Tciv 03 PDF

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ
fACULTAD DE INGENIERfA CIVIL
TESIS
,.. ~
"GENERACION DE DESCARGAS EN LA CUENCA

DEL RÍO MANTARO MEDIANTE EL USO DE
#
MODELOS ESTOCASTICOS DE SERIES

... SINTÉTICAS"
PRESENTADA POR:
JIMY MARLON BASTIDAS VALDIVIA
PARA OPTAR EL TfTULO PROFESIONAL DE:

INGENIERO CIVIL
HUANCAYO - PERÚ
2015
FACULTAD DE INGENIERÍA CIVIL
MIEMBROS DEL JURADO
lng. Javier Francisco Chávez Peña

Secretario
eymundo Gamarra
,urado
uéllar
Lic. Robe o Julio Ángeles Vásquez

Jurado
D.Sc. Abel An?e;>rto Muñiz Paucarmayta

Asesor
Generación de Descargas en la Cuenca del Rto Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
Autor: Jimy Marlon Bastidas Valdivia I
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ ~
DEDICATORIA
A mis queridos Padres Jesús Justo Bastidas Córdova

y Lourdes Violeta Valdivia Peinado, a mis queridos
hermanos Joel y Marilyn; y a mi pequeña Geraldine
con mucho cariño para ellos que siempre estuvieron
conmigo y apoyaron en todas las dificultades.
Para los profesionales que piensan que el límite es no
estar satisfecho.
A los largos días y noches de trabajos, esfuerzo,
dedicación y persistencia de no quedar atrás.
Genemción de Descargas en/a Cuenca del Río }./antara mediante el Uso de Modelos Estocásticos de Series Sintétic.as
Autor: Jimy Marlon Bastidas Valdivia
JI
AGRADECIMIENTOS
A Dios por brindarme salud y entendimiento.

A mis padres, por su ejemplo y amor
A los catedráticos de la Facultad de Ingeniería
Civil de la Universidad Nacional del Centro del Perú,
en especial al Dr. Abel Muñiz Paucarmayta por el
apoyo, sugerencias y observaciones en el desarrollo
del trabajo de tesis.
A los amigos de la Facultad de Ingeniería Civil, por
los momentos que vivimos juntos, no los olvidaré.
Y a todos a quienes contribuyeron con este
propósito.
Generación de Descargas en la Cuenca del Río }Jantaro mediante el Uso de Modelos Estocásticos de Series Sintétims
111
LISTA DE CONTENIDOS
MIEMBROS DE JURADO .......................................................................................................!

DEDICATORIA .......................................................................................................................11
AGRADECIMIENTOS ............................................................................................................ 111
LISTA DE CONTENIDOS ...................................................................................................... IV
(N DICE GENERAL .....................................................-........................................................... IV
ÍNDICE DE FIGURAS ......................................................................................................... VIII
ÍNDICE DE TABLAS ............................................................................................................ XII
ÍNDICE DE ANEXOS ..........................................................................................................XIV
RESUMEN ...........................................................................................................................XV
INTRODUCCIÓN ................................................................................................................XVI
ÍNDICE GENERAL
CAPÍTULO 1
PLANTEAMIENTO DE LA INVESTIGACIÓN
1.1. PLANTEAMIENTO DEL PROBLEMA ...................................................................... 1

1.1.1. PROBLEMA GENERAL ........................................................................................ 2
1.1.2. PROBLEMAS ESPEC[FICOS ............................................................................... 2
1.2. OBJETIVOS .............................................................................................................. 2
1.2.1. OBJETIVO GENERAL ........................................................................................... 2
1.2.2. OBJETIVOS ESPEC[FICOS ................................................................................. 2
1.3. JUSTIFICACIÓN ....................................................................................................... 3
1.3.1. JUSTIFICACIÓN DE LA METODOLOG[A. ........................................................... 3
1.3.2. JUSTIFICACIÓN PRÁCTICA ................................................................................ 3
1.4. FORMULACIÓN DE LA HIPÓTESIS ........................................................................ 4
1.4.1. HIPÓTESIS GENERAL ......................................................................................... 4
1.4.2. HIPÓTESIS ESPECÍFICAS .................................................................................. 4
1.5. VARIABLES .............................................................................................................. 5
1.5.1. VARIABLE 1........................................................................................................... 5
1.5.2. VARIABLE 11 .......................................................................................................... 5
1.6. ORGANIZACIÓN DE LA INVESTIGACIÓN ............................................................. 5
Generació11 de Descm·gas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
IV
CAP(TULO 11
REVISIÓN DE LA LITERATURA
2.1. ANTECEDENTES ..................................................................................................... 6

2.1.1. ANTECEDENTES NACIONALES ......................................................................... 6
2.1.2. ANTECEDENTES INTERNACIONALES .............................................................. 7
2.2. ANÁLISIS Y TRATAMIENTO DE LA INFORMACIÓN HIDROLÓGICA .................. 8
2.2.1. MÉTODO DEL VECTOR REGIONAL (MVR) ....................................................... 9
2.2.2. ANÁLISIS DE CONSISTENCIA DE DATOS HIDROLÓGICOS ......................... 10
2.2.2.1 ANÁLISIS DE SALTOS ....................................................................................... 11
2.2.2.2 ANÁLISIS DE TENDENCIAS .............................................................................. 15
2.2.3. COMPLETACIÓN Y/0 EXTENSIÓN DE DATOS ............................................... 18
, 2.2.3.1 TÉCNICAS DE COMPLETACIÓN DE DATOS .................................................. 19
2.3. MODELOS HIDROLÓGICOS ................................................................................. 19
2.4. MODELOS MATEMÁTICOS DE SERIES DE TIEMPO ......................................... 21
2.4.1. PROCESOS ESTOCÁSTICOS ........................................................................... 21
2.4.2. PROCESOS ESTACIONARIOS ......................................................................... 22
2.5. ANÁLISIS UNIVARIADO DE SERIES DE TIEMPO ............................................... 23
2.5.1. FUNCIÓN DE AUTOCORRELACIÓN (FA) ........................................................ 24
2.5.2. FUNCIÓN DE AUTOCORRELACIÓN PARCIAL (FAP) ..................................... 26
2.5.3. MODELAMIENTO ESTOCÁSTICO DE SERIES HIDROLÓGICAS .................. 27
2.6. MODELO AUTORREGRESIVO MEDIA MÓVIL (ARMA) ...................................... 29
2.6.1. DESCRIPCIÓN DEL MODELO ARMA ............................................................... 29
2.6.2. FORMULACIÓN MATEMÁTICA DEL MODELO ARMA .................................... 29
2.6.3. PROPIEDADES GENERALES DEL MODELO ARMA (p,q) .............................. 30
2.6.4. MODELAMIENTO ARMA (p,q) DE SERIES DE TIEMPO PERIÓDICAS .......... 31
2.7. GENERACIÓN DE SERIES SINTÉTICAS ............................................................. 40
2. 7 .1. PROCEDIMIENTO .............................................................................................. 42
2.7.2. VERIFICACIÓN DEL MODELO .......................................................................... 42
2.7.3. GENERACIÓN DE LA INFORMACIÓN SINTÉTICA PARA SU UTILIZACIÓN. 43
2.8. VALIDACIÓN DE RESULTADOS ........................................................................... 43
2.8.1. OPTIMIZACIÓN ................................................................................................... 44
2.8.2. SENSIBILIDAD Y EXPERIMENTACIÓN ............................................................ 45
2.8.3. MONITOREO ....................................................................................................... 46
2.8.4. TÉCNICAS DE COMPROBACIÓN PARA LA VALIDACIÓN ............................. 46
2.9. ANÁLISIS DE MÁXIMAS AVENIDAS ..................................................................... 52
2.9.1. PERÍODO DE RETORNO ................................................................................... 53
2.9.2. MÉTODOS ESTADrSTICOS ............................................................................... 56
2.9.2.1 DISTRIBUCIÓN NORMAL .................................................................................. 58
2.9.2.2 DISTRIBUCIÓN LOG NORMAL 2 PARÁMETROS ............................................ 58
Generación de Descargas en/a Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
V
2.9.2.3 DISTRIBUCIÓN LOG NORMAL 3 PARÁMETROS ............................................ 59

2.9.2.4 DISTRIBUCIÓN GAMMA 2 PARÁMETROS ...................................................... 59
2.9.2.5 DISTRIBUCIÓN GAMMA 3 PARÁMETROS ...................................................... 60
2.9.2.6 DISTRIBUCIÓN LOG-PEARSON TIPO 111 ......................................................... 60
2.9.2.7 DISTRIBUCIÓN GUMBEL .................................................................................. 60
2.9.2.8 DISTRIBUCIÓN LOG GUMBEL. ......................................................................... 61
2.9.3. PRUEBA DE BONDAD DE AJUSTE .................................................................. 61
2.9.3.1 PRUEBA DE KOLMOGOROV SMIRNOV .......................................................... 61
CAPÍTULO 111
MATERIALES Y MÉTODOS
3.1. LUGAR DE REALIZACIÓN ..................................................................................... 63

3.1.1. DESCRIPCIÓN DEL ÁREA DE ESTUDIO ......................................................... 63
3.1.2. UBICACIÓN GEOGRÁFICA, EXTENSIÓN Y lÍMITES ..................................... 63
3.1.3. HIDROGRAFIA Y FISIOGRAFIA EN LA CUENCA DEL RIO MANTARO ......... 64
3.1.4. HIDROLOGIA EN LA CUENCA DEL RIO MANTARO ....................................... 65
3.1.4.1 ANÁLISIS DE LA PRECIPITACIÓN .................................................................... 65
3.1.4.2 ANÁLISIS DE LA ESCORRENTIA SUPERFICIAL.. ........................................... 66
3.2. MATERIALES .......................................................................................................... 69
3.2.1. INFORMACIÓN HIDROMÉTRICA DE CAUDALES MENSUALES ................... 70
3.2.2. INFORMACIÓN CARTOGRÁFICA DE LA CUENCA DEL RfO MANTARO ...... 70
3.2.3. SOPORTE INFORMÁTICO ................................................................................. 70
3.2.4. ALCANCES Y LIMITACIONES DEL SOPORTE INFORMÁTICO ..................... 71
3.3. MÉTODOS .............................................................................................................. 74
3.3.1. RECOPILACIÓN DE DATOS .............................................................................. 74
3.3.2. PROCESAMIENTO DE DATOS ......................................................................... 75
3.3.3. MODELO ARMA (p,q) ......................................................................................... 78
3.3.4. DESESTACIONALIZACIÓN ................................................................................ 78
3.3.5. IDENTIFICACIÓN O SELECCIÓN DEL MODELO ............................................ 82
3.3.6. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO ARMA. ........................ 83
3.3.7. PRUEBA DE BONDAD DE AJUSTE DEL MODELO ARMA (p,q) ..................... 85
3.3.8. GENERACIÓN SINTÉTICA DE SERIES HIDROLÓGICAS CON EL MODELO
ARMA (p,q) ......................................................................................................................... 86
3.3.9. VALIDACIÓN DE RESULTADOS Y CONTRASTACIÓN DE HIPÓTESIS ........ 88
3.3.10. .
ANÁLISIS DE MÁXIMAS AVENIDAS ................................................................. 90
Genemción de Descargas en/a Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
VI
CAPITULO IV
RESULTADOS Y DISCUSIÓN
4.1. INFORMACIÓN HIDROMÉTRICA ......................................................................... 91

4.2. ANÁLISIS YTRATAMIENTO DE LA INFORMACIÓN HIDROLÓGICA ................ 92
4.2.1. MÉTODO DEL VECTOR REGIONAL (MVR) ..................................................... 92
4.2.2. IDENTIFICACIÓN VISUAL. ................................................................................. 94
4.2.3. ANÁLISIS DE CONSISTENCIA EN SALTOS .................................................. 102
4.2.4. ANÁLISIS DE CONSISTENCIA EN TENDENCIAS ......................................... 102
4.3. COMPLETACIÓN DE DATOS .............................................................................. 107
4.4. PROCESO DE DESESTACIONALIZACIÓN ........................................................ 113
4.4.1. ANÁLISIS PRELIMINAR DE LAS SERIES DE TIEMPO .................................. 113
4.4.2. TRANSFORMACIÓN LOGAR[TMICA .............................................................. 114
4.4.3. ESTANDARIZACIÓN ................. ;...................................................................... 114
4.4.4. FUNCIÓN DE AUTOCORRELACIÓN (FA) ...................................................... 122
4.4.5. FUNCIÓN DE AUTOCORRELACIÓN PARCIAL (FAP) ................................... 130
4.5. IDENTIFICACIÓN DEL MODELO ........................................................................ 139
4.6. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO ARMA (p,q) .................. 140
4.7. BONDAD DE AJUSTE DEL MODEL0 ................................................................. 146
4.7.1. PARSIMONIA DE PARÁMETROS ................................................................... 146
4.8. GENERACIÓN DE SERIES .................................................................................. 154
4.8.1. ANALISIS COMPARATIVO ENTRE SERIES HISTORICAS Y GENERADAS 154
4.9. VALIDACIÓN DE RESULTADOS ......................................................................... 155
4.9.1. PRUEBA DE HIPOTESIS PARA DOS MUESTRAS ........................................ 156
4.9.2. INTERVALO DE CONFIANZA A PARTIR DE LAS SERIES GENERADAS .... 156
4.9.3. PRUEBAS DE BONDAD DE AJUSTE .............................................................. 156
4.10. ANÁLISIS DE MÁXIMAS AVENIDAS ................................................................... 173
CAP(TULOV
CONCLUSIONES Y RECOMENDACIONES
5.1. CONCLUSIONES .................................................................................................. 178

5.2. RECOMENDACIONES ......................................................................................... 179
BIBLIOGRAFfA ................................................................................................................. 179
Generación de Descargas en la Cuenca del Río lo.fantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
VIl
ÍNDICE DE FIGURAS
Figura 2.1 Forma típica de un salto ....................................................................................................... l l

