2. ANALISIS ESTADISTICO

Tamaño: px
Comenzar la demostración a partir de la página:

Download "2. ANALISIS ESTADISTICO"

Transcripción

1 CAPITULO. ANALISIS ESTADISTICO DE DATOS HIDROLOGICOS El análss estadístco consste en parametrzar un conjunto de datos (precptacones o caudales) con el fn de extrapolar y conocer eventos venderos. La seleccón de la precptacón de dseño, se nca con la revsón del regstro pluvográfco obtendo de una estacón meteorológca cercana al sector en estudo. 1

2 Actualmente Guayaqul cuenta con tres estacones pluvográfca, la prmera localzada en el aeropuerto Smón Bolívar a cargo de la Dreccón de Avacón Cvl-DAC; la segunda ncalmente localzada en la cdla. La FAE y luego reubcada en la Unversdad Estatal de Guayaqul, a cargo del Insttuto Naconal de Meteorología e Hdrología- INAMHI; y la tercera ubcada dentro de la Base Naval Sur a cargo del Insttuto Oceanográfco de la Armada-INOCAR. Este captulo se ha dvddo en tres partes; la prmera contene el ajuste de los datos de precptacón a una dstrbucón de probabldades y el calculo del perodo de retorno de la precptacón regstrada el 13 de dcembre de 1997; la segunda muestra las mayores ntensdades obtendas del levantamento de las fajas correspondente a los meses de marzo, abrl, novembre y dcembre del año 97; y la tercera mencona dos formas para expresar la relacón de ntensdad-duracónfrecuenca..1. Perodo de Retorno Es el tempo promedo en que se vuelve a presentar un evento hdrológco. El conocmento ncal de este evento, el cual permte el dseño y la planfcacón optma de la obra, depende de la extrapolacón a una secuenca de observacones máxmas, por ejemplo las seres anuales de máxmas precptacones daras en

3 Guayaqul, obtendas del Anuaro emtdo por el INOCAR, cuyos valores se ctan en la tabla.1. Precptacón Máxma Dara-Estacón Rado Sonda Precptacón Año Fecha (mm.) ,60 19 de Marzo ,70 10 de Febrero ,60 19 de Dcembre ,00 17 de Febrero ,30 1 de Febrero ,50 13 de Dcembre ,80 18 de Abrl ,40 6 de Abrl Tabla.1. Sere de máxmas precptacones daras tomadas de la Estacón Rado Sonda.1.1. Ajuste de datos a una dstrbucón de probabldades Una dstrbucón de probabldades es una funcón que representa la probabldad de ocurrenca de una sere pluvográfca. En Estadístca exsten varas funcones de dstrbucón de probabldad teórca y en su mayoría no es posble probarlas todas para un problema en partcular, por lo tanto, se escogó de esas funcones las que mejor se adoptaron a la sere de máxmas precptacones daras regstradas al norte de la cudad de Guayaqul. En la tabla. se enumeran algunas de las dstrbucones comúnmente utlzadas con su funcón de dstrbucón y su respectva aplcacón para el ajuste de datos hdrológcos. 3

4 Dstrbucones de probabldades para el ajuste de nformacón hdrológca Dstrbucones Funcón de densdad de probabldad Aplcacón Normal f ( x) 1 e x La precptacón anual(suma de los efectos de los muchos eventos) Log-normal f ( x) x 1 e y y y La dstrbucón de tamaños de gotas de una lluva ; y log x Exponencal f ( x) e x Determnar el volumen de escorrentía contamnada que entra a los ríos a medda que la lluva lava los contamnantes en la superfce. Gamma 1 x x e f ( x) La altura de precptacón Pearson tpo III f ( x) x 1 e x La dstrbucón de probabldades de pcos decrecentes máxmos anuales Log-Pearson tpo III f ( x) y x 1 y La dstrbucón de e probabldades de pcos ; y log x decrecentes máxmos anuales Valores extremos tpo I Gumbel f ( x) 1 e x e x Modelaje de las tormenta de lluva tpo II Frechet tpo III- Webull Los flujos de estrajes Tabla..- Funcón de densdad de probabldad que se ajustan a datos hdrológcos Dado el regstro meteorológco consttudo por las máxmas precptacones anuales desde el año 199 al 1999, se determnó las meddas descrptvas como paso prevo al ajuste del conjunto de 4

