HIDROLOGÍA INC5101

CAPÍTULO 3. HIDROLOGÍA ESTADÍSTICA.

PRUEBAS DE BONDAD DE AJUSTE Y
FUNCIONES TEÓRICAS.

Dr. Enrique Muñoz

Departamento de Ingeniería Civil
Universidad Católica de la Santísima Concepción
[email protected]
http://civil.ucsc.cl/academicos/emunoz.html
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIONES TEÓRICAS COMÚNMENTE UTILIZADAS EN HIDROLOGÍA.

– D. NORMAL
– D. LOG-NORMAL DE 2 Ó 3 PARÁMETROS
– D. GAMMA DE 2 Ó 3 PARÁMETROS
– D. LOG-PEARSON TIPO III
– D. GUMBEL
– D. LOG-GUMBEL
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 CÓMO O PORQUÉ UTILIZAR UNA FUNCIÓN TEÓRICA EN UN PROBLEMA EN

PARTICULAR EN HIDROLOGÍA?

REGISTRO DE DATOS

SELECCIÓN DE UN FUNCIÓN TEÓRICA

ESTIMACIÓN DE PARÁMETROS

PRUEBA DE BONDAD DE AJUSTE

NO SÍ
AJUSTE OK

UTILIZAR FUNCIÓN ELEGIDA CON

FINES PREDICTIVOS O DE TOMA DE
DECISIÓN
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN NORMAL
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN NORMAL
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN NORMAL

O LA FDA DE LA F. NORMAL ESTÁNDAR

 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN NORMAL ESTÁNDAR

 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN NORMAL - PARÁMETROS

 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN LOG-NORMAL
– LOS LOGARITMOS DE LOS DATOS SE DISTRIBUYEN NORMAL.
– “SI LA VARIABLE ALEATORIA X TIENE UNA DISTRIBUCIÓN LOG-NORMAL, ENTONCES
LA VARIABLE ALEATORIA Y = LOG(X) SE DISTRIBUYE NORMAL”.

– ESTA FUNCIÓN TAMBIÉN SE DENOMINA LOG-NORMAL DE DOS PARÁMETROS

(MEDIA Y DESVIACIÓN ESTÁNDAR, O DE POSICIÓN Y DE ESCALA
RESPECTIVAMENTE).

– TAMBIÉN EXISTE LA FUNCIÓN LOG-NORMAL DE TRES PARÁMETROS, LA CUAL

ADEMÁS CONSIDERA UN PARÁMETRO DE POSICIÓN X0.
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN LOG-NORMAL DE TRES PARÁMETROS

– CONSIDERA UN TERCER PARÁMETRO DE POSICIÓN EL CUAL ESTABLECE UN LÍMITE
INFERIOR DE LA FUNCIÓN.
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN LOG-NORMAL DE TRES PARÁMETROS – PARÁMETROS

COEFICIENTE DE SESGO

DONDE LOS PARÁMETROS DE LA FUNCIÓN LOG-NORMAL DE TRES PARÁMETROS

SON
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN GAMMA
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN GAMMA
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN GAMMA - PARÁMETROS

 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN GAMMA DE TRES PARÁMETROS - PEARSON

– CONSIDERA ADEMÁS UN PARÁMETRO DE POSICIÓN X0.
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN GAMMA DE TRES PARÁMETROS - PEARSON

 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN GAMMA DE TRES PARÁMETROS - PEARSON

 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN LOG-PEARSON TIPO III

– UNA FUNCIÓN SE DISTRIBUYE LOG-PEARSON3 SI LOS LOGARITMOS DE LOS DATOS
SE DISTRIBUYEN PEARSON3.
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN GUMBEL
– CORRESPONDE A UNA FUNCIÓN DE VALORES EXTREMOS. TAMBIÉN SE DENOMINA
FVE TIPO I O DE FISHER.
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN GUMBEL – PARÁMETROS

– LA FUNCIÓN GUMBEL SE UTILIZA GENERALMENTE PARA TRABAJAR CON VALORES

EXTREMOS COMO CAUDALES Y PRECIPITACIONES MÁXIMAS ANUALES.
 FUNCIONES DE DISTRIBUCIÓN TEÓRICAS

 DISTRIBUCIÓN LOG-GUMBEL
– UNA SERIE DE DATOS SE DISTRIBUYE LOG-GUMBEL, SI LOS LOGARITMOS DE LOS
DATOS SE DISTRIBUYEN GUMBEL.
 EJERCICIO

 PARA LOS DATOS ENTREGADOS CONSTRUIR EL HISTOGRAMA DE FRECUENCIAS

RELATIVAS Y ACUMULADAS Y CALCULAR LOS CAUDALES DE 5, 10, 20, 50 Y 100
AÑOS DE PERÍODO DE RETORNO UTILIZANDO LAS FUNCIONES DE DISTRIBUCIÓN
NORMAL, LOG-NORMAL, LOG-NORMAL3, GAMMA, LOG-GAMMA, PEARSON,
LOG-PEARSON, GUMBEL, LOG-GUMBEL.

 ENTREGA 30 DE MAYO DE 2013.

