ANALISIS ESTADISTICO DE DATOS HIDROLOGICOS

Los procesos hidrolgicos evolucionan en el espacio y en el tiempo en una

forma que es parcialmente predecible, o determinstica, y parcialmente
aleatoria. Un proceso de este tipo se conoce con el nombre de proceso
estocstico. En algunos casos la variabilidad aleatoria del proceso es tan
grande comparada con la variabilidad determinstica, que se justifica que el
hidrlogo trate el proceso como puramente aleatorio. De esta manera, el
valor de una observacin del proceso no est correlacionada con los valores
de observaciones adyacentes, y las propiedades estadsticas de todas
observaciones son iguales.
Cuando no existe correlacin entre observaciones adyacentes, la salida de
un sistema hidrolgico es tratada como estocstica, independiente del
espacio e independiente del tiempo, en el esquema de clasificacin
mostrado en la figura 1.4.1.

Este tipo de tratamiento es apropiado para observaciones de eventos

hidrolgicos extremos, como crecientes o sequias, y para informacin
hidrolgica promediada a lo largo de intervalos de tiempo grandes, como la
precipitacin anual. Este tema describe informacin hidrolgica de procesos
enteramente aleatorios utilizando parmetros y funciones estadsticos. 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 las producen. La estadstica es una ciencia de
descripcin, no de casualidad.
PRUEBAS ESTADISTICAS PARAMETRICAS
Se llaman as porque su clculo implica una estimacin de los parmetros
de la poblacin con base en muestras estadsticas. Mientras ms grande sea

la muestra ms exacta ser la estimacin, mientras ms pequea, ms

distorsionada ser la media de las muestras por los valores raros extremos

SUPOSICIONES QUE SUBYACEN A LA UTILIZACIN DE LAS PRUEBAS

PARAMTRICAS.

El nivel de medicin debe ser al menos de intervalo. Debemos tomar

una decisin a cerca de nuestra variable dependiente. Es realmente
un nivel de intervalo? Si es una escala no estandarizada, o si se basa
en estimaciones o calificaciones con humanos. Frecuentemente
aparecen como intervalo pero lo reducimos a nivel ordinal al darles
rango.
Los datos de la muestra se obtienen de una poblacin normalmente
distribuida. Este principio suele mal entenderse como: la muestra
debe distribuirse normalmente, "no es as". La mayora de las
muestras son demasiado pequeas para siquiera parecerse a una
distribucin normal, la cual solo obtiene su caracterstica en forma de
campana con la acumulacin de muchas puntuaciones.
La varianza de las 2 muestras no son significativamente diferentes,
esto se conoce como el principio de homogeneidad de la varianza.
Los especialistas en estadstica han investigado ms sobre ese
requisito, el cual saba exigir varianzas muy similares. Estos se
ignoran cuando tratamos con muestras relacionadas sin gran riesgo
de distorsionar nuestro resultado. Para muestras no relacionadas
necesitamos ser ms cuidadosos cuando los tamaos de las muestras
sean bastante diferentes.

ALGUNAS PRUEBAS PARAMTRICAS

Prueba del valor Z de la distribucin normal

Prueba T de Student para datos relacionados (muestras
dependientes)

Prueba T de Student para datos no relacionados (muestras

independientes)
Prueba T de Student-Welch para dos muestras independientes con
varianzas no homogneas
Prueba de ji cuadrada de Bartlett para demostrar la homogeneidad de
varianzas
Prueba F (anlisis de varianza o ANOVA).

PRUEBA ESTADSTICA T DE STUDENT

Cuando la prdida de homogeneidad es un abrupto cambio en la media,
esta prueba es muy til y poderosa para detectar este tipo de
inconsistencias. Para obtener mejores resultados, se recomienda que la
muestra total se divida en dos partes con tamaos iguales para que las
medias sean muy similares. Se considera que una muestra es homognea si
el valor del estadstico td de la prueba t de Student que se calcula con la
ecuacin 3.1, resulta menor o igual al estadstico tc de la distribucin t de
Student de dos colas del cuadro 3.1 y con n1+n2 -2 grados de libertad.

Ecuacin 3.1

Para ejemplificar su aplicacin se presenta el anlisis realizado a los

registros de precipitaciones mximas en 24 horas de la estacin
climatolgica Amecameca. De los datos de la tabla 1.19 se obtuvieron los
siguientes valores:

Nmero de registros = 37
Tamao de la primera muestra n1 = 18

Media de la primera muestra

Desviacin estndar de la primera muestra S 1= 12.20

Tamao de la segunda muestra n2 = 19

Media de la segunda muestra

Desviacin estndar de la segunda muestra S 2= 12.44

Grados de libertad = 35

X 1 = 40.94

X 2 = 37.14

Aplicamos la siguiente ecuacin para la prueba estadstica t de

student segn los datos anteriores

Ecuacin 3.1

t d=

40.9437.14

1812.20 +1912.44
1 1

+
18+192
18 19

)]

1
2

t d=0.9123

Sustituyendo los valores en la ecuacin 3.1, se obtiene td=0.9123. Con el

valor de los grados de libertad se entra al cuadro 3.1 para determinar el
valor del estadstico tc de la distribucin t de Student, el cual resulta de
2.0315. Como td < tc, se concluye que la muestra es homognea.
Los resultados de los anlisis de los registros de precipitaciones mximas en
24 horas de las estaciones climatolgicas y de los registros de gastos
mximos anuales de las estaciones hidromtricas, se presentan en la tabla
3.1. En ella se observa que todas las muestras de las estaciones
climatolgicas resultaron homogneas, as como los registros de gastos
mximos de la estacin hidromtrica San Lucas, mientras que los registros
de las estaciones San Marcos y Los Reyes son no homogneas.

