Ir al Formato de presentacin

[Conceptos de Estadsticas] [Anlisis de frecuencia] [Frecuencia de bajo

flujo] [sequas] [preguntas] [Problemas] [Referencias]

Captulo 6:
Anlisis de frecuencia
"Si se reduce la carga de sedimentos en una corriente, el equilibrio puede ser restaurado si la descarga de
agua o la pendiente del fondo
se reducen, o si el dimetro de sedimentos aumenta la cantidad adecuada." Emory W. Lane (1955)

Este captulo est dividido en tres secciones. Seccin 6.1 contiene una revisin de las estadsticas y los conceptos de
probabilidad tiles en la hidrologa de ingeniera. Seccin 6.2 se describen las tcnicas de anlisis de frecuencia de
crecidas. Seccin 6.3 se describe la frecuencia de bajo flujo y la sequa.

6.1 CONCEPTOS DE ESTADISTICAS

 [Anlisis de frecuencia] [Frecuencia de bajo flujo] [sequas] [preguntas] [Problemas] [Referencias] [Inicio]

Introduccin

El trmino anlisis de frecuencia se refiere a las tcnicas cuyo objetivo es analizar la incidencia de las variables
hidrolgicas dentro de un marco estadstico, es decir, mediante el uso de los datos medidos y basar las
predicciones sobre las leyes estadsticas. Estas tcnicas son aplicables al estudio de las propiedades
estadsticas de ninguna de las series de escorrenta (flujo) o precipitaciones. En la hidrologa de ingeniera, sin
embargo, el anlisis de frecuencia se utiliza comnmente para calcular los caudales de avenida.

En principio, las tcnicas de anlisis de frecuencia son aplicables a las cuencas gaged con largos perodos de
registro de caudal. En la prctica, estas tcnicas son principalmente usados para las grandes cuencas, ya que
estos son ms propensos a ser amordazada y tienen perodos de grabacin ms largos. El anlisis de frecuencia
es tambin aplicable a las cuencas de tamao medio, siempre que la longitud de registro es adecuada. Para
cuencas ungaged (ya sea de tamao medio o grande), el anlisis de frecuencia se puede utilizar en un contexto
regional para desarrollar caractersticas de flujo aplicables a regiones hidrolgicamente homogneas . Estas
tcnicas comprenden lo que se conoce como anlisis regional (Captulo 7).

La pregunta que debe responderse mediante anlisis de frecuencia de caudales puede enunciarse de la
siguiente manera: Dadas n aos de registros de caudales diarios de flujo S , cul es el mximo (o mnimo) de
flujo Q que es probable que se repita con una frecuencia de una vez en T aos en la media?O bien, cul es
el caudal mximo Q asociado con una T periodo de retorno -Ao? Por otra parte, el anlisis de frecuencia trata
de responder a la pregunta inversa: Cul es el perodo de retorno T asociado con un mximo (o mnimo) de
flujo Q ?

En trminos ms generales, las preguntas anteriores pueden expresarse de la siguiente manera: Dadas naos
de datos de caudal de flujo S y L aos de vida de diseo de una cierta estructura, cul es la probabilidad P de
una descarga Q se supere por lo menos una vez durante el vida de diseo L ? Por otra parte, cul es la
descarga Q que tiene la probabilidad P de ser excedido durante la vida de diseo L ?

Variables aleatorias

El anlisis de frecuencia utiliza variables aleatorias y distribuciones de probabilidad. Una variable aleatoriasigue
una cierta distribucin de probabilidad. Una distribucin de probabilidad es una funcin que expresa en trminos
matemticos la oportunidad relativa de ocurrencia de cada uno de todos los posibles resultados de la variable
aleatoria. En la notacin estadstica, P ( X = x 1 ) es la probabilidad P de que la variable aleatoria X toma el
resultado x 1 . Una notacin ms corta es P ( x 1 ).

Un ejemplo de azar distribucin variable y probabilidad se muestra en la Fig. 6-1. Se trata de una distribucin de
probabilidad discreta debido a los posibles resultados se han organizado en grupos (o clases). La variable
aleatoria es la descarga Q ; los posibles resultados son siete clases de descarga, de 0-100 m 3 / s de 600-700
m 3 / s. En la Fig. 6-1, la probabilidad de que Q est en la clase de 100-200 m 3 / s es de 0.25. La suma de las
probabilidades de todos los resultados posibles es igual a 1.
 Figura 6-1 distribucin de probabilidad discreta.

Una distribucin discreta acumulativo, correspondiente a la distribucin de probabilidad discreta de la fig.6-1, se

muestra en la Fig. 6-2. En esta figura, la probabilidad de que Q est en una clase inferior o igual a la de 100-200
m 3 clase / s es 0,40. El valor mximo de la probabilidad de la distribucin acumulativa es 1.
 Figura 6-2 acumulativa distribucin de probabilidad discreta.

Propiedades de estadsticas de distribucin

Las propiedades de las distribuciones estadsticas se describen mediante las siguientes medidas:

1. Tendencia central,
2. Variabilidad y
3. Oblicuidad.

Distribuciones estadsticas se describen en trminos de momentos . El primer momento describe tendencia

central, el segundo momento describe la variabilidad, y el tercer momento describe asimetra. Momentos de
orden superior son posibles, pero rara vez se utilizan en aplicaciones prcticas.

El primer momento sobre el origen es la media aritmtica, o significa. Expresa la distancia desde el origen hasta
el centro de gravedad de la distribucin, como se muestra en la Fig. 6-3 (a):

1 n x = ____
xini=1
(6-1)
en la que x es la media, x i es la variable aleatoria, y n es el nmero de valores.

La media geomtrica es la n raz del producto de n trminos:

x = ( x 1 x 2 x 3 ... x n ) 1 / n (6-2)

El logaritmo de la media geomtrica es la media de los logaritmos de los valores individuales. La media
geomtrica es la distribucin de probabilidad logartmica normal lo que la media aritmtica es la distribucin de
probabilidad normal.

La mediana es el valor de la variable que divide la distribucin de probabilidad en dos porciones iguales (o
reas); ver Fig. 6-3 (b). Para ciertas distribuciones asimtricas (es decir, uno con tercer momento distinto de
cero), la mediana es una mejor indicacin de la tendencia central de la media. Otra medida de la tendencia
central es el modo , que se define como el valor de la variable que se produce con ms frecuencia; ver Fig. 6-3
(c).
 Higo. 6-3 Propiedades de las distribuciones estadsticas.

Momentos estadsticos pueden definirse alrededor de ejes que no sean el origen. El segundo momento
alrededor de la media es la varianza , definida como

1 n s2 = ________
( x i - x ) 2n - 1 i=1
(6-3)

en el que s 2 es la varianza. La raz cuadrada de la varianza, s , es la desviacin estndar . El coeficiente de

variacin (o coeficiente de variacin) se define como

s C v = ____ x
(6-4)

La desviacin estndar y el coeficiente de variacin son tiles en la comparacin de la variabilidad relativa entre
distribuciones. Cuanto mayor es la desviacin estndar y el coeficiente de varianza, mayor es la dispersin de
la distribucin; ver Fig. 6-3 (d).
El tercer momento alrededor de la media es la asimetra , que se define como sigue:

n n un = _______________
(xi-x)3 ( n - 1) ( n - 2) i=1 (6-5)

en la que una es la asimetra. El coeficiente de inclinacin se define como

un C s = ____ s 3
(6-6)

Para distribuciones simtricas, la asimetra es 0 y C s = 0. Para la asimetra derecha (distribuciones con la larga
cola a la derecha), C s > 0; la asimetra izquierda (cola larga a la izquierda), C s <0; ver Fig. 6-3 (e).

Otra medida de la asimetra es la asimetra de Pearson , que se define como la relacin de la diferencia entre la
media y modo para la desviacin estndar.

Ejemplo 6-1.

Calcular la media, la desviacin estndar y el coeficiente de inclinacin para la siguiente serie de inundaciones: 4580, 3490, 7260, 9350, 2510,
3720, 4070, 5400, 6220, 4350, y 5930 m 3 / s.
Los clculos se muestran en la Tabla 6-1. La columna 1 muestra el ao y Col. 2 muestra los caudales mximos anuales. La media (Ec. 6-1) se
calcula mediante la suma de Col. 2 y dividiendo la suma por n = 11. Esto resulta enx = 5,171 m 3 / s. La columna 3 muestra las desviaciones
respecto a la media de flujo, x i - x . La columna 4 muestra el cuadrado de las desviaciones de flujo, ( x i - x ) 2 . La varianza (Ec. 6-3) se calcula
mediante la suma de Col. 4 y dividiendo la suma por ( n - 1) = 10. Esto se traduce en: s 2 = 3780449 m 6 / s 2 . La raz cuadrada de la varianza es
la desviacin estndar: s = 1,944 m 3 / s. El coeficiente de variacin (Ec. 6-4) es C v = 0,376. La columna 5 muestra el cubo de las desviaciones
de flujo, ( x i - x ) 3 . La asimetra (Ec. 6-5) se calcula mediante la suma de Col. 5 y multiplicando la suma por n / [( n - 1) ( n - 2)] = 11/90. Esto
resulta en un = 6717359675 m 9 / s 3 .El coeficiente de inclinacin (Ec. 6-6) es igual a la asimetra dividido por el cubo de la desviacin
estndar. Esto se traduce en C s = 0,914.

Tabla 6-1 Clculo de la media, desviacin estndar y coeficiente de inclinacin: Ejemplo 6-1.

(1) (2) (3) (4) (5)

El flujo mximo (Xi-x) (Xi-x)2 (Xi-x)3

Ao
(m 3 / s) (m 3 / s) (m 6 / s 2 ) (m 9 / s 3 )

1 4.580 -591 349.281 -206,425,071

2 3.490 -1681 2,825,761 -4750104241

3 7,260 2,089 4,363,921 9116230969

4 9.350 4,179 17464041 72982227340

 5 2,510 -2661 7,080,921 -18,842,330,780

6 3.720 -1451 2,105,401 -3054936851

7 4,070 -1101 1,212,201 -1334633301

8 5.400 229 52441 12008989

9 6,220 1.049 1,100,401 1154320649

10 4,350 -821 674.041 -553,387,661

11 5.930 759 576.081 437245479

Suma 56880 37804491 54960215521

Distribuciones de probabilidad continuas

Una distribucin de probabilidad continua se conoce como una funcin de densidad de probabilidad (PDF).Un
PDF es una ecuacin que relaciona la probabilidad, variable aleatoria, y los parmetros de la
distribucin. Archivos PDF seleccionados tiles en la hidrologa de ingeniera se describen en esta seccin.

Distribucin normal. La distribucin normal es simtrica, PDF en forma de campana tambin conocida como
la distribucin de Gauss, o la ley natural de errores. Tiene dos parmetros: la media y desviacin estndar
de la, de la poblacin. En las aplicaciones prcticas, los X media y la desviacin estndar sderivada de los datos
de la muestra son sustituidos por y , respectivamente. El PDF de la distribucin normal es:

1 f ( x ) = __________ e - ( x - ) 2 / (2 2 ) (2) 1/2

(6-7)

en la que x es la variable aleatoria y f ( x ) es la probabilidad continua.

Por medio de la transformacin

x - z = ________ (6-8)

la distribucin normal se puede convertir en una distribucin de un parmetro, como sigue:

1 f ( z ) = ________ e - z 2 /2 (2) 1/2

(6-9)
en la que z es la unidad estndar, que se distribuye normalmente con media cero y desviacin estndar unidad.

De la ecuacin. 6-8:

x=+z (6-10)

en la que z , la unidad estndar, es el factor de frecuencia de la distribucin normal. En general, el factor de

frecuencia de una distribucin estadstica se refiere como K .

Una funcin de densidad acumulativa (CDF) se puede derivar mediante la integracin de la funcin de densidad
de probabilidad. De la ecuacin. 6-9, la integracin conduce a

1 z F ( z ) = ________ e - u 2 /2
du (2) 1/2 -
(6-11)

en la que F ( z ) denota la probabilidad acumulada y T es una variable ficticia de la integracin. La distribucin

es simtrica con respecto al origen; Por lo tanto, slo la mitad de la distribucin debe ser evaluado. Tabla A-
5 (Apndice A) muestra los valores de F ( z ) frente z , en la que F ( z ) est integrado desde el origen hasta z .
 Ejemplo 6-2.

Se han encontrado los caudales mximos anuales de un determinado flujo que se distribuye normalmente, con una media de 90 m 3 / s, y la
desviacin estndar de 30 m 3 / s. Calcuiate la probabilidad de que ms grande que un flujo de 150 m 3 ocurrir / s.

Para entrar en la Tabla A-5, es necesario calcular la unidad estndar. Para un flujo de 150 m 3 / s, la unidad estndar (Ec. 6-8) es: z = (150-90) /
30 = 2. Esto significa que el flujo de 150 m 3 / s se encuentra a dos desviaciones estndar a la derecha de la media (haba z sido negativo, el flujo
se habra situado a la izquierda de la media). En la Tabla A-5, para z = 2, F ( z ) = 0,4772. Este valor es la probabilidad acumulada medida
desde z = 0 a z = 2, es decir, a partir de la media (90 m 3 / s) con el valor siendo considerado (150 m 3 / s). Debido a la distribucin normal es
simtrica con respecto al origen, la probabilidad acumulada mide desde z = - para z = 0, es 0,5. Por lo tanto, la probabilidad acumulada medida
desde z = - a z = 2, es F ( z ) = 0,5 + 0,4772 = 0,9772.Esta es la probabilidad de que el flujo es inferior a 150 m 3 / s. Para encontrar la probabilidad
de que el flujo es mayor de 150 m 3 / s, se calcula la probabilidad acumulativa complementaria: G ( z ) = 1 - F ( z ) = 0,0228. Por lo tanto, hay una
(0,0228 100) = 2,28% de probabilidad de que el flujo mximo anual para el flujo dado ser mayor de 150 m 3 / s.

La distribucin logartmica normal. Para ciertos fenmenos naturales, los valores de las variables aleatorias
no siguen una distribucin normal, pero sus logaritmos hacer. En este caso, una PDF adecuada se puede
obtener mediante la sustitucin y para x en la ecuacin para la distribucin normal, la Ec. 6-7, en la que y = ln
( x ). Los parmetros de la distribucin lognormal son la media y la desviacin estndar de y : y y y .
Distribucin gamma. La distribucin gamma se utiliza en muchas aplicaciones de ingeniera de la hidrologa. El
PDF de la distribucin gamma es la siguiente:

x - 1 e - x / f ( x ) = _____________ gamma () (6-12)

para 0 < x <, > 0, y > 0. El parmetro se conoce como el parmetro de forma, ya que ms influye en el
apuntamiento de la densidad, mientras que el parmetro se llama el parmetro de escala, ya que la mayora
de su influencia est en la dispersin de la distribucin [4].

La media de la distribucin gamma es , la varianza se 2 , y la asimetra es 2 / medio . El trmino () = (

- 1)! , En la que es un entero positivo, es un importante integral definida conocida como la funcin gamma ,
que se define como sigue:

gamma () = x -1
e - x dx 0
(6-13)

Pearson distribuciones. Pearson [24] ha derivado una serie de funciones de probabilidad para adaptarse a
prcticamente cualquier distribucin. Estas funciones han sido ampliamente utilizados en las estadsticas
prcticos para definir la forma de muchas curvas de distribucin. El PDF general de las distribuciones de Pearson
es la siguiente [6]:

x [( un + x ) / ( b 0 + b 1 x + b 2 x 2 )] dx - f ( x ) = e
(6-14)

en el que una , b 0 , b 1 , b 2 son constantes. El criterio para determinar el tipo de distribucin es , que se define
como sigue:

1 ( 2 + 3) 2
= ________________________________ (6-15)
4 (4 2 - 3 1 ) (2 2 - 3 1 - 6)

en la que 1 = 3 2 / 2 3 y 2 = 4/ 2 2 , con 2 , mu 3 , y 4 siendo el segundo, tercero, y cuarto momentos

alrededor de la media. Con 3 = 0 (es decir, cero asimetra), 1 = 0, = 0, y la distribucin de Pearson reduce
a la distribucin normal.

La distribucin de Pearson de tipo III ha sido ampliamente utilizado en el anlisis de frecuencia de crecidas. En
la distribucin de Pearson Tipo III, = , lo que implica que 2 2 = (3 1 + 6). Se trata de una distribucin
asimtrica de tres parmetros con los siguientes PDF:
 ( X - x o ) - 1 e - ( x - x o ) / f ( x ) = _________________________ gamma () (6-16)

y los parmetros , , y x o . Para x o = 0, la distribucin de Pearson Tipo III se reduce a la distribucin gamma
(Ec. 6-12). Para = 1, la distribucin de Pearson Tipo III se reduce a la distribucin exponencial, con la siguiente
PDF:

1f(x)=( ____
) e -(x-xo)/ (6-17)

La media de la distribucin Pearson tipo III es: x O + ; la varianza es: 2 ; y la asimetra es: 2 / medio .

Valor Extremo Distribuciones. Las distribuciones de valores extremos tipos I, II, y III se basan en la teora de
los valores extremos. Frchet (de tipo II) en 1927 [8] y Fisher y Tippett (en los tipos I y III) en 1928 [8] estudi de
forma independiente la distribucin estadstica de los valores extremos. Teora del valor extremo implica que si
una variable aleatoria Q es el mximo en una muestra de tamao n de alguna poblacin de x los valores, a
continuacin, siempre que n es suficientemente grande, la distribucin de Qes uno de los tres tipos asintticas
(I, II, o III), en funcin de la distribucin de x .

Las distribuciones de valores extremos se pueden combinar en uno y se expresaron como una distribucin de
valor extremo general (GEV) [23]. La funcin de densidad acumulada de la distribucin GEV es:
F ( x ) = e - [1 - k ( x - u ) / ] 1 / k (6-18)

en la que k , u y son parmetros. El parmetro k define el tipo de distribucin, u es un parmetro de

localizacin, y es un parmetro de escala. Para k = 0, la distribucin GEV reduce al valor extremo de tipo I
(EV1), o la distribucin Gumbel. Para k <0, la distribucin GEV es el valor extremo de tipo II (EV2), o la
distribucin Frchet. Para k > 0, la distribucin GEV es la extrema valor Tipo III (EV3), o la distribucin de
Weibull. La distribucin GEV es til en aplicaciones en las que se est considerando una distribucin de valor
extremo, pero su tipo no se conoce a priori.

Gumbel [13, 14, 15, 16] se ha ajustado la distribucin extremo que el valor Tipo de largos registros de caudales
de los ros de muchos pases. La funcin de densidad acumulativa (CDF) de la distribucin Gumbel es la
siguiente funcin doble exponencial:

F ( x ) = e -e-y (6-19)

en la que y = ( x - u ) / es la variable Gumbel (reducido).

La media n y desviacin estndar n de la variable aleatoria de Gumbel son funciones de la longitud de

registro n . Los valores de n y n como funcin de n se dan en la Tabla A-8 (Apndice A). Cuando la longitud
de registro se acerca , la media n se aproxima al valor de la constante de Euler (0,5772) [29], y la desviacin
estndar n se aproxima al valor / 6 1/2 . El coeficiente de asimetra de la distribucin Gumbel es 1,14.
La distribucin de valores extremos de tipo II tambin se conoce como el registro de Gumbel. Su funcin de
densidad acumulativa es:

F ( x ) = e -y1/k (6-20)

para k <0.

La distribucin extrema valor Tipo III tiene el mismo CDF como el Tipo II, pero en este caso k > 0. Como kse
aproxima a 0, las distribuciones EV2 y EV3 convergen a la distribucin EV1.

ANLISIS 6.2 FRECUENCIA

[Frecuencia de bajo flujo] [sequas] [preguntas] [Problemas] [Referencias] [Arriba] [Conceptos de Estadsticas]

anlisis de frecuencia de inundacin se refiere a la aplicacin de anlisis de frecuencia para estudiar la incidencia
de inundaciones. Histricamente, muchas distribuciones de probabilidad se han utilizado para este propsito. La
distribucin normal se utiliz por primera vez por Horton [19] en 1913, y poco despus por Fuller [11]. Hazen
[17] utiliza la distribucin lognormal para reducir la asimetra, mientras que Foster, [9] prefiere el uso de las
distribuciones sesgadas de Pearson.
La versin logartmica de la distribucin Pearson tipo III, es decir, el registro de Pearson III, ha sido aprobado
por el Comit Consultivo Interinstitucional de Estados Unidos sobre los Datos de agua para uso general en los
Estados Unidos [31]. La distribucin Gumbel (valor extremo de tipo I, o EVL) tambin se usa ampliamente en
los Estados Unidos y en todo el mundo. Los mtodos de registro de Pearson III y Gumbel se describen en esta
seccin.

La seleccin de la serie de datos

El registro completo de los caudales en una estacin de aforo dado se llama la serie de duracin completa. Para
llevar a cabo un anlisis de frecuencia de inundacin, es necesario seleccionar una serie de inundacin , es
decir, una muestra de las inundaciones extrados de la serie de duracin completa.

Hay dos tipos de series de inundacin: (1) la serie de duracin parcial y (2) la serie de valores extremos.La
duracin parcial (o picos-over-a-umbral (POT) [23] serie consta de inundaciones cuya magnitud es mayor que
un cierto valor base. Cuando el valor de base es tal que el nmero de eventos de la serie es igual a la nmero
de aos de registro, la serie se denomina anual de excedencia serie.

En la serie de valores extremos, cada ao de registro contribuye con un valor de la serie de valores extremos,
ya sea el valor mximo (como en el caso del anlisis de frecuencia de inundacin) o el valor mnimo (como en
el caso del anlisis de frecuencia de bajo flujo). La primera es la serie anual mximos ;este ltimo es el anual
mnimos serie.
La serie de excedencia anual tiene en cuenta todos los fenmenos extremos por encima de cierto valor base,
con independencia del momento en que ocurrieron. Sin embargo, las series anuales mximos considera slo un
evento extremo por un periodo anual. La diferencia entre las dos series es probable que sea ms marcada para
los registros cortos en los que las segundas mayores eventos anuales pueden influir significativamente en el
carcter de la serie anual de excedencia. En la prctica, la serie anual de excedencia se usa para la frecuencia
de los anlisis que implica perodos de retorno corto, que van de 2 a 10 y. Para perodos de retorno ms largos
la diferencia entre la superacin anual y la serie de mximos anuales es pequeo. Las series anuales mximos
se utiliza para perodos de retorno de 10 a 100 y ms.

