Anda di halaman 1dari 6

Curso: Hidrologa

I-Semestre 2016

Grupo: A

ANLISIS DE DISTRIBUCIN DE FRECUENCIAS

El objetivo del anlisis de frecuencia de informacin hidrolgica es


relacionar la magnitud de los eventos extremos con su frecuencia de
ocurrencia mediante el uso de distribuciones de probabilidad (Chow,
Maidment y Mays 1994).
Las distribuciones tericas utilizadas en un estudio hidrolgico, son:

Distribucin Normal
Distribucin Log-Normal 2 Parmetros
Distribucin Log-Normal 3 Parmetros
Distribucin Pearson Tipo III
Distribucin Log Pearson Tipo III
Distribucin Gumbel o extremo Tipo I

Para estimar la probabilidad de ocurrencia P de cada uno de los


eventos extremos de la muestra en anlisis, se usa el orden de sus
posiciones en una serie ordenada. En la literatura hidrolgica estas
estimaciones son conocidas como posiciones graficas (McCuen R. H.,
1999).
Se han propuesto varias frmulas para la posicin grfica de series
de registros, las cuales son en su gran mayora de carcter emprico,
con la frmula planteada por Weibull ecuacin (2.11), debido a su gran
aplicacin para las 6 distribuciones probabilsticas antes mencionadas
y adecuada atenuacin de la incertidumbre en modelos hidrolgicos.
=

(2.10)


: Probabilidad de ocurrencia ( )
: Periodo de retorno (aos)
La ecuacin planteada por Weibull(1939) es:
=

+1


: Probabilidad de ocurrencia ( )
: Nmero de orden ( )
: Nmero de registros ( )

(2.11)

a) Distribucin Normal

Funcin de distribucin de probabilidad normal (Chow, Maidment y


Mays 1994):
x

F ( x)

1 x


1
e 2
2

dx

(2.12)

Dnde:
: Variable aleatoria.
: Media aritmtica.
: Desviacin estndar.
: Funcin exponencial con base .
Para resolver esta funcin se le asigna una variable estandarizada :
x
(2.13)
z

Una caracterstica fundamental de la distribucin normal estndar es


que tiene = 0 y = 1 , es decir:
z

N (0,1)
z

F ( z)

z2
2

dz

(2.14)

b) Distribucin Log Normal 2 Parmetros

La variable aleatoria a evaluar es el logaritmo natural de registros, que


se distribuyen en forma log normal con la funcin de densidad de
probabilidad (Chow, Maidment y Mays 1994):

F ( x)

1 ln x

1 1 2
e
2 x

(2.15)

Dnde:
: Parmetro de escala o media
: Parmetro de forma o variancia
Para resolver dicha funcin se le asigna una variable estandarizada

ln x
(2.16)

Coeficientes de varianza:

Cv e 1

(2.17)

Coeficiente de asimetra:

g 3Cv Cv3 (2.18)


Y la funcin de distribucin de probabilidades ser:
x

1 1 12 ln x
F ( x)
e
dx
2

0
2

(2.19)

Para evaluar la variable se utilizaran las tablas de la distribucin


normal estndar.
c) Distribucin Log Normal 3 Parmetros

Esta difiera de la distribucin Log-normal de dos parmetros por la


introduccin de un lmite inferior 0 como ln( 0 ) segn (Chow,
Maidment y Mays 1994) la funcin de densidad de es:

F ( x)

x x0

1 ln x x0

2

, para > 0

(2.20)


0 : Parmetro de posicin
: Parmetro de escala o media
: Parmetro de forma o variancia
Los momentos de , pueden obtenerse de los correspondientes
momentos de la distribucin Log-normal de 2 parmetros, debido a que
las variables aleatorias difieren solo en el parmetro de posicin 0 .

x x0 H (2.21)
:
: Variable aleatoria con distribucin Log-normal de 3 parmetros
: Variable aleatoria con distribucin Log-normal de 2 parmetros
0 : Parmetro de posicin
Para resolver dicha funcin se le asigna una variable estandarizada :
ln( x x0 )
(2.22)
z

El coeficiente de asimetra est dado por:


2

g (e 1)(e 2)

(2.23)

Y de forma aproximada puede ser:

g 0.52 4.85 2 (2.24)

d) Distribucin Pearson Tipo III

Karl Pearson (1953), propuso dicha distribucin de frecuencias, su


funcin de densidad probabilidad se define como (Campos Aranda
1998):

F ( x)

1
1
x x0 e ( x x0 )/
( )

(2.25)

:
0 : Media aritmtica de registros.
: Varianza de registros.
: Variable aleatoria
Variable reducida:
Y

x x0

(2.26)

De lo anterior, la funcin de distribucin probabilstica:

Y 1eY
F (Y )
dz (2.27)

)
0
z

( ) : Funcin gamma de la variable aleatoria.

Los parmetros de escala, forma y coeficiente de asimetra por el


mtodo de momentos son:
: Parmetro de escala.

x0

(2.28)

2 : Parmetro de forma.
2 2 (2.29)

: Coeficiente de asimetra.

(2.30)

e) Distribucin Log Pearson Tipo III

La transformacin puede ser: = ln o = ln( 0 ) donde:


: Es la variable aleatoria con distribucin Pearson III
: Es la variable aleatoria con distribucin Log-Pearson III
La funcin de distribucin de densidad para (Mejia Marcacuzco 2006),
es:

( z z0 ) 1 e
F (Z )
( )
0
z

z z0

dz , para > 0 (2.31)


0 : Parmetro de posicin
: Parmetro de escala
: Parmetro de forma
De acuerdo a la distribucin Pearson Tipo III:

x z x0

(2.32)

Y en el caso de la distribucin Log-Pearson Tipo III:


x eZ

x x0 eZ (2.33)

La media, variancia y el sesgo para la distribucin Log-Pearson Tipo III


son:
Media:

Z z0

(2.34)

Varianza:

Z 2 2
Coeficiente de asimetra o sesgo:
2
g

(2.35)

(2.36)

f) Distribucin Gumbel

La distribucin Gumbel extremo tipo I, es usada frecuentemente para


el estudio de magnitud-duracin y frecuencias de lluvias y como para
tambin de la distribucin de valores mximos de caudales anuales de
un ro. Gumbel en 1958, estudio la aplicacin para datos de descargas
diarias.
La funcin de densidad de probabilidad para la distribucin de valores
Gumbel es segn (Chow, Maidment, & Mays, 1994).

F ( x)

x x

(2.37)

Donde:
El signo (+) se aplica para valores mnimos.
El signo () para valores mximos.
: Es el parmetro de escala.
: Es el parmetro de posicin.
La media y la variancia y el coeficiente de asimetra de la distribucin de
valores extremos Tipo I o Gumbel.
Media para valores mximos:
E ( X ) 0.577 (2.38)

Variancia para ambos:

2 1.645 2 (2.39)
Coeficiente de asimetra para valores mximos:
g 1.1396 (2.40)
Se hace la transformacin estandarizada:
x
(2.41)
Y

La funcin densidad ser:

F (Y ) e( Y e

(2.42)
De donde la funcin de distribucin acumulada para valores mximos ser:

F (Y ) e e

(2.43)
Los estimadores para los parmetros y , por el mtodo de momentos
segn (Campos Aranda 1998) son:
S
(2.44)

1.283
Para valores mximos "" es:
X 0.45S (2.45)
Segn Lower y Nash, el mtodo de momentos da resultados satisfactorios
en el clculo de estos parmetros, ya que las ecuaciones de mxima
verosimilitud para el estimado de los parmetros no tiene solucin
explicita, por lo que es necesario una solucin numrica.