Sie sind auf Seite 1von 18

Lehrstuhl fr Hydrologie und Wasserwirtschaft

BTU Cottbus

Statistische Analyse hydrologischer Daten


(HW Berechnung)

Gliederung
1

Symbole und Abkrzungen

Einfhrung

Analyse hydrologischer Ganglinien

Prfung der Daten fr die Ermittlung von Hochwasserwahrscheinlichkeiten

Wahrscheinlichkeitsanalyse

5.1
5.2
5.3
5.4
5.4.1

Empirische Unterschreitungswahrscheinlichkeit
Extrapolation durch freie Anpassung
Eigenschaften der Wahrscheinlichkeitsfunktion
Anpassung theoretischer Funktionen an die Stichprobe
Schtzverfahren fr die Parameter der Funktionsgleichungen

Anpassungstests

Konfidenzgrenzen fr Wahrscheinlichkeitsfunktionen

Literaturverzeichnis

Formelzeichen und Abkrzungen

Tab. 1: Im Text verwendete Symbole und Formelzeichen


xi
Messwert (Q)

Mittelwert

Standardabweichung

Varianz

Cv =

s
x

Variationskoeffizient

Cs =

S
s3

Schiefekoeffizient

S=

1 n
* ( xi x ) 3
n i =1

Schiefe

, Si (+Si=1)

Irrtumswahrscheinlichkeit, Signifikanzniveau

Pi

Eintrittswahrscheinlichkeit, Unterschreitungswahrscheinlichkeit

Rangplatz

Stichprobenumfang

Jhrlichkeit

HQa

Grter Hochwasserscheitelabfluss eines Jahres

AE

Allgemeine Extremwertverteilung

E1

Extremwertverteilung Typ 1

ME

Gemischte Extremwertverteilung Typ 1

P3

Pearson Typ 3-Verteilung

WB3

Weibull-Verteilung mit 3 Parametern

LN3

Log Normal-Verteilung mit 3 Parametern

LP3

Log Pearson Typ 3-Verteilung

Tab. 2: bersicht zu den Einzelbegriffen der Wahrscheinlichkeitsfunktionen (Quelle: Institut fr


Hydrologie u. Wasserbau Uni Karlsruhe (1990), S. 2)
+

f(x)

F ( x) =

Grundgesamtheit

Dichtefunktion (Dichte)
Wahrscheinlichkeitsverteilung
probability density function - pdf

Verteilungsfunktion
cumulative distribution function - cdf

Stichprobe

Hufigkeitsverteilung

Summenhufigkeit

f ( x)dx

2 Einfhrung
Ausgangspunkt fr die Untersuchungen von hydrologisch, wasserwirtschaftlichen Daten ist eine
gemessene Zeitreihe x(t). Solche gemessenen Zeitreihen sind immer unvollstndig, da endlich,
und entsprechen damit nur einer Stichprobe aus der Grundgesamtheit. Parameter, die aus der
Stichprobe und aus der Grundgesamtheit ermittelt werden, unterscheiden sich zwangslufig, dieser Unterschied wird mit Stichprobenungenauigkeit ("sample uncertainity") bezeichnet.
Oft wird versucht, aus den in einer begrenzten Zeitreihe vorhandenen Daten durch Extrapolation
Extremwerte zu ermitteln, die eine grere Jhrlichkeit besitzen, als der Lnge der gemessenen
Zeitreihe entspricht. Ein Beispiel hierfr ist die Ermittlung von Jhrlichkeiten von Hochwasserscheitelabflssen durch Anpassung einer statistischen Wahrscheinlichkeitsverteilung an die gemessenen Daten. Aus der zuflligen Wahl der anzupassenden Wahrscheinlichkeitsfunktion
resultiert eine Schtzungenauigkeit fr die extrapolierten Werte, die Modellungenauigkeit ("model uncertainity") genannt wird. Darum sollte am Ende die Angabe von Vertrauensintervallen fr
die extrapolierten Werte immer angestrebt werden.
Im Abschnitt 3 werden verschiedene Fragestellungen bei der Analyse hydrologischer Ganglinien
vorgestellt. Ab Abschnitt 4 wird die Anpassung von Wahrscheinlichkeitsverteilungen an Hochwasserscheitelabflsse genauer erlutert.

3 Analyse hydrologischer Ganglinien


In der Hydrologie/Wasserwirtschaft unterscheidet man drei Arten von Ganglinienuntersuchungen:
-

Einzelwerte der Funktionen x(t)

Zeitreihenabschnitte

das ganze Kontinuum der Zeitreihe.

Untersuchung von Einzelwerten der Ganglinien


Diese Aufgabe wird fr Hochwasser- (HW) und Niedrigwasser- (NW) Untersuchungen angewendet. Sie geht davon aus, dass die Einzelwerte statistisch unabhngige Gren sind und daher
auf der Basis von rein probabilistischen Konzepten analysiert werden knnen. Typisch hierfr ist
die Extremwertstatistik. Auf die statistischen Methoden hierfr wird im Weiteren genauer eingegangen.
Untersuchung von Zeitreihenabschnitten
Diese Aufgabe erfolgt meistens mit dem Ziel, ber das dynamische Verhalten der beobachteten
Gre eine Aussage zu machen. Hierzu gehrt z. B. die statistische Analyse von Fllen oder
3

Defiziten. Dabei werden die ber oder unter einen Schwellenwert xS liegenden Teile der Zeitreihe integriert oder aufsummiert, und anschlieend als neue Einzelwerte betrachtet. Bei den Letzten knnen anschlieend die Methoden der Einzelwertstatistik angewendet werden.
Untersuchung von Zeitreihen
Diese Aufgabe umfasst das ganze Kontinuum der Zeitreihe. Es ist meistens sehr aufwendig, solche Kontinua vollstndig zu analysieren. Daher werden, auf der Grundlage von Voruntersuchungen, Vereinfachungen getroffen, die die Analyse erleichtern. Die erste Vereinfachung ist die
Reduktion der Zeitreihe auf eine Folge von Mittelwerten (z. B. Tages-, Wochen-, Monats- oder
Jahreswerte). Der zweckmige Zeitschritt fr die Diskretisierung ist von der zu untersuchenden
Aufgabe abhngig. Solche Aufgaben sind z. B. die Bemessung von: Versorgungsspeichern wie
Trinkwassertalsperren, HW-Rckhaltebecken, Bewsserungsspeichern usw. Das Werkzeug fr
solche Untersuchungen der Daten ist die Zeitreihenanalyse. Dadurch werden zunchst die verschiedenen Komponenten und Charakteristika einer Ganglinie analysiert und deren statistische
Kennwerte ermittelt. Anschlieend knnen, je nach Planungsaufgabe, knstliche Zeitreihen generiert werden, die die statistischen Kennwerte der ursprnglichen Ganglinien erhalten. Hierzu
gehren die Methoden der stochastischen Zeitreihenanalyse.

4 Prfung der Daten fr die Ermittlung von Hochwasserwahrscheinlichkeiten


Der Datensatz fr statistische Analysen von Hochwasserkennwerten besteht hufig aus jhrlichen Maximalabflssen (Hochwasserscheitelabflssen) HQa. Voraussetzung hierfr ist das Vorliegen von lang beobachteten und zuverlssigen Abflussganglinien, aus denen der hchste Scheitelabfluss jedes Jahres entnommen werden kann.
Im Gegensatz zu dieser, so genannten jhrlichen Serie , besteht die Mglichkeit, eine partielle Serie zu bilden. Eine solche Reihe enthlt alle Scheitelabflsse des vorhandenen Zeitraums,
die ber einem Grenzwert liegen, z.B. dem kleinsten Wert aller jhrlichen Hochwasser. Allerdings verkompliziert sich mit den Werten einer partiellen Serie die Ermittlung der Unterschreitungswahrscheinlichkeiten ( siehe Dyck u.a. (1976)).
Bevor man mit der hydrologischen Analyse der Abflussdaten beginnen kann, muss geprft werden, ob der zu bearbeitende Datensatz folgende Grundannahmen erfllt:
-

ausreichender Umfang der Stichprobe (mind. 30 Werte),

frei von echten Fehlern (Ablesefehler, Datenerfassungsfehler),

auf richtigen Wasserstands-Durchfluss-Beziehungen basieren,

Unabhngigkeit,
4

Reprsentanz,

Homogenitt und

frei von Ausreiern.

Unabhngigkeit der Daten ist bei jhrlichen Serien meist gewhrleistet, lediglich wenn zwei aufeinander folgende Hochwasser nur durch den Jahreswechsel voneinander getrennt sind, ist eine
genauere Prfung erforderlich. Reprsentanz liegt vor, wenn die Stichprobe das langjhrige Abflussverhalten wiedergibt. Zur Beurteilung sind Vergleiche mit Nachbarpegeln mit langen Beobachtungsreihen sinnvoll.
Eine erste Hilfe zur Prfung der Zeitreihe ist ihre grafische Darstellung. Bereits hieraus sind eventuelle Ausreier sowie sprunghafte oder kontinuierliche Vernderungen (Inhomogenitten)
erkennbar. Die Messwerte sind auf diese Eigenschaften mit statistischen Tests zu prfen (siehe
z.B. Schnwiese (2000)). Als Beispiel fr solche Tests soll im Folgenden die Prfung auf Ausreier nher erlutert werden.
Ein einfach durchzufhrender Test, zur Abschtzung ob einzelne Werte der Datenreihe als Ausreier zu betrachten sind, ist die Prfung, ob sich Werte auerhalb des Intervalls der zweifachen
positiven und negativen Standardabweichung um den Mittelwert befinden. Wenn ja handelt es
sich mit hoher Wahrscheinlichkeit um Ausreier.
Ein weiterer, in DVWK (1999) fr Hochwasserscheitelabflsse empfohlener Test, besteht darin,
einen kritischen Grenzwert (xkrit) zu ermitteln. Dieser wird dann mit den Hchstwerten der Datenreihe verglichen. Liegen diese ber dem Grenzwert, sind sie als Ausreier zu betrachten.
Zur Ermittlung des Grenzwertes xkrit werden die HQ-Werte logarithmiert und dann aus den lnHQ
der Mittelwert und die Standardabweichung ermittelt. Der Grenzwert ergibt sich dann zu:

x krit = x + wn , s
wobei wn, ein Faktor ist, der vom Stichprobenumfang und vom Signifikanzniveau abhngt (s.
Tab. 3).
Tab. 3: Kritische Werte wn, fr den Ausreiertest (Quelle: DVWK(1999), S. 20)
Umfang
n

= 0,01

Irrtumswahrscheinlichkeit
= 0,05

= 0,10

10
15
20
25
30
35
40
50
60
80
100

2,540
2,800
2,959
3,071
3,156
3,224
3,281
3,370
3,440
3,543
3,618

2,294
2,494
2,623
2,718
2,792
2,853
2,904
2,987
3,052
3,152
3,226

2,146
2,327
2,447
2,537
2,609
2,668
2,718
2,800
2,865
2,965
3,039

Liegen Logarithmen der Extremwerte der Reihe (ln HQ) ber dem berechneten Grenzwert xkrit,
so handelt es sich bei den Werten um Ausreier im Sinne der Statistik. Die Ausreier sollten
noch mal auf Plausibilitt geprft werden. Hierfr ist die Wasserstands-Durchfluss-Beziehung
kritisch zu prfen. Auch sind Vergleiche mit Nachbarpegeln, ber die Abflussspende, sowie mit
historischen Aufzeichnungen hilfreich. Bei den Ausreiern kann es sich durchaus um richtige
Messwerte handeln, wenn z.B. ihr Wiederkehrintervall weit ber dem Stichprobenumfang liegt.
Solche Werte sollte man mglichst nicht entfernen, sondern ihnen eine hhere Jhrlichkeit zuordnen. Dies kann durch Vergleiche mit Nachbarpegeln, an denen lngere Beobachtungsreihen
vorliegen, oder durch Auswertung historischer Hochwasser geschehen (s. DVWK (1999), S. 21).
5 Wahrscheinlichkeitsanalyse
Mit Hilfe der Wahrscheinlichkeitsanalyse werden beobachteten Hochwasserscheitelabflssen
eines bestimmten Zeitraums berschreitungswahrscheinlichkeiten zugeordnet und eine Extrapolation ber den Beobachtungszeitraum hinaus ermglicht (DVWK (1999), S. 6). Mittels der geschtzten Parameterwerte der empirischen Hufigkeitsverteilung werden theoretische Wahrscheinlichkeitsverteilungen (Funktionen) an die Kennwerte der Stichproben angepasst. Bevor
eine Extrapolation/Aussage ber die ber- oder Unterschreitungswahrscheinlichkeit eines Ereignisses vorgenommen wird, sollte die Gte der Anpassung zwischen der empirischen und der
jeweiligen theoretischen Wahrscheinlichkeitsverteilung quantifiziert werden. Dies geschieht mit
Hilfe von Anpassungstests. Zustzlich sollte in jedem Fall eine optische Kontrolle der Anpassung durchgefhrt werden. Dazu werden sowohl die Stichprobenwerte ber den empirischen
Unterschreitungswahrscheinlichkeiten als auch die rechnerisch ermittelte Verteilungsfunktion
graphisch dargestellt.

5.1 Empirische Unterschreitungswahrscheinlichkeit


Fr die Ermittlung der Verteilung der Einzelwerte wird zunchst die empirische Unterschreitungswahrscheinlichkeit Pu = Pi(x) ermittelt, aus der sich die berschreitungswahrscheinlichkeit
P = (1-Pi(x)) bestimmen lsst. Dazu werden die Hochwasserscheitelabflsse in aufsteigender
Reihenfolge der Gre nach sortiert und die Unterschreitungswahrscheinlichkeiten, auch als

plotting positions bezeichnet, mit einer der in Tab. 4 aufgefhrten Formeln berechnet. Es gibt
keinen mathematischen Grund eine Formel zu bevorzugen. (Inst. f. Hydrologie u. Wasserbau
Uni Karlsruhe (1990), S. 18). Einige dieser Formeln werden jedoch fr bestimmte Wahrscheinlichkeitsfunktionen empfohlen bzw. als Quasistandard verwendet.

Tab. 4: Zusammenstellung der Formeln fr die plotting positions in Wahrscheinlichkeitsnetzen


(i = 1n, n = Werteanzahl bzw. Stichprobenumfang; HQ- Hochwasserabfluss, NQNiedrigwasserabfluss; Abk. fr Verteilungsfunktionen s. Tab. 1)
plotting position
Pi=i(/n+1)
Pi=(i-0,5)/n
Pi=(i-0,3)/(n-0,4)

Anwendung
HQ
HQ; WB3
HQ;
unbek.
Verteilung
Pi=(i-0,44)/(n+0,12) HQ; E1, WB3, ME
Pi=(i-0,35)/n
AE
Pi =(i-0,375)/(n+0,25) HQ; NQ, LN3
Pi=(i-0,4)/(n+0,2)
HQ, NQ ; P3, LP3

Entwickler
Weibull
Hazen
Chegodayev
Gringorton
Blom
Cunnane, Young

5.2 Extrapolation durch freie Anpassung


Die Unterschreitungswahrscheinlichkeiten, knnen in Wahrscheinlichkeitspapier eingetragen
werden.
Wahrscheinlichkeitspapier oder -netzdruck ist ein Diagrammpapier, bei dem die Abszisse in Abhngigkeit der Eigenschaften der Wahrscheinlichkeitsfunktion dargestellt ist. Oft wird der Wahrscheinlichkeitsnetzdruck der EI verwendet. Kann man die im Diagrammpapier eingetragenen
Werte zu einer Geraden verbinden, ist fr die Daten die Annahme der Verteilung nach dieser
Funktion gerechtfertigt. Diese Gerade lsst sich leichter extrapolieren als eine Kurve.
Mittels der Unterschreitungswahrscheinlichkeit ist man in der Lage, die Wiederkehrintervalle
oder Jhrlichkeiten der gemessenen Hochwasser ber die Gleichung T =

1
zu berechnen.
(1 Pi )

Nach einer erfolgreichen Anpassung lassen sich aus der graphischen Darstellung die Wahrscheinlichkeiten fr bestimmte Abflussmengen direkt ablesen. Umgekehrt kann man auch die
Wahrscheinlichkeit fr ein Wiederkehrintervall ber Pi=1-(1/T) berechnen und den dazugehrigen Abfluss in dem Diagramm abgreifen. Die Extrapolationszeitspanne sollte jedoch nicht mehr
als das Zwei- bis Dreifache der Messreihenlnge betragen. Auerdem ist zu beachten, dass die
Stichprobe auch fr den extrapolierten Bereich reprsentativ sein muss. Bei diesem einfachen,
grafischen Verfahren wird die Frage nach der theoretischen Verteilungsfunktion der HQ-Werte
nicht gestellt. Wie man eine theoretische Verteilungsfunktion rechnerisch an die HQ-Werte anpasst, wird in den nchsten Kapiteln beschrieben.
Beispiel: In der Abb. 1 erfolgte im Wahrscheinlichkeitsnetzdruck der Extremwertverteilung

Typ 1 eine gute Anpassung fr das Dorf C. Ein Ereignis mit einer Jhrlichkeit von 100 (Unterschreitungswahrscheinlichkeit Pi=0,99) hat im Dorf C einen Spitzenabfluss von ca. 14 m/s. Ein
7

Spitzenabfluss von ca. 10 m/s entspricht einem Hochwasser mit einem 20 jhrigen Wiederkehrintervall (Pi=0,95).

Abb. 1: Beispiele von Verteilungen im Netzdruck der E1, die plotting positions von C-Dorf
lassen sich durch eine Gerade ausgleichen, hier kann die E1 als Verteilungsfunktion gewhlt werden (Quelle: DVWK (1999), S. 24)

Die plotting positions von A-Dorf lassen sich durch 2 Geraden gut anpassen, hier wrde man
also eine gemischte Extremwertverteilung, bestehen aus zwei E1-Verteilungen whlen. Die Ursachen knnen in unterschiedlichen Hochwassergenesen begrndet sein. Fr die grafische Anpassung von B-Dorf und D-Dorf mssen Wahrscheinlichkeitsnetzdrucke anderer Verteilungsfunktionen gewhlt werden.
5.3 Eigenschaften der Wahrscheinlichkeitsfunktion

Dichtefunktion:

f ( x) = lim f ( x, n)

Verteilungsfunktion:

Fx ( x) =

f ( x)dx

Eigenschaften:

f ( x) 0 fr alle x und 0 F ( x) 1

Alle theoretischen Funktionen, die diese Bedingungen erfllen, knnen als Wahrscheinlichkeitsfunktionen verwendet werden. Fr diese gelten die Axiome zur Wahrscheinlichkeit (siehe Inst. f.
Hydrologie u. Wasserbau Uni Karlsruhe (1990), S. 2). Fr die Zwecke der hydrologischen Anwendungen sind die folgenden Eigenschaften besonders wichtig:
-

Die Dichte f(x) ist bekannt, wenn alle ihre Momente bekannt sind.

