UNIVERSIDAD NACIONAL DE

HUANCAVELICA
(CREADA POR LEY N 0 25265)
FACULTAD CIENCIAS DE INGENIERIA
ESCUELA PROFESIONAL DE INGENIERIA CIVIL-HUANCAVELICA
21 de febrero de 2017

ANALISIS METEOROLOGICO DE
LA CUENCA DEL RIO CANETE

CURSO : Hidrologica General

CATEDRATICO : TORRES CONDORI, Edwin
ESTUDIANTE : ESCOBAR RAMOS, Cesar A.
CICLO :VII
SECCION :B
HUANCAVELICA -PERU
2017

1
Indice
1. INTRODUCCION 4

2. OBJETIVOS 5
2.1. OBJETIVOS GENERALES . . . . . . . . . . . . . . . . . . . . 5
2.2. OBJETIVOS ESPECIFICOS . . . . . . . . . . . . . . . . . . . 5

3. MARCO TEORICO 6
3.1. REGRESION DE DATOS ESTADISTICOS . . . . . . . . . . . 6
3.2. ANALISIS DE CONSISTENCIA . . . . . . . . . . . . . . . . . 6
3.3. ANALISIS VISUAL GRAFICO . . . . . . . . . . . . . . . . . . 7
3.4. ANALISIS DOBLE MASA . . . . . . . . . . . . . . . . . . . . . 7
3.5. ANALISIS ESTADISTICO . . . . . . . . . . . . . . . . . . . . . 8
3.5.1. media y desviacion estandar . . . . . . . . . . . . . . . . 8
3.5.2. Calculo del (tc). . . . . . . . . . . . . . . . . . . . . . . 9
3.5.3. Calculo del t tabular (tt). . . . . . . . . . . . . . . . . . 9
3.6. CONSISTENCIA DE LA DESVIACION ESTANDAR . . . . . 9
3.6.1. calculo de F calculado (Fc) . . . . . . . . . . . . . . . . . 9
3.6.2. grados de libertad . . . . . . . . . . . . . . . . . . . . . . 10
3.7. ANALISIS DE TENDENCIAS . . . . . . . . . . . . . . . . . . 10
3.7.1. Tendencia en la Media . . . . . . . . . . . . . . . . . . . 10
3.7.2. Calculo de los parametros de la ecuacion de simple regresion 10
3.7.3. Evaluacion de la tendencia Tm . . . . . . . . . . . . . . 11
3.7.4. calculo estadistico t. . . . . . . . . . . . . . . . . . . . . 11
3.7.5. calculo t. . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.8. TRATAMIENTO DE DATOS . . . . . . . . . . . . . . . . . . 12

4. PROCEDIMIENTO DE ANALISIS 12
4.1. REGRESION LINEAL SIMPLE . . . . . . . . . . . . . . . . . 12
4.1.1. PROGRAMACION EN R . . . . . . . . . . . . . . . . . 13
4.1.2. MODELO MATEMATICO DE REGRESION . . . . . . 13
4.1.3. TABLA DE REGRESION Y ERROR . . . . . . . . . . 13
4.1.4. GRAFICOS ESTADISTICOS . . . . . . . . . . . . . . . 13
4.2. ANALISIS DE CONSISNTENCIA . . . . . . . . . . . . . . . . 13
4.2.1. PROGRAMACION EN R . . . . . . . . . . . . . . . . . 14
4.2.2. ANALISIS VISUAL GRAFICO . . . . . . . . . . . . . . 15
4.2.3. ANALISIS DE DOBLE MASA . . . . . . . . . . . . . . 15
4.2.4. ANALISIS ESTADISTICO . . . . . . . . . . . . . . . . 16
4.2.5. CORRECCION DE DATOS . . . . . . . . . . . . . . . . 19

