UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ

Creada mediante Ley Nº 2001-38, publicada en el Registro Oficial 261

Del 7 de Febrero de 2001
FACULTAD DE CIENCIAS TÉCNICAS
CARRERA DE INGENIERÍA CIVIL
CUARTO SEMESTRE A1

ASIGNATURA:
Hidrología

TEMAS:
 Análisis estadístico de datos hidrológicos
 Relaciones precipitación - escurrimiento

NOMBRE:
Santana Quijije Edgar Alexy

DOCENTE:
Ing. Martha Álvarez

PERÍODO:
MAYO – SEPTIEMBRE 2018
 ANALISIS ESTADISTICO DE DATOS HIDROLOGICOS

El análisis estadístico consiste en parametrizar un conjunto de datos con el fin de

extrapolar y conocer eventos venideros. Los procesos hidrológicos evolucionan en el
espacio y en el tiempo en una forma que es parcialmente predecible, o determinística, y
parcialmente aleatoria. En algunos casos la variabilidad aleatoria del proceso es tan
grande comparada con la variabilidad determinística, que se justifica que el hidrólogo
trate el proceso como puramente aleatorio. De esta manera, el valor de una observación
del proceso no está correlacionada con los valores de observaciones adyacentes, y las
propiedades estadísticas de todas observaciones son iguales.

Cuando no existe correlación entre observaciones adyacentes, la salida de un sistema

hidrológico es tratada como estocástica, independiente del espacio e independiente del
tiempo, en el esquema de clasificación mostrado en la siguiente figura

Este tipo de tratamiento es apropiado para observaciones de eventos hidrológicos

extremos, como crecientes o sequias, y para información hidrológica promediada a lo
largo de intervalos de tiempo grandes, como la precipitación anual. Este tema describe
información hidrológica de procesos enteramente aleatorios utilizando parámetros y
funciones estadísticos. Los métodos estadísticos están basados en principios matemáticos
que describen la variación aleatoria de un conjunto de observaciones de un proceso, y
estos centran su atención en las observaciones mismas en lugar de los procesos físicos
que las producen. La estadística es una ciencia de descripción, no de casualidad.
AJUSTE DE DATOS A UNA DISTRIBUCIÓN DE PROBABILIDADES

Una distribución de probabilidades es una función que representa la probabilidad de

ocurrencia de una serie pluviográfica. En Estadística existen varias funciones de
distribución de probabilidad teórica y en su mayoría no es posible probarlas todas para
un problema en particular

TABLA DE FUNCIÓN DE DENSIDAD DE PROBABILIDAD QUE SE AJUSTAN

A DATOS HIDROLÓGICOS

PRUEBAS ESTADISTICAS PARAMETRICAS

Se llaman así porque su cálculo implica una estimación de los parámetros de la población
con base en muestras estadísticas. Mientras más grande sea la muestra más exacta será la
estimación, mientras más pequeña, más distorsionada será la media de las muestras por
los valores raros extremos

SUPOSICIONES QUE SUBYACEN A LA UTILIZACIÓN DE LAS PRUEBAS

PARAMÉTRICAS.

 El nivel de medición debe ser al menos de intervalo. Frecuentemente aparecen

como intervalo, pero lo reducimos a nivel ordinal al darles rango.
  La mayoría de las muestras son demasiado pequeñas para siquiera parecerse a una
distribución normal, la cual solo obtiene su característica en forma de campana
con la acumulación de muchas puntuaciones.
 La varianza de las 2 muestras no es significativamente diferente, esto se conoce
como el principio de homogeneidad de la varianza.

ALGUNAS PRUEBAS PARAMÉTRICAS

 Prueba del valor Z de la distribución normal

 Prueba T de Student para datos relacionados (muestras dependientes)
 Prueba T de Student para datos no relacionados (muestras independientes)
 Prueba T de Student-Welch para dos muestras independientes con varianzas no
homogéneas
 Prueba de ji cuadrada de Bartlett para demostrar la homogeneidad de varianzas
 Prueba F (análisis de varianza o ANOVA).

PRUEBA ESTADÍSTICA T DE STUDENT

Cuando la pérdida de homogeneidad es un abrupto cambio en la media, esta prueba es

muy útil y poderosa para detectar este tipo de inconsistencias. Se considera que una
muestra es homogénea si el valor
del estadístico td de la prueba t de
Student que se calcula con la
siguiente ecuación.
Resulta menor o igual al estadístico tc de la distribución t de Student de dos colas del
cuadro 3.1 y con n1+n2 -2 grados de libertad.

Para ejemplificar su aplicación se presenta el análisis realizado a los registros de

precipitaciones máximas en 24 horas de la estación climatológica Amecameca. De los
datos de la tabla 1.19 se obtuvieron los siguientes valores:
  Número de registros = 37
 Tamaño de la primera muestra n1 = 18
 Media de la primera muestra ̅̅̅
𝑋1 = 40.94
 Desviación estándar de la primera muestra S1= 12.20
 Tamaño de la segunda muestra n2 = 19
 ̅̅̅2= 37.14
Media de la segunda muestra 𝑋
 Desviación estándar de la segunda muestra S2= 12.44
 Grados de libertad = 35

APLICAMOS LA SIGUIENTE ECUACIÓN PARA LA PRUEBA ESTADÍSTICA

T DE STUDENT SEGÚN LOS DATOS ANTERIORES

40.94 − 37.14
𝑡𝑑 = 1 → 𝑡𝑑 = 0.9123
18 ∗ 12.202+ 19 ∗ 12.442 1 1 2
[ ∗ (18 + 19)]
18 + 19 − 2

Sustituyendo los valores en la ecuación anterior, se obtiene td=0.9123. Con el valor de

los grados de libertad se entra al cuadro 3.1 para determinar el valor del estadístico tc de
la distribución t de Student, el cual resulta de 2.0315. Como td < tc, se concluye que la
muestra es homogénea.

MÉTODO DE DOBLES MASAS

El método de doble masas además de detectar inconsistencias en la información permite

corregirlas, aquí se analiza la consistencia de una serie de valores de algún elemento
hidrometeorológico medido en la estación "X". Con base en los datos tomados en otra
estación o grupo de estaciones "Y", situadas en una zona climática similar y cuya
homogeneidad haya sido verificada. Este. Sistema de homogeneización de series. Se
utiliza cuando puede suceder un cambio relativo en la variable observada, medida o
registrada en una estaci6n meteorológica.
Con el fin de ilustrar el procedimiento, se analizarán los datos pluviométricos anuales de
la estación "X", con los obtenidos en las estaciones A, B Y C durante el periodo 1951-
1970, las cuales se hallan ubicadas en condiciones climatológicas análogas a las de la
estación problema. Para cada una de las estaciones de referencia (A, B Y C) se suman las
precipitaciones anuales de año en año empezando por el más reciente (en este caso 1970),
luego se obtienen los promedios de estos valores acumulados y esta serie se toma como
base de comparación .

En casos extremos, cuando sólo existe una estación de referencia los datos acumulados
de esta serie pueden servir como base de comparación, aunque en estos casos el método
puede llegar a no tener ninguna significación.

Luego se aplica también la acumulación a la estación problema y. se construye un

diagrama cartesiano, tomando como abscisas los valores acumulados de la serie base y
como ordenadas los de la estación problema. Si todos los puntos aparecen sobre una línea
recta, los datos iniciales de la estación problema son válidos sin corrección.

En la Tabla 22 aparecen los datos corregidos a partir del décimo primer valor y el
nuevo acumulado una vez realizado el ajuste.

Determinación de la homogeneidad de los estados de precipitación en la estación X con

los registros en las estaciones A, B, y C por el método de dobles masas.
DATOS DE PRECIPITACIÓN. CURVA DE DOBLE MASAS

En la Figura 44, la línea de trazos se ha construido con los nuevos valores acumulados y
constituye una prolongación del primer tramo, con lo cual se tiene evidencia de haber
obtenido un buen ajuste.
 RELACION PRECIPITACION – ESCURRIMIENTO

Para la solución de los problemas asociados con la evaluación de los recursos hídricos de
un río, la modelación del proceso precipitación–escurrimiento (PPE) permite deducir
datos faltantes de escurrimiento, así como ampliar su registro, ya que por lo general la
información disponible de precipitación tiene más amplitud. También hace posible la
estimación de las entradas a embalses, cuando la construcción de estos suspendió a la
estación de aforos. El modelo matemático más simple que se puede establecer para el
PPE es la regresión lineal o curva, a nivel mensual. Este modelo se describe con detalle
y se calibra con el registro conjunto de precipitación y escurrimiento mensuales de la
estación hidrométrica Ballesmi, el cual abarca 35 años. Como el escurrimiento de la
estación tiene una contribución importante de la descarga de manantiales, primero se
corrigió su registro, retirando esa aportación.

FACTORES NATURALES:

1. Diversidad de tipos de suelos en general muy erosionables

2. Densidad de cauces que supera a veces los 5,00 Km/Km2, anexo 1
3. Presencia de fuertes pendientes

FACTORES ANTRÓPICOS:

1. Existencia de un creciente proceso de deforestación debido a una intensa

explotación agropecuaria.
2. Alteración de la estabilidad ecológica de sus cauces naturales por la construcción
de presas y micropresas, reduciéndose al 14 % el aporte de agua en la
desembocadura del río principal.
3. Desarrollo de una infraestructura agroindustrial y de asentamientos poblacionales
sin una solución efectiva a la generación de residuales.

MODELO GENERAL DE REGRESIÓN

El modelo general de regresión es el modelo matemático más simple que puede plantearse
para reproducir el PPE a nivel mensual, sea este lineal o curvo. Su expresión general es:
siendo, Vi, j el escurrimiento mensual del i–ésimo año, con i variando de 1 a N, que es la
amplitud del registro conjunto procesado y j es número de mes, con 1 para enero y 12
para diciembre. Es común expresar a Vi, j, en la ecuación 1, en milímetros, lo cual
equivale a dividir su valor en miles de metros cúbicos (103 m3) entre el área de cuenca
A en km2. Pi, j es la precipitación mensual representativa de la cuenca en milímetros. K
y n son los parámetros del modelo y βj, k

BIBLIOGRAFÍA
Aranda, D. F. (04 de 10 de 2014). ScienceDirect. Obtenido de
https://www.sciencedirect.com/science/article/pii/S1405774314706602
Dspace. (22 de 07 de 2009). Obtenido de
https://www.dspace.espol.edu.ec/bitstream/.../6083/.../CAPITULO2.-
ESTADISTICA
Valencia, A. (05 de 11 de 2016). SCRIBD. Obtenido de
https://es.scribd.com/document/330110805/Analisis-Estadistico-de-Datos-
Hidrologicos