5 datos. El calculo de la meda y desvacón estándar se muestra en la sguente tabla. Precptacón Máxma Dara - Estacón Rado Sonda AÑO PRECIPITACION DÍA (X - X) (X - X) (X - X) de Marzo 1-7,76 60,6 467, de Febrero 1-45,66 085, , de Dcembre 1 9,4 85,33 788, de Febrero 1-4, ,58 760, de Febrero 1-17,06 91, , de Dcembre 1 64, , , de Abrl 1 100, , , de Marzo 1-60, ,43 656,64 : 970,9 N 8 : 34, MEDIA 11,36 DESVIACION ESTANDAR 56,36 COEFICIENTE DE SESGO 1,1738 COEFICIENTE DE ASIMETRIA 1,7887 Tabla.3. Obtencón de los parámetros estadístcos de la muestra - μ, s El uso de las dstrbucones de probabldades consste en estandarzar el evento extremo buscado a través de la susttucón de la meda, la varanza y el coefcente de asmetría en cada una de las ecuacones que el autor ha desarrollo. En las sguentes líneas se expondrá acerca de cada dstrbucón de probabldad y las ecuacones necesaras para el cálculo de sus parámetros. a) Dstrbucón Gumbel Tpo I La dstrbucón de valores extremos tpo I cuyas propedades fueron desarrolladas por Gumbel (1941) se aplcan de mejor manera a las tormentas de lluva, tal es el caso que son el sustento para el 5

6 método estándar de análss de frecuenca de crecentes en Gran Bretaña. Del estudo realzado por Gumbel a una sere de datos, establecó los parámetros y en funcón de la meda y la desvacón estándar, las msmas que ctamos a contnuacón: s 6 ; ec..1 s: Desvacón estándar de la muestra x ; ec.. µ: Moda de la dstrbucón o punto de máxma densdad de probabldad x : Meda de la muestra Remplazando los valores de la desvacón y meda muestral (tabla.3) en las ecuacones.1 y. respectvamente, se obtenen los parámetros que estandarzan a cada evento analzado (tabla.4). b) Dstrbucón Normal La dstrbucón normal se caracterza por ser la menos usada de todas las funcones de probabldad, debdo a que la mayor parte de las varables hdrológcas son no negatvas y tenden ser 6

7 asmétrcas, mentras que ésta varía a lo largo de un rango contnuo,. Esta funcón establece que la suma de cada evento ndependente como son las precptacones daras en una regón y el volumen de escurrmento daro de un ró tenden a estar normalmente dstrbuda. El prmer paso para realzar el ajuste de datos es estandarzar la muestra a través de la ecuacón.3 z K X T T ; ec..3 s Sendo; : Meda muestral s: Desvacón estándar K T : Factor de Frecuenca z: Varable normal estándar Para realzar el ajuste de datos a una dstrbucón Log - normal se aplca la msma ecuacón antes descrtas con la únca partculardad que se emplean el logartmo de la varable, la meda y la desvacón estándar. La tabla.5 muestra el cálculo de estas meddas descrptvas. 7

8 c) Dstrbucón Pearson Tpo III La dstrbucón Pearson Tpo III o tambén llamada la dstrbucón gamma de tres parámetros, utlza tres meddas descrptvas para la obtencón de sus parámetros. El cálculo de estos parámetros se realza a través de las sguentes ecuacones: C s ; ec..4 S ; ec..5 x S ; ec..6 Sendo;,, : Parámetros de la dstrbucón de probabldad s: Desvacón estándar Cs: Coefcente de asmetría x : Meda muestral En la tabla.4 constan todos los parámetros necesaros para conocer la probabldad de ocurrenca teórca de un evento específco a través de las funcones de dstrbucón de probabldades antes ctadas 8

9 Datos Dstrbucón de Probabldad Parámetros Gumbel Tpo l X T 185,50 mm 43,94 96,00 Normal 11,36 56,36 Pearson Tpo III Log(X T ) Log-normal.7 mm y.05 y 0.19 Tabla.4.- Parámetros de las dstrbucones de probabldades Precptacón Máxma Dara - Estacón Rado Sonda AÑO PRECIPITACION LOG(Pe) DÍA (X - X) (X - X) (X - X) de Mar de Feb de Dc de Feb de Feb de Dc de Abr de Abr : N 8 : MEDIA.05 DESVIACION ESTANDAR 0.19 COEFICIENTE DE SESGO 0.1 COEFICIENTE DE ASIMETRIA 0.3 Tabla.5.- Meddas descrptvas para una funcón Log-normal y Log-pearson tpo III 9

10 .1.. Prueba de Bondad de Ajuste En la tabla.4 se mostró los parámetros de cada dstrbucón de probabldad como resultado del ajuste de los datos de precptacón, en seguda se descrbrá de manera breve la prueba de bondad del ajuste, que en la teoría de estadístca las más conocdas son la x y la Kolmogorov-Smrnov. La seleccón de la dstrbucón de probabldad obedecerá a un análss realzado a estos resultados, donde se calfca cada una de ella. a) Prueba X La prueba X es la más popular. Fue propuesta por Karl Pearson en Para aplcar la prueba, el prmer paso es dvdr los datos en número de k de ntervalos de clase, donde se ha escogdo k = 6. Como se muestra en la tabla.6. Intervalo Lmte nferor I Intervalo de Clases Lmte superor S Marca de clase Número Observado Número de Muestra n 8 Tabla.6.- Meddas descrptvas para una funcón Log-normal y Log-pearson tpo III 30

11 Luego se calcula el parámetro estadístco: D k 1 ec..7 Donde: : Es el número observado de eventos en el ntervalo : Es el número esperado de evento en el msmo ntervalo, y se calcula como: n F S F I 1,,3,... k ; ec..8 Sendo: F F S I : Funcón de dstrbucón de probabldad en el límte superor del ntervalo : Funcón de dstrbucón de probabldad en el límte nferor del ntervalo n: Número de evento. En la columna (4) de la tabla.7 se muestra los valores para las cuatro funcones de dstrbucón vstas anterormente 31

12 Funcón de Dstrbucón Normal Log-normal Pearson III Gumbel Parámetro Estadístco (1) () (3) (4) (5) (6) Intervalo F(S) F(I) / D Tabla.7.- Parámetro estadístco [D] Una vez calculado el parámetro D se determna el valor de una varable aleatora con dstrbucón X para k 1 m grados de lbertad y un nvel de sgnfcanca, donde m es el número de 3

13 parámetros estmado a partr de los datos (m = ; Normal, Log-normal, Gumbel; m = 3; Pearson III), que se encuentran en la tabla.4. Se acepta la Hpótess (H o ), s se cumple lo sguente: D 1, k 1 m Selecconando un nvel de sgnfcanca = 0.05, se tene, para funcones de dos y tres parámetros (tabla 1, Apéndce B) respectvamente los valores de la X cuyos valores se muestran en la tabla.8. Funcón de Aprobacón de Hpótess Dstrbucón D 0.95, Ho Normal se acepta Log-normal se acepta Gumbel se rechaza Pearson se acepta Tabla.8.- Aprobacón de hpótess b) Prueba Kolmogorov - Smrnov Esta prueba consste en comparar el máxmo valor absoluto de la dferenca D entre la funcón de dstrbucón de probabldad observada F 0 xm y la estmada xm F con un valor crítco d que depende del número de datos y del nvel de sgnfcanca selecconado (tabla del apéndce B) 33

14 Se acepta la Hpótess (H o ), s se cumple la sguente restrccón: Sendo D d n, n: Número de datos, 8 : Nvel de sgnfcanca, 0.05 La funcón de dstrbucón de probabldad observada se calcula como: Sendo m F0 x m 1 ec..9 m 1 m: Número de orden de los datos X m : Datos de precptacón de mayor a menor N: Número total de datos En la columna () de la tabla.9 se han escrto las precptacones máxmas anuales ordenadas en forma decrecente, en la sguente se muestran los valores de la funcón de dstrbucón de probabldad observada obtendas al evaluar la ecuacón.9. En las columnas (4), F x (6), (8) y (10) se presentan los valores de m calculados con las cnco funcones de dstrbucón teórca vsta anterormente y en las columnas (5), (7), (9) y (11) se muestran los valores absolutos de las dferencas entre F 0 xm F x y m. 34

15 Tabla.9.- Parámetro estadístco 35

16 Se ha sombreado el valor de D para cada funcón de dstrbucón en la tabla.10. Como se puede observar, según esta prueba se aceptarían todas las funcones de dstrbucón consderadas para un nvel de sgnfcanca = 0.05, para el cual el valor crítco d es 0.43 con n = 8 (tabla 3, apéndce B). La funcón dstrbucón con el menor valor de D es la Gumbel por lo que, según esta prueba, esta sera la preferble (tabla.10). Aprobacón de Hpótess Funcón de Dstrbucón D d Ho Normal Se acepta Log-normal Se acepta Pearson Se acepta Gumbel Se acepta Tabla.10.- Calfcacón de las dstrbucones usadas En la tabla.11 se resumen los resultados de las pruebas de bondad del ajuste y se calfcan las funcones según el orden de preferenca ndcado por cada prueba, dado 1 a la mejor y 4 a la peor. De estos resultados se concluye que la mejor funcón que se ajusta a los datos de precptacón es la Pearson tpo III. Seleccón de la funcón de Dstrbucón Funcón de Dstrbucón X Kolmogorov Normal 3 4 Log-normal 3 Pearson 1 Gumbel se rechaza 1 Tabla.11.- Funcón Pearson tpo III mejor ajustada 36

17 .1.3. Cálculo del perodo de retorno Una vez selecconada la funcón de dstrbucón que mejor se aplca a la muestra, la Pearson tpo III, procedemos a calcular el perodo de retorno. Este cálculo consste en determnar el factor de frecuenca a través de certas expresones matemátcas las cuales relaconan las meddas descrptvas de una muestra con la probabldad de ocurrenca de un evento extremo selecconado [X T ]. Cuyo valor corresponde a la precptacón del 13 de dcembre de 1997 selecconada por presentarse en uno de los fenómenos de El Nño con mejor regstro pluvográfco. Prmero se determna el factor de frecuenca de la precptacón través de una aproxmacón que relacona la meda y la desvacón estándar muestral. Donde: K X T s x T ec..10 s: Desvacón estándar de la muestra x : Meda de la muestra X T : Varable aleatora (máxma precptacón) K T : Factor de frecuenca. 37

18 Luego se realza un tanteo hasta alcanzar el factor de frecuenca antes calculado por medo de las ecuacones desarrolladas por Kte (1977) Este tanteo se nca evaluando la ecuacón.11 para obtener el factor k a través del coefcente de asmetría de la muestra k 6 ec..11 C S En seguda se calcula el valor z correspondente a una probabldad de excedenca p a través de la ecuacón.1 que asoca una varable ntermeda w w w z w ec w w w Donde; 1 1 w ln ; p 1 T ec..13 p Sendo w: Varable ntermeda p: Probabldad de excedenca T: Perodo de retorno (años) Susttuyendo z y k en la ecuacón.14 obtenemos el factor de frecuenca K T K T z z 1 k z 6z k z 1 k zk k ec

19 Sendo: K T : Factor de frecuenca z: Varable normal estándar k: Factor admensonal T: Perodo de retorno (años) En la tabla.1 consta el perodo de retorno obtendo de la evaluacón de las ecuacones antes descrtas Resultados FACTOR DE FRECUENCIA[k T ] 1,1380 PERIODO DE RETORNO 8,59 años Tabla.1.- Perodo de retorno de la lluva de Dcembre 13 de Análss de ntensdades máxmas. Las metodologías para el cálculo de la escorrentía en cuenca de estudos utlzan las ntensdades con que se precptan las lluvas en certo sector. Como ya se conoce, la seleccón de una ntensdad de dseño no corresponde al crtero de una sola persona, por tanto es necesaro realzar un análss a las máxmas ntensdades regstradas para posterormente extrapolarlas utlzando métodos estadístcos. El prmer paso para dseñar gráfca y analítcamente las curvas IDT, es dentfcar la sere de datos con la que se pretende trabajar. 39

20 S se busca eventos con probabldades mayores de 0. (T 5 años), se recomenda utlzar un sere de datos compuestas de valores máxmos anuales o sea tomando el mayor evento de cada año, s se desea conocer eventos que ocurren con mayor frecuenca, es mejor analzar una sere compuesta por valores que se encuentren por encma de algún valor base pre-selecconado, de tal manera que no se escojan mas de dos o tres eventos cada año. La estacón Rado Sonda consta de un pluvografo que regstra contnuamente la varacón de la lluva con el tempo. Esta nformacón es captada en fajas pluvográfcas que permten al observador procesar el evento lluvoso en perodos mínmos de 10 mnutos y máxmos de 4 horas, como se muestra en la fgura.1 del apéndce B. Las ntensdades de las precptacones provenen de pluvogramas que regstra la precptacón acumulada a lo largo del tempo. De esas gráfcas se puede obtener para dversas duracones, las máxmas ntensdades ocurrdas en una lluva. Durante los meses de marzo, abrl, novembre y dcembre de 1997, se presentaron los mejores eventos hdrológcos, por lo cual se hzo el análss de ntensdades de estas fajas(apéndce B) para 10, 0, 30 mnutos, y de 1 y horas de duracón, los msmos se presentan a contnuacón: 40

21 MARZO Intensdad máxma (mm./h) DURACION mn. mn. mn. hora Hora FECHA HORA ALTURA MAX (mn.) ,8 51,4 INTENSIDAD MAX (mm/hora) ,8 5,7 4 de Marzo de H50 ALTURA MAX (mn.) 9,1 15,3 1,3 39,7 57,9 INTENSIDAD MAX (mm/hora) 54,6 45,9 4,6 39,7 8,95 15 de Marzo de H00 ALTURA MAX (mn.) ,3 18,7 18,9 INTENSIDAD MAX (mm/hora) ,6 18,7 9,45 19 de Marzo de H0 ALTURA MAX (mn.) 15,5 7 34, ,8 INTENSIDAD MAX (mm/hora) ,9 5 de Marzo de H00 Tabla.13.- Máxmas ntensdades regstradas en de marzo de 1997-Rado Sonda ABRIL Intensdad máxma (mm./h) DURACION mn. mn. mn. hora hora FECHA HORA ALTURA MAX (mn.) 4,7 7,6 8,5 9,3 0 INTENSIDAD MAX (mm/hora) 8,,8 17 9,3 0 1 de Abrl de h30 ALTURA MAX (mn.) 5,9 1,5,1,4 3, de Abrl de INTENSIDAD MAX (mm/hora) 35,4 4,5 4,,4 1, h05 ALTURA MAX (mn.),6 4,6 4,7 4,7 5, de Abrl de INTENSIDAD MAX (mm/hora) 15,6 13,8 9,4 4,7, h50 ALTURA MAX (mn.) 7 1,5 14,9 16, 19,3 INTENSIDAD MAX (mm/hora) 4 37,5 9,8 16, 9,65 17 de Abrl de h8 ALTURA MAX (mn.) 4,3 6,3 7,5 11,1 19, de Abrl de INTENSIDAD MAX (mm/hora) 5,8 18, ,1 9, h00 ALTURA MAX (mn.) 3,4 6,6 9, 13,3 18 INTENSIDAD MAX (mm/hora) 0,4 19,8 18,4 13,3 9 1 de Abrl de h10 ALTURA MAX (mn.),5 4, 5 8,5 1,9 INTENSIDAD MAX (mm/hora) 15 1,6 10 8,5 6,45 1 de Abrl de h00 ALTURA MAX (mn.) 6,5 9,5 10,9 0,7 4, INTENSIDAD MAX (mm/hora) 39 8,5 1,8 0,7 1,1 8 de Abrl de h30 ALTURA MAX (mn.) 3,8 4,3 4,4 5,3 6 INTENSIDAD MAX (mm/hora),8 1,9 8,8 5, de Abrl de h00 Tabla.14.- Máxmas ntensdades regstradas en abrl de 1997-Rado Sonda 41

22 NOVIEMBRE Intensdad máxma (mm./h) DURACION mn. mn. mn. hora hora FECHA HORA ALTURA MAX (mn.) 6, ,4 17,9 4,4 11 de Novembre de H00 INTENSIDAD MAX (mm/hora) ,8 17,9 1, ALTURA MAX (mn.) , de Novembre de h30 INTENSIDAD MAX (mm/hora) ,4 0 ALTURA MAX (mn.) 11,5 6,8 3,7 34,5 17 de Novembre de 17H00 INTENSIDAD MAX (mm/hora) ,6 3,7 17, ALTURA MAX (mn.) 9, ,9 34,7 63,8 3 4 de Nov de H0 INTENSIDAD MAX (mm/hora) 58, ,8 34,7 31,9 Tabla.15.- Máxmas ntensdades regstradas en novembre de 1997-Rado Sonda DICIEMBRE Intensdad máxma (mm./h) DURACION mn. mn. mn. hora hora FECHA HORA ALTURA MAX (mn.) 6,1 9, 1,5 3 3,8 INTENSIDAD MAX (mm/hora) 36,6 7, ,4 4 de Dc de h00 ALTURA MAX (mn.) 6 11, 14,7 4 30,7 INTENSIDAD MAX (mm/hora) 36 33,6 9,4 4 15, de Dc de h00 ALTURA MAX (mn.) 13 4, ,8 61,7 INTENSIDAD MAX (mm/hora) 78 74, ,8 30, de Dc de 1997 h30 ALTURA MAX (mn.) 19,5 34, ,5 INTENSIDAD MAX (mm/hora) , , de Dc de h40 ALTURA MAX (mn.) 8 9,5 10,1 10, 11,1 INTENSIDAD MAX (mm/hora) 48 8,5 0, 10, 5, de Dc de h30 Tabla.16.- Máxmas ntensdades regstradas en dcembre de 1997-Rado Sonda En cada tabla se resalta el evento mas ntenso del mes, sn embargo la precptacón que se presento el 14 de dcembre de 1997, fue la lluva con mayor ntensdad susctada ese año ya que alcanzo los 117 mm/h durante 10 mnutos. 4

23 Este proceso de seleccón se toma como patrón para obtener un conjunto de datos compuesto por las mayores ntensdades anuales caídas en un sector..3. Curvas Intensdad-Duracón-Frecuenca(IDF) La ntensdad de la lluva se la defne como la cantdad de agua que cae, en un punto, por undad de tempo, y es nversamente proporconal a la duracón de la tormenta. La duracón de la tormenta es el tempo que transcurre desde que nca la precptacón de la tormenta hasta que esta cesa. Wllems (000) defne las curvas ntensdad-duracón-frecuenca (IDF) como la relacón que exste entre la ntensdad de precptacón meda y la frecuenca de ocurrenca (nverso del perodo de retorno); estas curvas son herramentas amplamente utlzadas en ngenería para fnes de plantacón, dseños y operacón de los proyectos hdráulcos, así como la proteccón de obras de ngenería contra avendas máxmas. Exsten báscamente dos formas de expresar la relacón IDT para un sto dado, la prmera a través de curvas y la segunda a través de modelos matemátcos Para la construccón de las curvas se plantean dos métodos, uno conocdo como ntensdad - perodo de retorno, el cual relacona estas 43

24 dos varables para cada duracón por separado medante algunas de las funcones de dstrbucón de probabldad usada en hdrología. Estas famlas de dstrbucones probablístcas se someten a pruebas de bondad, para determnar cual de ellas se aplca de mejor manera a la sere de valores pluvográfcos. El segundo método relacona smultáneamente las tres varables en una famla de curvas cuya ecuacón es: k ( d m T c) n ec..7 Donde k, m, n y c son constante que se calcula medante un análss de correlacón lneal múltple. log log k mlog T nlog( d C) ec..8 y a 0 a1x1 a x ec..9 Modelos matemátcos para las curvas (IDF). Las curvas ntensdad, duracón y frecuenca tambén pueden expresarse como ecuacones, con el fn de evtar la lectura de la ntensdad de dseño, en una grafca (Chow et al., 1994). A contnuacón se presentan los modelos matemátcos mas conocdos, a nvel mundal, que se utlzan para estmar las curvas IDF. 44

25 Ecuacón que relacona la ntensdad de la lluva con la duracón de la tormenta. Autor Modelo Característcas Ponce(1989) Sendo n < 1 (d Tabla.17.- Modelos matemátcos que relacona la ntensdad-duracón Nota: Los valores de λ y θ se determnan por análss de regresón ) Ecuacones que relaconan la ntensdad de la lluva de una tormenta con la duracón y frecuenca de ocurrenca de esta. Autor Modelo Aplcacón Bernard (193). T d Sherman (1931) (d T ) Boston-Massachussets- USA Wenzel (198). d Varas cudades de los Estados Undos Chow et al. (1994), d T Varas cudades de los Estados Undos Koutsoyanns et al. (1998). ln ( d ln 1 ) 1 T Atenas- Greca Tabla.18.-Modelos que relaconan la ntensdad-duracón-frecuenca Nota: Los valores de λ, Ψ, ŋ y θ se estman por aproxmacones sucesvas cuando se ajusta cada modelo. 45

26 Dversas publcacones donde se resalta la ecuacón de lluva, como el producto del análss de los máxmos eventos regstrados en una estacón, ndcan que el modelo matemátco propuesto por Ponce, no es recomendable debdo a que solo se aplca a un 50% de la muestra, mentras que las ecuacones que relaconan las tres varables muestran un buen ajuste al punto que absorben el 90% de los datos en el peor de los casos. La Empresa Muncpal de Alcantarllado de Guayaqul, EMAG elaboro dos ecuacones de lluva para su plan de manejo de aguas servdas. La prmera contempla los datos lluvosos de los años 1951 a 1981 mentras que la segunda ncluye el regstro de la estacón nvernal 8-83, que fue extremadamente lluvosa debdo a la presenca del fenómeno El Nño. Este ncremento de datos hzo varar los coefcentes de la ecuacón, dfrendo la ntensdad de la lluva en el 1 %. Mas tarde el IIFIUC presento un trabajo donde obtuvo nuevas ecuacones pluvométrcas utlzando la dstrbucón de frecuenca de Gumbel para el ajuste de datos que ncluían lluvas ntensas hasta el año En la sguente tabla se presenta las tres ecuacones obtendas por la EMAG y el IIFIUC respectvamente para un perodo de retorno de 10 años. 46

27 Ecuacones Pluvométrcas Entdad Proponente Ecuacón Datos EMAG t EMAG t 15 IIFIUC ln TC Tabla.19.-Ecuacones obtendas por la EMAG y la IIFIUC 47

28 INDICE CAPITULO ANALISIS ESTADISTICO DE DATOS HIDROLOGICOS Perodo de Retorno Ajuste de datos a una dstrbucón de probabldades... 3 a) Dstrbucón Gumbel Tpo I... 5 b) Dstrbucón Normal... 6 c) Dstrbucón Pearson Tpo III Prueba de Bondad de Ajuste a) Prueba X b) Prueba Kolmogorov - Smrnov Cálculo del perodo de retorno Análss de ntensdades máxmas Curvas Intensdad-Duracón-Frecuenca(IDF)

29 INDICE DE TABLA CAPITULO ANALISIS ESTADISTICO DE DATOS HIDROLOGICOS... 1 Tabla.1. Sere de máxmas precptacones daras tomadas de la Estacón Rado Sonda... 3 Tabla..- Funcón de densdad de probabldad que se ajustan a datos hdrológcos... 4 Tabla.3. Obtencón de los parámetros estadístcos de la muestra - μ, s... 5 Tabla.4.- Parámetros de las dstrbucones de probabldades... 9 Tabla.5.- Meddas descrptvas para una funcón Log-normal y Logpearson tpo III... 9 Tabla.6.- Meddas descrptvas para una funcón Log-normal y Logpearson tpo III Tabla.7.- Parámetro estadístco [D]... 3 Tabla.8.- Aprobacón de hpótess Tabla.9.- Parámetro estadístco Tabla.10.- Calfcacón de las dstrbucones usadas Tabla.11.- Funcón Pearson tpo III mejor ajustada Tabla.1.- Perodo de retorno de la lluva de Dcembre 13 de

30 Tabla.13.- Máxmas ntensdades regstradas en de marzo de Rado Sonda Tabla.14.- Máxmas ntensdades regstradas en abrl de 1997-Rado Sonda Tabla.15.- Máxmas ntensdades regstradas en novembre de Rado Sonda... 4 Tabla.16.- Máxmas ntensdades regstradas en dcembre de Rado Sonda... 4 Tabla.17.- Modelos matemátcos que relacona la ntensdad-duracón Tabla.18.-Modelos que relaconan la ntensdad-duracón-frecuenca 45 Tabla.19.-Ecuacones obtendas por la EMAG y la IIFIUC

31 Análss de resultado En el captulo correspondente al análss de estadístcos de datos se ajusto la muestra compuesta de las máxmas precptacones daras anuales, en este estudo se determno que la dstrbucón que mejor se aplcaba a los datos era la dstrbucón de probabldad Pearson tpo III, sn embargo se utlzo varas funcones para hallar el perodo de retorno de la lluva del 13 de Dcembre para comparar los resultados y cuantfcar la varacón. La tabla.14 resume el perodo de retorno obtendo de la evaluacón de cada dstrbucón. Dstrbucón Resumen Perodo de Retorno Gumbel Tpo I 8,18 Normal 7,84 Log-Normal 7,99 Pearson Tpo III 8,59 Log-Pearson Tpo III 8,5 Tabla.14.- Perodo de retorno usando dstntas dstrbucones Del procesamento de las fajas pluvográfcas con mejor regstro del año 1997, se obtuvo la mayor ntensdad de CUENC A Tempo de concentracón Mnutos Intensdad de lluva (F=10 años) EMAG 1 EMAG IIFIUC ( ( t 15) t 16) ln Tc 37.6 Regstro Dcembre 13 de 1997 # # #

32 Cuenca Intensdad de Lluva (F = 10 AÑOS) EMAG 1 EMAG IIFIUC Tempo de Concentracón t 16 t ln TC Mnutos 37.6 Regstro - Dc 13 de 1997 # # #

AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.

AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

Más detalles

Prueba de Evaluación Continua

Prueba de Evaluación Continua Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A Prueba de Inferenca Estadístca y Contraste de Hpótess 8 de octubre de 01 GRUPO A 1.- Se ha observado un ángulo cnco veces, obtenéndose los sguentes valores: Se pde: 65º5 ; 65º33 ; 65º3 ; 65º8 ; 65º7 a)

Más detalles

Probabilidad Grupo 23 Semestre Segundo examen parcial

Probabilidad Grupo 23 Semestre Segundo examen parcial Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más detalles

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez Problema La sguente tabla epresa la estatura en cm. de soldados: Talla 5 56 60 6 68 6 80 8 88 Soldados 6 86 50 8 95 860 85 6 9 a) Haz un hstograma que represente la estatura en metros de los soldados.

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica

CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica CAPÍTULO III. METODOLOGÍA 1 III.1 Evaluacón del pelgro sísmco La determnacón drecta del pelgro sísmco rara vez se puede hacer debdo a la falta de nformacón en cuanto a las aceleracones que se han producdo

Más detalles

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 1.- Variable aleatoria discreta (V2.1) Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto

Más detalles

Carlos de Gonzalo Aranoa. José Carlos Robredo Sánchez, Juan Ángel Mintegui Aguirre. Ávila, 21 de Septiembre de 2009

Carlos de Gonzalo Aranoa. José Carlos Robredo Sánchez, Juan Ángel Mintegui Aguirre. Ávila, 21 de Septiembre de 2009 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad- Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa. José Carlos Roredo Sánchez,

Más detalles

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

Más detalles

METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS

METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 014 INSTITUTO NACIONAL DE ESTADÍSTICAS AÑO 016 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS

Más detalles

Regresión lineal y correlación lineal

Regresión lineal y correlación lineal UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI)

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) 14.1. La Curva Característca de los ítems (CCI) 14.. Los errores típcos de medda 14.3. La Funcón de Informacón

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

Más detalles

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012 Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

3.3 Prueba de Matemáticas y Lenguaje

3.3 Prueba de Matemáticas y Lenguaje 04 3.3 Prueba de Matemátcas y Lenguaje Con el objetvo de conocer el nvel de conocmento de ml doscentos sesenta y cuatro estudantes de las escuelas nvestgadas dentro de la cudad de Guayaqul, se efectúa

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 013 INSTITUTO NACIONAL DE ESTADÍSTICAS 015 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR

Más detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles

, x es un suceso de S. Es decir, si :

, x es un suceso de S. Es decir, si : 1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009 METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3 PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO

Más detalles

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc. TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Algunas aplicaciones del test del signo

Algunas aplicaciones del test del signo 43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

1. Variable aleatoria. Clasificación

1. Variable aleatoria. Clasificación Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.

Más detalles

Apellidos y nombre: i. El valor anual de la amortización de la construcción es fijo y vale A. 2. Cada punto de venta tiene una demanda anual dem

Apellidos y nombre: i. El valor anual de la amortización de la construcción es fijo y vale A. 2. Cada punto de venta tiene una demanda anual dem 4º IIND Métodos Matemátcos 5 de septembre de 00 Apelldos y nombre: PROBLEMA (4 puntos) Una empresa tene puntos de venta stuados sobre una ruta que, a efectos de planfcacón, puede ser consderada como una

Más detalles

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

1. Notación y tabulación

1. Notación y tabulación Tema 2: Descrpcón Unvarante. otacón y tabulacón 2. Descrpcón gráfca 3. Descrpcón numérca. Momentos estadístcos. Meddas de poscón. Meddas de dspersón v. Varable tpfcada v. Meddas de forma v. Meddas de concentracón

Más detalles

TEMA 1.- CONCEPTOS BÁSICOS

TEMA 1.- CONCEPTOS BÁSICOS TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.

Más detalles

MODELO DETERMINISTICO-ESTOCASTICO DE LUTZ SCHOLZ 1. GENERALIDADES

MODELO DETERMINISTICO-ESTOCASTICO DE LUTZ SCHOLZ 1. GENERALIDADES MODELO DETERMINISTICO-ESTOCASTICO DE LUTZ SCHOLZ 1. GENERALIDADES Este modelo hdrológco, es combnado por que cuenta con una estructura determínstca para el cálculo de los caudales mensuales para el año

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3 UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3 PROBABILIDAD Y ESTADISTICA LABORATORIO PARA EXAMENES EXTRAORDINARIOS INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que

Más detalles

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i ) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles