ANALISIS DE FRECUENCIA EN

HIDROLOGIA

Luis F. Carvajal Julin D. Rojo
Universidad Nacional de Colombia
Facultad de Minas
Escuela de Geociencias y Medio Ambiente


Introduccin
1. Los eventos hidrolgicos no son gobernados por leyes
fsicas, sino por leyes del AZAR. Son fenmenos
ERRATICOS, COMPLEJOS y de NATURALEZA ALEATORIA.
2. El conocimiento de la Hidrologa es bsico para el diseo
en la ingeniera (definicin de condiciones crticas).
3. La definicin del comportamiento hidrolgico requiere:
Anlisis probabilsticos y estadsticos basados en registros
histricos.
4. Hidrologa trata con VARIABLES ALEATORIAS.
Variables
VARIABLE ALEATORIA (v.a): Variable cuyo
comportamiento no puede predecirse con certidumbre.
v.a Discreta: Solo puede tomar valores
especficos. La ley de probabilidades asocia
medidas de probabilidad a cada posible ocurrencia
de la v.a.
v.a Continua: Si puede tomar todos los valores en
un rango de ocurrencia. La ley de probabilidades
asocia medidas de probabilidad a rangos de
ocurrencia de la v.a.

La informacin histrica de una variable hidrolgica representa una
MUESTRA de la POBLACIN.





1. ANLISIS PROBABILSTICO: Anlisis de POSIBLES
Leyes de Probabilidad que describan comportamiento de la
poblacin.
2. ANLISIS ESTADSTICO: Se hacen inferencias sobre
la variable (Poblacin) usando la MUESTRA
Datos=muestra
Poblacin
Problema importante
Interpretacin de registros histricos
INFERIR la Ley de Probabilidades de la
Variable hidrolgica de inters:
ANALISIS DE FRECUENCIA

Tipos de anlisis
DESCRIPTIVO: Este se realiza sin ninguna referencia a su
POBLACIN. Se calculan propiedades estadsticas (aplicacin
mtodos estadsticos). Poca decisin y poco RIESGO.
INFERENCIA: Se analiza la muestra para inferir las
propiedades de la poblacin, lo cual ayuda a derivar
caractersticas probabilsticas. Implica mucho RIESGO.

Estadstica en Hidrologa
1. Interpretacin de observaciones
2. Anlisis de la calidad de la informacin
3. Inferencia sobre el comportamiento de la variable
4. Extraccin del mximo de informacin de los
registros
5. Informacin en grficas tablas, ecuaciones para
toma de decisiones en el planeamiento en R.H.

Eventos extremos







Ro Carraipa, Octubre
a Noviembre
Ro Carraipa, Enero a
Septiembre
Video: creciente
Conceptos de Probabilidad
1. Mtodos estadsticos: Basados en principios matemticos que
describen la variacin aleatoria de un conjunto de
observaciones de un proceso. Importan los datos en s mas
que el proceso fsico que los produjo.

2. Una variable aleatoria X est descrita por una distribucin de
probabilidad. La distribucin especifica la probabilidad de que
una observacin x de la variable, est en un rango especificado
de X.

3. Si una muestra de n observaciones tiene n valores en el rango
del evento A, entonces la frecuencia relativa de i es: ni/n

Axiomas
Probabilidad de ocurrencia de un evento

1. Axiomas:

Probabilidad de un evento cierto
X
1
y X
2
independiente y mutuamente excluyentes


Eventos independientes: Si la probabilidad de ocurrencia de uno
no se ve afectada por la ocurrencia del otro.
Eventos mutuamente excluyentes: Cuando la ocurrencia de
uno imposibilita la ocurrencia del otro.

