M 02. Obtencion y Tratamiento de Inf Hidrologica

M-01: INTRODUCCIÓN A LA HIDROLOGÍA Ing. César Terán Guevara.
DIPLOMADO PRESENCIAL VIRTUAL – 2017
MÓDULO 02: TRATAMIENTO DE DATOS HIDROLÓGICOS.
DOCENTE:
CÉSAR TERÁN GUEVARA
Ingeniero hidráulico.
[email protected]
+51 976009180
1. Recolección de datos hidrometeorológicos. (Fattorelli, 2011, Diseño

hidrológico)
1.1. Datos hidrometeorológicos
Existen varios tipos de datos usados en la hidrología:
 Datos históricos de eventos naturales registrados cronológicamente

en forma discreta o 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 o
correlacionar datos con propósitos diversos, como lo son análisis de
caudales.
1.2. 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 desvíos. Los segundos crean inconsistencias o
diferencias en un sólo sentido en relación al valor medio que deben ser
detectadas y corregidas, 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.
1.3. Definiciones básicas de datos hidrometeorológicos. (Huamán, 2013,

Hidrología avanzada)
1.3.1. 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.
1.3.2. 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 una 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.
1.3.3. Terminología relacionada a la temperatura.
La temperatura es uno de los parámetros climatológicos más utilizados ya

que influye en el cálculo de otros parámetros como la humedad relativa la
evaporación, evapotranspiración, infiltración.
 Temperatura mínima diaria: Es la más baja del día.

 Temperatura máxima diaria: Es la mayor del día.
 Temperatura media diaria: Si se utilizan los dos extremos (la
máxima y la mínima del día) es la media aritmética. Si existe
información continua se calcula la media aritmética de las
temperaturas registradas al as 07 horas, 13 horas y 18 horas.
 Oscilación diaria: Es la diferencia de las temperaturas máxima
diaria y mínima diaria.
 Temperatura mínima media: Es la media aritmética de las
temperaturas mínimas diarias del mes
 Temperatura máxima media: Es la media aritmética de las
temperaturas máximas diarias del mes
 Temperatura media mensual: Es la media aritmética de las
temperaturas medias diarias del mes.
 Oscilación media mensual: Es la media aritmética de las
oscilaciones diarias.
 Temperatura máxima absoluta mensual: Es la más alta observada
en el mes.
 Temperatura mínima absoluta mensual: Es la más baja observada

en el mes.
 Oscilación absoluta mensual: Es la diferencia de las temperaturas
máxima absoluta y mínima absoluta.
 Temperatura media anual: Es la media aritmética de las
temperaturas medias mensuales.
 Temperatura máxima media anual: Es la media aritmética de las
temperaturas máximas de todos los meses.
 Temperatura mínima media anual: Es la media aritmética de las
temperaturas mínimas de todos los meses.
 Oscilación anual: Diferencia de temperaturas medias del mes más
cálido y del mes más frio.
1.4. Terminología relacionada a datos de precipitación
El parámetro más importante de los modelos hidrológicos es la

precipitación, constituye la masa de agua inicial de entrada al sistema
hidrológico; existen varios métodos para calcular o estimar este dato, a
continuación presentamos algunos alcances para calcular la precipitación
media de un espacio geográfico o cuenca.
 Precipitación máxima en 24 horas. Es la precipitación más alta de

24 horas (un día) de un año. A menudo se usa para calcular las
intensidades.
 Precipitación diaria. Es la precipitación que cae en un día. A
menudo se usa para monitoreo.
 Precipitación acumulada mensual. Es la suma de las
precipitaciones diarias de un mes. A menudo se usa para
disponibilidad hídrica.
 Precipitación anual. Es la suma de toda precipitación registrada en
un año. A menudo se usa como dato referencial con otros años.
 Precipitación media anual. Es el promedio de las precipitaciones
anuales de varios años. A menudo se usa para caracterización
hidrológica.
2. Tratamiento de datos
2.1. Datos promedio. (Cahuana, 2009, Hidrología)
2.1.1. Precipitación media por polígonos de Thiessen.

Este método es de los más precisos y más usados en el medio, sirve para
determinar la lluvia media en una zona, se aplica cuando se sabe que las
medidas de precipitación en los diferentes pluviómetros sufren variaciones,
teniendo además el condicionante que la cuenca es de topografía suave o en
lo posible plana.
El procedimiento para el cálculo es el siguiente:
 Se unen los pluviómetros adyacentes con líneas rectas.

 Se trazan mediatrices a las líneas que unen los pluviómetros.
Recordar que una mediatriz es una línea recta perpendicular a un
segmento de recta y que parte de su punto medio. Como las
figuras formadas son triángulos, las mediatrices se encuentran en
un punto dentro del mismo, ver figura 01
 Se prolongan las mediatrices hasta el límite de la cuenca.
 Se calcula el área formada por las mediatrices para cada
pluviómetro.
La lluvia media se calcula entonces como un promedio pesado de las

precipitaciones registradas en cada estación, usando como peso el área de
influencia correspondiente:
1
ℎ𝑝 = ∑𝑛𝑖=1 𝐴𝑖 ℎ𝑝𝑖 (1)
𝐴𝑇
Dónde
Ai=Es el área de influencia de la estación i y AT es el área total de la cuenca.
Figura 01. : Área para cada estación en el método de Polígono de Thiessen.

Se observa que cada pluviómetro queda con un área de influencia dentro de

la cuenca. El siguiente paso es medir el área asociada a cada pluviómetro y
determinar el ponderador de área para encontrar la precipitación media.
El ponderador de área se calcula como el cociente entre el área de asociada a
cada pluviómetro y el área total, por esto su suma debe ser 1. La
precipitación ponderada, se obtiene al multiplicar la precipitación medida en
cada pluviómetro y al factor ponderador de área.
En el manejo de estaciones meteorológicas muchas veces se presentan

dificultades al momento de obtener los datos y se pierden algunos de ellos
por lo que existen formas de completar dichos datos así como de detalla a
continuación.
Ejemplo. Determinar la precipitación media por el método de los polígonos

de Thiessen, para la cuenca estudiada.
Figura 02. Polígonos de Thiessen.
Tabla 01. Ejemplo de cálculo de polígonos de Thiessen.

2.1.2. Isoyetas. Es el método más exacto para promediar la

precipitación sobre un área, donde la localización de las estaciones y las
cantidades de lluvia se grafican en un mapa adecuado y sobre este se dibujan
las líneas de igual precipitación (isoyetas).
Este método consiste en trazar curvas de igual precipitación para un periodo

elegido. Los intervalos de profundidad de precipitación y de incremento de
tiempo se toman de acuerdo a la necesidad del problema. Las curvas isoyetas
son líneas que unen puntos de igual cantidad de lluvia. Estas líneas se trazan
interpolando los datos puntuales dados por los distintos pluviómetros con
una técnica similar a la utilizada en topografía, y de acuerdo a las
condiciones locales de la cuenca. El trazado de las isoyetas debe considerar
la variación de la precipitación con la altura y las condiciones sinópticas de la
zona. Por medio de la planimetría se determina el área entre dos curvas
isoyetas contiguas, y multiplicando por el valor de la isoyeta intermedia se
defina la cantidad de lluvia entre las dos isoyetas contiguas. La precipitación
media para el área se calcula ponderando la precipitación media para el área
se calcula ponderando la precipitación entre isoyetas sucesivas (por lo
general tomando el promedio de dos valores de las isoyetas) por el área de
las isoyetas, totalizando estos productos y dividiendo este por el área total.
El cálculo de las áreas como ya se indico puede realizar con el planímetro o
pasando franjas de papel o superponiendo el mapa a un papel milimetrado
(método de la cuadrícula).
Para trazar las isoyetas, se recomienda superponer la cuenca a un mapa con

curvas de nivel, para tener en cuenta el efecto de la orografía, pues de otra
forma no se diferencia mayormente de recurrir a interpolaciones lineales,
sobre todo cuando se trabaja en zonas montañosas. Este método es el más
preciso cuando el análisis de las curvas se hace debidamente. El método de
las isoyetas permite el uso y la interpretación de todo la información
disponible y se adapta muy bien para discusión. En la construcción de un
mapa de isoyetas, el analista puede utilizar todo su conocimiento sobre los
posibles efectos orográficos y la morfología de la tormenta: en este caso el
mapa final debe representar un patrón mucho mas real de la precipitación
que aquel que se puede obtener utilizando únicamente las cantidades
medidas. La exactitud del método de las isoyetas depende en gran parte de la
habilidad del analista. Si se utiliza una interpolación lineal entre estaciones,
el resultado será esencialmente el mismo que se obtiene utilizando el
método de Thiessen. Además, un análisis inadecuado puede conducir a
errores considerables.
Ejemplo. Determinar la precipitación media de la cuenca en estudio por el

método de las Isoyetas.
Figura 03. Isoyetas sobre una cuenca.
Tabla 02. Ejemplo de cálculo de isoyetas.

