5.7 Método de Gumbel.

Un ejemplo de serie de valores extremos sería si hubiéramos elegido, de una serie de

años, el día más caudaloso o de mayor precipitación de cada año. Para el estudio de
series de valores extremos se utilizan diversas distribuciones; la de utilización más sim-
ple es la distribución de Gumbel:
La probabilidad de que se presente un valor inferior a x es:
−(𝑥−𝑢)/∝
𝐹(𝑥) = 𝑒 −𝑒 1
𝑆
∝= 𝜎𝑥 2
𝑦

u=x-µy*𝛼 3

Donde:
F(x) probabilidad de que se presente un valor igual o menor que x
e = base de los logaritmos neperianos
x¯= media aritmética de la muestra
Sx , = desviación estándar de la muestra
σy, µy = valores según el número de datos de la muestra, consultar en la tabla adjunta

Mediante las expresiones anteriores podremos calcular la frecuencia a partir del valor x,
es decir:
Calcular con qué frecuencia (o periodo de retorno) se presentará un cierto caudal o pre-
cipitación.
Para solucionar el caso inverso (qué caudal o precipitación se producirán cada n años)
debemos despejar x en la expresión (1), obteniendo:

4
Ejemplo: De una serie de 55 caudales máximos (el caudal diario máximo de cada año)3,
hemos calculado:
Media= 21,97 m3/s
Desv. estándar=13,22 m3/s

Calcular: a) Periodo de retorno de un caudal de 60 m3/s. b) Caudal con retorno de 100

años.
a) Periodo de retorno para que el día más caudaloso del año el caudal supere el
valor de 60 m3/s

1º) De acuerdo con la tabla adjunta, para 55 datos, tomamos los valores:

µy = 0,5504; σy = 1,1682
2º) Calculamos ∝ y u:

Algunos autores utilizan µy =0,5772; σy = 1,2825 sin considerar el número de datos.

Equivale a considerar no la muestra disponible, sino toda la población (nº de datos infi-
nito).

µy , σy son, respectivamente, la media y la desviación estándar de una serie de valores

yi definida así::

𝑁+1
𝑦𝑖 = 𝑙𝑛 (𝑙𝑛 ( ))
𝑖

i= 1 a N; N = n° de datos de la muestra

𝛼 = sx / σ y = 13,22 / 1,1682 = 11,3168

u = x¯ – µy*𝛼·= 21.97 – 0,5504*11,3168 = 15,741

3º) Aplicamos la ecuación de Gumbel (1). La probabilidad de que se presente un caso

menor que x será:

−(𝑥−𝑢)/∝ −(60−15.741)/11.3618
𝐹(𝑋) = 𝑒 −𝑒 =𝑒 −𝑒 = 0.9803 ~ 98.03%

Por tanto, la probabilidad de que se presente un caudal mayor que x será:

1- F (x) = 1 -0,9803 = 0,0197 (= 1,97%)

Finalmente, el periodo de retorno es el inverso de la probabilidad:

Periodo de retorno= 1/0,0197 = 50,8 años

b) Caso inverso: Calcular el caudal con retorno de 100 años

Probabilidad de superar = 1/ periodo de retorno = 1 / 100 = 0,01
Por tanto, buscamos un caudal con una probabilidad de 0,01 de ser superado
Probabilidad de ser inferior = 1 – prob. de ser superior; es decir: F(x) = 1 – 0,01 = 0,99.
Ahora deberíamos calcular 𝛼 y u mediante las expresiones (2) y (3), pero en este ejemplo
ya las hemos calculado en el apartado anterior.
Aplicando la fórmula (4):

x = –ln (–ln (F(x))) · 𝛼 + u = –ln (–ln (0,99)) *11.317+15,741 = 67,8 m3/s

Para el cálculo de probabilidades de valores extremos se utilizan diversas distribuciones,

entre las que destacan, como más utilizadas, la log-normal (los logaritmos de los valores
son los que se ajustan a la ley de Gauss) o la ley Pearson III, adoptada por las agencias
federales en USA

Método Gumbel para calcular el caudal máximo para un periodo de retorno deter-
minado

Se utiliza la siguiente ecuación:

𝜎
𝑄𝑚𝑎𝑥 = 𝑄𝑚 − 𝜎𝑄 (𝑌̅𝑁 − 𝑙𝑛𝑇 ) (1) 6.27
𝑁

Siendo

∑ 𝑁 2
𝑄𝑖 −𝑁𝑄𝑚 2
𝜎𝑄 = √ 𝑖=1 𝑁−1 (2) 6.28

Donde:

Qmax= Caudal máximo para un periodo de retorno determinado, en m3/s

Qi= Caudales máximos anuales registrados, en m3/s

N= Número de años de registro

∑𝑁 𝑄 𝑖
𝑄𝑚 = 𝑖=1 Caudal promedio, en m3/s
𝑁
T= periodo de retorno
̅̅̅̅ = Constantes función de N (tabla 1 variables reducidas )
𝜎𝑁,𝑌𝑁

𝜎𝑄 = Desviación estándar de los caudales.

Para calcular el intervalo de confianza, o sea, aquel dentro del cual puede variar Q max
según el registro disponible se hace lo siguiente:

1.Si φ = 1-1/T varía entre 0.20 y 0.80. el intervalo de confianza se calcula con la fórmula:
𝜎𝑄
∆𝑄 = ±√𝑁𝛼𝜎𝑚 (3) 6.29
𝜎𝑁 √𝑁
Donde:
N = número de registro
√𝑁𝛼𝜎𝑚 = constante en función de φ, tabla N° 2

𝜎𝑁 = constante en función de N, tabla (1)

𝜎𝑄 = desviación estándar de los caudales, Ecuación (2)

2.Si φ > 0.90, el intervalo se calcula como:
1.14𝜎𝑄
∆𝑄 = ± (4) 6.30
𝜎𝑁

La zona de φ comprendida entre 0.80 y 0.9 se considera de transición , donde ∆𝑄 es

proporcional al calculado con las ecuaciones ( 3) y (4), dependiendo del valor de φ

El caudal máximo de diseño para un cierto periodo d retorno será igual al caudal máximo
con la ecuación (1) , más el intervalo de confianza, calculado con (3) o ( 4)
𝑄𝑑 = 𝑄𝑚𝑎𝑥 ± ∆𝑄 . (5) 6.31

Ejemplo:
Se tiene el registro de caudales máximos de 30 años para la estación 9-3 Angostura,
como se muestra en la tabla N°03:
En este rio se desea construir una presa de almacenamiento, para calcular el caudal de
diseño para el vertedor de demasías, para periodos de retorno de 50 y 100 años respec-
tivamente, utilizar el método Gumbel.
Tabla: caudales máximos para la estación Angostura para el periodo 1970-1999
Tabal N° 3
Caudales maximos de la estacion Angostura 1970-1999
Año Caudal m3/s Año Caudal m3/s
1970 1660 1985 562
1971 917 1986 520
1972 3800 1987 360
1973 1410 1988 367
1974 2280 1989 658
1975 618 1990 824
1976 683 1991 850
1977 934 1992 1230
1978 779 1993 522
1979 921 1994 581
1980 876 1995 557
1981 740 1996 818
1982 1120 1997 1030
1983 610 1998 418
1984 1150 1999 953
Fuente: tabla 6.13 al 6.15 de Villon

Sumatoria de los caudales máximos = 28 748

Sumatoria de los cuadrados de caudales máximos: 40595.065

Solución:

1.Calculo del promedio de caudales Qm

De la tabla N° 03, si se suma los caudales máximos y se divide por el número de años
del registro, se obtiene el caudal promedio:

Qm = 28748/30= 958.30m3/s

2.Calculo de la desviación estándar de los caudales 𝜎𝑄 :

Con Q máx.sumando los cuadrados de los caudales de la tabla N° 03 y utilizando

la ecuación (2), se tiene:
 𝟒𝟎𝟓𝟗𝟓𝟎𝟔𝟓−𝟑𝟎∗(𝟗𝟓𝟖.𝟑𝟎)𝟐
𝝈𝑸 = √ = 𝝈𝑸 = 670.6893
𝟐𝟗

̅ 𝑵;
3.Calculo de los coeficientes 𝝈𝑵 , 𝒀
De la tabla N° 01, para N= 30 años, se tiene
̅ 𝑵 = 0.53622 y
𝒀
𝝈𝑵 = 1.11238
4.Obtencion de la ecuación del caudal máximo.
𝝈
̅ 𝑵 − 𝒍𝒏𝑻 )
𝑸𝒎𝒂𝒙 = 𝑸𝒎 − 𝝈𝑸 (𝒀
𝑵

𝟔𝟕𝟎.𝟔𝟖𝟗𝟑
𝑸𝒎𝒂𝒙 =𝟗𝟓𝟖. 𝟑𝟎 − (𝟎. 𝟓𝟑𝟔𝟐𝟐 − 𝒍𝒏𝑻)
𝟏.𝟏𝟏𝟐𝟑𝟖

Qmax = 634.9959+602.9318*lnT

5.Calculo del caudal máximo para diferentes T

Para T = 50 años: Qmax = 2993.68 m3/s
Para T = 100 años: Qmax = 3411.60 m3/s
6.Calculo de φ
Para T = 50 años φ = 1-1/50= 0.98
Para T = 100 años φ = 1-1/100= 0.99
7.Calculo de intervalo de confianza
Como en ambos casos el valor de φ es mayor que 0.90. se utiliza la ecuación (4)
Es decir:
𝟏. 𝟏𝟒𝑿𝟔𝟕𝟎. 𝟔𝟖𝟗𝟑
∆𝑸 = ±
𝟏. 𝟏𝟏𝟐𝟑𝟖
∆𝑸 = ± 687.34 m3/s

8.Calculo del caudal del diseño:

De la ecuación (5) se tiene:
Para T = 50 años: Qd = 2993.68+687.34
Qd = 3681.02 m3/s
Para T = 100 años: Qd = 3411.60+687.34
Qd = 4098.94 m3/s
 Fuente: tabla 6.13 al 6.15 de Villon

5.8 LA CURVA DE FRECUENCIAS

El análisis de frecuencias, a ser discutido, utiliza los mismos principios estadísticos
aplicados a otras variables hidrológicas, adaptados a las peculiaridades de los da-
tos de caudales máximos. La técnica en todos los casos consiste en arreglar la
serie en orden decreciente y atribuir a cada valor el número de orden m (m varía
desde 1 hasta n), siendo n el tamaño de la muestra, esto es, el número de años en
el caso de series anuales). A continuación, se calcula la frecuencia observada a
través de una relación empírica como la de Weibull:

Existen muchas otras propuestas de fórmulas en la literatura especializada (Viess-

man et al., 1972), de esta forma, P es la probabilidad de que una determinada
descarga sea igualada o superada cuando el valor de n es suficientemente grande.

El tratamiento más común de los datos así preparados, es el ploteo de los pares
de puntos P ó T versus Q en un papel con escalas apropiadas. Para propósitos
generales, la escala del papel usado no es importante, habiendo sido propuesta
una escala que aproxima el gráfico de una recta, (Dalrymple, 1962).

Donde: Y es una distancia lineal y T el periodo de retorno; dando valores a T se

puede construir un papel probabilístico, en el cual generalmente los periodos de
retorno se colocan en las abcisas y las descargas en las ordenadas; esta última
escala puede ser transformada en logarítmica, dando origen a otro papel.

Es común en nuestro país que la mayor parte de los registros disponibles de des-
cargas no sobrepasen 20 o 25 años, y dado que las necesidades del proyecto
requieren periodos de retorno superiores; la tendencia es de usar la curva de fre-
cuencia para efectos de extrapolación, por lo que esto debe ser hecho con mucho
criterio; la distancia lineal entre 25 y 250 años parece corta en los gráficos, pero la
extrapolación solo puede justificarse cuando se verifica que el fenómeno se ajusta
a la ley establecida. Muchos investigadores intentaron establecer las leyes teóricas
de probabilidades que se ajustasen mejor a las muestras de n elementos de modo
a poder estimar, para cada caudal máximo Q, la probabilidad teórica P de ocurrir o
ser sobrepasada.

En la práctica es posible efectuar el ajuste de varias distribuciones teóricas a una

determinada muestra. Para comparar y concluir cuál de ellas, se plotean los valo-
res en el papel respectivo y se escoge la que mejor se aproxima a una línea recta.
Existen a disposición del interesado paquetes de programas que efectúan ese tra-
bajo, facilitando sensiblemente el análisis, ya que el propio computador diseña el
papel adecuado.

5.9 COMENTARIOS SOBRE EL USO DE LAS DISTRIBUCIONES ESTADÍSTICAS

Los datos hidrológicos, a veces, tienen una distribución fuertemente asimétrica y

en general en esos casos una transformación logarítmica la transforma en una dis-
tribución normal. La distribución Log-Normal es de gran utilidad porque abre el am-
plio campo teórico de aplicación de la distribución Normal. Como ambas distribu-
ciones, Normal y Log-Normal son de dos parámetros, basta calcular la media y la
desviación estándar de los caudales y de sus logaritmos, respectivamente. El
grado de ajuste de una serie de datos puede, como en los demás casos, ser exa-
minado a través de las pruebas estadísticas Chi-cuadrado o Kolmogorov o del uso
del papel de probabilidades Log-Normal, donde debe resultar una recta.

Entre las diversas distribuciones de valores extremos, la Distribución de Gumbel,

es la que actualmente tiene mayor utilidad. Los valores extremos en cuestión se-
rían las descargas diarias máximas anuales. Para aplicar esa ley, se debe tener
en cuenta que existen registro de n años, cada una constituida de 365 elementos,
del universo de la población infinita de la variable aleatoria que es el caudal diario.
De acuerdo con la ley de los extremos (Pinto et al., 1976), la ley de distribución de
la serie de n términos constituidos por los mayores valores de cada muestra tiende
asintóticamente para una ley simple de probabilidades, que es independiente de la
que rige la variable aleatoria en las diferentes muestras y en el propio universo de
la población infinita.

El método de Gumbel es de fácil aplicación y se basa solo en dos parámetros, la

media y la desviación estándar, mientras que otros métodos incluyen el coeficiente
de asimetría. Los resultados son representados en un Papel de Distribución Gum-
bel como un gráfico de caudales máximos diarios versus el periodo de retorno T =
1/P.

Cuando la asimetría es grande, se toma X = ln Q y se procede al análisis como en

el caso anterior, constituyéndose una distribución Log-Gumbel; el gráfico estable-
cido corresponde a una recta en el papel de probabilidades correspondiente, si el
ajuste es adecuado.

Adicionalmente a las distribuciones, existen otros métodos para el análisis de má-

ximas avenidas como el Método de Foster que representa una aplicación de la
distribución Pearson III, a través de un ajuste del coeficiente de asimetría estable-
cido por Hazen:

Donde n es el tamaño de la muestra de caudales máximos diarios. Para la aplica-

ción del método, se calculan los parámetros media, desviación estándar y el coe-
ficiente de asimetría.

Otro es el Método de Fuller que es un método de extrapolación de datos históri-

cos basado no en una distribución de frecuencias, pero sí en una regla de proba-
bilidad, que establece la siguiente relación entre Q /Q y el periodo de retorno T:

Donde Q es el caudal diario más probable con periodo de retorno T; a y b son

coeficientes determinados a partir de los datos históricos. Cuando no existen se-
ries de datos observados, Fuller propone los valores de a = 1 y b = 0.8 obtenidos
para un gran número de ríos, y el caudal medio puede encontrarse a través de:

Siendo A el área de la cuenca. De esta forma, el caudal máximo diario Q para un

periodo de retorno T en una cuenca de área A se obtiene:
5.10 FACTORES DE FRECUENCIA EN EL ANÁLISIS DE MÁXIMAS AVENIDAS
El factor de frecuencia es un valor característico de la ley de distribución Log-Nor-
mal, que tiene gran significación en el análisis de eventos extremos y es conocido
matemáticamente como la variable reducida. Este término fue usado por Ven Te
Chow en combinación con la fórmula general para el análisis de frecuencias hidro-
lógicas, siguiente:

Donde K es el factor de frecuencia, que depende de la ley de ocurrencia del evento

hidrológico y es teóricamente idéntico al factor de asimetría de la curva logarítmica.
La ecuación del factor de frecuencia fue propuesta por Chow (1951), y se aplica a
muchas distribuciones de probabilidad utilizadas en el análisis de frecuencia hidro-
lógica. Para una distribución dada, puede determinarse una relación K – T entre el
factor de frecuencia y el periodo de retorno correspondiente. Esta relación puede
expresarse en términos matemáticos o mediante una tabla.

5.10.1 Factor de Frecuencia para la Distribución Normal y Log-Normal

Es el mismo que la variable normal estándar Z definida por la ecuación siguiente:

El valor de Z puede ser obtenido de tablas o calculado con la siguiente ecuación

de aproximación:

Donde W correspondiente a una probabilidad de excedencia (P) puede calcularse,

como:

Para la distribución Log-Normal, se usa el mismo procedimiento excepto que éste

se aplica a los logaritmos de las variables.

5.10.2 Factor de Frecuencia para la Distribución Gumbel y Log-Gumbel

Para la distribución de Valor Extremo Tipo I, Chow (1953) dedujo la siguiente ex-
presión:
Cuando la variable es igual a la media K = 0 y T = 2.33 años, que corresponde al
periodo de retorno de la media de la distribución.

Para la distribución Log-Gumbel, se usa el mismo procedimiento excepto que éste

se aplica a los logaritmos de las variables.

5.10.3 Factor de Frecuencia para la Distribución Pearson III y Log-Pearson III

Para la distribución Log-Pearson III, el primer paso es tomar los logaritmos de la
información y luego se procede a calcular la media, desviación estándar y el coefi-
ciente de asimetría de los logaritmos de los datos. El factor de frecuencia depende
del periodo de retorno T y del coeficiente de asimetría C. Cuando C = 0 el factor
de frecuencia K es igual a la variable normal estándar Z y cuando C ≠ 0 el factor
de frecuencia se aproxima por Kite (1977) como:

El valor de Z para un periodo de retorno dado puede calcularse a través de las

ecuaciones dadas para el cálculo del factor de frecuencia para la distribución nor-
mal o en su defecto obtenerse de tablas estadísticas dadas.

5.11 LÍMITES DE CONFIANZA PARA LAS DISTRIBUCIONES DE VALORES

EXTREMOS

Los datos observados, graficados en los papeles de probabilidad correspondien-

tes, muestran una tendencia lineal recta, sin que la línea ajustada se localice exac-
tamente sobre los puntos ploteados. Este hecho muestra que los datos no pueden
ser representados con absoluta confianza por la teoría de probabilidades.

Por lo tanto, la distribución de los datos de probabilidad acumulada puede ser des-
critas por los Límites de Confianza, establecidos a ambos lados de la curva de
ajuste, quedando entonces la nube de puntos ploteados dentro de estos límites
con un cierto grado de probabilidad. Para ello se
calcula, en primer lugar, el intervalo de confianza a
partir del error estándar de la media y de la desviación
estándar multiplicándose por el estadístico “t” de Student escogido en función del
número de grados de libertad (v):

Intervalo de Confianza:

Límite de Confianza Inferior: LCI = Q - IC

Límite de Confianza Superior: LCS = Q + IC

El número de grados de libertad se calcula se calcula restando el número de pará-

metros (k) al tamaño de la muestra (n): v = n - k