ANLISIS DE CONSISTENCIA

El hidrlogo o especialista que desea desarrollar un estudio hidrolgico, debe

buscar la informacin de la cuenca en estudio, en las instituciones encargadas de su recopilacin
(Senamhi), pero una vez que sta se ha obtenido, una de las interrogantes que se debe hacer es:

Es confiable la informacin disponible?

La respuesta a esta pregunta, se obtiene realizando un anlisis de consistencia de la
informacin disponible, mediante criterios fsicos y mtodos estadsticos que permitan identificar,
evaluar y eliminar los posibles errores sistemticos que han podido ocurrir, sea por causas
naturales u ocasionados por la intervencin de la mano del hombre.
La no homogeneidad e inconsistencia, son los causales del cambio a que estn expuestas
las informaciones hidrolgicas, por lo cual su estudio, es de mucha importancia para determinar
los errores sistemticos que puedan afectarlas.

Inconsistencia es sinnimo de error sistemtico y se presenta como saltos y
tendencias, y no homogeneidad es definido como los cambios de datos vrgenes
con el tiempo.

La no homogeneidad en una serie de tiempo hidrolgica, se debe a factores humanos (tala
indiscriminada de una cuenca, construccin de estructuras hidrulicas, etc.) o a factores
naturales de gran significancia, como los desastres naturales (inundaciones, derrumbes,
terremotos, huracanes, etc.)
Esta inconsistencia y no homogeneidad se pone de manifiesto con la presencia de saltos y/o tendencias
en las series hidrolgicas (las cuales se muestran en las figuras 8.1 y 8.2 ), afectando las caractersticas
estadsticas de dichas series, tales como la media, desviacin estndar y correlacin serial.
El anlisis de consistencia de la informacin hidrolgica, se realiza mediante los siguientes
procesos: 1) Anlisis visual grfico 2) Anlisis doble masa y 3) Anlisis estadstico
ANLISIS VISUAL GRAFICO
En coordenadas cartesianas se plotea la informacin hidrolgica histrica, ubicndose en las
ordenadas, los valores de la serie y en las abscisas el tiempo (aos , meses , das , etc.).
Un ejemplo de una serie de caudales promedio anuales se muestra en la figura 8.3. Este grfico
sirve para analizar la consistencia informacin hidrolgica en forma visual, e indicar el perodo o
perodos en los cuales la informacin es dudosa, lo cual se puede reflejar como picos muy altos
o valores muy bajos, saltos y/o tendencias, los mismos que debern comprobarse, si son
fenmenos naturales que efectivamente han ocurrido, o si son producto errores
sistemticos.
Figura 8.3 Serie
histrica de caudales
mximas extremas
anuales (Ro Piura)
Para conocer la causa del fenmeno detectado, se puede analizar de diversas
formas:

1. Cuando se tienen estaciones vecinas, se comparan los grficos de las series
histricas, y se observa cul perodo vara notoriamente uno con respecto al
otro.
2. Cuando se tiene una sola estacin, sta se divide en varios periodos y se
compara con la informacin de campo obtenida.


Estacion Chamis: precipitacion (mm)
Aforador Ronquillo: nivel del agua (m)
13:45
11:00
3. Cuando se tienen datos de precipitacin y escorrenta, se comparan los diagramas,
los cuales deben ser similares en su comportamiento.

La interpretacin de estas comparaciones, se efecta conjuntamente con el anlisis doble masa. C
Ejemplo N 1:

Dada la serie de caudales promedios de la estacin del ro Bebedero, que se muestra en la tabla 8.1, elaborar
el hidrograma.
Caudales promedios anuales en m3/s del ro Bebedero, perodo 1954-1993.
Solucin:
Graficando los pares de valores se obtiene la figura 8.4, en la cual, en el eje de la abscisas se coloca el tiempo en aos, y en el
eje de ordenadas el caudal en m3/s.
Realizando el anlisis visual de la serie histrica, se observa que partir del ao 1979 se produce un
salto, esto se explica fsicamente ya que en ese ao existe un trasvase al ro Bebedero, al entrar operar
el proyecto hidroelctrico Arenal-Tempisque.