1 P 0
i
s s
1 P
1 i
i
=

o
=
n
m
) x X ( P = =
) X ( P ) X ( P ) X X ( P
2 1 2 1
+ =
Principios de la Probabilidad
2. Probabilidad Total
Espacio muestral O dividido en m eventos, A
1
, A
2
, , A
m
, entonces:


Teorema de la Probabilidad Total
1 ) ( .... ) ( ) (
2 1
= + + +
m
A P A P A P


P(A) = P(A/E1)+ P(A/E2)+P(A/E3)+P(A/E
i
)
E1 E2 E3 E4
A
3. Complementariedad

Si es el complemento de , entonces:


4. Probabilidad Condicional



Si y son independientes: ) ( ) / ( B P A B P =
A A O =
A
A
) ( 1 ) ( A P A P =
) (
) (
) / (
A P
B A P
A B P

=
) ( ) ( ) ( B P A P B A P =
B A
Funciones de Probabilidad y Frecuencia
Histograma de frecuencia




Funcin de frecuencia relativa




Estimado de:

La probabilidad de que la v.a. caiga en el intervalo:
n
n
x f
i
i s
= ) (
) (
i i
x X x x P < < A
| |
i i
x x x , A
Funcin de frecuencia acumulada




Estimado de Probabilidad acumulada de

Funcin de frecuencia relativa (FFR): cuando fdp

Funcin de frecuencia acumulada (FFA): cuando fda

=
=
i
j
j s i s
x f x F
1
) ( ) (
n
) (
i
x X P <
i
x
0 Ax
x
x f
x f
s
x
n
A
=
A

) (
lim ) (
0
Tambin








) ( ) (
) ( ) (
) ( ) ( ) (
1

=
< < A =
= = <
}
i i
i i i
x
x F x F
x X x x P x P
u f x F x X P
) ( lim ) (
0
x f x f
s
x
n
A

=
dx
x dF
x f
) (
) ( =
FFR, FFA y fdp son adimensionales.

Tiene dimensiones de y varia sobre el


rango .


representa la derivada o


concentracin de probabilidad en el intervalo .
dx
x dF
x f
) (
) ( =
dx x f x dF ) ( ) ( = ) (x f
| | dx x x + ,
| | , 0
1
x
Distribucin Normal


Variable normal estandarizada
2
2
2
) (
2
1
) (
o

=
x
e x f
o
) (
=
x
z
}

=
< < =
z u
z
du e z f
z e x f
2
2
2
2
2
1
) (
2
1
) (
t
t
USOS DE LA NORMAL
Aproximar la distribucin de probabilidades de
errores aleatorios .

Comparar distribuciones: las propiedades de una
muestra de variables no normales pueden
compararse con las de variables normales.

Muchos estadsticos pueden ser normalmente
distribuidos, como, por ejemplo, la media de la
mayora de las variables hidrolgicas.
DISTRIBUCIN NORMAL
FDP :



Parmetros: Media y desviacin estandar. La asimetria = 0.
Media = Moda = Mediana
x
2
2
x
2
) (x
x
X
e
2
1
(x) f

=
x x
)/ (x =
d
e
2
1
= (u) F
e
2
1
= (u) f
2
w
-
-
u
2
u
-
u
2
2
}

La variable u es llamada variable estandarizada

media cero y desviacin estndar uno
USOS DE LA TABLA
USOS TABLA
Estimacin de Parmetros
El mtodo de los momentos fue desarrollado
en 1902 por Karl Pearson. El consider que un
buen estimativo de los parmetros de una
distribucin de probabilidades es aqul para el
cual los momentos de la funcin de densidad
de probabilidades son iguales a los momentos
correspondientes de la muestra.
ESTIMACIN DE PARMETROS

=
=
N
i
i
x
N
1
1

2 / 1
)

(
1

o = =

N
i
x
N
Secuencia de Bernoulli
Ocurrencia de un evento o recurrencia de este en una secuencia
repetida de ensayos.

Qmax en una serie de caudales, para el diseo.

Este tipo de problemas tienen dos resultados: ocurrencia y no
ocurrencia de un evento.

La secuencia de Bernoulli:

1. Cada ensayo tiene dos resultados: falla o xito.
2. La probabilidad de ocurrencia de un evento en cada ensayo es
constante.
3. Los ensayos son estadsticamente independientes.
Distribucin Binomial
Si la probabilidad de xito u ocurrencia es p y (1 p) es la
probabilidad de falla o no ocurrencia, entonces la probabilidad de
ocurrencia entre n ensayos es una secuencia de Bernoulli est
dada por:




Donde:
( ) n x P P
x
n
x X P
x n
x
..., , 2 , 1 , 0 1 ) ( =
|
|
.
|

\
|
= =

( ) | | ! !
!
x n x
n
x
n

=
|
|
.
|

\
| Coeficiente binomial
Ejemplo
Sistemas de Proteccin contra inundaciones
P(h>ho) = 0,1. Cualquier ao. Cual es la probabilidad de que el nivel
ho sea excedido una vez en los prximos 5 aos?