Figura 2.2 Análisis de doble masa ........................................................................................................ 13
Figura 2.3 Formas de las tendencias .................................................................................................... 16
Figura 2.4 Clasificación de los Modelos Hidrológicos ........................................................................ 20
Figura 2.5 Determinación del Período de Retomo ....................................................,....•.•................. 54
Figura 3.1 Climatología de Precipitación .......................................................................................65
Figura 3.2-1 Se muestra el ploteo de datos promedio mensuales de la serie de Puente Chúlec,
el ploteo de datos caen fuera de /os límites de confianza para que la serie forme parte de una
distribución normal .....................................................................................................................................81
Figura 3.2-2 Verificamos con un coeficiente a=5, se tiene mejor ajuste de datos, que los
mostrados en la figura anterior, la finalidad es mejorar la normalidad para su posterior
procesamiento, asimismo se verifica la prueba de asimetría de la normalidad y la prueba de Filliben
de Normalidad .............................................................................................................................................81
Figura 3.3 Ploteo de la Función de Autocorrelación y los límites de confianza ............................. 83
Figura 3.4 Ingreso de datos de caudales máximos mensuales de fa Estación Puente Stuart -
Hidroesta ......................................................................................................................................................90
Figura 4.1 fndices anuales del Vector y de las Estaciones según Brunet y Moret
.......................................................................................................................................................................93
Figura 4.2 lndices anuales del Vector y de las Estaciones según Hiez ......................................... 94
Figura 4.3 Hidrograma Histórico de la Estación Upamayo ............................................................... 96
Figura 4.4 Hidrograma Histórico de la Estación Puente Chúlec ...................................................... 96
Figura 4.5 Hidrograma Histórico de la Estación Puente Stuart ....................................................... 96
Figura 4.6 Hidrograma Histórico de la Estación Gochas Túnel ...................................................... 97
Figura 4. 7 Hidrograma Histórico de la Estación Piñascocha ............................................................ 97
Figura 4.8 Hidrograma Histórico de la Estación Pachacayo ............................................................ 97
Figura 4.9 Hidrograma Histórico de la Estación Quillón ................................................................... 98
Figura 4.10 Hidrograma Histórico de la Estación Moya ...................................................................98
Figura 4.11 Hidrograma Histórico de la Estación La Mejorada ....................................................... 98
Figura 4.12 Curva Doble Masa Histórico del Grupo 1 ....................................................................... 99
Figura 4.13 Curva Doble Masa Histórico del Grupo JI ...................................................................... 99
Figura 4.14 Curva Doble Masa Histórico del Grupo 111 ..................................................................... 99
Figura 4.15 Curva Doble Masa Histórico con Estación base Puente Stuart ............................... 100
Figura 4.16 Curva Doble Masa Histórico con Estación base Pachacayo .................................... 100
Figura 4.17 Curva Doble Masa Histórico con Estación base La Mejorada .................................. 100
Figura 4.18 Hidrograma Corregido y Completado Histórico de la Estación Upamayo .............. 109
Figura 4.19 Hidrograma Corregido y Completado Histórico de la Estación Puente Chú/ec ..... 109
Figura 4.20 Hidrograma Corregido y Completado Histórico de la Estación Puente Stuart ....... 110
Figura 4.21 Hidrograma Corregido y Completado Histórico de la Estación Gochas Túnel ....... 110
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
VIII
Figura 4.22 Hidrograma Corregido y Completado Histórico de la Estación Piñascocha .......... 110
Figura 4.23 Hidrograma Corregido y Completado Histórico de la Estación Pachacayo .........•• 111
Figura 4.24 Hidrograma Corregido y Completado Histórico de la Estación Quil/ón .•.......••......•. 111
Figura 4.25 Hidrograma Corregido y Completado Histórico de la Estación Moya .................... 111
Figura 4.26 Hidrograma Corregido y Completado Histórico de la Estación La Mejorada ......... 112
Figura 4.27 Curva Doble Masa Corregido y Completado Histórico del Grupo 1 ......................... 112
Figura 4.28 Curva Doble Masa Corregido y Completado Histórico del Grupo 1/ ........................ 113
Figura 4.29 Curva Doble Masa Corregido y Completado Histórico del Grupo /11 ...................... 113
Figura 4.30 Componente Residual de la serie normalizada con transformación logarftmica -
Upamayo ...................................................................................................................................................114
Figura 4.31 Componente Residual de la serie normalizada con transformación logarítmica -
Puente Chúlec ..........................................................................................................................................114
Puente Stuart ............................................................................................................................................115
Gochas Túnel ............................................................................................................................................115
Piñascocha ................................................................................................................................................115
Pachacayo .................................................................................................................................................116
Quillón ........................................................................................................................................................ 116
Moya ..........................................................................................................................................................116
Figura 4.38 Componente Residual de la serie normalizada con transformación logarftmica - La
Mejorada ....................................................................................................................................................117
Figura 4.39 Componente Residual de la serie normalizada estandarizada - Upamayo ............ 117
Figura 4.40 Componente Residual de la serie normalizada estandarizada - Puente Chúlec .. 117
Figura 4.41 Componente Residual de la serie normalizada estandarizada- Puente Stuart ... 118
Figura 4.42 Componente Residual de la serie normalizada estandarizada - Gochas Túnel ... 118
Figura 4.43 Componente Residual de la serie normalizada estandarizada - Piñascocha ....... 118
Figura 4.44 Componente Residual de la serie normalizada estandarizada- Pachacayo ........ 119
Figura 4.45 Componente Residual de la serie normalizada estandarizada - Quil/ón ............... 119
Figura 4.46 Componente Residual de la serie normalizada estandarizada - Moya .................. 119
Figura 4.47 Componente Residual de la serie normalizada estandarizada - La Mejorada ...... 120
Figura 4.48 Función de Autocorrelación para la Estación Upamayo - LN .................................. 122
Figura 4.49 Función de Autocorrelación para la Estación Puente Chúlec - LN .......................... 122
Figura 4.50 Función de Autocorrelación para la Estación Puente Stuart - LN ............................ 123
Figura 4.51 Función de Autocorrelación para la Estación Gochas Túnel- LN ........................... 123
Figura 4.52 Función de Autocorrelación para la Estación Piñascocha - LN ............................... 123
Generación de Descargas en/a Cuenca del Río lvfantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
IX
FACULTAD DE INGENIERiA CIVIL
Figura 4.53 Función de Autocorrelación para la Estación Pachacayo - LN ................................ 124

Figura 4.54 Función de Autocorrelación para la Estación Quillón - LN ....................................... 124
Figura 4.55 Función de Autocorrelación para la Estación Moya - LN .......................................... 124
Figura 4.56 Función de Autocorre/ación para la Estación La Mejorada - LN .............................. 125
Figura 4.57 Función de Autocorrelación para/a Estación Upamayo- STAN ............................. 126
Figura 4.58 Función de Autocorrelación para la Estación Puente Ghúlec- STAN .................... 127
Figura 4.59 Función de Autocorrelación para la Estación Puente Stuart - STAN ..................... 127
Figura 4.60 Función de Autocorrelación para la Estación Gochas Túnel- STAN ...................... 127
Figura 4.61 Función de Autocorrelación para la Estación Piñascocha- STAN .......................... 128
Figura 4.62 Función de Autocorrelación para la Estación Pachacayo- STAN ........................... 128
Figura 4.63 Función de Autocorrelación para la Estación Quillón - STAN .................................. 128
Figura 4.64 Función de Autocorrelación para la Estación Moya - STAN ..................................... 129
Figura 4.65 Función de Autocorrelación para la Estación La Mejorada- STAN ........................ 129
Figura 4.66 Función de Autocorrelación Parcial para la Estación Upamayo - LN ...................... 131
Figura 4.67 Función de Autocorrelación Parcial para la Estación Puente Ghúlec- LN ............. 131
Figura 4.68 Función de Autocorrelación para la Estación Puente Stuart - LN ............................ 132
Figura 4.69 Función de Autocorrelación Parcial para la Estación Gochas Túnel - LN .............. 132
Figura 4. 70 Función de Autocorrelación Parcial para la Estación Piñascocha - LN .................. 132
Figura 4. 71 Función de Autocorrelación Parcial para la Estación Pachacayo - LN .................. 133
Figura 4. 72 Función de Autocorrelación Parcial para la Estación Quillón - LN .......................... 133
Figura 4. 73 Función de Autocorrelación Parcial para la Estación Moya - LN ............................ 133
Figura 4. 74 Función de Autocorrelación Parcial para la Estación La Mejorada - LN ............... 134
Figura 4.75 Función de Autocorrelación Parcial para la Estación Upamayo- STAN ................ 135
Figura 4. 76 Función de Autocorrelación Parcial para la Estación Puente Ghúlec - STAN ...... 136
Figura 4. 77 Función de Autocorrelación Parcial para la Estación Puente Stuart - STAN ......... 136
Figura 4.78 Función de Autocorrelación Parcial para la Estación Gochas Túnel- STAN ......... 136
Figura 4.79 Función de Autocorrelación Parcial para la Estación Piñascocha- STAN ............. 137
Figura 4.80 Función de Autocorrelación Parcial para la Estación Pachacayo- STAN ............. 137
Figura 4.81 Función de Autocorrelación Parcial para la Estación Quillón- STAN .................. 137
Figura 4.82 Función de Autocorrelación Parcial para la Estación Moya- STAN ..................... 138
Figura 4.83 Función de Autocorrelación Parcial para la Estación La Mejorada - STAN ........... 138
Figura 4.84 Serie Original y Generada con el Modelo ARMA (1,0), Serie Upamayo- LN (tiempo
vs caudal m3/seg) ...................................................................................................................................163
Figura 4.85 Serie Original y Generada con el Modelo ARMA (1,0), Serie Puente Ghúlec- LN
(tiempo vs caudal m3/seg) .................................................................................................................... 164
Figura 4.86 Serie Original y Generada con el Modelo ARMA (2, 1), Serie Puente Stuart- LN
(tiempo vs caudal m3/seg) .................................................................................................................... 165
Generación de Descargas en la Cuenca del Río .Mantaro mediante el Uso de Modelos Estocásticos de Series Sintétims
Autor: Jimy .Marlon Bastidas Valdivia
X
Figura 4.87 Serie Original y Generada con el Modelo ARMA (2, 1), Serie Gochas Túnel- LN
(tiempo vs caudal m3/seg) ...•...............•...•............................................................•..•......•.....•...•........... 166
Figura 4.88 Serie Original y Generada con el Modelo ARMA (1 ,0), Serie Piñascocha- LN (tiempo
vs caudal m3/seg) ................................................................................................................................... 167
Figura 4.89 Serie Original y Generada con el Modelo ARMA (2,0), Serie Pachacayo- LN (tiempo
vs caudal m3/seg) ........................••...................................................•........................•.........•...........•.......168
Figura 4.90 Serie Original y Generada con el Modelo ARMA (1 ,0), Serie Quillón- LN (tiempo vs
caudal m3/seg) .........................................................................................................................................169
Figura 4.91 Serie Original y Generada con el Modelo ARMA (1,0), Serie Moya- LN (tiempo vs
caudal m3/seg) ...•.........•..•......•..................•.......•.•.............•...........•...•............••.....•.•.......•........................ 170
Figura 4.92 Serie Original y Generada con el Modelo ARMA (1,0), Serie La Mejorada- LN
(tiempo vs caudal m3/seg) .............•................•..........................................................•............................ 171
Figura 4.93 Resultados Log-Gumbel para la estación Upamayo (Periodo de Retorno años vs
Caudal m3/seg) ........................................................................................................................................174
Figura 4.94 Resultados Lag-Normal 2 Parámetros para la estación Puente Chúlec (Periodo de
Retorno años vs Caudal m3/seg) .•....••...•..•.•.....•.....••.•....•.•••..•••..•.••.•.••••...•.••.......••.•.....•......•...•.•..•.•..•.• 175
Figura 4.95 Resultados Log-Pearson Tipo 111 para la estación Puente Stuart (Período de Retorno
años vs Caudal m3/seg) ··········································································:.............................................. 175
Figura 4.96 Resultados Lag-Normal 2 Parámetros para la estación Gochas Túnel (Período de
Retorno años vs Caudal m3/seg) •..•...••..•...•...•............•..........•...••.........•..•......•...........•.......•...•............. 176
Figura 4.97 Resultados Log-Pearson Tipo 111 para la estación Piñascocha (Período de Retorno
años vs Caudal m3/seg) .....•.......•..................•........................................................................................ 176
Figura 4.98 Resultados Gumbel para la estación Pachacayo (Período de Retorno años vs Caudal
m3/seg) ............•.......•..•.•.....•............................•.......................•....•..•....•..................................•...........••.... 176
Figura 4.99 Resultados Lag-Normal 3 Parámetros para la estación Quillón (Período de Retorno
años vs Caudal m3/seg) .....•................................................................................•.................................. 177
Figura 4.100 Resultados Gamma 3 Parámetros para la estación Moya (Período de Retorno años
vs Caudal m3/seg) ...................•..•..•..•....•.•..•...•..............•.....••.•.....••...••..........•••.•.............•.....••................ 177
Figura 4.101 Resultados Log-Gumbel para la estación La Mejorada (Período de Retorno años
vs Caudal m3/seg) ............................................................•.....................•................•............................... 177
Generación de Descargas en/a Cuenca del Río lvfantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
Autor: Jimy lvfarlon Bastidas Valdivia
XI
(N DICE DE TABLAS
Tabla 2.1 Clasificación de los Modelos Hidrológicos ........................................................................ 35
Tabla 2.2 Valores del tiempo de retorno para proyecto de obras .................................................. 55
Tabla 2.3 Valores de periodo de retorno T asociado al riesgo R ................................................... 56
Tabla 2.4 Valores críticos de Atabla del estadístico K-S ..................................................................... 62
Tabla 3.1 Características del Sistema de Embalses de las lagunas individuales en la cuenca del
río Manta ro ................................................................................................................................................. 67
Tabla 3.2 Caudal Promedio Superficial en la Cuenca del Río Mantaro ........................................ 68
Tabla 3.3 Principales Estaciones Hidrométricas ............................................................................... 68
Tabla 3.4 Disponibilidad de Datos de las Estaciones Seleccionadas ............................................ 69
Tabla 3.5 Disponibilidad de Datos de las Estaciones Seleccionadas y Períodos de Estudio 1966
a 2005 ......................................................................................................................................................... 75
Tabla 3.6 Ejemplo de cálculo para determinar la transformación logarítmica y la estandarización
...................................................................................................................................................................... 80
Tabla 3. 7 Ejemplo para el cálculo de la Función de Autocorrelación ............................................ 82
Tabla 3.8 Función de Autocorrelación con Límites de Anderson ................................................... 82
Tabla 3.9 Modelo Periódico ARMA (p,q) ............................................................................................ 87
Tabla 4.1 Estaciones hidrométricas seleccionadas y ordenadas por grupos ............................... 91
Tabla 4.2 Resultados del vector mediante los métodos de Brunet y Moret- Hiez .................... 92
Tabla 4.3 Resultados del índice correlación/vector mediante los métodos de Brunet y Moret -
Hiez ............................................................................................................................................................. 93
Tabla 4.4 Estaciones fndices en los grupos de estaciones hidrométricas .................................... 94
Tabla 4.5 Períodos confiables y dudosos en las series de estaciones seleccionadas ............... 95
Tabla 4.6 Resultados de los análisis de consistencia en los saltos ............................................. 103
Tabla 4.7 Resultado de los análisis de tendencia en la media ..................................................... 105
Tabla 4.8 Resultado de los análisis de tendencia en la desviación estándar ............................. 106
Tabla 4.9 Modelos de ecuación de regresión para la completación de datos ............................ 107
Tabla 4.10 Ecuación de completación de datos faltantes para la estación Upamayo .............. 107
Tabla 4.11 Ecuación de completación de datos faltantes para la estación Puente Stuart ....... 108
Tabla 4.12 Ecuación de completación de datos faltantes para la estación Piñascocha .......... 108
Tabla 4.13 Ecuación de completación de datos faltantes para la estación Pachacayo ........... 108
Tabla 4.14 Series normalizadas con transformación logarítmica ................................................. 121
Tabla 4.15 Series normalizadas con transformación logarítmico y estandarizada ................... 121
Tabla 4.16 Función de Autocorrelación (FA)- LN ......................................................................... 125
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de }..:fode/os Estocásticos de Series Sintéticas
XII
Tabla 4.17 Prueba de Anderson para la Función de Autocorrelación de /as Series Históricas
Corregidas y Completada, con Transformación Logarítmica ........................................................... 126
Tabla 4.18 Función de Autocorrelación (FA)- STAN .................................................................... 129