TAREA PARTE 1 DE 2
 MÁX. 2 PERSONAS POR TAREA.
 DEFINIR DISTRIBUCIÓN DE GRUPOS
EN CLASES (1 GRUPO POR MES).
 EVAL. 40% TAREA 6.
 1. PRUEBAS DE BONDAD DE AJUSTE

• LAS PRUEBAS DE BONDAD DE AJUSTE SE UTILIZAN PARA COMPROBAR GRÁFICA Y

ESTADÍSTICAMENTE SI LA FRECUENCIA EMPÍRICA DE LA SERIE ANALIZADA SE AJUSTA A
UNA DETERMINADA FUNCIÓN DE PROBABILIDADES TEÓRICA (SELECCIONADA A PRIORI),
CUYOS PARÁMETROS QUE CARACTERIZAS DICHA DISTRIBUCIÓN SON ESTIMADOS EN
BASES A VALORES MUESTRALES.
• TÉCNICAMENTE, LAS PRUEBAS ESTADÍSTICAS TIENEN COMO OBJETIVO MEDIR LA
CERTIDUMBRE QUE SE OBTIENE AL HACER UNA HIPÓTESIS ESTADÍSTICA SOBRE UNA
POBLACIÓN, ES DECIR, VALIDAR O CLASIFICAR EL HECHO DE ASUMIR QUE UNA VARIABLE
ALEATORIA (MUESTRA) SE DISTRIBUYE DE ACUERDO A UNA FUNCIÓN DE
PROBABILIDADES TEÓRICA (POBLACIÓN).
• EN ESTE CURSO SE ANALIZARÁN COMO PRUEBAS DE BONDAD DE AJUSTE LAS
SIGUIENTES PRUEBAS:
− AJUSTE GRÁFICO (PDF Y CDF)
− TEST CHI-CUADRADO (NO PARAMÉTRICO)
− TEST K-S (NO PARAMÉTRICO).
 1. PRUEBAS DE BONDAD DE AJUSTE

1.1. AJUSTE GRÁFICO

EL AJUSTE GRÁFICO SE PUEDE REALIZAR DE LAS SIGUIENTES FORMAS:
− COMPARACIÓN HISTOGRAMA DE FRECUENCIAS RELATIVAS VS FUNCIÓN DE DENSIDAD
TEÓRICA. A PARTIR DE DICHA COMPARACIÓN SE PUEDE OBTENER UNA OPINIÓN
CUALITATIVA RESPECTO DEL NIVEL DE AJUSTE, COHERENCIA ENTRE LA MUESTRA Y LA
FUNCIÓN TEÓRICA SELECCIONADA (ANALIZADA) Y ZONAS DE “ADECUADO”/”MAL” NIVEL DE
AJUSTE ENTRE SERIE Y FUNCIÓN TEÓRICA.

0.25 0.25

0.2 0.2

0.15 0.15

0.1 0.1

0.05 0.05

0 0
0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
(a) Normal (b) EV o Gumbel
 1. PRUEBAS DE BONDAD DE AJUSTE

• 1.1. AJUSTE GRÁFICO

EL AJUSTE GRÁFICO SE PUEDE REALIZAR DE LAS SIGUIENTES FORMAS:
− COMPARACIÓN FUNCIÓN DE DISTRIBUCIÓN ACUMULADA CON DISTRIBUCIÓN DE
FRECUENCIAS ACUMULADAS. AL IGUAL QUE EL CASO ANTERIOR, PERMITE IDENTIFICAR
AQUELLAS ZONAS DONDE SE TIENE UN “BUEN” O “MAL” AJUSTE. EN ESTE CASO SE
CONTRASTAN PROBABILIDADES ACUMULADAS, POR LO QUE SU INTERPRETACIÓN ES DE
LECTURA MÁS FÁCIL PARA EL CASO DE PROBABILIDADES DE OCURRENCIA O EXCEDENCIA.
DESDE ESTE PUNTO DE VISTA PERMITE IDENTIFICAR AQUELLAS ZONAS DONDE LAS
PROBABILIDADES DE LA SERIE SE ALEJAN CON LA DE LA FUNCIÓN TEÓRICA SELECCIONADA.
 1. PRUEBAS DE BONDAD DE AJUSTE

1.2. AJUSTE ESTADÍSTICO

 PRUEBA CHI-CUADRADO (Χ2). LA PRUEBA CHI-CUADRADO SE BASA EN LA COMPARACIÓN O
CÁLCULO DE LAS FRECUENCIAS TANTO OBSERVADAS COMO ESPERADAS (CALCULADA DE
ACUERDO CON LA HIPÓTESIS NULA FORMULADA) PARA UN NÚMERO DETERMINADO DE
INTERVALOS. ESTA PRUEBA PERMITE DETERMINAR SI LOS DATOS MUESTRALES SE AJUSTAN A
UNA DETERMINADA DISTRIBUCIÓN TEÓRICA. PERMITE ANALIZAR TANTO DISTRIBUCIONES
DISCRETAS COMO CONTINUAS.
𝑘
2
𝜃𝑖 − 𝑒𝑖
𝜒𝑐2 =
𝑒𝑖
𝑖=1
DONDE 𝑘𝑖=1 𝜃𝑖 = 𝑘𝑖=1 𝑒𝑖 = 𝑁
𝜒𝑐2 → VALOR CALCULADO DE CHI-CUADRADO A PARTIR DE LOS DATOS.
𝜃𝑖 → NÚMERO DE VALORES OBSERVADOS EN EL INTERVALO DE CLASE I.
𝑒𝑖 → NÚMERO DE VALORES ESPERADOS EN EL INTERVALO DE CLASE I.
𝑘 → NÚMERO DE INTERVALOS DE CLASE.
 1. PRUEBAS DE BONDAD DE AJUSTE

 EL VALOR OBTENIDO DE 𝜒𝑐2 REFLEJA LA SUMA DE LAS DIFERENCIAS ENTRE LAS

FRECUENCIAS RELATIVAS DEL HISTOGRAMA (MUESTRA) CON LOS VALORES DE LA
FUNCIÓN DE DENSIDAD TEÓRICA DE LOS DIFERENTES INTERVALOS DE CLASE. ESTO
TAMBIÉN PUEDE SER INTERPRETADO COMO LA SUMA DE LAS DIFERENCIAS ENTRE LAS
PROBABILIDADES DE OCURRENCIA (PROBABILIDADES ACUMULADAS) DE LOS DIFERENTES
INTERVALOS DE CLASE.
 COMO CRITERIO DE DECISIÓN SE COMPARA EL VALOR OBTENIDO CON UN VALOR LÍMITE
𝜒𝑡2 QUE DEPENDE DE LA DISTRIBUCIÓN CHI-CUADRADO, DEL NIVEL DE SIGNIFICANCIA
(Α) ELEGIDO Y DE LOS GRADOS DE LIBERTAD (GL). SI 𝜒𝑐2 ≤ 𝜒𝑡2 SE ACEPTA LA HIPÓTESIS
NULA, Y POR LO TANTO SE ASUME QUE LOS DATOS MUESTRALES SIGUEN LA FUNCIÓN DE
DISTRIBUCIÓN TEÓRICA PRE-SELECCIONADA. DE LO CONTRARIO SE ACEPTA LA HIPÓTESIS
ALTERNATIVA (LOS DATOS NO SIGUEN LA FUNCIÓN TEÓRICA PRE-SELECCIONADA).
 PROBABILIDAD DE RECHAZAR LA HIPÓTESIS NULA CUANDO ESTA ES VERDADERA. EL
COMPLEMENTO, (1- Α) SE DENOMINA EL NIVEL DE CONFIANZA Y SE TRADUCE EN LA
PROBABILIDAD DE ACEPTAR LA HIPÓTESIS NULA CUANDO ESTA ES VERDADERA.
 1. PRUEBAS DE BONDAD DE AJUSTE

 VENTAJAS Y LIMITACIONES:
– EN LA PRÁCTICA SE UTILIZA PARA CUALQUIER FUNCIÓN TEÓRICA, PERO
ESTRICTAMENTE ES VÁLIDA SÓLO PARA LA FUNCIÓN DE DISTRIBUCIÓN NORMAL,
PUESTO QUE FUE DESARROLLADA EN BASE A DATOS NORMALES E
INDEPENDIENTES.
– LA PRUEBA SE REALIZA SOBRE LA FUNCIÓN DE DENSIDAD.
– REQUIERE DE UN CONOCIMIENTO A PRIORI DE LA FUNCIÓN A COMPARAR.
– ES DE FÁCIL APLICACIÓN.
– PARA SU VALIDEZ, REQUIERE QUE LA FRECUENCIA ABSOLUTA SOBRE CADA CLASE
SEA MAYOR O IGUAL QUE 5  DESVENTAJA. REQUIERE GRAN CANTIDAD DE
INFORMACIÓN PUESTO QUE COMPARA EL HISTOGRAMA MUESTRAL CON EL
TEÓRICO.
Tabla 1. Serie de caudales medios anuales.

1. PRUEBAS DE BONDAD DE AJUSTE

• EJEMPLO: ANALICE SI LA SERIE DE CAUDALES MEDIOS ANUALES INDICADOS EN LA

TABLA 1 SE AJUSTAN A UNA FUNCIÓN DE DISTRIBUCIÓN NORMAL. ¿Y A UNA FUNCIÓN
DE VALORES EXTREMOS TIPO I?

Caudal Caudal Caudal Caudal

Año Año Año Año
(m3/s) (m3/s) (m3/s) (m3/s)
1971 121.3 1981 79 1991 52.3 2001 144.7
1972 144.9 1982 76.9 1992 36.3 2002 109.2
1973 142.4 1983 110.1 1993 88 2003 48.5
1974 205.8 1984 95.6 1994 122.4 2004 59.6
1975 114.5 1985 48.8 1995 162.1 2005 40.3
1976 72.5 1986 148.3 1996 97.2 2006 112.2
1977 26.7 1987 67.5 1997 52.5 2007 137.1
1978 92.8 1988 70 1998 165.6 2008 32.9
1979 58.8 1989 63.4 1999 64.2
1980 57.4 1990 76.3 2000 110.2
 1. PRUEBAS DE BONDAD DE AJUSTE

• HISTOGRAMA DE FRECUENCIAS ABSOLUTAS (IZQ) Y RELATIVAS (DCHA). ADEMÁS EN EL

GRÁFICO DE LA DERECHA SE SUPERPONE LA FUNCIÓN DE DENSIDAD DE UNA FUNCIÓN
NORMAL CON MEDIA Y DESVIACIÓN ESTÁNDAR DE LA MUESTRA. D INDICA LA
DIFERENCIA QUE BUSCA MEDIR LA PRUEBA CHI-CUADRADO.
 1. PRUEBAS DE BONDAD DE AJUSTE

 PRUEBA DE KOLMOGOROV-SMIRNOV (K-S TEST). EL K-S TEST CONSISTE COMPARAR LAS

DIFERENCIAS QUE EXISTEN ENTRE LA PROBABILIDAD LA PROBABILIDAD EMPÍRICA (DE LOS
DATOS DE LA MUESTRA) CON LA PROBABILIDAD TEÓRICA DE LA FUNCIÓN PRE-SELECCIONADA.
UTILIZA COMO VALOR DE COMPARACIÓN LA MÁXIMA DIFERENCIA EN VALOR ABSOLUTO DE LA
PROBABILIDAD EMPÍRICA Y TEÓRICA, Y LUEGO DICHO VALOR SE COMPARA CON UN VALOR
LÍMITE QUE PROVIENE DE LA FUNCIÓN K-S. LA EXPRESIÓN QUE DEFINE DICHA DIFERENCIA ES
LA SIGUIENTE.
𝛥 = 𝑚𝑎𝑥 𝐹 𝑥 − 𝑃(𝑥)

