1. INTRODUCCIN caudal mximo, el volumen o la duracin que se considere.

Como
consecuencia de ello las obras y medidas no estructurales que se
El fenmeno del cambio climtico genera muchas disponen, estarn sometidas a un nivel de riesgo diferente segn la
inquietudes acerca del comportamiento de algunas variables; es por variable utilizada, para determinar valores de diseo
esto que, variables hidrolgicas como las precipitaciones y los correspondientes a un determinado perodo de retorno.
caudales, muestran un papel fundamental en este aspecto, debido a
En este marco, el presente documento tcnico basado en los
que son variables directamente influenciables por fenmenos de
contenidos del segundo curso del proyecto FONDEF D08I1054, tiene
amplio espectro temporal y espacial.
como fin realizar un aporte al conocimiento de las funciones de
Por otra parte, para solucionar los problemas que implican distribucin de probabilidad que mejor ajustan al comportamiento
el diseo de obras y la planificacin hidrolgica, se debe recurrir al de eventos extremos y en particular de la variable caudales mximos
estudio de la probabilidad, dado que dichos problemas se refieren a instantneos (caudales punta), a travs de un ejemplo prctico, en
eventos que se podran producir en el futuro, sin base en una donde se utilizarn las 4 funciones ms utilizadas en estudios de
estimacin real, (Linsley et. al., 1988). Sin embargo no solamente se variables hidrolgicas, a saber Gumbel, Goodrich, Log-Normal y
debe estimar la magnitud del diseo, tambin se debe indicar la Pearson Tipo III, adicionalmente y a travs de pruebas de bondad de
probabilidad de excedencia, con el fin de dar un cierto grado de ajuste como son el el coeficiente de determinacin R cuadrado y el
seguridad a la obra, o bien el riesgo de falla, (Muoz, 2004). De esta test de Kolmogorov Smirnov, se podr realizar un anlisis
forma es necesario construir un modelo probabilstico, en donde se comparativo y una proyeccin de posibles eventos extremos
debe contar con una funcin de distribucin de probabilidad (FDP), asociados a diferentes perodos de retorno de los caudales punta,
que represente la variable hidrolgica de inters. obtenidos de la informacin fluviomtrica proporcionada por la
Direccin General de Aguas.
Las crecidas corresponden a fenmenos de concentracin.
Segn Ollero (1996), son procesos naturales, sin periodicidad,
constituidos por un incremento importante y repentino del caudal
en un sistema fluvial, el cual lleva consigo un ascenso del nivel de la
corriente, que puede desbordar el cauce menor para ocupar
progresivamente el cauce mayor, hasta alcanzar un mximo, o
caudal-punta y descender a continuacin. Segn Paoli et al. (1998),
las crecidas que se presentan en trminos hidrolgicos, poseen un
grado de riesgo y una probabilidad de excedencia diferente, segn el
 2. FUNCIONES DE DISTRIBUCIN DE PROBABILIDAD (FDP)

2.1 Definicin de las FDP

Segn Chow et al. (1994), al conjunto de observaciones x1, x2, . .

. , xn, de la variable aleatoria, se denomina muestra. Una muestra es
sacada de una poblacin hipotticamente infinita, que posee
propiedades estadsticas constantes. Las propiedades de una
muestra pueden cambiar de una muestra a otra y, el conjunto de
todas las muestras posibles que puede extraerse de una poblacin,
se conoce como espacio muestral, en donde un evento es un
subconjunto muestral. Si las observaciones de una muestra estn
idnticamente distribuidas, stas pueden ordenarse para formar un
histograma de frecuencia. Ahora bien, si el nmero de
observaciones ni, en el intervalo i que cubre un cierto rango, se
divide por el nmero total de observaciones n, el resultado se
conoce como frecuencia relativa. Asimismo, la suma de los valores
de la frecuencia relativa hasta un punto dado, es la funcin de
frecuencia acumulada, y en su lmite, cuando n y 0, se
denomina funcin de distribucin de probabilidad (F.D.P.). De igual
forma, la derivada o incremento finito de la F.D.P., se conoce como
funcin de densidad de probabilidad (f.d.p.).
3.3.- Formas de Determinar la Probabilidad
Pizarro y Novoa (1986), afirman que para conseguir definir la
probabilidad implcita es preciso consignar dos conceptos previos,
que son el perodo de retorno y la probabilidad de excedencia.
Perodo de retorno: Se define como el tiempo que
transcurre entre dos sucesos iguales. Sea ese tiempo T.
Probabilidad de excedencia: Es la probabilidad asociada al
perodo de retorno.
P (x>X) = 1
T
En otras palabras la probabilidad de que la variable aleatoria
tome un valor igual o inferior a cierto nmero X, est dada por la
funcin de distribucin de probabilidad F(X).
considerando que x
x
1
F ( x) f ( x)dx P( x X ) 1 T
Luego, la probabilidad de que x sea mayor que X, viene a
estar dada por la funcin complementaria.
1
x
P( x X ) 1 F ( X ) 1 f ( x)dx
T
De esta forma es importante definir las Funciones de
Distribucin de Probabilidad que mejor se ajustan al
comportamiento de las variables hidrolgicas, donde no se
considerar para este ejemplo la funcin Normal, la cul si bien es
el modelo ms utilizado y con mayor importancia en el campo de la
estadstica, su uso es muy limitado en hidrologa, dado que las
variables raramente se comportan de esta forma (Varas y Bois,
1998).
Por otra parte existen otros modelos que representan de mejor
forma el comportamiento de variables hidrolgicas, un ejemplo de
esto es la Ley de Distribucin de Gumbel la cul ha demostrado
poseer una adecuada capacidad de ajuste, a valores mximos de
caudales, (Pizarro y Nova 1986). As mismo y segn Aparicio 1997,
la funcin de distribucin de probabilidad de Gumbel se comporta
de la siguiente forma:
Distribucin Gumbel:
d ( x )
P( x X ) F ( x) ee (Ecuacin 1)
Donde:
: Representa el valor a asumir por la variable aleatoria
e: Constante de Neper. En tanto los parmetros se determinan a partir del siguiente
sistema de ecuaciones:
y d: Parmetros
m3
P p ;
s3

Los parmetros de la distribucin de una muestra de
a 2 p 2 2 p 1 2 p 1 ;
1
tamao infinito, tienden a los siguientes valores, en base a la media s
aritmtica y la desviacin estndar de la muestra:
( p 1)
X1 x
ap
1
d ; x 0,450047 * S
0,779696 * S Donde:
n ( xi x ) 3
m3 : Momento central de orden tres, m3 i 1 n
Otra FDP conocida en hidrologa es la funcin de 3
S : Desviacin tpica al cubo.
Distribucin de Goodrich, la que posee la cualidad de eliminar P(p): Funcin auxiliar de Goodrich.
valores extremos, es decir aquellos cuya probabilidad de ocurrencia S2 : Varianza muestral.
es muy pequea. Por lo mismo, consigue suprimir las distorsiones : Funcin Gamma.
que pueda provocar un slo valor anmalo. Posee la siguiente x : Media muestral.
funcin de distribucin de probabilidad (Pizarro et. al., 1993). e : Constante de Neper

