METODO LOG PEARSON TIPO III

INTRODUCCIN

Es importante en la ingeniera utilizar la estadstica como un medio
numrico para predecir los cambios hidrolgicos producidos por la
naturaleza, contando como elemento principal el uso del agua.

La estadstica fundamentalmente se aplica sobre datos hidrolgicos
recolectados de estaciones meteorolgicas, que pueden medir las
precipitaciones, caudales de ros, radiacin solar, etc. Que son factores que
influyen en el comportamiento del agua en nuestro medio. Es precisamente
que mediante la estadstica se busca encontrar un comportamiento tpico
del agua a travs del tiempo en una determinada rea, para as ayudar al
ingeniero a disear las estructuras necesarias.







B.2. FUNCIONES DE FRECUENCIA Y DE PROBABILIDAD

En una muestra dada, que puede ser una precipitacin (mm), se observa
que est idnticamente distribuido; a partir de este se puede construir un
histograma de frecuencias, mediante los siguientes pasos:

- El rango de datos de la muestra aleatoria se divide en intervalos
discretos
- Se cuenta el nmero de observaciones dentro de la muestra
- Se dibuja como un grfico de barras



Si el nmero total de observaciones de cada barra del histograma de
frecuencias, se divide entre el nmero de observaciones contadas, se
obtiene otro de diagrama de barras, llamada Funcin de Frecuencia
Relativa (fm(x)), que est dado por la expresin matemtica:




La sumatoria de Frecuencias Relativas se convierte en una nueva Funcin
de Frecuencias Acumuladas Fm(x), expresado de la siguiente manera:



Esta funcin se lleva al lmite de aproximacin a cero, obteniendo la
siguiente figura:


Esta ltima funcin se llama Funcin de Distribucin de Probabilidad, la
cual se deriva y se obtiene la Funcin de Densidad de probabilidad para la
poblacin:


Esta ltima funcin es un grado de ajuste de la informacin, la cual por su
forma puede ser ajustada por funciones de densidad conocida, como la
funcin normal, la cual forma la campana de Gauss.

CICLO DE FUNCIONES DE FRECUENCIA Y PROBABILIDAD

La funcin Normal, tiene desventajas como el de tener valores negativos, la
cual la muestra hidrolgica no tiene y tiene forma simtrica, y la funcin de
densidad obtenida por lo general no lo tiene, as que tambin se tiene otras
funciones, la cual es nuestro tema ver la Distribucin Log Pearson Tipo III.
b.3. Distribucin Log Pearson Tipo III:
Esta Distribucin se aplica al logaritmo de los datos, es muy utilizada por
sus resultados de aceptable confiabilidad cuando se efectan predicciones
con grandes periodos de retorno, la expresin de la funcin es la siguiente:

Donde los 3 parmetros son:

C
log =
es el coeficiente de Asimetra de los logaritmos de datos

La funcin es muy complicada analticamente, por lo que se usa la frmula de
Chow transformada logartmicamente:




El valor de K
T
, se obtiene tabulando de una tabla, de acuerdo a la
probabilidad de ocurrencia y al tiempo de retorno; en la siguiente tabla
presentada, se obtiene dicho coeficiente (K
T
= k):


D
i
c
h
o

C
o
e
f
i
c
i
e
n
t
e

,

t
a
m
b
i

n

p
u
ede obtenerse con la frmula siguiente, la cual depende del coeficiente de
asimetra de los logaritmos de datos (S = C
log
) y de la variable normalizada
z que depende del periodo de Retorno como una variable de probabilidad
de excedencia. Aqu se muestra las siguientes frmulas:

3 2
2
001308 . 0 189269 . 0 432788 . 1 1
010328 . 0 802853 . 0 51557 . 2
w w w
w w
w z




Donde:
*

; 0<p0.5
* (

)+

; p>0.5
Para p>0.5 se le agrega a z un signo negativo
Donde :

Siendo
w: Variable intermedia
p: Probabilidad de excedencia
T: Periodo de retorno (aos)

De los parmetros z y Coeficiente de Asimetra:





A. EJEMPLO APLICATIVO Y COMPARATIVO:

Dado los datos de mximas precipitaciones anuales del Rio Pisco
























Se desea construir una defensa Riberea, hallar la precipitacin de diseo:

SOLUCIN:

El Ejemplo dado se resolver mediante el mtodo de Distribucin Log Pearson
Tipo III; adoptando un periodo de retorno de 10 aos que puede durar la posible
estructura de defensa Riberea

n AO P(mm)
1 1964 21.4
2 1965 19.4
3 1966 30.7
4 1967 23.2
5 1968 26.1
6 1969 12.1
7 1970 23.6
8 1971 38.6
9 1972 13.8
10 1973 30.8
11 1974 27.4
12 1975 30.6
13 1976 34.3
14 1977 32.9
15 1978 21.6
16 1979 25.76
17 1980 28.95
18 1981 33.26
19 1982 17.2
20 1983 12.5
Por Distribucin Log Pearson Tipo III se obtiene de los datos los siguientes parmetros:


RIO PISCO
n AO P(mm) log Xi log x Log Xi- log x (log Xi- log X)2 (log Xi- log X)3
1 1964 21.4 1.33 1.38
-0.05 0.0025 -0.000125
2 1965 19.4 1.29 1.38
-0.09 0.0081 -0.000729
3 1966 30.7 1.49 1.38
0.11 0.0121 0.001331
4 1967 23.2 1.36 1.38
-0.02 0.0004 0.000008
5 1968 26.1 1.42 1.38
0.04 0.0016 0.000064
6 1969 12.1 1.08 1.38
-0.3 0.09 -0.027
7 1970 23.6 1.37 1.38
-0.01 0.0001 0.000001
8 1971 38.6 1.59 1.38
0.21 0.0441 0.009261
9 1972 13.8 1.14 1.38
-0.24 0.0576 -0.013824
10 1973 30.8 1.49 1.38
0.11 0.0121 0.001331
11 1974 27.4 1.44 1.38
0.06 0.0036 0.000216
12 1975 30.6 1.49 1.38
0.11 0.0121 0.001331
13 1976 34.3 1.53 1.38
0.15 0.0225 0.003375
14 1977 32.9 1.52 1.38
0.14 0.0196 0.002744
15 1978 21.6 1.33 1.38
-0.05 0.0025 -0.000125
16 1979 25.76 1.41 1.38
0.03 0.0009 0.000027
17 1980 28.95 1.46 1.38
0.08 0.0064 0.000512
18 1981 33.26 1.52 1.38
0.14 0.0196 0.002744
19 1982 17.2 1.24 1.38
-0.14 0.0196 -0.002744
20 1983 12.5 1.1 1.38
-0.28 0.0784 -0.021952


Sumatoria 27.6


0.4138 -0.043554


Promedio
1.38




- Promedio (Log
X
) = 1.38
- Desviacin Estandar (log
x
) = 0.148
- Probabilidad de ocurrencia (%) = 0.1
- Coeficiente de Asimetra = -0.786
- Coeficiente KT de tabla = 1.183
- Coeficiente KT de frmula = 0.6252
A partir de los parmetros encontrados obtenemos los valores sabiendo que
y=log(x):




X= 35.89 mm (KT de tabla)
X= 29.51 mm (KT de frmula)














CONCLUSIONES:

Despus de lo investigado se pudo entender la necesidad de la hidrologa
estadstica y de tener datos de estaciones hidrolgicas para su desarrollo y mejor
prediccin; el mtodo de Distribucin Log Pearson Tipo III, es una funcin muy
adaptable a las funciones obtenidas por las muestras de campo, la cual la hace una
buena eleccin para largos periodos de retorno.






RECOMENDACIONES DE ALGUNOS INVESTIGADORES:

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 dispone de pocos datos, porque reducen la varianza de la muestra,
(Ashkar, et al. 1994).