| Journal: | Tecnología y ciencias del agua |
| Database: | PERIÓDICA |
| System number: | 000391540 |
| ISSN: | 0187-8336 |
| Authors: | Campos Aranda, Daniel Francisco |
| Year: | 2015 |
| Season: | Jul-Ago |
| Volumen: | 6 |
| Number: | 4 |
| Pages: | 153-168 |
| Country: | México |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Experimental, aplicado |
| Spanish abstract | Los momentos estadísticos han sido utilizados para caracterizar las distribuciones de probabilidad, así como las muestras de datos observados. En este trabajo se describe someramente la teoría de los momentos L y de los llamados momentos L depurados (1, 0), que son capaces de reducir la influencia del valor más bajo de la muestra, para mejorar el ajuste y obtener predicciones extremas más confiables. Se citan las ecuaciones, recientemente expuestas en la literatura estadística, que permiten estimar los parámetros de ubicación (u), escala (α) y forma (k) de las tres funciones de distribución de probabilidades más utilizadas en los análisis de frecuencias de datos hidrológicos extremos, que son la General de Valores Extremos (GVE), la Logística Generalizada (LOG) y la Pareto Generalizada (PAG). Estas tres distribuciones se ajustaron con los métodos de momentos L y momentos L depurados (1, 0), a los 21 registros de gasto máximo anual disponibles en la Región Hidrológica núm. 10 (Sinaloa). Se evaluó la calidad de cada ajuste a través del error estándar. El análisis de los resultados indica que la distribución PAG conduce a los menores errores de ajuste en trece registros con el método de los momentos L depurados (1, 0) y en el resto con el de momentos L. Las conclusiones sugieren la aplicación sistemática de los tres modelos probabilísticos utilizados y del método de los momentos L depurados (1, 0), como una versión avanzada del procedimiento de los momentos L, actualmente de uso universal |
| English abstract | Statistical moments have been used to characterize probability distributions and samples of observed data. This work briefly describes the theory of L-moments and trimmed L-moments (1,0), which can reduce the influence of the lowest value in a sample, in order to improve the fit and obtain more reliable extreme predictions. Recent equations found in the statistical literature that estimate the location, scale and shape of the probability distribution functions are cited, which are often used to analyze the frequencies of extreme hydrological data. These include the General Extreme Values (GEV), Generalized Logistic (GLO) and Generalized Pareto (GPA) equations. These three distributions were fitted with the methods of L-moments and trimmed L-moments (1,0) to 21 annual maximum flow registries from Hydrological Region No. 10 (Sinaloa). The quality of each fit was evaluated based on the standard error. The analysis of the results indicate that the GPA distribution provides the smallest fitting errors for 13 registries using the trimmed L-moments (1,0) and for the rest of the registries using L-moments. The conclusions suggest that the three probabilistic models studied can be applied with the trimmed L-moments (1,0) as an advanced version of the L-moments procedure which is universally used |
| Disciplines: | Matemáticas |
| Keyword: | Matemáticas aplicadas, Análisis estadístico, Momentos estadisticos, Distribuciones de probabilidad, Error estándar de ajuste |
| Keyword: | Mathematics, Applied mathematics, Statistical analysis, Statistical moments, Probability distributions, Root mean square error |
| Full text: | Texto completo (Ver HTML) |
