UNIVERSIDAD NACIONAL DE

CAJAMARCA
ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

CURSO : INGENIERÍA DE DRENAJE

TEMA : DISTRIBUCIÓN DE PROBABILIDAD GUMBEL

CICLO : OCTAVO
DOCENTE : ING. PAIMA AMAYO JULIO
ALUMNOS : ALAYA GARCÍA, RENZO
: CABANILLA SIFUENTES, JORGE
: RODRÍGUEZ CARRASCO, KEVIN
: SANGAY GARCÍA ALEXANDER

AÑO : 2019
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL

I. INTRODUCCIÓN

En hidrología generalmente se tendrá disponible un registro de datos hidrometerológicos (precipitación,

caudales, evapotranspiración, temperaturas, etc.), a través de su conocimiento del problema físico, se
escogerá un modelo probabilístico a usar, que represente en forma satisfactoria el comportamiento de la
variable.

Para utilizar estos modelos probabilísticos, se deben calcular sus parámetros y realizar la prueba de
bondad de ajuste. Si el ajuste es bueno, se puede utilizar la distribución elegida, una vez encontrada la ley
de distribución que rige a las variables aleatorias, además, se podrá predecir con determinada
probabilidad, la ocurrencia de una determinada magnitud, de un fenómeno hidrometeorológico. También
se podrá determinar la magnitud de un fenómeno para un determinado periodo de retorno.

Selección de una
distribución

Registro de datos

Elegir una
distribución teórica

Estimación de
parámetros

Prueba de bondad
de ajuste

F V
Ajuste bueno

Utilizar distribución
teórica elegida

Fin

Figura 1: proceso de selección de una distribución teórica

INGENIERIA DE DRENAJE
2
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL
II. OBJETIVOS

 Analizar el comportamiento de variables hidrometereológicas, por medio de la función

de distribución de probabilidad Log-Gumbel.

III. CONCEPTOS FUNDAMENTALES

3.1. Probabilidad

Se dice que la probabilidad de P(A) de un evento A, es un experimento aleatorio que tiene Ns

resultados igualmente posibles y Na resultados favorables, está dado por:

𝑁𝑎
𝑃(𝐴) = ( 1)
𝑁𝑠

Donde:

P(A): Probabilidad de un evento A.

Na: Resultados favorables.

Ns: Resultados igualmente posibles.

3.2. Funciones de probabilidad

Una de las formas de representar las probabilidades de las variables hidrológicas son las funciones de
probabilidad (funciones de densidad), y las funciones de probabilidad acumuladas que a continuación
se mencionan.

3.3. Funciones de Probabilidad Discretas

Cuando el número “n” de valores que puede tomar una variable aleatoria X es finito, se dice que la
variable aleatoria X es discreta. A la función y gráfica que asocia una probabilidad a dicha variable
aleatoria X se denomina función de probabilidad discreta f(xi).

INGENIERIA DE DRENAJE
3
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL

Figura 1. Función de probabilidad discreta.

3.4. Funciones de Probabilidad Continuas

Cuando el número de valores n que puede tomar una variable aleatoria X es infinito, se dice que la
variable aleatoria X es continua. Este tipo de variables es más frecuente en hidrología. La función que
asocia una probabilidad a dicha variable se denomina función de probabilidad continua o función de
densidad f(xi).

Figura 2. Función de probabilidad continua.

3.5. Función de Distribución Acumulada.

Si X es una variable aleatoria discreta o continua, se define la función de distribución acumulada F(x),
como la probabilidad de que la variable aleatoria X tome cualquier valor menor o igual a x y se designa
por:

𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) ( 2)

INGENIERIA DE DRENAJE
4
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL
Que es conocida como probabilidad de no excedencia, o la siguiente expresión que es conocida como
probabilidad de excedencia

1 − 𝐹(𝑥) = 1 − 𝑃(𝑋 ≤ 𝑥) = 𝑃(𝑋 ≥ 𝑥)

( 3)

Figura 3. Probabilidad de excedencia y no excedencia

3.6. Periodo de Retorno

El Periodo de Retorno T, se define como el tiempo o lapso promedio entre la ocurrencia de un evento
igual o mayor a una magnitud dada, dicho de otra forma, es el intervalo de recurrencia promedio para
un cierto evento.

Estadísticamente el Periodo de Retorno es la inversa de la probabilidad de excedencia, es decir:

1
𝑇=
𝑃(𝑋 ≥ 𝑥) ( 4)

En la Tabla 1, se muestra periodos de retorno recomendados para el cálculo de caudales de diseño de

estructuras menores.
Tabla 1 Periodo de Retorno para estructuras menores

Fuente: Villon 2002, Hidrología Estadística

INGENIERIA DE DRENAJE
5
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL
3.7. Riesgo de Fallo

Por lo común el ingeniero diseña una obra para resistir una avenida de cierta magnitud.

Se define el riesgo de fallo R de un diseño como la probabilidad de que la avenida para la cual se diseña
la obra sea excedida en el transcurso de N años, esto es considerado como una situación de riesgo,
pues la obra se diseña para soportar cierta avenida máxima, y crecientes mayores podrían hacerle
daño o incluso destruirla, poniendo en riesgo vidas humanas e infraestructuras que están aguas abajo.

1
𝑅 = 𝑃(𝑋 ≥ 𝑥 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑣𝑒𝑧 𝑒𝑛 𝑁 𝑎ñ𝑜𝑠) = 1 − (1 − )𝑁
𝑇 ( 5)

Donde:

T: Periodo de Retorno.

N: Años

R: Riesgo de fallo o probabilidad de que un evento con periodo de retorno T años ocurra al
menos una vez en N años

IV. FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDAD USADAS EN

HIDROLOGÍA

En estadística existen muchas funciones de distribución de probabilidad teóricas, las funciones de

distribución de probabilidad teóricas más usadas en hidrología son las siguientes.

 Distribución Normal
 Distribución Log. Normal
 Distribución Gama de 2 y 3 parámetros
 Distribución Log. Pearson Tipo III
 Distribución Gumbel
 Distribución Log. Gumbel

4.1. Distribución Gumbel

La distribución Gumbel, es una de las distribuciones de valor extremo, es llamada también

valor extremo de tipo I, Fisher – Tippett tipo I ó distribución doble exponencial.

INGENIERIA DE DRENAJE
6
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL
4.1.1. Función acumulada

La función acumula de distribución acumulada de la distribución Gumbel tiene la forma:

(𝑥− 𝜇)
−
𝐹(𝑥) = 𝑒 −𝑒 𝛼
(6)

Para: −∞ < 𝑥 < ∞

Donde:
0<𝛼<∞ , es el parámetro de escala

−∞ < 𝜇 < ∞ , es el parámetro de posición, llamado también valor central o

ssmoda

Y la función acumulada reducida es:

−𝑦
𝐺(𝑦) = 𝐸𝑋𝑃(−𝐸𝑋𝑃(−𝑦)) = 𝑒 −𝑒 (7)

Donde:
𝑥−𝜇
𝑦=
𝛼
4.1.2. Estimación de parámetros, método de momentos

Los parámetros a estimar son 𝜇 𝑦 𝛼

√6
Obteniéndose: 𝛼= ∏.
𝑆 = 0.78𝑆

𝜇 = 𝑋̅ − 0.57721𝛼 = 𝑋̅ − 0.45𝑆

Los parámetros de la distribución Gumbel 𝜇 𝑦 𝛼, se calculan en función de los parámetros 𝑋̅ 𝑦 𝑆

de la muestra.

4.2. Distribución log-Gumbel

4.2.1. Función acumulada

La función de distribución acumulada de la distribución tiene la forma dada en la ecuación

(6), si en dicha ecuación la variable x se reemplaza por lnx, se obtiene la función acumulada
de la distribución log-Gumbel, o distribución de Fréchet.

(𝑙𝑛𝑥− 𝜇)
−
𝐹(𝑥) = 𝑒 −𝑒 𝛼
(8)
4.2.2. Variable reducida
La variable aleatoria reducida de la distribución log-Gumbel se define como:
𝑙𝑛𝑥 − 𝜇
𝑦= (9)
𝛼
Con la cual, la función acumulada reducida log-Gumbel es:

INGENIERIA DE DRENAJE
7
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL
−𝑦
𝐺(𝑦) = 𝐸𝑋𝑃(−𝐸𝑋𝑃(−𝑦)) = 𝑒 −𝑒 (10)
4.2.3. Proceso de cálculo

Para el cálculo de los parámetros de la serie de datos:

X1, X2, X3,…, XN
Se convierte a sus logaritmos, luego se calcula la media y desviación estándar, con las
siguientes ecuaciones:

Media:
∑ 𝑙𝑛𝑥
𝑋̅ln 𝑥 = (11)
𝑁

∑(𝑙𝑛𝑥 − 𝑋̅ ln 𝑥)2
𝑆ln 𝑥 = √ (12)
𝑁−1

4.2.4. Estimación de parámetros, método de momentos

Aplicando el método de momentos:

* Método de momentos para estimación de parámetros

1. La media poblacional es igual al 1er momento con respecto al origen, es

decir:
∞
𝜇 = 𝐸(𝑥) = 𝜇′ 1 = ∫ 𝑥𝑓(𝑥)𝑑𝑥 (13)
−∞

2. La varianza 𝜎 2 es igual al 2° momento con respecto a la media, es decir:

∞
𝑉(𝑥) = 𝜎 2 = 𝜇2 = ∫ (𝑥 − 𝜇)2 𝑓(𝑥)𝑑𝑥 (14)
−∞

Se obtienen los valores de los parámetros 𝜇 𝑦 𝛼 de la distribución log-Gumbel, los cuales

son:

√6
𝛼= 𝑆 = 0.78𝑆ln 𝑥 (15)
∏. ln 𝑥

𝜇 = 𝑋̅ln 𝑥 − 0.57721𝛼 = 𝑋̅ln 𝑥 − 0.45𝑆ln 𝑥 (16)

INGENIERIA DE DRENAJE
8
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL

V. PRUEBAS DE BONDAD DE AJUSTE

Las pruebas de bondad de ajuste, consisten en comprobar gráfica y estadísticamente, si la frecuencia
empírica de la serie analizada, se ajusta a una determinada función de probabilidad teórica seleccionada
a priori, con los parámetros estimados con base en los valores muestrales.

Las pruebas estadísticas, tienen por objeto calificar el hecho de suponer que una variable aleatoria, se
distribuya según una cierta función de probabilidades.

A continuación, se detallarán las pruebas de bondad de ajuste estadístico más utilizadas en hidrología que
son:

 Chi –Cuadrado
 Smirnov – Kolmogorov

5.1. Prueba Chi-cuadrado X2

La prueba Chi-cuadrado se basa en el cálculo de frecuencias, tanto de valores observados, como valores
esperados, para un número determinado de intervalos. Esta prueba es comúnmente usada para verificar
la bondad de ajuste de la distribución empírica a una distribución teórica conocida, fue propuesta por Karl
Pearson en 1900.

La expresión general de la prueba Chi-cuadrado está dada por:

𝐾
2 𝜃𝑖 − 𝑒𝑖
𝑋𝐶 = ∑
𝑒𝑖 ( 17)
𝑖=1

Donde:

Θi: Número de valores observados en el intervalo de clase i.

ei: Número de valores esperados en el intervalo de clase i.

Xc2: Valor calculado de Chi-cuadrado, a partir de los datos.

K: Número de intervalos de clase

El valor de Xc2 obtenido por la ecuación se compara con el Xt2 de la Tabla 2, cuyo valor se determina con:

Nivel de significación: α= 0.05 ó α= 0.01

Grados de libertad: g.l.= k-1-h

Donde h es el número de parámetros a estimarse, en el caso de la ley normal es 2.

El criterio de decisión se fundamenta en la comparación del valor calculado de Chi-cuadrado con el valor
tabular encontrado, esto es:

INGENIERIA DE DRENAJE
9
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL
 Si el Chi-cuadrado calculado es menor o igual que el valor tabular, es decir: Xc2 ≤ Xt2, entonces se
acepta la hipótesis que el ajuste es bueno al nivel de significación seleccionado.
 Si el Chi-cuadrado calculado es mayor que el valor tabular, es decir: Xc2 > Xt2, entonces el ajuste
es malo y se rechaza la hipótesis, siendo necesario probar con otra distribución teórica.

Esta prueba es de fácil aplicación, es válida sólo para ajustes a la distribución normal, en la práctica se usa
para cualquier modelo de ajuste.

