ANALISIS DE DATOS

ANALISIS DE DATOS
1. ESTACIONES A CONSIDERAR
SELECCIN DE ESTACIONES PLUVIOMETRICAS
La seleccin de estaciones es muy importante para el estudio hidrolgico de una cuenca ya que a
partir de estos datos se podr realizar el estudio hidrolgico y tener buenos resultados.
Para ello procedemos a analizar el entorno de la cuenca en cuestin con las estaciones ms
prximas a la ubicacin de la cuenca en cuestin. Para tal efecto realizamos la seleccin tomando
en cuenta los siguientes aspectos:
En base al nmero de aos de registro
La cuenca estudiada presenta las siguientes estaciones posibles para su anlisis de datos
pluviomtricos, circundantes y prximos al rea de la cuenca.
Para el respectivo anlisis de datos considerremos las siguientes estaciones.
ESTACION TINGUIPAYA:
ESTACION: TINGUIPAYA
PROVINCIA: TOMAS FRIAS
PERIODO DE REGISTRO: 1976 2015

LATITUD SUR: 191300

LONGITUD OESTE: 654900
ALTURA: 3200 m.s.n.m.

ESTACION THAPAA:
ESTACION: THAPAA
PROVINCIA: TOMAS FRIAS
PERIODO DE REGISTRO: 1999 2008

LATITUD SUR: 191600

LONGITUD OESTE: 655600
ALTURA: 3830 m.s.n.m.

ESTACION TACOBAMBA:
ESTACION: TACOBAMBA
PROVINCIA: CORNELIO SAAVEDRA
PERIODO DE REGISTRO: 1976 2015

LATITUD SUR: 191200

LONGITUD OESTE: 653300
ALTURA: m.s.n.m.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 1

ANALISIS DE DATOS

ESTACION AYOMA:
ESTACION: AYOMA
PROVINCIA: CHAYANTA
PERIODO DE REGISTRO: 1976 2015

LATITUD SUR: 185211

LONGITUD OESTE: 660857
ALTURA: 3700 m.s.n.m.
A continuacin se muestra el rea de influencias de las estaciones a la cuenca en estudio

Donde TINGUIPAYA y THAPAA no se encuentran muy alejados

Como se puede observar en el grafico solo se tiene tres estaciones que se pueden utilizar, pero la estacin
salo se rechaz por tener pocos aos de registro, para completar los datos se opt la estacin auxiliar de
palca higuera, observando la grfica y determinando las distancias limite la mejor estacin auxiliar
debera ser OPLOCA. Esta estacin se rechaz por tener registros discontinuos que adems no cuenta con
muchos adecuados.
UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 2
ANALISIS DE DATOS

Para la recopilacin de datos de las estaciones se obtuvo de la pgina de senhami BOLIVIA.

http://www.senamhi.gob.bo/sismet/index.php

Escogemos la estacin en inters y seguidamente tipo de registro requerido.

Es una obligacin del estado plurinacional de Bolivia establecer estaciones meteorolgicas en todas las
cuencas de relativa importancia. Cuyo objetivo es disponer de registros de lluvias, radiacin, temperatura,
evaporacin y otros.
Los datos de las precipitaciones medias mensuales, la precipitacin mxima en 24 horas, la precipitacin
total y la temperatura media mensual fueron recopilados de la pgina web de SENAMHI (Servicio
Departamental de Meteorologa).
Se realiz la recopilacin de 26 aos de registros con datos del 1990 al 2015.
La recopilacin de datos corresponde a las tres estaciones seleccionadas.
REGISTROS DE PRECIPITACIONES PLUVIOMTRICAS

DATOS DE TINGUIPAYA : PRECIPITACIN TOTAL (mm)

AO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
1990 160.4 58.6 18.8 50.4 4.2 16.9 0.0 26.8 0.0 80.7 105.3 74.0 596.1
1991 110.2 **** 78.2 26.7 0.0 0.0 0.0 3.5 0.0 48.9 68.0 100.5 ****
1992 246.9 118.6 72.6 27.5 0.0 8.4 6.5 13.2 0.0 52.9 89.4 155.0 791.0
1993 154.6 **** 62.1 10.0 5.2 0.0 0.0 1.5 0.0 14.7 34.7 68.5 ****
1994 77.8 76.9 29.2 4.8 0.0 0.0 0.0 0.0 2.3 12.3 84.4 46.0 333.7
1995 98.0 49.1 66.1 **** **** **** **** **** **** **** 30.3 95.6 ****
1996 109.1 44.0 56.9 22.5 2.1 0.0 0.0 31.7 1.2 10.3 92.1 135.3 505.2
1997 92.4 200.4 70.4 23.5 9.7 0.0 0.0 16.0 31.3 11.7 57.9 45.4 558.7
1998 31.2 88.1 83.1 26.0 0.0 3.2 **** 2.0 0.0 77.7 135.7 16.2 ****
1999 66.2 236.2 136.2 11.6 24.4 0.0 0.0 0.0 31.1 77.8 14.9 34.7 633.1
2000 219.6 84.1 55.8 13.6 0.1 0.4 0.0 0.0 1.2 30.1 15.3 352.8 773.0
2001 359.7 245.0 87.6 7.8 0.0 0.2 0.0 3.4 19.2 21.8 10.6 55.7 811.0
2002 89.0 109.8 54.9 18.5 1.2 4.1 12.7 0.0 7.1 28.1 25.1 12.1 362.6
2003 118.6 107.1 46.7 3.8 2.5 0.0 4.9 0.0 1.4 3.4 0.0 81.3 369.7
2004 67.5 71.1 49.5 15.6 0.0 0.0 2.4 0.7 1.6 0.0 1.0 13.9 223.3
2005 71.6 54.2 14.6 9.5 0.0 0.0 0.0 0.0 50.5 31.7 33.4 51.3 316.8

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 3

ANALISIS DE DATOS

2006 162.5 74.5 21.6 8.8 12.8 0.0 0.0 0.3 10.0 14.6 27.3 54.3 386.7
2007 198.4 23.1 35.1 38.0 0.1 0.0 0.4 0.0 14.0 8.3 18.9 87.3 423.6
2008 192.0 34.2 24.1 4.2 0.0 0.0 0.0 2.3 0.0 15.2 19.4 64.6 356.0
2009 139.4 140.6 71.5 37.8 5.5 0.0 0.0 0.0 2.1 0.0 14.6 82.5 494.0
2010 69.1 75.9 44.8 8.4 1.6 0.0 2.3 5.9 0.0 21.0 2.0 37.5 268.5
2011 22.6 309.0 157.1 6.5 0.1 0.0 0.0 0.0 1.2 8.6 7.7 94.4 607.2
2012 104.7 133.6 108.9 22.1 3.2 0.0 0.0 0.0 1.4 0.3 69.5 74.6 518.3
2013 144.6 136.8 3.0 0.3 12.7 0.0 0.0 9.4 6.1 18.5 3.6 237.6 572.6
2014 259.6 201.9 8.0 7.7 4.2 0.0 0.0 6.4 0.0 18.8 2.6 30.5 539.7
2015 142.9 111.7 34.1 21.2 0.0 0.0 0.0 5.3 12.1 17.0 20.2 25.7 390.2

THAPAA : PRECIPITACIN TOTAL (mm)

AO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
1999 **** **** **** **** **** **** **** 0.0 19.0 37.5 9.5 51.1 ****
2000 147.1 38.9 43.6 9.8 0.0 0.0 0.0 0.0 0.9 19.5 7.0 93.4 360.2
2001 190.0 103.8 101.2 15.2 1.1 0.0 0.0 9.8 12.4 18.2 28.8 69.6 550.1
2002 65.1 92.2 48.5 19.2 0.0 4.0 3.2 3.6 0.0 51.5 30.6 44.9 362.8
2003 96.8 103.6 73.5 11.8 0.0 0.0 6.3 7.7 2.3 18.6 0.0 102.2 422.8
2004 75.4 129.2 62.8 7.8 0.0 0.0 13.3 2.0 2.8 0.0 4.0 41.8 339.1
2005 100.4 80.9 19.5 22.7 0.0 0.0 0.0 0.0 45.4 53.7 36.6 58.0 417.2
2006 141.8 58.3 31.7 28.7 3.6 0.0 0.0 0.0 7.6 19.9 34.9 51.0 377.5
2007 **** **** **** **** **** **** **** **** **** **** **** **** ****
2008 66.0 105.3 **** 11.8 0.0 0.0 0.0 0.0 4.6 25.4 **** **** ****
Esta estacin no cuenca con suficientes datos por lo tanto no se toma en cuenta esta estacin.