Perodo de retorno, Frecuencia y Riesgo

El tiempo transcurrido entre el pico sucesivo flujos superior a un cierto flujo Q es una variable aleatoria cuyo
valor medio se denomina el perodo de retorno T (o intervalo de recurrencia) del flujo Q . La relacin entre la
probabilidad y el perodo de retorno es el siguiente:

1 P ( Q ) = ____ T
(6-21)
en la que P ( Q ) es la probabilidad de excedencia de Q , o frecuencia. La frecuencia y el perodo de retorno
trminos se usan indistintamente, aunque estrictamente hablando, la frecuencia es la inversa de periodo de
retorno. Una frecuencia de 1 / T , o uno de cada T aos, corresponde a un perodo de retorno de T aos.

La probabilidad de nonexceedance P ( Q ) es la probabilidad complementaria de la probabilidad de

excedencia P ( Q ), definido como

____
1P(Q)=1-P(Q)=1- T
(6-22)

La probabilidad de nonexceedance en n aos sucesivos es

1 n
P(Q)= (1- _____
)T (6-23)

Por lo tanto, la probabilidad o riesgo de que Q se producirn al menos una vez en n aos sucesivos se
 1 n
R=1-P(Q)=1- (1- _____
)T (6-24)

Trazado Posiciones

Distribuciones de frecuencias se representan utilizando papeles de probabilidad. Una de las escamas de un

papel de probabilidad es una escala de probabilidad; el otro es o bien una aritmtica o escala
logartmica. distribuciones de probabilidad valor normales y extremas se utilizan con mayor frecuencia en los
documentos de probabilidad.

Una probabilidad aritmtica de papel tiene una escala de probabilidad normal y una escala aritmtica. Este tipo
de papel se utiliza para trazar las distribuciones normales y Pearson. Una probabilidad de registro de papel tiene
una escala de probabilidad normal y una escala logartmica y se utiliza para el trazado logartmica normal y
registrar las distribuciones de Pearson. Un valor extremo papel de probabilidad tiene una escala de valores
extremos y una escala aritmtica y se utiliza para trazar las distribuciones de valores extremos.

Datos de ajuste de una grfica de distribucin normal, como una lnea recta en papel de probabilidad
aritmtica. Del mismo modo, los datos de ajuste de una grfica de distribucin logartmica normal como una
lnea recta en papel de probabilidad de registro, y los datos de ajuste de la trama de distribucin Gumbel como
una lnea recta en papel de probabilidad de valores extremos.
Para los fines de trazado, la probabilidad de un evento individual se puede obtener directamente de la serie de
inundacin. Para una serie de n maxima anual, la siguiente relacin se tiene:

x m ___ = _______ N n + 1
(6-25)

en la que X = Media del nmero de superaciones; N = nmero de ensayos; n = nmero de valores en la

serie; y m = el rango de valores descendentes, con mayor igual a 1.

Por ejemplo, si n = 79, el segundo valor ms grande de la serie ( m = 2) se superar el doble de la media (x =
2) en 80 ensayos ( N = 80). Del mismo modo, el valor ms grande de la serie ( m = 1) se superar una vez en
la media ( x = 1) despus de 80 ensayos ( N = 80). Desde perodo de retorno T est asociada con x= 1, la
ecuacin. 6-25 se puede expresar como sigue:

1 m ___ = P = _______ T n + 1
(6-26)

en la que P probabilidad de excedencia =.

Ecuacin 6-26 se conoce como la Weibull trazado posicin frmula. Esta ecuacin se utiliza comnmente en
aplicaciones hidrolgicas, en particular para el clculo de las posiciones de trazado para distribuciones no
especificados [1]. Una frmula general posicin de dibujo es de la forma siguiente [12]:

1 m - un ___ = P = _____________ T n + 1 - 2 una

(6-27)

en el que un = parmetro. Cunnane [7] realiz un estudio detallado de la exactitud de diferentes frmulas de
posicin de trazado y lleg a la conclusin de que la frmula Blom [3], con un = 0,375 en la ecuacin. 6-27, es
el ms apropiado para la distribucin normal, mientras que la frmula Gringorten, con un = 0,44, debe ser usada
en relacin con la distribucin Gumbel. Segn Cunnane, la frmula de Weibull, para los que un = 0, es el ms
apropiado para una distribucin uniforme.

En el clculo de las posiciones de trazado, cuando el ranking de valores est en orden (de mayor a menor)
descendente, P es la probabilidad de excedencia, o la probabilidad de un valor que es mayor o igual al valor
clasificado. Cuando la clasificacin de valores es en orden ascendente (de menor a mayor), P es la probabilidad
de nonexceedance, o la probabilidad de un valor que es menor que o igual a el valor clasificado. El clculo de
las posiciones de trazado se ilustra con el siguiente ejemplo.

Ejemplo 6-3.
Utilice la ecuacin. 6-26 para calcular las posiciones de trazado para la serie de inundaciones (mximos anuales) que se muestra en la Tabla 6-
2, Col. 2.

La solucin se muestra en la Tabla 6-2, Cols. 3-5. La columna 3 muestra los valores clasificados, de mayor a menor. Colum 4 muestra el rango
de cada valor, del 1 al 16 ( n = 16), con el valor ms alto clasificado como 1 y el valor ms bajo clasificado como 16. La columna 5 muestra la
probabilidad calculada por la ecuacin. 6-26 (expresado en porcentaje). Debido a que la clasificacin se realiz en orden descendente, Col. 5
muestra la probabilidad de que un valor de la descarga de inundacin ser mayor que o igual al valor clasificado. Para ilustrar esto, hay una
probabilidad de 5.88% de que un valor de descarga de inundacin ser mayor que o igual a 3320 m3 / s. Por el contrario, hay una probabilidad de
94,12% de que el valor de la descarga de inundacin ser mayor que o igual a 690 m 3 / s. La columna 6 muestra el perodo de retorno calculada
por la ecuacin. 6-26.

Tabla 6-2 Clculo de Trazado Posiciones: Ejemplo 6-3.

(1) (2) (3) (4) (5) (6)

Inundacin Los valores Retorno

Probabilidad
Ao anual clasificados Rango Perodo
(por ciento)
(m 3 / s) (m 3 / s) (Y)

1972 2520 3320 1 5.88 17.00

1973 1850 3170 2 11,76 8.50

 1974 750 2520 3 17.65 5.67

1975 1100 2160 4 23.53 4.25

1976 1380 1950 5 29.41 3.40

1977 1910 1910 6 35.29 2.83

1978 3170 1850 7 41.18 2.43

1979 1200 1730 8 47.06 2.13

1980 820 1480 9 52.94 1.89

1981 690 1380 10 58.82 1.70

mil novecientos
1240 1240 11 64.71 1.55
ochenta y dos

1983 1730 1200 12 70.59 1.42

1984 1950 1100 13 76.47 1.31

1985 2160 820 14 82.35 1.21

 1986 3320 750 15 88.24 1.13

1987 1480 690 diecisis 94.12 1.06

Ajuste de curvas

Una vez que los datos han sido trazada en papel de probabilidad, el siguiente paso es para ajustar una curva a
travs de los puntos trazados. El ajuste de curvas se puede lograr mediante cualquiera de los mtodos
siguientes: (1) grfica, (2) menos cuadrado, (3) momentos, y (4) de mxima verosimilitud. El mtodo grfico
consiste en el ajuste de una funcin a los datos visualmente. Este mtodo, sin embargo, tiene la desventaja de
que los resultados dependen de las habilidades de la persona que realiza la instalacin altamente. Un
procedimiento ms coherente es usar ya sea el de mnimos cuadrados, momentos, o mtodos de mxima
verosimilitud.

En el mtodo de mnimos cuadrados, la suma de los cuadrados de las diferencias entre los datos observados y
los valores ajustados se reduce al mnimo. La condicin de minimizacin conduce a un conjunto
de m ecuaciones normales, donde m es el nmero de parmetros a estimar. La solucin simultnea de las
ecuaciones normales conduce a los parmetros que describen la conexin (Captulo 7).
Para aplicar el mtodo de los momentos, es necesario primero para seleccionar una distribucin; a continuacin,
los momentos de la distribucin se calculan en base a los datos. El mtodo proporciona una conexin terica
exacta, pero la precisin se ve afectada sustancialmente por errores en la cola de la distribucin (es decir,
acontecimientos del perodo de retorno de largo). Una desventaja del mtodo es la incertidumbre con respecto
a la adecuacin de la distribucin de probabilidad escogido.

En el mtodo de mxima verosimilitud, los parmetros de la distribucin se calculan de tal manera que el
producto de las probabilidades (es decir, la probabilidad conjunta, o la probabilidad) se maximiza. Esto se
obtiene de una manera similar al mtodo de mnimos cuadrados diferenciando parcialmente la probabilidad con
respecto a cada uno de los parmetros e igualando el resultado a cero.

Los cuatro mtodos de ajuste pueden estar clasificados en orden creciente de eficacia: grfica, mnimos
cuadrados, momentos y de mxima verosimilitud. El ltimo, sin embargo, es algo ms difcil de aplicar [6, 21]. En
la prctica, el mtodo de momentos es el mtodo ms comnmente utilizado ajuste de la curva (vase, por
ejemplo, los Pearson III y Gumbel mtodos de registro se describen ms adelante en esta seccin).

Los factores de frecuencia

Cualquier valor de una variable aleatoria puede ser representado de la siguiente forma:

x=x+x (6-28)
en la que x = valor de la variable aleatoria; x = media de la distribucin, y x = desviacin de la media, la funcin
de perodo de retorno y las propiedades estadsticas de la distribucin. Esta salida de la media se puede
expresar en trminos del producto de la desviacin estndar s y un factor de frecuencia K tal que x = K s . El
factor de frecuencia es una funcin del perodo de retorno y distribucin de probabilidad que se utiliza en el
anlisis. Por lo tanto, la ecuacin. 6-28 puede escribirse de la siguiente forma:

x=x+Ks (6-29)

o alternativamente,

x ___ = 1 + KC v x (6-30)

en la que C v = coeficiente de variacin.

Ecuacin 6-29 fue propuesto por [5] Chow como una ecuacin general para el anlisis de frecuencia
hidrolgico. Para cualquier distribucin de probabilidad, una relacin puede ser determinada entre el factor de
frecuencia y el perodo de retorno. Esta relacin se puede expresar en trminos analticos, en forma de tablas,
o por KT curvas. En el uso del procedimiento, los parmetros estadsticos se determinan primero a partir del
anlisis de la serie de inundacin. Para un perodo de retorno dado, el factor de frecuencia se determina a partir
de las curvas o tablas y la magnitud de inundacin calculada por la ecuacin. 6-29.
Log Pearson III Mtodo

El mtodo de Pearson III de registro del anlisis de frecuencia de inundaciones se describe en el boletn
17B: Directrices para la Determinacin del flujo de inundacin de frecuencia , publicado por el Comit Consultivo
Interinstitucional de Estados Unidos sobre Datos sobre el Agua, Reston, Virginia [31].