5.2. Prueba de Smirnov-Kolmogorov

La prueba de ajuste de Sminov-Kolmogorov, consiste en comparar las diferencias existentes entre la

probabilidad empírica de los datos de la muestra y la probabilidad teórica, tomando el valor máximo del
valor absoluto, de la diferencia entre el valor observado y el valor de la recta teórica del modelo, es decir:

𝐷 = 𝑚á𝑥 |𝐹(𝑥) − 𝑃(𝑥)|

( 18)

Donde:

D= Estadístico de Smirnov-Kolmogorov, cuyo valor es igual a la diferencia máxima existente

entre la probabilidad ajustada y la probabilidad empírica

F(x)= Probabilidad de la distribución teórica.

P(x)= Probabilidad experimental o empírica de los datos.

Si Do es un valor crítico para un nivel de significación, se tiene que:

𝑃[𝑚á𝑥|𝐹(𝑥) − 𝑃(𝑥)| ≥ 0] = 𝛼 ó 𝑃 𝐷 ≥ 𝐷𝑂 = 𝛼 ( 69)

También:

𝑃 𝐷 < 𝐷𝑂 = 1 − 𝛼 (20)

El procedimiento para efectuar el ajuste, por el estadístico de Smirnov-Kolmogorov, es el siguiente:

1. Calcular la probabilidad empírica o experimental P x de los datos, para esto se puede utilizar la
fórmula de Weibull, que se indica a continuación:

𝑚
𝑃𝑥 =
𝑁+1 (21)

Donde:

P x: Probabilidad empírica o experimental

m: Numero de orden; n: Numero de datos

INGENIERIA DE DRENAJE
10
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL
2. Calcular la probabilidad teórica F(x), utilizando la ecuación de la función acumulada F(x) de los
modelos teóricos o tablas elaboradas para tal fin.
3. Calcular las diferencias F(x) - P(x).
4. Seleccionar la máxima diferencia: D=máx. |F(x)-P(x)|.
5. Calcular el valor crítico del estadístico D, es decir Do, para un nivel de significancia α=0.05 y N igual
al número de datos, los valores de Do se muestran en la tabla 3.
6. Comparar el valor del estadístico D, con el valor crítico Do de la Tabla 3, con los siguientes criterios
de decisión:

Si: D < DO → El ajuste es bueno, al nivel de significación seleccionado.

D ≥ DO → El ajuste no es bueno, al nivel de significación seleccionado, siendo necesario probar con

otra distribución.

Esta prueba de ajuste no requiere del conocimiento a priori de la función de distribución teórica, es
aplicable a distribuciones de datos no agrupados y de cualquier distribución teórica.

Comparándola con la prueba Chi-cuadrado, no requiere que la frecuencia absoluta de cada clase sea
igual o mayor que 5, esta no es una prueba exacta, sino una prueba aproximada.

VI. EJEMPLOS DE APLICACION

VII. CONCLUSIONES

 Se concluye que la función de distribución de probabilidad de log-Gumbel, es la más

apropiada para ajustar variables hidrometeorológicas, en distintos períodos de retorno;
además, es recomendable su uso por su rapidez y facilidad de cálculo.

VIII. BIBLIOGRAFÍA
 Aparicio, F. 1997. Fundamentos de Hidrología de Superficie. 11 ed. México. Editorial
Limusa S.A. 303 p.
 Cahuna y Yugar, A.W. (2009). MATERIAL DE APOYO DIDÁCTICO PARA LA ENSEÑANZA Y
APRENDIZAJE DE LA ASIGNATURA DE HIDROLOGIA CIV-233. (Trabajo Dirigido Por
Adscripción, Presentado Para Optar al Diploma Académico de Licenciatura en Ingeniería
Civil) UNIVERSIDAD MAYOR DE SAN SIMÓN.BOLIVIA
 Villon B, Máximo, (2002). HIDROLOGIA ESTADISTICA, 2da edición, editorial Villon.

INGENIERIA DE DRENAJE
11
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL
IX. ANEXOS
Tabla 2 Valores de x2 en función de la proporción del área que queda a la derecha de la
ordenada levantada por ellos.

Fuente: Villon Máximo, 2002 Hidrología Estadística

INGENIERIA DE DRENAJE
12
 UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTA DE INGENIERIA
E.A.P. INGENIERIA CIVIL
Tabla 3 Nivel de Significancia para la prueba de Smirnov - Kolmogorov

Fuente: Villon Máximo, 2002 Hidrología Estadística

INGENIERIA DE DRENAJE
13