DATOS DE TACOBAMBA : PRECIPITACIN TOTAL (mm)

AO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
1990 **** **** **** **** **** **** **** **** **** **** **** **** ****
1991 **** **** **** **** **** **** **** **** **** **** **** **** ****
1992 **** **** **** **** **** **** **** **** **** **** **** **** ****
1993 **** **** **** **** **** **** **** **** **** **** **** **** ****
1994 **** **** **** **** **** **** **** **** **** **** **** **** ****
1995 **** **** **** **** **** **** **** **** **** **** **** **** ****
1996 **** **** **** **** **** **** **** **** **** **** **** **** ****
1997 **** **** **** **** **** **** **** **** **** **** 85.0 **** ****
1998 64.3 140.0 60.1 21.5 0.0 0.0 **** **** **** **** **** **** ****
1999 **** **** **** **** 0.0 1.0 4.5 0.2 31.0 92.0 13.0 50.0 ****
2000 **** **** **** **** **** **** **** **** **** **** **** **** ****
2001 **** **** **** **** **** **** **** **** **** **** **** **** ****
2002 148.5 89.0 65.0 27.1 0.4 0.6 0.5 **** **** **** **** **** ****
2003 **** **** **** **** **** **** **** **** **** **** **** **** ****
2004 **** **** **** **** **** **** **** **** **** **** **** **** ****
2005 **** **** **** **** **** **** **** **** **** 0.0 11.7 122.8 ****
2006 250.5 75.4 62.4 12.2 0.7 0.0 0.0 0.0 21.1 43.7 64.1 95.1 625.2
2007 129.2 106.7 88.3 30.5 20.6 0.0 0.0 0.5 37.6 1.4 21.1 134.6 570.5
2008 195.9 109.8 59.2 **** **** **** **** **** **** **** **** **** ****
2009 **** **** **** **** **** **** 0.0 0.0 0.6 0.2 63.2 91.9 ****
2010 136.6 193.8 109.2 28.1 0.7 0.0 1.2 0.0 0.5 23.7 0.6 72.0 566.4
2011 **** **** 50.2 7.6 0.5 0.0 **** **** **** **** **** **** ****
2012 **** **** **** **** **** **** 0.0 0.0 0.0 21.0 16.0 139.0 ****
2013 204.0 125.0 64.0 0.0 2.0 3.0 0.0 13.0 13.0 22.0 6.0 121.0 573.0
2014 218.0 109.0 36.0 39.0 0.0 0.0 0.0 11.0 5.0 76.0 36.0 107.0 637.0
2015 204.0 161.0 90.0 61.0 0.0 0.0 0.0 26.0 23.5 86.6 99.0 37.3 788.4

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 4

ANALISIS DE DATOS

DATOS DE AYOMA : PRECIPITACIN TOTAL (mm)

A MA AB MA JU AG OC NO ANUA
ENE FEB JUL SEP DIC
O R R Y N O T V L
1990 88.2 55.4 12.8 43.0 4.5 11.5 0.0 8.8 0.0 30.3 43.8 92.5 390.8
1991 93.3 85.3 85.3 18.6 0.0 0.0 0.0 0.5 1.7 22.5 46.5 76.2 429.9
126.
1992 81.6 43.0 1.1 0.0 6.7 3.9 7.4 0.0 23.8 56.8 41.4 392.6
9
138. *** *** *** *** ***
1993 48.0 **** **** **** **** **** ****
8 * * * * *
*** *** *** *** ***
1994 **** **** **** **** **** **** **** ****
* * * * *
*** *** *** *** ***
1995 **** **** **** **** **** **** **** ****
* * * * *
*** *** *** *** ***
1996 **** **** **** **** **** **** **** ****
* * * * *
*** *** *** *** ***
1997 **** **** **** **** **** **** **** ****
* * * * *
*** *** *** *** ***
1998 **** **** **** **** **** **** **** ****
* * * * *
*** *** *** *** ***
1999 **** **** **** **** **** **** **** ****
* * * * *
*** *** *** *** ***
2000 **** **** **** **** **** **** **** ****
* * * * *
*** *** *** *** ***
2001 **** **** **** **** **** **** **** ****
* * * * *
*** *** *** *** ***
2002 **** **** **** **** **** **** **** ****
* * * * *
*** *** *** *** ***
2003 **** **** **** **** **** **** **** ****
* * * * *
*** *** ***
2004 **** **** **** **** 15.9 9.6 1.6 21.4 51.3 ****
* * *
102.
2005 72.4 23.0 26.7 0.0 0.0 0.0 0.0 40.7 52.0 38.9 56.4 412.6
5
110.
2006 44.1 42.3 17.2 1.2 0.0 0.0 2.6 8.0 20.1 32.7 29.9 308.6
5
104.
2007 41.7 72.2 25.5 1.2 0.0 0.0 2.8 36.4 11.2 44.4 85.3 425.0
3
2008 **** **** 71.5 10.0 0.0 0.0 0.0 0.0 0.0 20.3 12.1 62.6 ****
120. 123. 102.
2009 11.0 1.6 0.0 0.0 0.0 3.7 7.9 34.5 77.2 481.5
0 0 6
136.
2010 70.7 38.2 30.1 4.9 0.0 0.0 4.4 3.3 12.4 5.3 67.1 373.0
6
191.
2011 65.1 85.6 30.7 0.6 0.0 2.4 0.0 0.0 13.8 21.1 94.1 505.3
9
2012 94.9 88.7 49.0 54.4 0.0 0.0 0.0 3.0 1.4 22.8 24.6 30.1 368.9
122. 119. 107.
2013 37.6 0.0 13.8 9.4 0.0 32.4 11.1 32.1 25.2 511.3
7 9 1
118.
2014 90.5 16.3 9.9 7.4 1.1 0.0 7.6 18.9 18.1 34.9 40.8 364.0
5
132.
2015 78.8 80.2 42.3 1.4 0.0 0.0 31.1 4.0 27.4 32.9 19.9 450.6
6
REGISTROS DE PRECIPITACIONES MXIMAS EN 24 HORAS

TINGUIPAYA : PRECIPITACIN MXIMA EN 24 Hrs. (mm)

AO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
1990 28.6 15.6 9.2 28.6 4.2 7.2 0.0 18.5 0.0 22.3 17.2 24.2 28.6
1991 22.3 **** 17.2 24.5 0.0 0.0 0.0 3.5 0.0 10.2 25.2 22.5 ****
1992 22.3 22.5 14.5 20.5 0.0 5.2 6.5 6.0 0.0 22.3 20.5 20.0 22.5

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 5

ANALISIS DE DATOS

1993 20.0 **** 14.2 7.5 5.2 0.0 0.0 1.5 0.0 4.8 14.6 14.0 ****
1994 17.2 12.3 10.2 2.1 0.0 0.0 0.0 0.0 2.3 7.3 23.2 13.4 23.2
1995 30.2 12.1 11.8 **** **** **** **** **** **** **** 9.3 15.7 ****
1996 18.4 14.2 17.4 11.0 2.1 0.0 0.0 20.3 0.3 6.2 40.2 18.5 40.2
1997 19.3 52.2 15.2 12.1 5.4 0.0 0.0 10.4 12.4 4.4 40.3 18.3 52.2
1998 20.4 25.3 14.2 11.2 0.0 3.1 **** 2.0 0.0 24.3 30.1 14.2 ****
1999 24.5 47.3 26.3 6.2 10.2 0.0 0.0 0.0 20.3 20.3 12.4 8.4 47.3
2000 24.3 24.2 26.2 13.4 0.1 0.4 0.0 0.0 1.2 14.3 15.3 36.1 36.1
2001 33.1 36.4 24.1 3.1 0.0 0.2 0.0 3.4 15.3 14.2 10.3 16.3 36.4
2002 11.3 14.3 14.3 5.0 1.2 4.1 6.4 0.0 7.1 9.0 10.0 6.3 14.3
2003 16.0 18.3 8.3 3.4 2.4 0.0 2.4 0.0 1.4 3.4 0.0 9.3 18.3
2004 9.2 10.3 8.0 6.0 0.0 0.0 2.1 0.4 1.2 0.0 1.0 7.4 10.3
2005 8.1 10.3 4.3 4.1 0.0 0.0 0.0 0.0 19.4 7.4 6.2 8.2 19.4
2006 15.4 10.2 6.3 4.1 5.1 0.0 0.0 0.3 3.4 4.2 6.3 19.3 19.3
2007 19.1 9.2 9.2 10.4 0.1 0.0 0.4 0.0 7.2 3.3 11.2 16.2 19.1
2008 20.3 10.2 7.1 3.4 0.0 0.0 0.0 2.3 0.0 7.3 10.4 15.1 20.3
2009 16.1 16.3 17.1 7.3 4.3 0.0 0.0 0.0 2.1 0.0 4.2 16.2 17.1
2010 16.2 11.4 9.4 8.0 1.3 0.0 2.3 4.3 0.0 7.4 1.3 6.2 16.2
2011 7.4 20.1 20.3 2.3 0.1 0.0 0.0 0.0 1.2 7.3 5.3 16.1 20.3
2012 21.0 20.4 51.0 5.1 3.2 0.0 0.0 0.0 1.4 0.3 16.2 15.1 51.0
2013 16.3 15.3 1.2 0.3 7.3 0.0 0.0 5.3 6.1 9.3 3.4 22.1 22.1
2014 23.2 22.1 3.1 4.1 4.2 0.0 0.0 4.1 0.0 10.1 2.1 10.4 23.2
2015 20.1 17.1 7.1 5.4 0.0 0.0 0.0 5.3 4.4 7.1 9.4 12.4 20.1