Tabla 4.19 Prueba de Anderson para la Función de Autocorrelación de las Series Históricas
Corregidas y Completada, con Transformación Logarítmica y Estandarizadas ............................. 121
Tabla 4.20 Función de Autocorrelación Parcial (FAP)- LN ........................................................ 134
Tabla 4.21 Prueba de Anderson para /as Funciones de Autocorrelación Parcial de las Series
Históricas Corregidas y completadas, con Transformación Logarítmic .......................................... 135
Tabla 4.22 Función de Autocorrelación Parcial (FAP)- STAN .................................................... 138
Tabla 4.23 Prueba de Anderson para las Funciones de Autocorrelación Parcial de las Series
Históricas Corregidas y completadas, con Transformación Logarítmica y Estandarizadas ........ 139
Tabla 4.24 Modelos seleccionados para /as series desestacionalizadas de fas estaciones
hidrométricas de fa Cuenca del Río Mantaro ..................................................................................... 140
Tabla 4.25 Coeficientes Autorregresivos de orden 1-lP1 de los Parámetros establecidos para las
series con transformación Logarítmica ................................................................................................ 141
Tabla 4.26 Coeficientes Autorregresivos de orden 2-lP2 de /os Parámetros establecidos para fas
Tabla 4.27 Coeficientes Media Móvil de orden 1-81 de los Parámetros establecidos para /as
Tabla 4.28 Coeficientes Media Móvil de orden 2-82 de los Parámetros establecidos para fas
Tabla 4.29 Coeficientes de Varianza de Residuales de /os Parámetros establecidos para las
series con Transformación Logarítmica .............................................................................................. 145
Tabla 4.30 Valores de AICC para las series que han sido normalizados con Transformación
Logarítmica .............................................................................................................................................. 148
Tabla 4.31 Valores de SIC para las series que han sido normalizados con Transformación
Logarítmica .............................................................................................................................................. 149
Tabla 4.32 Modelos Resultados de la bondad de ajuste de la simulación estocástica de modelos
ARMA (p,q) con el criterio de AICC y SIC, estos modelos están aptos para la generación sintética
.................................................................................................................................................................... 147
Tabla 4.33 Modelos correspondientes a la Estación Upamayo ................................................... 150
Tabla 4.34 Modelos correspondientes a la Estación Puente Chúfec .......................................... 150
Tabla 4.35 Modelos correspondientes a la Estación Puente Stuart ............................................ 151
Tabla 4.36 Modelos correspondientes a la Estación Gochas Túnel ........................................... 151
Tabla 4.37 Modelos correspondientes a la Estación Piñascocha ................................................ 152
Tabla 4.38 Modelos correspondientes a la Estación Pachacayo ................................................. 152
Tabla 4.39 Modelos correspondientes a la Estación Quillón ........................................................ 152
Tabla 4.40 Modelos correspondientes a la Estación Moya .......................................................... 153
Tabla 4.41 Modelos correspondientes a la Estación La Mejorada .............................................. 153
Tabla 4.42 Resumen de /as Pruebas Estadísticas de Validación y Contrastación de Hipótesis
.................................................................................................................................................................... 158
Tabla 4.43 Selección de la serie generada más adecuada .......................................................... 159
Tabla 4.44 Resumen de la prueba estadística de Kolmogorov Smirnov (KS) para el ajuste de la
normalidad de las series generadas ................................................................................................... 159
Tabla 4.45 Valores históricos y sintéticos usados para la obtención del estadístico de Kolmogorov
Smirnov, estaciones Upamayo, Puente Chúlec y Puente Stuart ..................................................... 160
Generació11 de Descargas en la Cuenca del Río .Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
XIII
Smirnov, estaciones Gochas Túnel, Piñascocha y Pachacayo ...................................................... 161
Smirnov, estaciones Quillón, Moya y La Mejorada ............................................................................ 162
Tabla 4.48 Resultados de Prueba de Bondad de Ajuste para una óptima distribución teórica en
el análisis de máximas avenidas, estaciones Upamayo, Pte. Chúlec, Pte. Stuart, Gochas Túnel,
Piñascocha, Pachacayo ........................................................................................................................ 173
el análisis de máximas avenidas, estaciones C. Túnel, Piñascocha, Pachacayo ....................... 174
el análisis de máximas avenidas, estaciones Quillón, Moya y La Mejorada ................................ 174
INDICE DE ANEXOS
A-1: DIAGRAMA DE FLUJO PARA EL TRATAMIENTO DE DATOS HIDROMÉTRICOS ...................... 183

A-1: ESQUEMA SIMPLIFICADO PARA EL ANÁLISIS DE SALTOS ..................................................... 184
A-3: ESQUEMA SIMPLIFICADO PARA EL ANÁLISIS DE TENDENCIAS ............................................ 185
A-4: PROCESO DE SELECCIÓN DE UNA DISTRIBUCIÓN TEÓRICA ................................................ 186
A-5: DIAGRAMA HIDROLÓGICO DE LA CUENCA DEL RÍO MANTARO ........................................... 187
A-6: RELACIÓN DE ESTACIONES METEOROLÓGICAS UBICADAS EN LA CUENCA DEL RÍO MANTARO
Y ALREDEDORES ............................................................................................................................ 188
A-7: ANÁLISIS ESTOCÁSTICO MEDIANTE EL MODELO ARMA(p,q) ................................................. 190
B-1: DESCARGAS MAxlMAS MENSUALES HISTÓRICAS DE LAS ESTACIONES SELECCIONADAS .... 191
B-2: DESCARGAS MÁXIMAS MENSUALES HISTÓRICAS CORREGIDAS Y COMPLETADAS DE LAS
ESTACIONES SELECCIONADAS ...................................................................................................... 196
B-3: CAUDALES GENERADOS CON EL MODELO ESTOCÁSTICO ARMA (1,0). (2,0) y (2,I) A 50 AÑOS
......................................................................................................................................................... 201
C-1: REPORTE DE PARÁMETROS PARA LA GENERACIÓN ESTOCÁSTICA DE CAUDALES MEDIOS
MENSUALES SINTÉTICOS CON EL MODELO ESTOCÁSTICO PARMA (p,q) SIMULADOS CON EL
PROGRAMA SAMS 2009 (SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS) ........................ 210
C-2: ANÁLISIS COMPARATIVO DE PARÁMETROS ESTADÍSTICOS DE SERIES HISTÓRICAS Y
GENERADAS ................................................................................................................................... 218
C-3: RESULTADOS DE LAS PRUEBAS ESTADÍSTICAS DE VALIDACIÓN ENTRE VARIABLES HISTÓRICAS
Y GENERADAS ...................................................................................................................... :........ 228
C-4: RESULTADOS DE LA PRUEBA DE KOLMOGOROV SMIRNOV PARA MUESTRAS INDEPENDIENTES
(JIISTÓRICOS Y SINTÉTICOS) ......................................................................................................... 237
C-5: MODELOS ESTOCASTICOS ARMA, PARA LA GENERACION DE CAUDALES SINTÉTICOS EN LAS
ESTACIONES HIDROMÉTRICAS SELECCIONADAS ........................................................................ 255
D-1: MAPA DE UBICACIÓN Y LOCALIZACIÓN DE LA CUENCA DEL RÍO MANTARO ...................... 258
D-2: CLASIFICACIÓN DE LAS CUENCAS HIDROGRÁFICAS SEGÚN LA AUTORIDAD NACIONAL DEL
ANA (ANA) ...................................................................................................................................... 259
D-3: AREA DE INFLUENCIA DE LAS ESTACIONES HIDROMÉTRICAS EN LA CUENCA DEL RÍO
MANTARO ....................................................................................................................................... 260
D-4: MAPA DE RELIEVE DE LA CUENCA DEL RÍO MANTARO ....................................................... 261
Genemción de Descargas en la Cuenca del Río .Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
XIV
RESUMEN
En la presente tesis se desarrolla la construcción de un modelo estocástico

para el análisis de escurrimientos sintéticos en la Cuenca del Río Mantaro. Los
escurrimientos sintéticos fueron utilizados para hacer un análisis de máximas
avenidas en la gestión del agua mediante el uso de modelos de distribución en
9 estaciones hidrométricas representativas; en la cuenca alta la estación
Upamayo, en la cuenca media las estaciones Puente Chúlec, Cachas Túnel,
Piñascocha, Pachacayo, Puente Stuart; y en la cuenca baja las estaciones de
Quillón, Moya y La Mejorada.
El software que se utilizó para la construcción del modelo estocástico es

Stochastic Analysis Modeling and Simulation 2009 (SAMS 2009), el cual es un
software que fue desarro11ado en Co1orado state Universrty. los datos de
entrada abarcan un período de 40 años, de 1966 al 2005. Este modelo se utilizó
para generar 100 series de escurrimientos sintéticos, cada serie con un período
de 50 años. Se realizó pruebas de validación de los parámetros estadísticos
como la media y desviación estándar. De este análisis conjuntamente con
pruebas de hipótesis de dos muestras e intervalos de confianza se seleccionó 1
representativa para luego comprobar con la prueba de Kolmogorov Smirnov si
las poblaciones de series históricas y sintéticas pertenecen a una misma
distribución; asimismo verificar si se ajustan a una distribución de probabilidad
normal.
Obtenida las series sintéticas generadas se seleccionó los caudales máximos

mensuales con una longitud de 50 años para ser procesado en el análisis de
máximas avenidas mediante el software Hidroesta. Los resultados demuestran
que en un período de recurrencia de 100 años se obtiene un caudal de 997.66
m3/s en la estación Puente Stuart y adicionando a este resultado estudios
topográficos, geotécnicos, modelamiento en Hec Hms y Hec Ras, pueden surgir
problemas de fuertes de inundaciones, huaycos cuya consecuencia son
pérdidas de viviendas, zonas de cultivo y sobre todo pérdidas humanas.
Generación de Descargas en la Cuenca del Río Jfantaro mediante el Uso de Jfodelos Estocásticos de Series Sintéticas
XV
INTRODUCCIÓN
¿Por qué se debe poner atención una y otra vez al manejo de los recursos
hídricos a nivel de cuenca? Cuando el agua es el tema del día en la escena
internacional por el fuerte cambio climático y dada la situación crítica en varios
países, se debe recordar que existen más de 300 grandes ríos y que las cuencas
en donde drenan cubren más de la mitad de la tierra que emerge sobre el
planeta. Más de 200 ríos son internacionales, es decir, estos cruzan los límites
entre países, esta misma situación aplica dentro de los países debido a las
divisiones políticas. Por lo tanto, la cuenca, es tema de nuestro interés como un
sistema que está compuesto por recursos naturales y que las comunidades
humanas dependen de éstos.
Uno de los aspectos esenciales en el planeamiento, diseño y operación de

los recursos hidráulicos es el conocimiento de la variabilidad de tos eventos
hidrológicos, tales como lluvias, caudales, niveles de embalse, etc., son eventos
estocásticos porque, de un lado tienen un patrón medio (componente
determinística) de comportamiento a largo plazo, y por el otro el pronóstico de
sus magnitudes en un momento dado tiene un menor o mayor grado de
incertidumbre (componente aleatoria). Es así que el modelamiento estocástico
de series hidrológicas trata de lograr una representación matemática para poder
expresar su variabilidad de estos eventos.
El modelamiento estocástico de series hidrológicas tates como caudales, ha

logrado producir series sintéticas que dependen de los parámetros estadísticos
de las series originales o llamadas series históricas. Es así que la generación
de series sintéticas, ha logrado solucionar el problema de la falta y escasez de
datos de las series hidrológicas originales.
Las series sintéticas generadas a partir de las series originales antes de ser
aplicadas en el planeamiento, diseño y operación de tos recursos hidráulicos;
tienen que ser verificadas con pruebas estadísticas que validen sus parámetros
estadísticos. Estas pruebas de validación consisten en verificar que las series
sintéticas generadas de un modelo estocástico, sean estadísticamente iguales
a las series originales; con una probabilidad de confianza significativa.
Genemción de Descargas en la Cuenca del Río .Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
Autor: Jimy Marlor1 Bastidas Valdivia
XVI
Para nuestro modelamiento, aplicaremos el modelo estocástico ARMA