Finalmente, despejando la variable aleatoria x de la funcin

Distribucin de Goodrich:
de distribucin de probabilidad de Goodrich, se obtiene lo siguiente:

P( x X ) F ( X ) 1 ea( xx1 )
1/ p

(Ecuacin 2)

Para X1< X
 ln( 1 F ( X ))P
1
1
x x1 n (ln x i a) 2 2
a p

i 1 n
Donde:
Una tercera FDP importante de considerar importante es la : Representa el valor a asumir por la variable aleatoria
Distribucin Log-Normal, la cul tiene la desventaja sobre la , : Parmetros
distribucin normal de que est limitada a (X>0) y tambin que la e: Constante de Neper
transformacin Log tiende a reducir la asimetra positiva
comnmente encontrada en la informacin hidrolgica, debido a En el mismo caso que la distribucin normal, se asigna z como una
que al tomar los logaritmos, se reduce una proporcin mayor de los variable estandarizada:
nmeros grandes en relacin a los pequeos (Chow et. al. 1994).
Presenta la siguiente funcin de distribucin de probabilidad: ln x a
z

Distribucin Log-Normal:
2
Y la probabilidad se encuentra en la tabla Normal, donde el
x 1 ln x a

1 2

2x 0
F ( x) e dx valor de la variable x es:

(Ecuacin 3)
x e *z a (Ecuacin 3 modificada)

Donde los parmetros existentes que se basan en los La ltima Funcin a estudiar es la Distribucin Pearson Tipo
logaritmos de la variable aleatoria, estn definidos de la siguiente III, la cul se aplic por primera vez en la hidrologa por Foster
forma: (1924), para poder describir la probabilidad de caudales mximos
anuales. Cuando la informacin es muy asimtrica positivamente, se
n
ln xi utiliza una transformacin Log para reducir su asimetra, la cual se
a
i 1 n presenta de la siguiente forma (Chow et. al., 1994):
 Asimismo la variable estandarizada y se presenta a continuacin:
Distribucin Pearson Tipo III:
x
y
a
x
x
x
1

0

F ( x) e dx Posteriormente, el ajuste, se realiza a travs de la tabla chi-
(Ecuacin 4) cuadrado, donde:

x2 2y
Donde los parmetros de la distribucin pueden ser 2
estimados en funcin del promedio ( x ) y desviacin estndar (S) de
la muestra, por medio de las siguientes expresiones: Por lo tanto, el valor que asume la variable aleatoria x a partir de lo
anteriormente sealado, se define como:
2
2

S ; ; x
x ya (Ecuacin 4 modificada)

Y la probabilidad es obtenida a travs de los valores

Donde: presentes en la tabla de percentiles de la distribucin x2, con n
grados de libertad.
n
( xi x) 3 / n
, : Coeficiente de sesgo
i 1 S3 Los resultados del estudio de Kroll y Vogel (2002, en 1505
estaciones de Estados Unidos, determinan que la funcin de
e : Constante de Neper Pearson Tipo III, es la que mejor representa a las series de caudales
, y : parmetros mnimos intermitentes, donde se presentan descargas con valores
S: Desviacin tpica cero.
x : media aritmtica
 Al contar con los ajustes necesarios de estas 4 FDP se desea
representar en este trabajo cul es la que mejor representa la
tendencia y comportamiento de los caudales punta, para esto se
presenta la siguiente metodologa de trabajo:
3. METODOLOGA
El ejemplo a considerar contempla la estacin Ro Maipo en
El Manzano (Latitud Sur: 3335; Longitud Oeste: 7022), ubicada
en la Regin Metropolitana y para ejemplificar se considerar un
perodo de registro que est comprendido entre los aos 1993
2007 (15 datos anuales de caudales mximos instantneos).
Figura 1: Estacin Fluviomtrica
3.1. Tratamiento inicial de la informacin y clculo de Estadgrafos
Para cada serie de datos, se determinaron por una parte, los
estadgrafos de posicin, tambin llamados de tendencia central,
para indicar alrededor de qu valor se agruparon los datos
obtenidos, como es el caso de la media, y por otra parte, los
estadgrafos de dispersin. Estos estadgrafos o estadsticos, extraen
informacin de una muestra, indicando las caractersticas de la
poblacin:
Media : Es el valor esperado de la variable misma o primer
momento respecto al origen. Muestra la tendencia central
de la distribucin y su valor estimado a partir de la muestra
es:
1 n
x n xi
n i 1
Desviacin Estndar: Es una medida de la variabilidad, ya
que es la raz cuadrada, de los cuadrados de las diferencias
y, su valor estimado, se denota como:
1 n
S
n 1 i 1
( x x) 2
 En la siguiente tabla se entrega la informacin fluviomtrica de 3.2. Clculo de la FDP de Gumbel
la estacin a trabajar y los estadgrafos media y desviacin estndar
necesarias para comenzar a ajustar las funciones: Posteriormente, con el resultado de los estadsticos media y
desviacin estndar, se procede a ajustar las series anuales de
Tabla N1: Informacin de Caudales Punta Estacin Rio Maipo caudales mximos anteriormente presentados. Para esto es preciso
determinar los parmetros de la primera funcin considerada,
en El Manzano, vlida para el clculo de las FDP.
(Gumbel). Como antecedente, este ejemplo puede ser acotado para
otras variables hidrolgicas de igual forma, como por ejemplo son
N orden Ao Caudal Orden las precipitaciones mximas.
Maximo Creciente
1 1993 1112,40 90,99
2 1994 403,60 134,84 Determinacin de parmetros y d:
3 1995 333,080 166,91
200,61 1
4 1996 134,840 d x 0,450047 * S
5 1997 596,80 219,01 0,779696 * S
6 1998 166,909 226,30
7 1999 226,296 333,08 S = desviacin estndar de la muestra
8 2000 571,723 403,60 = media de la muestra.
9 2001 678,425 471,72
10 2002 558,946 558,95 Tabla N2: Parmetros Gumbel
11 2003 219,012 571,72 D
12 2004 200,612 596,80 0,004590323
13 2005 711,504 678,43
14 2006 471,720 711,50 306,0642297
15 2007 90,993 1112,40
promedio 431,79
desvest 279,39
 Una vez determinados los parmetros de Gumbel, se debe
ajustar la FDP para esto, primero se debe ordenar la variable
aleatoria en forma creciente, posteriormente se debe determinar la
frecuencia observada acumulada Fn(x) y la frecuencia terica
acumulada F(x). Las frecuencias observadas se calculan ordenando
en forma ascendente la siguiente expresin de Weibull:
(Ecuacin 5)
Donde:
Para finalizar con el ajuste, se debe comprobar la calidad del
ajuste, para esto se contrastaran 2 pruebas el Test de Kolmogorov-
Smirnov (test K-S) y el Coeficiente de Determinacin (R2).
El primero se calcula mediante la obtencin del supremo de
las diferencias (ver tabla 3), que consiste en determinar el valor
absoluto de la mxima diferencia entre las frecuencias observadas y
acumuladas. Esta diferencia se denomina por la letra Dc y su
expresin es la siguiente:

Fn(X) = Frecuencia Observada Acumulada. (Ecuacin 6)

n = Nmero del dato n.
N = Nmero total de datos. Donde:
Dc = Supremo de las Diferencias.
Por su parte, la frecuencia terica acumulada de la funcin Fn(X)i = Frecuencia Observada Acumulada.
de Gumbel se obtiene a travs de la siguiente expresin, donde se F(X)i = Frecuencia Terica Acumulada.
consideran los parmetros y la variable ordenada que corresponda
para los 15 datos ejemplificados:
Una vez obtenido el supremo de las diferencias, se compara
con el valor de la tabla Kolmogorov-Smirnov. Si el valor obtenido de
0,00459032
3 ( x 306,064229
F ( X ) e e
7)
la tabla K-S (Dt), (Tabla Anexa N1) es mayor que el supremo de las
diferencias (Dc), se puede aceptar la hiptesis nula (Ho) que indicara
que se est en presencia de un buen ajuste con el nivel de confianza
asumido (Dt > Dc).

Por otra parte para calcular el Coeficiente de Determinacin

2
(R ) se debe considerar la ecuacin 7. Dicho Coeficiente es un
indicador que mide cul proporcin o porcentaje de la variacin
total de la variable dependiente, es explicada por el modelo de Tabla N3. Ejemplo para el ajuste de la FDP de Gumbel
regresin (Gujarati, 1992):

1
N orden Ao Caudal Orden Frecuencia Frecuencia Terica Dc
2 ( F ( x) F ( x) )
n i i
2
Maximo Creciente Relativa Fn (X) Gumbel F(X) SUP
R
( F ( x) F x )
n i n i
2
(Ecuacin 7) 1 1993 1112,40 90,99 0,063 0,0683 0,006
2 1994 403,60 134,84 0,125 0,1114 0,014
3 1995 333,080 166,91 0,188 0,1504 0,037
Donde: 4 1996 134,840 200,61 0,250 0,1974 0,053
5 1997 596,80 219,01 0,313 0,2251 0,087
R2 : Coeficiente de determinacin; 0R21 6 1998 166,909 226,30 0,375 0,2364 0,139
Fn xi : Media de las frecuencias observadas acumuladas 7 1999 226,296 333,08 0,438 0,4134 0,024
Fn ( x) i : Frecuencia observada 8 2000 571,723 403,60 0,500 0,5278 0,028
F ( x )i : Frecuencia terica acumulada 9 2001 678,425 471,72 0,563 0,6266 0,064
10 2002 558,946 558,95 0,625 0,7311 0,106

A continuacin, se presenta en la Tabla N3 el clculo de la 11 2003 219,012 571,72 0,688 0,7442 0,057
frecuencia observada acumulada Fn(x), la frecuencia terica 12 2004 200,612 596,80 0,750 0,7685 0,019
acumulada F (x) y el Supremo de las diferencias que se explica con 13 2005 711,504 678,43 0,813 0,8344 0,022

posterioridad: 14 2006 471,720 711,50 0,875 0,8560 0,019

15 2007 90,993 1112,40 0,938 0,9756 0,038

N Ao Dato Orden (Ecuacin 5) (Ecuacin 1) (Ecuacin 6)

(Ndatos) As cendente
 Por otra parte, en la Tabla 4 se presentan los resultados de La forma de calcular el R2, para que quede mejor
las pruebas de bondad del ajuste (Test Kolmogorov-Smirnov y ejemplificado y de acuerdo a la Tabla 3 es la siguiente:
Coeficiente de Determinacin), para el ejemplo de la funcin de
Gumbel desarrollado. 15 (0,063 0,0683) 2 (0,125 0,1114) 2
R 2 1 ........
1 ( 0,063 0,5) 2
( 0,125 0,5) 2

Tabla N4. Resultados tests de bondad del ajuste Gumbel
Gumbel Como ltimo punto relacionado con la FDP Gumbel y para
2
FDP Ajustada Dc Dt Ajuste K-S R ejemplificar de mejor forma el ejercicio, es necesario conocer el
Gumbel 0,139 0,338 Acepta Ho 0,951 valor a asumir por la variable aleatoria (caudal, precipitacin etc.)
para cierto perodo de retorno asociado, de tal manera de poder
predecir posibles eventos futuros y poder tomar decisiones de
Donde:
gestin. Para esto se pretende despejar dicha variable y calcular su
valor asociado a 10, 20 y 50 aos. El despeje se presenta a
A = Se acepta el ajuste.
Dc = Supremo de las diferencias. continuacin:
d ( x )
F ( x) ee
Dt = Valor tabla K-S.
R2 = Coeficiente de determinacin.

Los resultados de esta tabla indican que el valor Dc=0,139, es Al despejar el valor de la variable aleatoria de la funcin
menor que el valor Dt=0,338, obtenido de la tabla K-S con un 95% de original, se obtiene lo siguiente:
confianza ( a = 0,05 con n = 15), con lo cual se cumple la condicin
de un buen ajuste K-S. ln(-ln(F(x )))
x -
d
Por otra parte el Coeficiente de Determinacin R2 alcanza un
95,1%, lo que tambin indica un buen ajuste del modelo, por lo que Donde:
se puede indicar que la FDP Gumbel es una Distribucin que se
ajusta bien a los datos de caudales presentados en el ejemplo. : Representa el valor a asumir por la variable aleatoria
e: Constante de Neper
y d: Parmetros
3.3. Clculo de la Probabilidad de Excedencia ln(-ln(F(0 ,966)))
x 306,065 - 1039
0,00459
En la Tabla N5, se entregan los valores de caudales
mximos asociados a los perodos de retorno nombrados Lo que indicara que considerando dicha serie de datos y un
anteriormente, de acuerdo a los valores despejados de la variable x perodo de retorno de 30 aos, el valor del caudal punta podra
y a los parmetros asociados. Para esto se debe considerar que la adquirir un valor igual o inferior a:
probabilidad de excedencia: Es la probabilidad asociada al perodo
m3
de retorno, y viene dada por la siguiente expresin: 1039
s
.
P (x>X) = 1
T Por lo tanto considerando los perodos de retorno 10, 20 y
50 aos para el ejercicio se presenta la siguiente tabla de resultados:
En otras palabras la probabilidad de que la variable aleatoria
tome un valor igual o inferior a cierto nmero X, est dada por la
funcin de distribucin de probabilidad F(X).
Tabla N5: Probabilidad de Caudales Mximos para los Distintos
Perodos de Retorno segn Gumbel.
1
F ( x) P( x X ) 1
T Perodo de Probabilidad Probabilidad Gumbel
retorno de excedencia de no excedencia
Por ejemplo para un perodo de retorno (T) de 30 aos: 10 0,100 0,900 796
20 0,050 0,950 953
1 50 0,020 0,980 1156
F ( x) 1 0,96
30
De esta forma se ha trabajado con la FDP Gumbel, por lo
tanto se procede a realizar todo el ejercicio, desde la obtencin de
El valor de la variable aleatoria asumiendo ese perodo parmetros, los ajustes, la comprobacin de la calidad del ajuste y el
debiera ser: valor estimado de la variable asociada a diversos perodos de
retorno, para las 3 FDP restantes:
 Para poder realizar los ajustes respectivos de la FDP
3.4. Clculo de la FDP de Goodrich Goodrich:

