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.
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
Aforador Ronquillo: nivel del agua (m)
13:45

Estacion Chamis: precipitacion (mm)

11:00
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, n2, n3)
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 tt:

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 = n1 + n2 - 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 Tm

Para averiguar si la tendencia es significativa, se analiza el coeficiente de regresin Bm 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:
tc= 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 Tm 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 Yt, 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 Ts siguiendo el mismo proceso descrito para Tm.

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: Zt = 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 95% 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: tt= 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:

PROBLEMA PROPUESTO
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 m3/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 m3/s, del ro
Chicama, estacin Salmar, Per (1911 - 1980)
 COMPLETACIN Y EXTENSIN DE DATOS
HIDROMETEOROLGICOS

Lacompletacinyextensindeserieses uno de los problemas ms comunes de

la hidrologa.Elusodeunaestacincercanapuedeserventajosoparaestosfines.

Laextensindeseriescortasesunodelosaspectosmsimportantes,puestoque
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

datoshidrometeorolgicosmediante 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

consistentesesdecir,despusdehaberanalizadolaconfiabilidaddelasmuestras.
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
Lastcnicasqueseutilizanparalacompletacin,enordendeprioridadson:
Regresin lineal simple, entre stas:
Correlacincruzadaentredosomsestacionessituacin(1)sindesfaseverfigura
Autocorreccinsituacin(2)verfigura
Relleno con criterios prcticos.
Paralaextensinseusanmodelosde:
Regresinlinealsimpleylaregresinlinealmltiple
 SERIE HISTRICA DE CAUDALES DE LAS CUENCAS A Y B

(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)
a) La correlacin cruzada o simplemente correlacin, es la relacin entre
variables correspondientes a dos estaciones vecinas. Puede ser correlacin en el
espacio,sindesfaseeneltiempo.

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.

Lacorrelacincruzadatambinseestablececondesfaceeneltiempo.

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

Engeneral,enesecasoresultann-kparescorrelacionados:dondekeseldesfaseen
el tiempo. Esta correlacin implica una prdida de la informacin disponible en
kdatos.
b) Auto correlacin: Llamada tambin correlacin seriada o serial, consiste en
correlacionar datos correspondientes al registro de una misma muestra
hidrometereolgica,considerandoundesfasekeneltiempo.

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

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

En esta relacin resulta n-k pares correlacionados, perdindose tambin parte de la

informacinequivalenteakdatosdelaserie.

K=1elcoeficientedeautocorrelacinesde1orden.

K=2Elcoeficientedeautocorrelacinesde2orden.

En ingeniera hidrolgica slo se puede encontrar autocorrelaciones hasta de

segundo orden
 ANLISIS DE REGRESIN Y CORRELACIN

Frecuentemente es necesario investigar posibles relaciones (de

causalidadodeinterdependenca)entredosomsvariables,talrelacin,
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
informacindisponibleen 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
numricamenteporelllamadoCoeficiente de Correlacin.

Unagrficaenlaqueseindicanlosvaloresmuestralesdibujadossobre
un plano xy,sedenomina:Diagrama de Dispersin.

Enbaseataldiagramasepodrdetectarsilosvaloressiguenunmodelo
LINEAL o NO LINEAL; es decir, si los puntos se aproximan a una
lnearectaoaunacurva,comoseilustraenlafigurasiguiente.
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.
regresinlinealdedosvariables: y = a0 + a1 x
regresinlinealmltiple:y = a0 + a1 x1 + + an xn

El diagrama de dispersin, adems de ayudar a definir el modelo a

utilizar(linealonolineal),permitedetectarlosvalores(parejasdedatos)
que se apartan de la NUBE DE PUNTOS y que al ser eliminados del
anlisisderegresin,mejoranelajustedelarectaocurva,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.

Estoselograatravsdelatcnica 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.
Perpendicularalarecta,sellamaortogonal.
Paralelamentealejedelasordenadas,sellamadeysobrex.
Paralelamentealejedelasabscisas,sellamadexsobrey.
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 datoscaen sobre la
recta de regresin.

Siporelcontrario,los puntos no estn alineados sino dispersos, la

correlacin esNULA.

Porotraparte,silavariabley aumenta a medida que x aumenta,x e

ypresentan correlacin POSITIVA o DIRECTA.Siydisminuye a
medida que x aumenta, x e y tienen correlacin NEGATIVA o
INVERSA.Lostiposdecorrelacinseilustranenlafigurasiguiente .
ECUACIN DE REGRESIN LINEAL SIMPLE (RLS):LaecuacindeRLSse
expresadelasiguientemanera:

Yi=a+bXi modelomatemtico.

Yi=a+bXi+Ei modeloestadstico.

Yi= variablealeatoriadependiente.

Xi= Variablealeatoriaindependiente.

Ei= Residuo que queda de la variable y que no ha sido considerado en x. Su

existenciasedebeaquelasmuestrassonelazaryaefectosdeotrasvariables.

a,b,sonlosparmetrosdelaecuacinquesecalculanapartirdelamuestra.

Estimacin de Parmetros del Modelo:Utilizandoelmtododemnimoscuadrados

paralaestimacindelosparmetrosdelaecuacindeRLS,sellegaalassiguientes
expresiones:

a Yb X Ecuacin
N 09

b
(Yi Y )( Xi X )
Ecuacin N
( Xi X ) 2
10

Prueba de grado de Asociacin de las variables

Sx XY X * y Ecuacin N
R b*
Sy Sx * Sy 11

El estadstico Tc est dado por:

n 2 1/ 2
Tc R( ) Ecuacin N
1 R 2
12
 El Tttabularsedeterminacon(n-2)gradosdelibertad y
=0.05
Lashiptesisdeprueba
son:

HP : R 0 ( 5%)
HA : R 0 ( 5%)

Loscriteriosdedecisinson.

Tc Tt (95%) Aceptar HP (Lasvariablesnoestnasociadas)

Tc Tc (95%) Aceptar HA (Lasvariablesestnasociadas)

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.