 DONDE 𝛥 ES EL ESTADÍSTICO DE COMPARACIÓN, 𝐹 𝑥 LA PROBABILIDAD DE LA FUNCIÓN

TEÓRICA Y 𝑃 𝑥 LA PROBABILIDAD EXPERIMENTAL O EMPÍRICA (DE LA MUESTRA).
 UNA FORMA RECOMENDAD PARA CALCULAR LA PROBABILIDAD EXPERIMENTAL O EMPÍRICA ES
MEDIANTE LA FÓRMULA DE WEIBULL.
 AL COMPARAR PROBABILIDADES OPERA DIRECTAMENTE SOBRE LAS CURVAS DE DISTRIBUCIÓN
ACUMULADA EMPÍRICA Y TEÓRICA.
 1. PRUEBAS DE BONDAD DE AJUSTE
𝑀
𝑃 𝑥 =
𝑁+1
 DONDE M CORRESPONDE AL NÚMERO DE ORDEN Y N AL NÚMERO DE DATOS.
 LUEGO ES NECESARIO CONOCER EL VALOR QUE TOMARÍA LA FUNCIÓN TEÓRICA EN EL
MISMO VALOR X, Y QUE CARACTERIZA MEDIANTE LOS PARÁMETROS MEDIA, DESVIACIÓN
ESTÁNDAR, COEFICIENTE DE ASIMETRÍA, ETC. VALORES OBTENIDOS DE LA MUESTRA.
CON ESTO SE ASUME QUE LA DISTRIBUCIÓN TEÓRICA TIENE LOS MISMOS PARÁMETROS
QUE LA MUESTRA DE DATOS UTILIZADA.
 CONOCIDO EL VALOR DE 𝛥, ES NECESARIO COMPARARLO CON UN VALOR LÍMITE (𝛥𝑙𝑖𝑚 )
QUE DEPENDE DE LA FUNCIÓN K-S, DEL TAMAÑO DE LA MUESTRA Y DEL NIVEL DE
SIGNIFICANCIA (Α). SI 𝛥 < 𝛥𝑙𝑖𝑚 SE ACEPTA LA HIPÓTESIS NULA CON EL NIVEL DE
SIGNIFICANCIA Α. ES DECIR SE ACEPTA QUE LOS DATOS MUESTRALES SIGUEN LA
FUNCIÓN DE DISTRIBUCIÓN PRESELECCIONADA. DE LO CONTRARIO SE ACEPTA LA
HIPÓTESIS ALTERNATIVA (LOS DATOS NO SIGUEN LA FUNCIÓN DE DISTRIBUCIÓN
PRESELECCIONADA) Y POR LO TANTO SE DEBE PROBAR CON UNA FUNCIÓN TEÓRICA
DIFERENTE.
 1. PRUEBAS DE BONDAD DE AJUSTE

 PARA MUESTRAS DE MÁS DE 35 DATOS, EL ESTADÍGRAFO LÍMITE DE KOLMOGOROV-

SMIRNOV SE PUEDE CALCULAR SEGÚN LAS SIGUIENTES FÓRMULAS.

α = 0.20 α = 0.15 α = 0.10 α = 0.05 α = 0.01

1.07 1.14 1.22 1.36 1.63
𝑁 𝑁 𝑁 𝑁 𝑁

 VENTAJAS Y LIMITACIONES:
– NO REQUIERE UN CONOCIMIENTO A PRIORI DE LA FUNCIÓN DE DISTRIBUCIÓN TEÓRICA.
– NO REQUIERE HACER INTERVALOS DE CLASE, LO QUE SIMPLIFICA SU UTILIZACIÓN. SE
APLICA SOBRE LA CDF Y NO SOBRE LA PDF COMO EL CASO DE CHI-CUADRADO.
– ES VÁLIDO PARA CUALQUIER FUNCIÓN DE DISTRIBUCIÓN.
 EJEMPLO: ANALICE SI LA SERIE DE CAUDALES MEDIOS ANUALES INDICADOS EN LA
TABLA 1 SE AJUSTAN A UNA FUNCIÓN DE DISTRIBUCIÓN NORMAL. ¿Y A UNA
FUNCIÓN DE VALORES EXTREMOS TIPO I?
 1. PRUEBAS DE BONDAD DE AJUSTE