. Metodologa Para aplicar el mtodo, los siguientes pasos son necesarios:

1. Montar la serie anual de inundaciones x i .

2. Calcular los logaritmos de la serie anual de inundacin:

Y i = log x i (6-31)

3. Calcular la media y , la desviacin estndar s y , el sesgo del coeficiente C sy de los logaritmos y i .

4. Calcular los logaritmos de los caudales de avenida, ingrese Q j para cada uno de los varios niveles de
probabilidad elegidos P j utilizando la frmula siguiente frecuencia:

log Q j = y + K j s y (6-32)

5. en el que K j es el factor de frecuencia, una funcin de la probabilidad P j y la inclinacin

coeficienteC sy . Tabla A-6 (Apndice A) muestra la frecuencia de los factores K para diez niveles de
 probabilidad selecciona en el intervalo de 0,5 a 95 por ciento (y correspondiente perodos de retorno en
el intervalo de 200 a 1.05 y) y coeficientes de distorsin en el rango de -3,0 a 3,0.
6. Calcular la descargas de avenida Q j para cada P j nivel de probabilidad (o perodo de retorno T j )
mediante la adopcin de las antilogaritmos de los log Q j valores.
7. Trazar la descargas de avenida Q j contra las probabilidades P j en papel de probabilidad de registro, con
descargas en la escala logartmica y probabilidades en la escala de probabilidad. El registro de Pearson
III ajuste a los datos se obtiene mediante la vinculacin de los puntos con una curva suave.Para C sy = 0,
la curva se reduce a una lnea recta.

El procedimiento se ilustra mediante el siguiente ejemplo.

Ejemplo 6-4.

Aplicar el mtodo de Pearson III de registro para la serie de inundacin del Ejemplo 6-3. Representar grficamente los resultados en papel de
probabilidad log junto con las posiciones de trazado calculados en el ejemplo 6-3.

Los valores de descarga, Tabla 6-2, Col. 2, se convierten en logaritmos, y la media, la desviacin estndar y el coeficiente de asimetra de los
logaritmos calculados. Esto da como resultado y = 3.187, s y = 0,207, y C sy = -0,116. Los clculos se resumen en la Tabla 6-3. La columna 1
muestra seleccionados periodos de retorno, y Col. 2 muestra las probabilidades asociadas en porcentaje (probabilidad de excedencia). La columna
3 muestra la frecuencia de los factores K para C sy = -0.116 y para cada periodo de retorno o de probabilidad de excedencia.Los valores en la
columna 3 se obtienen de la Tabla A-6 por interpolacin lineal. La columna 4 muestra los logaritmos de los caudales de avenida calculados por
la ecuacin. 6-32, y Col. 5 muestra los caudales de avenida.Las descargas de inundacin se representan frente a probabilidades correspondientes,
como se muestra por la lnea continua de la Fig. 6-4, para obtener el registro de Pearson III ajuste a los datos. Las posiciones de trazado calculados
en el ejemplo 6-3 se muestran tambin para la comparacin.

Tabla 6-3 Log Pearson III Mtodo: Ejemplo 6-4.

(1) (2) (3) (4) (5)

Perodo de retorno T Probabilidad P Factor de frecuencia K Q

Y i = log Q
(y) (por ciento) (para C sy = - 0,116) (m 3 / s)

1.05 95 -1,677 2.840 692

1.11 90 -1,293 2.919 830

1.25 80 -0,835 3.014 1033

2 50 0,019 3.191 1552

5 20 0,847 3.362 2301

10 10 1.268 3.449 2812

25 4 1.710 3.541 3475

 50 2 1.991 3.599 3972

100 1 2.240 3.651 4477

200 0,5 2.467 3.698 4989

El clculo online. Usando LNEA PEARSON , los resultados son esencialmente los mismos, variando deQ = 691 m 3 / s para T = 1,05
Y, a Q = 4984 m 3 / s para T = 200 y.
 Figura 6-4 Log Pearson III encaja: Ejemplo 6-4 [31].

Caractersticas Inclinacin regionales

El coeficiente de asimetra de la serie de inundaciones (es decir, la inclinacin de la estacin) es sensible a los
fenmenos extremos. La precisin global del mtodo se mejora mediante el uso de un valor ponderado de
inclinacin en lugar de la inclinacin de la estacin. En primer lugar, se obtiene un valor de asimetra regional, y
la inclinacin ponderada se calcula por la estacin de pesado y skews regionales en proporcin inversa a sus
errores cuadrticos medios (MSE). La frmula para la asimetra ponderada es la siguiente:

(MSE) sr C sy + (MSE) sy C sr C SW = ________________________________ (MSE)SR (MSE) + sy

(6-33)

en la que C SW = ponderada de inclinacin; C sy = estacin de sesgo; C sr sesgo = regional; (MSE) sy = cuadrado

medio del error de la inclinacin de la estacin; y (MSE) sr = error medio cuadrado de la asimetra regional.

Desarrollar un valor de asimetra regional, es necesario reunir datos de al menos 40 estaciones o, en su defecto,
todas las estaciones dentro de un radio de 160 km. Las estaciones deben tener al menos 25 aos de registro. En
ciertos casos, la escasez de datos puede requerir una relajacin de estos criterios. El procedimiento incluye el
anlisis por tres mtodos: (1) isolneas sesgar mapa, (2) la ecuacin de prediccin de inclinacin, y (3) las
estadsticas de la estacin sesga.

Para desarrollar un mapa de isolneas de inclinacin, cada estacin de sesgo se traza en un mapa en el centro
de gravedad de su rea de influencia, y se examinan los datos representados para identificar cualquier tendencia
geogrficas o topogrficas. Si un patrn es evidente, isolneas (lneas de igual inclinacin) se dibujan y el MSE
se calcula. El MSE es la media de los cuadrados de las diferencias entre los sesgos observados y los sesgos
de isolneas. Si no hay patrn es evidente, un mapa de isolneas no puede desarrollarse, y este mtodo no se
considera an ms.

En el segundo mtodo, una ecuacin de prediccin se utiliza para relacionar la estacin de inclinacin a las
propiedades de captacin y variables climatolgicas. El MSE es la media de los cuadrados de las diferencias
entre los sesgos observados y pronosticados.

En el tercer mtodo, la media y la varianza de los sesgos de estacin se calculan. En algunos casos, la
variabilidad de la escorrenta puede ser tal que todas las estaciones pueden no ser hidrolgicamente
homognea. Si este es el caso, los valores de alrededor de 20 estaciones se pueden utilizar para calcular la
media y la varianza de los datos.

De los tres mtodos, se selecciona la que proporciona la estimacin ms precisa del coeficiente de
inclinacin. En primer lugar una comparacin de las MPE de las isolneas mapa y se hace ecuaciones de
prediccin. A continuacin, el MSE ms pequeo se compara con la varianza de los datos. Si el MSE ms
pequeo es significativamente menor que la varianza, que debe ser usado en la ecuacin. 6-33 como
(MSE) sr . Si este no es el caso, la varianza se debe utilizar como (MSE) SR , con la media de la estacin de
sesga utiliza como skew regional ( C sr ).

En ausencia de estudios de skew regionales, los valores de sesgo regional generalizada para su uso en la
ecuacin. 6-33 se puede obtener de la Fig. 6-5. Cuando sesgo regional se obtiene a partir de esta figura, el error
cuadrado medio de la asimetra regional es MSE sr = 0,302. El error cuadrtico medio de la inclinacin estacin
es aproximada por la siguiente frmula:

(MSE) sy = 10 A - B log ( n / 10) (6-34)

en el cual

A = - 0,33 + 0,08 G, para G <0,9 (6-34a)

A = 0,52 + 0,30 G, para G 0,9 (6-34b)
B = 0,94 - 0,26 G, para G <1,5 (6-34c)
B = 0,55, para el G 1,5 (6-34d)

con G = valor absoluto de la inclinacin de la estacin, y n = longitud de registro en aos.

 Figura 6-5 generalizada coeficiente de asimetra de los logaritmos de caudal mximo anual [31] (Haga clic -aqu- para mostrar).

Ejemplo 6-5.

Una estacin en San Diego, California, cuenta con registros de inundacin de 34 aos, con la estacin de oblicuidad C sy = - 0,1. Calcular un sesgo
ponderada siguiente ecuacin. 6-33 y Fig. 6-5.

De la Fig. 6-5, el valor de asimetra regional generalizada es C sr = -0.3. El MSE de la estacin de sesgo se calcula por la ecuacin. 6-34, con G =
0,1: (MSE) sy = 0,156. Por lo tanto, la inclinacin es ponderada (ecuacin 6-33.):C SW = - 0,168.

El tratamiento de los valores atpicos. Los valores extremos son los puntos de datos que se apartan
significativamente de la tendencia general de los datos. El tratamiento de estos valores extremos (es decir, su
retencin, modificacin o supresin) puede tener un efecto significativo en el valor de los parmetros estadsticos
calculados a partir de los datos, en particular para muestras pequeas. Los procedimientos para el tratamiento
de los valores atpicos, invariablemente, requieren de un juicio que involucra consideraciones matemticas e
hidrolgicos.
La deteccin y el tratamiento de los valores atpicos de alta y baja en el mtodo de registro de Pearson III se
lleva a cabo de la siguiente manera [31]. Para sesgar la estacin superior a 0.4, las pruebas para altos valores
atpicos se consideran en primer lugar. Para la estacin sesgar menos de -0.4, las pruebas de valores atpicos
bajos se consideran en primer lugar. Para sesgar la estacin en el rango de -0,4 a 0,4, las pruebas para los
valores extremos altos y bajos se consideran al mismo tiempo, sin eliminar valores extremos de los datos.

La siguiente ecuacin se utiliza para detectar altos valores atpicos:

yH=Y+Knsy (6-35)

en la que Y H = umbral alto valor atpico (en unidades logartmicas); y K n = factor de frecuencia de valores
atpicos, una funcin de la longitud de registro n . Los valores de y H se dan en la Tabla A-7 (Apndice A).

Los valores de Y i (logaritmos de la serie de inundaciones) superior y H se consideran altos valores atpicos. Si
hay evidencia suficiente para indicar que un alto valor atpico es un mximo en un periodo de tiempo prolongado,
se trata como datos histricos. De lo contrario, se retiene como parte de la serie de inundacin.

Los datos histricos se refiere a inundar informacin fuera de la serie de inundaciones, que se puede utilizar
para extender el registro a un perodo mucho ms largo que el de la serie de inundacin. El conocimiento
histrico se utiliza para definir el perodo histrico H , que es ms largo que el periodo de registro n . El
nmero z de eventos que son conocidos por ser los ms grandes en el perodo histrico se les da un peso de
1. Los restantes n eventos de la serie de inundaciones se les da un peso de ( H - z ) / n .Por ejemplo, para una
longitud de registro n = 44 y, un perodo histrico H = 77 y, y un nmero de picos en el perodo histrico z = 3,
el peso aplicado a los tres picos histricos sera 1, y el peso aplicado a la serie de inundaciones restante sera
(77 - 3) / 44 = 1,68. En otras palabras, el registro se ampla a 77 y, y la 44 y de la serie de inundaciones (con
exclusin de los valores atpicos que se han considerado parte de los datos histricos) representan 74 y de los
datos en el perodo histrico de 77 y [31].

