DISTRIBUCION GAMMA

Funcin gamma de dos parmetros

Funcin densidad
Se dice que una variable aleatoria X, tiene una distribucin gamma de dos
parmetros si su funcin densidad de probabilidad es:
1

f ( x )=

x e
( )

Para:

0 x <
0 <

0 <
Siendo:
= parmetro de forma (+)
= parmetro de escala (+)
() = funcin gamma completa, definida como:

( )= x 1exdx , que converge si > 0

0

La funcin gamma tiene las siguientes propiedades:

()=( 1 ) !

(1 ) =()

, para = 1, 2, 3,
, para > 0

( 1 )=( 2 )=1
( 1/2 )=

( 0 )=
Si > 0 pero no entero,
integracin numrica por:

() puede ser calculado por expansin de series e

( )= e 1+

1
1
1
1
+

+
2
3
12 288 51840 2488320 4

Funcin acumulada
La funcin de distribucin acumulada, de la funcin gamma incompleta de dos
parmetros es:
x

F ( x )=
0

x e
dx (2)
( )

La integral de la ecuacin (2) puede evaluarse par valores dados de

usando la tabla A.7 del apndice en la cual se ha tabulado la funcin gamma

incompleta. En esta tabla, se ingresa con los valores de

x 2 (Chi-cuadrado) y

v (grados de libertad), se determina los valores de la probabilidad de

excedencia 1 F(x), siendo:
2

x=
Si

2x
y v=2 (3)

es entero, la funcin de distribucin gamma acumulada, segn Mood et

al (1974), puede calcularse por:

j

x
( )

F ( x )=1e
(4)
j=0 j !
1

La variable aleatoria reducida gamma de 2 parmetros, est dada por:

x
y= (5)

La cual reduce la funcin de densidad de probabilidad a:

g ( y )=

e
( )

(6)

Y la funcin de distribucin acumulada a:

Y

G ( y )=
0

y 1ey
dy (7)
( )

Las funciones reducidas contienen el parmetro

positivo de

, por lo cual, cada valor

, determina una funcin diferente. Un extracto de las tablas de

Wik, Gnanadesikan Huyett (1962), para las variables aleatorias reducida

Gamma, se muestra en la tabla 6.1.
La solucin de la integral de la funcin gamma reducida de la ecuacin (7), se
puede obtener por el desarrollo de la serie:

e y y
y +1
y + n1
G ( y )=
+
+ +
(8)
() ( +1)
( +1 ) ( +n1 )

Tabla 6.1: Funcion acumulada de variables aleatorias reducidas Gamma, G(y),

en funcin de y y

Estimacin de parmetros, mtodo de momentos

Utilizando el mtodo de los momentos, las relaciones entre la media, la
varianza y el coeficiente de sesgo, de la variable X, y los parmetros de la
distribucin gamma, que se obtiene, son:
Media:
Varianza:
Coeficiente de sesgo:

Estimacin de parmetros, mtodo de momentos

Aplicando el mtodo de momentos, se obtienen las siguientes relaciones:
Media:

(6.77)

X =xo+
Varianza:

(6.78)
2

S =

Sesgo:

C s=g=

(6.79)

Resolviendo las ecuaciones (6.77), (6.78), (6.79), se obtiene:

(6.80)

4
C s2

(6.81)

=C s S /2

xo= X
Para el clculo de

C s=g=

(6.82)

2S
Cs

C s , Para datos muestrales, usar las ecuaciones:

N2 M3
( N1)(N2) S 3

Donde:

xi
( X )3
N
M 3=
xi
( X )2
N1
S=

X =
N

xi

Nota limitante: Si

Cs

< 0, de la ecuacin (6.81),

que no cumple con la condicin que

sera negativo, por lo

> 0 .

