Anda di halaman 1dari 9

En el anlisis probabilstico y estadstico en hidrologa, se asume que la

informacin disponible de una variable hidrolgica representa una muestra


tomada de una poblacin cuyas caractersticas se desconocen. En el anlisis
probabilstico se analizan posibles leyes de probabilidad que pueden describir el
comportamiento de las variables de la poblacin. En el anlisis hidrolgico se
utilizan los conceptos de probabilidades y estadstica, porque generalmente se
cuenta con escasa informacin, y casi todos los fenmenos hidrolgicos tienen
una alta aleatoriedad, por esta razn se ve la necesidad de introducir este captulo
para aclarar los conceptos y los mtodos ms utilizados en la hidrologa.

S e l l a ma v a r ia bl e al e a t or i a a t od a fu nc i n q u e a s oc i a a c ad a el e m en t o d el
esp a ci o mu es t r al E u n n m er o re al . S e u til iz a n l et ra s ma ysc ul a s X , Y, . ..
pa ra d esi g na r va r ia bl e s a l ea t o ria s , y l a s r es p ec tiva s mi n scul a s ( x, y, .. .) pa ra
d esi g na r va l o r es c o nc r e tos d e l a s mis ma s .

Va ri a bl e al e at o r i a d is cr e ta : U na va ria bl e d is cr eta es a qu el l a qu e s o l o pu e d e
to ma r un n m e ro fi ni t o d e va l o r es e n t r e do s v a l or es c ua l es qui e ra d e una
ca ra t e r st ic a .
El n m e ro d e h ij os d e una f a m il ia , l a pu nt ua c i n o b t en i da a l l a nza r un da d o.
Variable aleatoria continua : Una variable continua es aquella que
puede tomar un nm ero infi nito de valores entre dos valores
cualesquiera de una c araterstica.
La altura de los alum nos de una clase, las horas de duracin de una
pila.
En la distribucin de probabilidad discreta est permitido tomar slo un nmero limitado de valores. En la
continua, llamada funcin de Variable aleatoria y funcin de distribucin densidad, la variable que se est
considerando puede tomar cualquier valor dentro de un intervalo dado.

Funcin de probabilidad: Se llama funcin de probabilidad de una variable aleatoria discreta X a


la aplicacin que asocia a cada valor de xi de la variable su probabilidad pi.

0 pi 1

p1 + p2 + p3 + + p n = p i = 1

Calcular la distribucin de probabilidad de las puntuaciones obtenidas al lanzar un dado.

x pi

1
Representacin: La representacin de una distribucin discreta de probabilidad es un diagrama

de barras.

Funcin de distribucin: Sea X una variable aleatoria discreta cuyos valores suponemos ordenados
de menor a mayor. Llamaremos funcin de distribucin de la variable X, y escribiremos F(x) a la
funcin: F(x) = p(X x). La funcin de distribucin asocia a cada valor de la variable aleatoria la
probabilidad acumulada hasta ese valor.

Ejemplo: Calcular la funcin de distribucin de probabilidad de las puntuaciones obtenidas al


lanzar un dado.

x pi

x <1 0

1 x < 2

2 x < 3

3 x < 4

4 x < 5
5 x < 6

6 x 1

RepresentacinLa representacin de una funcin de distribucin de probabilidad es una grfica

escalonada.

Distribucin binomial o de BernoulliUn experimento sigue el modelo de la distribucin binomial o

de Bernoulli si:

1. En cada prueba del experimento slo son posibles dos resultados: el suceso A (xito) y

su contrario .2. La probabilidad del suceso A es constante, es decir, que no vara de

una prueba a otra. Se representa por p.3. El resultado obtenido en cada prueba

es independiente de los resultados obtenidos anteriormente.

La distribucin binomial se suele representar por B(n, p).


n es el nmero de pruebas de que consta el experimento.
p es la probabilidad de xito.
La probabilidad de es 1 p, y la representamos por q.
Variable aleatoria binomial: La variable aleatoria binomial, X, expresa el nmero de

xitos obtenidos en cada prueba del experimento. La variable binomial es una variable
aleatoria discreta, slo puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se han

realizado n pruebas.

Ejemplo: k = 6, al lanzar una moneda 10 veces y obtener 6 caras.

Poisson: Esta distribucin es una de las ms importantes distribuciones de variable discreta. Sus
principales aplicaciones hacen referencia a la modelizacin de situaciones en las que nos interesa
determinar el nmero de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o de
espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus usos
frecuentes es la consideracin lmite de procesos dicotmicos reiterados un gran nmero de veces si la
probabilidad de obtener un xito es muy pequea .

Proceso experimental del que se puede hacer derivar Esta distribucin se puede hacer derivar de un
proceso experimental de observacin en el que tengamos las siguientes caractersticas

Se observa la realizacin de hechos de cierto tipo durante un cierto periodo de tiempo o a lo


largo de un espacio de observacin

Los hechos a observar tienen naturaleza aleatoria ; pueden producirse o no de una manera no
determinstica.

La probabilidad de que se produzcan un nmero x de xitos en un intervalo de amplitud t no


depende del origen del intervalo (Aunque, s de su amplitud)

La probabilidad de que ocurra un hecho en un intervalo infinitsimo es prcticamente


proporcional a la amplitud del intervalo.

La probabilidad de que se produzcan 2 o ms hechos en un intervalo infinitsimo es un


infinitsimo de orden superior a dos.

En consecuencia, en un intervalo infinitsimo podrn producirse O 1 hecho pero nunca ms de


uno

Si en estas circunstancias aleatorizamos de forma que la variable aleatoria X signifique o


designe el "nmero de hechos que se producen en un intervalo de tiempo o de espacio", la variable
X se distribuye con una distribucin de parmetro l . As :

El parmetro de la distribucin es, en principio, el factor de proporcionalidad para la probabilidad de


un hecho en un intervalo infinitsimo. Se le suele designar como parmetro de intensidad , aunque ms
tarde veremos que se corresponde con el nmero medio de hechos que cabe esperar que se produzcan
en un intervalo unitario (media de la distribucin); y que tambin coincide con la varianza de la
distribucin.

Por otro lado es evidente que se trata de un modelo discreto y que el campo de variacin de la

variable ser el conjunto de los nmero naturales, incluido el cero:

Variable aleatoria de la distribucin normal: Una variable aleatoria continua, X, sigue


una distribucin normal de media y desviacin tpica , y se designa por N(, ), si se cumplen las
siguientes condiciones:
1. La variable puede tomar cualquier valor: (-, +)

2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva de Gauss:

Curva de la distribucin normal

El campo de existencia es cualquier valor real, es decir, (-, +).


Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.
El rea del recinto determinado por la funcin y el eje de abscisas es igual a la unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la izquierda y
otra igual a 0.5 a la derecha.
La probabilidad equivale al rea encerrada bajo la curva.

p( - < X + ) = 0.6826 = 68.26 %

p( - 2 < X + 2) = 0.954 = 95.4 %

p( - 3 < X + 3) = 0.997 = 99.7 %


La Estadstica descriptiva registra los datos en tablas y los representa en

grficos. Calcula los parmetros estadsticos (medidas de centralizacin y de

dispersin), que describen el conjunto estudiado.

T abl a s d e e s t ad s ti ca : L a d i s t r i b u c i n d e f r e c u e n c i a s o t a b l a d e f r e c u e n c i a s e s
una ordenacin en forma de tabla de los datos estadsticos, asignando a
cada dato su frecuencia correspondiente.

Fr ec u en c i a a bsol u t a : La fr ec ue n c ia ab so l uta es el n m ero d e ve ces q u e


a p ar ec e u n d e te rm in a do va l or en u n es tu di o es t ad s tic o. S e r e p re s e n t a p or f i .
La s u ma de la s f rec u e nc ia s a bs ol utas es i gu al a l n m e ro t ot al d e d a to s, qu e s e
re p re se n t a por N .

Fr ec u en c i a r el a t iv a

L a f r ecu en ci a rel a t iv a es el co ci en t e e n t r e l a f r ecu en ci a

a bs ol u t a d e u n d e t er m ina do va l o r y el n m e r o t o t al d e d a to s .