ANLISIS DOBLE MASA

Este anlisis se utiliza para tener una cierta confiabilidad en la informacin, as como tambin, para analizar la consistencia en
relacionado a errores, que pueden producirse durante la obtencin de los mismos, y no para una correccin a partir de la recta
doble masa
El diagrama doble masa se obtiene ploteando en el eje de las abscisas los acumulados, por ejemplo, de los promedios de los
volmenes anuales en millones de m3(MM), de todas las estaciones de la cuenca y, en el eje de las ordenadas los acumulados
de los volmenes anuales, en millones de m3, de cada una de las estaciones en estudio, como se muestra en la figura 8.5.
Figura 8.5 Anlisis doble masa para determinar la estacin base
De estos doble masas se selecciona como la estacin ms confiable, la que presenta el menor nmero de
quiebres, en el ejemplo de la figura 8.5, corresponde a la estacin C, la cual se usa como estacin base
para el nuevo diagrama doble masa, es decir, se vuelve a construir el diagrama de doble masa colocando
en el eje de las abscisas la estacin base y en el de las ordenadas la estacin en estudio, como se muestra en
la figura 8.6.
Figura 8.6 Anlisis doble masa para obtener los perodos de estudio (en este caso n
1
, n
2
, n
3
)
El anlisis doble masa propiamente dicho, consiste en conocer mediante los quiebres que se presentan
en los diagramas, las causas de los fenmenos naturales, o si estos han sido ocasionados por errores
sistemticos.

En este ltimo caso, permite determinar el rango de los periodos dudosos y confiables para cada estacin en
estudio, la cual se deber corregir utilizando ciertos criterios estadsticos. Para el caso de la figura 8.6, el
anlisis de doble masa, permite obtener los perodos, n1, n2, n3, que deben estudiarse, con el anlisis
estadstico.
ANLISIS ESTADSTICO

Despus de obtener de los grficos construidos para el anlisis visual y de los de doble masa, los perodos de
posible correccin, y los perodos de datos que se mantendrn con sus valores originales, se procede al
anlisis estadstico de saltos, tanto en la media como en la desviacin estndar.
Anlisis de Saltos

1. Consistencia de la Media
El anlisis estadstico consiste en probar, mediante la prueba t (prueba de hiptesis), si los valores medios
de las submuestras, son estadsticamente iguales o diferentes con una probabilidad del 95% o
con 5% de nivel de significacin, de la siguiente manera:
a) Clculo de la media y de la desviacin estndar para las submuestras, segn:
b) Clculo del (tc) calculado segn:
c) Clculo del t tabular t
t
:
El valor crtico de t se obtiene de la tabla t de Student (tabla A.5 del apndice), con una
probabilidad al 95%, con un nivel de significacin del 5%, es decir con /2 = 0.025 y con
grados de libertad y = n
1
+ n
2
- 2.
2. Consistencia de la Desviacin Estndar

El anlisis estadstico consiste en probar, mediante la prueba F, si los valores de las desviaciones estndar de
las submuestras son estadsticamente iguales o diferentes, con un 95% de probabilidad o con un 5% de nivel
de significacin, de la siguiente forma:
a) Clculo de las varianzas de ambos perodos:
c) Clculo del F tabular (valor crtico de F Ft), se obtiene de las tablas F (tabla A.4) para una
probabilidad del 95%, es decir, con un nivel de significacin = 0.05 y grados de libertad:
donde:
G.L.N = granos de libertad del numerador
G.L.D = grados de libertad del denominador
Correccin de los datos

En los casos en que los parmetros media y desviacin estndar de las submuestras de las series de tiempo,
resultan estadsticamente iguales, la informacin original no se corrige, por ser consistente con 95% de
probabilidad, aun cuando en el doble masa se observe pequeos quiebres. En caso contrario, se corrigen los
valores de las submuestras mediante las siguientes ecuaciones:
La ecuacin (8.7), se utiliza cuando se deben corregir los valores de la submuestra de tamao
n1, y la ecuacin (8.8), si se deben corregir la submuestra de tamao n2.
Anlisis de Tendencias

Antes de realizar el anlisis de tendencias, se realiza el anlisis de saltos y con la serie libre de saltos,
se procede a analizar las tendencias en la media y en la desviacin estndar.
1. Tendencia en la Media

La tendencia en la media Tm, puede ser expresada en forma general por la ecuacin polinomial:
Los parmetros de regresin de estas ecuaciones, pueden ser estimados por el mtodo de
mnimos cuadrados, o por el mtodo de regresin lineal mltiple.

El clculo de la tendencia en la media, haciendo uso de la ecuacin (8.10), se realiza
mediante el siguiente proceso:

a. Clculo de los parmetros de la ecuacin de simple regresin lineal.
b. Evaluacin de la tendencia T
m

Para averiguar si la tendencia es significativa, se analiza el coeficiente de regresin B
m
o tambin el
coeficiente de correlacin R.
El anlisis de R segn el estadstico 1, es como sigue:

1. Clculo del estadstico t segn:
donde:
t
c
= valor del estadstico t calculado.
n = nmero total de datos
R = coeficiente de correlacin
2. Clculo de t
El valor crtico de t, se obtiene de la tabla de t de Student (tabla A.5 del apndice), con 95% de
probabilidad o con un nivel de significacin del 5 %, es decir:
c. Correccin de la informacin:

La tendencia en la media se elimina haciendo uso de la ecuacin:
donde T
m
es el promedio de la tendencia en la media o promedio de los valores corregidos
de saltos.
2. Tendencia en la desviacin estndar

La tendencia en la desviacin estndar, generalmente se presenta en los datos semanales o
mensuales, no as en datos anuales. Por lo que, cuando se trabajan con datos anuales, no hay
necesidad de realizar el anlisis de la tendencia en la desviacin estndar.

La tendencia en la desviacin estndar Ts, se expresa en forma general por la ecuacin polinomial.
Para calcular y probar si la tendencia en la desviacin estndar es significativa, se sigue el siguiente proceso:
a. La informacin ya sin tendencia en la media Y
t
, se divide en perodos de datos anuales.
b. Se calcula las desviaciones estndar para cada perodo de toda la informacin:
c. Se calculan los parmetros de la ecuacin (8.19), a partir de las desviaciones
estndar anuales y el tiempo t (en aos), utilizando las ecuaciones de la (8.11) a
la (8.14), dadas para la tendencia en la media.
d. Se realiza la evaluacin de T
s
siguiendo el mismo proceso descrito para T
m
.


Si en la prueba R resulta significativo, la tendencia en la desviacin estndar es
significativa, por lo que se debe eliminar de la serie, aplicando la siguiente ecuacin:
donde: Z
t
= serie sin tendencia en la media ni en la desviacin estndar. Las dems variables han sido
definidas en prrafos anteriores.

Para que el proceso preserve la media y la desviacin estndar constante. la ecuacin toma la forma:
La serie Z es una serie homognea y consistente al 95% de probabilidad.
Ejemplo 1:

Con el registro de volmenes anuales de caudales en MM3, que se muestra en la tabla 8.2, se realiz el
anlisis de doble masa, y se obtuvo un quiebre que permiti separar los datos en los perodos 1964-1985 y
1986-1999.
Realizar el anlisis estadstico de saltos en la media y desviacin estndar para ambos perodos. Si obtiene
diferencia significativa (al 95 % de probabilidad), realizar la correccin del primer perodo.


Tabla 8.2 Volmenes anuales de caudales en MM3
Solucin:
2. Clculo del t tabular t:


El valor crtico de t se obtiene de la tabla A.5 del apndice, con una probabilidad al con un nivel de significacin del
5%, es decir con /2 = 0.025 y con grados de libertad y = 22 + 14-2 = 34. Para estos valores, se tiene: t
t
= 1.960

3. Criterio de decisin
Evaluacin de la consistencia en la desviacin estndar

1. Clculo de Fc

De la ecuacin (8.6), se tiene:
Sustituyendo valores, resulta:
PRACTICA DIRIGIDA (PRESENTACION 17 DE MAYO)

Anlisis de saltos

Dada la informacin de las tablas 8.4 y 8.5, serie de caudales anuales.