CURVAS DE FRECUENCIAS ACUMULADAS (MUESTRAL) Y DE DISTRIBUCIÓN ACUMULADA

(TEÓRICA, NORMAL). D INDICA LA DIFERENCIA QUE BUSCA MEDIR LA PRUEBA K-S.
 2. APLICACIÓN DE MODELOS
PROBABILÍSTICOS A FENÓMENOS
HIDRO-METEOROLÓGICOS
 EL USO DE FUNCIONES DE PROBABILIDAD TEÓRICAS Y SU POSTERIOR APLICACIÓN DE MODELOS
PROBABILÍSTICOS A FENÓMENOS HIDROMETEOROLÓGICOS NORMALMENTE SE UTILIZA PARA
EXTENDER EL RANGO DE APLICABILIDAD DE LA SERIE DE DATOS OBSERVADOS (MUESTRA). ES
DECIR, PARA TRABAJAR CON PROBABILIDADES DE EXCEDENCIA Y OCURRENCIA QUE NO ES
POSIBLE DE DETERMINAR A TRAVÉS DE LA MUESTRA.
 POR EJEMPLO, SI SE TIENE UNA MUESTRA DE 30 AÑOS DE DATOS DE CAUDAL MÁXIMO
INSTANTÁNEO (SERIE DE MÁXIMOS ANUALES), Y ESTOS SE ORDENAN DE MENOR A MAYOR, EL
MENOR DATO HA SIDO IGUALADO O SUPERADO 30 VECES EN 30 AÑOS, POR LO QUE SU
PERÍODO DE RETORNO ES 1 AÑO (30 AÑOS/30 VECES SUPERADO). DE MANERA ANÁLOGA, EL
DATO NÚMERO 25 HA SIDO IGUALADO O SUPERADO 6 VECES EN 30 AÑOS, POR LO QUE
DICHO VALOR TIENE ASOCIADO, SEGÚN LA MUESTRA UTILIZADA, UN PERÍODO DE RETORNO DE
5 AÑOS (30/6). ASÍ, ESTE ANÁLISIS SE PODRÍA EXTENDER HASTA UN MÁXIMO DE 30 AÑOS DE
PERÍODO DE RETORNO QUE CORRESPONDERÍA AL MÁXIMO VALOR OBSERVADO EN LA SERIE.
PERO, ¿QUÉ SUCEDE SI SE QUIERE ESTIMAR EL CAUDAL DE 100 AÑOS DE PERÍODO DE
RETORNO?, O ¿CÓMO PODRÍA ESTIMAR AQUEL CAUDAL QUE TIENE PROBABILIDAD DE
OCURRENCIA DE 99%?
 2. APLICACIÓN DE MODELOS
PROBABILÍSTICOS A FENÓMENOS
HIDRO-METEOROLÓGICOS
 PARA ABORDAR ESTE PROBLEMA, LOS DATOS MUESTRALES SE AJUSTAN A
FUNCIONES DE PROBABILIDAD TEÓRICAS, Y A PARTIR DE ESTAS ÚLTIMAS, ES
POSIBLE ABORDAR DICHOS PROBLEMAS.
 A CONTINUACIÓN SE MUESTRAN ALGUNOS EJEMPLOS DEL AJUSTE DE DATOS
HIDROMETEOROLÓGICOS A MODELOS DE PROBABILIDAD, DONDE SE APLICAN
Y ANALIZAN LOS CONCEPTOS DE PROBABILIDAD DE EXCEDENCIA,
PROBABILIDAD DE OCURRENCIA Y RIESGO, Y SE ANALIZA SU IMPLICANCIA EN
EL DISEÑO HIDROLÓGICO. LUEGO SE UTILIZAN DICHOS MODELOS PARA LA
CONSTRUCCIÓN DE CURVAS DE VARIACIÓN ESTACIONAL.
 2. APLICACIÓN DE MODELOS
PROBABILÍSTICOS A FENÓMENOS
HIDRO-METEOROLÓGICOS
2.1 CURVAS DE VARIACIÓN ESTACIONAL
 EJEMPLO 1. ESTE EJEMPLO MUESTRA LA CONSTRUCCIÓN DE LAS CURVAS DE VARIACIÓN
ESTACIONAL (CVE) PARA LAS PROBABILIDADES DE OCURRENCIA DE 5, 10, 15, 50, 85, 90 Y
95% DE LA ESTACIÓN RÍO COYHAIQUE EN TEJAS VERDES.
PARA ELLO SE CALCULAN LOS CAUDALES ASOCIADOS A CADA PROBABILIDAD CONSIDERANDO LAS
FUNCIONES DE DISTRIBUCIÓN NORMAL, LOGNORMAL, GUMBEL, LOGGUMBEL, PEARSON,
LOGPEARSON, GAMMA Y LOGGAMMA.
ADEMÁS, COMO REFERENCIA, SE ESTIMA LA CVE UTILIZANDO LA PROBABILIDAD DE OCURRENCIA SEGÚN
WEIBULL E INTERPOLACIÓN LINEAL.
JUNTO CON EL CÁLCULO DE LAS CVE SE GRAFICAN LAS CURVAS DE DISTRIBUCIÓN ACUMULADA (CDF)
TEÓRICAS Y DE LA MUESTRA (CALCULADA SEGÚN WEIBULL) A FIN DE DISCRIMINAR (DESDE UN PUNTO
DE VISTA CUALITATIVO) EL NIVEL DE AJUSTE EN LAS DIFERENTES PARTES DEL HIDROGRAMA.
ADICIONALMENTE, PARA OBTENER UNA MEDIDA DE BONDAD DE AJUSTE DE LAS FUNCIONES TEÓRICAS
CON LA MUESTRA, SE REALIZAN LAS PRUEBAS DE BONDAD DE AJUSTE CHI-CUADRADO Y K-S.
 2. APLICACIÓN DE MODELOS
PROBABILÍSTICOS A FENÓMENOS
HIDRO-METEOROLÓGICOS
 EJEMPLO 2. CORRESPONDE A UN EJEMPLO SIMILAR AL ANTERIOR, CON LA
DIFERENCIA QUE LOS CÁLCULOS SE REALIZAN SOBRE LOS CAUDALES MEDIOS
MENSUALES DE LA ESTACIÓN RÍO IBAÑEZ EN DESEMBOCADURA.
 2. APLICACIÓN DE MODELOS
PROBABILÍSTICOS A FENÓMENOS
HIDRO-METEOROLÓGICOS
2.2 PROBABILIDAD DE EXCEDENCIA Y PERÍODOS DE RETORNO.