2
5. CONCLUSION 20

6. BIBLIOGRAFIA 21

3
1. INTRODUCCION
En el siguiente trabajo realiza los metodos estadsticos para verificar la con-
sistencia que presentan los datos en cuanto a precipitaciones hablando, tanto
de a Cuenca en estudio como de datos de precipitaciones obtenidas del docente
en curso , los datos que se tomara en cuenta sera para una data historica de
35 anos, clasificaremos en 2 series segun donde exista la tendencia de saltos.
Basandose en el trazado de la curva de doble masa, se reemplaza la determi-
nacion manual de la recta de alineacion de registros anuales, por la busqueda
iterativa de la mejor combinacion de tramos y se considera la alineacion optima
por el metodo de los mnimos cuadrados, asociado a verificaciones estadsticas
de distribucion de residuos. El mejor trazado se considera aquel que presenta el
menor error cuadratico medio. La implementacion se hace en una combinacion
de planilla de calculo y lenguaje de programacion de preferencia julia por su
facil manejo. El metodo presenta una excesiva exactitud, que lleva a detectar en
algunos casos un mayor numero de variaciones que las realmente significativas,
dada la limitada precision de las mediciones utilizadas como base. Se utiliza
una formula emprica que sugiere una solucion alternativa, pero sin obviar la
alternativa original. Finalmente se aplica un test estadstico para determinar
la significacion de los cambios detectados. Los resultados obtenidos permiten
inferir objetivamente si los cambios detectados entre registros acumulados de
estaciones pluviometricas, corresponden a variaciones propias de las mediciones
de fenomenos naturales, o por el contrario establecen alteraciones producidas
por un factor de origen antropico, como cambios de ubicacion, condiciones de
trabajo o del personal a cargo de las lecturas.

4
2. OBJETIVOS
2.1. OBJETIVOS GENERALES
1. Llenar los datos faltantes de las estaciones perteneciente a la Cuenca en
estudio .

2. Realizar el Analisis de Consistencia de los datos obtenidos por el docente

y de ser necesario corregir los datos dudosos.

2.2. OBJETIVOS ESPECIFICOS

1. Crear codigos de programacion en el lenguaje Julia.

2. Encontrar una recta de regresion capaz de sustituir datos no encontrados

con una presicion aceptable.

3. Elaborar un modelo tanto estadstico como matematico de la regresion que

se empleara.

4. Establecer la consistencia mediante los analisis (Visual Grafico, de Doble

Masa y Estadstico)

5. Replantear los datos de acuerdo al analisis de datos obtenidos.

5
3. MARCO TEORICO
3.1. REGRESION DE DATOS ESTADISTICOS
En estadstica, el analisis de la regresion es un proceso estadstico para esti-
mar las relaciones entre variables. Incluye muchas tecnicas para el modelado y
analisis de diversas variables, cuando la atencion se centra en la relacion entre
una variable dependiente y una o mas variables independientes (o predictoras).

Regresion Lineal Simple : Metodo matematico que modeliza la relacion

entre una variable dependiente Y, las variables independientes Xi y un termino
aleatorio .

Regresion Lineal Multiple : Cuando existe una posible relacion entra va-
rias variables independientes y otra dependiente se hace necesario el uso de la
REGRESION MULTIPLE. La regresion multiple se usa con mayor frecuencia
en las publicaciones de las investigaciones cuando se requiere crear un modelo
donde se seleccionan variables que pueden infuir en la respuesta, descartando
aquellas que no aportan informacion, cuando se requiere detectar la interaccion
entre variables independientes que afectan a la variable y cuando se requiere
identificar variables confusoras. Al momento de aplicar la regresion multiple
se tienen ciertos requisitos y limitaciones, entre los cuales se pueden citar los
siguientes: Linealidad Normalidad y equidistribucion de los residuos. Numero
de variables independientes. Colinealidad Observaciones anomalas.

