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

Documentos relacionados
Regresión y Correlación Métodos numéricos

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

Figura 1

T E X T O D E L M A N U A L D E H T M L, W E B M A E S T R O, P O R F R A N C I S C O A R O C E N A

Relación 2: Regresión Lineal.

Introducción a la Física. Medidas y Errores

F U N D A D O POR DON 0SE B A T l L E Y O R D O Ñ E Z EL > 6 DE J U N I O DE « '»eriarclóo 0 E O O A4 I N C O A LLAMENOS CHURRASOUERA

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

El subestimado problema de la confusión residual. Héctor Lamadrid-Figueroa; Alejandra Montoya; Gustavo Ángeles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

Estadística Unidimensional: SOLUCIONES

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Pronósticos. Humberto R. Álvarez A., Ph. D.

DISTRIBUCIONES BIDIMENSIONALES

Medidas de Variabilidad

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

Análisis de Regresión y Correlación

Problemas donde intervienen dos o más variables numéricas

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

Regresión Cuantílica o Quantile Regression

Submicrométricas Ópticas

REGRESION Y CORRELACION

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico

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

Tema 1.3_A La media y la desviación estándar

INTRODUCCIÓN. Técnicas estadísticas

Relaciones entre variables

Evaluación de diversos modelos de interpolación espacial para la estimación de la precipitación promedio en la cuenca alta de río Toro.

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17

NOTICIAS DE ULTIMA HORA CONFIRMAN QUE LA NORMALIDAD REINA EN ESPAÑA : L as versiones que llegan de

ESTADÍSTICA DESCRIPTIVA

Tema 1: Estadística Descriptiva Unidimensional

Estadística con R. Modelo Probabilístico Lineal

Tema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación

MÓDULO DE GEOESTADÍSTICA PARA EXCEL: APLICACIÓN A PESCA Diana María González Troncoso Centro Oceanográfico de Vigo.

Tema 1. Conceptos generales

Hidrología superficial

X R = R Y. Aproximación del sesgo del estimador de la razón, (N n) 2 y S xy. NnY 2 ( (N n) y s xy

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

REGRESION LINEAL SIMPLE

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Correlación y regresión lineal simple

B o l e t í n d e J u r i s p r u d e n c i a d e l T r i b u n a l A d m i n i s t r a t i v o d e

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales

Medidas de centralización

3. VARIABLES ALEATORIAS.

ANÁLISIS DE FRECUENCIAS

Variables Aleatorias

MUESTREO EN POBLACIONES FINITAS

Nociones sobre cuadrados mínimos por Dr. Horacio Bruzzone

1. Variable aleatoria. Clasificación

Efectos fijos o aleatorios: test de especificación

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

Economía de la Empresa: Financiación

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011

Física del Medio Ambiente

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

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

ACEPA ACADEMIA EUROPEA DE PARAPSICOLOGIA

O f ic in a s : T i e m p o p r o b a b le ; C a n a l S t., N e w T o r K. T e le fo n o : C a n a! 1200.

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Algunas aplicaciones del test del signo

TÉCNICAS AUXILIARES DE LABORATORIO

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ACEPA ACADEMIA EUROPEA DE PARAPSICOLOGIA

Estimación del consumo diario de gas a partir de lecturas periódicas de medidores

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

ÍNDICE. 3. APLICACIONES DE LAS FUNCIONES DE NÚCLEO EN ECOLOGÍA ESPACIAL José Manuel Blanco Moreno

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Laboratorio de Bases Físicas del Medio Ambiente

Para una población dada, se pueden estudiar simultáneamente dos o más caracteres cuantitativos diferentes.

El expresidente de Costa Rica confiesa que se le incitó a dar un cuartelazo

REGRESION LINEAL SIMPLE

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

ú

Regresión Binomial Negativa

Modelos triangular y parabólico

Desde California llegan ya donativos para los niños pobres de Puerto Rico

TEMA 5. INTERPOLACION

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

^^conocerán los EE. UU, en H. América a los gobiernos creados por las revoluciones

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia

Estimadores robustos de estadísticos de posición

Tema 3: Procedimientos de Constrastación y Selección de Modelos

e l E n i, 241) C anal S t., N e w Y o rk. T e l é f o n o : C an al

El vapor Ortega fué ren olcado a la Habana seiridestruido por un incendio. La dictadura no ha de íavorecei a un solo partido sino a la nación entera

T. 9 El modelo de regresión lineal

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

INTERPOLACIÓN ESPACIAL DE LA PRECIPITACIÓN PLUVIAL EN LA ZONA DE BARLOVENTO Y SOTAVENTO DEL GOLFO DE MÉXICO *

COMPARACION DE LOS VALORES SATELITALES DEL SURFACE SOLAR ENERGY (SSE) DATA SET VERSION 1.0 CON DATOS DE TIERRA DE LA RED SOLARIMETRICA

TEMA 2 CARACTERIZACIÓN DE MEDIOS POROSOS

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

Transcripción:

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, Juan Ángel Mntegu Agurre. Ávla, de Septemre de 009

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 /0 Introduccón Estmacón de la ntensdad de precptacón efectva (Intensdad Meda Superfcal osuperfces de estudo medanas a grandes (precptacón puntual no es unforme otratamento de mámos Curvas Intensdad-Área o Factores de Reduccón Superfcal (FRS. (Wather Bureau, 958; Rodrguez-Iture et al., 974; Svapalan et al., 998; Asquth et al., 000; Olvera et al., 008. Esten dos enfoques: FRS = I / I má ocentrado en una superfce ocentrado en la tormenta Intensdad Puntual Máma - Intensdad Meda Superfcal Máma Dstrucón Espacal de la Precptacón

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 3/0 Ojetvos. Estmar la dstrucón espacal de la ntensdad de precptacón a partr de medcones pluvográfcas, para una sere de momentos (ntensdad local máma de un evento de precptacón etraordnaro concreto.. Estmar el grado de error sesgo para dferentes métodos de estmacón de la dstrucón espacal de la perecptacón 3. Estalecer Curvas Intensdad-Área (FRS = f(s para dferentes ntervalos de duracón (0.5,, 6, 4 h

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 4/0 Área de Estudo 6 pluvógrafos de la red de estacones meteorológcas de la DFB Cuencas hdrográfcas de los ríos Nervón Cadagua Superfce de 660 km Eventoentreel3demaoeldejuno de 008 Intervalo (h P má (mm I má (mm/h Rango de mámos (mm/h Nº de casos 0.5 0.6 4. 9.8 4. 7 9.0 9.0.5 9.0 8 6 6.8 0.3 3.9 0.3 7 85. 7..9 7. 8 4 5. 4.8 3.8 4.8 5

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 5/0 Estmacón de la Precptacón Meda Superfcal Regresón Polnómca Lneal (RI Regresón Polnómca Paraólca (RII, (, ( 0 Z e =, (, ( 5 4 3 0 Z e =

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 6/0 Estmacón de la Precptacón Meda Superfcal Vecno más cercano (TH (Thessen, 9 Krgueado Ordnaro (KO (Cresse, 993. Estmacón del varograma epermental. Ajuste del varograma teórco (esférco o gaussano Ù N ( h g ( h = å[ z( ua - z( u a h ] N ( h a=. La predccón del la varale en la poscón u a (z*(u a sgue la epresón: z * å ( u = l ( u a n = Donde λ es el peso correspondente a cada uno de los n puntos muestreados z(u, cumplendo las condcón [], de modo que el estmador no sea sesgado, mnmzando la varanza del estmador [a]. De este modo el Krgueado supone el mejor ajuste lneal no sesgado. a z( u s E * { Z ( u Z( u } = Var - a n å l = a = [a] []

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 7/0 Comparacón de métodos Valdacón cruzada Crtero de seleccón: mínmo sesgo error 0 Intervalo 0.5 6 4.0 0.5 Intervalo 0.5 6 4 8 RECM 6 EM 0.0 4-0.5 -.0 0 RI RII Método TH KO -.5 RI RII Método TH KO

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 8/0 Comparacón de métodos Coefcente de Correlacón (R Coefcente de Efcenca - Nash Shutclffe 0 00 R = 0.76 E = 0.748 TH E n å = = - n å = ( Q ( Q m m - Q -Q m (Nash Sutclffe, 970 p Estmado 80 60 40 0 0 0 0 40 60 80 00 0 Oservado RI RII KO 0 00 R = 0.689 E = 0.686 0 00 R = 0.579 E = 0.50 0 00 R = 0.87 E = 0.87 80 80 80 Estmado 60 Estmado 60 Estmado 60 40 40 40 0 0 0 0 0 0 40 60 80 00 0 0 0 0 40 60 80 00 0 0 0 0 40 60 80 00 0 Oservado Oservado Oservado

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 9/0 Curvas Intensdad-Área FRS = I / I má.0 0.8 FRS 0.5h FRS h FRS 6h FRS h FRS 4h I má es Intensdad Puntual Máma ; Ī es la Intensdad Superfcal Máma: I = ( V / S V es el volumen de precptacón por encma de la soeta ; S la superfce (D por encma de la soeta. FRS 0.6 0.4 Ajuste de una funcón eponencal decrecente, ajustada por mínmos cuadrados. Duracón (h a c R 0.5.68 0.4 0. 0.67.66 0.7 0.0 0.76 6 5.60 0.0 0.4 0.83 89.0 0.08 0.0 0.95 4.5 0.5 0.08 0.94 0. FRS 0 00 400 600 800 000 00 400 600 800 =.0 - a e Superfce (km æ -ç è S c ö ø (Chulsang et al., 007

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 0/0 Conclusones El uso de Curvas Intensdad-Área muestra dferencas sgnfcatvas respecto al uso de precptacones puntuales solas, para la smulacón de caudales de avenda. Las dferencas son maores a medda que la superfce de estudo aumenta. Los métodos más adecuados (menor error sesgo para representar la dstrucón espacal de la precptacón son el método del vecno más cercano (TH el Krgueado Ordnaro (KO. omaor smplcdad del método TH, el método KO requere una maor nversón de medos tempo. oel KO proporcona una dstrucón contnua de la varale I, lo que permte una mejor estmacón de los FRS. oimportanca de una alta densdad de pluvógrafos oposldad de una medcón contnua de la dstrucón de precptacón en la tormenta (enfoque multsensor: pluvógrafo radar/satélte.

Agradecmentos. Proecto INCO-EPIC FORCE del 6º Programa Marco de la Comsón Europea Departamento de Medo Amente - Área de Hdrología, de la Dputacón Foral de Bzkaa carlos.degonzalo@upm.es