1. Completar el dato faltante para el ao 1955 de la tabla 8.4, haciendo la correlacin de los
datos de la tabla 8.4 y 8.5 para los aos comunes.

2. Graficar la serie histrica de la tabla 8.4, hacer un anlisis visual e indicar si se presenta un
salto.
3. Para estar seguro de que se presenta salto, con los datos de las tablas 8.4 y 8.5 realizar el anlisis
de doble masa, considerando como estacin base los datos de la tabla 8.5.
Tabla 8.4 Serie histrica de caudales medios anuales, en m
3
/s, del ro Chancay-
Huaral, estacin Santo Domingo, Per (1939 - 1981)
Proceso:
Acumular los valores de los caudales.
Graficar el diagrama de doble masa.
Tabla 8.5 Serie histrica de caudales medios anuales, en m
3
/s, del ro
Jequetepeque, estacin Ventanilla, Per (1939 - 1980)
Observar los quiebres que se presentan.
Con base en los quiebres que se presentan, separar los perodos de los aos donde posiblemente
se presentan los saltos.
4. Realizar el anlisis estadstico de saltos y las correcciones de los datos si fuera el caso, para perodos
obtenidos del anlisis de doble masa.

Para este anlisis de saltos debe realizar:

Consistencia de la media
Consistencia en las desviacin estndar
Correccin de los datos
5. Graficar nuevamente la serie una vez corregida, con lneas punteadas.
Notas:
Si del anlisis de doble masa obtiene:
Solo dos perodos, siga la metodologa indicada
Tres ms perodos, tomar los dos primeros perodos y aplicar la metodologa indicada, luego
considerando stos 2 perodos como uno solo y el 3er perodo, aplicar la metodologa indicada, y as
sucesivamente.
2. Anlisis de tendencias

Dada la informacin de la tabla 8.6, serie de caudales anuales.

1. Graficar los datos de esta serie, observe visualmente e indique si se presenta tendencia.

2. Realizar el anlisis estadstico de tendencias y las correcciones de los datos si fuera el caso.
Debe realizar solo el anlisis de tendencia en la media (para datos anuales no se presenta
tendencia en la desviacin estndar).

3. Graficar la serie corregida.
Tabla 8.6 Serie histrica de caudales medios anuales, en m
3
/s, del ro
Chicama, estacin Salmar, Per (1911 - 1980)
COMPLETACIN Y EXTENSIN DE DATOS
HIDROMETEREOLGICOS

La completacin y extensin de series es uno de los problemas ms comunes de
la hidrologa. El uso de una estacin cercana puede ser ventajoso para estos fines.

La extensin de series cortas es uno de los aspectos ms importantes, puesto que
se modifican sustancialmente los estadsticos muestrales, acercndose a sus
equivalentes poblacionales. A s por ejemplo, la media de una serie corta es
totalmente diferente a la media de la serie larga y de la misma manera se
pueden comparar todos los otros estadsticos de la serie histrica.

METODOLOGAS

Existen varios procedimientos para efectuar la completacin y extensin de datos
hidrometereolgicos mediante la aplicacin de tcnicas estadsticas y
matemticas. En todos los casos, debe analizarse profundamente la
confiabilidad de la tcnica o metodologa utilizada por las siguientes razones:

a). El aumentar la longitud de un registro implica disminuir el error estndar
en la estimacin de parmetros ya que si la serie tiende al infinito el
estimador se aproxima ms al parmetro poblacional.

b). Si la tcnica es inadecuada, lejos de mejorar los estadsticos los empeora.
En este caso es preferible quedarse con los registros cortos.

Los modelos de regresin simple y mltiple son muy usados en
hidrologa para transferir informacin desde uno o varios puntos a otra
estacin de registro con datos faltantes y/o de serie corta.