(autorregresivos con media móvil) para la Cuenca del Río Mantaro, teniendo
como estaciones representativas a: Upamayo, Puente Chúlec, Puente Stuart,
Cachas Túnel, Piñascocha, Pachacayo, Quillón, Moya y La Mejorada.
El desarrollo de esta tesis está conformado por seis capítulos:
En el Capítulo 1 se hace mención al planteamiento de la investigación, en

donde se describen los problemas, objetivos, hipótesis y variables del proyecto.
En el Capítulo 2 se hace mención a las consideraciones teóricas que son útiles

para explicar el análisis de tratamiento de datos hidrológicos, los modelos
estocásticos, la generación sintética de series temporales y el análisis de
máximas avenidas para el planteamiento de la hipótesis.
En el Capítulo 3 se desarrolla toda la metodología y los .materiales utilizados

en donde se delimita el sistema, posteriormente se prosigue con el
procesamiento de los datos hidrológicos.
En el Capítulo 4 se realiza la generación de series sintéticas para la

modelación hidrológica con el software SAMS 2009 y el análisis de máximas
avenidas con HidroEsta; y se presenta la obtención de resultados, su calibración
y validación. Asimismo en este capítulo se da una breve discusión a los
resultados obtenidos.
En el Capítulo 5 se hace mención a las conclusiones y recomendaciones de

la investigación.
La finalidad de esta investigación es elaborar modelos que tengan una mejor

aproximación a muchos procesos naturales en particular aplicable a gastos en
un río, el cual se complementa con cantidades de agua subterránea
dependientes en el tiempo, escurrimiento superficial, retención en una cuenca y
otros problemas parecidos. Finalmente se puede decir que el tema de
investigación es de mucho interés en el campo de la hidrología aplicada y
avanzada.
Autor: Jimy Mar/on Bastidas Va/divia
XVII
FACULTAD DE INGENIERiA. CIVIL
CAPÍTULO 1
l. PLANTEAMIENTO DE LA INVESTIGACIÓN
1.1. PLANTEAMIENTO DEL PROBLEMA
"La cuenca del río Mantaro se ubica dentro de la región húmeda y drena
una hoya hidrográfica de 34,400 kilómetros cuadrados; se origina en el lago
Junín, a una altitud de 4, 080 m.s.n.m., recorriendo 735 kilómetros hasta su
confluencia con el río Apurímac a 480 m.s.n.m., dando origen en este punto
al río Ene, teniendo una pendiente promedio de 0.51 %. Geográficamente se
ubica entre los 1oo 30' a 13° 30' de Latitud Sur y entre los 74 o 00' a 76° 30'
de Longitud Oeste, abarcando los departamentos de Paseo, Junín,
Huancavelica y Ayacucho" (Eiectroperú S.A, 2005). El caudal del río
Mantaro depende de las precipitaciones en toda la cuenca, del nivel del lago
Junín y de las lagunas ubicadas al pie de los nevados de la Cordillera
Occidental y Oriental. La presencia del río Mantaro le infiere gran
importancia a la región por ser la generadora de cerca del 35% de la energía
eléctrica del país; la producción agrícola del valle provee de alimentos a
Lima y adicionalmente la población involucrada supera los 700,000
habitantes, por lo que es considerada como la cuenca más densamente
poblada de la Sierra del Perú (SENAMHI, 201 0).
Por ende uno de los aspectos esenciales en el planeamiento, diseño y

operación de los recursos hidráulicos es el conocimiento de la variabilidad
de los eventos hidrológicos, tales como lluvias, caudales, niveles de
embalse, etc., son eventos estocásticos porque, de un lado tienen un patrón
medio "componente determinística" de comportamiento a largo plazo, y por
el otro el pronóstico de sus magnitudes en un momento dado tiene un menor
o mayor grado de incertidumbre "componente aleatoria" (Villón, 2002).
Sin embargo el problema perenne del hidrólogo es la insuficiencia de

datos, sean de precipitación o, de manera más común, de caudales. En la
mayoría de los casos, se asume con mucha propiedad que el futuro es
estadísticamente similar al pasado. Este elemento es el que da sustento a
la hidrología estocástica (Lavado, 2009).
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Se~·ies Sintéticas
Autor: Jimy Mm·/on Bastidas Valdivia 1
UMVERSJDAD NACIONAL DEL CENTRO DEL PERÚ
El modelamiento estocástico de series hidrológicas trata de lograr una

representación matemática para poder expresar su variabilidad de estos
eventos. Dicho modelamiento de series hidrológicas tales como caudales,
ha logrado producir series sintéticas que dependen de los parámetros
estadísticos de las series originales o llamadas también series históricas.
Es así que en ésta investigación se logrará generar series sintéticas de

caudales, para solucionar el problema de la falta y escasez de datos de las
series hidrológicas históricas en 9 estaciones hidrométricas, el cual permitirá
evaluar la gestión del agua y generar descargas máximas en la cuenca del
Río Mantaro.
1.1.1. PROBLEMA GENERAL
¿El uso de modelos estocásticos de series sintéticas permitirá determinar

descargas en la Cuenca del Río Mantaro?
1.1.2. PROBLEMAS ESPECfFICOS
../ ¿Cómo influyen las variables hidrometeorológicas en la generación de

descargas máximas en la Cuenca del Río Mantaro en el 2015?
../ ¿De qué manera se relaciona el periodo de retorno y la generación de
descargas máximas en la Cuenca del Río Mantaro en el 2015?
../ ¿Por qué las series sintéticas influyen en la generación de descargas
máximas en la Cuenca del Río Mantaro en el 2015?
1.2. OBJETIVOS
1.2.1. OBJETIVO GENERAL
Aplicar modelos estocásticos de series sintéticas que permita generar

descargas en la Cuenca del Río Mantaro.
1.2.2. OBJETIVOS ESPECfFICOS
../ Determinar la influencia de las variables hidrometeorológicas en la

generación de descargas máximas en la Cuenca del Río Mantaro en el
2015 .
../ Establecer la relación entre el periodo de retorno y la generación de
Autor: Jimy Marlon Bastidas Valdivia 2
descargas máximas en la Cuenca del Río Mantaro en el 2015 .

../ Encontrar la influencia entre las series sintéticas y la generación de
descargas máximas en la Cuenca del Río Mantaro en el 2015.
1.3. JUSTIFICACIÓN
1.3.1. JUSTIFICACIÓN DE LA METODOLOGfA
Los modelos hidrológicos son herramientas que pueden ayudar a la

planificación explicando el comportamiento de las cuencas en la actualidad
y en el futuro (Collas, 2012).
El monitoreo exacto de los fenómenos atmosféricos se ha vuelto

indispensable en nuestro mundo actual debido a la serie de desastres
naturales que se han venido presentando últimamente (Quispe, 2011 ).
Mayormente en nuestro país se ha aplicado la técnica estocástica

empleando modelos autorregresivos de primer, segundo y tercer orden o
también llamados modelos Markovianos; pero se ha visto que la inclusión de
una componente media móvil hace disminuir notoriamente el número de
parámetros, encontrando de esta forma-- modelos más parsimoniosos
(simplificados), simples y más manejables. La aplicación de esta técnica de
generación estocástica para generar caudales será contrastada con pruebas
estadísticas que validen los resultados sintéticos de caudales generados,
con los caudales originales.
En este sentido el Software SAMS 2009 es una herramienta de

modelación estocástica desarrollada por Colorado State University y el U.S.
Bureau of Reclamation, capaz de integrar ofertas de agua generadas por
procesos hidrológicos a nivel de estaciones, capaz de generar datos a
futuro mediante la estadística y las probabilidades.
1.3.2. JUSTIFICACIÓN PRÁCTICA
Se han desarrollado diferentes técnicas para analizar los caudales como

una variable que aparece aleatoriamente en el espacio y en el tiempo.
Uno de los métodos que ha tenido aceptación en la comunidad científica

en las últimas décadas es la modelación de series de tiempo. Esto se debe
principalmente, a que estos modelos permiten hacer un análisis de las
variables hidrológicas que se presentan aleatoriamente en el espacio y en el
tiempo; esta variabilidad espacial y temporal la pueden reflejar este tipo de
modelos estocásticos (Aivarado, 2007).
Se justifica la realización del presente trabajo porque promueve y

profundiza el conocimiento de la generación sintética de series hidrológicas,
en especial de los datos hidrométricos; con la finalidad de utilizar estas series
como alternativa en los diseños de estructuras hidráulicas y a la vez
contribuir a la solución de problemas generados por las series hidrológicas
históricas que algunas veces son incompletas y escasas, lo cual constituye
una de las herramientas básicas para la planificación y operación de
sistemas de recursos hídricos en general.
Asimismo al obtener los caudales sintéticos permitirá conocer:
1) La disponibilidad de agua en cantidad y calidad para la atención de los

diversos usos y usuarios que se enfrentan por la problemática del manejo
de los recursos hídricos en la Cuenca Hidrográfica del Mantaro.
2) Aproximadamente la disponibilidad presente y futura del recurso hídrico

con la finalidad de formular propuestas actuales y futuras para una
adecuada gestión de los recursos hídricos.
1.4. FORMULACIÓN DE LA HIPÓTESIS
1.4.1. HIPÓTESIS GENERAL
La aplicación de modelos estocásticos de series sintéticas permitirá

generar descargas en la Cuenca del Río Mantaro.
1.4.2. HIPÓTESIS ESPECÍFICAS
./ Las variables hidrometeorológicas influyen en la generación de descargas

máximas en la Cuenca del Río Mantaro en el 2015.
./ El periodo de retorno se relaciona con la generac1on de descargas

máximas en la Cuenca del Río Mantaro en el 2015 .
./ Las series sintéticas influyen en la generación de descargas máximas en
la Cuenca del Río Mantaro en el 2015.
1.5. VARIABLES
1.5.1. VARIABLE 1
• Modelamiento estocástico de series sintéticas.
1.5.2. VARIABLE 11
• Descargas máximas anuales.
1.6. ORGANIZACIÓN DE LA INVESTIGACIÓN
La organización de la investigación se conforma de la siguiente manera:
En el Capítulo 1 se hace mención al planteamiento del problema, en

donde se describen los problemas, objetivos, hipótesis y variables del
proyecto.
En el Capítulo 2 se hace mención a las consideraciones teóricas que son

útiles para explicar el análisis de tratamiento de datos hidrológicos, los
modelos estocásticos, la generación sintética de series temporales y el
análisis de máximas avenidas para el planteamiento de la hipótesis.
En el Capítulo 3 se desarrolla toda la metodología y los materiales

utilizados en donde se delimita el sistema, posteriormente se prosigue con
el procesamiento de los datos hidrológicos.
En el Capítulo 4 se realiza la generación de series sintéticas para la

modelación hidrológica con el software SAMS 2009 y el análisis de máximas
avenidas con Hidroesta; y se presenta la obtención de resultados, su
calibración y validación. Asimismo se realiza la discusión de resultados.
En el Capítulo 5 se hace mención a las conclusiones y recomendaciones

de la investigación.
CAPÍTULO 11
11. REVISIÓN DE LITERATURA
2.1. ANTECEDENTES
2.1.1. ANTECEDENTES NACIONALES
A nivel nacional se han realizado las siguientes investigaciones referentes

a la hidrología estocástica:
(Pérez, 2003), presentó el artículo de investigación: "Modelamiento

· Estocástico para predecir caudales futuros u otros eventos Hidrológicos"; la
investigación consistió en modelar caudales medios mensuales del Río
Tambo- Arequipa- Estación Chucarapi con una longitud de 35 años (1965-
2000) mediante modelos Markovianos de Segundo Orden. Se generaron
caudales a futuro hasta el año 2035.
(Gonzales, 2004), presentó la tesis: "Validación del modelo estocástico

ARMA adecuado en la generación sintética de descargas medias mensuales
en la cuenca del Río Santa"; el estudio consistió en la generación sintética
de descargas medias mensuales de 12 estaciones hidrométricos de la
cuenca del Río Santa, se utilizó el modelo ARMA (p,q) que es un modelo
autorregresivo que combina componentes media móvil. Se generó 100
series de longitudes iguales al período de registro de 40 años, para dichas
series se verificó el intervalo de confianza, se hizo la prueba de ajuste de
normalidad mediante las pruebas de Chi-Cuadrado y Kolmogorov Smirnov y
se validó que con el modelo ARMA (2, 1) se preservan las características
estadísticas de las series históricas.
(Lavado, 2009), realizó el artículo de investigación: "Análisis de Hidrología

Estocástica de Precipitación aplicando el modelo ARMA en 6 estaciones de
la cuenca de Madre de Dios"; el estudio consistió en realizar el análisis
gráfico de la información pluviométrica, análisis de doble masa de las 6
estaciones, análisis de tendencias por cada estación y en la determinación
de las estaciones que mejor se ajusten para el Modelo Autorregresivo de
Medias Móviles (ARMA).
Autor: Jimy Mar/on Bastidas Valdivia 6
(Sánchez, J. y Sánchez, M., 2009), presentó el artículo de investigación:

"Generación de series sintéticas mensuales del Río Chira mediante el uso
de modelos markovianos"; el artículo consistió en generar series sintéticas
medias mensuales del río Chira mediante el uso de modelos markovianos
para luego determinar la capacidad de embalse de la represa Poechos,
utilizándose el software SAMS 2000 versión 98.1 para realizar dicha
investigación. Los resultados fueron, que las series de tiempo simuladas,
determinaron que el modelo Markoviano de Segundo orden AR (2), para la
estación Ardilla y el modelo Markoviano de tercer orden AR (3), para la
estación Ciruelo, son las que generaron los mejores estadísticos históricos
de las series analizadas, es decir son los que mejor se ajustaron.
(Orbezo, 2011 ), presentó la tesis para optar el grado de Maestro en

Ciencias: "Análisis estocástico Arima para el modelamiento y predicción de
la demanda eléctrica en el sector residencial de Lima Sur''; el estudio
consistió en aplicar el análisis de series temporales bajo un enfoque
estocástico ARIMA (Modelo Estocástico Lineal Integrado Autorregresivo -
Medias Móviles), para la realización de proyecciones de la demanda de
energía eléctrica residencial en la zona de Lima Sur. Como resultad~ del
análisis realizado se determinó que el consumo de energía residencial de
Lima Sur tendrá un crecimiento conservador sostenido del 3,5% en promedio
para el período 2010-2012. Incremento que también representa el
crecimiento del consumo de energía en baja tensión, pues ésta serie
energética presenta el mismo comportamiento que el consumo de energía
residencial para la misma zona de análisis.
2.1.2. ANTECEDENTES INTERNACIONALES
A nivel internacional se han realizado las siguientes investigaciones

referentes a la hidrología estocástica:
(Aivarado, 2007), elaboró la tesis para optar el grado de Doctor en

Ciencias: "Modelación estocástica de los escurrimientos de la cuenca del Río
Amajac, Hidalgo, México"; el estudio consistió en una metodología para
generar series sintéticas a través de modelos ARMA(p,q) univariados y
FACULTAD DE INGENIER.ÍA CIVIL
multivariados y modelos de disgregación, los modelos se desarrollaron,

aplicaron y validaron a los registros históricos de 4 estaciones (Temamatla,
Venados, San Agustín y Presa La Esperanza) localizadas en la cuenca del
Río Amajac en el Estado de Hidalgo, México.
(Rodriguez, 2012), presentó la tesis para optar el grado de Maestría en

Ingeniería Civil: "Disponibilidad del agua y riesgo hidrológico en los
escurrimientos de la Cuenca del Río Copalita, con un modelo estocástico";
el estudio desarrolló la construcción de un modelo estocástico para el
análisis de escurrimientos en la Cuenca del Rfo Copalita. El software que se
utilizó para realizar el modelo estocástico fue el Analysis Modeling and
Simulation 2009 (SAMS 2009), se generó 1,000 series de escurrimientos
sintéticos, cada serie con un período de 32 años. Se realizó un análisis
estadístico a la media anual de las 1,000 series generadas. De éste análisis
se seleccionaron 1O series representativas, las cuales abarcan diferentes
condiciones hidrológicas: Sequia severa y moderada, condiciones normales,
condiciones abundantes extremas y moderadas. Los resultados demuestran
que en un período de recurrencia de 8 años, pueden surgir problemas de
abastecimiento.
2.2. ANÁLISIS Y TRATAMIENTO DE LA INFORMACIÓN HIDROLÓGICA
Una de las áreas más descuidadas en el análisis de series hidrológicas

es el tratamiento de los datos históricos registrados por medición directa por
lectura o por conteo. Aquí, tratamiento significa el ajuste de los datos
históricos a una condición homogénea, incluyendo la corrección de los
posibles errors sistemáticos, la completación, extensión de los mismos y la
reducción de los datos a condiciones naturales.
La mayoría de las cuencas y las condiciones desarrolladas están en un

constante estado de transición; por esta razón, los datos históricos pueden
ser válidos sólo para una condición desarrollada e inválidos para otra; por
ello, la confianza de la hidrología como una disciplina científica está
realmente basada sobre la disponibilidad de suficientes datos (en cantidad y
calidad) para verificar las teorías alrededor del fenómeno natural.
Generación de Descmgas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
FACULTADDEINGENIER14 CIVIL
El procedimiento seguido para el tratamiento de datos hidrométricos se

presenta esquemáticamente en el ANEXO A-1, que dentro del contexto
general de un estudio se denomina fase preliminar y consiste básicamente
de tres actividades principales: (1) Análisis de consistencia de la información,
(2) completación de los datos faltantes y (3} extensión de los registros.
Con la obtención de la información consistente, completa y extendida

termina la fase preliminar, pudiendo a partir de este momento determinar los
parámetros deseados de dichos datos desarrollando la fase aplicativa que,
para la presente tesis vendría ha ser la generación de caudales sintéticos
para su validación. (Aliaga, 1983).
2.2.1. MÉTODO DEL VECTOR REGIONAL (MVR)
El vector regional es una serie de datos cronológicos anuales que integra

la información de un conjunto de estaciones de una zona. Es una estación
ficticia que es una especie de promedio de las estaciones de la zona. El
método del vector regional facilita la critica, la homogenización y en ciertos
casos el relleno de datos. Es una alternativa cómoda al método de doble
masa.
(Lavado, 2013), nos dice que el vector regional es un modelo simple

orientado al análisis de la información pluviométrica u otros de una región y
a la síntesis de esa información. Este método fue desarrollado por el IRD
(Instituto de investigación para el desarrollo) en los años 70 con el objetivo
de homogenizar los datos pluviométricos. Existen dos métodos para el
cálculo del Vector Regional el primero dado por G. Hiez y el segundo por Y.
Brunet Moret.
(Ramos, 2010), menciona que el método del vector regional se basa en la

construcción de una estación ficticia en base a la información disponible, tal
que sea representativa de la zona de estudio. En cada estación se calcula
un promedio extendido para todo el período de estudio, y para cada año, ·se
calcula un índice. (>1 año con superávit, <1 año deficitario). A esta serie de
índices anuales se le llama Vector Regional, ya que toma en cuenta la
información de una región que se supone es climáticamente homogénea.
El método es aplicado a datos mensuales, considerando el mismo

concepto. Con la ayudad del vector regional, se analiza lo siguiente:
• Calidad de los datos de cada estación por curvas de dobles acumuladas

con los índices del vector regional.
• Correlación de los datos de una estación con los índices del vector
regional.
• Evaluar los datos faltantes de una estación multiplicando el índice de un
año del vector regional por el promedio extendido de la estación sobre el
período de estudio.
La calidad del vector regional depende de la calidad de los datos de

entrada. Aunque los algoritmos utilizados por los dos métodos intentan
minimizar la influencia de los datos erróneos, el vector calculado al comienzo
sigue contaminado por los errores que existen en los datos de las estaciones.
Sólo de manera iterativa, eliminando los datos visiblemente imaginarios y
corrigiendo poco a poco los errores más evidentes sobre los datos de
entrada, se llegará a un vector regional de buena calidad.
2.2.2. ANÁLISIS DE CONSISTENCIA DE DATOS HIDROLÓGICOS
La no-homogeneidad e inconsistencia en series hidrológicos representa

uno de los aspectos más importantes en los estudios hidrológicos
contemporáneos, ya que, cuando no se identifica, elimina ni se ajustan a las
condiciones futuras la inconsistencia y no-homogeneidad en la muestra
histórica se puede introducer un error significativo en todos los análisis
futuros que se realicen, obteniéndose resultados altamente sesgados.
(Tarazana, 2005).
La inconsistencia de una serie de tiempo hidrológica, está dada por la

producción de errores sistemáticos (déficit en la toma de datos, cambio de
estación de registro o cambio de ubicación de la estación hidrométrica, etc.);
y la no homogeneidad es una serie de tiempo hidrológica, se debe a factores
humanos (tala indiscriminada de una cuenca, construcción de estructuras
hidráulicas, etc.) o a factores naturales de gran significancia como los
Autor: Jimy Mar/on Bastidas Valdivia 1O
desastres naturales. Esta inconsistencia y no homogeneidad se manifiesta

con la presencia de saltos y/o tendencias en las series, afectando las
características estadísticas de dichas series, tales como la media, desviación
estándar y correlación serial. (Villón, 2011 ).
2.2.2.1 ANALISIS DE SALTOS
Los saltos son formas determinísticas transitorias que permiten a una

serie hidrológica periódica o no periódica pasar desde un estado a otro, como
respuesta a cambios hechos por el hombre debido al continuo desarrollo de
los recursos hídricos en la cuenca o a cambios naturales que pueden ocurrir.
(Aliaga, 1983), ejemplo: deficiencia y error en la toma de datos de las
estaciones hidrométricas, cambio de la ubicación de la estación, cambio en
la posición de la instrumentación de recopilación de datos.
En la figura 2.1 se presenta la forma típica de un salto que puede ser

originado por el movimiento de la estación o derivación aguas arriba de una
estación de control, en general representa un salto si se modifica de forma
brusca las condiciones normales aguas arriba de la estación de control
(caudales) o alrededor de la estación de medición (precipitación).
Xt
...
11¡ TIarpo
X Información Hidro meteorológica
Figura 2.1 Forma típica de un salto, (Tarazana, 2005).
En el ANEXO A-2 se presenta el esquema simplificado para el análisis de

saltos que consiste en la realización de tres actividades principales: (1)
Identificación de salto, (2) evaluación y cuantificación y, (3) correción y/o
eliminación.
1. IDENTIFICACIÓN.
La identificación del salto tiene por objeto detectar la presencia del mismo
y evaluar la causa que puede ser por errores naturales u ocasionados por la
intervención de la mano del hombre. La identificación se realiza mediante la
combinación de los siguientes criterios:
i. Análisis VIsual de la Serie Histórica

Esta fase consiste en analizar visualmente la distribución temporal de
toda la información, mediante el análisis visual de la serie histórica es posible
detectar regularidades como irregularidad de los mismos. Se debe aclarar
que este análisis es únicamente con fines de identificación de las posibles
inconsistencias, las mismas que deberán ser evaluadas estadísticamente
mediante el test respectivo.
ii. Análisis Doble Masa

Este análisis se utiliza para tener una cierta confiabilidad en la
información, así como también, para realizar la consistencia en lo relacionado
a errores, que pueden producirse durante la obtención de los mismos; y no
para corrección a partir de la recta doble masa. (Villón, 2011 ).
Para construir el patrón se convierten los caudales en magnitudes que

sean comparables; gastos por unidad de área, escorrentía en mm, en
porcentaje del gasto medio o promedios de los volúmenes anuales en
millones de metros cúbicos (MMC). (Chereque, 1989).
Un quiebre de la recta de doble masa o un cambio de pendiente, puede o

no ser significativo, ya que si dicho cambio está dentro de los límites de
confianza de la variación de la recta para un nivel de probabilidades dado,
entonces el salto no es significativo, el mismo que se comprobará mediante
la prueba estadística. (Chereque, 1989).
Para el caso de la figura 2.2; el análisis de doble masa, permite obtener

los períodos n1, n2, n3, que deben estudiarse con el análisis estadístico.
Autor: Jimy Mar/on Bastidas Va/di via 12
Aclmllado
de la
estación
en estudio
Acum.:dado de la estación e
Figura 2.2 Análisis de doble masa, (Tarazana, 2005).
Una vez identificada el o los períodos con información dudosa, se procede

a evaluar y cuantificar el salto, tratándolos a cada uno de los registros simples
independientes y de tiempo de cambio conocido.
2. EVALUACION Y CUANTIFICACION
La evaluación y cuantificación de los errores detectados en la forma de
saltos, se realiza mediante un análisis estadístico; vale decir un proceso de
inferencia estadística para las medias y desviación estándar de ambos
períodos identificados en la fase anterior.
i. Consistencia en la Media
Este análisis consiste en probar, mediante la prueba t (prueba de
hipótesis), si los valores medios de las sub muestras, son estadísticamente
iguales y diferentes con una probabilidad del 95% de confiabilidad o con 5%
de nivel de significación. (Villón, 2011 ).
x1 , x2 = Media de los perfodos 1 y 2 respectivamente.
S1 (x), S2 (x) =Desviación estándar de los períodos 1 y 2 respectivamente
n = n 1 + n 2 , tamaño de la muestra.
-
Determinación de t calculada según: t -
(x1 -x2 )-(.L4- ~) ... (2.1)
e S-
d
Donde:
111 - 11 2 =O, por hipótesis.

x1 -x)
Quedando: t =( 2
... (2.2)
e S¡¡
1/2
Desviación de las diferencias de los promedios: S¡¡ =SP [ _!_ + __!__] ... (2.3)
n¡ n2
n-lS
) 12 +n(
2 -lS2
) 2 ]1/2
Desviación estándar ponderada: SP =[( 1
... (2.4)
n1 +n 2 -2
Comparación del t calculado (te) con el t tabular (tt) con m +m -2 grados de libertad.
ltJ~ tt(95%) =>X¡= x2(estadísticamente)
Sil l , resultara diferente se debe corregir.
te > tt (95%) =>X¡ =f. x2 (estadísticamente)
ii. Consistencia en la Desviación Estándar

Consiste en probar, mediante la prueba F (prueba de hipótesis), si los
valores de las desviaciones estándar de la submuestras son
estadísticamente iguales o diferentes con una probabilidad del 95% de
confiabilidad o con 5% de nivel de significación. (Villón, 2011 ).
Los F calculado (Fe) se calcula de la siguiente forma:
F = S~ (x) si S12 (x) > S22 (x) ... (2.5)

e s;(x)'
F = s;(x) SI S;(x) > S (x) 2

... (2.6)
e s¡(x)' - 1
Comparación del Fe con el F tabular (F,) con los siguientes grado de libertad:
Grado de libertad del numerador = (n¡-l)

Grado de libertad del denominador = (n2-l)
Si: S?(x) > s;(x)
Grado de libertad del numerador = (n2-l)