S e pu e d e ex p r esa r e n t a nt os p o r ci e nt o y s e r e pr e s en ta p o r n i .

L a su ma d e l a s f r ec ue n cia s r el a ti va s e s ig ua l a 1 .

Fr ec u en c i a ac u mu l a da

L a f r ecu en ci a acu mu l ad a es l a su m a d e l a s f re cu e nc i a s

a bs ol u t as d e to do s l os v al o r es i n fe r io r es o i gu al e s a l v al or c on si d e ra d o.

S e r e p r es e nta po r F i .
Frec u en c ia rel ativ a ac u mu lada : La frecuencia relativa acumulada es
el c oc ie nt e e n t re l a f re cu e nc ia a cu m u la da d e u n d et er mi n a d o va lo r y el n m ero
total d e da t os . S e pu ed e e x pr es a r en ta n t os p or c i en to.
E j e m pl o Du r an te el m es de ju l io, en u n a c iu d ad s e ha n re gi st ra d o las
sigu i en t es t em p er a tu r as m xi m as :
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29,
29, 30, 30, 31, 30, 31, 34, 33, 33, 29, 29.
E n l a p ri m er a c ol u mn a d e l a t a bla c oloc am o s l a v a ri a bl e or d en ad a d e
me n or a m ay or , en l a se gu n d a hac e mos el r e c u en to y en l a t e rc e r a an o t am os la
f rec u en c i a a bsol u t a.

xi Recuento fi Fi ni Ni

27 I 1 1 0.032 0.032

28 II 2 3 0.065 0.097

29 6 9 0.194 0.290

30 7 16 0.226 0.0516

31 8 24 0.258 0.774

32 III 3 27 0.097 0.871

33 III 3 30 0.097 0.968

34 I 1 31 0.032 1

31 1
Este tipo de tabl as d e frecu encia s se util iza con variabl e s d iscretas .

L a d i s t ri bu c i n d e f re cu e nc i as ag ru p ad a s o t abl a c o n d a t o s a g ru p ad os s e

e mpl ea s i l a s v ar i a bl e s t oma n u n n m e ro gr a nd e d e v al or e s o l a v a ri a bl e es

co n ti nu a. S e ag ru p a n l os v al or e s e n i n te r v al os qu e t en ga n l a mi sm a

am p l i tu d d e n om i na d os cl a se s. A ca d a cl as e s e l e a s ig na s u f re cu e nc ia

co r re sp on d i en t e .

C o nce p t o s d e E s t ad s t ic a

Po bl ac i n : Un a p o bl a c i n es el co n ju n t o d e t od os l os el e me n to s a l os qu e
se s o me t e a u n e stu d i o e st ad st ic o .

Ind iv id u o: U n i nd iv id u o o u ni da d es ta ds tica es c ad a u no d e l o s el e me nt o s
qu e c o mp on en l a p obl ac i n .

Mu es t r a: U n a mu es t ra es u n co n ju n t o r ep re s en t a ti v o d e l a p o bl ac i n d e
re fe r en ci a , el n m e ro d e ind iv id u o s d e u n a mu e s tr a es m e no r qu e el d e l a
p ob l a ci n.

Mu es t re o :El mu es tr e o es l a r eu ni n d e d at o s qu e s e d e se a es tu d i a r,
ob t en id os d e u n a p ro p o rc i n red u cid a y r e p re s en t a ti v a d e l a p o bl aci n .

Val o r: U n va l o r e s c ad a u n o d e l o s d i st in t o s r esu l t ad os qu e se p u ed en
ob t en e r e n u n e s tu d i o e s t ad s tic o . Si l a nz a mo s u n a m o ne d a al ai re 5 v ec es
ob t en em o s d o s v al o re s: c a r a y c ru z .

D a t o: Un da t o es ca d a u n o d e l o s v al o re s qu e se h a ob t en id o al re al i z ar
u n e stu d i o e st a d st ic o . S i l an za m os u n a m on ed a al ai r e 5 v ec e s o b te n em os
5 d a t o s: c a r a , c ar a , c r u z, c a r a, cru z.

Anda mungkin juga menyukai