Sie sind auf Seite 1von 21
Análisis de Eventos Extremos DISTRIBUCIONES DE PROBABILIDAD 1
Análisis de Eventos Extremos
Análisis de Eventos
Extremos

DISTRIBUCIONES DE PROBABILIDAD

Análisis de Eventos Extremos DISTRIBUCIONES DE PROBABILIDAD 1

1

Período de retorno • La magnitud de un evento extremo está inversamente relacionada con su

Período de retorno

Período de retorno • La magnitud de un evento extremo está inversamente relacionada con su frecuencia

La magnitud de un evento extremo está inversamente relacionada con su frecuencia de ocurrencia

Las variables hidrológicas en análisis son series de tiempo, luego

la probabilidad de excedencia va asociada a una excedencia en el tiempo.

Período de retorno

Intervalo de recurrencia promedio entre eventos que igualan o exceden una magnitud específica.

Luego

de retorno Intervalo de recurrencia promedio entre eventos que igualan o exceden una magnitud específica. Luego

2

Análisis de frecuencia analítico Parámetros estadísticos Resumen las características de la población, y pueden

Análisis de frecuencia analítico

Parámetros estadísticos

Resumen las características de la población, y pueden estimarse a

partir de la información que proporciona la muestra.

Valor esperado Variabilidad
Valor esperado
Variabilidad

4

Análisis de frecuencia analítico Parámetros estadísticos Resumen las características de la población, y pueden

Análisis de frecuencia analítico

Parámetros estadísticos

Resumen las características de la población, y pueden estimarse a

partir de la información que proporciona la muestra.

Simetría
Simetría
características de la población, y pueden estimarse a partir de la información que proporciona la muestra.

5

Análisis de frecuencia analítico Parámetros estadísticos Resumen las características de la población, y pueden

Análisis de frecuencia analítico

Parámetros estadísticos

Resumen las características de la población, y pueden estimarse a

partir de la información que proporciona la muestra.

Curtosis
Curtosis

Leptocúrtica

estimarse a partir de la información que proporciona la muestra. Curtosis Leptocúrtica Platicúrtica Mesocúrtica 6

Platicúrtica

Platicúrtica
estimarse a partir de la información que proporciona la muestra. Curtosis Leptocúrtica Platicúrtica Mesocúrtica 6

Mesocúrtica

estimarse a partir de la información que proporciona la muestra. Curtosis Leptocúrtica Platicúrtica Mesocúrtica 6
estimarse a partir de la información que proporciona la muestra. Curtosis Leptocúrtica Platicúrtica Mesocúrtica 6

6

estimarse a partir de la información que proporciona la muestra. Curtosis Leptocúrtica Platicúrtica Mesocúrtica 6
Distribuciones de probabilidad Problema No conocemos f(x) y por tanto no podemos estimar probabilidades de

Distribuciones de probabilidad

Problema

No conocemos f(x) y por tanto no podemos estimar probabilidades de

ocurrencia y excedencia.

Solución

Debemos ajustar a una distribución de probabilidad el conjunto de

datos disponibles de la variable hidrológica

Método de los momentos

Método de máxima verosimilitud

Aplicar tests de bondad de ajuste para aceptar o rechazar la

distribución ajustada

Test χ 2

Test Kolmogorov-Smirnov

Distribuciones de probabilidad Distribuciones de probabilidad comúnmente utilizadas en Hidrología • Distribución

Distribuciones de probabilidad

Distribuciones de probabilidad comúnmente

utilizadas en Hidrología

Distribución Normal

Distribución log-Normal

Distribución Gumbel

Distribución Weibull

Distribución Gamma

Distribuciones Tipo Pearson y log-Pearson

Distribución Normal Función de densidad • No es integrable analíticamente. Se encuentra tabulada para la
Distribución Normal Función de densidad • No es integrable analíticamente. Se encuentra tabulada para la

Distribución Normal

Función de densidad
Función de densidad

No es integrable analíticamente. Se encuentra tabulada para la

variable normalizada

Se encuentra tabulada para la variable normalizada • Es simétrica respecto a μ • Admite valores

Es simétrica respecto a μ

la variable normalizada • Es simétrica respecto a μ • Admite valores negativos de la variable

Admite valores negativos de la variable aleatoria x

Podría ser utilizada cuando el promedio es muy grande y la desviación estándar pequeña

9

Distribución Normal Estadística de Precipitaciones máximas diarias Año P24 [mm] 1941 87,2 1942 74,4

Distribución Normal

Estadística de Precipitaciones máximas diarias

Normal Estadística de Precipitaciones máximas diarias Año P24 [mm] 1941 87,2 1942 74,4 1943

Año

P24 [mm]