TACOBAMBA: PRECIPITACIN MXIMA EN 24 Hrs. (mm)

AO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
1990 **** **** **** **** **** **** **** **** **** **** **** **** ****
1991 **** **** **** **** **** **** **** **** **** **** **** **** ****
1992 **** **** **** **** **** **** **** **** **** **** **** **** ****
1993 **** **** **** **** **** **** **** **** **** **** **** **** ****
1994 **** **** **** **** **** **** **** **** **** **** **** **** ****
1995 **** **** **** **** **** **** **** **** **** **** **** **** ****
1996 **** **** **** **** **** **** **** **** **** **** **** **** ****
1997 **** **** **** **** **** **** **** **** **** **** 30.0 **** ****
1998 10.3 45.0 10.0 8.0 0.0 0.0 **** **** **** **** **** **** ****
1999 **** **** **** **** 0.0 1.0 4.5 0.2 14.0 30.0 13.0 19.0 ****
2000 **** **** **** **** **** **** **** **** **** **** **** **** ****
2001 **** **** **** **** **** **** **** **** **** **** **** **** ****
2002 35.0 23.0 14.0 14.0 0.4 0.6 0.5 **** **** **** **** **** ****
2003 **** **** **** **** **** **** **** **** **** **** **** **** ****
2004 **** **** **** **** **** **** **** **** **** **** **** **** ****
2005 **** **** **** **** **** **** **** **** **** 0.0 10.0 37.0 ****
2006 32.0 34.0 26.0 11.0 0.5 0.0 0.0 0.0 21.0 23.2 18.0 27.0 34.0
2007 29.0 30.6 21.3 18.0 20.0 0.0 0.0 0.5 12.0 0.5 11.5 20.0 30.6
2008 41.0 28.0 21.0 **** **** **** **** **** **** **** **** **** ****
2009 **** **** **** **** **** **** 0.0 0.0 0.6 0.2 14.0 47.3 ****
2010 23.0 42.0 18.5 27.0 0.7 0.0 0.8 0.0 0.3 14.0 0.5 9.0 42.0
2011 **** **** 12.4 6.0 0.5 0.0 **** **** **** **** **** **** ****
2012 **** **** **** **** **** **** 0.0 0.0 0.0 12.0 9.0 23.0 ****
2013 32.0 22.0 26.0 0.0 2.0 2.0 0.0 8.0 13.0 12.0 3.0 30.0 32.0
2014 28.0 18.0 9.0 19.0 0.0 0.0 0.0 11.0 3.0 13.0 13.0 26.0 28.0
2015 24.0 38.0 24.0 18.0 0.0 0.0 0.0 16.0 7.0 26.4 33.7 13.9 38.0

AYOMA: PRECIPITACIN MXIMA EN 24 Hrs. (mm)

AO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
1990 12.4 8.8 7.6 24.5 3.5 6.5 0.0 8.8 0.0 12.2 13.0 20.0 24.5
1991 20.0 18.7 33.6 10.9 0.0 0.0 0.0 0.5 1.7 11.1 10.0 22.8 33.6

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 6

ANALISIS DE DATOS

1992 16.7 37.3 23.5 1.1 0.0 6.7 2.6 7.1 0.0 9.4 11.9 10.2 37.3
1993 20.5 11.8 **** **** **** **** **** **** **** **** **** **** ****
1994 **** **** **** **** **** **** **** **** **** **** **** **** ****
1995 **** **** **** **** **** **** **** **** **** **** **** **** ****
1996 **** **** **** **** **** **** **** **** **** **** **** **** ****
1997 **** **** **** **** **** **** **** **** **** **** **** **** ****
1998 **** **** **** **** **** **** **** **** **** **** **** **** ****
1999 **** **** **** **** **** **** **** **** **** **** **** **** ****
2000 **** **** **** **** **** **** **** **** **** **** **** **** ****
2001 **** **** **** **** **** **** **** **** **** **** **** **** ****
2002 **** **** **** **** **** **** **** **** **** **** **** **** ****
2003 **** **** **** **** **** **** **** **** **** **** **** **** ****
2004 **** **** **** **** **** **** **** 14.4 4.2 0.8 12.4 15.5 ****
2005 20.5 20.2 12.6 15.9 0.0 0.0 0.0 0.0 21.0 12.2 15.2 13.9 21.0
2006 18.4 14.7 12.1 5.1 1.2 0.0 0.0 1.5 5.9 6.8 10.5 9.5 18.4
2007 25.5 11.0 13.0 7.3 1.2 0.0 0.0 1.9 10.1 4.4 14.5 29.2 29.2
2008 **** **** 18.9 4.1 0.0 0.0 0.0 0.0 0.0 8.4 4.8 15.3 ****
2009 22.1 46.1 28.7 8.9 1.6 0.0 0.0 0.0 3.7 7.4 10.5 18.3 46.1
2010 26.8 20.4 12.4 16.3 4.5 0.0 0.0 4.4 2.8 4.8 3.5 16.0 26.8
2011 19.0 32.6 18.5 6.5 0.6 0.0 1.5 0.0 0.0 3.5 6.5 20.0 32.6
2012 15.5 13.5 11.6 21.1 0.0 0.0 0.0 3.0 0.9 17.2 9.8 7.1 21.1
2013 16.5 20.0 14.4 0.0 9.0 8.0 0.0 20.0 10.0 19.5 9.8 30.0 30.0
2014 27.4 22.1 6.6 3.5 6.8 1.1 0.0 5.9 5.3 5.7 9.7 9.7 27.4
2015 16.0 25.7 24.8 20.0 1.3 0.0 0.0 20.9 3.2 8.9 10.9 6.5 25.7
REGISTROS DE EVAPORACIN O TEMPERATURA

TINGUIPAYA : TEMPERATURA MEDIA (C)

AO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
1990 17.6 16.9 17.7 17.4 15.2 12.3 11.7 15.0 16.2 17.8 18.9 18.9 16.3
1991 17.9 **** 17.4 17.3 15.8 11.7 12.2 15.6 16.2 17.9 18.5 19.1 ****
1992 16.4 17.0 16.0 15.9 15.0 12.0 11.2 13.0 15.0 17.7 17.4 18.4 15.4
1993 16.6 **** 15.0 17.1 13.7 11.5 10.4 12.9 14.3 12.3 13.3 13.0 ****
1994 12.2 11.9 11.5 12.4 10.7 8.2 8.7 10.8 11.8 12.4 13.1 13.4 11.4
1995 12.4 12.3 11.8 **** **** **** **** **** **** **** 13.0 11.9 ****
1996 11.9 12.4 11.3 11.9 10.0 8.5 7.7 9.9 10.5 12.2 11.8 12.3 10.9
1997 11.4 11.1 10.3 10.2 8.9 8.9 9.7 9.6 12.3 12.8 13.8 14.4 11.1
1998 15.2 14.4 14.3 13.6 10.5 9.8 **** 9.9 11.2 11.7 13.3 12.8 ****
1999 11.4 11.4 11.5 10.4 9.9 8.4 8.6 10.7 11.3 12.2 12.0 13.5 10.9
2000 12.2 12.0 12.4 12.3 10.7 8.8 7.8 10.0 11.0 11.3 12.7 11.8 11.1
2001 10.8 11.4 12.1 11.5 9.8 8.3 8.3 10.1 11.9 12.5 13.9 12.5 11.1
2002 12.5 12.0 13.1 12.8 11.0 9.3 7.2 9.3 11.3 12.5 13.4 13.3 11.5
2003 13.0 13.2 12.3 11.8 11.0 9.6 9.0 9.5 11.5 12.8 12.4 12.3 11.5
2004 11.5 11.9 12.2 12.3 8.6 9.4 9.6 10.7 11.8 13.4 13.8 13.4 11.6
2005 11.2 11.8 13.0 12.9 10.9 9.3 9.5 9.9 10.7 12.4 13.1 12.6 11.4
2006 11.2 11.9 13.0 12.6 10.8 9.1 7.8 10.1 11.6 13.1 13.1 13.1 11.4
2007 11.7 12.5 10.8 12.4 10.2 10.1 10.4 11.1 12.1 13.3 13.0 12.6 11.7
2008 11.7 12.0 11.9 11.7 9.8 9.7 9.8 10.3 10.9 11.5 13.2 12.9 11.3
2009 11.6 12.2 11.2 11.5 10.6 9.4 8.6 9.1 12.4 13.3 14.1 13.7 11.5
2010 12.5 13.1 11.4 13.0 10.6 11.1 9.8 11.1 12.4 12.2 12.7 13.2 11.9
2011 13.0 10.1 11.5 12.4 10.6 8.7 9.3 11.2 12.3 11.5 13.1 13.1 11.4
2012 11.8 12.1 11.7 12.2 11.2 9.5 9.3 11.1 12.4 13.6 12.6 13.1 11.7
2013 12.8 11.8 13.1 11.7 11.1 9.0 10.4 10.2 10.7 13.5 13.9 12.7 11.7
2014 11.7 11.3 13.5 12.8 10.6 9.5 10.0 10.8 11.3 12.8 14.0 13.0 11.8
2015 12.0 12.3 12.2 12.6 10.3 8.4 8.3 9.9 10.8 11.4 12.8 14.5 11.3

