Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
ESTADISTICA HIDROLÓGICA I Prof: Mg. Ing. Abel Carmona A. UNIDAD VII: ESTADÍSTICA HIDROLÓGICA SEMANA N°12 Interés Fuente: https://bit.ly/30FSFww ¿Cuál es la probabilidad que ocurra una inundación o una sequía? Fuente: https://bit.ly/2zvTk8C ¿Existe algún error en la información meteorológica obtenida? AGENDA 1. Periodo de retorno y riesgo admisible 2. Población y muestra 3. Variable Aleatoria 4. Distribución de datos 5. Medidas descriptivas de las distribuciones 6. Cálculos estadísticos en hidrología 7. Análisis de consistencia. LOGRO DE LA SESIÓN Al término de la sesión de aprendizaje, el estudiante desarrolla una actividad sobre análisis de consistencia utilizando métodos estadísticos, mostrando dominio técnico, claridad y manejo la terminología estudiada. Descubrimiento 1. Periodo de retorno y riesgo admisible • El periodo de retorno es el intervalo de tiempo promedio dentro del cual un evento de magnitud x, puede ser igualado o excedido por lo menos una vez en promedio. • Suponiendo que los eventos anuales son independientes, es posible calcular la probabilidad de falla para una vida útil de n años. • El criterio de riesgo es la fijación, a priori, del riesgo que se desea asumir por el caso de que la obra no llegase a fallar dentro de su tiempo de vida útil. Descubrimiento 1. Periodo de retorno y riesgo admisible • Riego de falla admisible 𝑅 = 1 − 1 − 1 𝑇 𝑛 Donde: n: vida útil de la obra en años. T: periodo de retorno Descubrimiento 1. Periodo de retorno y riesgo admisible Figura 1. Riego de falla de por lo menos una excedencia del evento de diseño durante la vida útil. Fuente: Chow (1994). Descubrimiento 1. Periodo de retorno y riesgo admisible RIESGO ADMISIBLE VIDA ÚTIL DE LAS OBRAS (n años) R 1 2 3 5 10 20 25 50 100 200 0.01 100 199 299 498 995 1990 2488 4975 9950 19900 0.02 50 99 149 248 495 990 1238 2475 4950 9900 0.05 20 39 59 98 195 390 488 975 1950 3900 0.1 10 19 29 48 95 190 238 475 950 1899 0.2 5 10 14 23 45 90 113 225 449 897 0.25 4 7 11 18 35 70 87 174 348 695 0.5 2 3 5 8 15 29 37 73 154 289 0.75 1.3 2 2.7 4.1 7.7 15 18 37 73 144 0.99 1 1.11 1.27 1.66 2.7 5 5.9 11 22 44 Tabla 1. Valores de periodo de retorno T (años). Fuente: MTC (1994). Descubrimiento 1. Periodo de retorno y riesgo admisible Tipo de Obra Riesgo Admisible (**) (%) Puentes (*) 22 Alcantarillas de paso de quebradas importantes y badenes 39 Alcantarillas de paso quebradas menores y descarga de agua de cunetas 64 Drenaje de la plataforma (a nivel longitudinal) 64 Subdrenes 72 Defensas Ribereñas 22 (*) Para obtención de la luz y nivel de aguas máximas extraordinarias. Se recomienda un período de retorno T de 500 años para el cálculo de socavación. (**) Vida Útil considerado n=25 años. Se tendrá en cuenta, la importancia y la vida útil de la obra a diseñarse. El Propietario de una Obra es el que define el riesgo admisible de falla y la vida útil de las obras. Tabla 2. Valores recomendados de riesgo admisible de obras de drenaje. Fuente: MTC (1994). Descubrimiento 2. Población y muestra de datos Medimos la muestra usando una estadística con el objetivo de extraer inferencias acerca de la población y sus parámetros. Población Población Parámetros Muestra Estadística Muestra Población Media: 𝝁 Desviación estándar: 𝝈 Muestra: Media: ഥ𝑿 Desviación estándar: 𝑺 Descubrimiento 3. Variable Aleatoria (VA) • Es una variable cuyos posibles valores son resultados numéricos de un fenómeno aleatorio. Terminología: • Experimento: cualquier proceso cuyo resultado esta sujeto a incertidumbre. • Población: conjunto de todos los posibles valores de una VA. • Espacio muestral (S): conjunto de posibles valores de una VA que se puede extraer de una población • Dato: un resultado. • Evento: un subconjunto del espacio muestral (S). Descubrimiento 3. Variable Aleatoria (VA) Ejemplo: Número de días lluviosos. • Experimento: lluvia. • Variable aleatoria: número de días lluviosos. • Population: todos los días lluviosos. • Espacio muestral (S): días lluviosos en una semana. • Dato: cantidad de lluvia presentado el día miércoles. • Evento: días lluviosos con precipitación > 20 mm. Descubrimiento 3. Variable Aleatoria (VA) Ejemplo: caudales en un río. • Experimento: caudal en el río. • Variable aleatoria: medida del caudal en el río. • Population: todos los caudales medios mensuales. • Espacio muestral (S): caudales medios mensuales. • Dato: caudal medio presentado en el mes de febrero. • Evento: caudales medios mensuales > 10 m³/s. Descubrimiento 3. VA Discreta y Continua VA Discreta: • Tiene un número finito de resultados que pueden ser enumerados. • La posibilidad de un evento puede ser expresado con exactitud: • La posibilidad de 3 días lluviosos en una semana. VA Continua: • Puede tomar valores continuos, los cuales no pueden ser enumerados. • La posibilidad de un evento puede ser expresado como un rango de valores: • La posibilidad que la precipitación exceda los 10 mm en una semana. Descubrimiento 4. Distribución de datos Histograma Distribución Descubrimiento 4. Distribución simétrica y asimétrica Figura 2. Distribución simétrica y asimétrica. Fuente: https://bit.ly/3d3bUmm Descubrimiento 5. Medidas descriptivas de las distribuciones Media: ത𝑋 = 1 𝑛 𝑖=1 𝑛 𝑥𝑖 Desviación Estándar: 𝑆(𝑥) = 1 𝑛 − 1 𝑖=1 𝑛 𝑥𝑖 − ത𝑋 2 Coeficiente de Variación: 𝐶𝑉 = 𝑆(𝑥) ത𝑋 𝜎(𝑥) = 1 𝑛 𝑖=1 𝑛 𝑥𝑖 − ത𝑋 2 𝐶𝑉 = 𝜎(𝑥) ത𝑋 ESTRUCTURA PPTExperiencia Actividades de aplicación colaborativa Ejemplo: ¿Qué serie de datos presenta mayor dispersión? Datos 1 19.9 14.6 22.9 11.6 11.5 9.6 16.1 13.8 Datos 2 5.4 10.3 16.7 21.5 14.5 1.1 26.3 24.2 Datos 1 19.9 14.6 22.9 11.6 11.5 9.6 16.1 13.8 Datos 3 101.7 117.3 173.4 112.5 140.7 178.8 156.7 154.9 Descubrimiento 5. Puntuación Estándar (Z-score) La puntuación Z (o puntuación estándar) de una observación es el número de desviaciones estándar que el dato 𝑥𝑖 se desvía de la media. 𝑧𝑖 = 𝑥𝑖 − ത𝑋 𝑆(𝑥) ESTRUCTURA PPTExperiencia Actividades de aplicación colaborativa Ejemplo: El caudal medio mensual de un río es 75 m³/s y su desviación estándar es 14.7 m³/s. ¿Cuál será la puntuación estándar de un dato 𝑄1 = 122 m³/s. Descubrimiento 6. Cálculos estadísticos en Hidrología Es necesario contar con más de 20 a 30 valores para poder establecer conclusiones. puntuación Z (o puntuación estándar) de una observación es el número de desviaciones estándar que el dato 𝑥𝑖 se desvía de la media. En hidrología se presentan los siguientes escenarios: • Conocer el valor de la variable (ejem: caudal, precipitación) si se conoce la probabilidad de ocurrencia. • Conocer la probabilidad de ocurrencia de una variable (ejem: caudal, precipitación) si se conoce su valor. Descubrimiento • Es el proceso que consiste en la identificación o detección, descripción y remoción de la no homogeneidad e inconsistencia de una serie de tiempo hidrológica. • Se obtiene mediante criterios físicos y métodos estadísticos que permitan identificar, evaluar y eliminar los posibles errores sistemáticos que han podido ocurrir, sea por causas naturales u ocasionados por la intervención de la mano del hombre. 7. Análisis de Consistencia Definición Descubrimiento • Una serie de tiempo de datos hidrológicos es relativamente constante si los datos son periódicamente proporcionales a una serie de tiempo apropiado simultáneamente (Chang y Lee 1974). • La consistencia relativa significa que los datos hidrológicos en una observación de cierta estación son generados por el mismo mecanismo que genera similares datos de otras estaciones. Es una práctica común para verificar la coherencia en relación con el doble de la masa de análisis. Descubrimiento • Para determinar la consistencia relativa, se comparan las observaciones a partir de una cierta estación con la media de lasobservaciones de varias estaciones cercanas. Este medio se llama la base o patrón es difícil decir cuántas estaciones el modelo debe incluir. • Las estaciones cuanto menor los datos determinados influirá en la consistencia y la valides de la media patrón. • Doble masa de análisis, la comprobación requiere eliminar el patrón de los datos de una determinada estación y comparándolos con los datos restantes. Descubrimiento Los gráficos sirven para analizar la consistencia de la información hidrológica en forma visual, e indicar el periodo o periodos en los cuales la información es dudosa, lo cual se puede reflejar como picos muy altos o valores muy bajos, saltos y/o tendencias, los mismos que deberán comprobarse, si son fenómenos naturales que si efectivamente han ocurrido, o si son producto de errores sistemáticos. 7.1 Análisis Visual Gráfico Descubrimiento En coordenadas cartesianas se plotea la información hidrológica histórica, ubicándose en las ordenadas, los valores de la serie y en las abscisas el tiempo (años, meses, días, etc.) Figura 1. Serie histórica de caudales promedios anuales Fuente: Villón (2005). Descubrimiento Este análisis se usa para tener una cierta confiabilidad en la información, así como también, para analizar la consistencia en relacionado a errores, que pueden producirse durante la obtención de los mismos, y no para una corrección a partir de la recta doble masa. 7.2 Análisis Doble Masa Figura 2. Análisis de doble masa para determinar la estación base Fuente: Villón (2005). Descubrimiento De estos doble masas se selecciona como la estación mas confiable, la que representa el menor numero de quiebres, de la figura anterior correspondería a la estación C, la cual se usa con estación base para el nuevo diagrama doble masa, es decir, se vuelve a construir el diagrama de doble masa colocando en el eje de las abscisas la estación base y en el de las ordenadas la estación en estudio. Descubrimiento Figura 3. Análisis de doble masa para obtener los periodos de estudio Fuente: Villón (2005). ESTRUCTURA PPTExperiencia Actividades de aplicación colaborativa Corregir los datos de precipitación de la serie siguiente: Año Precipitación Patrón 1988 1138 983 1987 1129 1121 1986 752 740 1985 1086 959 1984 1101 1234 1983 954 893 1982 1082 1256 1981 979 1015 1980 810 1062 1979 969 1521 1978 913 1165 1977 744 1003 1976 883 1345 P: patrón C: estación a corregir 𝑃𝑐nueva = 𝑚𝑃 𝑚𝑐 𝑃𝑐𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 Descubrimiento Después de obtener de los gráficos construidos para el análisis visual y de los de doble masa, los periodos de posible corrección, los periodos de datos que se mantendrán con sus valores originales, se procede al análisis estadístico de saltos, tanto en la media como en la desviación estándar. 7.3 Análisis Estadístico 𝑆2(𝑥) = 1 𝑛2 − 1 𝑗=1 𝑛2 𝑥𝑗 − 𝑥2 2 1 2 𝑥2 = 1 𝑛2 𝑗=1 𝑛2 𝑥𝑗 𝑆1(𝑥) = 1 𝑛1 − 1 𝑖=1 𝑛1 𝑥𝑖 − 𝑥1 2 1 2 𝑥1 = 1 𝑛1 𝑖=1 𝑛1 𝑥𝑖 Descubrimiento a) Consistencia de la Media Cálculo de la media y desviación estándar para las submuestras 7.4 Análisis de Saltos Donde: 𝑥𝑖: Valores de la serie del periodo 1 𝑥𝑗: Valores de la serie del periodo 2 Descubrimiento Donde: 𝑥1, 𝑥1: Media de los periodos1 y 2 respectivamente 𝑆1(𝑥) , 𝑆2(𝑥) : Desviación estándar de los periodos1 y 2 respectivamente. n: Tamaño de la muestra 𝑛1, 𝑛2: Tamaño de las submuestras n=𝑛1 + 𝑛2 𝑡𝑐 = 𝑥1 − 𝑥2 − 𝜇1 − 𝜇2 𝑆 ത𝑑 Descubrimiento Cálculo del t calculado 𝐭𝐜 según: 𝑆 ത𝑑 = 𝑆𝑝 1 𝑛1 + 1 𝑛2 1 2 𝑡𝑐 = 𝑥1 − 𝑥2 𝑆 ത𝑑 𝑆𝑝 = 𝑛1 − 1 𝑆1 2 + 𝑛2 − 1 𝑆2 2 𝑛1 + 𝑛2 − 2 1 2 Donde: 𝜇1 − 𝜇2=0 (por hipótesis, las medias son iguales) Además: Siendo: 𝑆 ത𝑑: Desviación de las diferencias de los promedios 𝑆𝑝: Desviación estándar ponderada Descubrimiento Cálculo del t tabular 𝐭𝐭: El valor crítico de t se obtiene de la tabla t de Student (𝑡𝒕), con 95% de probabilidad, o con un nivel de significación del 5%, es decir: 𝛼/2 = 0.025 𝐺𝐿 = 𝑛1 + 𝑛2 − 2 Figura 4. Valor critico de t Fuente: https://bit.ly/2r9cqwN Descubrimiento Comparacion del 𝐭𝐜 con el 𝐭𝐭: • Si En este caso, siendo las medias 𝑥1 = 𝑥2 estadísticamente, no se debe realizar el proceso de corrección. • Si En este caso, siendo las medias 𝑥1 ≠ 𝑥2 estadísticamente, se debe corregir la información. 𝑡𝑐 = 𝑡𝑡 (95%) → 𝑥1 = 𝑥2 𝑡𝑐 > 𝑡𝑡 (95%) → 𝑥1 ≠ 𝑥2 Descubrimiento b) Consistencia de la Desviación Estándar Cálculo de las varianzas de ambos periodos 𝑆1 2(𝑥) = 1 𝑛1 − 1 𝑖=1 𝑛1 𝑥𝑖 − 𝑥1 2 𝑆2 2(𝑥) = 1 𝑛2 − 1 𝑗=1 𝑛2 𝑥𝑗 − 𝑥2 2 Donde: 𝑥𝑖: Valores de la serie del periodo 1 𝑥𝑗: Valores de la serie del periodo 2 Descubrimiento Cálculo del F calculado (𝐅𝐜), según: 𝐹𝑐 = 𝑆1 2(𝑥) 𝑆2 2(𝑥) Si 𝑆12 𝑥 > 𝑆22(𝑥) 𝐹𝑐 = 𝑆2 2(𝑥) 𝑆1 2(𝑥) Si 𝑆22 𝑥 > 𝑆12(𝑥) Donde: 𝑥𝑖: Valores de la serie del periodo 1 𝑥𝑗: Valores de la serie del periodo 2 Descubrimiento Cálculo del F tabular (valor critico de F o 𝐅𝐭) Se obtiene de las tablas de F para una probabilidad del 95%, o con un nivel de significación del 5% y grados de libertad: Donde: G.L.N: Grados de libertad del numerador G.L.D: Grados de libertad del denominador 𝐺. 𝐿. 𝑁 = 𝑛1 − 1 Si 𝑆12 𝑥 > 𝑆22(𝑥) Si 𝑆22 𝑥 > 𝑆12(𝑥) 𝐺. 𝐿. 𝐷 = 𝑛2 − 1 𝐺. 𝐿. 𝑁 = 𝑛2 − 1 𝐺. 𝐿. 𝐷 = 𝑛1 − 1 Descubrimiento Comparación del 𝐅𝐜 con el 𝐅𝐭: • Si (estadísticamente) • Si (estadísticamente), por lo que se debe corregir 𝐹𝑐 ≤ 𝐹𝑡 (95%) → 𝑆𝑖 𝑆1(𝑥) = 𝑆2(𝑥) 𝐹𝑐 > 𝐹𝑡 (95%) → 𝑆𝑖 𝑆1(𝑥) ≠ 𝑆2(𝑥) Descubrimiento En los casos en que los parámetros media y desviación estándar de las submuestras de las series de tiempo, resultan estadísticamente iguales, información original no se corrige, por ser consistente con 95% de probabilidad. En caso contrario, se corrigen los valores de las sub-muestras mediante las siguientes ecuaciones. 𝑋(𝑡) ′ = 𝑥𝑡 − 𝑥1 𝑆1 𝑥 𝑆2 𝑥 + 𝑥2 7.5 Corrección de datos 𝑋(𝑡) ′ = 𝑥𝑡 − 𝑥2 𝑆2 𝑥 𝑆1 𝑥 + 𝑥1 Donde: 𝑋(𝑡) ′ : Valor corregido de saltos 𝑥𝑡: Valor a ser corregido ESTRUCTURA PPTExperiencia Actividades de aplicación colaborativa Con el registro de volúmenes anuales en MM³ que se muestra en la Tabla, se realizó el análisis de doble masa y se obtuvo un punto de quiebre que permitió separar los datos en los períodos 1964-1985 y 1986-1999. Realizar el análisis estadístico de saltos en la media y desviación estándar para ambos periodos. Si se obtiene diferencia significativa (al 95% de probabilidad), realizar la corrección del primer periodo. AÑO Xt AÑO Xt 1964 534.509 1982 318.882 1965 404.034 1983 311.313 1966 504.878 1984 450.2 1967 444.032 1985 386.957 1968 842.122 1986 668.201 1969 437.47 1987 536.824 1970 264.04 1988 598.446 1971 464.628 1989 573.582 1972 436.716 1990 569.369 1973 493.988 1991 330.482 1974 372.984 1992 949.436 1975 333.735 1993 260.183 1976 645.182 1994 430.169 1977 612.295 1995 577.293 1978 620.76 1996 502.513 1979 557.882 1997 1055.812 1980 494.515 1998 792.781 1981 362.199 1999 640.843 Tabla 3. Volúmenes anuales de caudales en MM³. Fuente: Villón (2005). Descubrimiento a) Tendencia de la Media La tendencia de la media 𝑇𝑚, puede ser expresada en forma general por la ecuación polynomial: Y en forma particular por la ecuación de regresión lineal simple: Donde: t: Tiempo en años, tomado como variable independiente de la tendencia. t=1, 2, 3,….,n 𝑇𝑚 = 𝐴𝑚 + 𝐵𝑚𝑡 + 𝐶𝑚𝑡 2 + 𝐷𝑚𝑡 3 +⋯ 7.6 Análisis de tendencias 𝑇𝑚 = 𝐴𝑚 + 𝐵𝑚𝑡 Descubrimiento 𝑇𝑚: Tendencia en la media, para este caso: 𝑇𝑚 = 𝑋(𝑡) ′ valor corregido de saltos, es decir, datos a usarse para el cálculo de los parámetros 𝐴𝑚, 𝐵𝑚, 𝐶𝑚, 𝐷𝑚: Coeficientes de los polinomios de regresión, que deben ser estimados con los datos. Los parámetros de regresión de estas ecuaciones, pueden ser estimados por el método de mínimoscuadrados, o por el método de regresión lineal múltiple. Descubrimiento Cálculo de los parámetros de la ecuación de simple regresión lineal: 𝐴𝑚 = 𝑇𝑚 − ҧ𝑡 𝐵𝑚 𝐵𝑚 = 𝑅 𝑆𝑇𝑚 𝑆𝑡 𝑅 = 𝑡 𝑇𝑚 − ҧ𝑡 𝑇𝑚 𝑆𝑡 𝑆𝑇𝑚 𝑇𝑚 = 1 𝑛 𝑖=1 𝑛 𝑇𝑚𝑖 = 1 𝑛 𝑖=1 𝑛 𝑋 𝑡 𝑖 ′ ҧ𝑡 = 1 𝑛 𝑖=1 𝑛 𝑡𝑖 𝑡𝑇𝑚 = 1 𝑛 𝑖=1 𝑛 𝑡𝑖𝑇𝑚𝑖 Donde: 𝑆𝑇𝑚 = σ𝑖=1 𝑛 𝑇𝑚𝑖 − 𝑇𝑚 2 𝑛 − 1 1 2 𝑆𝑡 = σ𝑖=1 𝑛 𝑡𝑖 − ҧ𝑡 2 𝑛 − 1 1 2 Descubrimiento Además: 𝑇𝑚: Promedio de las tendencias 𝑇𝑚, o promedio de los datos corregidos de saltos 𝑋 𝑡 ′ ҧ𝑡: Promedio del tiempo 𝑆𝑇𝑚: Desviación estándar de la tendencia de la media 𝑇𝑚 𝑆𝑡: Desviación estándar del tiempo t Descubrimiento Evaluación de la tendencia 𝑻𝒎 Para averiguar si la tendencia es significativa, se analiza el coeficiente de regresión 𝐵𝑚 o también el coeficiente de correlación R. El análisis de R según el estadístico t, es como sigue: Calculo de estadístico 𝒕𝒄, según: 𝑡𝑐 = 𝑅 𝑛 − 2 1 − 𝑅2 Donde: 𝑡𝑐: Valor del estadístico t calculado n: Número total de datos R: Coeficiente de correlación Descubrimiento Cálculo del 𝒕𝒕: El valor crítico de t se obtiene de la tabla t de Student (𝑡𝒕), con 95% de probabilidad, o con un nivel de significación del 5%, es decir: Comparación del 𝒕𝒄 con el 𝒕𝒕: • Si No es significativo, En este caso, la tendencia no es significativa y hay que corregir. • Si En este caso, la tendencia es significativa y hay necesidad de corregir la información de tendencia en la media. 𝛼/2 = 0.025 𝐺𝐿 = 𝑛 − 2 𝑡𝑐 ≤ 𝑡𝑡 (95%) → 𝑅 𝑡𝑐 > 𝑡𝑡 (95%) → 𝑅 Descubrimiento Correlación de la información La tendencia en la media se elimina haciendo uso de la ecuación: 𝑌𝑡 = 𝑋 𝑡 ′ − 𝑇𝑚 𝑌𝑡 = 𝑋 𝑡 ′ − 𝐴𝑚 + 𝐵𝑚 𝑡 𝑌𝑡 = 𝑋 𝑡 ′ − 𝑇𝑚+𝑇𝑚 𝑌𝑡 = 𝑋 𝑡 ′ − 𝐴𝑚 + 𝐵𝑚𝑡 𝑇𝑚 Donde: 𝑋 𝑡 ′ : Serie corregida de saltos 𝑇𝑚: Tendencias en la media 𝑌1: Serie sin tendencia en la media Descubrimiento a) Tendencia en la desviación estándar La tendencia en la desviación estándar, generalmente se presenta en los datos semanales o mensuales, no asi en datos anuales. Se expresa en forma general por la ecuación polinomial: Y en forma particular por la ecuación de regresión lineal simple: Donde: T: Tendencia en la desviación estándar 𝑇𝑆 = 𝑌𝑡: Valor corregido de tendencia en la media, es decir, datos a usarse para el cálculo de los parámetros 𝑇𝑠 = 𝐴𝑠 + 𝐵𝑠𝑡 + 𝐶𝑠𝑡 2 + 𝐷𝑠𝑡 3 +⋯ 𝑇𝑆 = 𝐴𝑆 + 𝐵𝑆𝑡 Descubrimiento t: Tiempo en años t=1, 2, 3,….,n 𝐴𝑆, 𝐵𝑆, 𝐶𝑆, 𝐷𝑆: Coeficientes de los polinomios de regresión, que deben ser estimados con los datos. Para calcular y probar si la tendencia en la desviación estándar es significativa, se sigue el siguiente proceso: 1. La información ya sin tendencia en la media 𝑌𝑡, se divide en periodos de datos anuales 2. Se calcula las desviaciones estándar para cada periodo de toda la información: Descubrimiento Donde: 𝑆𝑝 : Desviación estándar del año p, es decir de los datos mensuales del año p 𝑌𝑝: Serie sin tendencia en a media 𝑌𝑝: Promedio de datos mensuales del año p p: 1, 2, 3,….,12 𝑆𝑝 = 1 11 𝑝=𝑖 12 𝑌𝑝 − 𝑌𝑝 2 1 2 Descubrimiento 3. Se calculan los parámetros de 𝑇𝑆 , a partir de las desviaciones estándar anuales y el tiempo t (años), utilizando las ecuaciones dadas para la tendencia en la media. 4. Se realiza la evaluación de 𝑇𝑆 siguiendo el mismo proceso descrito para 𝑇𝑚. Si en la prueba R resulta significativo, la tendencia en la desviación estándar es significativa, por lo que se debe eliminar la serie, aplicando la siguiente ecuación: 𝑍𝑡 = 𝑋 𝑡 ′ − 𝑇𝑚 𝑇𝑆 Descubrimiento Donde: 𝑍𝑡 : Serie sin tendencia en la media ni en la desviación estándar. Las demás variables han sido definidas en párrafos anteriores, Para que el proceso preserve la media y la desviación estándar constante, la ecuación toma la forma: Donde: ഥ𝑇𝑆, 𝑇𝑚: Son los promedios de la tendencia en la desviación estándar y media respectivamente. La serie Z es una serie homogénea y consistente al 95% de probabilidad 𝑍𝑡 = 𝑋 𝑡 ′ − 𝑇𝑚 𝑇𝑆 ഥ𝑇𝑆 + 𝑇𝑚 ESTRUCTURA PPTAprendizaje evidenciado TRABAJO PRÁCTICO Con el registro de volúmenes anuales en MM³ que se muestra en la Tabla, se realizó el análisis de doble masa y se obtuvo un punto de quiebre que permitió separar los datos en los períodos 1964-1985 y 1986-1999. Realizar el análisis estadístico de saltos en la media y desviación estándar para ambos periodos. Si se obtiene diferencia significativa (al 95% de probabilidad), realizar la corrección del primer periodo. AÑO Xt AÑO Xt 1964 534.509 1982 318.882 1965 404.034 1983 311.313 1966 504.878 1984 450.2 1967 444.032 1985 386.957 1968 842.122 1986 668.201 1969 437.47 1987 536.824 1970 264.04 1988 598.446 1971 464.628 1989 573.582 1972 436.716 1990 569.369 1973 493.988 1991 330.482 1974 372.984 1992 949.436 1975 333.735 1993 260.183 1976 645.182 1994 430.169 1977 612.295 1995 577.293 1978 620.76 1996 502.513 1979 557.882 1997 1055.812 1980 494.515 1998 792.781 1981 362.199 1999 640.843 Tabla 2. Volúmenes anuales de caudales en MM³. Fuente: Villón (2005). Referencias • Villón, M. (2005). Hidrología estadística. Editorial Villón, Lima–Perú. • Monsalve Sáenz, G. (1999). Hidrología en la Ingeniería. Alfaomega: Colombia. • Chow, V. T. (1994). Hidrología Aplicada. Colombia: McGraw-Hill. • Aparicio Mijares, F. J. (1999). Fundamentos de hidrología de superficie. México: Limusa.
Compartir