3.2. ANALISIS DE CONSISTENCIA

Una serie de tiempo de datos hidrologicos es relativamente constante si los
datos son periodicamente proporcionales a una serie de tiempo apropiado si-
multaneamente (Chang y Lee 1974). La consistencia relativa significativa que
los datos hidrologicos en una observacion cierta estacion son generados por el
mismo mecanismo que genera similares datos de otras estaciones. Es una practi-
ca comun para verificar la coherencia en relacion con el doble de la masa de
analisis.

Para determinar la consistencia relativa, se comparan las observaciones a partir

de una cierta estacion con la media de las observaciones de varias estaciones
cercanas. Este medio se llama la base o patron es difcil decir cuantas estaciones
el modelo debe e incluir.

Las estaciones cuanto menor los datos determinados influira en la consisten-

6
cia y la valides de la media patron.

Doble masa de analisis, es comprobacion requiere eliminar del patron los datos
de una determinada estacion y comparandolos con los datos restantes. Si estos
datos son consistentes con los totales generales de la zona, que se vuelven a in-
corporar en el patron no se puede hacer un analisis de doble masa, sin embargo
se pueden detectar cambios similares que ocurrieron en las estaciones de forma
simultanea.

3.3. ANALISIS VISUAL GRAFICO

En coordenadas cartesianas se plotea la informacion hidrologica historica,
ubicandose en las ordenadas, los valores de la serie y en las abscisas el tiempo
(anos, meses, das, etc.).

Figura 1: Grafica Caudal vs Tiempo

3.4. ANALISIS DOBLE MASA

Este analisis se utiliza para tener una cierta confiabilidad en la informacion,
as como tambien, para analizar la consistencia en relacionado a errores, que
pueden producirse durante la obtencion de los mismos, y no para una correccion
a partir de la recta doble masa.

7
 Figura 2: Analisis de doble masa para determinar la Estacion base

3.5. ANALISIS ESTADISTICO

Despues de obtener de los graficos construidos para el analisis visual y de los
de doble masa, los perodos de posible correccion, y los perodos de datos que
se mantendran con sus valores originales, se procede al analisis estadstico de
saltos, tanto en la media como en la desviacion estandar.

3.5.1. media y desviacion estandar

n1
& n1 
' 12
1 X 1 X  2
x1 = xi ; S1 (x) = Xi x1 (1)
n1 i=1 n1 1 i=1

n2
& n2 
' 21
1 X 1 X  2
x2 = xi ; S2 (x) = Xj x2 (2)
n2 j=1 n2 1 j=1

donde: xi=valores de la serie del periodo 1.

xj=valores de la serie del periodo 2.
n=tamano de la muestra.
n1,n2=tamano de las sub muestras.
n=n1+n2

8
3.5.2. Calculo del (tc).

X1 X2
Tc = (3)
Sd
 1
1 1 2
Sd = Sp + (4)
n1 n2
 12
(n1 1) S12 + (n2 1) S22

Sp = (5)
n1 + n2 2
donde:
ecuacion 4 es desviacion de las diferencias de los polinomios.
ecuacion 5 es desviacion estandar ponderada.

3.5.3. Calculo del t tabular (tt).

El valor crtico de t se obtiene de la tabla t de Student (tabla A.5 del apendi-

ce), con una probabilidad al 95 porciento, o con un nivel de significacion del 5
porciento, es decir con ?/2 = 0.025 y con grados de libertad y = n1 + n2 - 2.
|T c| Tt (95 porciento) x1 = x2 (6)
en este caso siendo estadsticamente las medias iguales, no se debe de realizar
proceso de correccion
|T c| > Tt (95 porciento) x1 6= x2 (7)
en este caso siendo estadistcamente las medias diferentes, se debe de realizar
proceso de correccion.

3.6. CONSISTENCIA DE LA DESVIACION ESTANDAR

 Xn1
1
S12 (x) = (xi x1 )2 (8)
n1 1 i=1

3.6.1. calculo de F calculado (Fc)

S 21 (x)
Fc = , si S 21 (x) > S 22 (x) (9)
S 22 (x)
S 22 (x)
Fc = , si S 22 (x) > S 21 (x) (10)
S 21 (x)
9
3.6.2. grados de libertad

.
G.L.N.= n1-1
G.L.D.= n2-1, si se cumple la ecuacion 9.
G.L.N.= n2-1
G.L.D.= n1-1, si se cumple la ecuacion 10.
.