DATOS DE : TEMPERATURA MEDIA (C)

AO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
2005 **** **** **** **** **** **** **** **** **** 12.9 14.8 14.4 ****

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 7

ANALISIS DE DATOS

2006 13.3 13.7 14.4 12.9 8.9 7.3 6.9 9.1 11.0 14.8 16.0 15.2 12.0
2007 14.9 15.1 13.9 13.6 12.0 9.4 7.5 10.2 12.3 14.4 13.8 14.4 12.6
2008 **** **** 13.3 12.9 8.1 7.2 7.5 8.6 11.7 14.0 14.4 15.7 ****
2009 14.0 13.8 13.2 12.8 10.3 6.8 7.5 13.6 13.2 14.6 16.4 15.6 12.6
2010 15.0 15.6 15.0 13.4 9.9 9.5 7.7 9.7 11.8 13.6 14.0 15.4 12.6
2011 15.1 13.6 13.6 12.7 10.8 10.3 10.2 12.0 13.2 12.3 14.2 13.6 12.6
2012 13.5 13.3 13.0 13.0 9.3 7.5 8.1 9.3 12.5 13.9 14.9 14.3 11.9
2013 13.4 13.0 14.5 11.8 10.8 7.9 9.2 9.0 11.0 13.5 14.3 14.2 11.9
2014 13.6 13.5 13.6 14.0 10.1 8.5 7.6 10.1 12.9 14.0 14.2 14.6 12.2
2015 13.5 14.9 14.4 13.9 9.4 9.2 7.7 9.2 12.4 13.7 15.1 15.0 12.4
2016 15.3 15.6 15.6 14.1 10.3 7.9 8.0 9.4 **** **** **** **** ****
No se cuenta con todos los datos necesarios
DEDUCIR DATOS FALTANTES
MTODO DEL U.S. NATIONAL WEATHER SERVICE.
Este procedimiento ha sido verificado tericamente como empricamente y considera que el dato
faltante de una estacin X por ejemplo, puede ser estimada en base a los datos observados en las
estaciones circundantes, el mtodo puede ser aplicado para estimar valores diarios, mensuales o
anuales faltantes. El mtodo consiste en ponderar los valores observados en una cantidad W, igual
al reciproco del cuadrado de la distancia D entre cada estacin vecina y la estacin X, y por lo
tanto la precipitacin buscada ser:

PX=
( P iW i )
Wi
Donde:
Pi = Precipitacin observada para la fecha faltante en las estaciones auxiliares circundantes
Wi = 1/D2, siendo, Di= distancia entre cada estacin circundante y la estacin (Km)
MTODO DE LA RELACIN NORMALIZADA
Si la precipitacin media anual (o mensual) de cualquiera de las estaciones auxiliares difiere en
ms de un 10% de la medida en la estacin incompleta, el dato faltante ser determinado por el
mtodo de la regresin normalizada. El dato faltante anual o mensual Px ser igual a:
1 NX N N
PX= (
n N1
P1+ X P2 +...+ X Pn
N2 Nn )
Donde:
NX = Precipitacin media anual o mensual en la estacin incompleta (mm)
N1 = Precipitacin media anual o mensual en las estaciones auxiliares.
P1 = Precipitacin media anua o mensual observada en las estaciones para la misma fecha que le
falta.
Para el siguiente mtodo tampoco es posible completar todos los datos, entonces para completar
para ms aos se ayud con la tcnica de regresin lineal. En este acpite se tratara de completar
a por lo menos a 26 AOS.
TCNICAS DE REGRESIN (LINEAL, CORRELACIN ORTOGONAL)
e recomienda para estimacin de datos mensuales y anuales de la estacin en estudio, en base a
datos pluviomtricos consistentes de una estacin cercana.
Se establece una correlacin como esta:
Y = a + b*X1 + c*X2 + + n*Xi
Donde:
UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 8
ANALISIS DE DATOS

Y: valor de precipitacin estimada

Xi: valor de precipitacin en estaciones con informacin completa
a,b,c: constantes de regresin
Es ms recomendable que el mtodo de regresin Lineal, pero siempre que se cuente con
estaciones cercanas y confiables.
Para completar registros anuales en uno o ms aos, seguidos o intercalados, el uso de regresin
lineal entre la estacin incompleta y otra u otras cercanas es de enorme ayuda para estimar
valores faltantes.
Se debe efectuar la regresin y obtener la correlacin (coeficiente de determinacin) para evaluar
la bondad del ajuste lineal. Es preciso notar que para efectuar el anlisis de regresin se debe
cumplir que las series sean independientes e idnticamente distribuidas.
Incremento de la informacin hidrolgica por regresin:

MTODO RACIONAL DEDUCTIVO

Cuando no es posible disponer de estaciones cercanas y circundantes a la estacin incompleta, o
bien las existentes no cuentan con observaciones de los datos faltantes (mensuales), se puede
estimar el valor mensual faltante por medio de un simple promedio aritmtico de los valores
contenidos en el registro para ese mes, lo anterior se considera vlido nicamente si es un solo
ao(o mximo dos) el faltante y tal promedio se realiza con diez datos (aos) como mnimo (o 20
aos en el caso de dos datos faltantes).
El desarrollo del mtodo se puede sintetizar en los siguientes cuatro pasos.
Paso 1) Efectuar la suma de precipitaciones mensuales en todos los aos completos y obtener la
precipitacin mensual promedio.
Paso 2) Calcular para todos los aos completos los porcentajes mensuales de precipitacin, los
que sern igual a la lluvia mensual entre el promedio mensual calculado en el paso anterior y por
100. Al sumar los porcentajes calculados y obtener su promedio debern de obtenerse 1200 y 100,
respectivamente.
Paso 3) Todos los porcentajes mensuales correspondientes a cada uno de los doce meses se suman
y se divide tal suma entre el nmero de aos completos, es decir se calcula el porcentaje promedio
Sj, con j variando de 1 a 12, uno para enero y 12 para diciembre.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 9

ANALISIS DE DATOS

Paso 4) El mtodo acepta la hiptesis que considera que los meses desconocidos tendrn un
porcentaje igual al porcentaje promedio (Sj). Se designan las siguientes variables:
P
P i= ( 1200 S)
i
S i

Donde:
i = cada uno de los meses desconocidos, como mximo pueden ser once.
Pi = precipitacin mensual desconocida en cada ao incompleto, en mm.
Si = suma de los porcentajes promedio de los meses cuya precipitacin se desconoce, en
porcentaje.
p = suma de las precipitaciones mensuales conocidas en los aos incompletos, en mm.
Si = porcentaje promedio asignado a cada uno de los meses desconocidos o faltantes.
ESTIMACION DE DATOS FALTANTES EN LAS ESTACIONES PLUVIOMETRICAS
En visto que la estacin ndice que es la estacin TINGUIPAYA, cuenta con pocos datos faltantes,
y adems se observa que para los mismos meses y aos de registros faltantes, se tiene el mismo
caso en las dems estaciones consideradas como auxiliares para aplicar los mtodos
mencionados.
Razn est por la cual solo para la estacin de TINGUIPAYA se aplicara el METODO RACIONAL
DEDUCTIVO, para la estimacin de sus datos faltantes.
IMPORTANTE. El anlisis de estimacin de datos faltantes se le aplica a todos los parmetros de
registros pluviomtricas tanto a precipitaciones totales, precipitaciones mximas 24 horas y datos
de evaporacin y temperatura.
En esta presentacin mostraremos todo el procedimiento de estimacin de datos faltantes solo
para las precipitaciones mximas 24 horas, ya que es para este parmetro pluviomtrico que se lo
realizara todo el procedimiento del anlisis estadstico, etc.
El proyecto est destinada para la estimacin de caudales mximos, destinadas al diseo de
alcantarillados, puentes, etc.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 10

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 11

ANALISIS DE DATOS

Estimacin de datos mensuales faltantes en la estacin TINGUIPAYA, por el mtodo racional deductivo

Procedimiento por el Mtodo Racional deductivo

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 12

ANALISIS DE DATOS

DATOS COMPLETADOS ESTACION TINGUIPAYA

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 13

ANALISIS DE DATOS

Una vez completadas la estacin ,a partir de esta estacin completa se realiza las estimaciones de
datos faltantes de los dems restantes estaciones pluviomtricas, aplicando el mtodo de Mtodo
del U.S. National Weather Service, este mtodo se aplicara en la estimacin de datos faltantes
para las estaciones de Tacobamba y Ayoma procediendo de la siguiente manera:
PARA LA ESTACIN TACOBAMBA
Utilizando como estacin circundante con datos completos a la estacin de TINGUIPAYA y otra
estacin auxiliar de RAVELO (Ver archivos en archivo Excel).