La siguiente ecuacin se utiliza para detectar los valores extremos bajos:

yL=y-Knsy (6-36)

en la que Y L = umbral bajo valor atpico (en unidades logartmicas) y otros trminos son los definidos
previamente. Si un ajuste para los datos histricos se ha hecho anteriormente, los valores en el lado derecho de
la ecuacin. 6-36 son las utilizadas previamente en el clculo histricamente ponderado. Los valores
de Y i menor que y L se consideran bajos valores atpicos y retirarse de la serie de inundaciones [31].

Complementos de las estimaciones de frecuencia de crecidas . La precisin de las estimaciones de

inundacin basado en el anlisis de frecuencia se deteriora para valores de probabilidad mucho mayor que la
longitud de registro. Esto es debido al error de muestreo y al hecho de que la distribucin subyacente no se
conoce con certeza. Se recomiendan los procedimientos alternativos que complementan la informacin
proporcionada por el anlisis de frecuencia de crecidas. Estos procedimientos incluyen las estimaciones de
inundacin de los datos de precipitacin (por ejemplo, hidrograma unitario, Captulo 5) y la comparacin con las
cuencas hidrolgicas de caractersticas similares (anlisis regional, el captulo 7). Tabla 6-4 muestra la relacin
entre los diversos tipos de anlisis utilizados en los estudios de frecuencia de inundacin.

Tabla 6-4 Tipos de anlisis utilizados en los estudios de frecuencia de inundaciones

[31].

La longitud de
registro n(y)
Descripcin

10-24 25-49 50

El anlisis estadstico de la frecuencia de

inundaciones

Las comparaciones con las cuencas similares -

Inundacin estimaciones de la precipitacin - -

Mtodo del Tipo I Valor Extremo de Gumbel

La distribucin I valor Tipo extrema, tambin conocido como el mtodo de Gumbel [16], o EVL, ha sido
ampliamente utilizado en los Estados Unidos y otros pases. El mtodo es un caso especial de la distribucin
GEV de tres parmetros descritos en el British estudios de inundaciones Informe [23].

La funcin de densidad acumulativa F ( x ) del mtodo de Gumbel es el doble exponencial, la ecuacin. 6-19,
que se repite aqu por conveniencia:

F ( x ) = e -e-y (6-19)

en la que F ( x ) es la probabilidad de nonexceedance. En el anlisis de frecuencia de inundacin, la probabilidad

de inters es la probabilidad de excedencia, es decir, la probabilidad complementaria a F ( x ):

G(x)=1-F(x) (6-37)

El perodo de retorno T es el inverso de la probabilidad de excedencia. Por lo tanto,

1 _____ = 1 - e - e - y T
(6-38)

De la ecuacin. 6-38:
 _______
T y = - ln ln T-1
(6-39)

En el mtodo de Gumbel, los valores de descarga de inundacin se obtienen de la frmula de frecuencia, la

ecuacin. 6-29, que se repite aqu por conveniencia:

x=x+Ks (6-29)

El factor de frecuencia K se evala con la frmula de frecuencia:

Y=Yn+Kn (6-40)

en la que Y = Gumbel (reducido) variable aleatoria, en funcin del perodo de retorno (ecuacin 6-
39.); y y n y n son la media y la desviacin estndar de la variable Gumbel, respectivamente. Estos valores son
una funcin de la longitud de registro n (vase la Tabla A-8 , Apndice A).

En la ecuacin. 6-29, para K = 0, x es igual a la media de inundacin anual x . Del mismo modo, en la Ec.6-40,
para K = 0, la variable aleatoria de Gumbel y es igual a su media y n . El valor lmite de y n , para n es la
constante de Euler, 0,5772 [28]. En la ecuacin. 6-38, para Y = 0,5772: T = 2,33 aos. Por lo tanto, el perodo
de retorno de 2,33 y se toma como el perodo de retorno de la avenida media anual.
A partir de las ecuaciones. 6-29 y 6-40:

Y - Y nx = x + ___________
s n (6-41)

y con la Ec. 6-39:

ln ln [ T / ( T - 1)] + y n x = x + __________________________
s n (6-42)

Los siguientes pasos son necesarios para aplicar el mtodo de Gumbel:

1. Montar la serie de inundaciones.

2. Calcular la media x y la desviacin estndar s de la serie de inundaciones.
3. Utilice la Tabla A-8 para determinar la media y n y desviacin estndar n de la variable aleatoria de
Gumbel como una funcin de la longitud de registro n .
4. Seleccionar varios periodos de retorno T j y probabilidades de excedencia asociados P j .
5. Calcular la Gumbel variables aleatorias y j correspondiente al perodo de retorno T j por medio de la
ecuacin. 6-39, y calcular el flujo de descarga Q j = x j para cada variable aleatoria de Gumbel (y el
periodo de retorno asociado) usando la ecuacin. 6-41. Como alternativa, los caudales de avenida se
pueden calcular directamente para cada periodo de retorno mediante el uso de la ecuacin. 6-42.
Los valores de Q se representan frente y o T (o P ) en el papel de probabilidad de Gumbel, y una lnea recta se
dibuja a travs de los puntos. Papel de probabilidad de Gumbel tiene una escala aritmtica de Gumbel variable
aleatoria y en las abscisas y una escala aritmtica de evacuacin de crecidas Q en las ordenadas. Para facilitar
la lectura de las frecuencias y probabilidades, Eq. 6-38 puede utilizarse para superponer una escala de periodo
de retorno T (o probabilidad P ) en la escala aritmtica de Gumbel variate y .

Ejemplo 6-6.

Aplicar el mtodo de Gumbel a la serie de inundacin del Ejemplo 6-3. Representar grficamente los resultados en papel Gumbel junto con las
posiciones de trazado calculados en el ejemplo 6-3.

La media y la desviacin estndar de las series de inundacin son: x = 1,704 m 3 / s y s = 795 m 3 / s. A partir de la Tabla A-8. para n = 16, la
media y la desviacin estndar de la variable aleatoria de Gumbel son y = 0,5157 y n = 1,0316. Los resultados se muestran en la Tabla 6-5. Las
columnas 1 y 2 muestran periodos de retorno seleccionado T y las probabilidades de excedencia asociados (en porcentaje). La columna 3 muestra
los valores de la variable aleatoria Gumbel calculado por la ecuacin. 6-39. La columna 4 muestra la descarga de inundacinQ calculado por la
ecuacin. 6-41 para cada variable aleatoria Y , perodo de retorno T , y la probabilidad de excedencia asociada P . Los caudales de avenida definen
una lnea recta cuando se representa grficamente frente al perodo de retorno en el papel de Gumbel, como se muestra por la lnea continua de la
figura. 6-6.Posiciones calculadas en el Ejemplo 6-3 El trazado se muestran para propsitos de comparacin.

mtodo de la tabla 6-5 Gumbel: Ejemplo 6-6.

 (1) (2) (3) (4)

Perodo de Evacuacin de
ProbabilidadP Gumbel variable
retorno T crecidas Q
(por ciento) aleatoria y
(Y) (m 3 / s)

1.05 95 - 1.113 449

1.11 90 - 0.838 661

1.25 80 - 0,476 940

2 50 0,367 1590

5 20 1.500 2462

10 10 2.250 3040

25 4 3.199 3772

50 2 3.902 4314

100 1 4.600 4851

200 0,5 5.296 5388

El clculo online. Usando LNEA Gumbel , los resultados son esencialmente los mismos, variando de Q = 447 m 3 / s para T = 1,05 Y,
a Q = 5396 m 3 / s para T = 200 y.
 Figura 6-6 anlisis de frecuencia de inundacin por el mtodo de Gumbel: Ejemplo 6-6.

Las modificaciones al mtodo de Gumbel. Desde su creacin en la dcada de 1940, se han propuesto varias
modificaciones en el mtodo de Gumbel. Gringorten [12] ha demostrado que la distribucin de Gumbel no sigue
la regla de trazado de Weibull, la Ec. 6- 26 (o la Ec. 6-27 con un = 0). Se recomienda una= 0,44, lo que llev a
la Gringorten trazado frmula posicin:

1 m - 0,44 ____ = P = _______________

T n + 0,12
(6-43)

Lettenmaier y Burges [22] han sugerido que una mejor estimacin de la inundacin se obtienen mediante el uso
de los valores lmite de la media y la desviacin estndar de la variable aleatoria de Gumbel (es decir, los
correspondientes a n = ) en la ecuacin. 6-40, en lugar de basar estos valores en la longitud de registro. En
este caso, y n = 0,5772, y n = / 6 1/2 = 1,2825. Por lo tanto, la ecuacin. 6-41 se reduce a

x = x + (0,78 y - 0,45) es (6-44)

y la ecuacin. 6-42 se reduce a

 T x = x + (0,78 ln ln _______ + 0,45) s T - 1
(6-45)

Lettenmaier y Burges [22] tambin han sugerido que una estimacin de la varianza sesgada, usando ncomo el
divisor en la ecuacin. 6-3, proporciona mejores clculos de los eventos extremos que la estimacin no sesgada
de costumbre, es decir, el divisor n - 1.

La comparacin entre los mtodos de frecuencia de crecidas

En 1966, el Subcomit de Hidrologa del Consejo de Recursos de Agua de Estados Unidos comenz a trabajar
en la seleccin de un mtodo adecuado de anlisis de frecuencia de inundacin que podran recomendarse para
uso general en los Estados Unidos.

El comit puso a prueba la bondad de ajuste de seis distribuciones: (1) lognormales, (2) Log Pearson III, (3)
Hazen, (4) gamma, (5) Gumbel (EV1) y (6) ingrese Gumbel (EV2). El estudio incluy a diez conjuntos de
registros, el menor de los cuales era 40 aos. Los resultados mostraron que las tres primeras distribuciones
tenan desviaciones medias ms pequeas que las tres ltimas. Dado que la distribucin de Hazen es un tipo
de distribucin logartmica normal y la lognormal es un caso especial del registro de Pearson III, el Comit lleg
a la conclusin de que este ltimo era el ms apropiado de los tres, y por lo tanto se recomienda para el uso
general.
El mismo tipo de anlisis se repiti para los seis conjuntos de registros en el Reino Unido, el menor de los cuales
era 32 aos [2]. Los mtodos fueron: (1) gamma, (2) log gamma, (3) logartmica normal, (4) Gumbel (EV1), (5)
GEV, (6) Tipo de Pearson III, y (7) Log Pearson III. En periodos de retorno bajas (del 2 al 5 y), el GEV y Pearson
Tipo III mostraron las desviaciones medias ms pequeos, mientras que para los periodos de retorno superiores
a 10 y el mtodo de Pearson III tena registro de las desviaciones medias ms pequeas.

Se informaron estudios comparativos similares en el British estudios de inundaciones Informe [23]. El estudio
concluy que las distribuciones de tres parmetros (GEV, Pearson tipo III, y Log Pearson III) proporcionan un
mejor ajuste de las distribuciones de dos parmetros (Gumbel, lognormal, gamma, rayos gamma log). Sobre la
base de criterios absolutos de la desviacin media, el estudio tiene el mtodo de Pearson III registro mejor que
el GEV y los segundos mejor que el Tipo III Pearson. Sin embargo, basado en la raz cuadrada media desviacin,
es calificado como el Tipo III Pearson mejor que tanto el registro de las distribuciones de Pearson III y GEV.

