NACIONAL DEL

UNIVERSIDAD

ALTIPLANO

PU NO

CURSO: MODELOS MATEMÁTICOS

EN HIDROLOGÍA
Clase 4:
CÁLCULOS CON EL SOFTWARE
HYFRAN

[Link]. Hector Alfredo Huaman Gutierrez

hectorh57@[Link]

Setiembre 2016
Puno - Perú

1
I. CÁLCULOS CON EL SOFTWARE HYFRAN
1. Información hidrometeorológica disponible

En el Perú, la información de mayor disponibilidad para estimar los caudales máximos, son las
Precipitaciones Máximas en 24 Hr (Tabla 1).
Tabla 1: Precipitación Máxima en 24 Horas [mm] – Estación Las Salinas

AÑO ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
1993 9.90 8.40 14.10 4.40 0.00 0.00 0.00 4.40 0.00 2.60 0.00 6.60
1994 10.90 12.70 8.50 8.20 0.00 0.00 0.00 0.00 0.00 0.00 2.10 25.50
1995 41.20 12.10 30.90 12.30 6.10 0.00 0.00 0.00 6.10 0.00 3.00 10.10
1996 15.00 21.10 8.20 3.40 1.20 0.00 0.00 2.10 0.00 0.00 5.50 8.20
1997 10.00 21.50 19.40 9.70 1.00 0.00 0.00 8.50 7.30 0.50 9.70 12.50
1998 24.50 24.50 6.30 9.60 0.00 0.00 0.00 0.00 0.00 0.00 23.00 11.60
1999 13.90 42.30 24.40 18.30 0.00 0.00 0.00 0.00 6.10 4.00 4.00 8.50
2000 13.80 14.20 11.10 8.50 0.00 0.00 0.00 0.50 0.60 3.00 0.00 20.60
2001 11.20 27.20 18.90 16.40 0.00 1.30 0.00 2.20 0.00 15.00 2.30 10.40
2002 26.60 17.20 42.00 13.60 1.50 5.50 9.50 0.00 0.00 4.30 5.00 14.80
2003 19.50 13.00 16.20 9.90 3.50 0.00 0.60 5.20 0.30 0.00 0.50 13.60
2004 22.60 39.60 10.20 13.00 0.00 0.00 12.50 1.50 1.30 0.00 0.00 2.80
2005 9.00 28.40 9.30 7.80 0.00 0.00 0.00 0.00 7.30 0.00 6.20 13.60
2006 21.20 16.00 19.30 2.80 0.00 0.00 0.00 0.00 0.00 9.10 9.40 7.40
2007 13.80 10.60 24.40 4.20 0.00 0.00 0.00 0.00 0.20 1.10 3.00 12.40
2008 22.10 13.70 32.80 0.00 0.00 0.40 0.00 5.40 0.00 8.40 0.00 9.60
2009 16.30 18.20 11.00 3.60 0.00 0.00 5.80 0.00 2.00 1.00 10.70 6.50
2010 7.50 12.70 7.80 3.20 1.80 0.00 0.00 0.00 1.20 0.00 0.30 13.60
2011 S/D 24.80 10.80 16.00 14.90 0.00 1.00 0.00 0.00 0.00 6.00 22.70
2012 20.40 18.90 12.90 17.90 0.00 0.00 0.00 0.00 0.00 10.60 0.00 13.90
2013 28.60 15.70 17.40 0.00 5.40 37.60 8.60 10.50 0.00 14.10 0.00 11.80
SENAMHI / EEPERÚ S/D SIN DATOS

2. A partir de las precipitaciones máximas en 24Hr, seleccionamos la máxima del año.

Tabla 2: Precipitación Máxima en 24 Horas, multianual

AÑO Max 24 Hr.

1993 14.1
1994 25.5
1995 41.2
1996 21.1
1997 21.5
1998 24.5
1999 42.3
2000 20.6
2001 27.2
2002 42
2003 19.5
2004 39.6
2005 28.4
2006 21.2
2007 24.4
2008 32.8
2009 18.2
2010 13.6
2011 24.8
2012 20.4
2013 37.6

2
3. Verificación de hipótesis estadísticos en las series históricas

En esta sección se desarrollan las cuatro verificaciones que se realizan a la serie de lluvias
máximas 24h, para garantizar que la muestra de la que partimos es representativa, es decir que
describe las características generales de la población a la que pertenece, y que a la misma se le
puede aplicar la estadística inferencial, dichas verificaciones son:

- Detección de datos atípicos en la serie.

