DATOS HIDROMETEOROLÓGICOS

Existen varios tipos de datos usados en la hidrología:

 Datos históricos de eventos naturales registrados cronológicamente en forma discreta ó

continua. Son series de tiempo producto de observaciones y que se pierden si no se
registran en el momento de su ocurrencia. A este tipo pertenecen la gran mayoría de los
datos hidrológicos e hidrometeorológicos.
 Levantamiento de datos hidrológicos en áreas, como por ejemplo profundidad y calidad de
aguas subterráneas, infiltración o sedimentación en ríos. Son datos de campo que se
toman esporádicamente y no necesariamente, en forma secuencial.
 Medidas en laboratorio, como lo son conductividades hidráulicas o calidad de aguas.
 Registro simultáneo de un evento (lluvia-caudal) en dos localidades geográficas diferentes,
durante un determinado período de tiempo (generalmente 4 ó 5 años) usados para
transferir información ó correlacionar datos con propósitos diversos, como lo son análisis
de caudales.

Calidad, homogeneidad y consistencia de los datos

Los datos hidrológicos deben ser independientes, homogéneos y lo más representativos
posible de la población. En la recolección de datos de lluvias en una cuenca, por ejemplo, las
estaciones deberán ser localizadas en sitios estratégicos cuya cobertura total deberá
representar la misma. Las fuentes de los errores en datos hidrológicos observados pueden ser:
en el sensor (error del registro del dato in situ),en la transmisión del dato, en el registro en la
estación de recepción, en el procesamiento y análisis de los datos.

Dentro de los errores, se consideran errores al azar y errores sistemáticos. Los primeros están
siempre en los datos, generalmente se distribuyen alrededor del verdadero valor y la
desviación standard se usa para determinar la magnitud de los desvios. Los segundos crean
inconsistencias o diferencias en un sólo sentido en relación al valor medio que deben ser
detectadas y corregidas. Existen diversas técnicas, como las curvas de masa doble (capítulo 5)
para corregir inconsistencias.

Otro tipo de datos a tener en cuenta son los no homogéneos o datos afectados por algún
efecto, no necesariamente hidrológico que repentinamente cambia la tendencia normal de
una serie de registros. La no homogeneidad puede ser producida por un efecto antrópico,
fácilmente detectable e incluso pronosticado, como lo es una presa en un río, la cual produce
hacia aguas abajo descargas no homogéneas que no pueden ser consideradas conjuntamente
con los caudales vírgenes del río aguas arriba del embalse. Existen causas naturales que
pueden ser detectadas al observar la no homogeneidad de los datos, como por ejemplo, la
presencia imprevista en la cuenca alta de un deslizamiento de tierra o el avance de una lengua
de un glaciar que forme momentáneamente un dique en un afluente.

En los registros sistemáticos de caudales ante cualquier situación de no homogeneidad, debe

detectarse su causa. En las proyecciones estadísticas de variables hidrológicas, resulta
primordial contar con datos libres de errores significativos. Igualmente, en series de tiempo de
fenómenos hidrológicos los datos faltantes, deben ser en lo posible rellenados por análisis de
correlación o análisis regionales de datos vecinos.
Variables aleatorias
Una variable aleatoria X(t) tiene una cierta distribución probabilística. Esa distribución
determina la posibilidad de que una determinada observación X, de la variable, caiga dentro de
un rango especificado de X. Sí, por ejemplo la precipitación media de enero, en un lugar, es de
50 mm, la distribución probabilística podría establecer que pueda estar en el rango entre 40 y
60 milímetros. Su distribución probabilística, permanece invariable a través del tiempo, es
decir, son procesos estacionarios, como por ejemplo el caso de un río en condiciones
naturales, donde las características de la cuenca (físicas, climáticas) no cambian a través del
periodo de registros. Si las condiciones cambiaran, (embalses, urbanizaciones,
desforestaciones, etc) el proceso sería no estacionario y por tanto, se deberán introducir los
respectivos factores de cambio.

Series de Tiempo

Una serie de tiempo se define, en hidrología, como la magnitud de un evento observado en

forma discreta a intervalos de tiempo, dt, promediados en ese intervalo o registrados en forma
continua en un tiempo, t, por ejemplo caudales medios, diarios, promedio de caudales
instantáneos a través de un intervalo discreto de 1 día, o caudales instantáneos registrados en
forma continua durante todos los instantes de cada día.