3.7. ANALISIS DE TENDENCIAS

Antes de realizar el analisis de tendencias, se realiza el analisis de saltos y
con la serie libre de saltos, se procede a analizar las tendencias en la media y
en la desviacion estandar.

3.7.1. Tendencia en la Media

T m = Am + Bm + Cmt2 + Dmt2 + .... (11)

T m = Am + Bmt (12)
en forma particular por la ecuacion de regresion lineal simple.
donde:
t=tiempo en anos,tomado como la variable independiente de la tendencia.
t=1,2,3,....,n
Tm=tendencia en la media,para este caso.
Tm=X(t) valor corregido de saltos ,es decir ,datos a usarse para e calculo de
los parametros.

Los parametros de regresion de estas ecuaciones, pueden ser estimados por el

metodo de mnimos cuadrados, o por el metodo de regresion lineal multiple. El
calculo de la tendencia en la media, haciendo uso de la ecuacion (12), se realiza
mediante el siguiente proceso:

Am,Bm,Cm,Dm,....=Coeficientes de os polinomios de regresion, que deben ser

estimados con los datos.

3.7.2. Calculo de los parametros de la ecuacion de simple regresion

Am = Tm t Bm (13)

10
 ST m
Bm = R (14)
St
n
1X
t Tm = Ti Tmi (15)
n i=1

Pn  2 12
i=1 Tmi T m
ST m = (16)
n1




Pn  2 21
i=1 Ti t
St = (17)
n1



donde:

3.7.3. Evaluacion de la tendencia Tm

Para averiguar si la tendencia es significativa, se analiza el coeficiente de

regresion Bm o tambien el coeficiente de correlacion R.
El analisis de R segun el estadstico 1, es como sigue:

3.7.4. calculo estadistico t.

R n2
tc = (18)
1 R2
donde:
tc= valor del estadstico t calculado
n = numero total de datos
R = coeficiente de correlacion.

3.7.5. calculo t.

= 0,025 (19)
2
G.L.=n-2

Comparacion del tc con el tt

|T c| Tt (95 porciento) R (20)

11
R no es significativo en este caso, la tendencia no es significativa y no hay que
corregir.
|T c| > T t (95 porciento) R (21)
R si es significativo en este caso, la tendencia es significativa hay que corregir
la informacion de la tendencia en la media.

3.8. TRATAMIENTO DE DATOS

En los casos en que los parametros media y desviacion estandar de las sub-
muestras de las series de tiempo, resultan estadsticamente iguales, la informa-
cion original no se corrige, por ser consistente con 95probabilidad, aun cuando
en el doble masa se observe pequenos quiebres. En caso contrario, se corrigen
los valores.

4. PROCEDIMIENTO DE ANALISIS
4.1. REGRESION LINEAL SIMPLE
Los datos de la regresion se tomaron gracias al senhami, las cuales pertenecen
a 4 estaciones con un tiempo de recoleccion de 10 anos que son:Lunahuana,
Huangascar, Yauyos, Huancaya.

Figura 3: Estaciones elegidas para la regresion

12
4.1.1. PROGRAMACION EN R

La programacion sera en el lenguaje R por su simplicidad y manejo eficaz

en trabajos estadsticos, los pasos a seguir fueron:

1. Calculo del modelo matematico de regresion.

2. Tabla con contenido sobre la regresion y el error.
3. Graficos estadsticos.

4.1.2. MODELO MATEMATICO DE REGRESION

Dicho por modelo matematico de regresion es referente a la ecuacion de la

recta de regresion, la cual ya se tiene programado y solo se limitara a mostrar
los resultados.