- Prueba de Independencia (Wald-Wolfowitz).

- Prueba de Estacionalidad (Kendall).

- Prueba de Homogeneidad a Escala Anual (Wilcoxon).

4. Detección de datos atípicos

Los “datos atípicos” son definidos como registros que se alejan significativamente de la
tendencia observada en la muestra (suponiendo que se encuentran normalmente distribuidos).
La retención o eliminación de estos datos puede afectar significativamente la magnitud de los
parámetros estadísticos, especialmente en muestras pequeñas (AUDAGNA, Yael).

La metodología para la detección de los datos atípicos consiste en el análisis de las series
históricas de datos correspondientes a las lluvias máximas anuales de las distintas estaciones
emplazadas. A dichas series se les aplicó el logaritmo neperiano procediendo a la determinación
de la media y es el desvío estándar. La siguiente ecuación (aplicando la metodología propuesta
por Chow -1959) de frecuencia puede utilizarse para detectar datos atípicos:

𝑳𝒊𝒎(𝑰𝒏𝒇/𝑺𝒖𝒑) = 𝒀 ± 𝑲𝒏 ∗ 𝑺𝒚

Dónde: Y es la media del logaritmo neperiano de la serie, Sy es la desviación estándar del

logaritmo neperiano de la serie y Kn es un valor que depende del tamaño de la muestra (tabla
3).

Si los logaritmos de los valores en una muestra son mayores que Ys (limite superior) entonces
se consideran como datos atípicos altos, análogamente en el caso de ser menores que Yi
(limite inferior) serán tomados como datos atípicos bajos.

3
 Tabla 3: Valores Kn para la prueba de datos atípicos

Tabla 4: Detección de datos atípicos

Prec.
n Año Ln Max Condición
Max
1 14.1 1993 2.65 Verificado
2 25.5 1994 3.24 Verificado
3 41.2 1995 3.72 Verificado
4 21.1 1996 3.05 Verificado
5 21.5 1997 3.07 Verificado
6 24.5 1998 3.20 Verificado
7 42.3 1999 3.74 Verificado
8 20.6 2000 3.03 Verificado
9 27.2 2001 3.30 Verificado
10 42 2002 3.74 Verificado
11 19.5 2003 2.97 Verificado
12 39.6 2004 3.68 Verificado
13 28.4 2005 3.35 Verificado
14 21.2 2006 3.05 Verificado
15 24.4 2007 3.19 Verificado
16 32.8 2008 3.49 Verificado
17 18.2 2009 2.90 Verificado
18 13.6 2010 2.61 Verificado
19 24.8 2011 3.21 Verificado
20 20.4 2012 3.02 Verificado
21 37.6 2013 3.63 Verificado
Promedio 26.69 Media Ln 3.23
Desv. Est 9.08 Desvió Ln 0.34
K 2.408
Lim Superior 4.044
Lim Inferior 2.416

5. En Hyfran iniciamos un nuevo proyecto: En la pestaña “descripción” (Figura 1)

Escribimos el nombre del proyecto, nombre de la variable hidrometeorológica, unidades, dígitos

significantes y seleccionamos la fórmula de probabilidad empírica de Weibull.

4
 Figura 1: Descripción de la estación en Hyfran

6. En la pestaña “datos” (Figura 2)

Figura 2: Determinación, de probabilidades empíricas de cada dato de lluvia max en 24Hr, utilizando la ecuación de
Weibull

5
7. Seleccionamos la pestaña “Estadística de Base” (Figura 3)

Podemos verificar en Excel algunos estadísticos.

Figura 3: Salida de estadísticas base de la estación Salinas

8. Prueba de independencia “Hypothese tests” (Figura 4)

Una de las condiciones para poder analizar estadísticamente las series de datos es que los
mismos sean aleatorios, es decir la probabilidad de ocurrencia de uno no dependa de otro.

