Anda di halaman 1dari 36

ANALISIS DE FRECUENCIA EN

HIDROLOGIA
JULIAN DAVID ROJO HERNANDEZ

Probabilidad - Perodo de retorno y riesgo


La probabilidad de ocurrencia de un fenmeno en hidrologa puede
citarse de varias Formas:
El evento hidrolgico posee una probabilidad de ocurrencia del 2%
El evento hidrolgico se presenta una vez cada 10 aos.
Existe una relacin entre probabilidad de ocurrencia de un evento
hidrolgico y tiempo de recurrencia el fenmeno. Por ejemplo:

Si un suceso hidrolgico se presenta (en promedio) una vez cada 10


aos, su probabilidad de ocurrencia ser 0.1 (10%).
Si la probabilidad de ocurrencia de un determinado fenmeno hidrolgico
es de 0.04 (4%), significa que dicho fenmeno se presentar ( en
promedio) 4 veces en 100 aos, es decir, una vez cada 25 aos.

Perodo de retorno (Tr)


Se define el perodo de retorno, Tr, de un evento de
cierta magnitud como el tiempo promedio que
transcurre entre la ocurrencia de ese evento y la
prxima ocurrencia de ese evento con la misma
magnitud. Se define tambin como el tiempo que

transcurre para que un evento sea excedido o


igualado, al menos una vez en promedio. Si P es la
probabilidad de excedencia, entonces:

1
P=
Tr

Riesgo
Supngase que se calcula un cierto caudal para el periodo de retorno de 50 aos,
entonces la probabilidad de que se produzca dicho caudal este ao ser de 0.02
(1/50). Si este ao no se produce dicho caudal, La probabilidad de que se
produzca el ao siguiente sigue siendo 0.02. en cualquier ao la probabilidad es
0.02. Surge una pregunta: Cual es la probabilidad de que se presente
dicho caudal durante los prximos n aos?:
Probabilidad
Probabilidad
Probabilidad
Probabilidad
Probabilidad

de
de
de
de
de

que
que
que
que
que

un
un
un
un
un

suceso
suceso
suceso
suceso
suceso

de
de
de
de
de

periodo de
periodo de
periodo de
periodo de
periodo de

retorno T
retorno T
retorno T
retorno T
retorno T

se presente este ao.. 1/T


NO se presente este ao 1- 1/T
NO se presente en dos aos.(1- 1/T) (1- 1/T)
NO se presente en n aos..(1- 1/T)^n
SI se presente en n aos.. 1- (1- 1/T)^n

Entonces la probabilidad de que s se presente alguna vez un suceso


hidrolgico con periodo de retorno de T durante los prximos n aos se
denomina Riesgo.
n

R = 1 - 1
Tr

Ejemplo1: Se va a construir un canal cuya vida til es de 75


aos. Si el caudal supera el valor correspondiente al perodo de
retorno de 100 aos se desbordar. Cual es la probabilidad de
que se produzca algn desbordamiento en los prximos 75
aos.
n

75

1
1

R = 1 - 1 1 - 1
0.529 52.9%
Tr
100
Ejemplo2: Se esta diseando una obra cuya vida til se
estima en 50 aos y se admite que el riesgo de dao sea del
10%. Cual debe ser el periodo de retorno del caudal de
diseo? (Tarea)

Factor de frecuencia
Recordando el proceso de estandarizacin tpico de la distribucin normal, la
variable aleatoria estandarizada se defina como:

zi

xi

Por tanto se puede inferir que:

Y para una muestra poblacional:

x i zi
x i x zi sx

Es decir, el valor esperado de una variable aleatoria para para un


determinado periodo de retorno T (xt) depende de su media y ser
proporcional a su desviacin estndar, en general:

x T x k T sx
Donde la constante de proporcionalidad kt se conoce como factor de
frecuencia y depende, de la probabilidad de ocurrencia (el periodo de
retorno) y su fdp.

Intervalos de confianza
Cuando se desea hallar cualquier estadstico, por ejemplo la media,
generalmente se dispone de una muestra de tamao limitado.
Se quiere saber qu tan cercano puede estar ese estimado al
verdadero valor desconocido de la poblacin.
En otras palabras, se quisiera conocer con una cierta certeza
(probabilidad) la franja de valores entre los cuales se encontrara el
verdadero valor de la poblacin.
Franja grande: mucha incertidumbre.

: Nivel de confianza o nivel de probabilidad.


ST: Error estndar.

