Estadística y Probabilidades en Hidrologia

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE
MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y

SCHACAYPAMP
I.- INTRODUCCIN
El presente trabajo es de vital importancia puesto que nos permite tener idea del
comportamiento de los fenmenos naturales como las precipitaciones, su
comportamiento en las diversas estaciones del ao puesto que permite tomar las
debidas precauciones, ya que su omisin nos ocasionara prdidas econmicas.
Y es por eso que se aplic la estadstica a la hidrologa con sus diversos mtodos d
probabilidad tales como las distribuciones continuas discretas, etc. Cada una de estas
con sus ventajas y desventajas para cada caso.
Tambin es muy importante para el diseo en la ingeniera como canales, presas,
hidroelctricas, puentes etc., puesto que solo por este detalle nuestros diseos no
cumpliran a cabalidad su rol para el cual fueron diseados y no garantizaran la vida
til a la que han sido diseados. Para esto
la naturaleza en base a estudios
estadsticos.
El anlisis de la prueba de Chi-cuadrado nos servir para ver si los datos se ajustan a
las distribuciones Exponencial y Normal.
Pgina

SCHACAYPAMP
1.1. OBJETIVOS:
Objetivo general:
Realizar la distribucin de frecuencias y ver si los datos se ajustan a la distribucin
Exponencial o Normal; con los datos de precipitacin de las tres estaciones
meteorolgicas Ticapampa, Cahuish y Shacaypampa.
Objetivos secundarios:
Aprender los procedimientos de la tabulacin de datos hidrolgicos mediante
los conceptos de probabilidades y estadstica.
Aprender a estimar los parmetros mediante los mtodos grficos.
Desarrollar la prueba de bondad de ajuste dentro de las cuales se completan al
ajuste grfico.
1.2. ANTECEDENTES:
Se realizara los estudios de los datos de precipitacin de las tres estaciones
meteorolgicas Ticapampa, Cahuish y Shacaypampa.
Se cuenta con las tablas de registros de precipitacin de las tres estaciones
meteorolgicas Ticapampa, Cahuish y Shacaypampa, previamente corregidos y
completados.
Pgina

SCHACAYPAMP
1.3. JUSTIFICACIN:
El trabajo es importante por la interpretacin de los conceptos de probabilidades y
estadstica aplicada a la hidrologa con el fin de poder estimar parmetros
hidrolgicos que nos servirn para conocer la precipitacin de las tres estaciones
meteorolgicas Ticapampa, Cahuish y Shacaypampa; y de esta manera hacer un
buen estudio hidrolgico calculando las probabilidades de que precipitacin exceda
al establecido, precipitacin que se registrara para un periodo de retorno 20, 30, 50 y
100.
II.- REVICION BIBLIOGRAFICA.
2.1 POBLACIN:
Para el presente estudio se considerara como poblacin al total de las
precipitacin anuales de las estaciones meteorolgicas Ticapampa, Cahuish y
Shacaypampa.
2.2 MUESTRA.
Para el presente estudio se considera muestra el conjunto de datos recopilados
de las estaciones meteorolgicas Ticapampa, Cahuish y Shacaypampa. Estos
datos son considerados como muestreo aleatorio.
2.3 HISTOGRAMA.
Es la representacin grfica de las frecuencias, en forma de rectngulos, siendo
La base de cada rectngulo el intervalo de clase y la altura la frecuencia
absoluta.
2.4 POLIGONO DE FRECUENCIA.
Pgina

SCHACAYPAMP
Es la representacin grfica de las frecuencias, se obtiene uniendo con lneas

rectas, los puntos formados por las marcas de clase versus la frecuencia absoluta
o relativa. Para q el polgono alcance al eje horizontal, a ambos lados de la
distribucin, se le agrega un intervalo de clase con frecuencia igual cero.
En forma prctica, un polgono de frecuencia se obtiene, uniendo con lneas
rectas los puntos medios de todas las barras de un histograma.
2.5 MEDIA:
La media de un conjunto N de datos numricos X1, X2,..., XN est representada
por y definida por:
N
1
X = xi
N i=1
.. (1).
2.6 MEDIANA:
Es un valor nico de un conjunto de datos que mide al elemento central en los
datos. Este nico elemento de los datos ordenados, es el ms cercano a la mitad,
o el ms central en el conjunto de nmeros. La mitad de los elementos quedan
por encima de ese punto, y la otra mitad por debajo de l.
n
N i1
2
M e =Y i1+C t
..(2)
ni
( )
2.7 MODA:
Pgina

SCHACAYPAMP
Es aquel valor que se repite ms frecuentemente en un conjunto de datos, se

denota por Mo.
2.8 DESVIACIN MEDIA
Es la media aritmtica de los valores absolutos de las desviaciones de los datos
con respecto a una medida de tendencia central.
N
xiestadigrafo . de . posicion
X = i=1
. (3)
Si el estadgrafo es la media, se tiene:

Para datos no clasificados
Xi X
DM= i=1
..(4)
Pgina

SCHACAYPAMP
Para datos clasificados

N
Xi X
i=1
..(5)
n
DM =
La desviacin media es una medida de dispersin fcil de calcular y se ve

afectada en menor medida por los valores extremos que la desviacin estndar y
se una a menudo cuando se dispone de muestras pequeas que incluye valores
extremos o cuando la distribucin es muy asimtrica
2.9 DESVIACIN ESTNDAR Y VARIANZA.
Miden el grado de dispersin de los datos numricos en torno de un valor
medio.
La Desviacin Estndar de un conjunto de datos X1,..., Xn est definida por:
( Xi X )
i1
(6)
La Variancia es el cuadrado de la desviacin estndar:

N
( Xi X )
2= i1
.(7)
Pgina

SCHACAYPAMP
La frmula de la varianza ser:

N
( Xi X ) n i
V (X )= i1
2.10
.(8)
COVARIANZA.
Es una medida que permite determinar qu tan independiente es una variable

aleatoria de otra, es decir, el grado de independencia de dos variables aleatorias.
COV ( X ,Y )=s xy= xy =E [ ( X x ) ( Y y ) ]
2.11
(9)
COEFICIENTE DE CORRELACIN.
Es el estadstico que permite medir el grado de asociacin de dos variables

linealmente relacionadas.
Para el caso de una poblacin se define como:
Pgina

SCHACAYPAMP
( x , y )=
2.12
E [ ( X x )( Y y ) ]
COV ( X ,Y )
= xy =
VARxVARy x y E ( X x )2 E ( Y y ) 2
.(10)
COEFICIENTE DE VARIACIN.
Es una medida de dispersin y se define como el cociente entre la desviacin

estndar y la media.
Cv=
2.13
..(11)
COEFICIENTE DE MOMENTO DE ASIMETRA

La asimetra de una muestra se mide mediante el coeficiente de asimetra, para
el clculo del coeficiente de asimetra se emplea el tercer momento con respecto
a la media y para que este coeficiente no tenga dimensiones el tercer momento
se divide entre la desviacin estndar elevado a la potencia 3.
Es el grado de desvo o alejamiento del eje de simetra de una distribucin. Para
distribuciones asimtricas, la media tiende a situarse del lado de la cola ms
larga de la distribucin. Este coeficiente puede ser definido usando el 3
momento centrado en la media y la desviacin estndar:
g=C s =
n2 m3
( n1 ) ( n2 ) S 3
.(12)
Pgina

SCHACAYPAMP
n
3
1
m 3= ( Xi X )
n i=1
.(13)
S g=0 es una distribucin simtrica

S g>0 es una distribucin sesgada a la derecha (polgono de frecuencias
con cola ms larga a la derecha)
S g<0 es una distribucin sesgada a la izquierda (polgono de frecuencias
con cola ms larga hacia la izquierda).
El sesgo del polgono de frecuencias se aprecia trazando una vertical por la moda
donde se diferencia la cola del polgono de frecuencias.
Es importante indicar que los tres nmeros son suficientes para tener una idea de la
forma del histograma.
2.14
COEFICIENTE DE CURTOSIS.
El grado apuntamiento del polgono de frecuencias (forma puntiaguda del polgono

de frecuencias) se mide mediante el coeficiente de curtosis. Para el clculo del
coeficiente de curtosis se emplea el cuarto momento con respecto a la media y para
que este coeficiente no tenga dimensiones el cuarto momento se divide entre la
desviacin estndar elevado a la potencia 4
Mide el grado de achatamiento de una distribucin de datos y puede ser definido por
la divisin del momento de grado 4 centrado en la media entre la variancia elevada
al cuadrado. O sea:
Pgina

SCHACAYPAMP
Es una medida estadstica que describe el apuntamiento o achatamiento de una

cierta distribucin con respecto a una distribucin normal. La curtosis positiva
indica una distribucin relativamente apuntada, y la negativa indica una distribucin
relativamente achatada. En una distribucin normal la curtosis es igual a 3, a los
valores mayores a 3 se los llama curtosis excesiva. El caso de curtosis excesiva
indica que hay una mayor probabilidad de que los retornos observados estn ms
alejados de la media que en una distribucin normal.
El valor del coeficiente de curtosis es costumbre comparar con Ck=3 que es
coeficiente de apuntamiento de una curva continua de forma de una campana (curva
normal).
S Ck>3 es una distribucin leptocrtica, picuda o puntiaguda.
S Ck=3 es una distribucin mesocrtica o moderada (curva normal)
S Ck<3 es una distribucin platicrtica, achatada o plana.
2.15
DESVIACIN ESTNDAR MUESTRAL.
La varianza maestral est medida en el cuadrado de las unidades observadas al hacer las
mediciones contenidas en la muestra. Para devolverse a una estadstica que use las
mismas unidades que las observaciones, es necesario calcular su raz cuadrada.
Lo anterior conduce a la definicin de la estadstica denominada 'desviacin
estndar maestral', que no es otra cosa que la raz cuadrada de la varianza
Para una muestra de tamao n, x1, xn, se tiene que:
Pgina
10

SCHACAYPAMP
2
1
= ( X i X )
n i=1
.(14)
El uso de esta estadstica es recomendado en aquellos conjuntos de datos que ofrecen

cierto grado de simetra respecto de su centro. En estos casos, habitualmente tiene
sentido medir discrepancias de un valor con el centro de los datos usando mltiplos de la
desviacin estndar.
A modo de ejemplo, se puede decir que un valor est bastante alejado del
centro de los datos si su distancia de l supera dos desviaciones estndar.
Apoyndose en la idea anterior, la desviacin estndar puede ser usada para
determinar valores que se encuentran 'cerca' del centro. Este uso va ms all de
la simple descripcin, en otros mbitos de Estadstica es usada para tomar
decisiones respecto de la poblacin de la que fue extrada la muestra.
2.16
SESGO
Segn el diccionario un sesgo es "una inclinacin parcial de la mente". En nuestro

mbito, la palabra sesgo sirve para definir la tendencia sistemtica de ciertos diseos de
Pgina
11

SCHACAYPAMP
ensayos clnicos para producir de forma consistente resultados mejores o peores que
otros diseos.
Skewness o sesgo: Medida estadstica que describe la simetra de la
distribucin alrededor de un promedio. Si el sesgo es igual a cero, la
distribucin es simtrica; si el sesgo es positivo la distribucin una tendr una
cola asimtrica extendida hacia los valores positivos. Un sesgo negativo indica
una distribucin con una cola asimtrica extendida hacia los valores negativos.
III.- DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS.

3.1
DISTRIBUCION NORMAL
La distribucin normal es una distribucin simtrica en forma de campana,

tambin conocida como Campana de Gauss. Aunque muchas veces no se ajusta
a los datos hidrolgicos tiene amplia aplicacin por ejemplo a los datos
transformados que siguen la distribucin normal.
3.1.1
FUNCIN DE DENSIDAD:
La funcin de densidad est dada por:

1
f ( x )=
e
2
1 X
2
< X <
(15)
Pgina
12

SCHACAYPAMP
Los dos parmetros de la distribucin son la media y desviacin estndar

para los cuales
(media) y S (desviacin estndar) son derivados de los
datos.
3.1.2
ESTIMACIN DE PARMETROS:
n
1
X = X i
n i=1
.(16)
2
1
s=
X i X )
(
n1 i=1
3.1.3
.(17)
FACTOR DE FRECUENCIA:
Si se trabaja con los X sin transformar el K se calcula como

KT=
X T
..(18)
Este factor es el mismo de la variable normal estndar
( 1 )
K T =F1 1
..(19)
Pgina
13

SCHACAYPAMP
3.1.4
LIMITES DE CONFIANZA:
X t (1 ) S e
(20)
Donde es el nivel de probabilidad
es el cuartil de la distribucin normal
estandarizada para una probabilidad acumulada de 1- y Se es el error estndar.

3.2
DISTRIBUCIN LOGNORMAL DE DOS PARMETROS

Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente se dice
que X se distribuye normalmente.
Esta distribucin es muy usada para el clculo de valores extremos por ejemplo
Qmax, Qmnimos, Pmax, Pmnima (excelentes resultados en Antioquia). Tiene la
ventaja que X>0 y que la transformacin Log tiende a reducir la asimetra positiva
ya que al sacar logaritmos se reducen en mayor proporcin los datos mayores que
los menores.
Limitaciones: tiene solamente dos parmetros, y requiere que los logaritmos de las
variables estn centrados en la media.
Pgina
14

SCHACAYPAMP
3.2.1
FUNCIN DE DENSIDAD:
1
f ( x )=
e
x 2
1 ( y y )
2y
y=lnx
X >0
(21)
(22)
Donde,
y: media de los logaritmos de la poblacin (parmetro escalar), estimado
y: Desviacin estndar de los logaritmos de la poblacin, estimado sy.
3.2.2
ESTIMACIN DE PARMETROS:
y =
1
ln ( X i ) ..(23)
n i =1
Pgina
15

SCHACAYPAMP
sy
3.2.3
x
ln ( i) y
(24)
n
1
n1 i=1

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 desviacin estndar de los logaritmos, as:
ln ( X Tr )=X Tr + KS y
de donde,
X Tr =e
..(25)
ln ( XTr )
(26)
Con K con variable normal estandarizada para el Tr dado, x y media de los

logaritmos y Sy es la desviacin estndar de los logaritmos.
Pgina
16

SCHACAYPAMP
Campo original: Si se trabaja con los X sin transformar el K se calcula con la siguiente
expresin.
e K T ln ( 1+Cv 2)
Kt=
)}
ln ( 1+Cv 2 )
1
2
.(27)
Cv
K es la variable normal estandarizada para el Tr dado,

Cv=
Cv es el coeficiente de variacin, x media de los datos originales y s desviacin estndar de

los datos originales.
3.2.4
LIMITES DE CONFIANZA:
En el campo transformado.
ln ( X ) t ( 1 ) sT
se=
( sy )
n
(28)
.(29)
Pgina
17

SCHACAYPAMP
KT2
= 1+
2
..(30)
en donde, n nmero de datos, Se error estndar, KT variable normal estandarizada.

3.3
DISTRIBUCION EXPONENCIAL.
Este modelo suele utilizarse para variables que describen el tiempo hasta que se
produce un determinado suceso; la funcin densidad del modelo probabilstico
exponencial est dado por:
3.3.1
FUNCIN DE DENSIDAD:
f ( x )=
e x
x
e
)]
.(3.8)
En donde y son los parmetros de la distribucin.
3.3.2
ESTIMACIN DE PARMETROS
Pgina
18

SCHACAYPAMP
6
= s
= X 0.5772
Donde
..(3.9)
son la media y la desviacin estndar estimadas
con la
muestra.
3.3.3
Kt=
[ ( )] }
Tr
6
0.5772+ ln ln
T r 1
.(4.0)
Donde Tr es el periodo de retorno. Para la distribucin Gumbel se tiene que el

caudal para un perodo de retorno de 2.33 aos es igual a la media de los caudales
mximos.
3.3.4
LIMITES DE CONFIANZA
Se=
.S
n
..(4.1)
= 1+ 1.1396 K T +1.1 K T 2
..(4.2)
Pgina
19

SCHACAYPAMP
KT es el factor de frecuencia y t (1-) es la variable normal estandarizada para una

probabilidad de no excedencia de 1-.
IV.-AJUSTE DE DISTRIBUCIONES.
Para la modelacin de caudales mximos se utilizan, entre otras, las distribuciones
Log - Normal, Gumbel y Log-Gumbel principalmente.
Para seleccionar la
distribucin de probabilidades de la serie histrica se deben tener en cuenta algunas

consideraciones.
Cuando en la serie histrica se observan outliers[1] es necesario verificar la
sensibilidad del ajuste debido a la presencia de estos, (Ashkar, et al. 1994)
Para el ajuste a las distribuciones Log-Normal, Log-Gumbel y Log-Pearson se
requiere transformar la variable al campo logartmico para modelarla, con lo que se
disminuye la varianza muestral, pero tambin se filtran las variaciones reales de los
datos.
Las distribuciones de dos parmetros fijan el valor del coeficiente de asimetra, lo
que en algunos casos puede no ser recomendable. La distribucin Log - Normal de
dos parmetros slo es recomendable s el coeficiente de asimetra es cercano a
cero.
Las distribuciones Gumbel y Log - Gumbel son recomendables si el
coeficiente de asimetra de los eventos registrados es cercano a 1.13

Para ajustar distribuciones de tres parmetros (Log Normal III, Log Pearson) se
requiere estimar el coeficiente de asimetra de la distribucin; para ello es necesario
disponer de una serie con longitud de registros larga, mayor de 50 aos, (Kite,
1988). Las distribuciones de dos parmetros son usualmente preferidas cuando se
Pgina
20

SCHACAYPAMP
dispone de pocos datos, porque reducen la varianza de la muestra, (Ashkar, et al.

1994).
Para seleccionar la distribucin de probabilidades adecuada se debe tratar de utilizar
informacin adicional del proceso hidrolgico que permita identificar la forma en
que se distribuye la variable. Usualmente es muy difcil determinar las propiedades
fsicas de los procesos hidrolgicos para identificar el tipo de distribucin de
probabilidad que es aplicable.
Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cual es la
distribucin que mejor se ajusta a los caudales mximos y recomiendan seleccionar el
mejor ajuste a criterio del modelador con la prueba de ajuste grfico o basado en el
comportamiento de las pruebas estadsticas de bondad del ajuste (por ejemplo Chi
Cuadrado, Smirnov-Kolmogorov, Cramer-Von Mises) en las que se calcula un estimador y
se compara con un valor tabulado para determinar si el ajuste es adecuado o no. En la
prueba de ajuste grfica se dibujan los valores registrados en la serie contra la distribucin
terica de probabilidades y de manera visual (subjetiva) se determina si el ajuste es
adecuado o no.
Cuando la informacin es adecuada el anlisis de frecuencia es la metodologa ms
recomendable para la evaluacin de eventos extremos, ya que la estimacin depende
solamente de los caudales mximos anuales que han ocurrido en la cuenca y no da
cuenta de los procesos de transformacin de la precipitacin en escorrenta.
Obviamente tiene algunas limitaciones relacionadas con el comportamiento de la
serie histrica y con el tamao y calidad de los datos de la muestra.
Pgina
21

SCHACAYPAMP
Cuando se presenten cambios o tendencias en la serie histrica se deben utilizar

tcnicas estadsticas que permitan removerlos para poder realizar el anlisis de
frecuencias (Kite, 1988; Mamdouh, 1993; Ashkar, et al. 1994).
La seleccin inadecuada de la distribucin de probabilidades de la serie histrica
arrojar resultados de confiabilidad dudosa, (Ashkar, et al. 1994).
El tamao de la muestra influye directamente en la confiabilidad de los resultados,
as a mayor perodo de retorno del estimativo mayor longitud de registros necesaria
para mejor confiabilidad en los resultados.
4.1. PRUEBAS DE AJUSTE
Para la evaluacin de probabilidades se han propuesto una serie de pruebas
estadsticas que determinan si es adecuado el ajuste. Estos son anlisis estadsticos
y como tal se deben entender, es decir, no se puede ignorar el significado fsico de
los ajustes.
Tipos de pruebas de ajuste de bondad
Ajuste grfico
Ajuste Estadstico
Sirnov-Kolmogorov.
Pgina
22

SCHACAYPAMP
V.- MATERIALES
Para el desarrollo del presente trabajo empleamos los siguientes materiales:
Registro de caudales medios anuales de las cuenca de colcas:

Uso de computadora
Softwares Como: Excel, Word.
Calculadora HP
VI.- METODOLOGA
PROCEDIMIENTO A SEGUIR
Para la distribucin de frecuencias:
Obtencin de los limites como son el mximo y el mnimo y acomodarlos en

forma descendente.
Obtuvimos un rango de variacin: R=Ls-Li
Calculo del numero de intervalos de clase, segn la siguiente frmula :

K= 1+3.3Log(n), y aproximndolo a un numero entero.
Calculo del intervalo de clase:

A=K/m-1
Calculo de la distribucin de incremento:=R-R
Pgina
23

SCHACAYPAMP
Procedemos a llenar el cuadro de distribucin de frecuencias que detallamos

en la parte de clculos.
Calculamos las medidas descriptivas, utilizando las siguientes formulas.
Tendencia central
Media aritmtica:
Mediana:
Moda
Medidas de dispersin
Desviacin
Varianza
Desviacin estndar
Coeficiente de variacin
Medidas de asimetra
Coeficiente de Asimetra
Con los datos (promedios anuales) se hace un proceso estadstico para determinar, las
medidas de distribucin tales como la media aritmtica, la mediana, la moda, la
desviacin estndar y varianza.
Luego hacemos una aproximacin a las distribuciones tericas ms utilizadas en

hidrolgica tales como la normal, Exponencial y Gumbel. En este proceso determinamos
si el ajuste es bueno con la prueba de bondad de ajuste, en caso de ser bueno, se puede
utilizar la distribucin elegida, una vez encontrada la ley de distribucin que rige a las
Pgina
24

SCHACAYPAMP
variables aleatorias, adems se podr predecir con determinada probabilidad, la

ocurrencia de una determinada magnitud de un fenmeno hidrometeorolgico.A partir
de las distribuciones encontradas satisfactorias o que el ajuste de bondad de ajuste a
resultado satisfactorio se puede proyectar para valores que no estn en el intervalo de la
muestra, y con la ley de distribucin que rige cada una de las series de datos se hace ms
fcil el anlisis estadstico de las probabilidades para determinados periodos de retorno,
para hallar la probabilidad de excedencia de un determinado caudal para proyectar los
proyectos de ingeniera garantizado de esta manera una vida til acorde con las
necesidades.
GRAFICAS.
En las siguientes pginas se encuentran: las grficas de:
Histograma de Frecuencias
Se grfica el Intervalo de Clase en el eje X vs. La Frecuencia Absoluta Simple en el eje
Y.
Polgono de Frecuencia
Se grfica La Marca de Clase en el eje X vs. La Frecuencia Absoluta Simple en el eje Y.
Histograma de Frecuencias Acumulativas u Ojiva
Se grfica el Limite Superior del Intervalo de Clase en el eje X vs. La Frecuencia
Absoluta Acumulada en el eje Y.
Pgina
25

SCHACAYPAMP
VII.- CALCULOS Y RESULTADOS

4.1 ESTACIN TICAPAMPA:
1. Ordenar los datos en forma descendente
AO
PP
PP
(Ordenados)
1954
639.40
973.10
1955
739.50
854.70
1956
654.20
839.70
1957
708.30
824.10
1958
589.80
803.00
Pgina
26

SCHACAYPAMP
1959
803.00
768.40
1960
854.70
739.50
1961
768.40
738.40
1962
738.40
729.90
1963
973.10
714.80
1964
729.90
708.30
1965
714.80
678.50
1966
678.50
654.20
1967
839.70
639.40
1968
517.60
589.80
1969
824.10
517.50
TABLA N 1 Datos hidrolgicos mensuales de estacin de Ticapampa

2. Calcular distribucin de frecuencias:
OBTENCIN DE LOS LIMITES
Lmite inferior =
517.6
Lmite superior =
973.10
CALCULO DE RANGO DE VARIACIN
R = Ls Li
R = 973.10 517.6
R = 455.5
Pgina
27

SCHACAYPAMP
CALCULO DEL NUMERO DE INTERVALOS DE CLASE

Regla de Sturges:
m = 1 + 1.33 ln(n)
Dnde: n = 16
m = 4.6875
OBTENCIN DEL TAMAO DE LOS INTERVALOS DE CLASE
C = 113.8750
3. Hallamos los intervalos de clases, marca de clase y frecuencia absoluta:

NUMERO
INTERVALO DE CLASE
DE
MARCA
FRECUENCI
DE CLASE
A ABSOLUTA
MC
460,55
4
0
INTERVALO
DE CLASE K
1
Pgina
28

SCHACAYPAMP
1
2
3
4
TOTAL
517,50
631,40
745,30
859,20
631,40
745,30
859,20
973,10
574,45
688,35
802,25
916,15
1030,05
2
8
5
1
0
16
TABLA N 2 Intervalos de clases, marca de clase y frecuencia absoluta

4.-Con los datos obtenidos hallamos la tabla estadstica: y las graficas:
Pgina
29
UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL TICAPAMPA, CAHUISH Y SCHACAYPAMP
4. Con los datos obtenidos hallamos la tabla estadstica: y las graficas:
NUMERO
INTERVALO DE
MARCA
FRECUENCIA
FRECUENCIA
FRECUENCI
FRECUENCIA
FUNCION
FUNCION
DE
CLASE
DE
ABSOLUTA
RELATIVA
A ABSOLUTA
RELATIVA
DENSIDAD
DENSIDAD
ACUMULAD
ACUMULADA
EMPRICA
TEORICA
INTERVAL
CLASE
O DE
CLASE K
1
MC
fr
460,55
NORMAL
7
fe
fx-normal
0,0002
517,50
631,40
574,45
0,125
0,125
0,0011
0,001
631,40
745,30
688,35
0,500
10
0,625
0,0044
0,003
745,30
859,20
802,25
0,313
15
0,938
0,003
0,003
859,20
973,10
916,15
0,063
16
1,000
0,001
0,001
0,000
1,000
0,000
0,000106
16
1,0
1030,05
TOTAL
TABLA N 3 Tabla estadstica
Pgina
30

SCHACAYPAMP
FUNCION DENSIDAD ESTACION TICAPAMPA ( fr, fe, fx-Normal)

0.6
F
u
n
c
i
o
n
e
s
0.5
0.4
fr
0.3
fe
fx-normal
0.2
0.1
0
400.0
600.0
800.0
1000.0
1200.0
Datos de Marca de Clase
Grfico 1: Marca de clase vs (frecuencia relativa, Funcin densidad emprica, funcin

densidad terica normal)
Pgina
31

SCHACAYPAMP
FUNCION DENSIDAD ESTACION DE TICAPAMPA( fe, fx-Normal)

0.01
0
F
u
n
c
i
o
n
e
s
0
0
0
0
fe
fx-normal
0
0
0
0
400.0
600.0
800.0
1000.0
1200.0
Grfico 2: Marca de clase vs (Funcin densidad emprica, funcin densidad terica

normal)
Pgina
32

SCHACAYPAMP
HISTOGRAMA - ESTACION TICAPAMPA

0.6
0.500
0.5
0.4
0.313
FRECUENCIA RELATIVA
0.3
0.2
0.125
0.1
0.063
0
0.000
460.55000000000007
802.25
0.000
MARCA DE CLASE
Grfico 3: Marca de clase vs frecuencia relativa
Pgina
33

SCHACAYPAMP
POLIGONO DE FRECUENCIA - ESTACION TICAPAMPA
9
8
8
7
6
5
5
Frecuencia Relativa
4
3
2
2
1
1
0
00
460.55000000000007
574.44999999999948
688.34999999999877
916.14999999999986
802.25
1030.05
Marca de Clase

DISTRIBUCIN EXPONENCIAL:
F ( x )= e
Dnde:
X: Marca de clase
=
1
x
Tenemos entonces la tabla hallada y marca de clase:
Pgina
34

SCHACAYPAMP
NUMERO
INTERVALO
MARCA
FRECUENCI
DE
DE CLASE
DE
A ABSOLUTA
INTERVALO
CLASE
DE CLASE K
1
2
-
631,4
Yi
460,55
574,45
0
631,4
0
745,3
688,35
0
745,3
0
859,2
802,25
0
859,2
0
973,1
916,15
517,5
ni
0
2
0
-
1030,0
5
16
TOTAL
TABLA N 4 Tabla hallada y marca de clase

Hallando landa entonces tenemos:
Promedi
735.831
Desviacin Estndar
110.778
1
=0 . 0014
735 . 831
La ecuacin queda entonces:
Pgina
35

SCHACAYPAMP
F ( x )= e x
F ( x )=0 . 0014 e0 .0014 x
Entonces generamos datos con marca de clase:

MAR
CA
DE
CLAS
E
FRECUE
NCIA
ABSOLUT
A
FRECUE
NCIA
RELATIV
A
Yi
ni
hi
460.55
574.45
688.35
802.25
916.15
1030.0
5
0
2
8
5
1
0
0.125
0.500
0.313
0.063
0.000
FRECUE
NCIA
ABSOLUT
A
ACUMUL
ADA
Ni
FRECUE
NCIA
RELATIV
A
ACUMUL
ADA
Hi
FUNCI
ON
DENSI
DAD
EMPRI
CA
fe
2
10
15
16
0
0.125
0.625
0.938
1.000
1.000
0
0.001
0.004
0.003
0.001
0.000
FUNCION
DENSIDAD
TEORICA
EXPONEN
CIAL
fxExponencial
0.00073
0.00062
0.00053
0.00046
0.00039
0.00034
16
1.0
TABLA N 5 Tabla de marca de clase total
Pgina
36

SCHACAYPAMP
FUNCION DENSIDAD ESTACION TICAPAMPA ( fr, fe, fx-Exponecial)

0.6
F
u
n
c
i
o
n
e
s
0.5
0.4
hi
0.3
fe
fx-Exponencial
0.2
0.1
0
400.0
600.0
800.0
1000.0 1200.0

densidad terica Exponencial)
Pgina
37

SCHACAYPAMP
FUNCION DENSIDAD ESTACION DE TICAPAMPA( fr, fe, fx-Exponencial)

F
u
n
c
i
o
n
e
s
0.01
0
0
0
0
0
0
0
0
0
0
400.0
fe
fx-Exponencial
600.0
800.0 1000.0 1200.0

Exponencial)
Pgina
38

SCHACAYPAMP
DISTRIBUCION EXPONENCIAL ESTACION TICAPAM PA
0.00100
F(X)-Exponencial
0.00000
350.00
550.00
750.00
950.00
Marca de Clase
Grfico7: Marca de clase vs (funcin densidad terica Exponencial)
Pgina
39

SCHACAYPAMP
4.2 ESTACIN CAHUISH:

AO
PP
PP
(Ordenados)
1954
932.10
1105.00
1955
765.00
1100.00
1956
523.10
1083.00
1957
735.90
999.00
1958
695.20
987.20
1959
1083.00
934.10
1960
834.00
932.10
1961
1105.00
919.30
1962
812.70
834.00
1963
1100.00
812.90
1964
934.10
812.70
1965
987.20
765.00
1966
812.90
758.70
1967
999.00
735.90
1968
758.70
695.20
1969
919.30
523.10
TABLA N 6 Datos hidrolgicos mensuales de estacin de Cahuish
Pgina
40

SCHACAYPAMP

Lmite inferior =
523.10
Lmite superior =
1105.00
R = Ls Li
R = 1105.00 523.10
R = 581.90

Regla de Sturges:
m = 1 + 1.33 ln(n)
Dnde: n = 16
m = 4.6875
Pgina
41

SCHACAYPAMP
C = 193.9667

NUMERO
INTERVALO DE CLASE
MARCA
FRECUENCI
DE
DE
A ABSOLUTA
INTERVALO
CLASE
DE CLASE K
1
1
2
3
4
2
523.10
668.58
814.05
959.53
668.58
814.05
959.53
1105.0
0
MC
450.36
595.84
741.31
886.79
1032.2
4
0
1
6
4
5
6
1177.7
4
16
TOTAL
TABLA N 7.- Tabla de Intervalos de clases, marca de clase y frecuencia absoluta
Pgina
42

SCHACAYPAMP
Pgina
43
Object 113

NUMERO
INTERVALO
DE
CLASE
DE
INTERVALO
MARC
FRECUENCI
FRECUENCI
FRECUENCI
FRECUENCI
FUNCION
FUNCION
A ABSOLUTA
A RELATIVA
A ABSOLUTA
A RELATIVA
DENSIDA
DENSIDAD
ACUMULAD
ACUMULAD
TEORICA
EMPRIC
NORMAL
fx-normal
0.0001
0.001
DE
CLASE
DE CLASE K
1
1
523.1
0
668.5
8
814.0
5
959.5
3
TOTAL
4
0
1
fr
0
0.063
668.58
MC
450.36
595.84
0.063
A
fe
0
0.0004
814.05
741.31
0.375
0.438
0.0026
0.002
959.53
886.79
0.250
11
0.688
0.002
0.002
1105.0
1032.26
0.313
16
1.000
0.002
0.002
1177.74
0.000
1.000
0.000
0.000
16
1.0
Pgina
44

SCHACAYPAMP
FUNCION DENSIDAD ESTACION CAHUISH ( fr, fe, fx-Normal)

0.4
F
u
n
c
i
o
n
e
s
0.35
0.3
0.25
fr
0.2
fe
0.15
fx-normal
0.1
0.05
0
400.0 600.0 800.0 1000.0 1200.0 1400.0

densidad terica normal)
Pgina
45

SCHACAYPAMP
FUNCION DENSIDAD ESTACION DE CAHUISH ( fe, fx-Normal)

0
F
u
n
c
i
o
n
e
s
0
0
fe
fx-normal
0
0
0
400.0
600.0
800.0 1000.0 1200.0 1400.0
Grfico 9: Marca de clase vs (Funcin densidad emprica, funcin terica normal)
Pgina
46

SCHACAYPAMP
HISTOGRAMA - ESTACION CAHUISH
FRECUENCIA RELATIVA
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0.375
0.313
0.250
0.063
0.000
0.000
MARCA DE CLASE
Pgina
47

SCHACAYPAMP
POLIGONO DE FRECUENCIA - ESTACION CAHUISH

7
Frecuencia Relativa
3
2
1
1
0
00
450.36250000000007
595.83749999999873
741.31249999999886
886.78750000000014
1032.2625
1177.7375000000011
Marca de Clase

F ( x )= e x
Dnde:
X: Marca de clase
=
1
x
Pgina
48

SCHACAYPAMP
NUMERO DE
INTERVALO
MARCA
FRECUENCIA
INTERVALO
DE CLASE
DE
ABSOLUTA
DE CLASE K
1
1
2
3
4
2
523.10
668.58
814.05
959.53
668.58
814.05
959.53
1105.00
TOTAL
TABLA N 9.- Tabla hallada y Marca de clase de cahuish
CLASE
Yi
450.36
595.84
741.31
886.79
1032.26
1177.74
ni
0
5
2
4
5
0
16

Promedi
874.825
Desviacin Estndar
162.075
1
=0 .0011
874 .825

F ( x )= e x
Pgina
49

SCHACAYPAMP
F ( x )=0 . 0011 e0 .0011 x

MAR
CA
DE
CLAS
E
FRECUE
NCIA
ABSOLUT
A
FRECUE
NCIA
RELATIV
A
Yi
ni
hi
450.36
595.84
741.31
886.79
1032.2
6
1177.7
4
0
5
2
4
5
0
0.313
0.125
0.250
0.313
0.000
FRECUE
NCIA
ABSOLUT
A
ACUMUL
ADA
Ni
FRECUE
NCIA
RELATIV
A
ACUMUL
ADA
Hi
FUNCI
ON
DENSI
DAD
EMPRI
CA
fe
FUNCION
DENSIDAD
TEORICA
EXPONEN
CIAL
5
7
11
16
0
0.313
0.438
0.688
1.000
0
0.002
0.001
0.002
0.002
fxExponencial
0.00068
0.00058
0.00049
0.00041
0.00035
1.000
0.000
0.00030
16
1.0
TABLA N 10.- Tabla de marca de clase total de Cahuish
Pgina
50

SCHACAYPAMP
FUNCION DENSIDAD ESTACION CAHUISH ( fr, fe, fx-Exponecial)

0.35
F 0.3
u 0.25
n
c 0.2
i 0.15
o
n 0.1
e 0.05
s
0
400.0
hi
fe
fx-Exponencial
600.0
800.0 1000.0 1200.0 1400.0
Grfico 12: Marca de clase vs (frecuencia relativa, Funcin densidad emprica,

funcin densidad terica Exponencial)
Pgina
51

SCHACAYPAMP
FUNCION DENSIDAD ESTACION DE CAHUISH( fr, fe, fx-Exponencial)

0
F
u
n
c
i
o
n
e
s
0
0
fe
fx-Exponencial
0
0
0
400.0
600.0
800.0
1000.0 1200.0 1400.0
Exponencial)
Pgina
52

SCHACAYPAMP
DISTRIBUCION EXPONENCIAL ESTACION CAHUISH

0.00100
F(X)- EXPOENCIAL
0.00000
350.00
550.00
750.00
950.00
1150.00
MARCA DE CLASE
Grfico14 : Marca de clase vs (funcin densidad terica Exponencial)
Pgina
53

SCHACAYPAMP
4.3 ESTACIN SHACAYPAMPA:

AO
PP
PP
(Ordenados)
1954
667.50
878.40
1955
653.50
870.80
1956
435.00
765.00
1957
628.60
746.10
1958
655.70
695.40
1959
765.00
667.50
1960
647.30
655.70
1961
878.40
653.50
1962
746.10
647.30
1963
870.80
628.60
1964
565.70
622.60
1965
402.10
584.40
1966
584.40
565.70
1967
695.40
435.00
Pgina
54

SCHACAYPAMP
1968
416.80
416.80
1969
622.60
402.10
PROME = 639.681
D.S =
141.132
g=
-0.117
TABLA N 11.- Datos hidrolgicos de la Estacin de Shacaypampa

Lmite inferior =
Lmite superior =
402.10
878.40
R = Ls Li
R = 878.40 402.10
R = 476.30

Regla de Sturges:
m = 1 + 1.33 ln(n)
Pgina
55

SCHACAYPAMP
Dnde: n = 16
m = 4.6875
C = 158.7667

NUMERO
MARCA
FRECUENCIA
DE
DE
ABSOLUTA
INTERVALO
CLASE
DE CLASE K
1
INTERVALO DE CLASE
MC
342.56
461.64
580.71
699.79
818.86
937.94
4
0
1
402.10
521.18
3
2
521.18
640.25
4
3
640.25
759.33
6
4
759.33
878.40
3
0
TOTAL
16
TABLA N 12.- Tabla de Intervalos de clases, marca de clase y frecuencia absoluta
Pgina
56

SCHACAYPAMP
Pgina
57
NUMERO
INTERVALO DE
MARC
FRECUENCI
FRECUENCI
FRECUENCIA
FRECUENCIA
FUNCION
FUNCION
DE
CLASE
A ABSOLUTA
A RELATIVA
ABSOLUTA
RELATIVA
DENSIDA
DENSIDAD
CLASE
ACUMULAD
ACUMULAD
TEORICA
MC
fr
A
6
A
7
EMPRICA
fe
NORMAL
fx-
342.5
normal
0.0003
521.
6
461.64
0.188
0.188
0.0016
0.001
18
640.
580.71
0.250
0.438
0.0021
0.003
25
759.
699.79
0.375
13
0.813
0.003
0.003
33
878.
818.86
0.188
16
1.000
0.002
0.001
937.94
0.000
1.000
0.000
0.000
16
1.0
INTERVALO
DE CLASE K
1
402.
-
10
521.
18
640.
25
759.
33
TOTAL
DE
40
TABLA N 13.- Tabla estadstica de la Estacin de Shacaypampa
Pgina
58
Pgina
59
UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO

DISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y
SCHACAYPAMPA
FUNCION DENSIDAD ESTACION SHACAYPAMPA ( fr, fe, fx-Normal)

0.4
F
u
n
c
i
o
n
e
s
0.35
0.3
0.25
fr
0.2
fe
0.15
fx-normal
0.1
0.05
0
300.0 400.0 500.0 600.0 700.0 800.0 900.0 1000.0
Grfico 15: Marca de clase vs (frecuencia relativa, Funcin densidad emprica,

funcin densidad terica normal)
FCA
Pgina

SCHACAYPAMPA
FUNCION DENSIDAD ESTACION DE SHACAYPAMPA ( fe, fx-Normal)

0
F
u
n
c
i
o
n
e
s
0
0
0
fe
fx-normal
0
0
0
300.0 400.0 500.0 600.0 700.0 800.0 900.0 1000.0
normal)
FCA
Pgina

SCHACAYPAMPA
HISTOGRAMA - ESTACION SHACAYPAMPA
FRECUENCIA RELATIVA
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0.375
0.250
0.188
0.000
MARCA DE CLASE
FCA
Pgina
0.188
0.000

SCHACAYPAMPA
POLIGONO DE FRECUENCIA - ESTACION SHACAYPAMPA
6
5
4
Frecuencia Relativa
4
3
2
1
00
342.5625
461.63749999999999
580.71249999999998
699.78750000000002
818.86249999999882
937.93749999999909
Marca de Clase

F ( x )= e x
Dnde:
X: Marca de clase
=
1
x
FCA
Pgina

SCHACAYPAMPA
NUMERO
DE
INTERVALO
DE CLASE K
1
INTERVALO
MARCA
FRECUENCIA
DE CLASE
DE
ABSOLUTA
ni
0
3
521.1
CLASE
Yi
342.56
461.64
8
640.2
580.71
5
759.3
699.79
3
878.4
818.86
937.94
0
16
402.1
0
521.1
8
640.2
5
759.3
3
0
-
TOTAL
TABLA N 14.- Tabla hallada y Marca de clase de Shacaypam
Promedi
639.681
Desviacin Estndar
141.132
1
=0 . 0016
639 . 681

F ( x )= e x
FCA
Pgina

SCHACAYPAMPA
0 .0016 x
F ( x )=0 . 0016 e

MAR
CA
DE
CLAS
E
FRECUE
NCIA
ABSOLUT
A
FRECUE
NCIA
RELATIV
A
Yi
ni
hi
342.56
461.64
0.188
580.71
699.79
FRECUE
NCIA
RELATIV
A
ACUMUL
ADA
Hi
FUNCI
ON
DENSI
DAD
EMPRI
CA
fe
fxExponencial
0.00092
0.188
0.002
0.00076
0.250
0.438
0.002
0.00063
0.375
13
0.813
0.003
0.00052
818.86
0.188
16
1.000
0.002
0.00043
937.94
0.000
1.000
0.000
0.00036
16
FRECUE
NCIA
ABSOLUT
A
ACUMUL
ADA
Ni
1.0
TABLA N 15.- Tabla de marca de clase total Estacin de Shacaypampa
FCA
Pgina
FUNCION
DENSIDAD
TEORICA
EXPONEN
CIAL

SCHACAYPAMPA
FUNCION DENSIDAD ESTACION DE SHACAYPAMPA ( fr, fe, fx-Exponencial)

0
F
u
n
c
i
o
n
e
s
0
0
0
fe
fx-Exponencial
0
0
0
200.0 400.0 600.0 800.0 1000.0
Exponencial)
FCA
Pgina

SCHACAYPAMPA
DISTRIBUCION EXPONENCIAL ESTACION SHACAYPAMPA

0.00100
F(X- EXPONENCIAL)
0.00000
200.00
400.00
600.00
800.00
1000.00
MARCA DE CLASE
Grfico20 : Marca de clase vs (funcin densidad terica Exponencial)
FCA
Pgina

SCHACAYPAMPA
VIII.- CONCLUSIONES:
En el Tratamiento Estadstico de datos Hidrolgicos, los parmetros
Poblacionales son los mismos que los muestrales.
Podemos decir que los datos son confiables ya que al calcularlos por
mtodos diferentes llegamos a resultados aproximadamente iguales..
Entonces se puede utilizar la distribucin normal y Gumbel para
calcular valores que no estn en el rango de la distribucin
Se concluye que el uso de la estadstica Inferencial, es una
alternativa razonablemente viable para realizar el anlisis,
procesamiento e interpretacin de los registros en las estaciones
de
algunos parmetros
Hidrolgicos
como
alternativa ms
accesible frente a un anlisis de series de tiempo que la mayora

de ingenieros no tienen mayor conocimiento al respecto.
El uso de nuevas tecnologas como es el uso de programas
informticos nos permite realizar un anlisis mucho ms exacto y
el tiempo de procesamiento de la informacin es mucho menor
por la gran versatilidad con que se nos presentan stos.
Pudimos observar que, las distribucin normal para su anlisis
FCA
Pgina

SCHACAYPAMPA
toma valores parmetros como la media y la desviacin estndar

d los datos los cuales nos dan una idea d como est la muestra.
.
IX.- RECOMENDACIONES:
Los datos deben ser actuales y precisos para iniciar con el tratamiento
estadstico.
El uso estadstico es recomendable para este tipo de tratamiento ya que
permite darnos valores precisos.
Que la UNASAM y en especial la Facultad de Ingeniera Agrcola brinde
Capacitacin y Charlas sobre Sotwares modernos de la Carrera, para cada
Curso de especialidad que llevamos durante el Pregrado, como por ejemplo
el AutoCAD Land y sobre temas ligados con la Ingeniera Agrcola
La adquisicin por parte de la facultad de la Carta Nacionales ya que en este
momento la facultad no cuenta con estos. La adquisicin de estas cartas
beneficiaria a los alumnos de agrcola, as como para toda la Universidad.
FCA
Pgina

SCHACAYPAMPA
Deben firmen convenios con Instituciones pblicas y privadas que tengan

relacin en los cursos que se llevan, por ejemplo en la rama de Hidrologa
con instituciones que hagan estudios de las cuencas de nuestro pas. para
aportar en la formacin prctica y profesional de los alumnos.
X.- BIBLIOGRAFIA:
[1] VILLON, Mximo. Hidrologa estadstica. Instituto Tecnolgico de Costa Rica.
Cartago.2001.
[2] VILLON, Mximo. Hidrologa. Instituto Tecnolgico de Costa Rica. Cartago.2001.
[3] GARCIA, Celestino. Estadstica y probabilidad. Universidad Nacional de Ingeniera.
Facultad de Ciencias. Lima.
[4] MEJIA, Abel y DE PIEROLA, Nicols. Estadstica aplicada a la hidrologa.
Universidad Nacional de Agraria La Molina. Lima.1985.
[5] MEJIA, Abel. Mtodos estadsticos en hidrologa. Universidad Nacional de Agraria La
Molina. Lima.1991.
[6] CALZADA, Jos. Estadstica general. Jurdica. Lima.1991.
[7] REYES, Toribio. Regionalizacin de los Caudales Mximos Instantneos Anuales de la
Cuenca del Ro Santa. Universidad Nacional Santiago Antnez de Mayolo.
Huaraz.2014.
FCA
Pgina

SCHACAYPAMPA
FCA
Pgina

Estadística y Probabilidades en Hidrologia

Cargado por

Copyright:

Formatos disponibles

Estadística y Probabilidades en Hidrologia

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadística y Probabilidades en Hidrologia

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

MAYOLODISTRIBUCION NORMAL Y EXPONENCIAL - TICAPAMPA, CAHUISH Y

la naturaleza en base a estudios

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

Es la representacin grfica de las frecuencias, se obtiene uniendo con lneas

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

Es aquel valor que se repite ms frecuentemente en un conjunto de datos, se

Si el estadgrafo es la media, se tiene:

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

Para datos clasificados

La desviacin media es una medida de dispersin fcil de calcular y se ve

La Variancia es el cuadrado de la desviacin estndar:

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

La frmula de la varianza ser:

Es una medida que permite determinar qu tan independiente es una variable

COV ( X ,Y )=s xy= xy =E [ ( X x ) ( Y y ) ]

Es el estadstico que permite medir el grado de asociacin de dos variables

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

Es una medida de dispersin y se define como el cociente entre la desviacin

COEFICIENTE DE MOMENTO DE ASIMETRA

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

S g=0 es una distribucin simtrica

El grado apuntamiento del polgono de frecuencias (forma puntiaguda del polgono

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

Es una medida estadstica que describe el apuntamiento o achatamiento de una

DESVIACIN ESTNDAR MUESTRAL.

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

El uso de esta estadstica es recomendado en aquellos conjuntos de datos que ofrecen

Segn el diccionario un sesgo es "una inclinacin parcial de la mente". En nuestro

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

III.- DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS.

La distribucin normal es una distribucin simtrica en forma de campana,

La funcin de densidad est dada por:

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

Los dos parmetros de la distribucin son la media y desviacin estndar

(media) y S (desviacin estndar) son derivados de los

Si se trabaja con los X sin transformar el K se calcula como

Este factor es el mismo de la variable normal estndar

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

Donde es el nivel de probabilidad

es el cuartil de la distribucin normal

estandarizada para una probabilidad acumulada de 1- y Se es el error estndar.

DISTRIBUCIN LOGNORMAL DE DOS PARMETROS

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

Campo transformado: Si se trabaja en el campo transformado se trabaja

Con K con variable normal estandarizada para el Tr dado, x y media de los

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

K es la variable normal estandarizada para el Tr dado,

Cv es el coeficiente de variacin, x media de los datos originales y s desviacin estndar de

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

en donde, n nmero de datos, Se error estndar, KT variable normal estandarizada.

En donde y son los parmetros de la distribucin.

UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE

son la media y la desviacin estndar estimadas

Donde Tr es el periodo de retorno. Para la distribucin Gumbel se tiene que el