La ecuacion sera finalmente:

4.1.3. TABLA DE REGRESION Y ERROR

La tabla se llenara de informacion sobre la regresion y el error para as poder

ver el grado influencia significativa que presenta una estacion con respecto a la
otra. El contenido que presenta es el siguiente:

1. Grados de Libertad.
2. Sumatoria de Cuadrados.
3. Los Cuadrados Medios.
4. Los Fs tanto el calculado como el de Fisher.

4.1.4. GRAFICOS ESTADISTICOS

Finalmente se puede mostrar todo lo hecho a traves de una grafica la cual

contenga los datos reales como los datos hallados por la recta de regresion.

4.2. ANALISIS DE CONSISNTENCIA

Los datos se obtuvieron de la web del docente a cargo,el cual se acomodo
a formato .txt para su mejor procesamiento,dicho archivo tiene el nombre de
DATOS EST MET.txt.

13
4.2.1. PROGRAMACION EN R

Ya se menciona que la programacion sera en el lenguaje R por su simplici-

dad y manejo eficaz en trabajos estadsticos, los pasos a seguir fueron:

1. Realizar el analisis visual grafico.

2. Realizar el analisis de doble masa.
3. Realizar el analisis estadsticos.

El programa se le enviara al correo del docente.

14
4.2.2. ANALISIS VISUAL GRAFICO

En el analisis de grafico se no puede observar la informacion dudosa con

claridad debido ala homogeneidad que presenta, pero se nota un elevado pico
que se bien se podra tatar de la ya mencionada informacion o por la accion de
un fenomeno climatologico que se presento en ese instante.

Figura 4: Grafica Precipitacion Mensual Vs Tiempo

4.2.3. ANALISIS DE DOBLE MASA

El analisis de doble masa sera sustituido por el analisis de la curva masa

debido a que solo se cuentan con datos de una misma estacion.

Por consiguiente se tiene.

15
 Figura 5: Grafica de la curva masa

De la grafica se puede observar que los quiebres ocurren a por los anos 2005
y 2010 como tambien a por los finales, pero como se cuentan escasos datos para
el segundo quiebre se trabajara con el primero que tambien tiene un gran grado
de significancia.

Con la ayuda del programa podemos encontrar desde donde empieza el quiebre,
los datos antes del quiebre como despues del quiebre los cuales vendrian a ser:

Ndp = 298 ; Numero de datos antes del quiebre.

Nds = 122 ; Numero de datos despues del quiebre.

4.2.4. ANALISIS ESTADISTICO

Despues de los dos pasos anteriores procedemos a realizar el analisis estadsti-

co de nuestros datos ayudados del programa.

16
Utilizando las formulas de variables estadsticas hallamos:

n1
& n1 
' 12
1 X 1 X  2
x1 = xi ; S1 (x) = Xi x1 (22)
n1 i=1 n1 1 i=1
n2
& n2 
' 21
1 X 1 X  2
x2 = xi ; S2 (x) = Xj x2 (23)
n2 j=1 n2 1 j=1
.

Media de los datos antes del quiebre =64.45044

Media de los datos despues del quiebre =87.1832
Desviacion Estandar de los datos antes del quiebre =54.61887
Desviacion Estandar de los datos despues del quiebre =81.49833

Para el calculo del Tc se haran los mismos pasos del programa con nuestros
datos y las respectivas ecuaciones.

X1 X2
Tc = (24)
Sd
  12
1 1
Sd = Sp + (25)
n1 n2
 12
(n1 1) S12 + (n2 1) S22

Sp = (26)
n1 + n2 2
.

Desviacion estandar ponderada =63.57936

Desviacion de las diferencias de los promedios =6.83365
T calculado =3.326591
T student =1.96
Grado de Libertad =418

17
 El criterio que se toma para la correccion de la media se vera ahora.

|T c| Tt (95 porciento) x1 = x2 (27)

en este caso siendo estadsticamente las medias iguales, no se debe de realizar

proceso de correccion

|T c| > Tt (95 porciento) x1 6= x2 (28)

en este caso siendo estadsticamente las medias diferentes, se debe de realizar

proceso de correccion.