X i Z 1 / 2 S ET
El error estndar, ST, es una medida de la desviacin estndar de la
magnitud de un evento calculado a partir de una muestra respecto a la
verdadera magnitud del evento.

x K 2
1 +
SET =
2
N

1
2

Ejemplo: Caudales de ro Escondido


Cual es el caudal correspondiente a un TR=100 aos, si tienen una
distribucin normal. N=25 aos.
=283.5 m3/s

=24.8 m3/s
En este caso se puede escribir:
P= 1/Tr = 0.01
Fu(K) = 1 - P = 0.99

K= z = Fu-1 (0.99)

Tabla K=2.326

Q100 K 283.5 2.326 24.8


Q100 341.18
Intervalos de confianza para =5%:

x K
1 +
2
N

SET =

1
2

8.71

z1 / 2 z0.975 Tabla 1.96


X T z1 S ET 341.18 1.96 8.71 341.19 11.07

m3 / s

DISTRIBUCIONES DE
PROBABILIDAD EN EL ANLISIS DE
FRECUENCIAS

Distribuciones simtricas y asimtricas


Muchas variables naturales se ajustan a la distribucin simtrica
propuesta por Gaus. Sin embargo existen casos en los que no
existe la misma proporcin de los pequeos que de los grandes.
Dando como resultado una fdp asimtrica.

En hidrologa los caudales y las precipitaciones medias anuales


suelen ajustarse a la distribucin simtrica de Gaus. Pero los
caudales y las precipitaciones mximas o mnimas (extremos)
no. Estos ltimos suelen ajustarse a campanas asimtricas

Distribuciones de probabilidad para


anlisis de frecuencias.
Los matemticos han encontrado para nosotros las ecuaciones de
muchas de las campanas asimtricas.
Distribuciones Asimtricas continuas:
Distribucin General de Valor Extremos (Gumbel)
Distribucin Gamma (Pearson)
Distribucin Log Normal
Distribucin Log Gumbel
Distribucin Log Pearson.
Para cada distribucin existen ecuaciones que permiten determinar
el factor de frecuencia para un determinado Tr y su respectiva
banda de error.

Distribucin General de Valor Extremo


Los valores extremos son valores mximos y mnimos seleccionados de
un conjuntos de datos.
Las distribuciones de valores extremos seleccionados de conjuntos de
muestras de cualquier distribucin de probabilidad convergen en una
de las tres formas de distribucin de valor extremo, llamadas:
Tipo I: Gumbel
Tipo II: Frechet
Tipo III: Weibull
Funcin de Distribucin de probabilidad para la GEV
1/

x
F(x) = exp - 1 -


Donde:
, y son parmetros que deben ser determinados.
Los tres casos limitantes son:

1.

= 0 Distribucin de Valor Extremo Tipo I (Gumbel)

f(x) =
Rango:

x-
x -
exp - exp

- x

Estimacin de parmetros:

6
x 0.5772

2. < 0 Distribucin de Valor Extremo Tipo II (Frechet)


1/

x
f(x) = exp - 1 -


Rango:

( / ) x

3. > 0 Distribucin de Valor Extremo Tipo III (Weibull)


1/

x
f(x) = exp - 1 -


Rango: x ( / )

Distribucin Gumbel
La fda y el factor de frecuencias es:

x
F(x) exp - exp
x

K=

0.577 + lnlnTr - lnTr - 1

Intervalos de confianza: Que tan cercano puede estar el estimado al


valor verdadero desconocido de la poblacin.

X T u1- 2 S T
: Nivel de confianza o nivel de probabilidad
ST: Error estndar
^

ST =

= 1 + 1.1396K+ 1.1K

2 1/2

Como ajustar la fda de la distribucin


Gumbel a una muestra de datos (Fcil)
Mtodo 1: (rpido, buenos resultados)

F(x) exp - exp ax b x


Siendo:

1.2825 b X 0.45S x
a
Sx
Mtodo 2: (EL mejor, mas preciso)

F(x) exp - exp c


c a x b
a

y
Sx

b X

y
a

Ejemplo 1: Gumbel
De una serie de 55 caudales extremos se sabe que su media es
21.97 m3/s y la desviacin estndar es de 13.22 m3/s.
a) calcular la probabilidad de que se supere un caudal de 60
m3/s.
b) Cul caudal se superar el 1% de los aos?.
Por el mtodo 1)

Ejemplo 3 : Distribucin Gumbel


Los caudales mximos del rio Nare tienen una
distribucin Gumbel, determinar el caudal con Tr de
100 aos si se sabe que el valor medio es de los
mximos es de 94.35 y su desviacin de 22.45 y sus
intervalos de confianza
K 100

KTr=100 = 3.13

0.577 lnlnT R ln(T R 1)

Ejemplo: Distribucin Gumbel


QTr 95ST

ST =

= 1 + 1.1396K+ 1.1K 2

1/2

Intervalos de confianza:

= 3.91
ST = 14.62
QTR 1.6*14.62
141.4 164.77 188.17 m3/s

Distribucin Gamma (2 Parmetros)


Una de las mas usadas en Hidrologa.

Crecientes mximas anuales


Caudales mnimos
Volmenes de flujo anuales y
estacionales
Valores de precipitaciones extremas
Volmenes de lluvia de corta
duracin

Tiene 2 3 parmetros (Pearson Tipo


III).

