Upload
samir-peralta
View
212
Download
0
Embed Size (px)
Citation preview
8/18/2019 2b_homogeneidad
1/6
8/18/2019 2b_homogeneidad
2/6
2
7
Serie de
Tiempo de
Precipitacion
Mensual
año ene feb m ar abr m ay j un j ul ago s ep oc t nov di c
1 969 1 50 1 33 1 06 66 17 .6 36 .7 13 .4 8 50 .9 47 .2 8 6.7 17 4
1970 179 193 192 153 35.3 0.6 25.4 57.2 72.3 51.7 40.9 74.7
1971 186 127 85.1 25.9 37.2 22.7 50.2 29.4 55.8 78.2 192 195
1972 199 140 96. 4 1 08 12. 4 0 2. 2 0 45. 2 1 02 133 165
1973 94.5 89.3 88.7 43.3 6.9 4.2 1.5 39.1 41.4 55.1 116 55.3
1974 162 38.6 33.5 33.5 33 31.9 11.9 39.2 45.4 116 99.7 68.9
1975 50.2 49.5 99.8 29.1 27.1 29 2.4 0 69.9 48.8 52.9 49.1
1976 45.6 43.9 31.1 25.9 18.9 30.8 7.9 8.7 52.5 64.1 89.3 66.61977 79.4 72.9 83.5 34.6 10.7 32.6 13.3 17.3 35.1 79.4 126 84.1
1978 88.1 101 64.6 80.1 19.8 1.6 0 8.4 34.3 42.6 38.2 89.7
1979 106 96.7 62.8 48.3 7.1 0 10.5 2.8 19.6 30.2 41.9 76.7
Datos luegode trasponer
1 96 9 1 97 0 1 97 1 1 97 2 1 97 3 1 97 4 1 97 5 1 97 6 1 97 7 1 97 8 1 97 9
ene 150 179 186 199 95 162 50 46 79 88 106
feb 133 193 127 140 89 39 50 44 73 101 97
mar 106 192 85 96 89 34 100 31 84 65 63
abr 66 153 26 108 43 34 29 26 35 80 48
may 1 8 35 37 12 7 33 27 19 11 20 7
jun 37 1 23 0 4 32 29 31 33 2 0
jul 13 25 50 2 2 12 2 8 13 0 11
ago 8 57 29 0 39 39 0 9 17 8 3
sep 51 72 56 45 41 45 70 53 35 34 20
oct 47 52 78 102 55 116 49 64 79 43 30
nov 87 41 192 133 116 100 53 89 126 38 42
dic 174 75 195 165 55 69 49 67 84 90 77
8
Para graficar
(Excel)
Y
año mes pp (mm)
1969 ene 149.7
feb 133.4
mar 106.1
abr 66
may 17.6
jun 36.7
jul 13.4
ago 8sep 50.9
oct 47.2
nov 86.7
dic 174.1
1970 ene 179.4
feb 193
mar 192.1
abr 153.3
may 35.3
jun 0.6
jul 25.4
ago 57.2
sep 72.3
oct 51.7
nov 40.9
dic 74.7
1971 ene 185.6
feb 126.6
mar 85.1
abr 25.9
may 37.2
X
9
2. Método de la Curva de Doble Masa:
Grafica datos acumulados de una variable,comparandola con datos acumulados de un patrónde variables relacionadas durante un período detiempo.
Si la variable es pp entonces comparamos la ppacumulada anual de la estación analizada con laprecipitación media anual acumulada de un grupo deestaciones cercanas (10 o más)
En eje Y pp acumulada anual de la estación en estudio
En eje X pp media anual acumulada de las estacionesvecinas
10
Promedi o de 10 estaciones Estación X
Año Pp. Anual
Media
PP.anual Media
Acumulada
Precipit.
anual
PP. anual
acumulada
1948
1949
19501951
195219531954
1955
19561957
1958
1959
1065.8
720.3
935.01010.3
978.3791.51181.1
1061.5
900.6691.6
1053.4
1189.6
1065.8
1786.1
2721.13731.4
4709.75501.26682.3
7743.8
8644.49336.0
10389.4
11579.0
1167.9
754.6
759.71088.2
1272.3650.7359.8
1151.0
714.9508.9
603.1
370.0
1167.9
1922.5
2682.23770.4
5042.75693.46053.2
7204.2
7919.18428.0
9031.1
9401.1
Ejem:
11
Curva de Doble Masa
0
2
4
6
8
10
12
0 2 4 6 8 10
o
48
o
49
o
50
o
51
o
52
o
53
o
54
o
55
o
56
o
57
o
58
o
59
x103
x103
M1
M2
12
3. Análisis Estadistico:
Se usan en el analisis de homogeneidad de serieshidrologicas (precipitación, escorrentia).
El criterio para el análisis es:
análisis visual de los valores originales
análisis de doble masa
análisis estadísticos de la media y la desviaciónestándar
Corrección de la serie
Combinando estos criterios se llega a tener una idea dela confiabilidad de la muestra, para corregir, si fuesenecesario, mejorando su bondad estadística y obteniendo
finalmenteuna serie de datos homogéneos y consistentes
8/18/2019 2b_homogeneidad
3/6
3
13
3. Prueba Estadística:
PruebaEstadística de T de Student.-
Se emplea si la no homogeneidad de la serie se debe a un
cambio abrupto en la media (inconsistencia en la media)
En el histograma de precipitación (gráfica), se identifica dos períodos que se sospeche que sean no homogéneos
21 nn
21
2121
2
22
2
11
21
11
2
11
nnnn
S nS n
x xt c
14
Distribución t de Student
El valor absoluto de tcse compara con el
valor de t de ladistribución t deStudent con (n
1+n
2-2)
grados de libertad ycon 5% de nivel designificancia
Homogeneidad
tablac t t
15 16
...Pruebas Estadisticas
Prueba Estadística de
Cramer.-
Es complementaria a la
prueba de la t de Student.
Se compara la media de
toda la serie y la media deuna cierta parte del registro
(n1)
1
1
n
x
x
nk i
k i
i
k
S
x xT
k
k
k k k T
T nn
nnt
21
21
1
1
2
tablak t t 2 nl g
Homogeneidaddistribucion t de Student
21 nn
17
...Pruebas Estadisticas:
PruebaEstadística de Fisher.-
Se prueba, la homogeneidad de la desviación estándar (S)
con un 5% de nivel de significancia
tablac F F
Homogeneidad
g.l. numerador = n1 – 1
g.l. denominador = n2 –12
2
2
1
S
S F
c cuando S21 > S
22
2
1
2
2
S
S F
c cuando S21< S
22 g.l. numerador = n2 – 1
g.l. denominador = n1 –1
18
1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120
2
1 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243,9 245,9 248,0 249,1 250,1 251,1 252,2 253,3 254,3
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,41 19,43 19,45 19,45 19,46 19,47 19,48 19,49 19,50
3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,62 8,59 8,57 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77 5,75 5,72 5,69 5,66 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40 4,37
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,41
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,40 2,33 2,29 2,25 2,20 2,16 2,11 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
22
4,30
3,44
3,05
2,82
2,66
2,55
2,46
2,40
2,34
2,30
2,23
2,15
2,07
2,03
1,98
1,94
1,89
1,84
1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,13 2,05 2,01 1,96 1,91 1,86 1,81 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
1= Grados de libertad en el numerador
2
= G r a d o s d e l i b e r t a d e n e l
d e n o m i n a d o r
8/18/2019 2b_homogeneidad
4/6
4
19
4. Corrección de la Serie
Cuando los parámetros: media y desviación estándar (X, S) resultanestadísticamente iguales, la información original queda intacta, aun
cuando en la curva doble masa se encuentre pequeños quiebres. Pero siresulta X y S estadísticamente diferentes, se corrige mediante lasiguiente ecuación:
Para corregir el primer período22
1
1| X S
S
X X X
j
j
11
2
2| X S
S
X X X
j
j
Para corregir el segundo perido
= valor corregido de la información
= valor a ser corregido
= mediade la primera y segundaserie
= desviación estándar de la primera y segunda serie
|
j X
j X
21, X X
21,S S
20
Ejemplo 2:En la Fig se muestra el registro de lluvias anuales de la
estación Higueras, observándose un salto brusco en la media, de
manera que al parecer durante el periodo comprendido entre 1967
y 1979 se registró más lluvia. Se pide investigar con las pruebas
estadísticas de la T de Student y de la de Cramer si la serie es
homogénea
Ejemplo 1: Analizar la consistencia de la precipitacion media
mensual de la Estacion Pallanga y corregir el periodo dudoso
21
Secuencia del Analisis de la Serie
0
200
400
600
800
1000
1200
1400
1 9 2 7
1 9 3 0
1 9 3 3
1 9 3 6
1 9 3 9
1 9 4 2
1 9 4 5
1 9 4 8
1 9 5 1
1 9 5 4
1 9 5 7
1 9 6 0
1 9 6 3
1 9 6 6
1 9 6 9
1 9 7 2
1 9 7 5
1 9 7 8
N1
N2
Serie de tiempo de Precip (datos originales)
22
Hidrología Ambiental
Completación y Extensión de
Datos
23
Generalidades
Datos faltantes son frecuentes debido a desperfectos en
el equipo de medición, enfermedad o sustitución del
encargado de la observación, interrupciones debido a
limitaciones presupuestales, etc
Los datos faltantes son estimados en base a los registros
de las estaciones cercanas, o en base al propio registro.
La extensión y completación de los registros es muy
frecuente cuando se desea diseñar obras hidráulicas con
datos de corta duración
Los registros obtenidos después de la completación y
extensión nos proporcionan una información aproximada,
las que se deben verificar con el análisis de homogeneidad.24
Método del Promedio Aritmetico
Consiste en calcular el promedio aritmético simple de losvalores correspondientes al dato faltante (mensual oanual) de todas las estaciones con registros completos.
*Los valores medios anuales o mensuales de cada una delas estaciones auxiliares no deben exceder en mas del10% de la registrada en la estación incompleta (respectoal promedio encontrado)
Donde:
Px = pp mensual faltante en mm.
Pi = pp mensualen la estacióni (mm)
n = numero de estaciones con registroscompletos
n
P P
i
x
8/18/2019 2b_homogeneidad
5/6
5
25
Método de la Relacion Normalizada
Es aplicado generalmente para estimar valor mensualfaltante a partir de valores observados de tres estacionescercanas (o mas), situadas uniformemente alrededor de laestación incompleta.
Consiste en ponderar los valores observados mensuales enlas tres estaciones ( o mas) mediante el cociente entre elvalor medio anual de la estación incompleta y el valormedio anual de las tres (o mas) estaciones.
Donde:
Px = pp mensual estimada (mm)
Nx = pp media anual de la estación incompleta (mm)
N A, NB, NC = pp media anual en las estaciones A, B, C (mm)
c
c
x
B
B
x
A
A
x
x P
N
N P
N
N P
N
N P
3
1
26
Método de la Recta de Regresión
Se denotará con “Y” a la estación con datosincompletos y con “X” a la estación índice -condatos completos- que servirá para efectuar laestimación.
Cuando hay varias estaciones índice, deberá
seleccionarse aquella que presente la mejor
correlación con la estación incompleta, lo cual se
determinará a partir de la obtención del coeficiente
de correlación (r) entre ambas estaciones.
27
Estimación de Registros Faltantes en Base al Propio
Registro
Método Racional Deductivo
Permite estimar valores mensuales faltantes (como máximo
once) en base a la información de los años incompletos
Donde:
i = cada unode losmese desconocidos(máximo 11)Pi = pp mensual desconocidaen cadaaño incompleto(mm)
= suma delos % promediosde losmeses cuya pp sedesconoce
(%)
= suma de laspp mensualesconocidasen losaños incompletos
(mm)
sp= % promedio correspondiente a cada uno de los meses desconocidos(promediomensual de los años completos)
Sp sp
P P
I
i
1200
I P
sp
28
Extensión de datos
La extensión de información, es el proceso de transferencia deinformación desde una estación con un “largo” registrohistórico a otra con un “corto” registro.
La extensión de datos modifica sustancialmente a losestimadores de los parámetros poblacionales (ej. la media deuna muestra corta, será diferente a la media de una muestraextendida)
La completación y extensión de la informaciónhidrometeorológica faltante, se realiza para tener en lo posibleseries completas, más confiables y de un periodo uniforme.
La extensión de datos se puede realizar usando modelos deregresión lineal simple y regresión lineal múltiple
29
Modelo de regresión lineal simple
El modelo de regresión lineal simple es:
yt : variable hidrológica dependiente (registro corto)xt : variable hidrológica independiente (registro largo)a, b: parámetros de la ecuación de RLS
t t bxa y
Seleccionar la serie de tamañoN1 a extenderse.Seleccionar la estación quemejor relación tenga con laestación a extenderse susdatos. Además: N = N1 + N2
N1 : registro comúnN2 : registro no común 30
Los estimadores a, b y r se calculan como sigue:
)(1
)(1
x
y
s
sr b
22
1
1
)(
)(
ii
iiii
x x N
y x y x N b
11 xb ya
1
1
1 N
y y
1
1
1
N
x x
1
1
2
1
1
)(1 ])([1
1 N
i
i y y y N
s
1
1
2
1
1
)(1 ])([1
1 N
i
i x x x
N s
))()()((
)(
22
1
22
1
1
iiii
iiii
y y N x x N
y x y x N
r
: son los promedios de lasmedias del periodo común (N1)S1(x) S1(y): son los estimados nosegados de las desviaciones estándarde xt e yt del periodo común (N1)
1 y
1 x
8/18/2019 2b_homogeneidad
6/6
6
31
Finalmente, la ecuación para extender los datos será:
)( 1)(1
)(1
1 x x s
sr y y
t
x
y
t
La ecuac. 1 se usa cuando r es estadísticamente significativocon un cierto nivel de confiabilidad, utilizando el estadístico t:
2
1
1
2
r
N r t c
El valor de t (tt) se obtiene de t de student con 95% deprobabilidad. Es decir con α /2=0.025 y G.L.=N1-2
Si: |tc|=< tt r no es significativo
Si: |tc|> tt r es significativo
(1)