Una de estas pruebas de independencia, tenemos el de Wald-wolfowitz. En la misma, las

hipótesis a contrastar son las siguientes:

H0: El proceso que genera el conjunto de datos numéricos es aleatorio.

H1: El proceso que genera el conjunto de datos numéricos no es aleatorio.

Figura 4: Prueba de independencia

6
 Si p < 0.05 se considera significativo, en cuyo caso se rechaza la hipótesis nula

Si p > 0.05 se considera no significativo en cuyo caso no se rechaza la hipótesis nula.

9. Prueba de estacionalidad, en pestaña “Hypothese tests” (Figura 5)

Mediante la prueba estadística de estacionalidad de Kendall se busca que en la serie de datos

no se presente una tendencia temporal.
Figura 5: Prueba de estacionalidad

7
10. Prueba de homogeneidad a escala anual, en pestaña “Hypothese tests” (Figura 6)

La prueba de homogeneidad a escala anual de Wilcoxon permite comprobar si el promedio de

un primer subconjunto de la muestra difiere significativamente del promedio de un segundo
subconjunto de la muestra.
Figura 6: Prueba de homogeneidad

11. Análisis de la estadística inferencial

La estadística inferencial estudia la población a partir del estudio de una muestra, y el grado de
fiabilidad o significación de los resultados obtenidos. En esta sección del informe se
desarrolla:
- Función de distribución de probabilidad empírica.
- Ajuste de función de distribución de probabilidad.
o Ajuste por el Método de Momentos.
o Ajuste por el Método de Máxima Verosimilitud.
- Estimación de los valores máximos para distintos periodos de retorno.

12. Función de distribución de probabilidad empírica.

En esta parte se utiliza la muestra de precipitación max 24h, habiendo verificado todos los
puntos anteriores. Se efectúa el Ajuste de función de distribución de probabilidad, el Hyfran
posee 14 funciones de distribución, entre las más conocidas y usadas tenemos:

- Normal

- Log Normal

- Log Normal III

8
 - Gumbel

- Gama

- Pearson tipo III

- Log Pearson tipo III

Los ajustes se realizaron con el software Hyfran. Para ello, se selecciona la pestaña “Fitting”
(Ajuste), elegimos el método de estimación de los parámetros (Método de Máxima
Verosimilitud, método de momentos, WRS). Para el ejemplo se ajusta a la función Gumbel
(Figura 7).
Figura 7: Juste a la función Gumbel

Figura 8: Introducción de un nuevo periodo de retorno Tr=25

9
Figura 9: Verificación del ajuste grafico

10
Figura 10: Verificación del ajuste mediante la prueba de Chi-squared

Figura 11: Reporte de Resultados a una hoja de Excel.

11
 Gumbel (Maximum Likelihood)

Number of observations 21

Parameters
u 22.410326
alpha 7.349645

Quantiles
q = F(X) : non-exceedance probability
T = 1/(1-q)

T q XT Standard deviation
Confidence interval (95%)
10000 0.9999 90.103 12.565 65.469 114.74
2000 0.9995 78.272 10.493 57.701 98.843
1000 0.999 73.176 9.6033 54.35 92.003
200 0.995 61.333 7.5458 46.54 76.125
100 0.99 56.22 6.6648 43.154 69.285
50 0.98 51.088 5.7878 39.742 62.435
20 0.95 44.24 4.636 35.152 53.329
10 0.9 38.95 3.7718 31.555 46.344
5 0.8 33.434 2.9183 27.713 39.155
3 0.6667 29.045 2.3092 24.518 33.572
2 0.5 25.104 1.8711 21.436 28.772
1.4286 0.3 21.046 1.622 17.866 24.226
1.25 0.2 18.913 1.6084 15.76 22.066
1.1111 0.1 16.28 1.7102 12.928 19.633
1.0526 0.05 14.346 1.8573 10.705 17.987
1.0204 0.02 12.385 2.0545 8.3574 16.413
1.0101 0.01 11.186 2.1934 6.8862 15.486
1.005 0.005 10.156 2.3216 5.6043 14.707
1.001 0.001 8.2061 2.5821 3.1442 13.268
1.0005 0.0005 7.5033 2.6806 2.2482 12.758
1.0001 0.0001 6.0917 2.8846 0.43669 11.747

12