-1

1
x -x
f(x) =
e
| | ( )

Parmetros y Factor de frecuencia


(Parmetro de escala)
> 0 (Parmetro de forma)
() es la funcin Gamma completa

() = z-1 e-z dz

Estimacin de parmetros: Mtodo de los momentos

=
2 = 2

Distribucin Gamma 3
Parmetros(Pearson Tipo III)
Funcin de distribucin de probabilidad
-1

1
x - xo
x - xo
f(x) =

exp
| | ()

Funcin de densidad acumulada

1
P ( X x)
( )

X x x0

x x0

Parmetros
y , parmetros de escala y forma respectivamente.
xo parmetro de localizacin.

() = z-1 e-z dz
0

dx

Parmetros e Intervalos de confianza (Funcin


Gamma)
Estimacin de Parmetros: Mtodo de los momentos

2
=

0 =

Que tan cercano puede estar el estimado al verdadero valor


desconocido de la poblacin: Conocer con cierta certeza. Franja
grande: mucha incertidumbre.

X T u1 2 S T
: Nivel de confianza o nivel de probabilidad
ST: Error estndar

ST =
N

Tabla Factor de frecuencia


Pearson tipo III

Valores de para la Distribucin Gamma


Pearson tipo III

Ejemplo: Distribucin Gamma


Hallar el QTR=100. Si la distribucin de los caudales de la estacin de Nare

es Gamma.
= 94.35 m3/s y = 22.45 m3/s, = 0.845
Y = 4.52 y Y = 0.2337, Y = 0.0069
De tabla:

K = 2.32
QTR=100 = 94.35 + 2.32*22.45 = 146.4

Intervalos de confianza:

XT u1 2 ST

De tabla =4.7, N= 36 datos.

ST
N
De tabla 95=1.6

ST = 17.6
146,4 1.6*17.6
146.4 28.16 m3/s

Distribucin Log Normal


En general, cuando la variable aleatoria X es el producto de un gran
nmero de otras variables aleatorias, la distribucin de los logaritmos
de X puede aproximarse a la Normal, ya que los logaritmos de X son la
suma de los logaritmos de los factores contribuyentes.
Si se tiene una variable aleatoria X y ln X = Y, se ajusta a una
distribucin Normal, se dice que la variable aleatoria X es log
normalmente distribuida.
Funcin de Distribucin de Probabilidad

Asumiendo Y = loga (X)

1
1 y - y
f(x) =
exp 2
2
y x 2

Parmetros y Factor de frecuencia


Media (Parmetro de escala)
Desviacin estandar (Parmetro de forma)
Estimacin de parmetros: Mtodo de los momentos
1 N

Y loga ( X i )
N i1

ln X T = y + K y

12

1 N
2

log
(
X
)

Y
a i Y
N i1

K es la misma de la distribucin normal

Si se quiere trabajar con la variable no transformada en el campo


logartmico se tiene que:

ln 1 + Cv 2
2 1/2
expK T ln 1 + Cv -
- 1
2

K=
Cv

-1

K T = Fu 1

F u 1

Tr

Es el inverso de la funcin de distribucin Normal


estandarizada acumulada y Cv es el coeficiente
de variacin

Intervalos de confianza
: Nivel de confianza o significancia
ST: Error estndar

Y
ST =
N

ln X T u1- 2 S T
1/2

K
= 1 + T
2

Ejemplo: Distribucin Log Normal


La media y desviacin estndar de los Qmax anuales de la estacin
del ro Nare son:
=94.35 m3/s y =22.45 m3/s
Y=4.52 y Y=0.2337

Hallar el QTR=100 si los Qmax tienen una distribucin Log Normal.


K=2.326
QY

Tr=100=4.52+2.326*0.237

QTr=100=159 m3/s

Intervalos de Confianza: Ln(QTR=100) 95ST

Es un intervalo de dos colas, con una probabilidad en cada una de


5%
2 1/2

Y
K T
=

=
1
+
ST

2
N

=1.92
ST=0.075
4.94 QY 5.14

5.0711.6*0.075
139159 170 m3/s

Distribucin Log Pearson Tipo III


Funcin de distribucin de probabilidad
1
ln(x) - y o
f x (x) =

x ()

-1

ln(x) - y o
-

Parmetros

y , parmetros de escala y forma


y yo parmetro de localizacin

Estimacin de Parmetros
Mtodo de los momentos

=
y
2

y0

Factor de Frecuencia:

Y T = ln X T =
y + K
y
Intervalos de Confianza: Que tan cercano puede estar el
estimado al verdadero valor desconocido de la poblacin: Conocer
con cierta certeza. Franja grande: mucha incertidumbre.

X T u1- 2 S T
: Nivel de confianza o nivel de probabilidad
ST: Error estndar

ST =
N

ln XT 1 / 2ST