Con la serie de datos original pertenecientes a la Tabla N1, la

F ( X ) 1 e a( xx1 )
1/ p

cual se presenta a continuacin se procede a calcular los parmetros

de esta FDP.
Es necesario contar con los parmetros p , a y X1 , de los
Tabla N1: Informacin de Caudales Punta Estacin Rio Maipo cules su forma de obtener se detalla a continuacin:
en El Manzano, vlida para el clculo de las FDP.
m3
P p
N orden Ao Caudal Orden s3
Maximo Creciente
1
2
1993
1994
1112,40
403,60
90,99
134,84
a2p
1
2

2 p 1 2 p 1
s
3 1995 333,080 166,91
4 1996 134,840 200,61 ( p 1)
5 1997 596,80 219,01 X1 x
ap
6 1998 166,909 226,30
7 1999 226,296 333,08 S3 : Desviacin tpica al cubo.
8 2000 571,723 403,60 P(p): Funcin auxiliar de Goodrich.
9 2001 678,425 471,72 S2 : Varianza muestral.
10 2002 558,946 558,95 : Funcin Gamma.
11 2003 219,012 571,72
12 2004 200,612 596,80
x : Media muestral.
13 2005 711,504 678,43
14 2006 471,720 711,50 Para obtener p , primero es necesario conocer m 3
15 2007 90,993 1112,40 (momento de orden tres), el cual se define como la sumatoria de los
promedio 431,79 desvos de la serie de datos, con respecto a su respectiva media,
desvest 279,39 elevado al cubo y cuya sumatoria se divide por el nmero total de
datos:
 El segundo parmetro a calcular es a , el cual se obtiene de:
n ( xi x ) 3

m3
n
a2p
1
2

2 p 1 2 p 1
i 1 s

Para este ejemplo dicha sumatoria se debe calcular de la Para esto se debe consideran S2, que corresponde a la
Varianza muestral y (Funcin Gamma), esta ltima se obtiene
siguiente forma: teniendo presente lo siguiente:
(90,99 431,79) 3 (134,84 431,79) 3
15
( p ) = ( p 1)!
m3 .....
i 1 15 15 ( p +1) = p!= p ( p )
( p 1) = ( p 2) ( p 2)

Es necesario obtener P p , para esto m se divide por S

3 3
Se utiliza la tabla de valores de la funcin Gamma, que
(Desviacin estndar a cubo): tambin se encuentra al final del captulo, en este caso es la la Tabla
Anexa N3, donde se debe entrar por la parte izquierda, y ubicando
m3 el segundo decimal, se determina la fila y columna que expresa el
P p valor a asumir por la funcin.
s3

Con el valor de P( p) se obtiene en la Tabla denominada Por lo tanto, en algunas ocasiones no ser posible aplicar
directamente la tabla, por lo cual se debe hacer una transformacin,
Valores de la Funcin P( p) Auxiliar de Goodrich que se presenta al
la que en trminos generales puede plantearse como:
final de este documento, y corresponde a la Tabla Anexa N2, se
obtiene p , interpretado por el valor P( p) ubicado en la derecha de ( p + m) = ( p + m 1)( p + m 2)( p + m 3)............( p + m n)r( p)
la Tabla. con 1 p 1.99
Para el caso del ejercicio el valor obtenido es necesario
interpolarlo ya que los valores de P( p) se encuentran entre
0,737553 y 0,764037.
 Un ejemplo para aclarar cmo se obtienen los valores A continuacin se presentan los parmetros a , p y X1 .
2 p 1 2 p 1 , que es la parte ms compleja dentro de la
expresin, es el siguiente: Tabla N 6: Parmetros Goodrich
p 0,5448855
Si p 0,6 :
a 0,0000092
Para p 1 1,6 entonces al buscar en la tabla de valores X1 -62,039074
de la funcin Gamma ( ) de 1,6, se obtiene p 1 0,894 , por
De acuerdo a la ecuacin 2, y considerando los parmetros
lo tanto 2 p 1 0,894 0,799 .
2

calculados recientemente la frecuencia Terica queda expresada de

Y para este caso 2 p 1 2,2 entonces como el valor de la siguiente forma:
2,2 no se encuentra en la tabla se procede a descomponer de esta
forma: 2,2 (1,2 1 1) * (1,2) 1,2 * 0,918 1,1016 F(X ) 1 e
0.00000092( x 62, 039074 )1 / 0 , 5448855

Por lo tanto para despejar a la ecuacin final queda de la

siguiente forma: La frecuencia relativa se obtiene de igual forma que en el
ejercicio anterior, considerando:
1
1
2p
a 2 2 p 1 2 p 1
s
(Ecuacin 5)
Como ltimo punto para despejar X1 solo se debe
considerar los valores ya obtenidos anteriormente e incluir x : Donde:
Media muestral del total de los datos.
Fn(X) = Frecuencia Observada Acumulada.
( p 1) n = Nmero del dato n.
X1 x N = Nmero total de datos
ap
A continuacin, en la Tabla 7 se ejemplifica el clculo de la
frecuencia observada acumulada Fn(x), frecuencia terica
acumulada F(x), y el Supremo de las diferencias Dc, tal como en el En la Tabla 8 se presentan los resultados de las pruebas de
ejemplo anterior. bondad del ajust (Test Kolmogorov-Smirnov y Coeficiente de
Determinacin). Los cuales se obtienen de las ecuaciones 7 y 8.
Tabla N7. Ejemplo para el ajuste de la FDP de Goodrich
Para la calidad del ajuste en la tabla 8 se observa el test de
N orden Ao Caudal Orden Frecuencia Frecuencia Terica Dc Kolmogorov-Smirnov (test K-S) donde debe ser comparado el Dc
Maximo Creciente Relativa Fn (X) Goodrich F(X) SUP mximo con el Dt igual como en el ejemplo de Gumbel a travs de
1 1993 1112,40 90,99 0,063 0,0894 0,027 las ecuacin 6, esto se realiza al nivel de confianza del 95% y con un
2 1994 403,60 134,84 0,125 0,1382 0,013 n observado de 15 datos.
3 1995 333,080 166,91 0,188 0,1781 0,009
4 1996 134,840 200,61 0,250 0,2231 0,027 Por otra parte, para conocer el porcentaje de los datos
5 1997 596,80 219,01 0,313 0,2486 0,064 observados que son explicados por el modelo en este caso el
6 1998 166,909 226,30 0,375 0,2588 0,116
Coeficiente de Determinacin (R2) se utiliza la ecuacin 7, de igual
1999 226,296
forma que el ejercicio anterior.
7 333,08 0,438 0,4138 0,024
8 2000 571,723 403,60 0,500 0,5142 0,014
9 2001 678,425 471,72 0,563 0,6044 0,042 Tabla 8. Resultados tests de bondad del ajuste Goodrich
10 2002 558,946 558,95 0,625 0,7061 0,081
11 2003 219,012 571,72 0,688 0,7195 0,032 FDP Ajustada Dc Dt Ajuste K-S R2
12 2004 200,612 596,80 0,750 0,7446 0,005 Goodrich 0,116 0,338 Acepta Ho 0,97
13 2005 711,504 678,43 0,813 0,8157 0,003
14 2006 471,720 711,50 0,875 0,8400 0,035
15 2007 90,993 1112,40 0,938 0,9806 0,043 Los valores obtenidos de K-S muestran un Dc=0,116, menor
que el valor Dt=0,338, aceptndose la Hiptesis Nula de un buen
ajuste. Para el caso del Coeficiente de Determinacin R2 se presenta
un 97%, lo que tambin indica un buen ajuste del modelo. Por lo
N Ao Dato Orden (Ecuacin 5) (Ecuacin 2) (Ecuacin 6)
que el ajuste de Goodrich es ptimo al igual que el caso de Gumbel.
Los valores mencionados anteriormente se presentan a
(Ndatos) Ascendente
continuacin:

Por otra parte para conocer el valor asumido por la variable
aleatoria asociado a los perodos de retorno estudiados 10, 20 y 50
aos, se realiza el despeje de la siguiente FDP:
F ( X ) 1 e a( xx1 )
1/ p
3.5. Clculo de la Probabilidad de Excedencia
Se procede a entregar la Tabla N9, con los valores de
caudales mximos asociados a los perodos de retorno, de acuerdo
al despeje de la variable x, junto con los parmetros asociados a la
funcin de Goodrich.

Tabla N 9: Probabilidad de Caudales Mximos para los Distintos

Perodos de Retorno segn Goodrich.
Finalmente, despejando la variable aleatoria x de la funcin
de distribucin de probabilidad de Goodrich, se obtiene lo siguiente: Perodo de Probabilidad Probabilidad Goodrich
retorno de excedencia de no excedencia
10 0,100 0,900 812
x x1 p ln( 1 F ( X ))
1 P 20 0,050 0,950 947
a 50 0,020 0,980 1105

Donde: Estos valores son obtenidos del despeje anterior y se

asocian a los perodos de retorno nombrados. Como referencia se
: Representa el valor a asumir por la variable aleatoria. puede considerar el ejemplo de Gumbel, donde se muestra como al
p , a y X1 : Parmetros obtenidos anteriormente. despejar la variable aleatoria con la probabilidad asociada se puede
F(X): Probabilidad de no excedencia asociada al perodo de retorno: estimar dichos valores de caudales para el futuro.

A continuacin se presentan los resultados de la tercera

1 Funcin considerada Log-Normal:
F ( x) P( x X ) 1
T
3.6. Clculo de la FDP Log-Normal
, A continuacin se presenta la FDP Log-Normal
En primera instancia se presenta nuevamente la Tabla 1, la correspondiente a la ecuacin 3:
cual conserva los estadgrafos media y desviacin estndar por ser la
base con los mismos 15 datos para el ejercicio, los cules son x 1 ln x a
2

1

considerados para calcular los nuevos parmetros.
F ( x) e 2
dx
2x 0
Tabla N1: Informacin de Caudales Punta Estacin Rio Maipo
en El Manzano, vlida para el clculo de las FDP.
Los parmetros necesarios para este caso son los que se
basan en los logaritmos de la variable aleatoria, los cuales son los
N orden Ao Caudal Orden siguientes:
Maximo Creciente
1 1993 1112,40 90,99 n
ln x i
2 1994 403,60 134,84 a
3 1995 333,080 166,91 i 1 n
4 1996 134,840 200,61
Para el caso de a cada valor de la variable ordenada se le
5 1997 596,80 219,01
calcula el ln de cada dato, se sumay se divide por el n de datos que
6 1998 166,909 226,30
es en este caso 15, por lo tanto el ejercicio partira de la siguiente
7 1999 226,296 333,08
forma:
8 2000 571,723 403,60
9 2001 678,425 471,72
10 2002 558,946 558,95
2003 219,012 571,72 15
11 ln 90,99 ln 134,84
12 2004 200,612 596,80 a ..... .......
i 1 15 15
13 2005 711,504 678,43
14 2006 471,720 711,50
15 2007 90,993 1112,40
promedio 431,79
desvest 279,39
 El segundo parmetro de esta FDP es : De acuerdo a la ecuacin 3, considerando los parmetros
obtenidos la F(X) es la siguiente:
1
n (ln xi a) 2 2

2
1 ln x 5,852
1
x

0, 689

i 1 n F ( x)
2
e dx
2x0,689 0
El clculo se realiza de forma similar pero esta vez se
considera la diferencia los cuadrados de los ln y a (obtenido
Pero de acuerdo a la complejidad de la funcin que
anteriormente) dividida por n (15), en sumatoria, al final a todo este
considera una integral se debe estandarizar la expresin quedando
valor se le aplica raz o se eleva a .
expresada de la siguiente forma:

Por ejemplo si a = 4,5 en este caso el clculo sera de la ln x a

z
siguiente forma:
1
ln 90,99 4,5 ln 134,84 4,5 2 Para este caso incluyendo los parmetros de la funcin se
....... obtiene lo siguiente:
15 15
ln x 5,852
z
A continuacin se presentan los valores obtenidos de los 0,689
parmetros a y en el ejemplo de la FDP Log-Normal.

Tabla N 10: Parmetros Log-Normal Donde el clculo de la frecuencia terica F(X), se obtiene del
valor z, el cual se busca en la tabla normal estndar (Tabla Anexa
N4). Si el z es positivo la Frecuencia Terica es el valor directo que
a 5,852
se entrega en dicha tabla, pero si z es negativo el valor F(X) a asumir
0,689 es 1 el valor de z, pero dicho z debe ir en valor absoluto. Un
ejemplo de lo anterior es lo siguiente:
 Tabla N11. Ejemplo para el ajuste de la FDP Log-Normal
Si z = -1,95, entonces F(X) = 1 z(1,95), donde z(1,95)
=.0,9744, por lo tanto F(X) = 1- 0,9744 = 0,0256.
N Orden Ao Caudal Orden Frecuencia Frecuencia Terica Dc
Por otra parte la frecuencia relativa se obtiene de igual Maximo Creciente Relativa Fn (X) Log-Normal F(X) SUP
forma que en los ejercicios anteriores, considerando: 1993 1112,40
1 90,99 0,063 0,0256 0,037
2 1994 403,60 134,84 0,125 0,0853 0,040
3 1995 333,080 166,91 0,188 0,1423 0,045
4 1996 134,840 200,61 0,250 0,2119 0,038
(Ecuacin 5)
Donde: 5 1997 596,80 219,01 0,313 0,2514 0,061
6 1998 166,909 226,30 0,375 0,2676 0,107
Fn(X) = Frecuencia Observada Acumulada. 7 1999 226,296 333,08 0,438 0,4761 0,039
n = Nmero del dato n. 8 2000 571,723 403,60 0,500 0,5871 0,087
N = Nmero total de datos.
9 2001 678,425 471,72 0,563 0,6700 0,108

A continuacin, en la Tabla N11 se presenta el clculo de la 10 2002 558,946 558,95 0,625 0,7549 0,130
frecuencia observada acumulada Fn(x), la frecuencia terica el Dc 11 2003 219,012 571,72 0,688 0,7642 0,077
con el supremo de dichas diferencias, para la Funcin Log-Normal, 12 2004 200,612 596,80 0,750 0,7823 0,032
de igual forma como los ejercicios anteriores. 13 2005 711,504 678,43 0,813 0,8340 0,022
14 2006 471,720 711,50 0,875 0,8508 0,024
15 2007 90,993 1112,40 0,938 0,9545 0,017

N Ao Dato Orden (Ecuacin 5) (Ecuacin 3 (Ecuacin 6)

(ndatos) Ascendente estandarizada)
 x e *z a
Posteriormente la Tabla 12 presenta los resultados de las
pruebas de bondad del ajuste (Test Kolmogorov-Smirnov y (Despeje de X en la Ecuacin 3 estandarizada)
Coeficiente de Determinacin). Estos se calculan de la misma forma
que en los ejercicios anteriores considerando las ecuaciones 7 y 8, a Donde:
partir de los datos obtenidos de la Tabla 11.
, a = Parmetros obtenidos
Tabla 12. Resultados tests de Bondad de Ajuste Log-Normal e = Constante de neper
FDP Ajustada Dc Dt Ajuste K-S R2 Y donde Z = es el valor que se obtiene de la Tabla Anexa N4,
Log-Normal 0,130 0,338 Acepta Ho 0,938 el cual se aproximo para este ejercicio, en este caso se ingresa con
una probabilidad y se obtiene Z, por ejemplo:

En la comparacin del test de Kolmogorov-Smirnov (Test K- Si se considera un

1
S) el Dc mximo con el Dt al nivel de confianza del 95% y con un n F ( x) 1 0,96 perodo de retorno T = 30
observado de 15 datos para el caso de Log-Normal se obtiene lo 30 aos, entonces:
siguiente: Dc = 0,116 es menor que el Dt = 0,338, por lo que el ajuste
es aceptable.

Por otra parte el porcentaje de los datos observados

explicados por el modelo a travs del Coeficiente de Determinacin Por lo tanto al ingresar a la tabla Z, con una probabilidad de
(R2) entregan un 93,8%, lo que es un valor alto y aceptable tambin. 0,96 se asume un Z = 0,9608 se obtiene un valor de Z aproximado de
1,76.
Para conocer el valor asumido por la variable aleatoria
Entonces con todos estos valores se despeja la variable
asociado a los 3 perodos de retorno estudiados es necesario
aleatoria, la cual se presenta a continuacin.
conocer el despeje de la variable aleatoria x, la cul de acuerdo a la
complejidad de la Funcin original esta se realiza de la
estandarizacin de z, obtenindose la siguiente frmula:
3.7. Clculo de la Probabilidad de Excedencia 3.8. Clculo de la FDP Pearson Tipo III

Con la expresin anterior se procede a entregar la tabla Para ejemplificar de forma ms clara la obtencin de los
N13, que incluyen los valores de caudales mximos asociados a los parmetros de esta FDP, es necesario nuevamente considerar la
perodos de retorno para la FDP Log-Normal, de acuerdo al despeje Tabla 1, que representa la base original de la informacin.
de la variable x.
Tabla N1: Informacin de Caudales Punta Estacin Rio Maipo
en El Manzano, vlida para el clculo de las FDP.
Tabla N 13: Probabilidad de Caudales Mximos para los Distintos
Perodos de Retorno segn Log-Normal.
N orden Ao Caudal Orden
Perodo de Probabilidad Probabilidad Log- Maximo Creciente
Retorno de excedencia de no excedencia Normal 1 1993 1112,40 90,99
10 0,100 0,900 846 2 1994 403,60 134,84
20 0,050 0,950 1085 3 1995 333,080 166,91
50 0,020 0,980 1439 4 1996 134,840 200,61
5 1997 596,80 219,01
Estos valores se asocian a los perodos de retorno 6 1998 166,909 226,30
considerados de acuerdo a la cantidad de datos y al ajuste obtenido 7 1999 226,296 333,08
a travs de Log-Normal 8 2000 571,723 403,60
9 2001 678,425 471,72
10 2002 558,946 558,95
Finalmente se presentan los resultados de acuerdo a la FDP 11 2003 219,012 571,72
Pearson Tipo III.
12 2004 200,612 596,80
13 2005 711,504 678,43
14 2006 471,720 711,50
15 2007 90,993 1112,40
promedio 431,79
desvest 279,39
 Los parmetros necesarios para ajustar la distribucin
Pearson Tipo III, son , y , los cuales pueden ser estimados en A continuacin se presentan los valores obtenidos de los
funcin del promedio ( x ) y desviacin estndar (S) de la muestra, parmetros a y en el ejemplo de la FDP Log-Normal.

pero en primera instancia se requiere calcular del coeficiente de Tabla N 14: Parmetros Pearson Tipo III
sesgo , el cual presenta la siguiente frmula:
104,841
n
( xi x) / n
3

, : Coeficiente de sesgo 7,102
i 1 S3 -312,766

Por lo tanto a partir del coeficiente de sesgo , se pueden

calcular los restantes parmetros, ahora se ejemplifica la forma de De acuerdo a la ecuacin 4, considerando los parmetros
calcularlo de acuerdo a los datos que se tienen considerados: obtenidos se obtiene la F(X) siguiente:

(90,99 431,79) 3 (134,84 431,79) 3 x 312, 766

x 312,766
x

1 312, 766

15
15

.. 15

...... ...
F ( x)
104,8417,102 0
e
312,766
dx
i 1
279 ,39 3 279 ,39 3

Para hacer menos compleja la FDP anterior se presenta

Con el valor de se obtienen los parmetros a finales los
estandarizada de la siguiente forma:
cuales se entregan en las siguientes expresiones:
2 x
2 y

S x a

En este caso incluyendo los parmetros seria:
, y : Parmetros directos de la funcin
S: Desviacin estndar x 312,766
x : Media aritmtica y
104,841
 Posteriormente con los valores de y obtenidos de la valor se obtiene que para X = 90,99 m3/s la frecuencia terica
expresin anterior, se procede a calcular la frecuencia terica del acumulada es 0,096. De esta forma se construye completamente el
ajuste, la cual corresponde a x 2 , con grados de libertad, F(X) Pearson Tipo III.

obtenidas de la Tabla de percentiles, x 2p de la Distribucin Chi- Para el caso de la frecuencia observada o frecuencia relativa
Cuadrado (Tabla Anexa N5). De no encontrarse el valor exacto, se se conserva la frmula:
aproxima al ms cercano, de lo contrario se procede a interpolar.

x2 2y
2 (Ecuacin 5)

Un ejemplo de cmo obtener dicha frecuencia terica Donde:

acumulada y considerando los datos originales es el siguiente:
Fn(X) = Frecuencia Observada Acumulada.
Para X = 90,99 m3/s (primer dato de la serie ordenada), n = Nmero del dato n.
entonces: N = Nmero total de datos.

90,99 312,766
y 3,8511 A continuacin, en la Tabla N15 se presentan los valores de
104,841 la frecuencia observada acumulada Fn(x), la frecuencia terica el Dc
con el supremo de dichas diferencias, tal como en el ejemplo
Entonces el valor x 2 2 y 2 * (3,8511) 7,702 anterior:

Ahora 2 2 * (7,102) 14,204 14

Por lo tanto se busca el valor en la Tabla anexa N5 de

x 7,702 y 14 grados de libertad, de lo que se obtiene que el
2

valor de probabilidad exacto se presenta entre 6,57 correspondiente

a un 0,05 y 7,79 correspondiente a 0,10, luego interpolando dicho
 Posteriormente la Tabla 16 presenta los resultados de las
Tabla N15. Ejemplo para el ajuste de la FDP Pearson Tipo III pruebas de bondad del ajuste (Test Kolmogorov-Smirnov y de R 2 ).

Para esto nuevamente se calculan las ecuaciones 7 y 8, a

N orden Ao Caudal Orden Frecuencia Frecuencia terica Dc partir de los datos obtenidos en este caso de la Tabla 11 y siguiendo
Maximo Creciente Relativa Fn (X) Pearson Tipo III F(X) SUP el primer ejemplo.
1 1993 1112,40 90,99 0,063 0,0964 0,034
2 1994 403,60 134,84 0,125 0,1466 0,022 Tabla N16. Resultados tests de bondad del ajuste Pearson Tipo III
3 1995 333,080 166,91 0,188 0,1847 0,003
PearGoodrich
4 1996 134,840 200,61 0,250 0,2247 0,025 FDP Ajustada Dc Dt Ajuste K-S R2
5 1997 596,80 219,01 0,313 0,2465 0,066 Pearson Tipo III 0,118 0,338 Acepta Ho 0,965
6 1998 166,909 226,30 0,375 0,2567 0,118
7 1999 226,296 333,08 0,438 0,4210 0,016
8 2000 571,723 403,60 0,500 0,5241 0,024 Se comprueba la calidad del ajuste, con las ecuaciones 6 y 7
9 2001 678,425 471,72 0,563 0,6096 0,047 consideradas para las 2 pruebas ya utilizadas obtenindose para el
10 2002 558,946 558,95 0,625 0,7190 0,094 test de Kolmogorov-Smirnov (test K-S) un Dc = 0,118 menor el
11 2003 219,012 571,72 0,688 0,7351 0,048 mismo Dt = 0,338 obtenido para todos ejemplos realizados, por lo
12 2004 200,612 596,80 0,750 0,7594 0,009 que se acepta Ho.
13 2005 711,504 678,43 0,813 0,8178 0,005
2006 471,720
Mientras que para el Coeficiente de Determinacin (R2) se
14 711,50 0,875 0,8415 0,034
alcanza un 96,5 %, lo que referencialmente es bastante bueno
15 2007 90,993 1112,40 0,938 0,9804 0,043
tambin. Los resultados se presentan a continuacin:

Para conocer el valor asumido por la variable aleatoria

N Ao Dato Orden (Ecuacin 5) (Ecuacin 4 (Ecuacin6) asociado a los 3 perodos de retorno estudiados es necesario
(ndatos) Ascendente modificada) conocer el despeje de X, la que tambin al ser una FDP compleja se
le realiza un despeje pero con los valores de y obtenidos de la
expresin x 2 asociada a la ecuacin presentada anteriormente la De esta forma se obtienen los parmetros para poder
cual representa a x de la siguiente forma: calcular el valor a asumir por la variable aleatoria que para la
probabilidad de excedencia se consideran los perodos de retorno
x ya (Despeje de la Ecuacin 4 modificada) 10, 20 y 50 aos al igual que en los ejercicios anteriores.

Los valores de a, fueron los parmetros obtenidos 3.9. Clculo de la Probabilidad de Excedencia
anteriormente, mientras que el caso de y se obtiene de la ecuacin:
Con la expresin anterior se procede a entregar la tabla
x 2y
2
14 grados N17, que incluyen los valores de caudales mximos asociados a los
perodos de retorno para la FDP Pearson Tipo III, de acuerdo al
despeje de la variable x, segn la ecuacin anterior y considerando
Por ejemplo si se considera se considera un perodo de 40 las ecuaciones x 2 2 y , 2 .
aos:
Tabla N 17: Probabilidad de Caudales Mximos para los Distintos
1 Perodos de Retorno segn Pearson Tipo III.
F ( x) 1 0,75
40
Perodo de Probabilidad Probabilidad Pearson
retorno de excedencia de no excedencia Tipo III
A lo que le correspondera segn la Tabla Anexa N5: 10 0,100 0,900 793
20 0,050 0,950 930
x02,975 2 y 26,1
50 0,020 0,980 1108

Para finalizar se presenta como cuadro resumen los Testsde

Asumiendo los 14 grados de libertad, por lo tanto el valor Bondad de Ajuste de las 4 FDP y se procede a elegir la que mejor
de: representa la tendencia de los datos considerados en el ejercicio:

y 13,05
Tabla N18: Resumen FDP y test de bondad de ajuste REFERENCIAS BIBLIOGRFICAS

Diferencia Aguilera, M.A. 2007. Anlisis de las funciones de distribucin de

FDP Ajustada Dc Dt Ajuste K-S R2 probabilidad para caudales mximos en la Regin del Maule. Talca,
entre Dt y Dc
Chile. Universidad de Talca, Facultad de Ciencias Forestales. 86 p.
Gumbel 0,139 0,338 0,1990 Acepta Ho 0,951
Aparicio, F. 1997. Fundamentos de Hidrologa de Superficie. 11 ed.
Goodrich 0,116 0,338 0,2220 Acepta Ho 0,970 Mxico. Editorial Limusa S.A. 303 p.
Log-Normal 0,13 0,338 0,2080 Acepta Ho 0,938
Pearson Tipo III 0,118 0,338 0,2200 Acepta Ho 0,965 Ashakar, F.; T.B.M.J Ouarda, R. Roy and B. Bobe. 1993. Robust
estimators in hydrologic frequency analysis, in Engineering
Por lo tanto la Funcin que entrega una diferencia mayor Hydrology. Edited by C.Y, Am. Soc. Civ. Eng. 347-352 p.
entre el valor de tabla y el valor crtico supremo en la prueba K-S, es
Goodrich, lo que estara indicando una leve inclinacin a un mejor Blazkova, S.; Beven, K.; 2003. Flood frequency estimation by
ajuste de los datos presentados, sobre todo si tambin se presenta continuos simulation of subcatchment rainfalls and discharges with
el mayor R2 de las 4 Funciones. the aim improving dam safety assessment in a large basin in the
Czech Republic. Journal of hydrology. 294 (1-4) 153-172. Consultado
Estos resultados demuestra lo que algunos estudios indican
03 Junio 2008. Disponible en base de datos Science Direct.
como por ejemplo Blazkova y Beven (2003), determinan la
probabilidad de excedencia asociada para los caudales a travs de
Casassa, G.; Echelmeyer, K.; Neumman, T.; Raymond, Ch.; Rignot, E.;
Goodrich, encontrando mayor claridad para la evaluacin del grado
Rivera, A. 2005. Reatreat of Glaciar Tyndall, Patagonia, over the last
de seguridad en el funcionamiento de obras para mitigar eventos
half-century. Journal of Glaciology. 51 (1) 239-247. Consultado 28
extremos. Sin embargo otros autores siguen proponiendo el uso de
Jul. 2008. Disponible en
las 4 funciones para ajustar valores extremos, dado que va a
http://www.glaciologia.cl/textos/raymd.pdf
depender del espacio geogrfico donde se est estimando, la
variabilidad, la cantidad de datos con que se cuente, entre otros.
Chavarri, E. 2004. Curso IA-4026, Hidrologa Aplicada. (en lnea).
Consultado 19 nov. 2007. Disponible en
http://tarwi.lamolina.edu.pe/ ~echavarri/echv_7.html

Chow, V.; Maidment, D.; Mays, L. 1994. Hidrologa aplicada.

Colombia. Editorial McGraw-Hill. Interamericana S.A. 584 p.

Combes, S.; Prentice, M.; Hansen, L.; Rosentrater, L. 2002. Climate
change and global glacier decline. (en lnea). Consultado 06
diciembre 2007. Disponible en:
http://www.wwf.fi/wwf/www/uploads/pdf/glaciersraportti.pdf
Foster, H. 1988. Theoretical frequency curves and their application
to engineering problems. Trans. Am. Soc. Civ. Eng. 87 (2) 142-173.
Kroll, C.; Vogel, R. 2002. The probability distribution of low
streamflow series in the Unit United States. Journal of Hydrologic
Engineering. EEUU. ASCE, 7(2), 137-146.
Linsley, R.; Kohler, M.; Paulus, J. 1988. Hidrologa para ingenieros. 2
ed. Mxico. Editorial McGraw-Hill Interamericana S.A. 386 p.
Llamas. 1993. Hidrologa General. Edicin espaola. Servicio
Editorial Universidad del Pas Vasco. 635 p.
Miller N., Bashford K. ,Strem E. 2003. Potential Impacts of Climate
Change on California hydrology Journal of the American Water
Resources Association 39 (4), 771784. Consultado 13 junio 2008.
Disponible en base de datos Dialnet.
Morales, C. M. 2005. Anlisis de las escorrentas mensuales y
anuales de la cuenca del Lontu y la potencial influencia glaciar en la
produccin de agua. Talca, Chile. Universidad de Talca, Facultad de
Ciencias Forestales. 127 p.
Muoz, M.F. 2004. Anlisis de algunas de las variables hidrolgicas y
su ajuste a funciones de distribucin de probabilidad, en tres
cuencas de la Regin del Maule. Talca, Chile. Universidad de Talca,
Facultad de Ciencias Forestales. 86 p.
Ollero, A.1996. El curso medio del Ebro: geomorfologa fluvial,
ecogeografa y riesgos. (en lnea). Consultado 26 Jun. 2008.
Disponible en
http://www.ingeba.euskalnet.net/lurralde/lurranet/lur20/
200oller/ollero20.htm
noz, B.; Bayazit, M. T. 2001. Effect of the occurrence process of the
peaks over threshold on the flood estimates. Journal of hydrology.
224 (1-2) 86-96.
Consultado 06 Abril 2008. Disponible en base de datos Sicence
Direct.
Paoli C.; Cacik P.; Bolzicco J. 1998. Anlisis de riesgo conjunto en la
determinacin de crecidas de proyectos de rgimenes complejos.
(en lnea). Consultado 24 nov. 2007. Disponible en
https://upcommons.upc.edu/revistes/bitstream/2099/2986/1/52art
i cle.pdf
Pizarro, R.; Gonzlez, P.; Wittersheim, M.; Saavedra, J.; Soto, C.
1993.
Elementos tcnicos de Hidrologa III. Proyecto regional sobre el uso
y conservacin del recurso hdrico en reas de Amrica Latina y el
Caribe. Talca, Chile. Editorial Universidad de Talca. 136 p.
Pizarro, R.; Novoa, P. 1986. Elementos tcnicos de Hidrologa I.
Instructivos tcnicos. La Serena, Chile. Corporacin Nacional
Forestal, Ministerio de Agricultura. 57 p.

Pizarro, R.; Morales, C; Moran, L.; Vargas, J.; Sanguesa, C.; Godoy, C.;
2006. Informe Pas. Estado del Medio Ambiente en Chile 2005.
Santiago. Chile. Captulo 2. Aguas Continentales. Instituto de
Asuntos Pblicos, Universidad de Chile. Editorial LOM. 371 p.

Sullivan, A.; Ternan, J.; Williams, A. Land use change and

hydrological response in the Camel catchment, Cornwall. Applied
Geography. 24 (2) 119-137. Consultado 06 diciembre 2007.
Disponible en base de datos Science Direct.

Varas, E.; Bois, P. 1998. Hidrologa probabilstica. Santiago. Chile.

Editorial Universidad Catlica de Chile. 156 p.

Waylen, P.; Woo , M. Prediction of Annual Floods Generated by

Mixed Processes. Water Resources Research. 18 (4) 1283-1286.
Consultado 03 Junio 2008. Disponible en base de datos CSA.

Yue, S.; Ouarda, T.; Bobe, B.; 2006, Legendre; P.; Bruneau, P. The
Gumbel mixed model for flood frequency analysis. Journal of
hydrology. 226 (1-2) 88-100. Consultado 06 diciembre 2007.
Disponible en base de datos Sicence Direct.