Grado de libertad del denominador = (n,-1)
2
Si: s;(x) > S1 (x)
F, ~F;
(n¡-1),(•2-1)
(95%)=>S1 (x)=S2 (x) (iguales-estadísticamente)
F, > F; ("1-l),(nz-1)
(95%) => S1(x) =t- S 2 (x) (diferentes -estadísticamente)
3. CORRECCION DE DATOS
En los casos en que los parámetros media y desviación estándar de las
sub muestras de series de tiempo, resultan estadísticamente iguales, la
información no se corrige, por ser consistente; aun cuando se observen
Generación de Descargas en la Cuenca del Río Manroro mediante el Uso de Modelos Estocásticos de Series Sintéticas
quiebres en el doble masa. En caso contrario, se corrige los valores con la

siguiente ecuación: (Villón, 2011 ).
' -
X (t) - XI--X¡
-
*S2(x ) +x2
- ... (2.7)
S1(x)
,
X (t) =
x, - x2 *SI(x ) +x¡
- ... (2.8)
S2 (x)
Donde:
x; 0
=valor corregido de saltos.
Xt = valor a ser corregido.
La ecuación 2.7, se utiliza cuando se deben corregir los valores de la

submuestra de tamaño m, y la ecuación 2.8, si se deben corregir la
submuestra de tamaño m según la figura 2.2.
2.2.2.2 ANÁLISIS DE TENDENCIAS
Las tendencias son componentes deterministicas transitorias que se

definen como un cambio sistemático y continuo sobre una muestra de
información hidrometeorológica en cualquier parámetro de la misma, que
afecta las distribuciones y dependencias de las series. (Aliaga, 1983).
Ejemplos: deforestación o reforestación de árboles en una cuenca,
construcción de estructuras hidráulicas de regulación en las cabeceras de
las cuencas, construcción de canales, ampliación de áreas de cultivo. Antes
de realizar el análisis de tendencia, se realiza el análisis de saltos con series
libres de saltos.
Puede existir en cualquier parámetro de una serie (en la media, variancia,

coeficiente de autocorrelación y en parámetros de alto orden) pero por lo
general las tendencias se presentan únicamente en las medias si la
información es anual y, en la media y desviación estándar si la información
es mensual.
Las tendencias pueden ser lineales o no lineales, por lo que cualquier

función continua de tendencia no lineal puede ser representada en series
potenciales.
En la figura 2.3 se presenta las formas de las tendencias.

Autor: Jimy Marlon Bastidas Va/divia 15
UMVERSIDAD NACIONAL DEL CENTRO DEL PERÚ
FACULTAD DE INGENJERiA CIVIL
Xt
Tmdmda limrtf a~tdente

Tmdmda no lüu!Ol ascmdmle
Xt li¡(mmddón hidromawrológim Xt ii?fomtadóil hidiVmt?ltvrológiw
Figura 2.3 Formas de las tendencias, (Tarazana, 2005).
En el ANEXO A-3 se presenta el esquema simplificado para el análisis de

tendencias que consiste en la realización de dos actividades principales: (1)
Tendencia en la media y, (2) tendencia en la desviación estándar.
1. IDENTIFICACION
Tiene por objetivo identificar los períodos que presentan tendencias, para
la identificación se procede con:
i. Análisis Visual de la Serie Histórica

Obtenido la serie libre de saltos, se procede a identificar los posibles
períodos con tendencias.
2. EVALUACION Y CUANTIFICACION
La evaluación y cuantificación de los errores detectados en la forma de
tendencia, se realiza mediante un análisis estadístico: vale decir un proceso
de inferencia estadística para las medias y desviación estándar del período
identificado en la fase anterior. (Vil Ión, 2011 ).
i. Tendencia en la Media.
La tendencia en la media Tm, puede ser expresada en forma particular por
la ecuación de regresión lineal simple:
... (2.9)
Donde:
t = tiempo en años, tomado como la variable independiente de la tendencia.

t = 1, 2, 3 ... n
Tm = tendencia en la media
Am, Bm = coeficiente de la ecuación a ser estimados.
Para averiguar si la tendencia es significativa, se analiza el coeficiente de

correlación R con el estadístico te calculado:
R-Jn-2
t =---e=== ... (2.10)
e ~R2
Donde:
te= valor del estadístico t calculado.
n= numero total de datos.
R= coeficiente de correlación.
Comparación del t,. con el t tabular (t,) con (n-2) grados de libertad.
ltcl ~ 1 (95%) ~ R no es significativo

1
ltcl > 1 (95%) ~Res significativo

1
ii. Tendencia en la Desviación Estándar

La tendencia en la desviación estándar Ts, se expresa en forma particular
por la ecuación de regresión lineal simple:
T,, = A,, + B.• t ... (2.11)
Donde:
t =tiempo en años, tomado como la variable independiente de la tendencia.
t = I, 2, 3 ... n
Ts =tendencia en la desviación estándar, que es el valor corregido de tendencia
en la media.
As, Bs = coeficiente de la ecuación a ser estimados.
Para calcular y probar si la tendencia en la desviación es significativa se

calcula la desviación estándar de cada año, y luego, se calcula los
parámetros de la ecuación de regresión 2.1 O; luego se realiza la evaluación
de Ts siguiendo el mismo proceso descrito para Tm. (Villón, 2011 ).
3. CORRECCION DE DATOS
\
Si la prueba R resulta significativo, la tendencia en la desviación estándar

es significativa, por lo que se debe eliminar de la serie, aplicando la siguiente
ecuación:
FACULTAD DE JNGENIERiA CIVIL
... (2.12)
Donde:
Zt = serie sin tendencia en la media ni en la desviación estándar. Las demás

variables han sido definidas anteriormente.
Para que el proceso preservando la media y la desviación estándar

constante, la ecuación toma la forma:
x(· 1 -T __
Zr = t. m *Ts +Tm ... (2.13)
T.
Donde:
T., Tm : son los promedios de la tendencia en la desviación y media

respectivamente.
La serie Zt es una serie homogénea y consistente al 95% de probabilidad.
2.2.3. COMPLETACIÓN Y/0 EXTENSIÓN DE DATOS
La completación y extensión de la información se realiza con la finalidad

de aumentar el contenido de la información de los registros cortos y tener en
lo posible series completas más confiables y de un período uniforme.
Existen varios procedimientos para realizar la completación y extensión

de los datos faltantes, desde la utilización de criterios prácticos como el
relleno con el promedio hasta la aplicación de técnicas estadísticas y
matemáticas.
Cuando se realiza la completación y/o extensión de datos hidrológicos o

meteorológicos se debe asegurar la confiabilidad de la técnica utilizada
debido a que:
• Al aumentar la longitud de un registro de datos se disminuye el error

estándar de estimación de los parámetros ya que cuando el tamaño
muestra! tiende al infinito el estimador se asemeja más al parámetro
Poblacional.
• Si el procedimiento no es el adecuado en vez de mejorar los estimados

se empeoran, siendo preferible utilizar los registros cortos.
El proceso de completación se realiza en las series consistentes, vale

decir, después de haber analizado la confiabilidad de los mismos.
2.2.3.1 TÉCNICAS DE COMPLETACIÓN DE DATOS
Las técnicas que se utiliza para la completación, en orden de prioridades

son:
• Regresión lineal simple, entre estas:

../Correlación cruzada entre dos o más estaciones .
../ Autocorrelación.
• Relleno con criterios prácticos: promedio simple, razones normales,

proporciones.
• Completación mediante métodos numéricos (generación de números

aleatorios).
2.3. MODELOS HIDROLÓGICOS
Los modelos hidrológicos son una representación física o matemática

simplificada de la realidad, manipulable para mejorar la visión que de esta se
tiene. En este estudio nos vamos a centrar en un tipo determinado de
modelos, los matemáticos, que representan el sistema real por medio de un
conjunto de expresiones matemáticas, puesto que son los más utilizados en
la actualidad.
Según (Khalidou, 2011 ), existen dos tipos de modelos fundamentales: los

físicos y los matemáticos. Los modelos matemáticos se subdividen en
estadísticos y determinísticos. Esta subdivisión se muestra en la figura 2.4:
[ MODELOS HIDROLÓGICOS )
1
1 1
l ESTADfSTICOS
J l DETERMINISTICOS J
1 1
1 1
H ESTocAsncos
l EMPIRICOS
l ( CONCEPTUALES ]
H PROBABJLISTJCOS
[ UNEALES [ NO UNEALES J FISICOS J [ ANAÚTICOS J
e-; REGRESIÓN,
CORRELACIÓN
GLOBALES
J-
MATRICIALES
1-
(DISTRIBUIDOS)
Figura 2.4 Clasificación de los Modelos Hidrológicos, (Khalidou, 2011).
1. Modelos determinísticos.
Hidrología determinística o paramétrica: estudia los fenómenos

hidrológicos considerando relaciones precisas de causa a efecto sin tener en
cuenta las condiciones aleatorias del fenómeno o sus componentes. El
hidrólogo determinista estudia cada fenómeno bajo leyes físicas o analíticas
rígidas e inmutables.
2. Modelos estadísticos.
Hidrología estadística: estudia los fenómenos hidrológicos bajo un

aspecto probabilístico. Se supone que las leyes que rigen u originan tales
fenómenos son tan complejas que su examen riguroso es física o
económicamente imposible. Dentro de los modelos estadísticos están los
modelos probabilísticos y estocásticos.
Los modelos probabilísticos están en función al riesgo de falla y periodos

de retorno. Los modelos estocásticos o de series temporales carecen de
bases físicas y expresan en términos de probabilidad el resultado de
procesos altamente aleatorios.
El origen de la estocacidad en los recursos hídricos es doble: por una

parte la distribución de la lluvia es un proceso aleatorio prácticamente puro,
y por otro lado la gran cantidad de factores que afectan a la propagación del
FACULTAD DE INGENIERJA CIVIL
agua en la superficie terrestre (conductividad, propagación de agua, cubierta

vegetal).
2.4. MODELOS MATEMÁTICOS DE SERIES DE TIEMPO
Un modelo de serie de tiempo tiene una estructura matemática y un

conjunto de parámetros, y es representado por una función de distribución de
probabilidades única. (Salas de la Cruz, J., Delleur J., Yevjevich V., Lane W.,
1980).
Se tienen diversas definiciones de modelos matemáticos en series de

tiempo o de modelos de simulación hidrológica, tales como:
• Según Chow un modelo matemático es una formulación matemática que

simula un fenómeno hidrológico, el cual es considerado como un proceso
o como un sistema.
• Según Clarke un modelo matemático es una representación simplificada

de un sistema complejo, en el cual, el comportamiento del sistema está
representado por una serie de ecuaciones y sentencias lógicas que
expresan relaciones entre variables y parámetros.
• Para Haan la modelación hidrológica es una colección de leyes físicas y

observaciones que están escritas en términos matemáticos y se combinan
de forma tal que producen una serie de resultados (salidas) basadas en
una serie de condiciones asumidas y/o conocidas (entradas).
2.4.1. PROCESOS ESTOCÁSTICOS
Los procesos estocásticos, representados por modelos, son

abstracciones matemáticas de un proceso físico real, cuyo desarrollo es
gobernado por leyes probabilísticas. Los procesos hidrológicos pueden ser
caracterizados como procesos estacionarios o una combinación de procesos
determinísticos y estocásticos. {Yevjevich, 1972).
En los procesos estocásticos se observa una cierta estructura de

dependencia en el tiempo a diferencia de un proceso probabilístico, donde
los eventos son independientes. (Box, G., Jenkins, G., 1976).
Si la causa de ocurrencia de las variables es tomada en cuenta y el

concepto de probabilidad se introduce en la formulación del modelo, el
proceso y su modelo son descritos como estocásticos. En otras palabras, si
es que se toma en cuenta la secuencia cronológica de las variables y si estas
variables están asociadas a una distribución de probabilidad, entonces su
proceso es llamado estocástico. (Chow, 1964).
Según (Yevjevich, 1972) un proceso estocástico aplicado a recursos de

agua, tiene tres componentes fundamentales:
• Componente periódica o determinística, como la media, la desviación

estándar, y covarianza principalmente.
• Componente de estructura dependiente, en donde la dependencia de un
dato con respecto a los datos previos se da en forma sucesiva.
• Componente aleatoria, que es descrita en términos de su distribución de

probabilidad.
El proceso estocástico puede ser analizado en el tiempo por la función de

autocorrelación representada por el correlograma. (Chereque, 1989)
2.4.2. PROCESOS ESTACIONARIOS

Si durante un proceso estocástico al ser removida la componente
periódica se observa que no hay cambio sistemático en la media y varianza;
se dice, entonces que esta nueva serie removida es estacionaria. (Chatfield,
1975).
Para (Sadeh, 1976) la estacionariedad es importante en series

hidrológicas por dos razones principales: una porque las técnicas
matemáticas para el análisis de estas series están bien desarrolladas, y otra
porque la mayoría de las componentes estocásticas de las series hidrológicas
pueden ser consideradas estacionarias una vez que la parte determinística
ha sido definida, sus parámetros estimados y removidos desde la serie.
En conclusión, una serie es estacionaria cuando las propiedades de la

serie no cambian en el tiempo (tiempo invariante), caso contrario son no
estacionarias (tiempo variante). (Aliaga, 1985).
2.5. ANÁLISIS UNIVARIADO DE SERIES DE TIEMPO
Un modelo de serie de tiempo puede ser escrito como:

x 1 = ~+cr· z 1
... (2.14)
t= 1,2, ...
Donde:
x, : es la serie normal con media f1 y varianza a2
Zt : es normal estandarizada con media cero y varianza unitaria
z1, z2, ... : son independientes.
Sí los parámetros 11 y u son constantes, el modelo es estacionario. La

estructura del modelo es simple ya que la variable xt es una función
solamente de la variable independiente Zt y así xt es también independiente,
este es el caso de algunas series de precipitación y caudales anuales. (Salas
de la Cruz, J., Delleur J., Yevjevich V., Lane W., 1980)
Un modelo de serie de tiempo con estructura puede ser:
... {2.15)
Donde:
Zt-1: es una serie independiente
01: es el parámetro del modelo.
E:t: es una serie normal e independiente con media cero y varianza (1-0?).
=~ 1 E1-1 + (1- ~¡ ) ~t, ~t