2.1.3. Distribución espacial en SIG (GRADS, ARC GIS, TETIS, ETC).

Cuando los datos que necesitamos son espaciales, entonces necesariamente
usaremos un programa SIG para asignar un valor a cada celda y graficar de
acuerdo a la precisión necesitada.
Figura 04. Gráfico de temperatura distribuida.
Figura 05. Temperatura en corte vertical.

Figura 06. Precipitación espacial.
En las figuras 04, 05 y 06 se muestra una distribución espacial trabajada con

programas de sistema de información geográfica como ArcGis, GrADS, QGis,
etc. este tipo de datos se usan para caracterizar cierta área y la precisión de
los gráficos depende de la precisión de la información de entrada que
comúnmente es de satélite.
2.1.4. Interpolación al centroide.

Cuando los datos tienen una relación comprobada con otra variable como la
altitud, latitud, o se trata de áreas pequeñas es recomendable interpolar
hasta el punto del centroide de la cuenca, donde el valor interpolado será el
valor medio de toda la cuenca. Para ello se grafica por dispersión el
parámetro climatológico deseado con la variable, luego se agrega una línea
de tendencia y se analiza si el coeficiente de correlación R2 es aceptable
preferentemente superior a 0.80, en caso que la correlación sea aceptable
interpolar o extrapolar dato.
Figura 07. Ejemplo de gráfica de ajuste de temperatura con la altitud.
2.2. Análisis de consistencia de una muestra hidrológica (Ortiz,

Hidrología de superficie)
Luego de recopilada la información es necesario analizar su consistencia,

procesarla y sintetizarla para convertirlo en un “producto elaborado” apto
para el diseño. El análisis de la información está relacionado con la
confiabilidad (calidad), continuidad (datos faltantes) y longitud de los
registros (cantidad de años de registro). Comprende entonces el análisis de
consistencia de las muestras hidrológicas, incluyendo la detección y
corrección de posibles errores sistemáticos, completación de datos faltantes
y extensión de series cortas a periodos más largos; síntesis de la información
en un modelo y simulación del modelo para la generación de variables
probables de diseño.
Buena parte de la hidrología está basada en el análisis de series temporales

que se registran en estaciones ubicadas en ciertos puntos de la cuenca y/o
cuencas vecinas, por lo que resulta importante tener la capacidad para
extrapolar resultados de un punto a otro con la mayor aproximación posible.
La confiabilidad de la hidrología como disciplina científica se sustenta en la
disponibilidad de datos suficientes, en calidad y cantidad, que permita la
aplicabilidad de las metodologías para la solución de cada caso en particular.
Muestra Información de campo

Hidrometereológica --------------
No
Muestra Análisis de consistencia
Consistente (CONSIS)
Si
No Competición de datos
Serie
Completa? (COMPLET)
Si
No
Serie Extensión de serie
larga?
Si
Información Apta
Síntesis y
modelamiento
Figura 08. Flujograma para el tratamiento de la información

Hidrometereológica. Fuente: Ortiz Oswaldo, Hidrología de superficie.
En la figura 08 se muestra un flujograma donde se muestra el procedimiento

para el tratamiento de datos antes de hacer uso de cualquier tipo de
información en cálculos hidrológicos.
GENERALIDADES
Los datos hidrometereológicos pueden corresponder a cualquier serie

registrada en el tiempo, tales como: descargas, precipitaciones, temperatura,
evaporación, evapotranspiración, humedad relativa, vientos, radiación solar,
insolación, entre otros. Cuando más largo sea el registro de datos, mejor será
la estimación de variables de diseño.
La no homogeneidad e inconsistencia de las series hidrológicas constituye

uno de los aspectos más importantes de la hidrología, pues un error
significativo introducido en el análisis podría afectar o falsear los resultados.
La inconsistencia se debe a errores sistemáticos y se presentan en forma de

saltos y tendencias; tanto en la media como en la varianza.
La no homogeneidad se refiere a los cambios de los datos vírgenes con el

tiempo. Así por ejemplo, la no homogeneidad en los datos de precipitación se
debe a dos fuentes principales: cambio de lugar de la estación y a cambios a
la presencia de vegetación, construcción de viviendas, entre otros.
TIPOS DE ERRORES
Los errores sistemáticos son los de mayor importancia y se deben a que los
datos pueden ser incrementados o reducidos sistemáticamente. Estos
errores pueden ser naturales o artificiales, presentándose en forma de saltos
o de tendencias. Este tipo de errores son los que hay que eliminar de la
información inconsistente.
Los errores aleatorios, se deben a la inexactitud de las mediciones y

observaciones. Son difíciles de evaluar después de haber transcurrido algún
tiempo. Estos errores se deben a diversas causas, tales como, errores de
observaciones, de copia, de impresión, aparatos descalibrados y mal
instalados, etc.
El análisis de la información hidrometereológica se realiza en las

componentes determinísticas transitorias de la serie (saltos y tendencias), en
cada una de las cuales se analiza la consistencia en los parámetros
estadísticos más importantes: media y variancia.
En el Perú, debido a la escasa información hidrológica (ausencia o corta

longitud de los registros históricos), informalidad en la toma y reporte de
datos, estaciones mal ubicadas y falta de mantenimiento de los equipos;
existe la necesidad de partir de la duda antes que aceptar directa y
fácilmente la validez de una muestra.
2.2.1. Análisis de saltos

Se llama salto a la forma determinística transitoria que permite a una serie
temporal pasar de un estado a otro, como respuesta a ciertos cambios
propiciados por el hombre, debido al continuo desarrollo y explotación de
los recursos hidráulicos en la cuenca o a cambios violentos ocurridos en la
naturaleza.
El procedimiento de análisis consiste en la realización de tres actividades
básicas: identificación, cuantificación y corrección de saltos.
2.2.1.1. Identificación de saltos

Esta actividad se realiza bajo dos puntos de vista: análisis gráfico y análisis
de doble masa.
a) Análisis Gráfico. Consiste en un análisis visual de la información

original, para lo cual se gráfica, a escala aritmética, el valor de la variable
(precipitación, descarga, temperatura, evapotranspiración, etc.) en el eje de
las ordenadas versus el tiempo (anual, mensual, semanal o diario) en el eje
de las abscisas. Cuando la variable corresponde a la precipitación o descarga,
el grafico resultante se llama hidrograma.
Para tener éxito en este primer examen visual de la información es necesario

proceder del modo siguiente:
 Cuando se tiene varias estaciones en la cuenca o en cuencas
vecinas similares, se comparan los gráficos uno a uno y periodo a
periodo para detectar cuál de ellos varía notoriamente con
respecto al otro. Los gráficos deben tener similitud geométrica en
ausencia de errores.
 Cuando se dispone de información de una sola estación, el análisis
visual se hace mediante comparación de los periodos homólogos
de la misma muestra. Por ejemplo, si la estación ha sido
trasladada seguramente será notorio el salto entre los datos
iniciales y los registrados en su nueva ubicación. Este análisis
deberá ser complementado con la información de campo.
 Cuando se tienen datos de precipitación y escorrentía (causa y
efecto), se comparan los diagramas de ambos, los cuales deben
geométricamente similares.
 Este primer análisis sirve para tener una primera aproximación
acerca de la bondad de los datos y separar los periodos dudosos
de los confiables para tenerlos en cuenta en el análisis de doble
masa y en pruebas de consistencia.
Figura 09. Análisis gráfico de saltos.
b) Análisis de doble masa (David Cedeño, 1997). La técnica de doble masa

se utiliza para verificar la consistencia de los datos de precipitación. Este
método está basado en el hecho de que la precipitación promedio acumulada
para cierto número de estaciones no es muy sensitiva a los cambios en una
estación individual debido a que los errores se compensan, mientras que los
valores acumulados para una estación individual son afectados
inmediatamente por los cambios que ocurren en la estación. Estás
variaciones se producen por cambios en la localización de la estación, tipo de
instrumento, método se observación; los cuales muchas veces no se indican
en los registros publicados. Si al graficar la precipitación anual acumulada
para la estación bajo investigación contra la precipitación promedio anual
acumulado de las otras estaciones se obtiene una línea recta, se puede
garantizar que los registros completos para esa estación han sido obtenidos
bajo las mismas condiciones; pero si existe un cambio de pendiente,
generalmente se puede encontrar una explicación al fenómeno. (Por
ejemplo: la estación fue movida de sitio). En este caso, los registros
anteriores al cambio de pendiente deben ser ajustados multiplicando por la
razón de las pendientes 𝑆2 ⁄𝑆1 para hacerlos compatibles con los datos más
recientes.
Ejemplo:
La siguiente tabla muestra los datos de precipitación anual de la estación X y
el promedio de precipitación anual para 10 estaciones localizadas en los
alrededores (para 25 años de registro).
 Determinar la consistencia de los registros de la estación X; en caso

necesario, indicar el año donde ocurre el cambio de pendiente.
 Calcular la precipitación promedio anual para la estación X utilizando los
datos originales y efectuando los ajustes correspondientes.
Tabla 03. Datos y cálculos de ejemplo de análisis doble masa

Figura 10. Gráfico doble masa de precipitación.
2.2.1.2. Evaluación y cuantificación de saltos.

Se realiza mediante análisis estadístico, el mismo que es un proceso de
inferencia para la media y la varianza de los periodos dudosos y confiables,
establecidos en la fase de identificación.
Consistencia en la media
La consistencia en la media se verifica mediante la prueba estadística “T” de

Student. Se trata de analizar si las medias de los datos correspondientes a los
periodos dudosos y confiables son equivalentes o diferentes
estadísticamente, para cierto nivel de significación preestablecido
(normalmente 𝛼 = 5%).
El procedimiento de la prueba T es la siguiente:
Formulación de la Hipótesis
La hipótesis planteada HP, respecto a la homogeneidad de medias es: “Las

medias muéstrales de los datos correspondientes a los periodos dudoso y
fiable son equivalentes estadísticamente un nivel de confianza de 100 – 𝛼”.
En consecuencia, la hipótesis alterna HA queda definida así: “Las medias

muéstrales de los datos correspondientes a los periodos dudoso y confiable
no son equivalentes estadísticamente al nivel de confianza de 100 - 𝛼”.
Estadísticamente, las hipótesis anteriores se expresan como sigue:
𝐻𝑃: ̅̅̅
𝑋1 = ̅̅̅
𝑋2
𝐻𝐴: 𝑋1 ≠ ̅̅̅
̅̅̅ 𝑋2
Se lee, “las medias de los periodos dudoso y confiable de la Estación en un
estudio son estadísticamente iguales, o son estadísticamente diferentes”.
En ingeniería hidrológica, la exigencia acerca del nivel de significación es
𝛼 = 0.05% .
i) Determinación del T tabular (𝑇𝑡 ).
Los grados de libertad GL para los periodos analizados son:

𝐺𝐿1 = 𝑛1 − 1 Periodo 1
𝐺𝐿2 = 𝑛2 − 1 Periodo 2
Donde, 𝑛1 y 𝑛2 son el número de datos de cada periodo.
En consecuencia, sumando miembro a miembro ambas expresiones, el
número de grados de libertad GL total se expresa mediante la siguiente
expresión.
𝐺𝐿 = 𝑛1 + 𝑛2 − 2 (02)
Con el nivel de confianza de 95% (𝛼 = 5%) y el número de grados de
libertad total GL, se obtiene el valor de T, de las tablas o directamente del
modelo teórico correspondiente (software).
ii) Determinar el T calculado (𝑇𝑐 )

̅̅̅̅
(𝑋 ̅̅̅̅
1 −𝑋 2)
𝑇𝑐 = (03)
𝑆𝑑
Además:
1
1 1 2
Sd = Sp [ + ] (04)
n1 n2
1
2 2
(𝑛1 −1)𝑆1 +(𝑛2 −1)𝑆2 2
𝑆𝑝 = [ ] (05)
𝑛1 +𝑛2 −2
1
𝑆12 = ∑𝑛𝑖=1
1
(𝑥1 − ̅̅̅
𝑋1 )2 (06)
𝑛1 −1
1
𝑆22 = ∑𝑛𝑖=1
2
(𝑥1 − ̅̅̅
𝑋2 )2 (07)
𝑛2 −1
Dónde:
𝑆𝑑 =Desviación estándar de las diferencias de las medias.

𝑆𝑝 = Desviación estándar ponderada.
𝑋̅= Media muestral.
𝑆= Desviación estándar muestral.
𝑥1 = Datos de la serie analizada.
iii) Criterios de aceptación o rechazo de la HP
Si:
|𝑇𝑐 | ≤ 𝑇𝑡 (𝛼 = 5%) Aceptar HP
|𝑇𝑐 | > 𝑇𝑡 (𝛼 = 5%) Aceptar HA
En el primer caso, se dice que la prueba T es no significativa y; en el segundo,

la prueba puede ser significativa o altamente significativa, según que la
discrepancia entre los estadísticos sea ligera o alta, respectivamente. En este
último caso, implica corregir la información, eliminando el salto del periodo
dudoso (eliminación del salto) y sin tener que recurrir a la prueba F.
Consistencia en la varianza
La homogeneidad de las variancias se verifica mediante la prueba F de

Fisher, según el siguiente procedimiento:
i) Formulación de la hipótesis.
Similarmente a como se procedió en la prueba de T, las hipótesis de esta
prueba se plantean estadísticamente de la siguiente manera:
𝐻𝑃: 𝑆12 = 𝑆22 (𝛼 = 0.05)
𝐻𝐴: 𝑆12 ≠ 𝑆22 (𝛼 = 0.05)
Se lee, “las variancias de los periodos dudoso y confiable se la Estación en
estudio son estadísticamente iguales o son estadísticamente diferentes”.
Donde 𝑆12 y 𝑆22 son las variancias muéstrales correspondientes a los periodos
dudoso y confiable de la Estación en estudio.
ii) Determinación del F calculado (Fc).

𝑆12 (𝑥)
𝐹𝐶 = , si 𝑆12 (𝑥) > 𝑆22 (𝑥) (08)
𝑆22 (𝑥)
𝑆22 (𝑥)
𝐹𝐶 = , si 𝑆22 (𝑥) > 𝑆12 (𝑥) (09)
𝑆12 (𝑥)
iii) Determinación del F tabular (Ft).

Los grados de libertad y el nivel de significación se expresan de la manera
siguiente:
𝐺. 𝐿. 𝑁. = 𝑛1 − 1 (10.a)
𝐺. 𝐿. 𝐷. = 𝑛2 − 1 (10.b)
𝛼 = 0.05(𝑁𝑐 = 95%)
Donde:
𝐺. 𝐿. 𝑁= Grados de libertad del numerador.
𝐺. 𝐿. 𝐷= Grados de libertad del denominador.
𝑁𝑐 = Nivel de confianza.
Con los grados de libertad del numerador y el denominador y el nivel de

significación 𝛼 = 0.05, se obtiene de las tablas el valor teórico
correspondiente o directamente del Software con los mismos datos de
entrada.
iv) Criterios de aceptación o rechazo de la HP
Si:
𝐹𝑐 ≤ 𝐹𝑡 (95%) Aceptar HP (muestra consistente)
𝐹𝑐 > 𝐹𝑡 (95%) Aceptar HA (muestra inconsistente)
En el primer caso, se dice que la prueba de F es no significativa y la

información es consistente y; en el segundo, la prueba es significativa o
altamente significativa, según que la discrepancia entre tales estadísticos sea
leve o exista una gran diferencia, respectivamente. En este último caso, debe
eliminarse el salto corrigiendo los datos del periodo dudoso partiendo del
confiable.
2.2.1.3. Eliminación de saltos significativos
Si las pruebas T y/o F resultaron no significativas, al 95% de confianza, la

muestra es consistente y no se corrige la información, aun cuando en el
análisis de doble masa se observen pequeños quiebres (no son importantes).
Pero sí en cambio, alguna o ambas pruebas resultaron significativas o
altamente significativas, la muestra es inconsistente y debe corregirse la
información eliminando el salto o saltos del periodo dudoso, manteniéndose
los parámetros estadísticos del periodo confiable.
Una de las metodologías empleadas para la corrección de saltos es mediante

la utilización de las siguientes expresiones:
a) Si el periodo 1 es el dudoso y el periodo 2 el confiable, entonces:

̅̅̅̅
𝑥1 −𝑋
𝑥1´ = ( 1
) 𝑆2 + ̅̅̅
𝑋2 (11.a)
𝑆1
b) Si en cambio, el periodo 1 es el confiable y el periodo 2 el dudoso

corregible, entonces la expresión (11.a) se convierte en la (11.b).
̅̅̅̅
𝑥1 −𝑋
𝑥1´ = ( ) 𝑆1 + ̅̅̅
2
𝑋1 (11.b)
𝑆2
Donde:
𝑥1 = Dato a corregir
𝑥1´ = Dato corregido
S= Variancia
𝑋̅= Media
Bondad de la información corregida. (Huamán, 2013, Hidrología

avanzada)
Para comprobar si la información corregida está dentro de los límites de

aceptación con el 95% de probabilidades, se analiza estadísticamente tanto
la media y la desviación Standard y, comparándolo con el periodo confiable,
repitiendo el procedimiento ya descrito, vale decir desarrollando las pruebas
T y F, respectivamente, cuyos resultados deben ser confiables.
Cabe mencionar que la información corregida no será una información ideal

o naturalizada, puesto que mantendrá un nivel de incertidumbre en relación
a los valores individuales es decir la magnitud de años secos o húmedos;
pero para propósito de cálculo ó prognosis quedará libre de inconsistencia.
Podemos decir entonces que la información perdida no podrá recuperarse
jamás, de allí la enorme importancia de mantener una red bien manejada y
controlada.
Normalmente se asume que el periodo reciente es el más confiable, en los

países desarrollados de Europa ó América. En nuestro país (Perú) sin
embargo ocurre a la inversa, puesto que la situación económica de los
últimos años y la informalidad existente hacen afirmar que los periodos
recientes en general son los menos confiables.
Es importante también tener presente que frecuentemente los periodos de

análisis de media y varianza son coincidentes esto es n1 y n2.
La serie que debería considerarse será la de valores anuales, por cuanto el

criterio de aplicación de 1 - 2 y 12/22, corresponden a series
independiente semanales o mensuales aunque se incremente con ello la
longitud del registro “n”.
2.2.2. Análisis de tendencias
Se llama tendencia a la componente determinística que provoca un cambio

continuo en un registro histórico correspondiente a una serie
hidrometereológica. Por ejemplo, cambio ascendente o descendente
continúo en la temperatura, precipitación, evaporación o escorrentía. Una
tendencia se manifiesta en un periodo de tiempo significativo, esto es, a largo
plazo.
Las tendencias, por lo general, pueden ser aproximadas por la ecuación de

regresión lineal y en algunos casos por polinomios que representan
tendencia curvilínea o exponencial. Las tendencias, al igual que los saltos, se
presentan en la media y en la variancia.
2.2.2.1. Tendencia en la Media
La tendencia en la media 𝑇𝑚𝑝,𝑡 puede expresarse en forma general por el

siguiente polinomio:
𝑇𝑚𝑝,𝑡 = 𝐴𝑚 + 𝐵𝑚 𝑡 + 𝐶𝑚 𝑡 2 + 𝐷𝑚 𝑡 3 + ⋯. (12)
Y en forma particular por la ecuación de regresión lineal simple:
𝑇𝑚𝑝,𝑡 = 𝐴𝑚 + 𝐵𝑚 𝑡 (13)
Donde:
𝑇𝑚𝑝,𝑡 = Proceso no estacionario, esto es, la información

hidrometeorológica corregida por saltos.
t = Tiempo
p = 1, 2,3…., = Número de años del registro
𝜏= 1, 2, 3,…, w= Período básico e igual a 365, 52 o 12, según que la serie sea
diario, semanal o anual, respectivamente.
𝐴𝑚 , 𝐵𝑚 , 𝐶𝑚 ,.. = coeficientes de los polinomios de regresión, que deben ser

estimados con los datos.
a) Cálculo de los parámetros de la ecuación de simple regresión lineal.
𝐴𝑚 = 𝑇̅ − 𝑡̅𝐵𝑚 (14)
𝑆𝑡𝑚
𝐵𝑚 = 𝑅 (15)
𝑆𝑡
̅̅̅̅̅̅
𝑡𝑇𝑚 −𝑡.̅ ̅̅̅̅
𝑇𝑚
𝑅= (16.a)
𝑆𝑡 .𝑆𝑡𝑚
Donde:
1 1
𝑇𝑚 = 𝑛 ∑𝑛𝑖=1 𝑇𝑚𝑖 = 𝑛 ∑𝑛𝑖=1 𝑋´(𝑡)𝑖 (16.b)
1
𝑡̅ = ∑𝑛𝑖=1 𝑡𝑖 (17)
𝑛
1
̅̅̅̅̅̅
𝑡. 𝑇𝑚 = ∑𝑛𝑖=1 𝑡𝑖 . 𝑇𝑚𝑖 (18)
𝑛
∑𝑛 ̅̅̅̅ 2 1
𝑖=1(𝑇𝑚𝑖 −𝑇𝑚 )
𝑆𝑡𝑚 = ( )2 (19)
𝑛−1
∑𝑛 ̅ 2 1
𝑖=1(𝑡𝑖 −𝑡 )
𝑆𝑡 = ( )2 (20)
𝑛−1
Donde:
̅̅̅̅
𝑇𝑚 =promedio de las tendencias Tm, o promedio de los datos corregidos
de saltos X´(t).
𝑡̅= promedio del tiempo t.
𝑆𝑡𝑚 = desviación estándar de la tendencia de la media Tm
𝑆𝑡 = desviación estándar del tiempo.
b) Evaluación de la tendencia Tm
1. Calculo del estadístico t según:

𝑅 √𝑛−2
𝑡𝑐 = (21)
√1−𝑅 2
Donde:
𝑡𝑐 = valor del estaditico t calculado.
𝑛= numero de datos
𝑅= coeficiente de correlación
2. Calculo de t tabular
El valor critico de t, se obtiene de la tabla t de student, con 95% de

probabilidad o con un nivel de significación del 5% es decir:
𝐺𝐿 = 𝑛 − 2
𝛼 = 0.05
3. Los criterios de aceptación o de rechazo de la hipótesis planteada se establecen

según las condiciones siguientes:
Si:
|𝑇𝑐 | ≤ 𝑇𝑡 (𝛼 = 95%) Aceptar HP (prueba no significativa)
|𝑇𝑐 | > 𝑇𝑡 (𝛼 = 95%) Aceptar HA (prueba significativa)
En el primer caso, la muestra es consistente, sin saltos ni tendencias; en

cambio en el segundo caso, la tendencia es significativa y entonces se
procede a eliminarla, tal como se explica a continuación.
Eliminación de la Tendencia en la Media
Si la prueba T del coeficiente de correlación no es significativa, la muestra no

tiene tendencia en la media, por lo que no se corrige. Pero si en cambo la
prueba resultó significativa, entonces se procede a eliminarlo mediante la
ecuación (13), de donde se derivan las ecuaciones (22.a).
𝑦𝑝,𝜏 = 𝑥𝑝,𝜏 − 𝑇𝑚𝑝,𝜏 (22.a)
También se elimina la tendencia en la media aplicando la ecuación siguiente:
𝑦𝑝,𝜏 = 𝑥𝑝,𝜏 − (𝐴𝑚 + 𝐵𝑚 𝑡) (22.b)
Donde:
𝑦𝑝,𝜏 = Serie sin tendencia en la media
𝑥𝑝,𝜏 = Serie de datos analizados
𝑇𝑚𝑝,𝜏 = Tendencias en la media
2.2.2.2. Tendencia en la variancia.

La tendencia en la variancia generalmente se presenta en los datos
semanales o mensuales, mas no en los anuales. Esta tendencia, al igual que la
media, puede ser aproximada por la ecuación polinomial siguiente:
𝑇𝑆𝑝,𝜏 = 𝐴𝑠 + 𝐵𝑠 + 𝐶𝑠 𝑡 2 + 𝐷𝑠 𝑡 3 + … (23)
Donde:
𝑇𝑆𝑝,𝜏 = Tendencia en la variancia
𝜏= 1, 2,…, n
𝑛= Longitud del registro en años
𝐴𝑠 , 𝐵𝑠 , 𝐶, 𝐷𝑠 = Son coeficientes del polinomio de regresión y se estiman a

partir de los datos de la muestra.
Eliminación de la tendencia en la variancia
Si la prueba de T de tendencia en la variancia es significativa, entonces se

procede a eliminarla mediante la ecuación siguiente:
𝑦𝑝,𝜏
𝑧𝑝,𝜏 = + ̅̅̅
𝑇𝑠𝑝,𝜏 (24)
𝑇𝑠𝑝,𝜏
𝑥𝑝,𝜏 −𝑇𝑚𝑝,𝜏
𝑧𝑝,𝜏 = ̅̅̅𝑝,𝜏
+ 𝑇𝑠 (25)
𝑇𝑠𝑝,𝜏
Donde:
𝑧𝑝,𝜏 = Serie sin tendencia en la variancia
𝑇𝑚𝑝,𝜏 , 𝑇𝑠𝑝,𝜏 = Son valores constantes para cada intervalo “w” considerado.
Dentro del periodo “w”, los valores son periódicos.
Consistente al 90% de probabilidad.
2.2.2.3. Limitaciones de las pruebas estadísticas y Bondad de la

información corregida.
 Las distribuciones T y F son deducidas de la distribución normal

en base al teorema del límite central, en consecuencia estas
pruebas solo son aplicables a muestras con distribución normal.
 Las pruebas T y F son aplicables a muestras no periódicas, ya que
la periodicidad puede destruir dichas pruebas. Esto implica que
las pruebas son más aplicables a datos anuales que a los datos no
anuales (datos estacionales, mensuales, semanales y diarios).
 Las pruebas son válidas solamente para datos independientes y
por lo general las series hidrológicas son independientes.
En consecuencia, los resultados de las pruebas son reales si se aplican a

muestras que tienen distribuciones normales, no periódicas e
independientes. Sin embargo, para fines prácticos de la ingeniería
hidrológica, las pruebas pueden ser empleadas más allá de los límites de
aplicación.
2.3. Completación y extensión. (Huamán, 2013, Hidrología avanzada)
Los procedimientos para efectuar la completación y extensión de datos

hidrometeorológicos se basan en la aplicación de técnicas estadísticas y
matemáticas. En todos los casos, debe analizarse la confiabilidad de la
técnica utilizada.
La completación se refiere a la determinación de los datos faltantes en la

serie incompleta, mientras que la extensión es el “alargue” de registros
cortos (menor de 30 años de información). Para la completación se usa
preferentemente la regresión lineal simple que puede ser correlación
cruzada o autocorrelación. La correlación cruzada es un cruce de
información y se emplea cuando existe información de estaciones vecinas o

se cuenta con información de algunas cuencas de carácter similar a la
analizada. La autocorrelación, llamada también correlación seriada o serial,
consiste en correlacionar datos correspondientes al registro de una misma
muestra hidrológica, considerando un desfase en el tiempo o desfasaje.
Figura 11. Series de tamaños N1 y N=N1+N2 (fuente: M. Villon, 2002,

Hidrología estadística)
En forma general, el modelo matemático más usado para transferir

información hidrológica es el modelo de regresión lineal simple.
yt = a + bxt (26)
Dónde:
yt = Variable hidrológica dependiente.
xt = Variable hidrológica independiente
a y b = Parámetros de la ecuación.
N1  xi yi   xi  yi
b (27)
N1  xi2   xi 
2
a  y1  b x1 (28)
Dónde:
N1 = Tamaño del registro común a ambas series o tamaños del registro corto.
y1 
y i
x1 
x i
N1 N1
N 1  xi y i   xi  y i
r
N  x   x  N  y   y  
1
2
i i
2
1
2
i i
2
(29)
1  N1 2
St ( y)     yi  y1  
N1 1  i 1  (30)
1  N1 2
S t ( x)    xi  x1  
N1 1  i 1  (31)
Dónde:
y1 y x1 = Son los estimados de las medias de los periodos comunes, de

tamaño N1 de las variables yt, xt.
St(y) , St(x) = Son los estimados no sesgados de las desviaciones estándar, de

yt y xt de los períodos comunes de tamaño N1.
r = Coeficiente de correlación.
La ecuación de completación o extensión resulta:
xt  x1 
S1( y )
y t  y1  r (32)
S1( x )
Dónde:
xt = Serie de registro “largo” de tamaño N = N1 + N2
N1 = Tamaño del registro común.
N2 = Tamaño del registro no común.
Criterios de confiabilidad.
La ecuación 32 sólo se podrá usar si hay una correlación significativa entre

las variables yt y xt, es decir el coeficiente de correlación r es
estadísticamente significativo con un cierto nivel de confiabilidad, utilizando
el estadístico t, para esto se procede de la siguiente manera.
a) Cálculo del estadístico Tc, según:
r ( N1  2)
TC  (33)
(1  r 2 )
Dónde:
Tc = Valor del estadístico T calculado.
N1= Tamaño del registro común de las series.
r = Coeficiente de correlación.
b) Cálculo de Tt.
El valor crítico de tt se obtiene de tablas t de Student (tt), para un nivel de

significancia de α = 0.05 y G.L. = N1 – 2.
Ejemplo Supongamos un riesgo del 5% ( o un nivel de confianza del 95% ),

α=0.05, y grados de libertad ν=10. Utilizaremos tα/2=1- α/2 ya que dejamos el
mismo espacio correspondiente a la región de rechazo por ambos lados.
¿Cuál es el valor, pues, de t 0.975, 10 ? Se busca la intersección y el resultado es
2.228.
Tabla 04. Valores de T Student tα/2=1- α/2
c) Criterios de decisión.
Si | Tc | ≤ Tt → r no es significativo, por lo tanto no hay correlación

significativa.
Si | Tc | > Tt → r es significativo, por lo que sí existe correlación significativa

entre las variables yt y xt, y se puede usar la expresión (33).
Si r resulta no significativo se puede aplicar el proceso de autocorrelación o

probar con otra serie.
3. Periodo de retorno y probabilidad de ocurrencia
3.1. Período de Retorno. (Cahuana, 2009, Hidrología).

El Periodo de Retorno T, se define como el tiempo o lapso promedio entre la
ocurrencia de un evento igual o mayor a una magnitud dada, dicho de otra
forma, es el intervalo de recurrencia promedio para un cierto evento.
Estadísticamente el periodo de retorno es la inversa de la probabilidad de
excedencia, es decir:
1
𝑇= (34)
𝑃(𝑋≥𝑥)
O también puede ser representada por la probabilidad de no excedencia
como se muestra a continuación.
1
𝑇= (35)
1−𝑃(𝑋≥𝑥)
Otra forma de definir periodo de retorno T es como sigue:

Considerar por ejemplo la variable “caudal máximo del año, Q max” para n
años.
La gráfica correspondiente para una serie de 41 años será:
Figura N°12: Caudales diarios máximos.
La media histórica de esta serie de 41 años resulta 14.9 m3/s. Ahora

considerar por ejemplo el valor 20 m3/s. Trazar una recta a 20 m 3/s en el
gráfico. Realizar el conteo de años transcurridos entre eventos mayores a 20
m3/s: Una vez que se presentó el evento “Q>20 m3/s” en el segundo año,
transcurrieron 2 años antes de que se volviera a presentar dicho evento.
Luego transcurrieron 5 años, luego 2 años, etc.
Considerando varias centenas de años, el periodo de retorno T será el valor

esperado de esos lapsos de tiempo. Entonces en el ejemplo descrito T puede
ser estimado como sigue:
2+5+2+5+6+2+2+1+8+5
𝑇= = 3.80 𝑎ñ𝑜𝑠
10
Lo que significa:
Considerando varias centenas de años, el valor de 20 m3/s es excedido en

promedio una vez cada 3.8 años, es decir, el periodo de retorno del valor de
20 m3/s es de 3.8 años.
Con otras palabras, en el transcurso de un año cualquier cualquiera se tiene

una probabilidad de uno en 3.8 (1/3.8 o sea 26%) de que Q max sea igual o
mayor a 20 m3/s.
El periodo de retorno a adoptar para el diseño de una estructura hidráulica

debería ser el resultado del análisis costo-beneficio. A mayor periodo de
retorno mayor la obra y en consecuencia más cara y el beneficio también
podría ser más grande. Sin embargo la evaluación de los beneficios es
frecuentemente muy difícil de utilizar, por lo que en la práctica se adoptaran
periodos de retorno en base a la práctica usual.
En la tabla 05, se muestra periodos de retorno recomendados para el cálculo

de caudales de diseño de estructuras menores.
Tabla 05. Periodo de retorno para estructuras menores.
Fuente: Villon 2002, Hidrología Estadística

También se puede entender el periodo de retorno como un coeficiente de

seguridad que se asigna a las distintas estructuras, a raíz de la falta de
información y conocimiento del comportamiento de las variables
hidrológicas (Precipitación, Caudales), siendo una medida de seguridad ante
cualquier eventualidad.
Tabla 06. Periodo de retorno para estructuras civiles en general.
Fuente: W. Viessman, J. W. Knapp, G. L. Lewis y T. E. Harbaugh, 1977
Se dan a conocer otras tablas presentando periodos de retornos

recomendados para diferentes tipos de estructuras civiles: La tabla 06 es de
carácter general e incluye diversas obras, la tabla 07 es exclusivo para obras
hidráulicas en carreteras, la tabla 08 está en función al tipo de área a
proteger y la tabla 09 en para el diseño de vertederos de embalses.
Tabla 07. Periodo de retorno para obras hidráulicas en carreteras
Fuente: Campos Aranda, 1987.
Tabla 08. Periodo de retorno según áreas a proteger
Fuente: E. Mosonyi y W. Buck, 1977

Tabla 09. Periodo de retorno para el diseño de vertederos en embalses.
Fuente: Campos Aranda, 1987

Para una visión un poco mayor se presenta tablas de periodos de retorno de
una mayor cantidad de obras hidráulicas en el anexo 01 del presente
documento.
2.3.2.- Riesgo de fallo.
Por lo común el ingeniero diseña una obra para resistir una avenida de cierta
magnitud.
Se define el riesgo de fallo R de un diseño como la probabilidad de que la

avenida para la cual se diseña la obra sea excedida en el transcurso de N
años, esto es considerado como una situación de riesgo, pues la obra se
diseña para soportar cierta avenida máxima, y crecientes mayores podrían
hacerle daño o incluso destruirla, poniendo en riesgo vidas humanas e
infraestructuras que están aguas abajo.
De forma más sencilla se entiende por riesgo de fallo a la probabilidad de que

un evento con un periodo de retorno de T años ocurra al menos una vez en N
años.
El riesgo de fallo se puede escribir como:
𝑅 = 𝑃(𝑋 ≥ 𝑥 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑣𝑒𝑧 𝑒𝑛 𝑁 𝑎ñ𝑜𝑠) = 1 − 1 − 𝑃(𝑋 ≥ 𝑥)𝑁

1 𝑁
𝑅 = 𝑃(𝑋 ≥ 𝑥 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑣𝑒𝑧 𝑒𝑛 𝑁 𝑎ñ𝑜𝑠) = 1 − (1 − )
𝑇
Donde:
T= Periodo de Retorno
N= Años
𝑃(𝑋 ≥ 𝑥)= Probabilidad de excedencia

𝑅= Riesgo de fallo o probabilidad de que un evento con periodo de
retorno T años ocurra al menos una vez en N años.
De la misma manera se puede definir la confiabilidad que viene a ser el

complemento del riesgo de fallo, que se define como la probabilidad de que
un evento con periodo de retorno de T años no ocurra en N años, la
confiabilidad se puede expresar de la siguiente manera:
𝑃(𝑋 < 𝑥 𝑐𝑎𝑑𝑎 𝑎ñ𝑜 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑁 𝑎ñ𝑜𝑠) = 1 − 𝑃(𝑋 ≥ 𝑥)𝑁

1 𝑁
𝑃 (𝑋 < 𝑥 𝑐𝑎𝑑𝑎 𝑎ñ𝑜 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑁 𝑎ñ𝑜𝑠) = 1 − (1 − ) = 𝐹(𝑥)𝑁
𝑇
También es posible calcular el periodo de retorno a partir del riesgo de fallo
y del número de años de vida útil, como sigue a continuación:
1
𝑇= 𝑙𝑛1−𝑅 (36)
1−exp( )
𝑁
Figura 13. Riesgo de por lo menos una excedencia del evento de diseño durante
la vida útil
Fuente: Ven te Chow, Hidrología Aplicada
Tabla 10. Valores de Período de Retorno T (Años)
Fuente: MONSALVE, 1999.
De acuerdo a los valores presentados en la tabla 10 se recomienda utilizar

como máximo, los siguientes valores de riesgo admisible de obras de
drenaje:
Tabla 11. Valores máximos recomendados

De riesgo admisible de obras de drenaje.
(*)
 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)
• Puentes y Defensas Ribereñas n= 40 años.
• Alcantarillas de quebradas importantes n= 25 años.
• Alcantarillas de quebradas menores n= 15 años.
• Drenaje de plataforma y Sub-drenes n= 15 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.
3.2. Probabilidad de ocurrencia. (Hidrología I. Segerer y Villodas, 2007,

p230-232).
Este valor promedio debe realizarse sobre un número de ocurrencias

suficientemente grande.
Para relacionar la probabilidad 𝑝 = 𝑃(𝑋 ≥ 𝑥) de ocurrencia del evento

(𝑋 ≥ 𝑥) en cualquier observación, con el periodo de retorno, efectuando el
siguiente razonamiento: para cada observación existen dos resultados
posibles:
 Éxito 𝑋 ≥ 𝑥𝑇 probabilidad = p
 Falla 𝑋 < 𝑥𝑇 probabilidad = 1-p
Debido a que las observaciones son independientes, la probabilidad de un

intervalo de recurrencia de duración “t” es el producto de las probabilidades
de (t-1) fallas seguidas por un éxito, es decir “ (1 − 𝑝)𝑡−1 ” y el valor esperado
para “t” estará dado por:
𝑇𝑟 = 𝐸(𝑡) = ∑∞
𝑡=1 𝑡 ∗ (1 − 𝑝)
𝑡−1
∗𝑝 (37)
Que desarrollando en serie de potencia y simplificando es igual a:

𝑝 1
𝑇𝑟 = 𝐸(𝑡) = [1−(1−𝑝)]2 = (38)
𝑝
Es decir que la probabilidad de ocurrencia de un evento en cualquier

observación de la variable es la inversa del periodo de retorno:
1
𝑃(𝑋 ≥ 𝑥𝑇 ) = 𝑝 = (39)
𝑇𝑟
Si desea determinar cuál es la probabilidad de que un evento con periodo de

retorno de Tr años ocurra al menos una vez en N años, primero se debe
calcular su complemento, o sea, la situación en la que ningún evento con un
periodo de recurrencia Tr años ocurra en N años.
Para ello debemos calcular la probabilidad de ocurrencia de una secuencia

de N “fallas” sucesivas, es decir:
𝑃(𝑋 < 𝑥𝑇 ) = (1 − 𝑝)𝑁 (40)

De esta manera, la probabilidad de que un evento de un periodo de retorno

Tr años ocurra 1 vez en N años sería:
𝑃(𝑋 ≥ 𝑥𝑇 ) = 1 − (1 − 𝑝)𝑁 (41)
1 𝑁
𝑃(𝑋 ≥ 𝑥𝑇 ) = 1 − (1 − ) (42)
𝑇𝑟
3.3. Valor límite estimado (VLE) (Huamán,2013, Hidrología Avanzada)

Máxima magnitud posible de un evento hidrológico en un lugar dado
utilizando la mejor información hidrológica disponible. Este concepto está
implícito en la precipitación máxima probable y la correspondiente creciente
máxima probable.
La precipitación máxima probable (PMP) se define como una cantidad de
precipitación que es cercana al límite físico superior para una duración dada
sobre una cuenca particular.
4. Modelos probabilísticos de eventos máximos. (M.T.C-Manual de

hidrología, p 25-30)
4.1. Modelos de distribución
El análisis de frecuencias tiene la finalidad de estimar precipitaciones,

intensidades o caudales máximos, según sea el caso, para diferentes períodos
de retorno, mediante la aplicación de modelos probabilísticos, los cuales
pueden ser discretos o continuos.
En la estadística existen diversas funciones de distribución de probabilidad

teóricas; recomendándose utilizar las siguientes funciones:
i. Distribución Normal
ii. Distribución Log Normal 2 parámetros
iii. Distribución Log Normal 3 parámetros
iv. Distribución Gamma 2 parámetros
v. Distribución Gamma 3 parámetros
vi. Distribución Log Pearson tipo III
vii. Distribución Gumbel
viii. Distribución Log Gumbel

4.1.1. Distribución Normal
La función de densidad de probabilidad normal se define como:

1 𝑥−𝜇 2
1 − ( )
𝑓(𝑥) = 𝑒 2 𝑠 (43)
𝑆√(2𝜋)
Donde:
𝑓(𝑥)= Función densidad normal de la variable x
𝑥= Variable independiente
𝜇= Parámetro de localización, igual a la media aritmética de x
𝑆= Parámetro de escala, igual a la desviación estándar de x
4.1.2. Distribución Log Normal 2 Parámetros
La función de distribución de probabilidad es:

−(𝑥−𝑋)2⁄
1 𝑥𝑖 ( )
𝑃(𝑥 ≤ 𝑥𝑖 ) = ∫ 𝑒 2𝑆 2 𝑑𝑥 (44)
𝑆√(2𝜋) −∞
Donde:
Donde X y S son los parámetros de la distribución.
Si la variable x de la ecuación (44) se reemplaza por una función 𝑦 = 𝑓(𝑥),

tal que 𝑦 = log(𝑥), la función puede normalizarse, transformándose en una
ley de probabilidades denominada log- normal, N(Y, SY). Los valores
originales de la variable aleatoria 𝑥1 deben ser transformados a 𝑦 = log(𝑥),
de tal manera que:
𝑌̅ = ∑𝑛𝑖=1 𝑙𝑜𝑔 𝑥𝑖 /𝑛 (45)
Donde 𝑌̅ es la media de los datos de la muestra transformada.
∑𝑛 ̅ 2
𝑖=1(𝑦𝑖 −𝑌)
𝑆𝑦 = √ (46)
𝑛−1
Donde 𝑆𝑦 es la desviación estándar de los datos de la muestra transformada.
Asimismo; se tiene las siguientes relaciones:

𝐶𝑠 = 𝑎/𝑆 3 𝑦 (47)
𝑛
𝑎= ∑𝑛𝑖=1(𝑦𝑖 − 𝑌̅ )3 (48)
(𝑛−1)(𝑛−2)
Donde Cs es el coeficiente de oblicuidad de los datos de la muestra

transformada. (Monsalve, 1999).
4.1.3. Distribución Log Normal 3 Parámetros
La función de densidad de x es:

𝐿𝑛(𝑥−𝑥0 )−𝜇𝑦
1 −1/2( ⁄
𝑓 (𝑥) = 𝑒 𝑆𝑦 (49)
(𝑥−𝑥0 )√(2𝜋)𝑆𝑦
Para: 𝑥 > 𝑥0
Donde:
𝑥0 = Parámetro de posición
𝜇𝑦 = Parámetro de escala o media
𝑆𝑦 2 = Parámetro de forma o varianza
4.1.4. Distribución Gamma 2 Parámetros
La función de densidad es:

𝑥
−
𝑥 𝛾−1 𝑒 𝛽
𝑓(𝑥) = (50)
𝛽 𝛾 Γ(𝛾)
Válido para:
0≤𝑥<∞
0<𝛾<∞
0<𝛽<∞
Donde:
𝛾= Parámetro de forma
𝛽= Parámetro de escala
4.1.5. Distribución Gamma 3 Parámetros


(𝑥−𝑥0 )
−
(𝑥−𝑥0 )𝛾−1 𝑒 𝛽
𝑓(𝑥) = (51)
𝛽 𝛾 Γ(𝛾)
Válido para:
𝑥0 ≤ 𝑥 < ∞
−∞ < 𝑥0 < ∞
0<𝛽<∞
0<𝛾<∞
Donde:
𝑥0 = Origen de la variable x, parámetro de posición
𝛾= Parámetro de forma
𝛽= Parámetro de escala
4.1.6. Distribución Log Pearson Tipo III

(𝑙𝑛𝑥−𝑥0 )
(𝑙𝑛𝑥−𝑥0 )𝛾−1 𝑒 𝛽
𝑓(𝑥) = (52)
𝑥𝛽 𝛾 Γ(𝛾)
Válido para:
𝑥0 ≤ 𝑥 < ∞
−∞ < 𝑥0 < ∞
0<𝛽<∞
0<𝛾<∞
Donde:
𝑥0 = Origen de la variable x, parámetro de posición.
𝛾= Parámetro de forma.
𝛽= Parámetro de escala.
4.1.7. Distribución Gumbel
La distribución de Valores Tipo I conocida como Distribución Gumbel o

Doble Exponencial, tiene como función de distribución de probabilidades la
siguiente expresión:
−𝑎(𝑥−𝛽)
𝐹(𝑋) = 𝑒 −𝑒 (53)
Utilizando el método de momentos, se obtienen las siguientes relaciones:
1.2825
𝑎=
𝜎
𝛽 = 𝜇 − 0.45𝜎
Donde:
𝑎= Parámetro de concentración
𝛽= Parámetro de localización
Según Ven Te Chow, la distribución puede expresarse de la siguiente forma:
𝑥 = 𝑥̅ + 𝑘𝜎𝑥 (54)
Donde:
𝑥= Valor con una probabilidad dada
𝑥̅ = Media de la serie
𝑘= Factor de frecuencia
4.1.8. Distribución Log Gumbel
La variable aleatoria reducida log gumbel, se define como:

𝑙𝑛𝑥−𝜇
𝑦= (55)
𝛼
Con lo cual, la función acumulada reducida log gumbel es:

−𝑦
𝐺(𝑦) = 𝑒 −𝑒 (56)
4.2. Análisis de las tormentas.
4.2.1. La Intensidad
Que es la cantidad de agua caída por unidad de tiempo. Lo que interesa

particularmente de cada tormenta es la intensidad máxima que se haya
presentado. Es decir, la altura máxima de agua caída por unidad de tiempo.
De acuerdo a esto la intensidad se expresa de la siguiente manera:
Intensidad máxima: Se considera que la intensidad máxima es la relación im

= dP/dt, entonces esta intensidad máxima depende de la magnitud de dt: A
mayor período de duración, menor intensidad por unidad de tiempo e
inversamente a menor período de duración mayor intensidad. Las lluvias
que ocasionan la descarga máxima a una cuenca son aquellas cuya duración
es igual al tiempo de concentración.
4.2.2. La Duración
Corresponde al tiempo que transcurre entre el comienzo y el fin de la

tormenta. Aquí conviene definir el período de duración, que es un
determinado período de tiempo tomado en minutos u horas, dentro del total
que dura la tormenta. Tiene mucha importancia en la determinación de las
intensidades máximas como veremos más adelante. Ambos parámetros se
obtienen de un pluviograma o banda pluviográfica, tal como se muestra en la
figura 4.12
Figura 14. Ejemplo de una banda pluviográfica
4.2.3. La Frecuencia
Es el número de veces que se repite una tormenta de características de

intensidad y duración definidas en un período de tiempo más o menos largo,
tomado generalmente en años. Así, se puede decir por ejemplo que; para tal
localidad puede presentarse una tormenta de intensidad máxima igual a 56
mm/h con una duración de 30 minutos cada 10 años.
Ejemplo del análisis de una tormenta registrada por un pluviograma
a) Identificación de los puntos de cambio de intensidad; Marcar en el

pluviograma los puntos correspondientes a los momentos en que la
intensidad ha cambiado, que se reconoce por el cambio en la pendiente de la
línea que marca la precipitación, o sea que la línea es más o menos inclinada
de acuerdo a un aumento o disminución de la intensidad.
b) Tabulación; Ya identificados los puntos de interés según se explica en el

punto anterior; se procede a tabular la información según se aprecia en la
tabla 12 y en el que se indica:
- Hora, Corresponde a la hora (indicada en el pluviógrafo en abscisas) en que

la precipitación cambia de intensidad.
- Lluvia acumulada, Corresponde a la lluvia registrada en las ordenadas del

pluviograma. Tener en cuenta el vaciado del sifón, sumando 10 mm cada vez
que se produce.
- Intervalo de tiempo o tiempo parcial, Es el tiempo que ha transcurrido

entre estos cambios de intensidad, se expresa en minutos.
- Tiempo acumulado, Es la suma sucesiva de los tiempos parciales de la

columna anterior.
- Intensidad, Se obtiene por el cociente entre lluvia parcial y tiempo parcial.
Tabla 12. Análisis de tormenta
c) Cálculo de la intensidad máxima para períodos de duración diferentes, En

la tabla descrita y en la figura correspondiente puede verse claramente que
la intensidad varía durante el transcurso de la tormenta. Así por ejemplo,
entre las 12:00 y 12:50, es decir en 50 minutos cayeron 8,5 mm de lluvia, en
una hora hubieran caído 10,2 mm; entonces decimos que la intensidad
durante estos 50 minutos fue de 10,2 mm/h. Entre las 12:50 y 2:00 (70
minutos) cayeron 10 mm de lluvia, lo que quiere decir que en una hora han
caído 8,57 mm, se dirá que la intensidad durante este intervalo fue de 8,57
mm/h.
Lo que nos interesa es determinar, para esta tormenta, las intensidades

máximas para determinados períodos de duración sea por ejemplo 5, 10, 30,
60, 120, 240 minutos; dentro del tiempo total de duración de la tormenta.
Aquí vemos que la intensidad máxima es de 10,2 mm/h y que esta intensidad
duró 50 minutos.
Luego, la intensidad máxima para 5 ó 10 ó 30 es de 10,2 mm/h. Para calcular

la intensidad máxima correspondiente a 60 minutos realicemos el siguiente
razonamiento:
- Durante 50 minutos, la intensidad máxima fue de 10.2 mm/h.
- Para 60 minutos nos faltan 10 minutos; entonces, hay que buscar antes o
después del período de 50 minutos, la intensidad máxima inmediata inferior
a 10,2 mm/h, vemos que en este caso es 8,6 mm/h; entonces podemos
establecer las siguientes relaciones: 50/60 corresponden a una intensidad
máxima de 10,2 mm/h.10/60 corresponden a una intensidad máxima de 8,6
mm/h.
Para buscar la intensidad máxima correspondiente a 120 minutos se procede

de la misma manera y tendremos:
- Durante 50 minutos la intensidad máxima fue de 10,2 mm/h.
- Para 120 minutos nos faltan 70 minutos.
- Vemos que durante los 70 minutos siguientes precisamente se tuvo la

intensidad máxima inmediata inferior correspondiente a 8,6 mm/h.
Tabla 13. Resultado de intensidades.
Análisis de frecuencias de las tormentas
Ya se ha visto como se procede para calcular la intensidad y duración de las

tormentas; ahora se determinará la frecuencia con que una determinada
tormenta se puede repetir en el tiempo. Para esto, se procede a analizar las 2,
3 ó 4 tormentas mayores (mm) de cada año registradas en una localidad
siguiendo el procedimiento ya explicado. Es decir, que para cada una de esas
tormentas se determina la intensidad máxima en diferentes períodos de
duración.
Estos resultados se tabulan en orden cronológico como se puede ver en la

tabla 13 donde por comodidad sólo se han consignado las intensidades
máximas correspondientes a los períodos de duración de 10, 30, 60 y 120
minutos.
A partir de cada año se toma de la tabla la intensidad máxima para cada una
de las cuatro duraciones, obteniendo una nueva tabla de 30 registros para
cada duración. Para determinar la frecuencia, el siguiente paso es ordenar de
manera decreciente, e independientemente de la duración, los valores de las
intensidades máximas correspondientes a cada duración. Se obtiene
entonces la tabla 13 donde pueden verse las intensidades máximas de 10, 30,
60 y 120 minutos con indicación de su frecuencia, que se calcula de acuerdo
a la siguiente relación:
De la misma manera el período de retorno (Tr) será la inversa de la

frecuencia. Así, para 10 minutos de duración, el primer valor o valor más alto
es 116 mm/h; entonces decimos que una precipitación de esa intensidad
tiene una frecuencia de 3,22 %, es decir, que en el transcurso de 100 años

será igualada o superada sólo tres veces en promedio y que su período de
retorno es 31 años.
Por otra parte, la segunda magnitud 113 mm/h tiene una frecuencia de
6,44% lo que significa que en el período de 100 años será igualada o
superada solamente 6 veces en promedio, con un Tr de 16 años. Además se
observa que a mayor magnitud del intervalo de duración menor es la
intensidad.
CURVAS INTENSIDAD - DURACIÓN – FRECUENCIA
Los valores consignados en el cuadro anterior dan los elementos de juicio

básicos para la realización de cálculos previos al diseño de obras de
ingeniería hidráulica. Por eso conviene representar estos valores en otras
formas más manejables y de más fácil lectura, con el fin de poder interpolar
valores que no se encuentren en la tabla.
Mediante la construcción de gráficos llamados familias de curvas de

duración-intensidad frecuencia como pueden verse en la figura 4.5
Figura 15. Curvas de Intensidad, Duración y frecuencia
Este gráfico nos permite saber, por ejemplo, cuál será el valor de la
intensidad máxima para 45 ó 90 minutos de período de referencia que se
presente con una frecuencia de cada año o cada 10 años, o cada cualquier
otro período de tiempo.
ANEXO 01.
Recuperado de: sitio web de la Universidad de Sonora de México.
http://clima.dicym.uson.mx/paglabhidra/ARCHIVOS/DENNIS/Periodos%20de
%20Retorno.pdf

M 02. Obtencion y Tratamiento de Inf Hidrologica

Cargado por

Copyright:

Formatos disponibles

M 02. Obtencion y Tratamiento de Inf Hidrologica

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

M 02. Obtencion y Tratamiento de Inf Hidrologica

Cargado por

Copyright:

Formatos disponibles

M-01: INTRODUCCIÓN A LA HIDROLOGÍA Ing. César Terán Guevara.

DIPLOMADO PRESENCIAL VIRTUAL – 2017

MÓDULO 02: TRATAMIENTO DE DATOS HIDROLÓGICOS.

CÉSAR TERÁN GUEVARA

1. Recolección de datos hidrometeorológicos. (Fattorelli, 2011, Diseño

1.1. Datos hidrometeorológicos

Existen varios tipos de datos usados en la hidrología:

 Datos históricos de eventos naturales registrados cronológicamente

1.2. Calidad, homogeneidad y consistencia de los datos

Los datos hidrológicos deben ser independientes, homogéneos y lo más

Las fuentes de los errores en datos hidrológicos observados pueden ser:

 En el sensor (error del registro del dato in situ)

Dentro de los errores, se consideran errores al azar y errores sistemáticos.

Otro tipo de datos a tener en cuenta son los no homogéneos o datos

En los registros sistemáticos de caudales ante cualquier situación de no

1.3. Definiciones básicas de datos hidrometeorológicos. (Huamán, 2013,

1.3.1. Variables aleatorias.

1.3.2. Series de Tiempo.

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

intervalo discreto de 1 día, o caudales instantáneos registrados en forma

Las series de tiempo en hidrología pueden ser series de duración completa,

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

1.3.3. Terminología relacionada a la temperatura.

La temperatura es uno de los parámetros climatológicos más utilizados ya

 Temperatura mínima diaria: Es la más baja del día.

 Temperatura mínima absoluta mensual: Es la más baja observada

1.4. Terminología relacionada a datos de precipitación

El parámetro más importante de los modelos hidrológicos es la

 Precipitación máxima en 24 horas. Es la precipitación más alta de

2.1. Datos promedio. (Cahuana, 2009, Hidrología)

2.1.1. Precipitación media por polígonos de Thiessen.

El procedimiento para el cálculo es el siguiente:

 Se unen los pluviómetros adyacentes con líneas rectas.

La lluvia media se calcula entonces como un promedio pesado de las

Figura 01. : Área para cada estación en el método de Polígono de Thiessen.

Se observa que cada pluviómetro queda con un área de influencia dentro de

En el manejo de estaciones meteorológicas muchas veces se presentan

Ejemplo. Determinar la precipitación media por el método de los polígonos

Figura 02. Polígonos de Thiessen.

Tabla 01. Ejemplo de cálculo de polígonos de Thiessen.

2.1.2. Isoyetas. Es el método más exacto para promediar la

Este método consiste en trazar curvas de igual precipitación para un periodo

Para trazar las isoyetas, se recomienda superponer la cuenca a un mapa con

Ejemplo. Determinar la precipitación media de la cuenca en estudio por el

Figura 03. Isoyetas sobre una cuenca.

Tabla 02. Ejemplo de cálculo de isoyetas.

2.1.3. Distribución espacial en SIG (GRADS, ARC GIS, TETIS, ETC).

Figura 04. Gráfico de temperatura distribuida.

Figura 05. Temperatura en corte vertical.

Figura 06. Precipitación espacial.

En las figuras 04, 05 y 06 se muestra una distribución espacial trabajada con

2.1.4. Interpolación al centroide.

Figura 07. Ejemplo de gráfica de ajuste de temperatura con la altitud.

2.2. Análisis de consistencia de una muestra hidrológica (Ortiz,

Luego de recopilada la información es necesario analizar su consistencia,

Buena parte de la hidrología está basada en el análisis de series temporales

Muestra Información de campo

Figura 08. Flujograma para el tratamiento de la información