La completacin y la extensin de series histricas se realiza con datos
consistentes es decir, despus de haber analizado la confiabilidad de las muestras.
Dicho en otras palabras, para esta etapa de completacin y/o extensin, la
muestra debe estar libre de saltos y de tendencias
TIPOS DE CORRELACIN
Las tcnicas que se utilizan para la completacin, en orden de prioridad son:
Regresin lineal simple, entre stas:
Correlacin cruzada entre dos o ms estaciones situacin (1) sin desfase ver figura
Autocorreccin situacin ( 2) ver figura
Relleno con criterios prcticos.
Para la extensin se usan modelos de:
Regresin lineal simple y la regresin lineal mltiple
(1) Correlacin cruzada sin desfase (correlacin espacial)
(2) Correlacin serial con desfase (correlacin temporal o autocorrelacin)
(3) Correlacin cruzada con desfase (correlacin espacial y temporal)
SERIE HISTRICA DE CAUDALES DE LAS CUENCAS A Y B
a) La correlacin cruzada o simplemente correlacin, es la relacin entre variables
correspondientes a dos estaciones vecinas. Puede ser correlacin en el espacio, sin
desfase en el tiempo.


Est. A: Y1, Y2, Y3,., Yn
Est. B: X1, X2, X3,., Xn

En este caso se correlacionan datos de diferentes estaciones, resultando n
pares correlacionados.

La correlacin cruzada tambin se establece con desface en el tiempo.

Est. A: Y1, Y2, Y3,., Yn
Est. B: X1, X2, X3,., Xn

En general, en ese caso resultan n-k pares correlacionados: donde k es el
desfase en el tiempo. Esta correlacin implica una prdida de la informacin
disponible en k datos.
b) Auto correlacin: Llamada tambin correlacin seriada o serial, consiste en
correlacionar datos correspondientes al registro de una misma muestra
hidrometereolgica, considerando un desfase k en el tiempo.



Est. A: Y1, Y2, Y3,., Yn

Est. B: Y1, Y2, Y3,., Yn (para k=1)

En esta relacin resulta n-k pares correlacionados, perdindose tambin parte de la
informacin equivalente a k datos de la serie.

K=1 el coeficiente de auto correlacin es de 1 orden.

K=2 El coeficiente de auto correlacin es de 2 orden.

En ingeniera hidrolgica slo se puede encontrar autocorrelaciones hasta de
segundo orden

ANLISIS DE REGRESIN Y CORRELACIN

Frecuentemente es necesario investigar posibles relaciones (de
causalidad o de interdependenca) entre dos o ms variables, tal relacin,
en caso de existir deber ser estudiada a travs de los anlisis
estadsticos de regresin y correlacin

Estos anlisis constituyen una de las herramientas estadsticas ms
antiguas usadas en hidrologa. Primeramente fueron utilizadas para
estimar datos faltantes y ampliar el registro de corta extensin, de
una cierta estacin climatolgica o hidromtrica, en base a la
informacin disponible en las estaciones cercanas.

Hoy en da, sus aplicaciones incluyen adems, el estudio de las
relaciones entre dos o ms variables hidrolgicas y la investigacin
de la dependencia entre los eventos sucesivos de una serie
cronolgica de datos hidrolgicos.

La diferencia entre regresin y correlacin es bastante clara. La
regresin permite obtener la ecuacin matemtica que expresa la
variable dependiente (y), cuando otra u otras variables, llamadas
independientes (x), se suponen conocidas y por lo tanto, permite
calcular valores de 'y' a partir de los de 'x'.

En cambio, por medio de la correlacin, se calcula el grado de
dependencia o asociacin entre dos o ms variables, representado
numricamente por el llamado Coeficiente de Correlacin.

Una grfica en la que se indican los valores muestrales dibujados sobre
un plano xy, se denomina: Diagrama de Dispersin.

En base a tal diagrama se podr detectar si los valores siguen un modelo
LINEAL o no NO LINEAL, es decir; si los puntos se aproximan a una
lnea recta o a una curva, como se ilustra en la figura siguiente.

La ecuacin matemtica (regresin) de la relacin o modelo lineal entre
dos series de valores, se representa por medio de un polinomio de grado
uno, en cambio, una relacin no lineal se reproduce matemticamente
mediante un polinomio de grado superior.

regresin lineal de dos variables: y = a
0
+ a
1
x
regresin lineal mltiple: y = a
0
+ a
1
x
1
+ + a
n
x
n



El diagrama de dispersin, adems de ayudar a definir el modelo a
utilizar (lineal o no lineal), permite detectar los valores (parejas de datos)
que se apartan de la NUBE DE PUNTOS y que al ser eliminados del
anlisis de regresin, mejoran el ajuste de la recta o curva, de manera que
se eleva la correlacin entre las dos variables.

El nmero de puntos que se considera permisible eliminar, depende de
muchos factores como son: forma de la nube de puntos, nmero de
puntos o parejas, naturaleza de los datos, etc. sin embargo, se puede
aceptar en una primera aproximacin que el 10% del nmero total de
puntos se pueden eliminar para mejorar el ajuste.

Para evitar el juicio o criterio particular en el ajuste de un
modelo de regresin a unos datos, es necesario obtener una
definicin rgida de la recta o curva de mejor ajuste.

Al obtener la ecuacin de la recta de regresin por la tcnica
de los mnimos cuadrados, se presentan tres casos, segn como
se mida la distancia de cada punto a la recta.

Esto se logra a travs de la tcnica de los Mnimos Cuadrados, la
cual indica que de todas las rectas o curvas que representan a
una nube de puntos, la que tiene una suma mnima de los
cuadrados de las distancias de cada punto a tal recta o curva,
es la del mejor ajuste.


Perpendicular a la recta, se llama ortogonal.
Paralelamente al eje de las ordenadas, se llama de y sobre x.
Paralelamente al eje de las abscisas, se llama de x sobre y.

CORRELACIN Y COEFICIENTE DE CORRELACIN LINEAL

Se llama correlacin PERFECTA de dos variables x e y, cuando
todos los puntos que representan las parejas de datos caen sobre la
recta de regresin.

Si por el contrario, los puntos no estn alineados sino dispersos, la
correlacin es NULA.

Por otra parte, si la variable y aumenta a medida que x aumenta, x e
y presentan correlacin POSITIVA o DIRECTA. Si y disminuye a
medida que x aumenta, x e y tienen correlacin NEGATIVA o
INVERSA. Los tipos de correlacin se ilustran en la figura siguiente.
ECUACIN DE REGRESIN LINEAL SIMPLE (RLS): La ecuacin de RLS se
expresa de la siguiente manera:

Yi=a+bXi modelo matemtico.

Yi=a+bXi+Ei modelo estadstico.

Yi= variable aleatoria dependiente.

Xi= Variable aleatoria independiente.

Ei= Residuo que queda de la variable y que no ha sido considerado en x.
Su existencia se debe a que las muestras son el azar y a efectos de otras
variables.

a,b, son los parmetros de la ecuacin que se calculan a partir de la muestra.

Estimacin de Parmetros del Modelo: Utilizando el mtodo de mnimos cuadrados
para la estimacin de los parmetros de la ecuacin de RLS, se llega a las siguientes
expresiones:

X b Y a

2
) (
) )( (
X Xi
X Xi Y Yi
b
Sy Sx
y X XY
Sy
Sx
b R
*
*
*

2 / 1
2
)
1
2
(
R
n
R Tc

El estadstico Tc est dado por:

Ecuacin N 09
Ecuacin N 10
Ecuacin N 11
Prueba de grado de Asociacin de las variables
Ecuacin N 12
%) 5 ( 0 :
%) 5 ( 0 :

R HA
R HP
El T
t
tabular se determina con (n-2) grados de libertad y =0.05
Las hiptesis de prueba son:
Los criterios de decisin son.