4. Aplicaciones en hidrologa
Su uso en hidrologa est casi tan difundido, como el uso de la distribucin lognormal de 3 parmetros, con la desventaja, que tiene mayor complicacin al
estimar sus parmetros y calcular los valores de la funcin de distribucin
acumulada.
La prctica ha demostrado que los resultados entre la distribucin log-normal y
la distribucin Pearson tipo III, para el ajuste de series de precipitaciones
anuales, mdulos anuales, precipitaciones mensuales, etc. No difieren.
Las razones que convalidan la utilizacin de esta distribucin de probabilidad,
son las mismas que lo hacen en la distribucin log-normal.
Ejemplo 6.3:
Para proteger de inundaciones a la poblacin de la ribera del rio Turrialba, se
desea construir muros de encauzamiento. Para esto se cuenta con un registro
de 25 aos de caudales mximos en

3/ s
m , de una estacin aguas arriba de

la poblacin, los mismos que se muestran en la tabla 6.2.

Determinar el caudal de diseo para un periodo de retorno de 50 aos. Usar la
distribucin gamma de 2 parmetros.
Tabla 6.2 registro de caudales del rio Turrialba, en
53.50
165.60
250.50
234.00
65.40
Solucin:

64.00
155.80
120.50
189.00
123.00

169.60
199.00
250.50
196.00
119.00

162.70
22.80
231.70
96.90
200.00

3/ s

102.10
76.00
207.00
91.60
380.00

1. Ajuste de los datos de la serie a la distribucin gamma de dos

parmetros.

Para realizar la prueba de bondad de ajuste, se usa la aplicacin

Cestadis, sta calcula adems los parmetros de la serie y los
parmetros de la distribucin, algunos clculos parciales que se
obtienen, es como se muestra:
1.1
Calculo de parmetros
Calculo de los parmetros de la serie de caudales:

X =157.0480

=4.9037
lnX
S 2=6450.2101
S=80.3132

C s=0.6569

Clculo de los parmetros de la distribucin gamma.

Utilizando la ecuacin (6.71), se tiene:

=ln 157.04804.9037=0.15285
lnX
y=ln X

Como:

y=0.15285< 0.5772 , se utiliza la ecuacin (6.69), para el clculo

, es decir:

de

=(0.500087+0.1648852 y0.0544272 y 2)/ y

De donde:

=3.4283

De la ecuacin (6.72), se tiene:

=
1.2Clculo de

157.0480
=45.8091
3.4283

De la prueba de Smirnov-Kolmogorov, con Cestadis, se obtiene:

=mx|F ( x )P ( x )|=0.1046
1.3Clculo de

=0.05

Para

n=25 , Cestadis determina:

0=0.2720
1.4Decisin
Puesto que:

=0.1046< 0=0.2720

Cestadis, concluye que los datos se ajustan a la distribucin gamma

de 2 parmetros.
2. Clculo del caudal de diseo, para

T =50

aos

1
1
F ( Q=q )=1 =1 =0.98
T
50
F ( Q=q )=F ( x ) =0.98
1F ( x )=10.98=0.02 De la ecuacin (6.57):
v =2 =2 x 3.4280

v =6.856 7 De la tabla A.7 del apndice:

v =7, y 1F ( x )=0.02092, se obtiene

Para

X 2=16.5

Pero de la ecuacin (6.57):

X 2=

q=

2 x 2q
x2
= q=

45.809116.5
2

q=377.93 m3 /s
.. .

El caudal de diseo, para un periodo de retorno de 50 aos es:

Q=377.96 m3 /s

6.6 Distribucin log-Pearson tipo III

1. Funcin densidad
Se dice que una variable aleatoria X, tiene una distribucin log-Pearson tipo III,
si su funcin densidad de probabilidad es:

0
lnxx

1e

lnx x0

f ( x ) =

Para:

(6.83)

x 0 x<
< x 0 <
0=<

0= <
Donde:

x 0=

Parmetro de posicin

Parmetro de escala

= Parmetro de forma

2. Proceso de clculo
Para el clculo de los parmetros de la serie de datos:

x1 , x2, x3 , x4 , , x N
Se convierte a sus logaritmos, luego se calcula la media, la desviacin estndar
y coeficiente de sesgo, con las siguientes ecuaciones:
Media:

lnx
X lnx=
N

(6.48)