Aunque, en general, los mtodos de tres parmetros parecieron pasarlo mejor que los mtodos de dos
parmetros, este ltimo no debe ser completamente descartada. The British estudios de inundaciones
Informe [23] observ que su uso en conexin con longitudes de registro cortos a menudo conduce a resultados
que son ms sensibles que los obtenidos por las distribuciones de tres parmetros de ajuste.Una distribucin
de tres parmetros montado en una muestra pequea puede, en algunos casos implica que exista un lmite
superior a la evacuacin de crecidas igual a aproximadamente el doble de la avenida media anual. Si bien puede
haber un lmite superior a la magnitud de las inundaciones, sin duda es mayor que el doble de la avenida media
anual.
FRECUENCIA 6.3 de bajo flujo

[Las sequas] [preguntas] [Problemas] [Referencias] [Arriba] [Conceptos de Estadsticas] [Anlisis de frecuencia]

Mientras que altos flujos conducen a inundaciones, flujos bajos sostenidos pueden dar lugar a sequas.Una
sequa se define como la falta de lluvias tan grande y continua, siempre que pueda afectar a la vida animal y
vegetal de una regin de manera adversa y para agotar los suministros de agua domsticos e industriales,
especialmente en aquellas regiones donde la lluvia es normalmente suficiente para tales fines [18 ].

En la prctica, una sequa se refiere a un perodo de suministros inusualmente bajos de agua,

independientemente de la demanda de agua. Las regiones ms afectadas por la sequa son los que tienen
mayor variabilidad en las precipitaciones anuales. Los estudios han demostrado que las regiones donde el
coeficiente de varianza de la precipitacin anual excede 0.35 son ms propensos a tener frecuentes sequas
[6]. precipitacin anual baja y alta variabilidad anual de precipitaciones son tpicas de las regiones ridas y
semiridas. Por lo tanto, estas regiones son ms propensas a ser propensos a las sequas.

Los estudios de anillos de los rboles, que documentan las tendencias a largo plazo de las precipitaciones,
muestran patrones claros de perodos de tiempo hmedo y seco [30]. Si bien no hay una explicacin evidente
para los ciclos de tiempo hmedo y seco, los aos secos se deben considerar en la planificacin de proyectos
de recursos hdricos. El anlisis de los registros de tiempo ha demostrado que existe una tendencia a que los
aos secos para agrupar. Esto indica que la secuencia de aos secos no es al azar, con los aos secos tienden
a seguir a otros aos secos. Por tanto, es necesario tener en cuenta tanto la gravedad y la duracin de un
perodo de sequa.

La severidad de las sequas puede establecerse mediante la medicin de:

1. La deficiencia en la precipitacin y escorrenta,

2. La disminucin de la humedad del suelo, y / o
3. La disminucin de los niveles de agua subterrnea.

Alternativamente, el anlisis de flujo bajo de frecuencia se puede utilizar en la evaluacin de la probabilidad de

ocurrencia de sequas de diferentes duraciones.
 Figura 6-7 curvas de frecuencia de bajo flujo [28].

Los mtodos de anlisis de frecuencia de bajo flujo se basan en la hiptesis de invariancia de las condiciones
meteorolgicas. La ausencia de registros de tiempo, sin embargo, impone una limitacin estricta en el anlisis
de frecuencia de bajo flujo. Cuando los registros de suficiente longitud estn disponibles, el anlisis comienza
con la identificacin de la serie de bajo flujo. O bien se utilizan los mnimos anuales o la serie anual de
excedencia. En un anlisis mensual, las series anuales mnimos est formada por los volmenes de los flujos
mensuales ms bajos de cada ao de registro. Si se elige el mtodo anual de excedencia, los volmenes de
flujo mensual ms baja en el registro se seleccionan, independientemente del momento en que ocurrieron. En
el ltimo mtodo, el nmero de valores en la serie no tiene que ser igual al nmero de aos de registro.

Una curva de duracin de flujo puede ser usado para dar una indicacin de la gravedad de flujos bajos. Tal
curva, sin embargo, no contiene informacin sobre la secuencia de los flujos bajos o la duracin de posibles
sequas. El anlisis se hace ms significativa mediante la abstraccin de los caudales mnimos durante un
perodo de varios das consecutivos. Por ejemplo, para cada ao, el perodo de 7 das con un volumen de caudal
mnimo se abstrae, y el caudal mnimo es el caudal promedio para ese perodo. Un anlisis de frecuencia en la
serie de bajo flujo, utilizando el mtodo de Gumbel, por ejemplo, resulta en una funcin que describe la
probabilidad de ocurrencia de los bajos flujos de una cierta duracin. El mismo anlisis repetido para otras
duraciones conduce a una familia de curvas que representan la frecuencia de bajo flujo, como se muestra en la
Fig. 6-7 [28].
En el diseo del depsito, la evaluacin de flujos bajos es ayudada por una curva de flujo de masa. La tcnica
consiste en la determinacin de los volmenes de almacenamiento necesarios para todos los perodos de bajo
flujo. A pesar de que es prcticamente imposible para proporcionar almacenamiento suficiente para satisfacer
los riesgos hidrolgicos de gran rareza, una prctica comn consiste en prever un riesgo indicado (es decir, una
probabilidad de sequa) y aadir un porcentaje adecuado del volumen de almacenamiento calculado como
margen de almacenamiento de reserva. El coeficiente de variacin de los flujos anuales se utiliza en la
determinacin de los niveles de fondo para riesgos y almacenamiento.niveles de sequa extraordinarias se
reunieron a continuacin mediante la reduccin de las tasas de los proyectos.

ros regulados pueden alterar las condiciones de flujo natural para proporcionar un flujo aguas abajo mnimo
para fines especficos. En este caso, los depsitos sirven como el mecanismo para difundir la variabilidad del
flujo natural en los flujos de aguas abajo que se pueden hacer para ser casi constante en el tiempo. La regulacin
es necesaria para el mantenimiento de bajo flujo aguas abajo, por lo general con el fin de satisfacer las
demandas agrcolas, municipales e industriales, de los flujos mnimo ecolgico, proyecto de navegacin, y las
regulaciones de control de la contaminacin del agua.

6.4 SEQUIAS

[Preguntas] [Problemas] [Referencias] [Inicio] [Conceptos de Estadsticas] [Anlisis de frecuencia] [bajo flujo de
frecuencia]
La sequa es un fenmeno natural relacionado con el clima, que afecta a las regiones de la Tierra durante meses
o aos. Tiene un impacto en la produccin de alimentos, la reduccin de la esperanza de vida y el rendimiento
econmico de las grandes regiones geogrficas o pases enteros.

La sequa es un rasgo recurrente del clima; se produce en zonas prcticamente todos climticas, con sus
caractersticas variando significativamente entre las regiones. La sequa difiere de la aridez en que la sequa es
temporal; aridez es una caracterstica permanente de regiones con escasez de precipitaciones.

La sequa est relacionada con una deficiencia de precipitacin durante un perodo prolongado de tiempo, por
lo general para una temporada o ms (Fig. 6-8). Esta deficiencia da lugar a una escasez de agua para alguna
actividad, grupo o sector ambiental. La sequa tambin est relacionada con el tiempo de precipitacin. Otros
factores climticos tales como alta temperatura, viento fuerte, y la baja humedad relativa estn a menudo
asociados con la sequa.

La sequa es ms que un fenmeno fsico o evento natural. Su impacto resulta de la relacin entre un evento
natural y las demandas en el suministro de agua, y que a menudo se ve agravada por las actividades
humanas. La experiencia de las sequas ha puesto de relieve la vulnerabilidad de las sociedades humanas a
este peligro natural.
Figura 6-8 Backlands en Rio Grande do Norte, en el afectado por la sequa del noreste de Brasil.
Definicin de la sequa

las definiciones de sequa son de dos tipos: (1) conceptuales, y (2) en funcionamiento. Definiciones conceptuales
ayudan a entender el significado de la sequa y sus efectos. Por ejemplo, la sequa es un perodo prolongado
de deficiencia de precipitacin que causa grandes daos a los cultivos, lo que resulta en la prdida de
rendimiento.

Las definiciones operacionales ayudan a identificar de la sequa principio, al final y el grado de severidad.Para
determinar el inicio de la sequa, las definiciones operacionales especifican el grado de desviacin de la media
de la precipitacin sobre un cierto perodo de tiempo. Esto generalmente se logra mediante la comparacin de
la situacin actual (el perodo de estudio) con el promedio histrico. El umbral identificado como el inicio de una
sequa (por ejemplo, el 75% de la precipitacin promedio durante un perodo de tiempo especificado)
generalmente se establece un tanto arbitraria.

Una definicin operativa para la agricultura puede comparar la precipitacin diaria y la evapotranspiracin para
determinar la tasa de agotamiento de humedad del suelo, y expresar estas relaciones en trminos de los efectos
de la sequa sobre el comportamiento de las plantas. Las definiciones operacionales se utilizan para analizar la
frecuencia de las sequas, la gravedad y la duracin de un perodo histrico dado. Tales definiciones, sin
embargo, requieren datos climticos en escalas cada hora, diaria, mensual, o de otro tiempo y, posiblemente,
los datos de impacto (por ejemplo, rendimiento de los cultivos). Una climatologa de la sequa para una regin
dada proporciona una mayor comprensin de sus caractersticas y la probabilidad de recurrencia en los distintos
niveles de severidad. Este tipo de informacin es beneficiosa en la formulacin de estrategias de mitigacin.

Tipos de sequas

Se han identificado los siguientes tipos de sequa:

1. La sequa meteorolgica,
2. La sequa agrcola,
3. La sequa hidrolgica, y
4. Socieoeconomic la sequa.

La sequa meteorolgica se define sobre la base del grado de sequedad, en comparacin con una cantidad
normal o media, y la duracin del perodo seco. Las definiciones de sequa meteorolgica deben ser especficos
de la regin, ya que las condiciones atmosfricas que resultan en deficiencias de precipitacin son muy
variables.

La variedad de definiciones meteorolgicas en diferentes pases ilustra por qu no es posible aplicar una
definicin de sequa desarrollado en una parte del mundo a otra. Por ejemplo, se han notificado las siguientes
definiciones de sequa:

Estados Unidos (1942): Menos de 2.5 mm de lluvia en 48 horas.

Gran Bretaa (1936): Quince das consecutivos con precipitacin diaria de menos de 0,25 mm.
 Libia (1964): Cuando la precipitacin anual es inferior a 180 mm.
Bali (1964): Un perodo de seis das sin lluvia.

Los conjuntos de datos necesarios para evaluar la sequa meteorolgica son: (1) la precipitacin diaria, (2) la
temperatura, (3) la humedad, (4) la velocidad del viento, y (5) la evaporacin.