112
Ejemplo de et para modelo AR de primer orden, E1
es la componente estocástica independiente. (Aliaga, 1985)
En la ecuación 2.15 Zt es una serie dependiente porque además de ser

una función de E:t es una función de la misma variable z en el tiempo t-1. Si zr
de la ecuación 2.15 es representada por el modelo dependiente de la
ecuación 2.14 entonces Xt resultan en un modelo dependiente. En este caso
los parámetros del modelo de Xt serían p, a y 0¡. Esta forma de representación
se emplea para series con intervalos dentro del año como series trimestrales,
mensuales, semanales, diarias. (Salas de la Cruz, J., Delleur J., Yevjevich
V., Lane W., 1980)
Desde que los parámetros de la ecuación de serie de tiempo 2.14 son

constantes, el modelo es estacionario, representando series de tiempo
estacionarias o procesos estocásticos estacionarios. Modelos no
estacionarios resultan, sí tales parámetros varían con el tiempo.
2.5.1. FUNCIÓN DE AUTOCORRELACIÓN (FA)
La función de autocovarianza mide el grado de autodependencia lineal de

una serie de tiempo. La autocovarianza Ck de retardo k entre Xt y Xt+k puede
determinarse por:
... (2.16)
Donde:
x : Media muestra!
k : Representa el tiempo de retardo entre el par correlacionado (xt, Xt+k}.
N : Es el tamaño muestra!.
Para el caso particular de k=O, co resulta ser la varianza s2 • La

autocovarianza muestra! Ck es un estimado de la función de autocovarianza
poblacional 'Yk·
Una medida adimensional de dependencia lineal se obtiene dividiendo Ck

por co. Tal operación resulta:
N-k
L,(x1-x)(xt+k -x)
r = ck = ...:.l=:::.ol_-=------ ... (2.17)
k e N z
o 'L:(xt -x)
t=l
Donde:
rk :es llamado coeficiente de autocorrelación de retardo k, coeficiente de

correlación serial o función de autocorrelación (FA).
Al plateo de rk versus k se le denomina correlograma. El coeficiente de

autocorrelación muestral rk es un estimado del coeficiente poblacional Pk· La
medida más simple usada para expresar la dependencia en el tiempo es el
primer coeficiente de correlación serial r1 o PI para la muestra o la población
respectiva.
Un estimado alternativo de la FA pk es: según (Salas de la Cruz, J.,

Delleur J., Yevjevich V., Lane W., 1980)
... (2.18)
Donde:
x : Media muestra!
k : Representa el tiempo de retardo entre el par correlacionado (xr, x,+¡J.
N : Es el tamaño muestra!.
x1 : Es la media de los primeros N-k valores x¡, ... XN-k
xl+k : Es la media de los últimos N-k valores Xk+J, ••• XN.
Las ecuaciones 2.17 y 2.18 dan rk= 1 para k= O, por tanto el correlograma
empieza con la unidad en el origen, y -1 S. n S. l.
En una serie independiente los valores de los puntos rk en el

correlograma poblacional es igual a cero para k<> O; Sin embargo, muestras
de series de tiempo independientes tienen a r,, fluctuando alrededor de cero
debido a la variabilidad muestra!, pero ellos no son necesariamente iguales
a cero. Por tal motivo, es útil determinar límites de probabilidad para el
correlograma de una serie independiente, Anderson da los siguientes límites.
rk = (-1 ± 1.96-J N- k -1 ); (N- k), para 95% ... (2.19)
rk = {-1±2.33-JN -k -1 )!(N -k), para 99% ... (2.20)
Con N como tamaño muestra!.
Un modelo ARde serie de tiempo puede ser representado de la siguiente

forma, según Fiering and Jackson según (Salas de la Cruz, J., Delleur J.,
Yevjevich V., Lane W., 1980)
p
Yt =J..l+ Í:<i>j(Yt-j -J..l)+st ... (2.21)

j=l
Autor: Jimy Marlon Bastidas Valdívia 25
FACULTAD DE INGENIERiA CIVIL ,
La FA Pk de la variable Yt se obtiene multiplicando ambos miembros de la

ecuación (2.21) por Yt-k, tomando esperanza matemática término a término.
Esto permite plantear la ecuación:
E[y,.y,_,] ~ E[¡..y,_,]+ E[y,_, -t<l>; (y,_,- ~t)] + E[y,_, -<,]
Que resulta en: Pk = tP 1Pk-J + tP 2 Pk-l + ... + tPpPk-p, k>O
En general:
... (2.22)
La cual se debe a Yute (1927) yWalker (1931), según (Salas de la Cruz,

J., Delleur J., Yevjevich V., Lane W., 1980). Esta ecuación es comúnmente
usada para estimar los parámetros del modelo por el método de momentos,
así como para determinar el correlograma Pk para un conjunto dado de
parámetros tJj, J= l ...p. Es importante conocer la forma que adopta Pk para un
modelo dado porque servirá para identificar su orden en una serie de tiempo,
así como para comparar el correlograma muestra! con el correlograma típico
del modelo. (Salas de la Cruz, J., Delleur J., Yevjevich V., Lane W., 1980).
2.5.2. FUNCIÓN DE AUTOCORRELACIÓN PARCIAL (FAP)
La función de autocorrelación parcial (F AP) o correlograma parcial es

otra forma de representar la estructura de dependencia en el tiempo de una
serie o de un modelo dado. Es útil para ayudar a identificar el tipo y orden
del modelo cuando se investiga una serie de tiempo muestra!. (Salas de la
Cruz, J., Delleur J., Yevjevich V., Lane W., 1980).
Si se denota por t~j{k) el coeficiente autorregresivo de un modelo AR(k),

tal que t~k(k) es el último coeficiente, entonces la ecuación 2.22 resulta:
Pi = tP1 (k)pi-1 + tP2 (k)Pi-2 + ... + tPk (k)Pi-k ... (2.23)
Para: J=l, ... , k
La función de autocorrelación parcial t~k(k) se calcula resolviendo

sucesivamente la ecuación 2.22 para cada k= 1,2, ...
FACULTADDEINGENIERiA CIVIL
En general, se demuestra que para un modelo AR (p) la ecuación 2.23

da: Dk(k)<>O , k ~P
Dk(k)=O , k> p ... (2.24)
2.5.3. MODELAMIENTO ESTOCASTICO DE SERIES HIDROLÓGICAS
Se denomina modelo estocástico o modelo de serie de tiempo en

hidrología al modelo matemático que representa a un proceso estocástico.
(Aliaga, 1982).
Las técnicas y procedimientos para estimar los modelos y sus parámetros

desde los datos disponibles se denominan "modelamiento estocástico" de
series hidrológicas o modelamiento de series de tiempo, lo cual constituye
una de las herramientas básicas para la planificación y operación de sistemas
de recursos de aguas en generai.(Salas de la Cruz, 1980).
Las series hidrológicas disponibles constituyen sólo una realización finita

de todas las posibles realizaciones de la población, vale decir, solo se
dispone de una muestra a partir de la cual se trata de obtener un
conocimiento de la población mediante el proceso de inferencia estadística.
(Aliaga, 1982).
Los modelos estocásticos son construidos para reproducir o semejar las

características estadísticas de las series hidrológicas históricas, en el sentido
estadístico. Esto trae consigo la pregunta ¿cuáles son las características a
ser reproducidas por el modelo y cómo deben ser interpretadas o entendidas?
Desgraciadamente las características estadísticas de las series
poblacionales nunca son conocidas, porque sólo se estiman las
caracterfsticas sobre una muestra finita, y segundo, por la definición e
interpretación de las características estadísticas derivadas de la muestra, que
puede ser: La media, desviación estándar, coeficiente de autocorrelación,
simetría, normalidad.
Una aproximación sistemática del proceso de modelamiento estocástico

de series hidrológicas, presentada (Salas de la Cruz, 1980), está constituida
por 6 fases principales, que son:
Generación de Descargas en la Cuenca del Río Manta ro mediante el Uso de Modelos Estocásticos de Series Sintéticas
FACULTAD DE INGENIERfA CIVIL
• Identificación de la Composición del Modelo, esta fase consiste en

decidir si el modelo sería univariado, multivariado o una combinación de
ambos, o usar un modelo de flujos anuales y luego uno de desagregación
para obtener descargas mensuales, lo cual depende del sistema de
recursos de agua, de las características de las series hidrológicas, del
modelo empleado, y de la experiencia del modelador.
• Selección del tipo de Modelo, una vez identificada la composición,
entonces se puede seleccionar el tipo de modelo a usarse, así pueden
aplicarse modelos autorregresivos AR, con media móvil ARMA, o
autorregresivos con media móvil integrado ARIMA, Broken-line (línea rota)
para preservar explícitamente el fenómeno de Hurst o cualquier otro de
acuerdo a las características del proceso físico y de la serie hidrológica.
• Identificación de la Forma del Modelo, se refiere a la determinación del

orden del modelo seleccionado, que depende principalmente de las
características de las series hidrológicas en el tiempo. Así por ejemplo
para series de descargas no anuales utilizando modelos autorregresivos,
pueden identificarse modelos de primer, segundo o tercer orden, pudiendo
ser de parámetros constantes o periódicos.
• Estimación de los Parámetros del Modelo, consiste en estimar los
parámetros del modelo desde la serie de datos históricos utilizando los
métodos más comunes y disponibles como el método de momentos y el
de máxima verosimilitud.
• Bondad de Ajuste del Modelo, las hipótesis del modelamiento de series
hidrológicas establecen que la componente residual es una serie
independiente y normalmente distribuida. Se efectúa la prueba del
correlograma de la serie residual para probar la independencia y se
dispone de otras pruebas para verificar la normalidad.
• Evaluación de la Incertidumbre, establecido el modelo de generación

sintética, se generan series artificiales con la condición de que se
mantengan las propiedades de las series históricas, esta evaluación de
incertidumbre del modelo se realiza probando diferencias significativas
entre las características estadísticas de las series generadas y las
características de las series muéstrales históricas.
2.6. MODELO AUTORREGRESIVO MEDIA MÓVIL (ARMA)
2.6.1. DESCRIPCIÓN DEL MODELO ARMA
Los modelos autorregresivos han sido satisfactoriamente aplicados en el

modelamiento de series de tiempo hidrológicas. Los bajos flujos en
estaciones secas resultan principalmente de aporte subterráneo. Estos tienen
relativamente poca variación. Durante la recesión, los flujos en un tiempo
particular son una fracción de flujo del tiempo previo, pudiendo ser
representado por un esquema autorregresivo. Los flujos altos están formados
principalmente por grandes precipitaciones o deshielos, o ambos. Este
comportamiento mixto puede ser modelado adicionando una componente
media móvil (MA) a una componente autorregresiva (AR). Más
específicamente, considerando la descarga superficial y el aporte
subterráneo para una escala de tiempo anual, y usando la ecuación de
balance de masa para el almacenamiento subterráneo, la descarga anual
puede representarse por un proceso mixto autorregresivo y media móvil
(ARMA). Cabe indicar que los modelos ARMA pueden contar con menor
número de parámetros que los estimados para un modelo autorregresivo de
alto orden.
2.6.2. FORMULACIÓN MATEMÁTICA DEL MODELO ARMA
Se asume que la serie hidrológica a ser modelada por un proceso ARMA

es estacionaria y aproximadamente normal. De no ser así, deben realizarse
transformaciones apropiadas a la variable original. Consideremos la serie de
tiempo hidrológica Yt, Yt+J, Yt+2, ••• igualmente espaciadas en el tiempo t, t+ 1,
t+ 2, ... la desviación desde la media (ftt) será:
... (2.25)
La serie puede representarse como la suma infinita de variables aleatorias

independientes E:t, E:t-J, E:t-2, ••. y coeficientes lf!J, l/12, l/13, ...
Ut = t:t + lf/It:r-1 + l/f2t:t-2 + ... . .. (2.26)
Si hacemos Ut dependiente solamente de un número finito "q" de variables

aleatorias previas E:t, entonces resulta un "proceso media móvil" (MA) de
orden "q", que puede ser escrito como:
Ut = t:t- e,et-1 - fht:t-2- ... - Bqt:t-q ... (2.27)
Usualmente llamado modelo MA (q). Este también puede ser escrito como:
q q
ut =e ¿ejet-j ó U =-L:ejet-j
1 - 1
... (2.28)
j=l j=O
Con la convención Bo = -1. Los parámetros del modelo son la media, ,u, la
varianza a/ de la variable independiente e, y los coeficientes fh 82, ... , Bq, para
un total de "q+2" parámetros deben estimarse desde los datos.

'-,
Combinando un modelo autorregresivo de orden "p" y un modelo media

móvil de orden "q" obtenemos el modelo autorregresivo-media móvil (ARMA)
de orden (p,q), definido por:
U, = o1Ut-1 + ... + op Ut-P + E:t- BJt:t-1 - ... - 8qt:t-q ... (2.29)
Que puede ser expresado como:
... (2.30)
Con la convención Bo = -1. Los parámetros del modelo son: ,u, a/, 01, ... op,
e,, ... , Bq, debe evaluarse un total de "p + q + 2" parámetros desde los datos.
El modelo autorregresivo y media móvil de orden "p" y "q" es usualmente
llamado el modelo ARMA (p,q).
2.6.3. PROPIEDADES GENERALES DEL MODELO ARMA (p,q)
Las propiedades generales del proceso ARMA (p,q) se dan en términos

de la covarianza cruzada entre U y e:
... (2.31)
Diferente de cero para ~O y cero en otros casos, por ser U dependiente

solo de valores er previos. Con la convención Bo = -1, formulando el producto
Ut. Ur-k y tomando esperanza término por término, la autocovarianza del
proceso ARMA (p,q) está dada por:
p q ( ) ,k<q+l
rk =
.
:L .p.yk . - :¿ e.ru k-i
l 1 . -1 . Q 1 E
1= 1 =
... (2.32)
p
,k~q+l
1k = . :¿ 1.p.yk
1 -1
·
1=
Para k= O, la varianza es:
Yo= Var[ut]= a~+ f<PiYi- 'feiYuE(-i) ... (2.33)

i=l i=O
y la función de autocorrelación es:

p
Pk = L <l>iPk-i ' k~q+l ... (2.34)

i=l
La función de autocorrelación parcialek(k) se obtiene ajustando a la serie

dando procesos AR de ordenes k = 1, 2, ...
Ut = tJJ(k) Ut-1 + e2(k) Ur-2 + ... + eJ{k) Ut-J + ... + ek(k) Ut-k ... (2.35)
Donde:
ek(k): función de autocorrelación parcial
El plateo de ek(k) versus k da la función de autocorrelación parcial muestra!

