc.),
del conocimiento tcnico y de la exactitud del anlisis.
Segn la OMM (Organizacin Meteorolgica Mundial),
la PMP se define como : La cantidad de precipitacin, cercana al lmite fsico
superior, definida para una duracin dada y una localizacin geogrfica
determinada. Con base a registros histricos mundiales, la PMP puede tener
perodos de retorno tan grandes como 500 millones de aos, que
generalmente, corresponde a un factor de frecuencia, KT = 15.
Algunos hidrlogos le asignan perodos de retorno arbitrarios a la PMP y CMP,
del orden de 10000 aos.
Existen mtodos estadsticos y fsicos para estimar la PMP, y luego utilizando
modelos como los basados en hidrogramas unitarios sintticos en la Onda
Cinemtica, permiten la estimacin de la CMP.
Escala del Diseo Hidrolgico - Control del agua
Lmites basados en probabilidades : Las probabilidades de ocurrencia
pueden ser estimadas, adecuadamente, cuando estn disponibles
registros hidrolgicos, lo suficientemente largos, que permitan la
realizacin de anlisis de frecuencia confiables.
Los mtodos probabilsticos son menos subjetivos y ms manejables, y
conducen a formas lgicas para determinar niveles ptimos de diseo
mediante el uso de Anlisis Hidroeconmico y Anlisis de Riesgo.
En la tabla que se incluye a continuacin, se dan algunos criterios
generales, basados en experiencias pasadas, para la seleccin del perodo
de retorno de diseo de obras de control.
Adicionalmente, para un rea densamente poblada, donde la falla de la
estructura causara prdidas de vidas humanas y extensos daos a
propiedades, se justifica el uso del ELV, en el diseo.
Sin embargo, en reas menos pobladas y donde las fallas causan menores
daos, sin prdidas de vidas humanas, se puede disminuir el grado de
proteccin, por ejemplo, se disea para la crecida milenaria.
Segn la Academia Nacional de
Ciencias de USA:
Presa pequea: H < 12 m
Presa mediana: 12 m<H<30 m
Presa Grande: H > 30 m
Donde H es la altura de la
presa.
Escala del Diseo Hidrolgico Uso del agua
La diferencia entre los criterios aplicados en este caso, con respecto a
la discusin anterior, radica en que el problema es de falta de agua y
no exceso de la misma.
En este caso el valor de las variables de diseo se selecciona de
forma tal que el sistema tenga una probabilidad de falla aceptable
para el propsito considerado. Para llevar acabo este anlisis existen
dos metodologas:
El Enfoque Tradicional:
Cuyo anlisis se lleva a cabo utilizando los registros histricos
disponibles. La limitacin de esta metodologa es que la estimacin
de la falla se basa en un perodo nico (el histrico), suponiendo que
el mismo va a ocurrir en forma similar en el futuro.
Hidrologa Operacional:
En este caso el anlisis es similar al anterior, pero realizndolo sobre
un gran nmero de escenarios futuros de ocurrencia de las variables
estocsticas. Es decir, se obtienen respuestas para cada escenario,
pudindosele ajustar distribuciones de probabilidades a las mismas,
lo cual permite una evaluacin ms precisa de las fallas del sistema.
Diseo Hidrolgico
El Diseo Hidrolgico representa la evaluacin del impacto de eventos
hidrolgicos en sistemas de recursos hidrulicos a los fines de establecer
los criterios de seleccin de las variables ms importantes que definen los
componentes del sistema para que este se comporte adecuadamente.
A travs de este tipo de diseo se pueden establecer medidas que pueden
ser:
Estructurales: como la construccin de un embalse regulador o
diques marginales, a los fines de controlar inundaciones;
No estructurales: como el ordenamiento de la planicie de
inundacin, utilizando la informacin de manchas de inundacin
resultantes de la aplicacin de modelos hidrolgicos e hidrulicos.
Es importante destacar que adems de los criterios establecidos a travs
del anlisis hidrolgico hidrulico, existen otros aspectos que se deben
tomar en cuenta en el diseo de recursos hidrulico como son:
econmicos-financieros, salud pblica, geotcnicos, estructurales, legales,
estticos, seguridad, ambientales, etc.
Escala del Diseo Hidrolgico
Los fines de la planeacin y manejo de los Recursos Hidrulicos se puede
clasificar en dos categoras:
Control del agua:
Mximos: Crecidas extremas, manchas de inundacin,
drenajes, canalizaciones, obras de desvo en la construccin de
presas, obras de alivio, arrastre de sedimentos,.. etc.
Mnimos: Sequas, contaminacin de cuerpos de agua,
salinidad (cua salina), derivacin y trasvases (caudales
garantizados), caudales ecolgicos.. etc.
Uso del agua: Abastecimiento urbano e industrial, riego agrcola,
hidroelectricidad, recreacin, etc.
En ambos casos la tarea del diseo hidrolgico, es la misma, la cual
corresponde a la determinacin del Caudal de Diseo. Sin embargo, la
diferencia entre ambas categoras corresponde a la escala, ya que en el
primer caso el inters est en los caudales extremos (eventos), mientras
que en el segundo el inters es sobre todo el hidrograma de caudales por
un largo perodo de aos.
Escala del Diseo Hidrolgico - Control del agua
En este caso la escala del diseo hidrolgico corresponde al rango de
valores de la magnitud del la variable de diseo como lo es el Caudal de
Diseo -dentro del cual se debe seleccionar un valor para determinar las
caractersticas de las medidas estructurales o no, que se piensan acometer.
Los factores ms importantes en esta seleccin son : costos y seguridad.
Por ejemplo, es demasiado costoso disear estructuras pequeas, como
alcantarillas, para caudales mximos asociados a perodos de retorno muy
grandes como el milenario. Por otra parte, el diseo de una estructura tan
importante como lo es el aliviadero de una presa ( como el aliviadero de
Guri) no se puede disear para caudales asociados a perodos de retorno
pequeos, ya que el resultado puede ser catastrfico.
La magnitud ptima es aquella que equilibra dos criterios opuestos Costos
vs. Seguridad.
El Ciclo Hidrolgico Global es un sistema cerrado, es decir la cantidad de
agua circulando es finita, por lo tanto, se puede tratar de establecer un
lmite prctico, que se conoce como el Valor Lmite Estimado (ELV).