 EJEMPLO 3. SE MUESTRA EL AJUSTE DE CAUDALES MÁXIMOS INSTANTÁNEOS
(SERIE DE MÁXIMOS ANUALES) A DISTINTAS FUNCIONES DE DISTRIBUCIÓN. SE
MUESTRAN LAS CDF DE LA MUESTRA Y TEÓRICAS, Y SE REALIZA LAS PRUEBAS
DE BONDAD DE AJUSTE CHI-CUADRADO Y K-S. FINALMENTE SE MUESTRA
UNA TABLA RESUMEN DE LOS CAUDALES DE DIFERENTES PERÍODOS DE
RETORNO, LOS CUALES PUEDEN SER UTILIZADOS (SEGÚN CORRESPONDA EL
OBJETIVO DEL ESTUDIO) COMO CAUDALES DE DISEÑO.
 3. RELLENO Y TRANSFERENCIA DE
CAUDALES INTRA- E INTER-
CUENCAS
 PARA DESARROLLAR ESTUDIOS HIDROLÓGICOS ES NECESARIO DISPONER DE UNA CANTIDAD
ADECUADA DE REGISTROS FLUVIOMÉTRICOS, DONDE, COMO REGLA GENERAL SE CONSIDERA
ADECUADA UNA ESTADÍSTICA DEL ORDEN DE 30 REGISTROS O SUPERIOR.
 SIN EMBARGO, EN MUCHAS OCASIONES NO SE DISPONE DE DATOS EN EL PUNTO QUE SE
QUIERE ESTUDIAR, EL RÍO NO POSEE UNA ESTACIÓN DE CONTROL, O LA ESTADÍSTICA DE
CAUDALES ESTÁ INCOMPLETA.
 PARA ELLO SE REQUIERE, LA TRANSFERENCIA DE CAUDALES ENTRE DIFERENTES PUNTOS DE
UNA CUENCA, TRANSFERENCIA DE CAUDALES HACIA UNA CUENCA VECINA, O SIMPLEMENTE SE
REQUIERE COMPLETAR UNA SERIE INCOMPLETA.
 PARA LLEVAR A CABO ESTA TAREA, LAS FORMA MÁS PRECISA ES SIMULANDO EL
COMPORTAMIENTO HIDROLÓGICO DE UNA CUENCA POR MEDIO DE LA MODELACIÓN, PERO
ESTO REQUIERE CONOCER LA ZONA QUE SE QUIERE ESTUDIAR Y DEMANDA GRAN CANTIDAD DE
TIEMPO Y RECURSOS ADEMÁS DE INFORMACIÓN DE ENTRADA, LA CUAL EN MUCHOS CASOS
PUEDE NO ESTAR DISPONIBLE O ES INEXISTENTE. UNA ALTERNATIVA MÁS SIMPLE ES LA DE
TRANSPOSICIÓN DE CAUDALES.
 3. RELLENO Y TRANSFERENCIA DE
CAUDALES INTRA- E INTER-
CUENCAS
 TRANSPOSICIÓN DE CAUDALES.
CONSISTE EN TRANSFERIR LOS CAUDALES QUE PRODUCE UNA CUENCA, A UN PUNTO CERCANO DENTRO
DE LA MISMA O A UNA CUENCA VECINA. PARA ELLO SE DEBE VERIFICAR QUE LA PRODUCCIÓN ESPECÍFICA
(CAUDAL POR UNIDAD DE ÁREA) Y QUE LOS PATRONES HIDRO-CLIMÁTICOS SEAN HOMOGÉNEOS ENTRE
LOS PUNTOS QUE SE ESTÁ REALIZANDO LA TRANSPOSICIÓN.
 RECOMENDACIONES:
– CAUDAL ESPECÍFICO EQUIVALENTE (EN EL CASO DE DISPONER DE REGISTROS DE CAUDALES EN
AMBOS PUNTOS DE ANÁLISIS).
– GEOLOGÍA Y MORFOLOGÍA SIMILAR. TIPOS DE SUELO, PERMEABILIDAD, PENDIENTES DE LAS
LADERAS, CARACTERÍSTICAS GEOLÓGICAS, FORMACIONES SIMILARES (ORIGEN SIMILAR DE LAS
CUENCAS).
– PATRONES CLIMÁTICOS SIMILARES. MISMO PATRÓN ORIGINADOR DE PRECIPITACIONES.
– PATRONES HIDROLÓGICOS SIMILARES. CARACTERÍSTICAS HIDROLÓGICAS, RELATIVAS A LA
GENERACIÓN DE ESCORRENTÍA, ALMACENAMIENTO SUPERFICIAL Y SUBTERRÁNEO SIMILARES.
 3. RELLENO Y TRANSFERENCIA DE
CAUDALES INTRA- E INTER-
CUENCAS
 LA TRANSPOSICIÓN DE CAUDALES SE PUEDE REALIZAR DE MEDIANTE DOS MÉTODOS.
EL PRIMERO CONSIDERA SÓLO LA PRODUCCIÓN ESPECÍFICA DE LAS CUENCAS, Y POR
LO TANTO ASUME QUE EL CAUDAL A ESTIMAR ES PROPORCIONAL AL DE LA CUENCA
VECINA Y A SU RELACIÓN DE ÁREAS (EC.1). EL SEGUNDO CONSIDERA ADEMÁS EL
FACTOR METEOROLÓGICO, AGREGANDO EN LA ECUACIÓN LA RELACIÓN DE AGUA
RECIBIDA POR LA CUENCA (EC.2).
 EN EL CASO DE CAUDALES MÁXIMOS INSTANTÁNEOS CONVIENE TAMBIÉN
CONSIDERAR EL EFECTO DE DESFASE ENTRE LAS ONDAS DE CRECIDA DEL RÍO
PRINCIPAL CON SUS TRIBUTARIOS, POR LO QUE LA RELACIÓN DE ÁREAS SE PUEDE
REDUCIR. UNA APROXIMACIÓN ADECUADA PARA CUENCAS SUPERIORES A 100 KM2
ES LA OBTENIDA DE LA FÓRMULA DE VERNI Y KING DONDE LA RELACIÓN DE ÁREAS
SE REDUCE POR UN EXPONENTE DE 0.88 (EC.3).
 3. RELLENO Y TRANSFERENCIA DE
CAUDALES INTRA- E INTER-
CUENCAS
𝐴𝑇𝑟𝑎𝑛𝑠𝑝.
𝑄𝑇𝑟𝑎𝑛𝑠𝑝. = · 𝑄𝑂𝑏𝑠. [EC.1]
𝐴𝑂𝑏𝑠.