1941

87,2

1942

74,4

1943

36,8

1944

77,4

1945

81,4

1946

43

1947

43

1948

41,2

1949

47

1950

67

1951

39,5

1952

85

1953

102

1954

49,6

1955

24

1956

44,8

1957

97,6

1958

53,2

1959

34,7

1960

40

1961

52,8

1962

86,4

1963

96,8

1964

47

1965

83,7

1966

54,4

1967 65

1967 65
1967 65 1968 16 1969 51 1970 62 1971 20,6 1972 64,6 1973 35,2 1974 43,7

1968

16

1969

51

1970

62

1971

20,6

1972

64,6

1973

35,2

1974

43,7

1975

74,3

1976

27,9

1977

33,8

1978

52,2

1979

75,8

1980

50,8

1981

112

1982

42,2

1983

56,5

1984

81,1

1985

31,7

1986

50,3

1987

90,8

Se tiene una estadística de 47 años de

precipitaciones máximas diarias.

¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm?

diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución

Según distribución normal

diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución

10

Distribución Lognormal • La aplicabilidad de la distribución normal es bastante reducida en hidrología. Sin

Distribución Lognormal

Distribución Lognormal • La aplicabilidad de la distribución normal es bastante reducida en hidrología. Sin embargo,

La aplicabilidad de la distribución normal es bastante reducida en hidrología.

Sin embargo, resulta conveniente el uso de transformaciones de la variable

original

Distribución Lognormal
Distribución Lognormal

Los parámetros se estiman en base a la muestra

• Los parámetros se estiman en base a la muestra • Requiere de estandarización, al igual
• Los parámetros se estiman en base a la muestra • Requiere de estandarización, al igual

Requiere de estandarización, al igual que la distribución normal

de estandarización, al igual que la distribución normal • Muy utilizada en hidrología La variable original

Muy utilizada en hidrología

La variable original x se recuperando

mediante la transformación inversa de y

Distribución Lognormal Estadística de Precipitaciones máximas diarias Año P24 [mm] 1941 87,2 1942

Distribución Lognormal

Estadística de Precipitaciones máximas diarias

Lognormal Estadística de Precipitaciones máximas diarias Año P24 [mm] 1941 87,2 1942 74,4 1943

Año

P24 [mm]

1941

87,2

1942

74,4

1943

36,8

1944

77,4

1945

81,4

1946

43

1947

43

1948

41,2

1949

47

1950

67

1951

39,5

1952

85

1953

102

1954

49,6

1955

24

1956

44,8

1957

97,6

1958

53,2

1959

34,7

1960

40

1961

52,8

1962

86,4

1963

96,8

1964

47

1965

83,7

1966

54,4

1967 65

1967 65
1967 65 1968 16 1969 51 1970 62 1971 20,6 1972 64,6 1973 35,2 1974 43,7

1968

16

1969

51

1970

62

1971

20,6

1972

64,6

1973

35,2

1974

43,7

1975

74,3

1976

27,9

1977

33,8

1978

52,2

1979

75,8

1980

50,8

1981

112

1982

42,2

1983

56,5

1984

81,1

1985

31,7

1986

50,3

1987

90,8

Se tiene una estadística de 47 años de

precipitaciones máximas diarias.

¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm?

diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución

Según distribución log-normal

diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
Distribuciones de Valores Extremos • Las series de datos utilizados en hidrología corresponden generalmente a

Distribuciones de Valores Extremos

Las series de datos utilizados en hidrología corresponden generalmente a series de valores extremos o de excedencias anuales.

Valores máximos o mínimos de un conjunto grande de datos.

Es conceptualmente válido aplicar a este tipo de series la Teoría de Valores Extremos

Se distribuyen de forma diferente que la población original

Distribución de Valor Extremo General

población original Distribución de Valor Extremo General Existen 3 tipos de distribuciones de valor extremo: •

Existen 3 tipos de distribuciones de valor extremo:

Tipo I o Distribución Gumbel (k=0)

Tipo II o Distribución Fretchet (k<0)

Tipo III o Distribución Weibull (k>0)

Distribuciones de Valores Extremos Distribución de Valores Extremos Tipo I Distribución Gumbel • Se obtiene

Distribuciones de Valores Extremos

Distribución de Valores Extremos Tipo I Distribución Gumbel

Se obtiene haciendo k=0 en la DVEG

Función de distribución
Función de distribución
Coeficiente simetría
Coeficiente simetría
Variable reducida Cuando el tamaño de la muestra tiende a
Variable reducida
Cuando el tamaño de la muestra tiende a

Al trabajar con series de valores extremos anuales se puede aceptar que cada

año es una muestra del cual el valor considerado es el máximo de un gran

número de eventos que pudo haber ocurrido ese año. Luego, se acepta que la muestra es grande.

No ocurre lo mismo con el número de muestras M, que corresponde al

número de años de estadística disponible.

Distribuciones de Valores Extremos Distribución de Valores Extremos Tipo I Distribución Gumbel • Cuando se

Distribuciones de Valores Extremos

Distribución de Valores Extremos Tipo I Distribución Gumbel

Cuando se trabaja con un número M finito de muestras, las constantes

teóricas deben reemplazarse por los valores de la variable reducida:

deben reemplazarse por los valores de la variable reducida: • Los valores de σ m y

Los valores de σ m y y m se obtienen de tablas, según el número de años de estadística disponibles.

Luego, se obtiene:

m y y m se obtienen de tablas, según el número de años de estadística disponibles.
m y y m se obtienen de tablas, según el número de años de estadística disponibles.
m y y m se obtienen de tablas, según el número de años de estadística disponibles.
Distribución Gumbel Se tiene una estadística de 47 años de precipitaciones máximas diarias. ¿Cuál es

Distribución Gumbel

Distribución Gumbel Se tiene una estadística de 47 años de precipitaciones máximas diarias. ¿Cuál es la
Distribución Gumbel Se tiene una estadística de 47 años de precipitaciones máximas diarias. ¿Cuál es la

Se tiene una estadística de 47 años de precipitaciones máximas diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm?

diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución

Según distribución Gumbel

diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
diarias. ¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm? Según distribución
Distribuciones de Valores Extremos Distribución de Valores Extremos Tipo III • La EVIII resulta de

Distribuciones de Valores Extremos

Distribución de Valores Extremos Tipo III

La EVIII resulta de postular que la variable en análisis está

acotada superiormente a un valor límite.

Función de distribución
Función de distribución

Tiene 3 parámetros, los que se pueden estimar mediante el cambio de variable:

distribución • Tiene 3 parámetros, los que se pueden estimar mediante el cambio de variable: Estructura
distribución • Tiene 3 parámetros, los que se pueden estimar mediante el cambio de variable: Estructura
distribución • Tiene 3 parámetros, los que se pueden estimar mediante el cambio de variable: Estructura

Estructura tipo EVI

Distribuciones de Valores Extremos Distribución de Valores Extremos Tipo III • Luego • Si •

Distribuciones de Valores Extremos

Distribución de Valores Extremos Tipo III

Luego

Si

de Valores Extremos Tipo III • Luego • Si • Se tiene una distribución tipo EVI,
de Valores Extremos Tipo III • Luego • Si • Se tiene una distribución tipo EVI,

Se tiene una distribución tipo EVI, con parámetros

III • Luego • Si • Se tiene una distribución tipo EVI, con parámetros • Además,

Además, γ debe satisfacer

III • Luego • Si • Se tiene una distribución tipo EVI, con parámetros • Además,
III • Luego • Si • Se tiene una distribución tipo EVI, con parámetros • Además,
Distribuciones de Valores Extremos Distribución de Valores Extremos Tipo III Distribución Weibull Si X se

Distribuciones de Valores Extremos

Distribución de Valores Extremos Tipo III Distribución Weibull

Si X se distribuye según EVIII, acotada superiormente por el parámetro

γ, entonces la variable X se distribuye según una EVIII, pero acotada

inferiormente por e valor límite γ, llamada distribución Weibull.

e valor límite – γ , llamada distribución Weibull. Comúnmente aplicada a series de valores mínimos.

Comúnmente aplicada a series de valores mínimos.

Los parámetros se obtienen de la misma forma que el caso anterior.

Distribución Gamma Distribución Gamma La distribución Gamma describe el tiempo que toma la ocurrencia de

Distribución Gamma

Distribución Gamma

Distribución Gamma Distribución Gamma La distribución Gamma describe el tiempo que toma la ocurrencia de un

La distribución Gamma describe el tiempo que toma la ocurrencia de un número α de eventos en un proceso de Poisson.

Función de densidad
Función de densidad
de eventos en un proceso de Poisson. Función de densidad Función Gamma Si α es un

Función Gamma

Si α es un entero positivo

de Poisson. Función de densidad Función Gamma Si α es un entero positivo Los parámetros pueden
de Poisson. Función de densidad Función Gamma Si α es un entero positivo Los parámetros pueden

Los parámetros pueden estimarse como

de Poisson. Función de densidad Función Gamma Si α es un entero positivo Los parámetros pueden

21

Distribución Gamma Distribución Gamma Coeficiente de simetría donde Se tiene una estadística de 47 años

Distribución Gamma

Distribución Gamma

Coeficiente de simetría

Gamma Distribución Gamma Coeficiente de simetría donde Se tiene una estadística de 47 años de
donde
donde

Se tiene una estadística de 47 años de precipitaciones máximas diarias.¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115 mm?

años de precipitaciones máximas diarias.¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115
años de precipitaciones máximas diarias.¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115
años de precipitaciones máximas diarias.¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115
años de precipitaciones máximas diarias.¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115
años de precipitaciones máximas diarias.¿Cuál es la probabilidad de que ocurra una precipitación mayor a 115

22

Comparación

Comparación 23
Comparación 23

23