La sequa agrcola vincula diversas caractersticas de la sequa meteorolgica a los impactos agrcolas,
centrndose en la escasez de precipitaciones, las diferencias entre la evapotranspiracin real y potencial, dficit
de agua del suelo, la reduccin de las aguas subterrneas o niveles de los embalses, y as sucesivamente. La
demanda de agua de la planta depende de las condiciones meteorolgicas existentes, las caractersticas
biolgicas de la planta especfica, su etapa de crecimiento, y las propiedades fsicas y biolgicas del suelo. Una
buena definicin de sequa agrcola debe tener en cuenta la susceptibilidad de los cultivos durante las diferentes
etapas de desarrollo del cultivo. Deficiencia de humedad en la capa superior del suelo plantacin puede impedir
la germinacin, que conduce a bajas poblaciones de plantas por hectrea y una reduccin del rendimiento.

Los conjuntos de datos necesarios para evaluar la sequa agrcola son: (1) textura del suelo, (2) la fertilidad del
suelo, (3) la humedad del suelo, (4) el tipo de cultivo y la zona, (5) las necesidades de agua del cultivo, (6) las
plagas, y (7 ) clima.

La sequa hidrolgica se refiere a una descarga y / o volumen persistentemente bajos de agua en los ros y
embalses, duraderos meses o aos. La sequa hidrolgica es un fenmeno natural, pero puede ser exacerbada
por las actividades humanas. Sequas hidrolgicas suelen estar relacionados con las sequas meteorolgicas, y
su intervalo de recurrencia vara en consecuencia. Los cambios en el uso del suelo y la degradacin del suelo
pueden afectar la magnitud y frecuencia de las sequas hidrolgicas.

Los conjuntos de datos necesarios para evaluar la sequa hidrolgica son: (1) La zona de aguas de superficie y
volumen, (2) la escorrenta superficial, (3) las mediciones de caudal, (4) la infiltracin, (5) las fluctuaciones del
nivel fretico, y (6) las propiedades del acufero .

La sequa socioeconmica asocia la oferta y la demanda de algn bien econmico con elementos de sequa
meteorolgica, hidrolgica y agrcola. Se diferencia de los otros tipos de sequa en que su ocurrencia depende
de los procesos de la oferta y la demanda. El suministro de muchos bienes econmicos, como el agua, forraje,
cereales, pescado, y la energa hidroelctrica, depende del clima.Debido a la variabilidad natural del clima, el
suministro de agua es abundante en algunos aos, pero insuficiente para satisfacer las necesidades humanas
y ambientales en otros aos.

La sequa socioeconmica se produce cuando la demanda de un bien econmico superior a la oferta, como
resultado de un dficit relacionado con el clima en el suministro de agua. La sequa puede dar como resultado
una disminucin significativa de la produccin de energa hidroelctrica, porque las centrales elctricas
dependan de caudal lugar de almacenamiento para la generacin de energa. La reduccin de la produccin de
energa hidroelctrica puede requerir el gobierno para convertir a las alternativas ms caras de petrleo y
comprometerse a estrictas medidas de conservacin de energa para satisfacer sus necesidades de energa.
La demanda de bienes econmicos est aumentando como consecuencia del crecimiento demogrfico y el
desarrollo econmico. La alimentacin tambin puede aumentar debido a la mejora de la eficiencia de
produccin, la tecnologa, o la construccin de embalses. Cuando la oferta y la demanda de aumento, el factor
crtico es la tasa relativa de cambio. La sequa socioeconmica se promueve cuando la demanda de agua para
actividades econmicas es muy superior a la oferta.

Los conjuntos de datos necesarios para evaluar la sequa socioeconmica son: (1) la poblacin humana y
animal, (2) la tasa de crecimiento, (3) las necesidades de agua y forraje, (4) la gravedad de la prdida de las
cosechas, y (5) el tipo de requisitos de la industria y de agua.

Las relaciones de intensidad-duracin-frecuencia

Las relaciones entre la intensidad, duracin y frecuencia de las sequas pueden ser analizados por el modelo
conceptual se describe en la Tabla 6-6 [27]. El enfoque conceptual es aplicable a las sequas meteorolgicas
que duran por lo menos un ao, en las regiones de latitudes medias, donde el clima reinante puede estar
caracterizada principalmente por la precipitacin.

Los tipos de clima, desde superarid a superhumid, se definen en trminos de la precipitacin anual
mediaP ma (mm) como se muestra en la Tabla 6-6, Lnea 1:
 Superarid: P ma 100

hiperrido: 100 < P ma 200

rido: 200 < P ma 400

Semirido: 400 < P ma 800

Subhmeda: 800 < P ma 1600

Hmedo: 1600 < P ma 3200

 hiperhmedo: 3200 < P ma 6400

Superhumid: P ma > 6400

La precipitacin terrestre (media) anual mundial es P AGT = 800 mm [27]. En los extremos del espectro climtico,
la precipitacin media anual es inferior a 100 mm (superarid), o mayor que 6400 mm (superhumid). El ejemplo
superarid es el desierto de Atacama, en el norte de Chile, con una media de precipitacin anual P ma = 0,5 mm,
que no es medible. El ejemplo superhumid es Cherrapunji, en Meghalaya, Esatern la India, con una media de
precipitacin anual P ma = 11.777 mm, de largo considerado por muchos como el lugar ms hmedo de la
Tierra. Sin embargo, Mawsynran, cerca de Cherrapunji, ahora cuenta con P ma = 11,873 mm, superando a cabo
con eficacia Cherrapunji de la distincin.

Tipos climas tambin pueden definirse como la relacin de la media anual precipitacin P ma a (media) de
precipitacin anual terrestre global P AGT (Lnea 2). La relacin P ma / P agt = 1 representa el medio del espectro
climtico.

El modelo conceptual tambin se define en trminos del potencial anual de evaporacin

(evapotranspiracin) E ap (Lnea 3) y de la relacin de la evaporacin potencial anual de la precipitacin media
anual de E AP / P ma (Lnea 4). La relacin E ap / P ma = 2 describe el medio del espectro climtico.Para
complementar la descripcin, la duracin de la temporada de lluvias L rs tambin se indica (lnea 5).

Tabla 6-6 Modelo conceptual de intensidad-duracin-frecuencia de las sequas [27].

Superarid hiperrido rido semiridas subhmedo hmeda hiperhmedo Superhumid

Descripcin

La precipitacin media
1 100 200 400 800 1600 3200 6400
anual P ma (mm)

2 P ma / P agt 0,125 0.25 0,5 1 2 4 8

La evaporacin
3 3000 2400 2000 1600 1200 1200 1200
potencial anual E ap(mm)

4 E AP / P ma 30 12 5 2 0.75 0,375 0.1875

Duracin de la
5 temporada de 1 2 3 4 6 9 12
lluvia Lrs (MO)

6 Moderar 0.25 0,5 1 1.5 1 0,5 0.25

7 Intensidad Grave 0,5 1 2 3 2 1 0,5

de la
8 Sequa Extremo 0.75 1.5 3 4.5 3 1.5 0.75
 9 duracin de la Sequa 1 2 4 6 4 2 1
(ao)

10 frecuencia de sequa- 2 3 6 12 25 50 100

1
(ao)

Para cualquier ao para el que P es la precipitacin anual, la intensidad de la sequa I se define como la
proporcin entre el dficit ( P ma - P ) con la media ( P ma ). Para cualquier ao, una intensidad I = 0,25 est
clasificado como moderado; I = 0,5 como grave, y me = 0,75 como extremo. Para duraciones de sequa que
duran dos aos o ms, la intensidad es la suma de las intensidades anuales individuales (lneas 6-8, Tabla 6-
6). Por lo tanto, mayor la duracin sequa, mayor es la intensidad de la sequa.Intensidades extremas estn
generalmente asociados con sequas de larga duracin.

La experiencia ha demostrado que las sequas ms prolongadas ocurren generalmente alrededor de la mitad
del espectro climtico (800 mm de precipitacin anual media). duracin Sequa vara entre 1 ao (o menos) en
los extremos del espectro climtica y (sobre) 6 yr alrededor de la mitad (lnea 9) [26]. Las sequas que duran
ms de 6 aos son poco comunes; es ms probable que sea impulsado por las presiones antropognicas, por
ejemplo, la deforestacin o el pastoreo excesivo [25]. Un ejemplo clsico de una sequa antropognicamente
derivada es la del Sahel, en frica del Norte (Fig. 6-9), donde, en los ltimos 40 aos, las sequas han tenido
una tendencia a persistir durante perodos mucho ms largos de lo normal.

La figura 6-10 muestra los valores de la precipitacin anual normalizado de temporada (junio-octubre) en el
Sahel para el perodo 1898-2004. La precipitacin anual estandarizada tiene desviacin estndar media y la
unidad de cero. Tenga en cuenta que a travs de la dcada de 1980, la sequa en el Sahel persisti durante
ms de 10 aos.
Figura 6-9 precipitacin media anual en el Sahel, frica del Norte.
 Figura 6-10 precipitacin anual estandarizado en el Sahel para el perodo 1898-2004.

En general, los perodos secos (eventos de sequa) son seguidos por perodos hmedos correspondiente.Por lo
tanto, el intervalo de repeticin sequa (es decir, el recproco de la frecuencia) es siempre mayor que la duracin
sequa. intervalos de recurrencia sequa aumentan a partir de 2 aos en el lado seco extrema del espectro
climtico (superarid) a (ms de) 100 aos en el lado extremo hmedo (superhumid) (lnea 10, Tabla 6-6).
PREGUNTAS

[Problemas] [Referencias] [Inicio] [Conceptos de Estadsticas] [Anlisis de frecuencia] [Frecuencia de bajo

flujo] [sequas]

1. En el anlisis estadstico, cules son las medidas de tendencia central? Explique.

2. Cul es la asimetra? Una distribucin que tenga una larga cola en el lado derecho tiene asimetra
positiva o negativa?
3. Cules son los parmetros de la distribucin gamma? Cmo son las distribuciones gamma y Pearson
Tipo III relacionados?
4. Cul es el parmetro que distingue a las tres distribuciones de valores extremos? Cul es el valor lmite
de la media de la variable aleatoria de Gumbel?
5. Cul es la diferencia entre la serie anual de excedencia y la serie de mximos anuales? Cul es el
riesgo en el contexto del anlisis de frecuencia?
6. Cmo se construye un papel de probabilidad de valores extremos? Qu tipo de papel de probabilidad
se utiliza en el registro de Pearson Tipo III mtodo?
7. Cul es la diferencia entre las frmulas de posicin de Weibull, Blom y Gringorten trazado?
8. Cmo es la variabilidad asimetra en cuenta en el mtodo de Pearson III de registro?
9. Cuando estn altos valores atpicos consideran parte de los datos histricos? Cundo es necesario
realizar un clculo ponderado histricamente?
 10. Por qu son las distribuciones de dos parmetros, tales como la apropiada distribucin Gumbel para su
uso en conexin con longitudes de registro cortos?
11. Comparacin de las inundaciones y las sequas desde el punto de vista del anlisis de frecuencia.
12. Cul es la precipitacin media anual en el centro del espectro climtico?
13. Cul es la evaporacin potencial anual medio en la mitad del espectro climtico?
14. Por qu las sequas en el Sahel probable que persisten mucho ms tiempo de lo normal?