𝐴𝑇𝑟𝑎𝑛𝑠𝑝. 𝑃𝑇𝑟𝑎𝑛𝑠𝑝.
𝑄𝑇𝑟𝑎𝑛𝑠𝑝. = · · 𝑄𝑂𝑏𝑠. [EC.2]
𝐴𝑂𝑏𝑠. 𝑃𝑂𝑏𝑠.

𝐴𝑇𝑟𝑎𝑛𝑠𝑝. 0.88
𝑄𝑇𝑟𝑎𝑛𝑠𝑝. = · 𝑄𝑂𝑏𝑠. [EC.1]
𝐴𝑂𝑏𝑠.

DONDE Q, A, Y P REPRESENTAN EL CAUDAL, ÁREA Y PRECIPITACIÓN A TRANSPONER O

ESTIMAR (TRANSP.) A PARTIR DE VARIABLES OBSERVADAS (OBS.).
 3. RELLENO Y TRANSFERENCIA DE
CAUDALES INTRA- E INTER-
CUENCAS
 LA FIGURA SIGUIENTE MUESTRA UN EJEMPLO DE CUENCAS DE LA VIII
REGIÓN QUE SE UBICAN EN ZONAS CERCANAS, PERO QUE TIENEN DIFERENTES
TASAS DE CAUDAL ESPECÍFICO.
 3. RELLENO Y TRANSFERENCIA DE
CAUDALES INTRA- E INTER-
CUENCAS
 DIFERENTES TASAS DE CAUDAL ESPECÍFICO.
0.250

0.200

0.150

0.100

0.050

0.000
1 2 3 4 5 6 7 8 9 10 11 12

RIO ÑIREGUAO EN VILLA MAÑIGUALES

RIO EMPERADOR GUILLERMO ANTES JUNTA MAÑIGUALES
RIO MAGNIGUALES ANTES JUNTA RIO SIMPSON
RIO GRANDE EN CARRETERA AUSTRAL
Ejemplo 4
 4. MODELACIÓN HIDROLÓGICA

 UN MODELO INTENTA REPRODUCIR BAJO DIFERENTES FORMAS Y PROCESOS

UN FENÓMENO FÍSICO QUE OCURRE SOBRE UN OBJETO O TERRITORIO. POR
LO TANTO, EN HIDROLOGÍA, UN MODELO BUSCA REPRESENTAR UN
TERRITORIO DELIMITADO POR UNA DIVISORIA DE AGUAS (CUENCA), Y LOS
FENÓMENOS DE TRANSFERENCIA DE LLUVIA A CAUDAL Y DE AGUA EN EL
INTERIOR DE ESTA.
 LA MAYORÍA DE LOS MODELOS SE BASAN EN EL CONCEPTO DE BALANCE
HÍDRICO, DEFINIENDO QUE EL VOLUMEN DE AGUA QUE ENTRA A UNA
UNIDAD HIDROLÓGICA (CUENCA) EN UN TIEMPO T (I), MENOS LA QUE SALE
EN EL MISMO BLOQUE DE TIEMPO (O) EQUIVALE AL CAMBIO EN EL
ALMACENAMIENTO (ΔS) DE LA CUENCA SOBRE DICHO PERÍODO (T) (EC.4).

𝛥𝑆
𝐼−𝑂 =
 4. MODELACIÓN HIDROLÓGICA

 BAJO ESTE CONCEPTO SE HAN DEFINIDO DIFERENTES MODELOS

– TURC
– THORNTHWAITE (ETP)
 PERMITEN LLEVAR A CABO ESTIMACIONES DE BALANCE HÍDRICO ANUAL O A
MAYOR ESCALA TEMPORAL, DONDE EL REQUISITO PRINCIPAL ES ASUMIR QUE
EL CAMBIO EN EL ALMACENAMIENTO ENTRE DIFERENTES BLOQUES DE
TIEMPO ES NULO.

 MODELOS MÁS COMPLEJOS PERMITEN CUANTIFICAR CAMBIOS EN EL

ALMACENAMIENTO DE LA CUENCA ENTRE BLOQUES DE TIEMPO MENORES
COMO MESES O DÍAS (MODELOS NUMÉRICOS CONCEPTUALES O FÍSICAMENTE
BASADOS).
 4. MODELACIÓN HIDROLÓGICA

CLASIFICACIÓN DE MODELOS:
 SEGÚN SU DISTRIBUCIÓN ESPACIAL.
– MODELOS AGREGADOS. MODELOS CON DISTRIBUCIÓN ESPACIAL UNIFORME
EN LA CUENCA, UTILIZA COMO VARIABLE LA PRECIPITACIÓN MEDIA Y ASUME
QUE LOS PARÁMETROS DE LOS DIFERENTES SUB-MODELOS DE LOS PROCESOS
HIDROLÓGICOS SON UNIFORMES PARA TODA LA CUENCA Y PERMANECEN
CONSTANTES A LO LARGO DE UN PASO DE TIEMPO O DE UNA SIMULACIÓN.
– MODELOS SEMI-DISTRIBUIDOS. SON AQUELLOS QUE PERMITEN UNA CIERTA
VARIABILIDAD ESPACIAL DE LA LLUVIA Y DE LOS PARÁMETROS DE LOS SUB-
MODELOS QUE LO COMPONEN MEDIANTE LA DIVISIÓN DE LA CUENCA EN
MULTITUD DE PEQUEÑAS SUB-CUENCAS CON LLUVIA Y PARÁMETROS
CONSTANTES EN CADA UNO DE ELLOS.
– MODELOS DISTRIBUIDOS. SON AQUELLOS QUE PERMITEN LA VARIABILIDAD
ESPACIAL DE LA LLUVIA Y DE LOS PARÁMETROS, MEDIANTE LA DIVISIÓN DE LA
CUENCA EN CELDAS O PIXELES, EN LAS QUE SE SIMULAN LOS DIFERENTES
 4. MODELACIÓN HIDROLÓGICA

CLASIFICACIÓN DE MODELOS:
 SEGÚN SU FORMA DE REPRESENTAR LOS PROCESOS HIDROLÓGICOS.
– MODELOS MÉTRICOS. SON MODELOS DEPENDIENTES DE LOS DATOS
OBSERVADOS. CARACTERIZAN LA RESPUESTA DEL SISTEMA MEDIANTE UN
MÉTODO DE EXTRACCIÓN DE LA INFORMACIÓN A PARTIR DE DATOS EXISTENTES.
ESTOS MODELOS PRESENTAN UNA CONSIDERACIÓN BAJA O NULA DE LOS
PROCESOS FÍSICOS QUE OCURREN EN EL SISTEMA HIDROLÓGICO.
– MODELOS CONCEPTUALES. SON MODELOS QUE REPRODUCEN LOS PROCESOS
HIDROLÓGICOS PREDOMINANTES MEDIANTE UNA BASE DE CONOCIMIENTO
INICIAL EN FORMA DE REPRESENTACIÓN CONCEPTUAL DE LOS MISMOS. LA
REPRESENTACIÓN HIDROLÓGICA SE REALIZA MEDIANTE RELACIONES
SIMPLIFICADAS CON PARÁMETROS QUE NO SE PUEDEN MEDIR FÍSICAMENTE EN
LA REALIDAD. SU APLICACIÓN ESTÁ CONDICIONADA A LA CALIBRACIÓN CON
DATOS OBSERVADOS EN LA CUENCA.
 4. MODELACIÓN HIDROLÓGICA

CLASIFICACIÓN DE MODELOS:
 SEGÚN SU FORMA DE REPRESENTAR LOS PROCESOS HIDROLÓGICOS.
– MODELOS FÍSICAMENTE BASADOS. ESTOS MODELOS INCLUYEN EL
COMPORTAMIENTO FÍSICO DE LOS PROCESOS HIDROLÓGICOS, REALIZANDO LA
SIMULACIÓN DE UNA CUENCA MEDIANTE EL USO DE LAS ECUACIONES DE
CONTINUIDAD CLÁSICAS, RESOLVIENDO ECUACIONES DIFERENCIALES DE FORMA
NUMÉRICA MEDIANTE LA APLICACIÓN DE MÉTODOS DE DIFERENCIAS FINITAS O
ELEMENTOS FINITOS. ESTOS MODELOS SON NECESARIAMENTE DE TIPO
DISTRIBUIDO.
LA PRINCIPAL VENTAJA DE UN MODELO FÍSICAMENTE BASADO ES QUE UTILIZA
PARÁMETROS QUE PUEDEN SER MEDIDOS EN TERRENO Y QUE TIENEN UN SIGNIFICADO
FÍSICO DIRECTO, POR TANTO, SI LOS VALORES DE ESTOS PARÁMETROS SE PUEDEN
DETERMINAR A PRIORI, ESTOS MODELOS PUEDEN SER APLICADOS A CUENCAS SIN
DATOS OBSERVADOS, E INCLUSO SE PUEDEN TENER EN CUENTA LOS CAMBIOS EN LA
MISMA CUENCA.
 4. MODELACIÓN HIDROLÓGICA

FÓRMULA DE TURC
 ESTA FÓRMULA SE DESARROLLÓ EN BASE A ESTUDIOS ESTADÍSTICOS SOBRE 254 CUENCAS
ALREDEDOR DEL MUNDO. RELACIONA LA EVAPOTRANSPIRACIÓN REAL ANUAL (ETREAL) CON LA
PRECIPITACIÓN ANUAL (P) Y TEMPERATURA MEDIA ANUAL DEL AIRE (T).
𝑃
𝐸𝑇𝑅𝑒𝑎𝑙 = 1
2 2
𝑃
0.9 + 𝐼
𝑇

𝐼𝑇 = 300 + 25 · 𝑇 + 0.05 · 𝑇 3
 CONOCIENDO LA EVAPOTRANSPIRACIÓN REAL ANUAL Y LOS MONTOS DE AGUA PRECIPITADA
SOBRE LA CUENCA ES POSIBLE REALIZAR UN BALANCE HÍDRICO ANUAL Y POR LO TANTO
ESTIMAR LOS CAUDALES DE SALIDA DE UNA CUENCA, PERO ES NECESARIO SABER QUE DICHOS
CÁLCULOS ASUMEN DE MANERA IMPLÍCITA QUE EL CAMBIO EN EL ALMACENAMIENTO ENTRE
UN AÑO HIDROLÓGICO Y EL SIGUIENTE ES NULO, LO CUAL NO NECESARIAMENTE SE CUMPLE.
 NO CONSIDERA OTRO TIPO DE SALIDAS O APORTES DESDE Y HACIA LA CUENCA, COMO POR
EJEMPLO CONEXIONES DE AGUAS SUBTERRÁNEAS.
 4. MODELACIÓN HIDROLÓGICA
 MODELO HIDROLÓGICO MHM
Evapotranspiración Precpitación Evaporación
Real (ER) (PM) Potencial (EM)

Escorrentía
Inmediata (EI)
Capa Superficial
(No de almacenamiento)
Infiltración
(I)

Capa Subsuperficial
(De almacenamiento) Hmax

Escorrentía
= EI + ES
Total (ETOT)
Humedad Humedad Máxima
Percolación Percolación Suelo (H) del Suelo (Hmax)
Profunda Profunda (PP)
Directa (PPD)

Escorrentía
Capa Subterránea Subterránea (ES)
(De almacenamiento)
 4. MODELACIÓN HIDROLÓGICA

 MODELO HIDROLÓGICO MHM

Evapotranspiración Precpitación Evaporación

Real (ER) (PM) Potencial (EM)

Escorrentía
Inmediata (EI)
Capa Superficial
(No de almacenamiento)
Infiltración
(I)

Capa Subsuperficial
(De almacenamiento) Hmax

Escorrentía
= EI + ES
Total (ETOT)
Humedad Humedad Máxima
Percolación Percolación Suelo (H) del Suelo (Hmax)
Profunda Profunda (PP)
Directa (PPD)

Escorrentía
Capa Subterránea Subterránea (ES)
(De almacenamiento)