Ejercicio 3.docx

Para responder el inciso 3, se utilizaron los datos de la estación de Sontalaco dado que es la estación que contaba con datos de precipitación y de escurrimiento. Precipitación 800 700

Precipitación

600 500 Normal

400

Pearson III

300

Datos reales

200

Gumbel

100

0 1

10

100

1000

Periodo de retorno

Periodo de retorno Error 2 5 10 15 20 25 50 100 500 1000 Gumbel 92.20 701.97 167 259.74 321.11 355.74 379.98 398.66 456.18 513.28 645.24 Normal 97.82 177.2 241.1 274.5 291.2 302.1 310.1 333.2 353.9 395.8 411.9 Pearson 98.97 173.4 242 282.1 303.2 317.4 328.1 359.7 389.4 453.3 479.3

Escurrimiento 300.00

Precipitación

250.00 200.00 Gumbel

150.00

Normal Pearson III

100.00

Datos reales 50.00 0.00 1

10

100

1000

Periodo de retorno

Periodo de retorno Error 2 5 10 15 20 25 50 100 500 1000 Gumbel 127.58 23 56.453 78.601 91.097 99.846 106.59 132.78 147.95 195.57 216.04 Normal 151.12 27.85 54.957 69.139 76.215 80.848 84.258 94.023 102.8 120.58 127.41 Pearson 70.20 17.36 46.034 71.711 87.595 99.144 108.24 137.07 166.61 237 267.87

El objetivo de la comparación era determinar si existía correlación entre el comportamiento de ambos datos, para lo cual se utilizó apoyo del programa llamado: Minitab para tener ambas gráficas dentro del mismo diagrama y poder visualizar su tendencia. A continuación, presentamos la gráfica obtenida:

Gráfica de dispersión de Gastos vs. Prec 300

250

Gastos

200

150

100

50

0 100

200

300

400

500

600

700

Prec

Correlación de Pearson de Prec y Gastos = 0.996 Valor p = 0.000 Gastos = -78.97 + 0.4831 Prec Derivado de ello, se llegó a la siguiente conclusión:

Existe una correlación positiva alta dado que ambas gráficas presentan el mismo comportamiento, aunque para el valor en el eje de las y varíe en cantidad. Dicha variación se puede explicar al hacer notar que el valor de la infiltración no se encuentra graficado en esta relación pero que, como recordamos, se trata de la diferencia entre lo llovido y el escurrimiento presentado. Los datos de gastos con los que contamos se grafican y se trata de ajustar a una regresión lineal, dado que existe la correlación de casi 1, podríamos tomar como una opción de predicción de algún evento este modelo de regresión lineal para relacionar el gasto resultante a una tormenta que se presente.