MTODO DE DOBLES MASAS

El test de corridas solo permite detectar heterogeneidades. Ms no permite
corregirlas. Con el mtodo de doble masas adems de detectar
inconsistencias en la informacin permite corregirlas.
Se analiza la consistencia de una serie de valores de algn elemento
hidrometeorolgico medido en la estacin "X". Con base en los datos
tomados en otra estacin o grupo de estaciones "Y", situadas en una zona
climtica similar y cuya homogeneidad haya sido verificada. Este. Sistema
de homogeneizacin de series. Se utiliza cuando puede suceder un cambio
relativo en la variable observada, medida o registrada en una estaci6n
meteorolgica. El mtodo puede ser aplicado tambin, con mucho xito en
la interpelacin para el relleno de datos faltantes y la extrapolacin para
extender una serie incompleta al periodo de comparaci6n (normalmente de
30 aos). (Searcy J. &Hardison h. 1983, traducido por Barrero & Sabogal.).
Si se toma por caso la precipitacin, en el anlisis de dobles masas se
compara la lluvia anual o mensual (valores acumulados), con la
precipitacin anual o mensual, acumulada de otra estacin o grupo de
estaciones. Graficando estas dos variables se observa si se presenta un
cambio de pendiente, el cual solo puede deberse a causas diferentes a las
meteorolgicas.
Con el fin de ilustrar el procedimiento, se analizarn los datos
pluviomtricos anuales de la estacin "X", con los obtenidos en las
estaciones A, B Y C durante el periodo 1951-1970, las cuales se hallan
ubicadas en condiciones climatolgicas anlogas a las de la estacin
problema. Para cada una de las estaciones de referencia (A, B Y C) se suman
las precipitaciones anuales de ao en ao empezando por el ms reciente
(en este caso 1970), luego se obtienen los promedios de estos valores
acumulados y esta serie se toma como base de comparacin (ver datos en
la tabla 22).
En casos extremos, cuando slo existe una estacin de referencia los datos
acumulados de esta serie pueden servir como base de comparacin, aunque
en estos casos el mtodo puede llegar a no tener ninguna significacin.
Luego se aplica tambin la acumulacin a la estacin problema y. se
construye un diagrama cartesiano, tomando como abscisas los valores
acumulados de la serie base y como ordenadas los de la estacin problema.
Si todos los puntos aparecen sobre una lnea recta, los datos iniciales de la
estacin problema son vlidos sin correccin.

En caso de presentarse cambio de pendiente es necesario reestablecer la

homogeneidad bajo las condiciones del tramo ms confiable, generalmente
es el primero, o sea el correspondiente al ltimo periodo y realizar el ajuste
con base en la relacin de las pendientes de los dos segmentos de la curva
de dobles masas. La relacin proporciona una constante K, que multiplicada
por los valores inconsistentes de la estacin analizada X, permite el ajuste
de la serie. La curva representada en la Figura 44, muestra un quiebre a
partir del dcimo primer valor; siguiendo el procedimiento descrito, se han
obtenido las pendientes de los dos tramos y se ha calculado el coeficiente
K=1.65.

En la Tabla 22 aparecen los datos corregidos a partir del dcimo

primer valor y el nuevo acumulado una vez realizado el ajuste.

Determinacin de la homogeneidad de los estados de precipitacin en la

estacin X con los registros en las estaciones A, B, y C por el mtodo de
dobles masas.
Tabla 22. Datos de precipitacin. Curva de doble masas

En la Figura 44, la lnea de trazos se ha construido con los nuevos valores

acumulados y constituye una prolongacin del primer tramo, con lo cual se
tiene evidencia de haber obtenido un buen ajuste. Como ejemplo se tomar
el mismo caso de la desviacin meteorolgica de la Universidad del Valle, a
la cual le haremos la prueba de doble masas con las estaciones
meteorolgicas de los ingenios Manuelita, Cauca, y la estacin de Florida,
todas ellas, ubicadas en la zona plana del Valle geogrfico del ro Cauca, es
decir todas las estaciones estn localizadas dentro de una zona' homognea
fisiogrficamente. Y climticamente hablando. En este ejemplo se trabajar
con tres estaciones, siendo recomendable un mayor nmero de estaciones.

La informacin se presenta en la Tabla 23. Al graficar la informacin, se

observa que la lnea acumulada de los datos de precipitacin de las
estaciones involucradas no presenta un quiebre apreciable, razn por la cual
se concluye que a pesar de existir la presencia de rboles en los alrededores
de la estacin meteorolgica de la Universidad del Valle, esta no representa
hasta el momento del anlisis una fuente de heterogeneidad.