Desviacin estndar:

S lnx=

Sesgo:

(lnx X lnx)2

(6.85)

N1
N (lnx X lnx)3
C Slnx=
( N 1)(N 2) S 3lnx

(6.86)

3. Estimacin de parmetros, mtodo de momentos

Aplicando el mtodo de momentos, se obtienen las siguientes relaciones:
Media:

X lnx =x 0+

(6.87)

Varianza:

S 2lnx= 2

Sesgo:

C Slnx=

(6.88)

(6.89)

Resolviendo las ecuaciones(6.87), (6.88), (6.89), se obtiene:

4
C2Slnx

(6.90)

C SlnxS lnx

(6.91)

2S
x 0= X lnx lnx
C Slnx

(6.92)

4. Funcin acumulada
La funcin de distribucin acumulada de la distribucin log-Pearson tipo III, es:
x

F ( x )=
x

lnX Xo

( lnX Xo ) e
x ( )

dx (6.93)

En el cual:
-

XO = parmetro de posicin
= parmetro de escala

= parmetro de forma

La variable reducida y log-Pearson tipo III, es:

y

lnX Xo

(6.94)
Siendo la funcin acumulada log-Pearson tipo III reducida:

G ( y )=
0

y 1 e y
dy (6.95)
( )

La cual tiene como parmetro

, y cuya variable alleatoria tienen origen

en y = 0 x = x0
La ecuacin (6.95), como es similir que la ecuacin (6.61), se calcula de la
misma forma.

6.7 DISTRIBUCION GUMBEL:

La distribucin Gumbel, es una de las distribuciones de valor extremo, es
llamada tambin Valor Extremo Tipo I, Fisher-Tippett tipo I distribucin doble
exponencial.
1.

FUNCIN ACUMULADA:

La funcin de distribucin acumulada de la distribucin Gumbel, tiene la forma:

F(x) = EXP(-EXP(-(X - ) ))
(6.69)

F ( x )=e
Para:

( x)

(6.97)

- < x <

Donde:
0<<

, es el parmetro de la escala

- < < , es el parmetro de posicin, llamado tambin vector

central o moda.
2.

FUNCIN DENSIDAD

Derivando la funcin de distribucin acumulada, ecuacin (6,69), con

respecto a x, se obtiene la funcin densidad de probabilidad, es decir.
F( x )=

dF (x)
dx

))

1
( x )
( x )
F ( x )= exp
exp
(6.98)

1
F ( x )= e

x
e

(6.99)

Para:
- < x <
La variable aleatoria reducida Gumbel, sse define como:
y=

(6.100)

Con lo cual, la funcin densidad reducida Gumbel es:

y

e ye

g(y) = EXP (-y EXP(-y)) =

(6.101)
y la funcin acumulada reducida Gumbel, es:
y

G(y) = EXP(-EXP(-y)) =

ee

(6.102)
Los valores correspondientes x e y, estn relacionados por:
F(x) = G(y)
Y la relacin:
y=

x
x=+

3. ESTIMACION DE PARAMETROS, METODOS DE MOMENTOS:

Utilizando el mtodo de momento, se obtiene las siguientes relaciones:

Moda:
Media:
(6.103)

Xmoda =
E(x) = x = + C

Donde C, es la constante de Euler, cuyo valor es:

1 1
1
lim 1+ + ++ ln n
2 3
n
n

C = 0.5772156649
Por lo tanto de la ecuacin (6.103), se tiene:
x = + 0.5772156649
(6.104)

( xE( X))

Varianza: E

S 2=

2 2
6

(6.105)
De donde se obtiene:
6
= =0.78 S (6.106)

= x - 0.57721 = x - 0.45S

(6.107)

los parmetros de la distribucin Gumbel y , se calculan con las

ecuaciones (6.106) y (6.107), en funcin de los parmetros x y S de la
muestra.
4.

APLICACIN EN HIDROLOGIA:

La ley de Gumbel o ley de valores extremos, se utiliza generalmente

para ajustar a una expresin matemtica, las distribuciones empricas de
frecuencia de caudales mximos anuales, precipitaciones mximas
anuales, etc.
Es importante verificar, antes de aplicar esta distribucin de
probabilidad, que los coeficientes de asimetra y curtosis de la
distribucin emprica sean del mismo orden que los valores
poblacionales.
Uno de los inconvenientes del uso de esta distribucin, es que una distribucin
doble
exponencial, la variable
puede tomar cualquier valor, por lo que se
puede asignar probabilidades a valores negativos de la variable aleatoria,
cuestin que resta significacin fsica a la aplicacin, debido a que las variables
hidrolgicas solamente valores positivos o cero.

Ejemplo 6.4:
Se tiene el registro de caudales mximos de 29 aos, para la estacin 9-3 Angostura,
como se muestra en la tabla 6.3.

En este ro se desea construir una presa de almacenamiento, calcular el caudal de

diseo para el vertedor de demasas, con un perodo retorno de 50 aos. Usar la
distribucin Gumbel.
Tabla 6.3 caudales mximos, en m3/s, de la estacin Angostura
1660
618
876
563
824
557

917
683
740
520
824
818

-3800
934
1120
360
1230
1030

1410
779

610
367
522
418

2280
921
1150
658
581

Solucin:
1. Ajuste de los datos de la serie a la distribucin Gumbel
Para realizar la prueba de bondad de ajuste, se utiliza Cestadis. Esta aplicacin,
calcula
adems los parmetros
de la serie y los parmetros de la
distribucin, algunos clculos parciales que se obtienen, es como se muestra:

Calculo de los parmetros de la serie de caudales:

X = 957.59
S= 682.72
Clculo de los parmetros de la distribucin Gumbel: La aplicacin calcula estos
parmetros utilizando las ecuaciones (6.106) y (6.107), obteniendo:
Parmetro de escala:
Parmetro de posicin:

= 532.3182
= 650.3238

Prueba de bondad de ajuste

Los resultados que se obtienen de la aplicacin, son:

=0.1454

0=0.2525 , para un nivel de significacin del 5 %

Decisin
Siendo: =0.1454< 0=0.2525 se concluye

que

los datos

se ajustan

distribucin Gumbel, con un nivel de significacin del 5 %

2. Clculo del caudal de diseo,

F(Q=q)=P (Q q)=11/T
F(Q=q)=11/(50)
F ( Q=q )=0.98=F ( y )
y

F ( y )=ee =0.98

para un perodo de retorno de 50 aos.

a una

ey =ln 0.98
e y =0.020202707
y =ln 0.020202707
y=3.9019
Pero de la ecuacin (6.100):

y=

Q
=0.39019

Q=+3.9019
Q=650.3238+3.9019 X 532.3182
Q=2,727.38 m3 /s

6.8 Distribucin log-Gumbel

l. Funcin acumulada
La funcin de distribucin acumulada de la distribucin tiene la forma:
F ( x )=ee
( x)

donde:

O < a < oo
-oo < Jl < oo

es el parmetro de escala
, es el parmetro de posicin, llamado tambin , valor central o
moda
i en la ecuacin (6.108), la variable x se reemplaza por ln.x, se
obtiene la funcin acumulada de la distribucin log-Gumbel, o distribucin de
Frchet.
,

2. Variable reducida
La variable aleatoria reducida de la distribucin log-Gumbel, se
define como:
In x- J.1
... (6.109)
y=

con lo cual, la funcin acumulada reducida log-Gumbel es:

G(y) = EXP(-EXP(-y))

3. Proceso de clculo

... (6.110)

Para el clculo de los parmetros de la serie de datos:

X, X2, X3, ..., XN

: se convierte a sus logaritmos, luego se calcula la media y desviacin estndar, con

las siguientes ecuaciones:

X ln x =

media:

L.
(ln x - X lnx
(6.112

N... (6.111

4. Estimacin de parmetros, mtodo de momentos

Aplicando el mtodo de momentos, se obtienen los valores de los parmetros a. y
de la distribucin log-Gumbel, los cuales son: