Metodologia para el ajuste
Clo man@ec OcNe ony O Mo Alicea)
Tipo | (Gumbel) y Log Pearson
Tipo lll, para series de valores
maximos
RESUMEN
En el presente trabajo se desarrolla una metodologia que pormite comparar los modelos de valor extreme tipo | (EVI) mejor
‘conacida come cistrioucion Gumbel y la distrioucion Log Pearson Tipoll, para modelar un conjunto de valores extremios comoson
luna seria cle caudalas maximas. Para a eloccién do la funcion de distribucion mas adecuada do los datos de la muestra sa aplican
como: ol método grafico, el céloulo de error cuadratico minime y la prueba de bondad de aluste=y.
Por \ltimo, se presentan conclusiones de tipo general y se muestra un ejemplo cancreto vinculaco a una base do datos que
orresponde & los valores medios mensuales de caudal en m3/s del rio Bogot4, registrados en la estacién hidrometeorolégica La
Balsa.
PALABRAS CLAVE
Distribucién Gumbel, distribucién Lag Pearson tipo Il, intervalo de confianza, periodo de ratarno, serie de excedencias, sarie de
smaximos,
ABSTRACT
In this papar develops a methadology for comparing mode's of extreme value type | (EVI) better known as the Gumbel distribution
andthe Log Pearson Typelll distribution to model set of extreme values such 25 2 series of maximum llow. For the choice of most
Appropriate distribution function ofthe sample data, anply three statistical eeteria such as the graphical mathad, the calculation of
minimum square error and the test of goodness of fit, Finally, conclusions are general in nature and shows a specific example
elated to.a database that corresponds io the average monthly flow rate m&/s of the Bogota River, in the Balsa hydrometoorological
station,
KEYWORDS
‘Gumbo’ distribution, Log Pearson typell distribution, confiance interval, , exegedance series, maximum seri4. INTRODUGCION
En el estudio de la hidrologia es posible observar como
en repetidas ocasiones los sistemas hidrolégicos se ven
directamente afectados por eventos extremos, tales
como aumento de caudales en rios, presencia de tor-
mentas severas y sequlas, entre otras. La magnitud de
un evento extremo esta inversamente relacionado con su
frecuencia de ocurrencia, es docir, quelos eventos mode-
rados ocurren con mayor frecuencia, mientras que los
eventos extremos se presentan en pocas oportunidades.
Para analizer la probabilidad de ocurrencia de estos even
tos se ulllizan algunas distribuciones de probabilidad.
Estas son funciones matematicas que relacionan la mag-
nitud de un evento con suprobabilidad de ocurrencia,
La probabilidad puede ser expresada en forma de fre-
cuencia a través del periodo de retorno o recurrencia. El
periodo de retorno T de un evento con una magnitud
dada se define como el intervalo de recurrencia prome-
dio entre eventos que igualan o exceden una magnituc
especificada (Chow, Meidment y Mays, 1994),
La probabilidad P(X2x, )de ocurrencia del evento rxX>
en cualquier observacion se rolaciona con el periodo de
retorno dela siguiente forma:
1
P(X 2x;)
a)
Es posible calcular el periodo de retorno del n-ésimo
evento para el conjunto de datos que pertenecen a una
serie de valores extremos, Aparicio (2001). En partic
para calcular el periodo de retorno maximo y minimo
para un conjunto de n elementos, se calcula de acuerdo,
con la expresin:
n+l
a
m
Donde sit corresponde a la posicién de los datos do la
serie, ordenados en forma descendente, para el caso del
periodo de retorne maximo I=m y para el periodo de
retorno minimo nn
Para el andlisis de frecuencias de eventos se tienen en.
cuenta los siguientes supuestos, seguin Beguerta (2002):
Los eventos hidrolégicos extremos son variables alea-
torias que pueden expresarse por medio de una cisti-
bucién de probabilidad.
Si la magnitud de cada suceso no tiene correlacion
Con los sucesos anteriores, significa que la serie de
eventos extremios son independientes.
La distribucién de probablidad que explica el proce-
0 no varia en el tiempo, ni cambia en funcién de la
magnitud dela variable,
Como el andiisis de frecuoncias de eventos extremos se
rolaciona directamente con el estudio de las colas de la
distribucién ce frecuencias de la variable, se hace nece-
sario introducir técnicas de muestreo que permitan
extraer de las series de los datos originales, los valores
de magnitud excopcional. En hidrologia existen dos
técnicas de mucstreo muy utilizadas que permiten
exiraer una serie de valores parciales: la serie de maxi-
mos laserie de excedencias,
Para la serie de maximos se solecciona el valor maximo
que ocurre en un intervalo de tiempo fijo, generalmente
un afio, de mode que el tamafio de la muestra sera igual
‘al nlimero de afios registrados en la serie original. En el
caso de la serie de excedencias, los datos deben selec-
clonarse de tal forma que su magnitud sea mayor que un
valor predefinido, segun Chow et al. (1994), este valor
corresponde al ntimero deafios en el registro,
“Elperiodo de retorno T de magnitudes de evento dedu-
cido de una serie de excedencia anual serelaciona con el
correspondiente periodo de retomo T para magnitudes
deducido de una serio maxima anual coma” (Chow et al
1994, p. 395).
-[f oe) 6)
T=1
Cabe aclarar que la serie de excedencia anual es ttl para
‘algunos propésites, ya que hace un uso mas eficiente de
la informacién contenida en las series originales. Por
ejemplo, puede incluir mas de un evento por affo, si éste
cumple con el requisito para ser considerado extremo.
No obstante, esta limitada por el hecho de asegurar la
Independencia de las observaciones
Por el contrario, para la serie de maximos anuales se
garantiza la Independencia de las observaciones, pues
os eventos muestreados corresponderan a eventos
igualmente espaciados en al tiempo.
Sipor alguna razén se llegaraa violar el supuesto deinde-
pendencia para la serie de excedencia anual, los resulta:
dos no se veran afectados significativamente. Es decir,
que mientras el periodo de retorno sea mayor, los resulta
dos de los métodos analizados tienclen a ser similares,
Begueria (2001). Por esta razén, en el desarrollo de esle
articulo se utlizaré la serie de maximos anuales para el
andlisis de los resultados,
Para calcular la probabilidad de ocurrencia de eventos
extremas, a partir de la serie de méximos anuales, se
-aSumira quo ésto tipo de datos se ajustan en forma tedri-
ca a la funcién de probabilidad de valor extrema tipo |
(EVI) mejor conacida como distribucion Gumbel 0 a la
Gistribucién Log Pearson tipo ill, Aparicio (2001). Para
INGEMIOMAGSO+ 57cada una de las distribuciones propuestas se estimaran
‘sus parimetros, limites de confianza y bondad del ajuste.
La base de datos utilizada para el desarrollo det trabajo,
corresponde a los valores medios mensuales de caudal
en mis del ro Bogota, registrados en la Estacién Hidro-
‘meteorolégica La Balsa, departamento de Cundinamar-
a, con registros comprendidos entre 1943-1999. Para
la aplicacién de la metodologia se utilzaron unicamente
los registros de 20 afios, comprandidos entre 1947 a
1966, por estar la totalidad de los datos, ver figura 1
FIGURA 1 Valores mestios mensuales de caustales 1947 - 1966
FOeee
La figura 2, presenta la serie de valores maximos anua-
les, tomada de la serie original
FIGURA 2. Serio de msximes anwales
FIGURA 3. Muosiroo para la sare do excedencias
“HELE.
FIGURA 4.-Seric do excodoncias anuaes
Enlafigura3, se presenta el proceso grafico de seleccién
de la muestra para la serie de excedencias anuales, cuyo
valor base corresponde a 28.88 m@/s. Del mismo modo,
enla figura 4 so muestran los veinte (20) valores extremos
menores a éste punto ordenados por su tiempo de ocu-
rrencia,
2. METODOLOGIA
2.1 Distribucién de probabili
‘mos anuales: Gumbel (EVI)
Debido a la naturaleza de los eventos hidrolégicos extre-
mes, la distribucién mas frecuente utlizada para las
series de maximos anuales os la distribucién de valores
extremos Tipo |, su funcién de densidad de probabilidac
lad para serie de maxi-
f=
o
Donde.x puede tomar valores en elrango ~205
son parametros de escalay origen, resp:
rs, ayB
ivamento.
Lafuncion de distribucién acumulada es:
‘ ,
7)
a)
FO)=] fodder ~ ox -
Donde los parametros se estimana través delas siguien-
tes expresionos:
(6)
Donde xy s: son la media y la desviacién estandar esti
madas con la muestra. His y Gs se obtienen de la
siguiente tabla,| oy
10 [0.4952 | 0.9496
15 [0.5128 | 1.0206
20 | 0.5236 | 1.0628
25 [0.5309 | 1.0974
30 [0.5362 [4.1124
Too | 0.5600 | 7.2085
Factor de frecuencia: para la distribucién de valor extre-
mo Tipo |, Chow et al. (1994, p. 402), deduja la siguiente
expresion:
“ni
(5)h
En esta expresién se observa que los valores V6 y
0.5772, corresponden en forma andloga ao y Ht: para
lun tamafio de muestra 7, luego el factor de frecuencia
K1,se puede expresar como sigue:
0.5772 + In|
Donde 7’es el periodo de retorno. Para la distribucién
Gumbel se tiene que el caudal para un periodo deretorno
de 2.33 afios es igual a la media de la distribucién del
valor extremo, es decir, cuando 0-1
Para expresar_on términos de Kr, la ecuacién (7) puede
escribirse como:
eS 1
1 wf ox (: “eh e
0.5772 esunaconstante.
Donde’
Los rites de confianza para el caudal medio dela sero
de maximos anuales, corresponden a:
Limitesuperiordeconfianza: ny, =F +4 48
Limiteinferiordeconfianza: Ure =%~ tS.
‘iq esiavariable normal estandarizada para una pro-
babiidad de no excedencia o—1. Donde «s y 5 corres-
ponden a:
+1
6K, +1.1Ky
8
Va vi
2.2 Distribucién de probabilidad para serie de méxi-
mos anuales: Log-Pearson Tipolll :
Esta distribucién so utiliza para ol andlisis probabilistic
de eventos extremos, en la cual se utliza como variable
=logx parareducirlasimetra, Laestimacién delos para
metros de esta cistribucién se calcula dela misma forma
«que para la distribucién Pearson Tio Ill, pero con la dife-
rencia que y y $; corresponden al promedio aritmético y
deaviacién estandar de los logaritmos con base 10 de fa
variable original.
La funcién de densidad de probabilidad para esta distri-
bucién correspondea:
Donde y tomavaloresenelrangos, < y