PROBLEMAS

[Referencias] [Inicio] [Conceptos de Estadsticas] [Anlisis de frecuencia] [Frecuencia de bajo

flujo] [sequas] [preguntas]

1. Desarrollar una hoja de clculo para calcular la media, la desviacin estndar y el coeficiente de asimetra
de una serie de caudales mximos anuales. Pruebe su trabajo utilizando los datos del Ejemplo 6-1 en el
texto.
2. Se han encontrado los caudales mximos anuales de un determinado flujo que se distribuye normalmente
con una media de 22.500 pies 3 / s y la desviacin estndar de 7.500 pies 3 / s.Calcular la probabilidad de
que un flujo mayor que 39.000 ft 3 ocurrirn / s.
3. Las inundaciones 10-Y y 25-y de cierta corriente son 73 y 84 m 3 / s, respectivamente. Suponiendo una
distribucin normal, calcular los 50-y y 100-y las inundaciones.
4. Los bajos flujos de cierta corriente se ha demostrado que siguen una distribucin normal. Los flujos se
espera sobrepasar el 95% y el 90% de las veces son de 15 y 21 m 3 / s, respectivamente. Qu flujo se
puede esperar que se supere el 80% del tiempo?
5. Una atagua temporal por un perodo de construccin de la presa 5-y est diseado para pasar el 25-y
las inundaciones. Cul es el riesgo de que la atagua puede fallar antes de que finalice el perodo de
construccin? Qu perodo de retorno de diseo es necesaria para reducir el riesgo a menos del 10%?
6. Use la frmula de Weibull (ecuacin 6-26.) Para calcular las posiciones de trazado para la siguiente serie
de mximos anuales, en pies cbicos por segundo: 1305, 3250, 4735, 5210, 4210, 2120, 2830, 3585,
7205, 1930, 2520, 3250, 5105, 4830, 2020, 2530, 3825, 3500, 2970, 1215.
7. Usa la frmula Gringorten para calcular las posiciones de trazado para la siguiente serie de mximos
anuales, en metros cbicos por segundo: 160, 350, 275, 482, 530, 390, 283, 195, 408, 307, 625, 513.
8. Modificar la hoja de clculo del problema 6-1 para calcular la media, desviacin estndar y coeficientes
de sesgo de los logaritmos de una serie de caudales mximos anuales. Pruebe su trabajo utilizando los
resultados del Ejemplo 6-4 en el texto.
9. Adaptarse a una curva de Pearson III registro de los datos del Problema 6-6. Representar grficamente
la distribucin de probabilidad calculado sobre el papel de registro, junto con el de Weibull posiciones
calculadas en el problema 6-6 trazado.
10. Ajustar una curva Gumbel a los datos del Problema 6-6. Representar grficamente la distribucin de
Gumbel calculado sobre el papel, junto con la de Weibull posiciones calculadas en el problema 6-6
trazado.
11. Desarrollar una hoja de clculo para leer una serie de mximos anuales, ordenar los datos en orden
descendente, y calcular las posiciones correspondientes de trazado (por ciento de chances y periodo de
retomo) por las frmulas de Weibull y Gringorten.
12. Teniendo en cuenta las siguientes estadsticas de mximos anuales para el flujo X: nmero de aos n=
35; media = 3545 pies 3 / s ; desviacin estndar = 1.870 pies 3 / s. Calcule el 100-y las inundaciones por
el mtodo de Gumbel.
13. Teniendo en cuenta las siguientes estadsticas de mximos anuales para el ro Y: nmero de aos n=
45; media = 2700 m 3 / s ; desviacin estndar de 1300 m 3 / s; media de los logaritmos = 3.1;desviacin
estndar de los logaritmos = 0,4; coeficiente de asimetra de los logaritmos = - 0,35.Calcule la inundacin
de 100-y el uso de las siguientes distribuciones de probabilidad: (a) la normalidad, (b) Gumbel, y (c) Log
Pearson III.
14. Una estacin cerca de Denver, Colorado, tiene los registros de inundacin de 48 aos, con la estacin
de oblicuidad C sy = -. 0,18 Calcular un coeficiente de asimetra ponderado.
15. Determinar si el valor Q = 13.800 pies 3 / s es un alto valor atpico en una serie de inundaciones 45-y con
las siguientes estadsticas: media de los logaritmos = 3.572; desviacin estndar de los logaritmos =
0,215.
16. El uso de la modificacin Lettenmaier y Burges con el mtodo de Gumbel, ajustar una curva Gumbel a
los datos del ejemplo 6-6 en el texto. Representar grficamente la distribucin de Gumbel calculado sobre
el papel, junto con posiciones calculadas por la frmula Gringorten trazado.
Referencias

[Arriba] [Conceptos de Estadsticas] [Anlisis de frecuencia] [Frecuencia de bajo

flujo] [sequas] [preguntas] [Problemas]

1. Benson, MA (1962). "Trazado Posiciones y Economa Ingeniera de Planificacin," Diario de la Divisin

Hidrulica , ASCE, vol. 88, Noviembre, pp. 57-71.
2. Benson, MA (1968). "Estimacin de la frecuencia de crecidas Uniforme Los mtodos para agencias
federales," Water Resources Research , vol. 4, pp. 891-908.
3. Blom, G. (1958). Los clculos estadsticos y variables beta transformadas . New York: John Wiley.
4. Casella, G., y RL Berger. (1990). Inferencia Estadstica , Wadsworth y Brooks / Cole, Pacific Grove,
California.
5. Chow, VT (1951). "Una frmula general para el anlisis hidrolgico de frecuencia," Transacciones, la
Unin Geofsica Americana , vol. 32, pp. 231-237.
6. Chow, VT (1964). Manual de hidrologa aplicada . Nueva York: McGraw-Hill.
7. Cunnane, C. (1978). "Imparcial Trazado Posiciones-A Review," Diario de Hidrologa , vol. 37, pp. 205-
222.
8. Fisher, RA, y LHC Tippett. (1928). "La limitacin de las formas de una distribucin de frecuencias del
miembro ms pequeo y ms grande de una muestra," Proceedings, Cambridge Philosophical Society ,
vol. 24, pp.180-190.
9. Foster, HA (1924). "Curvas tericas de frecuencias y su aplicacin a problemas de
ingeniera",Transacciones , ASCE, vol. 87, pp. 142-173.
10. Frchet, M. (1927). "Sur la loi de probabilit de l'ecart mximo," (En la ley de probabilidad de error
mximo), Anales de la Sociedad Matemtica Polaca , (Cracovia), vol. 6, pp. 93-116.
11. Fuller, WE (1914). "Flujos de inundacin", Transacciones , ASCE, vol. 77, pp. 564-617.
12. Gringorten, 1.1. (1963). "Una regla de trazado de extrema papel de probabilidad," Journal of Geophysical
Research , vol. 68, N 3, febrero, pp. 813-814.
13. Gumbel, EJ (1941). "Interpretacin de probabilidad de los perodos observados retorno de
inundaciones", Transacciones, American Geophysical Union , vol. 21, pp. 836-850.
14. Gumbel, EJ (1942). "Curvas un control estadstico de los caudales de avenida," Transacciones, la Unin
Geofsica Americana , vol. 23, pp. 489-500.
15. K Gumbel, EJ (1943). "En el trazado de los caudales de avenida," Transacciones, la Unin Geofsica
Americana , vol. 24, pp. 699-719.
16. Gumbel, EJ (1958). Estadsticas de extremos . Irvington, Nueva York: Columbia University Press.
17. Hazen, A. (1914). Discusin sobre "Flujos de inundacin", por WE Fuller, Transacciones , ASCE, vol.77,
p. 628.
18. Havens, AV (1954). "La sequa y la Agricultura," Weatherwise , vol. 7, pp. 51-55.
19. Horton, RE (1913). "La frecuencia de recurrencia de Hudson River inundaciones", EE.UU. oficina del
tiempo Boletn Z , pp. 109-112.
20. Jenkinson, AF (1955). "La distribucin de frecuencias de la cantidad mxima anual (o mnimo) Los valores
de los elementos de Meteorologa," Quarterly Journal de la Royal Meteorological Society , vol. 87, p. 158.
21. Cometa, GW (1977). La frecuencia y anlisis de riesgo en hidrologa . Fort Collins, Colorado: Recursos
de Agua de Publicaciones.
22. Lettenmaier, DP, y SJ Burges. (mil novecientos ochenta y dos). "Gumbel de Valor Extremo Distribucin:
A New Look", Revista de la Divisin Hidrulica , ASCE, vol. 108, No. HY4, abril, pp. 503-514.
23. Natural Environment Research Council. (1975). Los estudios de inundacin Informe . Vol. 1 (de 5
volmenes), Londres, Inglaterra.
24. Pearson, K. (1930). "Tablas de Estadsticos y biometristas", parte I, 3d. Ed. , El laboratorio biomtrico,
University College. Londres: Cambridge University Press.
25. Ponce, VM, AK Lohani, y PT Huston. (1997). "Albedo y los recursos hdricos de superficie: de impacto
Hidroclimatolgicas de las actividades humanas." Revista de Ingeniera Hidrolgica, ASCE, vol. 2, No. 4,
Octubre, 197-203.
26. Ponce, VM, RP Pandey, y S. Ercan. (1999). "Un modelo conceptual de la caracterizacin de la sequa en
todo el espectro climtico." Revista de Estudios Ambientais, vol. 1, N 3, septiembre-diciembre, 68-76.
27. Ponce, VM, RP Pandey, y S. Ercan. (2000). "Caracterizacin de la sequa a travs de espectro
climtico." Revista de Ingeniera Hidrolgica, ASCE, vol. 5, No. 2, abril, 222-224.
28. Riggs, HC (1972). "Las investigaciones de bajo flujo," Tcnicas de los recursos hdricos Investigaciones
de la United States Geological Survey , libro 4, captulo B1.
29. Spiegel, M. Manual matemtico de frmulas y tablas . Esquema de la serie Schaum en
Matemticas.Nueva York: McGraw-Hill.
30. Troxell, HC (1937). "Recursos de Agua del Sur de California con particular referencia a la sequa de 1944-
1951," los Estados Unidos Suministro de papel Agua Geological Survey No. 1366.
 31. Comit Consultivo Interinstitucional de Estados Unidos sobre los datos del agua, hidrologa
Subcomit. (1983). "Directrices para la Determinacin del flujo de inundacin de frecuencia," Boletn n .
17B, emitieron 1981, revisado 1983, Reston, Virginia.

Las lecturas sugeridas

Gumbel, EJ (1958). Estadsticas de extremos . Irvington, Nueva York: Columbia University Press.
Natural Environment Research Council. (1975). Los estudios de inundacin Informe , en 5 volmenes,
Londres, Inglaterra.
Riggs, HC (1972). "Las investigaciones de bajo flujo," Tcnicas de los recursos hdricos Investigaciones
de la United States Geological Survey , libro 4, captulo B1.
Comit Consultivo Interinstitucional de Estados Unidos sobre los datos del agua, hidrologa
Subcomit. (1983). "Directrices para la Determinacin del flujo de inundacin de frecuencia," Boletn n .
17B, emitieron 1981, revisado 1983, Reston, Virginia.

http://engineeringhydrology.sdsu.edu 150714

Los documentos en formato de documento porttil (PDF) requieren Adobe Acrobat Reader 5.0 o superior para ver; descarga de Adobe Acrobat Reader .