Secuencia de Bernoulli. ho es lo suficiente alto de tal forma que no
hay probabilidad de que este sea excedido ms de una vez al ao. El
nmero de excedencias de ho.
Distribucin Bernoulli
x: Numero de excedencia de ho




Los prximos 5 aos.

( ) 328 . 0 9 . 0 ) 1 . 0 (
1
5
) 1 (
4
1
=
|
|
.
|

\
|
= < X P
Cual es la probabilidad de que haya a lo sumo una excedencia del
nivel ho (una o ninguna) en los prximos 5 aos?
( ) ( )
918 . 0 328 . 0 590 . 0
9 . 0 ) 1 . 0 (
1
5
9 . 0 ) 1 . 0 (
0
5
) 1 ( ) 0 ( ) 1 (
4
1
5
0
= + =
|
|
.
|

\
|
+
|
|
.
|

\
|
=
= + = = < X P X P X P
Distribucin Geomtrica
En una secuencia de Bernoulli, el nmero de ensayos hasta que un
evento especfico ocurra por primera vez es modelado por la
distribuciones geomtrica.

xito ensayo tth
Falla en los t 1 ensayos

Si T v.a. apropiada:



Periodo de retorno Tiempo de recurrencia promedio.


.... , 2 , 1 ) (
1
= = =

t pq t T P
T
Perodo de retorno: Es el tiempo entre ocurrencias de X x
T
. El
periodo de retorno (T) de el evento X > x
T
es el valor esperado de
T, E(T), su valor promedio medido sobre un gran nmero de
ocurrencias.

Periodo de retorno: Intervalo promedio de recurrencia entre
eventos que son iguales o mayores que una magnitud especificada.

P=P (X x
T
)

Para cada ocurrencia u observacin:
xito X X
T
p (Probabilidad de excedencia)
Falla X < X
T
q=1 p (Probabilidad de no excedencia)
Periodo de retorno
La probabilidad del intervalo de recurrencia de duracin T es:
(1 p)
T 1
p. El valor esperado de T, tiene la siguiente expresin:






Expansin en series de potencia:




con x=-(1 - p) y n=-2

...] ) 1 ( 3 ) 1 ( 2 1 [
.... ) 1 ( 3 ) 1 ( 2
) 1 ( ) (
2
2
1
1
+ + + =
+ + + + =
=

p p p
p p p p p
p p T T E
T
T
...
3
) 2 )( 1 (
2
) 1 (
1 ) 1 (
3 2
+
(

+
(

+ + = + x
n n n
x
n n
nx x
n
Periodo de retorno
Reescribiendo:



Donde
p: Es la probabilidad de ocurrencia o de excedencia.
Se define el Riesgo de un diseo como la probabilidad de que
la avenida para la cual se disea la obra sea excedida.



La confiabilidad se define como el complemento del Riesgo:

Confiabiliad (a) = 1-R

| |
p
T
p
p
p
T E
1
1
) 1 ( 1
) (
2
=
=

=
r
T
T
x X P
1
) ( = >
Riesgo
)
T
1
- (1 - 1 = R
n
r
Ejemplo
Si el caudal de diseo de un puente tiene un periodo de
retorno de 100 aos. Cual es la probabilidad de que el
caudal de diseo sea igualado o superado al menos una
vez en N aos?




Situacin donde no hay evento de periodo de retorno T.

P(X < x
T
cada ao por N aos) = (1 p)
N
01 . 0
100
1 1
= = =
T
p
El complemento de esta situacin es el caso requerido.


P(X x
T
) = 1 (1 p)
N
donde p=1/Tr


Calcular la probabilidad de que el Q del ro exceda los 100 m
3
/s
(T
r
= 100 aos) durante los prximos 5 aos?





049 . 0
100
1
1 1
1
1 1 ) (
5
=
|
.
|

\
|
=
|
|
.
|

\
|
= >
N
r
T
T
x X P