Las series de tiempo en hidrología pueden ser series de duración completa, en la cual figuran
todos los registros de la muestra, o series de duración parcial, donde los datos se seleccionan
de tal manera que su magnitud es mayor (o menor) que un valor base predefinido. Si en una
serie, de valores máximos se elige, el valor mayor de cada año se tendrá una serie anual
máxima. Si se seleccionan los mínimos será como una serie anual mínima. Una serie anual
máxima puede dejar de considerar valores máximos que ocurren durante un año menores que
el máximo de ese año, pero mayores que los máximos de otros años; en estos casos una serie
de duración parcial (por encima de un base predefinido) da una mejor idea del
comportamiento de la muestra.

En la selección de eventos en una serie de duración parcial, se debe tener cuidado en la

selección de eventos independientes.
Ejemplo:

Calcular la serie anual y parcial de los caudales máximos de un río.

Solución:

El ordenamiento de los valores en ambas series se muestra en la tabla 4.1, considerando

valores mayores de 3000m3 /s, en la serie de duración parcial

Serie Anual y Parcial de Caudales Máximos expresados en m3 /s.

(x) Se consideran solo valores mayores de una base de 3000m3 /s

La mayor dificultad que tienen las series de duración parcial, es que los eventos pueden no ser
independientes. El criterio del hidrólogo es fundamental en esto. En el numeral de análisis de
frecuencias, se trata este tema
 PARÁMETROS ESTADÍSTICOS
Un parámetro estadístico es el valor esperado de alguna variable aleatoria o de alguna función,
es decir, son estimadores de las muestras para caracterizarlas.

Medidas de tendencia hacia un valor central de la serie

Promedio aritmético o media aritmética (µ) es el primer momento alrededor del origen.
Aunque da información sobre la muestra, este parámetro no caracteriza completamente a una
variable aleatoria. Si la muestra es pequeña y contiene valores extremos (altos o bajos) el
promedio no será un parámetro real en relación con la población. Se calcula mediante la
expresión:

Donde : xi es valor observado de la variable.

N es el número de observaciones.

Promedio geométrico: se calcula con la siguiente expresión:

Mediana (M): es el valor de la variable que deja con igual probabilidad de ocurrencia (0.50) los
valores abajo y arriba de ella, por lo tanto, la mediana resulta atractiva, en el caso de series
que se apartan de la normal.

Moda: es el valor de la variable que ocurre con mayor frecuencia (ver ejemplo 4.2 para
ilustración del cálculo de estos parámetros).

Los tres parámetros (la media aritmética, la mediana y la moda) son iguales para distribuciones
simétricas. Para series pequeñas, se justifica el uso de la mediana, porque el promedio se
afecta en ellas mucho más por los valores extremos y es además más robusta. En la práctica
hidrológica en series que se apartan de la distribución normal es común usar los logaritmos de
la variable.

En hidrología se tienen frecuentemente muestras de distintos tamaños N1, N2, N3 ... NR y se

necesita obtener el promedio ponderado de todas ellas, así:
Medidas de Dispersión
Las medidas de dispersión miden como los valores de una variable se dispersan alrededor del
valor central o media aritmética de la serie, es decir, representan una distribución alrededor
de un valor medio.

 Desviación media (σM): Es la media aritmética del valor absoluto de los errores. Se
calcula con la siguiente expresión:

 Desviación estándar (σ): Es el parámetro de dispersión más usado en hidrología, se

llama también desviación cuadrática. Es la raíz cuadrada de la varianza y tiene las
unidades de X

 La varianza: es el cuadrado de la desviación estandar (σ 2 La ecuación de la

varianza se puede también expresar desarrollando el trinomio cuadrado
perfecto del numerador. ) y es el segundo momento alrededor de la media.
Sus unidades son el cuadrado de las unidades de la variable. En general, es un
indicador que indica cuanto cerca de la media está el valor de la variable. Si
teóricamente todos los valores fueran igual a la media, la varianza sería cero.
 Covarianza. Cuando se analiza la varianza de dos (X, Y) ó más variables (X, Y, Z). En el
caso de dos variables, la covarianza es la media aritmética del producto de los errores
de X, e Y, y se expresa mediante la siguiente ecuación:

 Coeficiente de variación: es el cociente entre la desviación standard y el promedio, X .

Es adimensional.

