DISTRIBUCIONES DE
PROBABILIDAD PARA
VARIABLES CONTINUAS
EN HIDROLOGIA
DISTRIBUCION NORMAL
La distribución normal es una distribución simétrica en forma
de campana, también conocida como Campana de Gauss.
Aunque muchas veces no se ajusta a los datos hidrológicos
tiene amplia aplicación por ejemplo a los datos
transformados que siguen la distribución normal.
•Función de densidad:
La función de densidad está dada por:
1 ( x ) 2
1
f ( x) exp 2 2
x
2
Los dos parámetros de la distribución son la media y desviación
estándar para los cuales
x (media) y s (desviación estándar) son
derivados de los datos.
La distribución normal se usa para:
- Aproximar la distribución de probabilidades de errores aleatorios .
- Comparar distribuciones: las propiedades de una muestra de
variables no normales pueden compararse con las de variables
normales.-
- Muchos estadísticos pueden ser normalmente distribuidos, como,
por ejemplo, la media de la mayoría de las variables hidrológicas
•Estimación de parámetros:
Solo se presentará en estas notas la estimación de parámetros por el
método de los momentos, que fue desarrollado en 1902 por Karl
Pearson. El consideró que un buen estimativo de los parámetros de una
distribución de probabilidades es aquél para el cual los momentos de la
función de densidad de probabilidades son iguales a los momentos
correspondientes de la muestra. Los estimadores de los parámetros de la
distribución normal por el método de los momentos son
1 n
x xi
n i 1
1
1 n 2
2
s
n 1 i 1
( xi x )
•Factor de frecuencia:
•Si se trabaja con los X sin transformar el K se calcula como:
xT
KT
•Este factor es el mismo de la variable normal estándar
1
K T F (1 Tr1 )
La magnitud de la variable XT para un período de retorno
dado T puede encontrarse, utilizando el factor de frecuencia,
con el siguiente procedimiento:
2 Usando el valor calculado de (1-1/T) en la tabla, se lee el
valor de x en la primera columna, que corresponde a K o
F(-1) µ (1- 1/T).
3 Se calcula el valor buscado como:
•Limites de confianza:
X Tr t(1 ) S e
Donde es el nivel de probabilidad
es el cuantil de la distribución normal estandarizada para
t(1 ) una probabilidad acumulada de 1- y Se es el error
estándar.
DISTRIBUCION LOGNORMAL DE DOS PARAMETROS
Si los logaritmos Y de una variable aleatoria X se distribuyen
normalmente se dice que X se distribuye normalmente.
Esta distribución es muy usada para el calculo de valores extremos
por ejemplo Qmax, Qmínimos, Pmax, Pmínima (excelentes
resultados en Antioquia). Tiene la ventaja que X>0 y que la
transformación Log tiende a reducir la asimetría positiva ya que al
sacar logaritmos se reducen en mayor proporción los datos mayores
que los menores.
Limitaciones: tiene solamente dos parámetros, y requiere que los
logaritmos de la variables estén centrados en la media
•Función de
densidad:
1 ( y y )
1 2 y2
f ( x) exp x0
x 2
y = ln x
Donde, y : media de los logaritmos de la población (parámetro escalar),
estimado
y
y : Desviación estándar de los logaritmos de la población,
estimado sy.
FIG. DISTRIBUCION LOG-NORMAL
•Estimación de parámetros:
n 1
1
y ln( xi ) 1 2
n 2
n i 1
sy
n 1 i 1
(ln( xi ) y )
Factor de frecuencia:
Puede trabajarse en el campo original y en el campo transformado.
Campo transformado: Si se trabaja en el campo transformado se
trabaja con la media y la desviación estándar de los logaritmos, así:
Ln(XTr) = xTr+KSy
De donde,
XTr = e ln (xTr)
•Con K con variable normal estandarizada para el Tr dado, x y media de
los logaritmos y Sy es la desviación estándar de los logaritmos.
•Campo original: Si se trabaja con los X sin transformar el K se calcula
como:
1
ln(1 Cv 2 )
Exp KT * ( Ln(1 Cv ))
2 2
1
2
Kt
Cv
•K es la variable normal estandarizada para el Tr dado,
s es el coeficiente de variación, x media de los datos originales y
Cv
x s desviación estándar de los datos originales.
•Limites de confianza:
•En el campo transformado.
Ln( X Tr ) t(1 ) ST
1
( S y ) KT 2 2
Se 1
n 2
•en donde, n numero de datos, Se error estándar, KT variable normal
estandarizada.
EJEMPLO: En un río se tienen 30 años de registros de Qmáximos
instantáneos anuales con x= 15 m3/s, S = 5 m3/s (media y desviación
estándar para los datos originales). xy=2.655, sy = 0.324 (media y
desviación estándar de los datos transformados). Encontrar el caudal
para un periodo de retorno de 100 años y los limites de confianza para
un = 5%. Calcular la probabilidad de que un caudal de 42.5 m3/s no
sea igualado o excedido P(Q 4.25).
Solución:
n=30
x= 15 m3/s xy=2.655
s = 5 m3/s sy = 0.324
En el campo original
1
ln(1 Cv 2
)
Exp K * ( Ln(1 Cv ))
2 2
1
2
Kt
Cv
s
Cv = 5/15 = 0.33
x
K = F-1(1-1/Tr) = F-1(1-1/100) = F-1(0.99)
De la tabla de la normal se obtiene KT=2.33
1
ln(1 0.332 )
Exp 2.33 * ( Ln(1 0.33 ))
2 2
1
2
KT
0.33
KT = 3.028
El valor asociado a un periodo de retorno de 100 años serà:
QTr = 15 + 5 * 3.028
QTr = 30.14 m3/s
En el campo transformado se tiene que:
LnQTr100 = 2.655 + 2.33*0.324
LnQTr100 = 3.40992
QTr100 = Exp (3.40992)
Q Tr100 = 30.26 m3/s
Limites de confianza
Ln (QTr) t(1-) Se
1
( S y ) KT 2
2
Se 1
n 2
1
2.33 2 2
= 1.93
1
2
. 0.324
193
Se 011
.
30
t(1-) = t(0.95) = 1.645 (Leído de la tabla de la normal)
Ln(30.28) (1.645 ) (0.11)
3.41 0.18095
[3.22905 3.59095]
[e3.22905 e3.59095]
[25.26 36.29]
Intervalos de confianza para QTr100
b) Calcular la probabilidad de que un caudal de 45 m3/s
no se igualado o excedido P(Q 4.25).
Ln(42.5) = 3.75
t = (3.75 - 2.655)/0.324
F(3.38) = 0.9996 Leído de la tabla de la normal
P(Q 4.25) = 99.9%
TABLA 5.1 VALORES PARA KT
