Beruflich Dokumente
Kultur Dokumente
Hernn ALCAYAGA
hernan.alcayaga@udp.cl
Capitulo IV:
Hidrologa Estadstica
Creo que nuestro clculo
estadstico no fue
correcto!!!!
Dentro de ellos algunos contienen una parte determinstica (a travs de una ley fsica, generalmente de la
mecnica) y otra parte aleatoria.
Otros procesos no contienen ninguna parte determinstica, es decir son completamente aleatorios. Estos
slo pueden ser explicado mediante anlisis estadsticos.
Los procesos que slo pueden ser analizados mediante probabilidades se les llama procesos estocsticos.
En este ltimo caso se encuentran los eventos hidrolgicos extremos: caudales de crecidas y sequias y, en
general los fenmenos de precipitacin (lluvias).
En estos procesos la variable temporal no est correlacionada: registros adyacentes no pueden explicar
eventos anteriores o posteriores, es decir son independientes.
Para que f(x) represente verdaderamente una densidad de probabilidades, se deber cumplir que el valor de
la integral extendida a todo el intervalo de variaciones posibles de x sea igual a 1. Supondremos en lo que
sigue que la v.a. puede tomar todos los valores posibles desde - a +, sin considerar que esto es una
condicin restrictiva.
= lim
( )
/ =
()
Frecuencia muestreo:
Decimos que un evento es favorable cuando l responde (cuanto toma, o alcanza) un valor que esperbamos,
el cual habamos fijado antes (de manera arbitraria o no) de la prueba. Por ejemplo, en un anlisis de caudales
en un ro, si estamos interesados en caudales superiores a 1000 m3/s, todo caudal que cumpla esta condicin
ser un evento favorable.
Si disponemos de un muestreo de N eventos, obtenidos o por pruebas, o por observaciones realizadas a
intervalos de tiempo regulares de un fenmeno natural, l puede contener n eventos favorables, es decir estos
coinciden con el evento esperado. Por ejemplo, sobre un muestreo de 30 caudales medios anuales,
encontramos que 5 son superiores a 1000 m3/s. Llamaremos frecuencia experimental, o simplemente
frecuencia el cociente F=n/N , aqu 1/6 (1 una muestra de cada 6 supera los 1000 m3/s).
Ahora supongamos que contamos con otro muestra de 30 caudales observados en la misma estacin (decimos
-en estadstica- que la muestra ha sido tomada de la misma poblacin). Encontraremos para los 1000 m3/s, una
frecuencia experimental probablemente diferente, y ocurrir lo mismo para otros muestreos u observaciones
que realizamos para en la misma estacin para otros 30 caudales (la frecuencia no ser la misma, pero ser
cercana).
La variabilidad de la media es caracterizado por la varianza 2,que corresponde al segundo momento alrededor
La simetra de una distribucin alrededor de una media se mide utilizando la asimetra u oblicuidad, que
COLINA
55
61
46
52
26
73
45
33
37
36
44
56
66
46
25
51
53
29
39
49
55
62
34
43
76
41
21
44
59
46
46
39
21
60
59
34
51
LAG. MALLECO
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
81
170
150
135
134
145
150
153,5
156,9
188,3
COLINA
46
29
18
27
52
69
58
27
57
31
26
33
52
63
31
86
61
&
&
&
&
&
&
&
&
&
&
&
&
&
&
&
&
&
&
&
&
&
LAG. MALLECO
283,4
112
96,8
117,9
72,1
92
50
11
56
59
80
65
101,5
113,5
126
201
109
106
141
122
153
108
110
99
96
110
136
110
85
89
98
143
70
98
73
100,5
200
82
10
50
90
130
170
210
250
290
1966
1981
2002
1965
1957
1964
1963
1986
1958
1962
1961
1997
1984
1992
1959
1960
1980
1985
1969
1979
1967
1988
1991
1993
1982
1987
1983
1978
2001
1989
1996
1999
1968
1990
1971
1995
1994
2003
1956
1976
2000
1970
1998
1977
1975
1974
1972
1973
283,4
201
200
188,3
170
156,9
153,5
153
150
150
145
143
141
136
135
134
126
122
117,9
113,5
112
110
110
110
109
108
106
101,5
100,5
99
98
98
96,8
96
92
89
85
82
81
80
73
72,1
70
65
59
56
50
11
116
Existe probabilidad de un 50% de que la PP max anual de 24 hrs. de L. Malleco sea inferior a 116 mm
La nocin de probabilidad correspondera a la de un juego de azar (tirage au sort en francs) y las leyes que
pretenden determinar la observacin o la experimentacin no estn construidas de cualquier manera (hay
una estructura).
El juego de azar ms simple podra ser el de cara y sello al lanzar una moneda en al que consideramos que
la variable aleatoria puede tomar los valores de 0 1 con la misma probabilidad 1/2.
Todas las otras leyes de probabilidades se deducen de este modelo (que es super simplificado, pero vlido)
y se van complicando progresivamente
Frecuencia muestreo:
excedencia: .
En general se designan, cuando se realizan los
clculos, las probabilidades por los smbolos F(x)
y F1(x) que les llamamos frecuencias tericas;
F(x) es igualmente llamada funcin de
reparticin o funcin de distribucin.
Frecuencia o probabilidad
! !
Donde:
p es la probabilidad de uno de los valores, definida como un xito, 0 p 1; n es el nmero de eventos y x nmero de xitos.
=
=
1
, para x=0, 1, 2,, n.
! !
= =
Para el ro lOued Mdez se requiere evaluar la probabilidad de observar al menos dos veces una crecida asociada a un
periodo de retorno de 25 aos (Tr=25 aos), para un periodo de observacin de 25 aos.
SOL: Para este problema Td= 25 aos, Tr=25 aos, x=2, luego =1.
La probabilidad de observar al menos dos caudales superiores a un Tr=25 aos para un periodo (Td) de previsin de 25
aos, es igual a la probabilidad de no observar 0 1 (ni 0 ni 1), 24772233
= 2 = 1 0 1 = 1
1 0 1
0!
1 1 1
1!
= 1
1 = 0,264
Entonces hay un 26% de chances de sobre pasar en dos ocasiones el caudal (umbral) asociado a un periodo de retorno 25
aos, sobre un periodo de 25 aos.
Los datos de registro de caudales en este ro mostraron que en realidad este caudal, Q(Tr=25 aos)=825 m3/s fue excedido
2 veces en 23 aos.
()2
22
Entonces: = () =
()
1
)
2
Luego, prob(x8)=0,02275
() =
()
1
2
(ln())2
22
1
2
inferior a x) es igual a: 1
si N es suficientemente grande, se puede aproximar a : P=exp[-h(x)], con h(x)=exp(-b)
luego la funcin de distribucin ser:
= exp()
O bien:
1 = 1
Esta distribucin de ha usado ampliamente para describir escurrimientos anuales. Los diagramas de distribucin de caudal
son generalmente asimtricos. Estos pueden ser aproximados de forma bastante cercana con la distribucin de Gumbel que
posee una asimetra fija de 1.14.
Es usada para calcular escurrimientos excedentes mximos anuales (MA), que se calculan eligiendo el escurrimiento MA
obtenido a partir de mediciones diarias. Para el caso de anlisis de caudales el parmetro b se calcula: =
magnitud del caudal (m3/s), es el caudal promedio y la desviacin estndar del caudal.
+0,45
,
0,7797
con x la
1 = 1 =0,999; este resultado se interpretan como: un caudal de esa magnitud (2100 m3/s) puede ocurrir
aproximadamente 1 vez cada 100 aos (el periodo de retorno de Q=2100 m3/s es Tr=100 aos).
La posibilidad que un cierto caudal sea excedido, o se observe para un perodo de retorno, es una funcin directa del
parmetro b, entonces se puede determinar la probabilidad de forma inmediata en funcin de este parmetro .
Parmetro b
0,367
1,367
2,250
2,970
3,199
3,902
4,601
5,296
Probabilidad de excedencia
0,50
0,20
0,10
0,05
0,04
0,02
0,01
0,005
El anlisis de frecuencia nos ayuda a determinar eventos extremos (sequias, tormentas de alta magnitud y caudales de
crecidas). En general la magnitud de un evento es inverso a la frecuencia de ocurrencia. Para el anlisis de frecuencia de
ocurrencia utilizamos las leyes o distribucin de probabilidad. En estos anlisis las hiptesis de trabajo (supuestos) son: i)
eventos independientes; ii) distribucin idntica y; iii) el fenmeno que lo produjo es estocstico. El inters del ingeniero en
estos anlisis es el diseo de presas, puentes, estructuras de crecidas, reconocimiento de reas de inundacin, etc.
(m3/s)
6763
9284
6134
6489
8833
5286
4113
6366
5088
11428
7286
Ano
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
(m3/s)
8455
7184
5161
2733
7719
1839
4031
7733
10180
10537
11401
1986
3
1991
1993
2001
2002
2003
(3+5+2+8+1)/6
= 3,3
3
2
5
1
Promedio
El valor terico de la frecuencia relativo es p(xi) = F(xi) - F(xi+1), la prueba estadstica 2 est dada por:
( )
=1
( )
Donde m es el nmero de intervalos. Note que nfs(xi), es el nmero de ocurrencias (eventos) observadas
dentro del intervalo i, mientras que np(xi) es el nmero de esperado de ocurrencias en el mismo intervalo.
Entonces la ecuacin anterior es la diferencia entre el numero de ocurrencias observadas y de ocurrencias
esperadas al cuadrado, dividido por el nmero de ocurrencias esperadas en el intervalo, y despus sumados
para cada intervalo, hasta m.
=2
2 =
=1
=4
=8
= 16
= 32
Tabla: precipitaciones anual (pulg) para la estacin College en Texas, USA (Ven te Chow)