HIDROLOGIA

TRABAJO DE INVESTIGACION: LOG-PEARSON

TIPO III

Docente: ing. Luis Hugo Huacasi Vasquez

Curso: Hidrología

Integrantes:
• Zamora Vargas Marcos
• Valverde Yupanqui Eyner
• Zavala Cáceres Guimo
•
•

Lima-Perú
2021

CONTENÍDO
1. Objetivos

2. Introducción

3. Marco Teórico
3.1. Análisis de frecuencia Hidrográfica
3.2. Distribución normal
3.3. Distribución logarítmico-normal
3.4. Distribución de Pearson tipo III
3.5. Distribución de Log-Pearson tipo III
3.6. Distribución de Gumbel

4. Aplicaciones

5. Conclusiones

Cybergrafía

1. INTRODUCCIÓN
En el estudio de la hidrología es posible observar como en repetidas ocasiones los
sistemas hidrológicos se ven directamente afectados por eventos externos, tales
como aumento de caudales en ríos, presencia de tormentas severas y sequías,
entre otras. La magnitud de un evento extremo esta inversamente relacionado con
su frecuencia de ocurrencia, es decir, que los eventos moderados ocurren con
mayor frecuencia, mientras que los eventos extremos se presentan en pocas
oportunidades.
Cuando se conocen un nivel de aproximación razonable las magnitudes de las
crecientes que se van a presentar durante la vida útil de una obra, es claro que las
estructuras se pueden diseñar con una gran confianza en cuanto a los aspectos
técnicos y económicos. En efecto, la estabilidad de una obra durante la vida útil de
diseño depende en gran parte de su capacidad para soportar los efectos que se
producen sobre la estructura cuando pasan las crecientes extraordinarias. Estos
efectos se traducen en impactos, presiones, socavación, taponamientos y
desbordamientos. Para lograr la seguridad que reduzca el riesgo de falla de dichas
obras, se debe construir un modelo probabilístico y con ello contar con una función
de distribución de probabilidad representativa de la variable hidrológica de interés,
indicando claramente su probabilidad de excedencia y esto se realiza con ayuda
de las funciones de Análisis de frecuencia Hidrográfica, Distribución normal,
Distribución logarítmico-normal, Distribución de Pearson tipo 3, Distribución de
Log-Pearson tipo 3 y Distribución de Gumbel.
Para analizar la probabilidad de ocurrencia de estos eventos se utilizan algunas
distribuciones de probabilidad. Estas funciones matemáticas que relacionan la
magnitud de un evento con su probabilidad de ocurrencia.

2. OBJETIVOS
 Incrementar el conocimiento acerca del comportamiento de los caudales
máximos instantáneos, por medio de funciones de distribución de
probabilidad.
 Conocer el concepto, ecuaciones y la aplicabilidad en la hidrología de la
Distribución logarítmico-normal y la Distribución de Pearson tipo III.
 Establecer las funciones de distribución de probabilidad, que mejor se
ajustan, según las distintas estaciones pluviométricas regionales.
 Entender como la distribución de Log- Pearson tipo III es ampliamente
usada en el mundo del análisis de frecuencia de Caudales máximos.
 Aprender hacer uso del método de distribución de Gambel que es
ampliamente utilizado para representar el comportamiento de crecientes y
sequías (máximos y mínimos).

3. MARCO TEÓRICO
3.1. Análisis de Frecuencia Hidrográfica
El análisis de frecuencia es una herramienta que se utiliza para, predecir el
comportamiento futuro de los caudales (cantidad de fluido que pasa en una
unidad de tiempo) en un sitio de interés, esta predicción se hace a partir de la
información histórica de caudales. El análisis de frecuencia es un método basado
en procedimientos estadísticos que permite período de retorno (es el tiempo
esperado o tiempo medio entre dos sucesos de baja probabilidad) y así calcular la
magnitud del caudal asociado a un período de retorno.
Su confiabilidad depende de la longitud y calidad de la serie histórica, además de
la incertidumbre propia de la distribución de probabilidades seleccionada. Cuando
se pretende realizar extrapolaciones (método que consiste en suponer que el
curso de los acontecimientos continuará en el futuro, o sea se hace teniendo en
cuenta los valores conocidos) período de retorno mayor que la longitud de la serie
disponible, el error relativo asociado a la distribución de probabilidades utilizada es
más importante, mientras que en interpolaciones (es un método que consiste,
determinar más o menos un dato, cuando la tabla que estamos manejando
ninguno de ellos está relacionado, o sea tenemos que adjudicar un dato entre
ellos) la incertidumbre está asociada principalmente a la calidad de los datos a
modelar; en ambos casos la incertidumbre es alta dependiendo de la cantidad de
datos disponibles, entonces se puede decir que la extrapolación de frecuencias
extremas en una distribución empírica de crecientes es extremadamente riesgosa
Para determinar la magnitud de eventos extremos cuando la distribución de
probabilidades no es una función fácilmente invertible se requiere conocer la
variación dela variable respecto a la media. Chow en 1951 propuso determinar
esta variación a partir de un factor de frecuencia KT que es expresado así.

Y se puede estimar a partir de los datos

Para una distribución dada, puede determinarse una relación entre K y el período
de retorno Tr. Esta relación puede expresarse en términos matemáticos o por
medio del uso de una tabla.

3.2. Distribución Normal

La distribución normal es una distribución simétrica en forma de campana, también
conocida como Campana de Gauss. Aunque muchas veces no se ajusta a los
datos hidrológicos tiene amplia aplicación por ejemplo a los datos transformados
que siguen la distribución normal, dentro de esta distribución normal, influyen los
siguientes aspectos.

 Función de densidad:
 
La función de densidad está dada por

Los dos parámetros de la distribución son la media m y desviación estándar s para

los cuales   (media) y s (desviación estándar) son derivados de los datos.

 Estimación de parámetros:

Procedimiento utilizado para conocer las características de un parámetro

poblacional, a partir del conocimiento de la muestra.

 Factor de frecuencia:

Si se trabaja con los X sin transformar el K se calcula como

 Este factor es el mismo de la variable normal estándar  

 Límites de confianza:

 
Donde a es el nivel de probabilidad  es el cuantil de la distribución normal
estandarizada para una probabilidad acumulada de 1-a y Se es el error estándar.

3.3. Distribución Logarítmico-Normal

La distribución normal logarítmica es una distribución de probabilidad de una
variable aleatoria cuyo logaritmo está normalmente distribuido. Es decir, si X es
una variable aleatoria con una distribución normal, entonces exp(X) tiene una
distribución log-normal.
La base de una función logarítmica no es importante, ya que loga X está
distribuida normalmente si y sólo si logbX está distribuida normalmente, sólo se
diferencian en un factor constante.
Log-normal también se escribe log normal o log normal.
Una variable puede ser modelada como log-normal si puede ser considerada
como un producto multiplicativo de muchos pequeños factores independientes. Un
ejemplo típico es un retorno a largo plazo de una inversión: puede considerarse
como un producto de muchos retornos diarios.
La distribución log-normal tiende a la función densidad de probabilidad

Para x<0, donde µ y

σ son la media y la desviación estándar del logaritmo de variable. El valor
esperado es

Y la varianza es

Parámetros:
La distribución log normal se caracteriza por las siguientes propiedades.
 Asigna valores a las tasas y probabilidades de fallo que solo pueden ser
positivas.
 Como depende de dos parametros, se ajusta bien a un gran numero de
distriuciones empíricas.
 Es utilizada para parámetros que son a su vez productos de numerosas
cantidades aleatoreas (múltiples efectos que influyen sobre la fiabilidad).
 La esperanza matemática o media es mayor que su mediana por lo que da
más importancia a los valores grandes de las tasas de fallo que una
distribución normal con los mismos percentiles del 5% y 50% teniendo en
cuenta que son malos.
3.4. Distribución Gamma de tres parámetros o Pearson tipo III
Esta distribución ha sido una de las más utilizadas en hidrología.  Como la
mayoría de las variables hidrológicas son sesgadas, la función Gamma se utiliza
para ajustar la distribución de frecuencia de variables tales como crecientes
máximas anuales, Caudales mínimos, Volúmenes de flujo anuales y estacionales,
valores de precipitaciones extremas y volúmenes de lluvia de corta duración.   La
función de distribución Gamma tiene dos o tres parámetros.

 Función de densidad:

 
Donde, x0 £ x < a para a > 0 Y a < x £ x0 para a < 0
a y b son los parámetros de escala y forma, respectivamente, y x0 es el parámetro
de localización.

 Estimación de parámetros:

Cs es el coeficiente de asimetría,    son la media y la desviación estándar

de la muestra respectivamente.
 
 Factor de frecuencia:

Donde Z es la variable normal estandarizada, Este valor de K se encuentra

tabulado de acuerdo con el valor de Cs calculado con la muestra.
 
 Intervalos de confianza:

Xt  t (1  a ) Se
 

 Donde S es la desviación estándar de la muestra, n es el número de datos y d se

encuentra tabulado en función de Cs y Tr.

3.5. Distribución de Log-Pearson tipo III (Distribución Log-Gamma o Log-

Pearson de 3 parámetros)
Si los logaritmos Y de una variable aleatoria X se ajustan a una distribución
Pearson tipo III, Se dice que la variable aleatoria X se ajusta a una distribución Log
Pearson Tipo III. Esta distribución es ampliamente usada en el mundo del análisis
de frecuencia de Caudales máximos. Esta se trabaja igual que Pearson 3 pero con
Xy y Sy como la medida y desviación estándar de los logaritmos de la variable
original X.
 Función de densidad:

 1
1  ln( x)  y0   ln( x )  y0 
f ( x)  exp  
x |  | (  )   
    

a y b son parámetros de escala y forma, respectivamente, y Y 0 es el parámetro de

localización.
 Estimación de parámetros:

2 2
 2   Cs 
     sy   x0  x y 
 Cs   2 

Cs es el coeficiente de asimetría, X Y Y S y son la media y la desviación estándar

de los logaritmos de la muestra respectivamente.
 Factor de frecuencia:

ln(YD )  x y2  K Cs
* sy 1 3  Cs 
2
 Cs 
3 4
 Cs  1  Cs 
5

K  z  ( z  1)  ( z  6 z )    ( z  1)    z     
2

6 3  6   6   6  3 6 
Donde Z es la variable normal estandarizada, este valor de K se encuentra
tabulado de acuerdo con el valor de Cs calculadora con la muestra.

 Intervalos de confianza:

Xt  t (1  a ) Se

 .S y
Se 
n

Donde Sy es la desviación estándar de los logaritmos de la muestra, n es el

número de datos y d se encuentra tabulado en función de Cs y Tr.
3.6. Distribución de Gumbel o Extrema Tipo I
Una familia importante de distribución usada en el análisis de frecuencia
hidrológico es la distribución general de valores extremos, la cual ha sido
ampliamente utilizada para representar el comportamiento de crecientes y sequías
(máximos y mínimos).
 Función de densidad

1  x    x   
f ( x)  exp   exp  
     

En donde a y b son los parámetros de la distribución.

 Estimación de parámetros

6
 s


  x  0.5772

Donde X y S son la media y la desviación estándar estimadas con la muestra.

 Factor de frecuencia
 6    Ty   
K    0.5772  ln  ln   
 
   Ty  1   

Donde Tr es el periodo de retorno. Para la distribución Gumbel se tiene que el

caudal para un periodo de retorno de 2.33 años es igual a la media de los
caudales máximos.
 Límites de confianza

2
  1  1.1396 KT  1.1KT 2 

K T es el factor de frecuencia y t (1−a) es la variable normal estandarizada para una

probabilidad de no excedencia de 1-a.
4. APLICACIONES

 En los resultados del análisis de frecuencia de los caudales de crecida

pueden utilizarse para muchas aplicaciones en la ingeniería, como lo son:
 Diseño de presas, puentes, cauces evacuadores y estructuras de
control de crecidas.
 Determinar el beneficio económico de proyectos de atenuación de
crecidas.
 Delimitar planicies de inundación y determinar el efecto de
ocupaciones o construcciones en las mismas.

 La distribucion log normal se ajusta a ciertos tipos de fallos (fatiga de

componentes metálicos), vida de los aislamientos electricos, procesos
continuos y datos de reparacion, además de ser una buena representación
en la distribución de los tiempos de reparación. Es también, una distribución
importante en la valoración de sistemas con reparación.

 Las distribuciones de Pearson tipo III, son usualmente preferidas cuando se

dispone de pocos datos, ya que reducen la varianza de la muestra.

EJEMPLO:
 MÉTODO LOG PEARSON TIPO III

SOLUCION:
CAUDALES MÁXIMOS

Año (1) Caudal m³/s (2)

1 95.05

2 98.13

3 100.18

4 105.21

5 106.40

6 108.75

7 110.81

8 114.31

9 123.22

10 123.22

Con el programa HIDROESTA 2 :

Periodo de 10 años :
Ajuste con momentos ordinarios:

Como el delta teórico 0.10632, es menor que el delta tabular 0.4301. Los datos se
ajustan a la distribución Log-Pearson tipo 3, con un nivel de significación del 5%

Los 3 parámetros de la distribución Log-Pearson tipo 3:

Con momentos ordinarios:

Parámetro de localización (Xo)= 3.8694
Parámetro de forma (gamma)= 84.3253
Parámetro de escala (beta)= 0.0097

Con momentos lineales:

Parámetro de localización (Xol)= 4.0268
Parámetro de forma (gammal)= 48.6706
Parámetro de escala (betal)= 0.0135

Caudal de diseño:

El caudal de diseño para un periodo de retorno de 10.0 años, es 121.38 m3/seg

Periodo de 25 años :

Ajuste con momentos ordinarios:

Como el delta teórico 0.10632, es menor que el delta tabular 0.4301. Los datos se
ajustan a la distribución Log-Pearson tipo 3, con un nivel de significación del 5%

Los 3 parámetros de la distribución Log-Pearson tipo 3:

Con momentos ordinarios:

Parámetro de localización (Xo)= 3.8694
Parámetro de forma (gamma)= 84.3253
Parámetro de escala (beta)= 0.0097

Con momentos lineales:

Parámetro de localización (Xol)= 4.0268
Parámetro de forma (gammal)= 48.6706
Parámetro de escala (betal)= 0.0135
 Caudal de diseño:

El caudal de diseño para un periodo de retorno de 25.0 años, es 127.11 m3/seg

Periodo de 50 años :

Ajuste con momentos ordinarios:

Como el delta teórico 0.10632, es menor que el delta tabular 0.4301. Los datos
se ajustan a la distribución Log-Pearson tipo 3, con un nivel de significación del
5%

Los 3 parámetros de la distribución Log-Pearson tipo 3:

Con momentos ordinarios:

Parámetro de localización (Xo)= 3.8694
 Parámetro de forma (gamma)= 84.3253
Parámetro de escala (beta)= 0.0097

Con momentos lineales:

Parámetro de localización (Xol)= 4.0268
Parámetro de forma (gammal)= 48.6706
Parámetro de escala (betal)= 0.0135

Caudal de diseño:
El caudal de diseño para un periodo de retorno de 50 años, es 131.06 m3/seg
Periodo de 100 años :

Ajuste con momentos ordinarios:

 Como el delta teórico 0.10632, es menor que el delta tabular 0.4301. Los datos
se ajustan a la distribución Log-Pearson tipo 3, con un nivel de significación del
5%

Los 3 parámetros de la distribución Log-Pearson tipo 3:

Con momentos ordinarios:

Parámetro de localización (Xo)= 3.8694
Parámetro de forma (gamma)= 84.3253
Parámetro de escala (beta)= 0.0097

Con momentos lineales:

Parámetro de localización (Xol)= 4.0268
Parámetro de forma (gammal)= 48.6706
Parámetro de escala (betal)= 0.0135

Caudal de diseño:
El caudal de diseño para un periodo de retorno de 100 años, es 134.78 m3/seg

5. CONCLUSIONES

 Concluyendo, el análisis de frecuencia consiste en determinar los

parámetros de las distribuciones de probabilidad y determinar con el
factor de frecuencia la magnitud del evento para un período de retorno
dado.
 La destribución log normal es importante en la representacion de
fenomenos de efectos proporcionales tales como cambio en la variable
en cualquier punto de un proceso y algunas fallas de mantenimiento.
 La distribución de Pearson tipo III posee una gran flexibilidad y
diversidad de forma, dependiendo de los valores de sus parámetros,
asimilando su utilización para precipitaciones o caudales máximos
anuales.
 Los resultados obtenidos por la función de Pearson tipo III es la que
mejor representa a las series de caudales mínimos intermitentes, donde
se presentan descargas con valores cero.
 Se estableció claridad de las funciones de distribución de probabilidad y
se identificó como se ajusta cada tipo de distribución según el enfoque
fluviómetro regional.
 Se entendió el modo de uso del método de distribución Log-Person tipo
III y como es aplicado a el análisis de frecuencia de Caudales máximos.
 Se aprendió hacer uso del método de distribución de Gamber, y se observó que
para el análisis de frecuencia hidrológico es un método fundamental para
 encontrar la distribución general de valores extremos, la cual ha sido
ampliamente utilizada para representar el comportamiento de crecientes y
sequías (máximos y mínimos).

CYBERGRAFÍA
 Ingenieria.bligoo.com.co
 www.ustatunja.edu.co
 http://fluidos.eia.edu.co/hidrologiai/probabilidad/probabilidad.htm
 http://www.atmosfera.unam.mx/jzavala/AnalisisDatos/Curso_AnalisisDatos_Clase
_08a.pdf
 Hidrología en la Ingeniería – Germán Monsalve