Si una variable x es multiplicada por una constante C, la varianza, σ 2 , y la desviación

estándar, σ, se multiplican por C2 y por C, respectivamente; consecuentemente, el
coeficiente de variación Cv no se afecta. Si una constante C se suma o resta a cada uno
de los valores de una variable (ej. cambio de origen) la σ y σ 2 no cambian, pero el Cv
varía, así:

 El coeficiente de asimetría (g): Es el tercer momento alrededor de la media. Describe la

distribución de los datos alrededor de media. Es una medida de la simetría. Una
distribución simétrica tiene un coeficiente de asimetría igual a cero cuando los datos se
distribuyen alrededor de la media; negativo cuando la distribución de los datos tiene
mayor sesgo a la izquierda y positivo cuando tiene mayor sesgo a la derecha, según como
se desvíe hacia valores bajos o altos con relación a la media (Figura 4.3) Es un parámetro
muy usado en estudios regionales, se calcula con la expresión:
 Los momentos centrales en general, de orden r se estiman para muestras como:

Ejemplo
Dados los valores de lluvias en milímetros de la Tabla 4.2, encontrar:

 promedio aritmético,
 mediana,
 moda,
 promedio geométrico
 rango,
 desviación estándar y
 varianza

Lluvias observadas

SOLUCION:
a) Promedio aritmético

N
(2+3+ 4+ 3+5+3+ 4+8)
X =∑ Xi / N= =4.0 mm
i=1 8

b) Mediana: se reordenan los datos en modo ascendente (2, 3, 3, 3, 4, 4, 5, 8). Como el número
de datos es par, se hace el promedio de los dos centrales (dejan 3 valores a cada lado), así:

( 3+42 )=3.5 mm
c) Moda: el valor más común en la serie es el número 3mm.
d) Promedio geométrico:
8
X g= √ 2.3 .4 .3 .5 .3.4 .=3.69 mm

El valor del promedio (x) es mayor que los demás porque los datos son positivamente
asimétricos.

e ) Rango se calcula como la diferencia entre el valor máximo y el mínimo de la serie, así:
( 8−2 )=6 mm

f ) Desviación estándar:

Luego, sustiyendo valores se tiene:

∑ (xi−x )2
σ = i=1
g ) Varianza
8−1
=
√ 24
7
=1.85 mm

∑ (xi−x )2 24
2 i=1 2
σ = = =3.43 mm
8−1 7
PROBABILIDAD
Secuencia de eventos independientes

Si un número k de eventos al azar pueden ocurrir como eventos independientes, (Yevjevich,

1972) A1, A2 .... Ak y si cada uno de ellos tienen las probabilidades P(A1) = p1; P(A2) = p2 ...
P(AR) = pk, Entonces, la probabilidad de un evento asociado, como la condición para una
secuencia de observaciones independientes (Teorema del límite) es:

La probabilidad que en n observaciones o ensayos hayan m1 de eventos A1; m2 de eventos A2

y mk de eventos Ak, se conoce como la ley de la distribución múltiple:

Para k = 2, p1 = p; p2 = q = 1 – p, m1 = m; m2 = n – m; de la ecuación resulta la ley de la

distribución binomial: o sea que
Eventos mutuamente excluyentes
Supóngase que un evento A puede ocurrir solamente en forma conjunta con otros eventos al
azar mutuamente excluyentes, ( Yevjevich, 1972) E1,E2,…..En ∑ P (Ei) = 1 ; i = 1,2…..n o sea en
tal caso , la probabilidad de un cierto evento A es:

La condición para poder aplicar es solamente en el caso de que eventos Ei (i=1, n) sean
mutuamente excluyentes. Los mismos pueden tener diferentes probabilidades o sea que no
son eventos equiprobables. Si se tiene, por ejemplo, un gran río y sus tributarios y sea A la
probabilidad de tener una creciente máxima en el valle inferior y E1, E2..En , las probabilidades
de eventos, en un cierto rango, en sus tributarios. Debido a que es poco frecuente que
tormentas afecten a toda la cuenca la contribución simultanea de todos los tributarios es poco
probable.

En este caso el evento condicionado (A/Ei) sería el caso que la inundación en el valle, en el río
principal, exceda un nivel crítico siempre que los Ei eventos ocurran. La ecuación permite
calcular esa probabilidad de la creciente en el valle (A) en función de las probabilidades de
eventos en sus tributarios (Ei). Desde el punto de vista práctico la probabilidad conjunta P
(A/E) se fija como dato y la pregunta es: Si el evento A ocurriera (la inundación) ¿Cuáles son las
probabilidades de varios eventos condicionados (A / Ei), o las probabilidades de varias
contribuciones de los tributarios a la creciente principal en el valle inferior?