HA Aceptar Tc Tc
HP Aceptar Tt Tc
%) 95 (
%) 95 (

(Las variables no estn asociadas)

(Las variables estn asociadas)
En la primera condicin, las variables no estn correlacionadas estadsticamente por
tanto tal funcin no puede emplearse para completar o extender la serie de la variable
dependiente estudiada.
La segunda condicin en cambio, mucho ms si se trata de una prueba altamente
significativa, implica que las variables analizadas estn correlacionadas y entonces
dicha funcin puede emplearse para completar y extender la serie de la variable
dependiente.
SEGUNDO TRABAJO ESCALONADO

Realizar el anlisis de consistencia (Visual grafico, anlisis de doble masa y
el anlisis estadstico), considerando como estacin base a la estacin
Weberbauer (precipitaciones anuales en mm. desde 1964 al 1991)

Corregir y completar los datos faltantes de la estacin denominada Chetilla,
(precipitaciones anuales en mm. desde 1964 al 1991)

Procesar, analizar e interpretar los datos obtenidos.


FECHA DE PRESENTACIN:
ANLISIS DE CONSISTENCIA, Y COMPLETACIN DE DATOS
ESTACION CONFIABLE WEBERBAWER
AO ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE
1964 30.30 50.40 357.30 56.20 12.30 6.60 1.60 23.80 12.60 52.60 58.80 115.20
1965 121.10 81.40 121.10 41.70 12.10 11.10 2.90 28.00 13.40 98.00 40.70 34.40
1966 62.70 45.90 54.50 41.90 44.00 0.00 7.50 0.70 13.10 76.80 62.70 18.70
1967 120.90 139.50 109.10 32.30 44.10 3.90 28.40 5.80 24.90 101.00 17.80 36.70
1968 58.00 81.00 67.70 26.20 14.90 1.60 1.60 16.20 50.00 66.40 54.60 70.80
1969 42.00 73.70 83.50 85.70 1.50 19.60 0.30 7.80 18.40 73.80 106.40 162.00
1970 71.00 41.80 79.90 54.50 33.80 19.90 3.20 2.50 18.20 103.00 51.50 54.10
1971 58.40 97.80 275.70 54.70 8.00 12.20 17.60 17.20 28.10 89.80 45.80 66.50
1972 55.50 67.60 11.80 76.20 18.10 4.40 3.40 20.60 31.90 31.40 66.50 50.20
1973 95.30 70.70 91.60 98.40 27.90 28.70 8.40 19.30 87.20 5.50 68.20 72.30
1974 76.80 128.20 95.20 58.50 4.60 17.30 6.50 26.40 39.70 71.00 55.10 84.60
1975 137.60 181.80 238.50 70.70 66.80 10.00 7.20 19.30 45.10 80.20 65.10 0.90
1976 130.40 62.90 81.30 55.20 43.00 23.00 0.10 4.40 12.30 32.20 71.60 44.40
1977 129.90 146.40 141.90 42.60 25.50 8.00 7.50 0.10 16.10 53.40 54.80 68.20
1978 12.70 34.40 48.80 37.00 65.60 3.90 4.40 3.80 25.00 24.40 54.00 44.80
1979 84.10 81.60 159.70 37.10 16.30 1.80 7.50 15.70 33.60 24.40 26.30 46.60
1980 34.90 42.40 65.00 29.30 6.90 15.10 3.20 6.70 2.30 130.40 111.00 106.70
1981 78.20 186.50 105.70 33.70 14.70 6.60 7.20 12.70 22.00 111.90 45.60 111.30
1982 71.80 102.90 75.70 88.70 38.20 7.80 2.10 6.60 43.90 124.80 67.30 87.40
1983 116.60 75.70 152.80 105.70 31.10 10.10 9.60 2.70 19.20 86.90 28.10 118.40
1984 24.70 233.60 123.80 80.00 69.50 25.10 23.40 18.70 36.70 68.60 97.60 104.10
1985 24.60 42.40 37.20 41.90 53.00 0.40 4.80 18.30 37.30 50.00 23.90 40.30
1986 84.40 47.70 96.80 120.20 16.00 0.60 1.20 14.60 1.30 43.60 66.20 51.80
1987 98.00 95.20 39.20 52.20 11.20 4.00 10.80 12.30 39.50 37.20 74.30 61.50
1988 109.70 105.50 44.80 95.60 10.60 5.40 0.00 0.40 32.90 69.40 65.20 63.40
1989 87.00 158.80 113.50 85.40 18.80 16.70 3.20 5.90 53.50 106.60 47.10 2.70
1990 101.00 95.30 101.80 62.00 28.00 10.70 6.80 10.30 28.70 73.30 61.20 64.20
1991 43.80 90.00 133.70 55.20 17.90 0.70 0.40 0.30 10.20 28.20 55.10 71.90
ESTACIN CHETILLA CON DATOS FALTANTES Y SIN CORREGIRLOS
AOS ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE
1964 101.20 134.30 115.30 84.00 31.50 15.40 10.20 8.70 36.90 35.30 71.70 67.20
1965 65.70 99.30 102.80 58.00 16.50 14.90 10.50 7.20 23.10 105.50 56.00 77.30
1966 98.50 102.90 82.80 59.80 21.50 4.00 2.90 5.80 29.40 80.20 85.60 76.80
1967
1968
1969
1970
1971 84.10 69.40 146.90 91.20 48.60 7.20 3.70 13.10 37.10 97.20 52.40 83.20
1972 65.90 42.00 94.80 40.20 19.40 8.40 4.70 16.70 20.90 50.00 71.00 60.80
1973 114.50 75.50 87.90 73.00 37.40 15.00 12.20 14.30 25.30 55.80 56.50 54.70
1974 110.40 113.40 84.60 71.90 33.20 10.80 10.60 16.30 26.50 41.80 55.60 53.10
1975 77.20 118.00 63.30 54.30 37.90 11.70 8.30 7.40 24.70 88.70 55.70 69.50
1976 74.20 81.40 68.00 50.50 13.30 6.70 10.80 2.20 19.80 34.70 22.20 57.30
1977 16.80 49.80 60.00 34.70 67.30 5.20 15.40 6.00 24.30 29.90 35.90 59.60
1978 50.00 108.80 145.50 41.20 24.80 1.60 12.50 18.90 35.20 6.40 29.70 41.80
1979 37.00 24.90 74.40 20.20 8.00 8.30 3.50 4.90 1.80 126.50 91.70 130.60
1980 69.20 206.20 109.70 46.30 25.00 8.40 8.90 15.80 22.70 95.80 29.90 97.10
1981 59.60 97.10 75.60 84.50 31.90 7.8 9.40 2.20 44.50 104.60 86.10 86.10
1982 93.00 69.40 181.90 91.70 39.40 10.70 11.10 8.90 16.90 77.30 49.20 89.30
1983 45.50 257.90 125.80 61.50 65.70 19.10 11.10 22.20 38.30 86.30 68.70 85.40
1984 15.80 50.30 37.80 49.90 56.90 1.80 1.10 13.00 45.60 33.30 16.50 41.70
1985 108.10 34.20 92.40 106.60 15.30 0.30 9.20 19.50 1.30 27.00 50.10 78.90
1986 145.00 82.20 38.70 58.30 9.40 9.10 17.20 14.90 38.60 36.90 58.70 60.60
1987 124.10 127.50 51.50 109.10 16.60 8.60 0.00 1.20 24.80 63.60 83.10 75.80
1988 62.40 176.50 156.20 114.20 27.60 26.40 0.50 3.80 53.50 110.90 28.00 84.50
1989 99.40 64.50 79.10 62.10 53.20 25.30 2.00 12.00 11.00 129.70 110.20 70.80
1990 65.60 88.00 189.70 99.40 3.60 1.60 0.40 1.30 41.50 22.20 55.00 64.20
1991 73.60 37.10 61.20 69.10 18.60 11.40 3.40 6.00 36.10 31.20 66.40 63.90