Wenn y eine eindeutige Funktion g(x) ist, dann kann die (bekannte) Dichte f(x) in die entsprechende Dichte f(y) umgewandelt werden ber die Beziehung:
8

f ( y ) = f ( x)

dx
dy

Insbesondere folgt aus diesem Satz auch:


F[g(x)]=F(x)

Unter Anwendung der zweiten Eigenschaft kann mit Hilfe einer linearen Transformation jede
Dichtefunktion umgewandelt werden, um damit eine proportionale Funktion f(y) mit dem Mittelwert 0 und der Streuung 1 zu erreichen.
Die in der Hydrologie am hufigsten angewendeten Wahrscheinlichkeitsfunktionen sind:
a) - die Gleichverteilung (GV), 1 Parameter,
b) - die Normalverteilung (NV), 2 Parameter,
- die logarithmische Normalverteilung (log-NV), 2 Parameter,
- die verallgemeinerte log-Normalverteilung (LN3), 3 Parameter,
c) - die allgemeine Extremwertverteilung (AE), 3 Parameter,
- die Weibullverteilung (Extremwertverteilung Typ III), 2 Parameter, in erweiterter Form 3
Parameter (WB3),
- die Gumbelverteilung (Extremwertverteilung Typ I, E1), 2 Parameter,
- die gemischte Extremwertverteilung (Rossi-Verteilung, ME), 4 Parameter,
d) - die Exponentialverteilung (EP), 2 Parameter,
e) - die Pearson-Typ3-Verteilung (P3, Gammaverteilung), 3 Parameter,
- die logarithmische Pearson-Typ3-Verteilung LP3, 3 Parameter.
Die mglichen Parameter der Funktionen sind:
-

der Formparameter,

der Lageparameter und

der Mastabsparameter.

Die Parameter der Wahrscheinlichkeitsfunktionen mssen aus den Kennwerten der empirischen
Verteilung geschtzt werden, dabei ist auf
-

Erwartungstreue,

Effizienz und

Robustheit zu achten.

Bei der Wahl einer theoretischen Wahrscheinlichkeitsfunktion sollte:


-

ihre Form mit der empirischen Wahrscheinlichkeitsfunktion bereinstimmen,


9

sie sollte physikalisch plausibel sein (einseitige Begrenzungen) und

die Parameter sollten leicht zu berechnen sein.

Unter Beachtung der physikalischen Plausibilitt ist es nicht richtig, die Normalverteilung als
Verteilung fr Hochwasser zu nutzen, da sie linksseitig nicht begrenzt ist, es aber keine negativen Hochwasser gibt. Die Normalverteilung kann fr die Untersuchung der Verteilung des jhrlichen Abflussvolumen verwendet werden. Das Central limit theorem besagt, dass die Summen von vielen unabhngigen Ereignissen eine Normalverteilung annehmen, unabhngig von
der Verteilung der Einzelereignisse (S. A. Thompson (1999), S.35)

5.4 Anpassung theoretischer Funktionen an die Stichproben

Die grundstzliche Vorgehensweise einer Anpassung von theoretischen Funktionen an die Verteilung der Messwerte (empirische Verteilungsfunktion) ist in Abbildung 2 graphisch dokumentiert. Als erstes werden die empirischen Daten hinsichtlich der Fragestellung sortiert und ausgewertet (Abb. a, b und c). Als nchstes werden die absoluten Daten in relative Werte umgewandelt (Abb. d, e) und im Anschluss in eine allgemeine Verteilung bertragen (Abb. f, g). Der letzte Schritt ist die Angleichung einer Verteilung basierend auf einer analytischen Funktion an die
Messergebnisse.
Ein gutes Resultat erzielt man, indem die Ergebnisse der Anpassung von mehreren Verteilungsfunktionen auf ihre Gte vergleichen werden. Die beste Anpassung liegt vor, wenn die Summenhufigkeit und die analytische Verteilungsfunktion mglichst gut ber der ganzen x-Achse,
besonders aber in den Extrembereichen, [...], gut bereinstimmen (Quelle: Inst. f. Hydrologie u.
Wasserbau Uni Karlsruhe (1990), S. 22). Es ist zu beachten, dass Transformationen, durch ungleichmige Wichtung, die hohen Extremwerte gegenber den kleinen Werten benachteiligen
knnen.
Tab. 5 enthlt beispielhaft die Gleichungen der Dichte- und Verteilungsfunktion der Allgemeinen Extremwertverteilung AE, der Extremwertverteilung Typ 1 E1 und der PearsonTyp 3Verteilung P3.

10

Abb. 2: Schrittfolge zur Anpassung einer theoretischen Verteilung an die Messreihe (Quelle:
nach Plate in DVWK (1985))

11

Tab. 5: Dichte- und Verteilungsfunktion der AE, E1 und P3 mit a-Formparameter, c-Lageparameter und d-Mastabsparameter (Quelle: DVWK (1999))
Funktion

Dichtefunktion

AE

f (x) =

E1

f (x) =

P3

x c a
1
1 a

d
d

f (x) =

Verteilungsfunktion
1


x c a
F ( x ) = exp 1 a

d


x c a
exp 1 a

d

1
x c
x c
exp
exp exp

d
d
d

x c

a 1

x c
exp

d (a )

Gltigkeitsbereich
x<c+

d
a

fr a <0,

x>c +

d
a

fr a >0; a >-1, d >0

x c
F ( x ) = exp exp

< x < , d >0

x c
a

F(x) =
(a )

a >0, x < c bei d < 0, x > c


bei d > 0

5.4.1 Schtzverfahren fr die Parameter der Funktionsgleichungen

Maximum Likelihood Methode


Mit dieser Methode werden hufig die besten Ergebnisse erzielt, aber auf Grund des hohen Rechenaufwandes kommt sie selten zur Anwendung, wenn man die Berechnungen zu Fu durchfhren muss (genauere Erklrung siehe Inst. f. Hydrologie u. Wasserbau Uni Karlsruhe (1990) S.
13). In der Praxis wird jedoch auf die Ergebnisse nicht verzichtet, da es Programme gibt, z.B.
HQ-EX von WASY, in denen der Algorithmus integriert ist. Es muss jedoch erst die Verteilungsfunktion gewhlt werden und dann knnen die Momente berechnet werden.
Momentenmethode
Bei der Momentenmethode knnen die Momente der Stichprobe unabhngig von der dann gewhlten Verteilungsfunktion berechnet werden. Dieser Methode liegt zugrunde, dass die Parameter der Wahrscheinlichkeitsverteilungen durch deren Momente ausgedrckt werden knnen.
Bei der Schtzung werden diese Momente der Grundgesamtheit den entsprechenden Momenten
der Stichprobe gleichgesetzt. Man drckt also die theoretischen Momente mx der Dichte f(x)
durch die fr diese Momente zu gewinnenden Schtzwerte Mx aus den Daten aus.
+

mxk =

f ( x) d x

Hierbei ist mxk das k-te Moment der Dichte f(x) bezogen auf x = 0. Fr den Fall k=0 ist

mx 0 =

f ( x)dx = 1 ,

12

da die Flche unter der Dichte fx(x) definitionsgem eins sein muss.
Der Schtzwert fr Mx1 aus den Daten ist das arithmetische Mittel.
1 n
xi = x ,
n i =1

M x1 =

Wichtige Momente hherer Ordnung werden nicht auf x=0, sondern auf den Mittelwert x bzw.
x bezogen. Diese Momente um den Schwerpunkt heien Zentralmomente (z.B. die Varianz mx2

und die Schiefe mx3).


Beispiel: Ermittlung der Momente und der Verteilungsfunktion fr die Extremwertverteilung

Typ 1 E1:
Die E1 hat als Sonderfall der AE zwei Parameter (vgl. Tab. 5), Lageparameter c (bei anderen
Autoren, z.B. Dyck auch mit mod(x) bezeichnet) und Mastabsparameter d (bei anderen Autoren, z. B. Dyck auch mit 1/a bezeichnet), der Formparameter a (vgl. Tab. 5) ist definitionsgem
Null. Die Bestimmungsgleichungen lauten:
1
2
d =
m2

c = m1 d

= 0,5772 (Eulersche Konstante)

Fr das erste Moment m1 wird der Mittelwert x der Stichprobe gesetzt, fr das zweite Moment
m2 wird die Varianz s der Stichprobe eingesetzt. Damit lassen sich die Parameter d und c wie
folgt errechnen:
d =

c = x 0,5772 d

x c

Die Verteilungsfunktion der E1 lautet: F ( x ) = exp exp

Setzt

man

x c

= y und
d

lst

F ( x ) = exp( exp( y )) = e e

nach

auf,

so

erhlt

man

x = y d + c

und

Umgestellt nach y ergibt sich: y = ln( ln F ( x )) .


Zwischen der Verteilungsfunktion F(x) und dem Wiederkehrintervall T besteht die Beziehung:
T =

1
,
1 F(x)

damit erhlt man:

y = ln ln

T
T 1

Mit x = HQ ergibt sich damit die Verteilungsfunktion zu:


HQ(T ) = y d + c = ln ln
HQ(T ) =

T
d + c
T 1

T
s(HQ ) ln ln
+ 0,5772 + HQ
T 1

13

frequency factor Methode


Auf der zuletzt angegebenen Gleichung beruht auch die frequency factor Methode (k-FaktorMethode), sie entspricht einer versteckten Momentenmethode. In den k Faktor flieen je nach
Verteilungsfunktion Mittelwert, Standardabweichung, Schiefe, der Stichprobenumfang und die
Jhrlichkeit bzw. Eintrittswahrscheinlichkeit ein. Die frequency factor Methode beruht auf der
Gleichung:
x (T ) = x + k (T ) s( x )

und mit x = HQ

Fr die E1 ergibt sich k(T) zu:

HQ(T ) = HQ + k (T ) s(HQ )

k (T ) =

T
6
ln ln
+ 0,5772
T 1

Der Faktor k(T) ist fr verschiedene Verteilungsfunktionen tabelliert. Solche Tabellen findet
man zum Beispiel in Thompson (1999) fr die Standardnormalverteilung auf S. 36, Lognormalverteilung S. 246, Gumbelverteilung S. 249 und die Pearson Typ 3 Verteilung S. 250. Es werden
die Hochwasserscheitelabflsse x = HQ fr die ausgewhlten Wahrscheinlichkeiten berechnet.
Die auf diesem Wege ermittelten Wertepaare von Abfluss und Eintrittswahrscheinlichkeit werden anhand der gemessenen Abflsse und ihrer plotting position auf ihre Qualitt berprft.
Auch bei dieser Methode sollte die Verteilung verwendet werden, die die kleinsten Abweichungen hervorruft. Die Gleichung kann auch nach k umgestellt werden, um das Wiederkehrintervall
eines gemessenen Abflusses aus der Tabelle ablesen zu knnen.
Tab. 6: Frequency factor fr Pearson Typ-3 Verteilung [Cs=s] (Quelle: Thompson (1999), S.
250)

14

Wahrscheinlichkeitsgewichtete Momentenmethode
Es besteht auch die Mglichkeit, anstelle der Momente die wahrscheinlichkeitsgewichteten k-ten
Momente der empirischen Verteilung fr die Berechnung der Parameter der theoretischen Funkwk =

tion zu ermitteln.

1 n k
Pi xi
n i =1

Die Parametergleichungen fr die einzelnen Funktionen sind z.B. DVWK (1999) zu entnehmen.
Wahrscheinlichkeitsgewichtete Momente wichten grere Hochwasser strker als kleine, ihr
Vorteil besteht darin, dass die Berechnung der zweiten und dritten Momente ohne Exponenten
auskommt. Sie sind daher unabhngiger von einzelnen Extremereignissen als herkmmliche
Momente.
Nach der Berechnung der spezifischen Parameter der Stichprobe werden die Wahrscheinlichkeitsverteilungen F(x) fr die Abflsse HQa = x ber die entsprechenden Gleichungen ermittelt.
Die Anpassung der theoretischen Verteilungen an die Stichprobe wird auf ihre Gte getestet. Bei
positivem Prfergebnis kann die Wahrscheinlichkeitsfunktion fr die Ermittlung von Abflssen
bestimmter Jhrlichkeit bis zur 2-3 fachen Lnge der Beobachtungsreihe und fr die Zuordnung
von Jhrlichkeiten fr bestimmte Abflsse genutzt werden.
Fr die Bestimmung von Hochwasserabflssen T<5 Jahre muss eine Korrektur des Wiederkehrintervalls vorgenommen werden, weil die aus Jahreshchstabflssen abgeleiteten Wiederholungszeitspannen T auch nur fr Jahreshchstabflsse gltig sind. Gesucht ist in der Regel jedoch die mittlere Wiederholungszeitspanne T* zwischen Hochwassern bestimmter Gre, unabhngig davon, ob es sich um Jahreshchstabflsse handelt. Sie sind hufiger zu erwarten als es
durch T wiedergegeben wird (DVWK (1999), S. 13):
e1 / T *
T = 1/ T*
e
1
6

Anpassungstests

Mittels Anpassungstests kann geprft werden, ob sich eine gewhlte Verteilungsfunktion an eine
vorliegende Stichprobe anpassen lsst. Solche Tests gestatten eine Aussage zu einer mglichen
Unvereinbarkeit der Stichprobe mit der angenommenen Verteilungsfunktion.
Bevor ein Anpassungstest durchgefhrt wird, sollten stets die empirische und theoretische Verteilung graphisch dargestellt werden, da ein optischer Vergleich unerlsslich ist.
Die wichtigsten Testverfahren zur Anpassung sind:
15

2-Test (Chi-Quadrat-Test)

Kolmogorow-Smirnow-Test (K-S-Test)

n Anpassungstest (siehe DVWK (1999))

Quantil-Korrelationstest (siehe DVWK (1999))

Der 2-Test eignet sich fr alle Verteilungen, setzt aber eine Klasseneinteilung voraus, ist also
nur bei verhltnismig groen Datenkollektiven (n > 30) anwendbar. Die Zuverlssigkeit eines
Tests wchst mit zunehmendem Stichprobenumfang. Beim 2-Test wird die Summe der Abweichungsquadrate zwischen Unterschreitungswahrscheinlichkeit Pi und Verteilungsfunktion, bezogen auf die Verteilungsfunktion berechnet.
Der ermittelte Wert fr muss anschlieend mit dem aus einer Tabelle entnommenen Grenzwert bei gewhltem Signifikanzniveau (siehe Schnwiese (2000), S. 130-132) verglichen werden
und kleiner sein.
Der Anpassungstest nach Kolmogorow-Smirnow erfolgt nach dem gleichen Prinzip wie der 2Test, nur wird anstelle aller Differenzen zwischen empirischer und theoretischer Wahrscheinlichkeit die maximale Abweichung der empirischen von der theoretischen Verteilungsfunktion
an einem Punkt, bezogen auf den Stichprobenumfang betrachtet. Dieses maximale Abweichungsma wird als Prfgre verwendet.

Konfidenzgrenzen fr Wahrscheinlichkeitsfunktionen

Bei der Anwendung von Wahrscheinlichkeitsfunktionen sollte beachtet werden, dass die berechnete Wahrscheinlichkeitsfunktion aus der Stichprobe nur eine Schtzung der wahren Wahrscheinlichkeitsfunktion der Grundgesamtheit ist. Die Gte, mit welcher das Verhalten der
Grundgesamtheit reprsentiert wird, hngt in erster Linie von dem Umfang der Stichprobe ab.
Der Vertrauensbereich (Konfidenzbereich), in dem der wahre Wert liegen kann, wird mit zunehmendem Abstand zum Mittelwert immer grer. Unter der Annahme, dass die Abweichungen um den berechneten Wert normalverteilt sind (vgl. Abb. 4), knnen die Grenzen dieses Bereiches mit einer festgelegten Wahrscheinlichkeit bestimmt werden = Konfidenzgrenzen. Mit
den Konfidenzgrenzen kann ein Ma der Unbestimmtheit der geschtzten Unterschreitungswahrscheinlichkeit, eines vorgegebenen Abflusses, angegeben werden. Ebenso kann das Ma
der Unbestimmtheit eines Abflusses bei einer vorgegebenen Unterschreitungswahrscheinlichkeit

16

damit beschrieben werden. Die Anwendung von Konfidenzgrenzen als Entscheidungshilfen kann
bei Planungsarbeiten von Bedeutung sein.

Abb. 3: Konfidenzintervall um eine Verteilungsfunktion (Quelle: DVWK (1999); S.10)


Beispiel: Die Konfidenzgrenzen xk(y) der E1 knnen wie folgt berechnet werden (Dyck u.a.

(1976)):
fr y < 5:

x k (y ) =

1
1
y + mod( x )
1 + 0,609 (0,423 + y )2
a
a n

fr y 5:

x k (y ) =

1
0,781
0,333
1
y + mod( x )

a
n
a n

Dabei gilt

1
= d und mod(x) = c gem Parameterdefinition im Beispiel im Abschnitt 5.4.1.
a

Der Zusammenhang zwischen y und T ist gegeben durch die Gleichung: y = ln ln

T
.
T
1

Damit knnen fr verschiedene y oder fr verschiedene T die oberen und unteren Kontrollkurveneintragstellen HQk(y) bzw. die HQk(T) berechnet werden.
8 Literaturverzeichnis (fr die inhaltliche Zusammenstellung verwendete Literatur)

Dyck u.a. (1976): Angewandte Hydrologie, Teil 1, Berechnung und Regelung des Durchflusses der Flsse. Berlin.

Dyck, S.; G. Peschke (1995). Grundlagen der Hydrologie. Berlin.

DVWK (1999). Statistische Analyse von Hochwasserabflssen. DVWK-Merkbltter zur


Wasserwirtschaft Nr. 251. Bonn.

Inst. f. Hydrologie u. Wasserbau Uni Karlsruhe (1990). Hydrologische Planungsgrundlagen.


Karlsruhe.
17

Lehstuhl fr Hydrologie und Wasserwirtschaft, BTU Cottbus (2001). Statistische Analyse


hy-drologischer Daten Script zur Vorlesung.

Linsley, R. K. et al. (1985). Hydrology for Engineers. Third Edition. McGraw Hill Book
Company, Auckland.

Schnwiese, C.-D. (2000). Praktische Statistik fr Meteorologen und Geowissenschaftler.


Berlin-Stuttgart.

Thompson, S. A. (1999). Hydrology for water management. Balkema, Rotterdam.

weitere empfohlene Literatur

Bretschneider, H. et al. (Herausgeber) (1993). Taschenbuch der Wasserwirtschaft. 7. Auflage. Paul


Parey Verlag, Hamburg.

Dahmen, E. R.; M. J. Hall (1990). Screening of Hydrological Data: Test for Stationarity and Relative
Consistency. ILRI Publication No. 49., P. O. Box 45, Wageningen, The Netherlands.

Dingman, S. L. (1994): Physical Hydrology. Macmillan Publishing Company, New York.

DVWK (1988). Statistische Methoden zu Niedrigwasserdauern und Starkregen. DVWK-Schriften Nr.


82. Verlag Paul Parey, Hamburg.

Dyck, S. et al. (1977). Angewandte Hydrologie. Teil 1. Verlag von Wilhelm Ernst & Sohn. Berlin Mnchen.

Haan, C. T. (1977). Statistical Methods in Hydrology. Iowa State University Press, Ames, Iowa.

Kotegada, N. T. (1980). Stochastic Water Resources Technology. Macmillan Press Ltd., London.

Langguth, H.-R.; R. Voigt (1980). Hydrogeologische Methoden. Springer Verlag. Berlin.

Linsley, R. K. et al. (1992). Water Resources Engineering. Fourth Edition. Chapter 5. McGraw Hill
Inc., New York.

Maidment, D. R. (Ed.) (1993). Handbook of Hydrology. McGraw Hill Inc., New York.

Sachs, L. (1984). Angewandte Statistik. Sechste Auflage. Springer-Verlag, Berlin.

Schneide, K. (1983). Modell zur gleichzeitigen Erzeugung von Tagesabfludaten an mehreren Stellen
in einem Einzugsgebiet. Schriftenreihe Hydrologie/Wasserwirtschaft Nr. 2., Ruhr-Universitt Bochum.

Ven Te Chow et al. (1988). Applied Hydrology. McGraw Hill International Editions, New York.

18