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 14

ANALISIS DE DATOS

Esta estacin se asign como tal, para el desarrollo ms ptimo en el clculo mediante el mtodo
indicado, por tener una distancia considerable respecto a la estaciones, adems de contar con los
datos completos para dichos meses y aos considerados.
Realizando el clculo correspondiente se tiene los siguientes datos estimados para dicha estacin

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 15

ANALISIS DE DATOS

RESUMEN DE DATOS COMPLETOS ESTIMADOS PARA LAS TRES ESTACIONES

Desarrollando todos los clculos correspondientes para cada estacin aplicando los mtodos
correspondientes indicados, se logra determinar todos los datos pluviomtricos faltantes en las
distintas estaciones consideradas para el estudio hidrolgico de la misma.
A continuacin se presenta el resumen completo de las estaciones en cuestin con todos los datos
completos estimados, mostrando al correspondiente resumen para los eventos de precipitaciones
totales y precipitaciones mximas 24 horas, adems de los datos de temperatura, los mismos son:
ESTACION TINGUIPAYA POR EL METODO RACIONAL DEDUCTIVO
ESTACION TACOBAMBA Y RAVELO MTODO DEL U.S. NATIONAL WEATHER SERVICE

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 16

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 17

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 18

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 19

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 20

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 21

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 22

ANALISIS DE DATOS

2. ANLISIS CRTICO DE LA CALIDAD DE DATO

MTODOS GRFICOS; CURVA SIMPLE O DOBLE MASA.
El anlisis de consistencia de doble masa, relaciona la precipitacin anual acumulada de una
estacin X (estacin que se analiza) con el correspondiente valor medio de la precipitacin anual
acumulada de un grupo de estaciones vecinas. Si la estacin que se analiza ha sido bien
observada, los puntos debern alinearse en una recta, pero si existe un quiebre, o cambio de
pendiente en la recta, ello indicara que la estadstica de la estacin analizada debe ser corregida.
Los registros a corregir sern por lo general, los ms antiguos y se harn con base en los registros
ms recientes, ya que se considera que los datos de los ltimos aos son realizados con una mejor
tcnica que la empleada en sus predecesores.
Los casos ms frecuentes se ilustran a continuacin.

CASO A: La serie de puntos encaja perfectamente en una lnea recta, lo que indica
proporcionalidad, y por lo tanto, la estacin que se analiza es consistente.
CASO B: Series de rectas paralelas. Lo cual nos indica proporcionalidad, aunque existan aos
que estn medidos por exceso o defecto.
CASO C: Cuando se forman dos rectas de diferentes pendientes, se tiene un caso tpico de error
sistemtico. La correccin se realiza por la relacin de pendientes del tramo ms antiguo ya que la
experiencia demuestra en un 80% el periodo ms moderno es el correcto.
CASO D: La estacin presenta un tramo central de mayor o menor pendiente; en el 95 % de los
casos, dicho tramo se midi incorrectamente, por lo que habr que corregirlo para homogeneizar
la serie. Cuando se emplea la tcnica de doble masa, para contrastar todas las estaciones
pluviomtricas en una cuenca, se deben situar las mismas en un plano indicando su nombre,
altitud, lluvia media anual y nmero de aos de registro. Posteriormente, se deben distribuir las
mismas en grupos afines teniendo en cuenta las siguientes recomendaciones:
1. Los grupos deben tener de 3 a 10 estaciones.
2. La lluvia media anual de las estaciones de cada grupo debe ser semejante.
3. Cada grupo debe incluir, por lo menos, una estacin con amplio registro (25 aos como
mnimo).
4. La altitud de las estaciones del grupo debe ser similar, no debiendo existir una diferencia de ms
de 300 m.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 23

ANALISIS DE DATOS

5. Las estaciones deben estar relativamente prximas, no debindose exceder una distancia de 50
km.
En principio, la estacin con ms amplio registro se considera modelo y se inician las
comparaciones por parejas de estaciones con la estacin modelo.
En el transcurso de las comparaciones, se obtienen conclusiones acerca de la homogeneidad de
cada estacin y se realizan las correcciones necesarias hasta que todas las estaciones han sido
verificadas y/o corregidas.

El anlisis de consistencia se lo realizar por el mtodo de la doble acumulada, considerando los

tres estaciones en cuestin, TINGUIPAYA, TACOBAMBA Y AYOMA
ANALISIS DE DOBLE MASA PARA LA PRECIPITACION TOTAL

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 24

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 25

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 26

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 27

ANALISIS DE DATOS

Del desarrollo y anlisis de consistencia de datos de precipitacin total acumulada anual, se tiene
los siguientes resultados de correlaciones de la grfica de curva doble masa:
La correlacin ms alta tiene la estacin de Tinquipaya lo que nos indica que los datos casi son
normales, la consistencia entre esta estacin elegida como estacin ndice en relacin con las
otras estaciones consideradas.

Del anlisis de consistencia desarrollado, se observa que los coeficientes de correlacin

son muy prximos a la unidad R=0.9976, el cual indica que la curva doble masa tiene un
buen ajuste a la misma, por lo que podemos concluir que la formacin de series entre las
estaciones son de datos pluviomtricos consistentes una de la otra.
Tienen una gran relacin entre las tres estaciones, en cuanto a la consistencia y calidad de
datos se refiere, comprobando as su efectividad de sus datos componentes para cada
estacin a considerar entonces las series son consistentes,
Se aplic el anlisis con la estacin ndice a la Estacin de Tinguipaya, este mismo resulta
ser consistente en relacin a las dems, razn tambin es esta la estacin la que mayor
incidencia tiene sobre la superficie de la cuenca por encontrarse dentro de la misma,
entonces se confirma este hecho como estacin clave ndice para el anlisis de datos
correspondientes.
PRUEBAS PARAMTRICAS; STUDENT, FISCHER O CRAMER.
Pruebas paramtricas
Pruebas estadsticas de homogeneidad
El test o prueba estadstica de homogeneidad presenta una hiptesis nula y una regla para
aceptarla o rechazarla en base a su probabilidad de ocurrencia. Si dicha probabilidad es pequea,
se concluye que la serie es no homognea, si es grande, se dice que la serie es homognea.
Prueba de t de Student
til cuando se sospecha que la prdida de la homogeneidad se debe a un cambio brusco de la
media. La prueba estadstica de t student se define por medio de la siguiente ecuacin:

Donde se tiene que S1 y S2 son las varianzas de x1 y x2 en los dos

perodos de registro. Y similarmente para n2S2.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 28

ANALISIS DE DATOS

X1 y X2 son las medias de las colas uno y dos del registro de la estacin.
El valor absoluto de td se compara generalmente con el valor de t de la distribucin de
Student de dos colas, y con =n1+n22 grados de libertad y con un 5 % de nivel de
significancia, como se muestra en el siguiente Cuadro.

La serie se considera homognea si: |T|<T crit

Si y slo si, el valor absoluto de td es mayor que el de t se concluye que la diferencia entre
las medias es un signo de inconsistencia o la serie es no homognea.
El anlisis aplicando este mtodo se desarroll en base a los datos de precipitacin mximas 24
horas, para las tres estaciones en cuestin dando como resultado lo siguiente:

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 29

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 30

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 31

ANALISIS DE DATOS

Prueba estadstica de Cramer:

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 32

ANALISIS DE DATOS

Esta prueba es complementaria a la de Student, ya que esta ltima no es recomendable

cuando n1 y n2 no son parecidos.
En la prueba de Cramer, X y S son respectivamente la media y la desviacin tpica del
registro total de valores, las cuales se definen como:

La muestra se divide en dos bloques, el primero con el 60% de los ltimos valores, y el
segundo por el 30% de los ltimos valores.
El estadstico T tiene distribucin t de student de dos colas con: =N-2
Grados de libertad y para un nivel de: =0.05
Si y solo si el valor absoluto de T, para W=60y W=30, es mayor que el de la distribucin t
de student, se concluye que la diferencia entre las medias es evidencia de inconsistencia y
por lo tanto la serie se considera no homognea.
El estadstico tk tiene una distribucin de la t de Student de dos colas con =n2 grados de
libertad y se utiliza de la misma manera que el estadstico td del mtodo anterior.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 33

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 34

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 35

ANALISIS DE DATOS

Teniendo los resultados de anlisis de consistencia de las tres estaciones se tiene el siguiente
resumen de resultados:

3. FORMAR SERIES ESTADSTICAS

FORMULA DE POSICIN O TRAZO PARA ESTIMAR LAS PROBABILIDADES
EMPRICAS
Representa el total de los elementos de los que se trata de estudiar una caracterstica particular.
UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 36
ANALISIS DE DATOS

MEDIDAS DE VALOR CENTRAL.

La medida del valor central ms representativa es la media, siendo el ms simple y til
asociado al conjunto de datos. Representa el valor tpico o central de datos. Las medidas de
valor central ms usuales son:
Media
Promedio aritmtico de la serie de datos.
Mediana
Valor medio que divide a la serie en dos partes iguales
-Cuando el nmero de datos es impar n la mediada es aquel que ocupa el valor central.

-Cuando el nmero de datos es par la mediana es el promedio de los dos valores centrales.
Moda

Valor que ocurre con ms frecuencia

Relacin entre la media, la mediana y la moda
Cuando la distribucin es simtrica y unimodal, la media, la mediana y la moda tienen el
mismo valor, es decir coinciden en la misma abscisa, esto es:
X =Me =Mo
Si la distribucin es asimtrica y la moda es menor que la mediana a su vez menor que la
media, entonces se dice que esta sesgada a la derecha. Estos es:
X > Me > Mo
Si la distribucin es asimtrica, donde la media es menor que la mediana y esta es menor
que la mediana y esta menor que la moda, se dice que esta sesgada a la izquierda. Esto es:
X <Me <Mo
MEDIDAS DE DISPERSIN O FLUCTUACIN
Denominado tambin de amplitud, es la diferencia entre el mayor y menor de todos los
datos.
Debido a que este concepto es significativo, ha sido reemplazado por otros estadgrafos
ms expresivos:

Desviacin media:

Desviacin Estndar.
Como los datos son menores a 30 entonces la desviacin estndar est dada por:

Varianza.
Rango.
R = diferencia entre el valor mayor y el valor menor
Forma de distribucin.
Coeficiente de Asimetra.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 37

ANALISIS DE DATOS

Indica o mide el grado de deformacin horizontal de la distribucin de frecuencias. Cuando

la distribucin de frecuencias esta inclinada o alargada hacia la derecha se denomina
asimetra a la derecha o asimetra positiva y si esta inclinada o alargada al lado izquierdo
se llama asimetra a la izquierda o negativa
El valor de coeficiente establece el grado de asimetra donde el signo indica la tendencia de
la distribucin de frecuencias, ya sea a la derecha o izquierda.

El coeficiente de asimetra est dada por:

Si: CAS = 0 Simtrica.
CAS > 0 Distribucin sesgada a la derecha.
CAS < 0 Distribucin sesgada a la Izquierda.
Coeficiente de curtosis.
Mide el grado de deformacin vertical o apuntamiento de la distribucin de frecuencias tomando
como patrn de referencia la distribucin normal o gaussiana.
A la curva normal se le llama Mesocurtica, cuando es ms apuntada se le denomina Leptocurtica y a
la ms plana o achatada Platicurtica.
El coeficiente de curtosis esta dad por:
Si:
Cku > 0 Entonces la distribucin es Leptocurtica
Cku = 0 Entonces la distribucin es simtrica o Mesocurtica
Cku < 0 Entonces la distribucin es Platicurtica.

A continuacin se presentan las tablas de formacin de series estadsticas:

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 38

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 39

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 40

ANALISIS DE DATOS

4. DETERMINACIN DE LOS ESTIMADORES DE PROBABILIDAD

MTODO DE LOS MOMENTOS O MTODO DE LA MXIMA VEROSIMILITUD
UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 41
ANALISIS DE DATOS

Los parmetros de una distribucin terica, son variables que para cada conjunto de datos tiene
un valor definido. Una vez que los parmetros quedan definidos, tambin queda definida la
distribucin terica.

A continuacin se presentan algunas de las tcnicas de estimacin de parmetros ms

comunes en hidrologa:
Mtodo de momentos.
Mtodo de mxima verosimilitud.
Mtodo de L-momentos
El principio de la mxima verosimilitud tericamente es el ms correcto para ajustar
distribuciones, por su potencialidad en sus resultados. Snchez (1989), en sus
investigaciones present las soluciones por el mtodo de mxima verosimilitud para varias
distribuciones de probabilidad aplicndose por primera vez al anlisis de las lluvias
mximas.
Mtodo de momentos
El mtodo de los momentos fue desarrollado por Karl Pearson en 1902 (Te Chow, 1994),
consiste bsicamente en establecer para cada funcin de distribucin, la relacin entre los
parmetros y los momentos centrales, de tal manera que:

Donde: , , : parmetros de la funcin de distribucin.

i, j, k: momentos con respecto a la media o centrales de la poblacin.
En el anlisis hidrolgico se recomienda el uso de los estadsticos insesgadas, ya que
generalmente se trabaja con muestras relativamente pequeas.
Mtodo de L-momentos
Los L-momentos (Escalante Sandoval, y otros, 2002) constituyen un sistema alternativo al
mtodo tradicional (momentos convencionales) para describir las formas de las funciones
de distribucin (Hosking, 1990) y surgen de combinaciones lineales de los momentos
ponderados probabilisticamente (MPP) introducidos por Greenwood et al. (1979). La L
del nombre Lmomento procede de Linear.
Debido a la dificultad de estimar la probabilidad acumulada F(X x), para la que se han propuesto
diversas frmulas (Cunnane, 1989), se puede utilizar el estimador no sesgado de Landwehr et al.
(1979), que desarrollado para los tres primeros momentos es:

Donde: i: momentos ponderados probabilisticamente.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 42

ANALISIS DE DATOS

n: nmero total de la serie.

xi: elemento de la serie.
Los L-momentos, n, son combinaciones lineales de MPP
Una vez conocidas 1, 2, 3 y 4 se pueden obtener las relaciones de los momentos-L

Algunos estudios han comprobado la superioridad de este mtodo frente a otros, Hosking et al. (1985) y
Hosking y Wallis (1987) demostraron que para muestras pequeas y medianas, este mtodo es
normalmente mejor que el de mxima verosimilitud. Fundamentalmente, los Lmomentos no se ven tan
afectados por la existencia de elementos extremos en la muestra como los momentos ordinarios.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 43

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 44

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 45

ANALISIS DE DATOS

-De los resultados obtenidos se estima los valores, de los parmetros estadsticos estimados por el
mtodo de los momentos.
-Por lo que se concluye que este mtodo se acomoda bastante bien a la seria de datos en cuestin,
ya que aplicando dos mtodos se obtuvieron resultados similares
5. DISTRIBUCIONES TERICAS RECOMENDADAS
DISTRIBUCIN LOGARTMICA NORMAL.
De los resultados obtenidos se estima los valores, de los parmetros estadsticos estimados por el
mtodo de los momentos.
Por lo que se concluye que este mtodo se acomoda bastante bien a la seria de datos en cuestin,
ya que aplicando dos mtodos se obtuvieron resultados similares.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 46

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 47

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 48

ANALISIS DE DATOS

DISTRIBUCIN LOGARTMICA DE PEARSON TIPO III.

Chow (1994), sealan que esta distribucin posee una gran flexibilidad y diversidad de forma,
dependiendo de los valores de sus parmetros, asimilando su utilizacin para precipitaciones o
caudales mximos anuales. La funcin de densidad de probabilidad Pearson III se define como:

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 49

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 50

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 51

ANALISIS DE DATOS

DISTRIBUCIN DE VALORES EXTREMOS TIPO I O GUMBEL.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 52

ANALISIS DE DATOS

Segn Aparicio, 1997, si se tienen N muestras, cada una de las cuales contienen n eventos y si se
selecciona el mximo de x de la n eventos de cada muestra, es posible demostrar que, a medida
que n aumenta, la funcin de distribucin de probabilidad de x tiende a:
La ley de Gumbel se utiliza generalmente para ajustar e 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 en 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 toman solamente valores positivos o cero.
Estimacin de parmetros:
Dnde:
x y S son la media y la desviacin estndar estimados en la muestra.
Estimacin de eventos:

Donde T es el periodo de retorno, para la distribucin Gumbel.

Periodo de retorno se define como el nmero de aos que transcurren en promedio para que un
evento de magnitud dada x sea igualando o excedido por lo menos una vez en ese periodo de
tiempo.

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 53

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 54

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 55

ANALISIS DE DATOS

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 56

ANALISIS DE DATOS

Interpretacin:
Las interpretaciones que podemos mencionarlas segn la distribucin de probabilidad de Gumbel,
Log-Normal, y Log- Pearson III para los datos de precipitaciones mximas en 24 horas en las
diferentes estaciones escogidas en el comienzo del anlisis datos podemos observar que para un
tiempo de retorno de 5, 10, 25, 50, 100 y 200 aos los datos de las distribuciones no se alejan
mucho casi se mantienen casi en un intervalo de 1 nmero.
La tabla resumen mostrado en la planilla de datos mostrado anteriormente ser utilizada en el
clculo de caudales para la tercera presentacin.
6. PRUEBA DE BONDAD DE AJUSTE
Las pruebas de bondad de ajuste tienen por objetivo determinar si los datos disponibles se ajustan a una
determinada distribucin.
Se entiende por bondad de ajuste a la asimilacin de datos observado de una variable a una funcin
matemtica previamente establecida y reconocida. A travs de esta es posible entonces predecir el
comportamiento de la variable en estudio.
Kite (1988) propuso un estadstico que permita seleccionar la mejor opcin, entre diferentes
modelos en competencia, para el ajuste de una muestra de datos xi j para i = 1, 2,.., n de j sitios.
Tiene la forma:

Donde
XT: eventos estimados por cierta distribucin utilizando factores de frecuencia de probabilidad
para cada periodo de retorno asignado a la muestra ordenada xi j.
xi: son los eventos ordenados de mayor a menor.
n: longitud en aos del registro analizado.
mp: nmero de parmetros de la distribucin ajustada Tabla

PRUEBA CHI-CUADRADO.
Esta prueba a veces no puede realizarse, especialmente cuando las leyes ajustadas tienen tres o
cuatro parmetros y se dispone de pequeas longitudes de series (N 20), por esta razn se deber

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 57

ANALISIS DE DATOS

tener una prueba alterna que, si bien es mucho ms laboriosa, no presenta esa limitante, como
ocurre con la de las diferencias absolutas
PRUEBA DE SMIRNOV-KOLMOGOROV.
Este procedimiento es un test no paramtrico que permite establecer si dos muestras se ajustan al
mismo modelo probabilstico.
Es un test valido para distribuciones continuas y sirve tanto para muestras grandes como para
muestras pequeas.
MTODO DEL ERROR CUADRTICO MNIMO
Para los siguientes mtodos se muestra a continuacin:

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 58

 ESTACION TINGUIPAYA
Distribuciones Kolmogorov
p X Ln(x) Weibull Normal Log Normal Pearson Log Pearson Gumbel Normal Log Normal Pearson Log Pearson Gumbel
1 10,3 2,332 4% 7,7% 1,6% 2,0% 0,8% 3,1% 0,040 0,021 0,017 0,029 0,006
2 14,3 2,660 7% 14,3% 9,2% 11,3% 8,4% 11,0% 0,069 0,018 0,039 0,010 0,036
3 16,2 2,785 11% 18,5% 15,5% 17,9% 15,4% 17,0% 0,074 0,044 0,068 0,043 0,059
ANALISIS DE DATOS

4 17,1 2,839 15% 20,7% 19,0% 21,3% 19,2% 20,2% 0,059 0,042 0,065 0,044 0,054
5 18,3 2,907 19% 23,9% 23,9% 26,1% 24,7% 24,8% 0,054 0,054 0,076 0,062 0,062
6 19,1 2,950 22% 26,2% 27,4% 29,4% 28,5% 28,0% 0,039 0,052 0,072 0,063 0,058
7 19,3 2,960 26% 26,7% 28,3% 30,2% 29,5% 28,8% 0,008 0,023 0,043 0,035 0,029
8 19,4 2,965 30% 27,0% 28,7% 30,6% 29,9% 29,2% 0,026 0,009 0,010 0,003 0,004
9 20,0 2,996 33% 28,8% 31,4% 33,1% 32,8% 31,7% 0,045 0,020 0,003 0,005 0,016
10 20,1 3,001 37% 29,1% 31,8% 33,5% 33,3% 32,1% 0,079 0,052 0,035 0,038 0,049

UNIV.: WILVER FAJARDO MAMANI

11 20,3 3,011 41% 29,7% 32,7% 34,3% 34,2% 32,9% 0,110 0,080 0,064 0,065 0,078
12 20,3 3,011 44% 29,7% 32,7% 34,3% 34,2% 32,9% 0,147 0,117 0,101 0,102 0,115
13 22,1 3,096 48% 35,5% 40,7% 41,7% 42,7% 40,5% 0,126 0,074 0,065 0,055 0,077
14 22,5 3,114 52% 36,9% 42,5% 43,3% 44,5% 42,2% 0,150 0,094 0,086 0,074 0,097
15 23,2 3,144 56% 39,2% 45,5% 46,1% 47,6% 45,1% 0,163 0,101 0,095 0,080 0,105
16 23,2 3,144 59% 39,2% 45,5% 46,1% 47,6% 45,1% 0,200 0,138 0,132 0,117 0,142
17 25,2 3,227 63% 46,2% 53,7% 53,6% 55,8% 53,0% 0,168 0,092 0,093 0,072 0,099
18 28,6 3,353 67% 58,2% 66,0% 65,0% 67,5% 65,0% 0,084 0,007 0,016 0,009 0,016
19 30,1 3,405 70% 63,4% 70,5% 69,4% 71,8% 69,6% 0,070 0,001 0,010 0,014 0,008
20 30,2 3,408 74% 63,7% 70,8% 69,6% 72,1% 69,9% 0,104 0,033 0,044 0,020 0,042

CIV - 231
21 36,1 3,586 78% 80,9% 84,0% 82,8% 84,1% 83,3% 0,032 0,062 0,050 0,063 0,055
22 36,4 3,595 81% 81,7% 84,5% 83,3% 84,6% 83,8% 0,002 0,030 0,018 0,031 0,023
23 40,2 3,694 85% 89,3% 89,7% 88,7% 89,3% 89,2% 0,041 0,045 0,035 0,041 0,040
24 47,3 3,857 89% 97,0% 95,3% 94,8% 94,5% 95,0% 0,081 0,064 0,060 0,056 0,062
25 51,0 3,932 93% 98,6% 96,9% 96,6% 96,0% 96,7% 0,060 0,043 0,040 0,035 0,041
26 52,2 3,955 96% 99,0% 97,3% 97,1% 96,4% 97,1% 0,027 0,010 0,008 0,002 0,008
0,200 0,138 0,132 0,117 0,142
ESTADIGRAFOS 60,0
Datos 26,0 max 0,200
50,0
Media 26,3 3,189 cirt 0,266717944
Desviacin 11,2 0,3988918
40,0
Asimetria 1,1 0,3164828
PARAMETROS 30,0
Forma (alfa) 3,20 39,935557
20,0 Como max es menor a crit ENTONCES EL
Escala (beta) 6,27 0,0631212
Posicin (x0) 6,18 0,6686165 AJUSTE ES BUENO

PAGINA 59
10,0
PARAMETROS
alfa 8,75 0,0
beta 21,22 0% 20% 40% 60% 80% 100% 120%
 ESTACION TACOBAMBA
Distribuciones Kolmogorov
p X Ln(x) Weibull Normal Log Normal Pearson Log Pearson Gumbel Normal Log Normal Pearson Log Pearson Gumbel
1 19,0 2,945 4% 3,6% 1,3% 2,8% 0,8% 0,4% 0,001 0,024 0,009 0,029 0,034
2 23,6 3,159 7% 9,7% 7,9% 9,2% 7,2% 5,2% 0,023 0,005 0,018 0,002 0,022
3 24,8 3,209 11% 12,2% 11,1% 11,9% 10,7% 8,2% 0,011 0,000 0,008 0,005 0,029
ANALISIS DE DATOS

4 24,8 3,210 15% 12,3% 11,2% 11,9% 10,7% 8,3% 0,025 0,036 0,029 0,041 0,065
5 24,8 3,213 19% 12,4% 11,4% 12,1% 10,9% 8,5% 0,061 0,071 0,064 0,076 0,100
6 27,6 3,319 22% 19,9% 21,1% 20,2% 21,5% 19,0% 0,023 0,011 0,021 0,007 0,032
7 28,0 3,332 26% 21,1% 22,6% 21,4% 23,1% 20,7% 0,049 0,033 0,045 0,028 0,052
8 29,5 3,385 30% 26,2% 29,1% 27,0% 30,1% 28,1% 0,034 0,006 0,026 0,004 0,015
9 30,3 3,411 33% 29,1% 32,6% 30,1% 33,8% 32,1% 0,042 0,008 0,032 0,004 0,012
10 30,6 3,421 37% 30,3% 33,9% 31,3% 35,2% 33,7% 0,067 0,031 0,057 0,018 0,033

UNIV.: WILVER FAJARDO MAMANI

11 32,0 3,466 41% 35,9% 40,4% 37,2% 41,9% 41,0% 0,048 0,004 0,035 0,011 0,003
12 33,1 3,500 44% 40,6% 45,4% 42,0% 47,0% 46,7% 0,039 0,010 0,024 0,026 0,022
13 34,0 3,526 48% 44,5% 49,5% 46,0% 51,1% 51,1% 0,037 0,013 0,021 0,030 0,030
14 34,7 3,547 52% 47,7% 52,6% 49,3% 54,3% 54,6% 0,042 0,008 0,026 0,024 0,027
15 35,0 3,555 56% 48,9% 53,8% 50,5% 55,5% 55,9% 0,067 0,017 0,051 0,001 0,003
16 37,0 3,611 59% 57,7% 62,1% 59,2% 63,5% 64,5% 0,016 0,028 0,001 0,043 0,053
17 38,0 3,638 63% 62,0% 65,9% 63,3% 67,1% 68,4% 0,010 0,029 0,004 0,042 0,054
18 41,0 3,714 67% 73,8% 75,7% 74,6% 76,4% 78,0% 0,071 0,091 0,079 0,098 0,114
19 42,0 3,738 70% 77,3% 78,5% 77,8% 79,0% 80,7% 0,069 0,081 0,075 0,086 0,103
20 42,7 3,754 74% 79,5% 80,2% 79,9% 80,6% 82,3% 0,054 0,062 0,058 0,065 0,082

CIV - 231
21 43,6 3,774 78% 82,1% 82,3% 82,3% 82,5% 84,2% 0,044 0,045 0,046 0,047 0,064
22 45,0 3,807 81% 86,0% 85,3% 85,9% 85,3% 86,9% 0,045 0,039 0,044 0,038 0,054
23 45,7 3,821 85% 87,6% 86,6% 87,4% 86,5% 88,0% 0,024 0,014 0,022 0,013 0,028
24 47,3 3,857 89% 90,9% 89,3% 90,5% 88,9% 90,4% 0,020 0,004 0,016 0,000 0,015
25 47,8 3,868 93% 91,9% 90,0% 91,4% 89,7% 91,1% 0,007 0,026 0,012 0,029 0,015
26 54,7 4,001 96% 98,4% 96,3% 97,9% 95,7% 96,5% 0,021 0,000 0,016 0,006 0,002
0,071 0,091 0,079 0,098 0,114
ESTADIGRAFOS 60,0
Datos 26,0 max 0,114
50,0
Media 35,3 3,530 cirt 0,266717944
Desviacin 9,0 0,2631739
40,0
Asimetria 0,2 -0,250962
PARAMETROS 30,0
Forma (alfa) 70,22 63,510529
20,0
Escala (beta) 1,08 0,0330233 Como max es menor a crit ENTONCES EL
Posicin (x0) -40,32 1,4326568 AJUSTE ES BUENO

PAGINA 60
10,0
PARAMETROS
alfa 7,03 0,0
0% 20% 40% 60% 80% 100% 120%
beta 31,19
 ESTACION AYOMA
Distribuciones Kolmogorov
p X Ln(x) Weibull Normal Log Normal Pearson Log Pearson Gumbel Normal Log Normal Pearson Log Pearson Gumbel
1 18,4 2,912 4% 8,6% 4,6% 5,1% 3,8% 3,9% 0,049 0,009 0,014 0,001 0,002
2 18,7 2,930 7% 9,2% 5,2% 5,8% 4,5% 4,5% 0,018 0,022 0,016 0,030 0,029
3 20,5 3,020 11% 12,6% 9,4% 10,3% 8,8% 8,7% 0,015 0,017 0,008 0,023 0,024
ANALISIS DE DATOS

4 21,0 3,045 15% 13,7% 10,9% 11,9% 10,4% 10,2% 0,011 0,040 0,030 0,044 0,046
5 21,1 3,049 19% 13,9% 11,2% 12,2% 10,7% 10,5% 0,046 0,074 0,063 0,078 0,080
6 24,5 3,199 22% 23,4% 23,9% 25,0% 24,5% 24,0% 0,011 0,017 0,028 0,023 0,018
7 25,7 3,246 26% 27,4% 29,3% 30,25% 30,2% 29,7% 0,014 0,033 0,043 0,043 0,037
8 26,8 3,288 30% 31,3% 34,4% 35,2% 35,5% 35,0% 0,017 0,047 0,055 0,059 0,054
9 27,2 3,302 33% 32,7% 36,1% 36,9% 37,4% 36,9% 0,006 0,028 0,035 0,041 0,036
10 27,4 3,311 37% 33,6% 37,2% 37,9% 38,5% 38,0% 0,035 0,001 0,008 0,014 0,010
11 27,6 3,318 41% 34,3% 38,1% 38,8% 39,5% 39,0% 0,064 0,026 0,020 0,013 0,017

UNIV.: WILVER FAJARDO MAMANI

12 28,4 3,345 44% 37,3% 41,6% 42,2% 43,1% 42,7% 0,072 0,028 0,023 0,014 0,018
13 29,2 3,374 48% 40,7% 45,6% 46,0% 47,1% 46,8% 0,075 0,026 0,022 0,010 0,014
14 30,0 3,401 52% 43,9% 49,3% 49,5% 50,8% 50,5% 0,079 0,026 0,024 0,011 0,013
15 30,3 3,411 56% 45,2% 50,7% 50,8% 52,2% 51,9% 0,103 0,049 0,048 0,034 0,036
16 32,6 3,484 59% 54,7% 60,4% 60,2% 61,8% 61,8% 0,045 0,012 0,009 0,026 0,025
17 32,7 3,487 63% 55,2% 60,8% 60,6% 62,2% 62,2% 0,078 0,021 0,024 0,008 0,008
18 33,0 3,495 67% 56,2% 61,9% 61,6% 63,2% 63,2% 0,104 0,048 0,051 0,035 0,035
19 33,4 3,510 70% 58,2% 63,8% 63,4% 65,0% 65,0% 0,121 0,066 0,070 0,053 0,053
20 33,6 3,515 74% 58,9% 64,3% 64,0% 65,6% 65,6% 0,152 0,097 0,101 0,085 0,085

CIV - 231
21 37,3 3,619 78% 72,9% 76,5% 75,9% 77,1% 77,4% 0,049 0,012 0,019 0,007 0,004
22 43,0 3,762 81% 88,7% 88,7% 88,2% 88,5% 88,8% 0,072 0,072 0,067 0,070 0,073
23 46,1 3,831 85% 93,7% 92,6% 92,2% 92,1% 92,4% 0,085 0,074 0,071 0,069 0,072
24 46,4 3,838 89% 94,1% 92,9% 92,6% 92,4% 92,7% 0,052 0,041 0,037 0,035 0,039
25 47,9 3,870 93% 95,7% 94,3% 94,0% 93,7% 94,0% 0,031 0,017 0,014 0,011 0,014
26 55,0 4,008 96% 99,3% 98,0% 98,0% 97,4% 97,6% 0,030 0,017 0,017 0,011 0,014
0,152 0,097 0,101 0,085 0,085
ESTADIGRAFOS 60,0
Datos 26,0 max 0,152
50,0
Media 31,5 3,407 cirt 0,266717944
Desviacin 9,6 0,2933953
40,0
Asimetria 0,8 0,2313191
PARAMETROS 30,0
Forma (alfa) 5,57 74,75447
20,0
Escala (beta) 4,05 0,033934 Como max es menor a crit ENTONCES EL
Posicin (x0) 8,87 0,8698985
10,0 AJUSTE ES BUENO

PAGINA 61
PARAMETROS
alfa 7,46 0,0
0% 20% 40% 60% 80% 100% 120%
beta 27,15
ANALISIS DE DATOS

Interpretacin:
La interpretacin que podemos darle al estudio de nuestra cuenca, que nos ha tocado estudiar
Con los datos de estas estaciones de precipitaciones mximas en 24 horas: TINGUIPAYA,
TACOBAMBA y AYOMA.
Colavi es que los datos sacados de las estaciones de la pgina web de senamhi se ajustan de la
mejor manera posible ya que en las tres estaciones escogidas max es menorr a
critico.Entonces el ajuste es bueno en todos los casos.
NOTA:
Todo el analisis realizado en la presentacion corresponde a las precipitaciones maximas 24
horas, excepto el analisis de consistemcia de la curva doble masa ya que este corresponde a las
precipitaciones totales anuales acumulasdas.
Para el estudio mas completo tambien se lo realizo el mismo analisis de procedimientos
estadisitcos para el evento de precipitaciones totales medias anuales, (ver archivos excel
adjuntado), este analisis tambien es importante para el calculo de caudales medio..
BIBLIOGRAFIA:
Material de apoyo didctico para la enseanza y aprendizaje de la asignatura de
hidrologia civ-233, Universidad Mayor de San Simn facultad de Ciencias y Tecnologa
Carrera de Ingeniera Civil.
Procesos del siclo hidrolgico - D. F. Campos Aranda.
Manual de hidrologa, hidrulica y drenaje-Ministerio de transportes y comunicaciones
de PERU.
Hidrologa Aplicada-Ven Te Chow, David R Maidment, Larry W. Mays
Fundamentos de hidrologa de superficie Francisco J. Aparicio Mijares.
Procesos del siclo hidrolgico - D. F. Campos Aranda.
Manual de hidrologa, hidrulica y drenaje-Ministerio de transportes y comunicaciones
de PERU.
Geomorfologa de cuencas hidrogrficas Jos Guadalupe Valtierra, Dr. Miguel ngel
Domnguez, Centro Queretano de Recursos Naturales, Universidad Autnoma de
Quertaro
Hidrologa - Mximo Villnidrologa superficial, Cuenca Hidrolgica Parte 1
Universidad Michoacana de San Nicols de Hidalgo FIC Facultad de Ingeniera Civil,
11 de septiembre de 2008
Hidrologa - Mximo Villn

UNIV.: WILVER FAJARDO MAMANI CIV - 231 PAGINA 62