TC Es mayor que el Tt la conclusion seria que las medias no son estadsti-

camente iguales por lo tanto necesitamos corregir los datos.

La consistencia de la desviacion estandar se rige por las siguientes formulas

que ya se implemetaron al programa.

S 21 (x)
Fc = , si S 21 (x) > S 22 (x) (29)
S 22 (x)
S 22 (x)
Fc = , si S 22 (x) > S 21 (x) (30)
S 21 (x)
F calculado =2.226445

GLN = Ndp-1 ; Grados de libertad del numerador si se cumple 29.

GLD = Nds-1 ; Grados de libertad del denominador si se cumple 29.

GLN = Nds-1 ; Grados de libertad del numerador si se cumple 30.

GLD = Ndp-1 ; Grados de libertad del denominador si se cumple 30.

GLN =121
GLD =297

Buscando los valores de la tabla de F. fisher encontramos el valor de

Ft=1.283

Ft <Fc se debe de realizar correccion

18
4.2.5. CORRECCION DE DATOS

La correcion de los datos es necesaria por lo ya visto, por lo tanto aplicando

las formulas se obtuvieron dos tablas una indica los datos corregidos de los
datos antes del quiebre y el otro los datos corregidos despues del quiebre.

Figura 6: Correccion de los 27 primeros datos antes y despues del quiebre

Se Puede Observar por los resultados que al corregir los datos antes del
quiebre nos genera precipitaciones negativas lo cual es erroneo, pero al corregir
los datos despues del quiebre no se presenta la negatividad de los datos y por
lo tanto nos quedamos con la segunda correccion.

19
5. CONCLUSION
1. Al completar los datos pluviometricsos de las estaciones faltantes se obser-
va un deficit al solo contar con solo 10 anos de datos motivo por el cual es
recomendable trabajar con muchos anos mas.

2. Los datos obtenidos de la regresion nos muestran solo una aproximacion

de lo que podra haber sido las precipitaciones reales pero con un grado
aceptable de similitud.

3. Realizamos el analisis de consistencia de tal forma que nos permitan iden-

tificar, evaluar y eliminar los posibles errores sistematicos que han podido
ocurrir, sea por causas naturales u ocasionadas por la intervencion de la
mano del hombre.
4. Las fallas en este tipo de analisis, son los causas del cambio a que estan
expuestas las informaciones hidrologicas, por lo cual su estudio y practi-
ca, es de mucha importancia para determinar los errores sistematicos que
puedan afectarlas.

5. No siempre se tendra que corregir los datos de una estacion antes de que
ocurra un desbalance en la reparticion de la precipitacion respecto al tiem-
po, como ya se vio en este caso los datos que se tendran que corregir seran
los que ocurren despues del desbalance el la curva masa.

20
6. BIBLIOGRAFIA
Barrow C. 1998. River basin development planning and management: a cri-
tical review. World Development 26(1): 171-186.

Donnell J.J; Woods R. 2004. On the need of catchment classification. Jour-

nal of Hydrology 299: 2-3pp.

Natural Resources Conservation System (NRCS) 2004.Federal Standards for

delineation of hydrologyc unit boundaries Priego Santander A., E. Isunza V.,
N. Luna G. Perez J.L. 2003.

Cuencas hidrograficas de Mexico a escala 1:250,000 (Metadato). Direccion de

Manejo Integral de Cuencas Hdricas, Direccion General de Investigacion en
Ordenamiento Ecologico y Conservacion de EcosistemasInstituto Nacional de
Ecologia (SEMARNAT)

Verdin K.L., Verdin J.P. 1999. A topological system for delineation and co-
dification of the Earths river basins. Journal of Hydrology 218: 1-12pp.

21
22