(FAP), la FAP se origina de la ecuación 2.22 de Yule-Walker.
Entonces, para un proceso autorregresivo de orden "p", la función de

autocorrelación ek(k) se interrumpe en el retardo "p". Un proceso media móvil
es equivalente a un modelo autorregresivo de orden infinito, teniendo una
función de autocorrelación parcial infinita en extensión y que se atenúa como
una combinación de ondas suaves y/o decaimiento exponencial. Para un
proceso combinado de FA y la FAP se atenúa como ondas suaves o
decaimiento exponencial.
2.6.4. MODELAMIENTO ARMA (p,q) DE SERIES DE TIEMPO

PERIÓDICAS
Las series hidrológicas periódicas de tiempo son aquellas para los cuales
el intervalo de tiempo son menores a un año. Por ejemplo series estacionales,
mensuales, semanales o diarias son series periódicas, ya sea con algunas o
todas sus características estadísticas que son variantes en tiempos

periódicos fijos. La estructura de correlación de las series periódicas puede
ser el resultado de un proceso ARMA (p,q) con algunas constantes o
coeficientes periódicos. (Salas de la Cruz, J., Delleur J., Yevjevich V., Lane
W., 1980).
1. MODELO PERIODICO ARMA (p,q)

Consideremos la serie periódica original X, ... , donde u, es denotado por
los años, r- 1, 2, 3, ... , m y m es el numero de intervalos de los años (12

meses). Asumiendo esto como una distribución de series sesgadas, una
apropiada transformación debe ser usada para transformar las series xv ~a
series normales Yv,T.
Entonces el modelo periódico ARMA (p,q) para Yv,t puede ser escrito como:
... (2.36)
Donde:
J.l.r: : es la media mensual del mes t (media periódica).
ar:: es la desviación estándar del mes t (desviación estándar periódica).
U v.~ : es representado por un modelo ARMA (p,q) con coeficientes constantes o
con variables en el tiempo (periódico).
El modelo ARMA (p,q) con coeficientes constantes, según (Salas de la

Cruz, J., Delleur J., Yevjevich V., Lane W., 1980);se representa por.
p q
Ut = L4>jUt-j- L8iet-i +et ... (2.37)

j=l i=l
Donde:
t =(v -1 )ro+ t , <1> y e son los coeficientes del modelo
et: es la variable normal independiente.
Tao y Delleur (1976), según (Salas de la Cruz, J., Delleur J., Yevjevich V.,
Lane W., 1980); usaron el modelo ARMA(p,q) con coeficientes variables de
tiempo como:
p q
uv,t = It~>j,tuv,t-j- ¿e¡,,Ev,t-i +ev,t ... (2.38)

j=l i=l
Donde:
<Pi.•: Parámetros autorregresivos.
e;,,: Parámetros media móvil.
ev t: es una variable aleatoria independiente con una distribución normal.
Reemplazando la ecuación 2.38 en 2.36, se tiene el modelo periódico

ARMA (p,q) con la media de datos, desviación estándar, componente
autorregresiva, componente media móvil y variable aleatoria independiente.
Yv,, =,U,+ (T,(t,f/Jj,PvJ-j- tfJ,,,Ev,t-i +~v,t) ... (2.39)
/ Í~Í · ., '· ·,· ·., \\ 1r-v:;;;;-.---:

L:~i.~~!~:·~~~~~~~~:::J !
/,._.//,../
. .
···,·······...
.
\\._
.
~~ ~ ~~~2.~~~~~~:::::::::::::::::::1
,.... !... . . . .. ..
.
r··M;;¡¡~·;~·;¡¿;;·¡~···········¡ / . ···... \ ¡ Componente Media Móvil ¡
l_:~:~~;~_j i L::: :.".-:-=::=~=--:_==:~:

:::::::·.::::::·:.::·:.:·.::·.:::·::.:::·.:::·.::::: ........ ••• i • :
''··.
2. LA ESTIMACION DE PARAMETROS DE LOS MODELOS

PERIODICOS ARMA(p,q)
Si xv,r, representa una serie hidrológica periódica, tal como se ha definido
anteriormente, donde:
u= 1, ... ,N
t= 1., ... , (j)
N: es el número total de años.

m: es el número total de intervalos dentro del año (12 meses)
Antes de estimarse los parámetros del modelo dados en las ecuaciones

2.36 y 2.37, las series deben ser transformadas a series normales con las
siguientes transformaciones. (Salas de la Cruz, J., Delleur J., Yevjevich V.,.
Lane W., 1980).
i. Normalización de Series Periódicas de Tiempo

En caso donde las series observadas no están normalmente distribuidas,
los datos tienen que ser transformados en normales antes de ser aplicado el
modelamiento. Para normalizar los datos se disponen de las siguientes
transformaciones: según (Salas de la Cruz, J., Sveinsson, 0., Lee, T., Lane,
W. y Frevert, D., 2009).
• La transformación Logarítmica: Y= In( X+ a) ... {2.40)

• La transformación exponencial: Y= (x +a )b ... (2.41)
• La transformación Box-Cox: Y-- _(X+ a)b -1 b ..,...

_..O
... (2.42)
b '
Donde:
Y: es la serie hidrológica normalizada.
X: es la serie hidrológica original observada
a y b: son los coeficientes de la transformación.
Las variables Y e X pueden representar los datos anuales o estacionales.

Para los datos estacionales a y b pueden escogerse para variar con la
estación.
ii. Eliminación de la Periodicidad dentro del Año

Los datos normalizados pueden luego ser estandarizados substrayendo
la media y dividiendo por la desviación estándar (opción). Por ejemplo, para
las series estacionales, la estandarización puede expresarse como:
Y,,f-Yr
z = ___:_'----,--,-- ... (2.43)
V,T S,(Y)
Donde:
Z,., :es la serie estandarizada.
-
~ y S, (Y) : es la media y la desviación estándar de las series
transformadas a normal para el mes dado -r .
Luego el modelo estocástico puede ser adaptado a las series

estandarizadas Z,.,. (Salas de la Cruz, J., Sveinsson, 0., Lee, T., Lane, W.
y Frevert, D., 2009).
FACULTADDEINGENIERÍA CIVIL
3. IDENTIFICACIÓN Y SELECCIÓN DEL MODELO

Los instrumentos para la identificación del modelo son la muestra visual
de la serie original, el comportamiento de la función de autocorrelación (FA)
y la función de autocorrelación parcial (F AP). La inspección visual de la
muestra de la serie original puede revelar la presencia de una tendencia.
La medida de dependencia lineal entre observaciones separadas por un

retardo k está dada por el estimado rk de la función de autocorrelación Pk·
Para usar la FA en la identificación del modelo se platea rk versus k para N/4

valores aproximadamente, donde N es la longitud de la serie. (Salas de la
Cruz, J., Delleur J., Yevjevich V., Lane W., 1980).
Es útil mostrar los límites de probabilidad en el plateo, y como rk es

aproximadamente normal con media cero y varianza 1/N, los límites para el
95% de probabilidad se dan en la ecuación 2.19. Si los valores de n caen
dentro de los límites más haya de un retardo "q" se podría formar que el
proceso puede ser un modelo con media móvil de orden "q". Si la FA se
atenúa, se podría afirmar que el proceso es autorregresivo. Cuando no es
claro, es decir la FA se trunca, es útil analizar la FAP.
Las características del comportamiento de las funciones FA y FAP se

resumen en la tabla 2.1. (Salas de la Cruz, J., Delleur J., Yevjevich V., Lane
w., 1980).
Tabla 2.1 Clasificación de los Modelos Hidrológicos, (Salas de la Cruz, J., 1980).
--~- -- - -
-~---
Infinito en extensión, consiste de ondas

amortiguadas y/o decaimiento exponencial.
Se atenúa como: Finito en extensión, máximos retardos de
AR(p)
P 1 hasta p, luego se interrumpe.
Pk = L<iljPk-j
j=l
Finito en extensión, máximo en retardos de 1

MA(q)
hasta
irregular, luego decrece exponencialmente con

ondas amortiguadas. Luego se atenúa como. Infinita en extensión, primeros p·q retardos
ARMA(p, q) p irregulares, luego decrece de forma
Pk = L<iliPk-i exponencial ylo se amortigua en ondas.
j=l
(k 2: q +1)
Autor: Jimy Mm·lon Bastidas Valdivia 35
4. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO ARMA (p,q)

Los ajustes del modelo ARMA (p,q), se harán con los siguientes pasos
según (Salas de la Cruz, J., Delleur J., Yevjevich V., Lane W., 1980), una vez
identificado el orden tentativo del modelo en el paso anterior, el
procedimiento es aplicable para series anuales y estacionales que en este
caso es mensual:
i. Cálculo de las Funciones de Autocorrelación y Autocorrelación

Parcial
Cálculo y plateo de la función de autocorrelación Ck, los coeficientes de
autocorrelación, rk = c¡/s2, y los coeficientes de autocorrelación parcial ~k(k)
para un retardo k que va de 1 hasta 0.15* N pero menos N.
(Salas de la Cruz, J., Delleur J., Yevjevich V., Lane W., 1980), indica las
siguientes ecuaciones como formas generalizadas para obtener los
coeficientes de las funciones de autocorrelación parcial:
4> 1(2) = r,?-:

-r¡
2
), las ecuaciones siguientes
muestran las formas generalizadas.
... (2.44)
... (2.45)
Donde:
rk: Coeficiente autocorrelación
~k (k): Coeficiente autocorrelación parcial con retardo k.
ii. Estimación Lineal de los "p" Parámetros Autorregresivos (AR)

Se obtienen los estimados iniciales de los "p" parámetros autorregresivos
4>"4> 2 , ••• ,cpp, resolviendo las "p" ecuaciones dadas por Yule-Walker y
presentadas por {Salas de la Cruz, J., Sveinsson, 0., Lee, T., Lane, W. y
Frevert, D., 2009), dadas en términos de covarianza a partir de la ecuación
2.22, obteniéndose la siguiente ecuación generalizada:
ck = L<l>ick-i• k~ q +1;
i~l
En forma extendida se tiene la siguiente ecuación:
cq+l = $lcq + $2cq-l + ... + $pcq+l-p

cq+2 = $lcq+l + $2cq + ... + $pcq+2-q ... (2.46)
cq+p = $Jcq+p+l + $2cq-p-2 + ... + $pcq
Donde:
Co, C1, .... Cq: Función de autocovarianza.
<j>p<j> 2,. •. ,<j>P :Parámetros autorregresivos.
Formas generalizadas de las ecuaciones de Yule-Walker, a partir de las

ecuaciones 2.44 y 2.45, para una estimación aproximada de f/J~c, , , y Ok, ,
presentadas por (Salas de la Cruz, J., Sveinsson, 0., Lee, T., Lane, W. y
Frevert, D., 2009), que son aplicadas en el programa SAMS.
ARMA (1 ,0) 4> 1,, = r1,, ... (2.47)
J. = rl,t -rl,t-1 *r2,t

'+'!,t 1 2
-rl;r-r
ARMA (2,0) ... (2.48)
J. = r2,t -rl,t *rl,t-1
'+'2,t 1 2
- rr,t-1
ARMA (1,1) ... (2.49)
iii. Estimación Inicial de las "q" Parámetros Media Móvil (MA) de la

Serie Modificada
U~= Ut -«!>IUt-1 -«<>zUt-2 - ... -«!>pUt-p ... (2.50)
Luego se calcula la función de autocovarianza (C'k) de la serie z' t y sus

parámetros residuales con las ecuaciones propuestas por Box y Jenkins:
p p ( 'b
e~= L<J>~cj + L\<l>o<Pr +<j>,<j>i+t + ... +<J>p-i<l>p}Jj ... (2.51)
i~O i=l
Donde:
... (2.52)
FACULTADDEJNGENIERÍA CIVIL
Los C'j, los parámetros e y la Varianza residual alll se obtienen resolviendo

iterativamente las siguientes ecuaciones:
'
2 Co
Q'E = 92 92 2
1+ 1 + 2 + ... +eq
... (2.53)
ej =-( ;~ -e,ej" -e,ej+> - ... -e,_je, J
Esto completa la estimación inicial de los parámetros cl>1, «P2, ... , «Pp, e1, ez,
... , eq, al& y eoo. Entonces el modelo inicial estimado será:
p q
u¡ =800 + L<I>ÍUt-í +et -¿eiet-i ... (2.54)

i=l i=l
iv. Parámetros Estimados por la Suma de Cuadrados

Los estimados por el método de máxima verosimilitud o probabilidad son
esencialmente los mismos que los estimados por el método de mínimos
cuadrados.
&¡ = O,j = l, ... ,máx(p,q)
Si;p > q:
p q ... (2.55)
ep+j = Up+j- l://J;Up+j-i + LB;&p+j-i
i=i i=l
j = 1,2, ... ,N- p

Siendo N la extensión de la serie residual. La suma de los cuadrados se
calcula mediante:
N
S(~,8)= ~)~ ... (2.56)
t=l
Varianza de las residuales: ... (2.57)
Donde:
S(~' 8): es la suma de cuadrados.
cr;: es la varianza de las residuales.
5. PRUEBA DE BONDAD DE AJUSTE DEL MODELO.

En esta etapa se verifica si el modelo estimado es adecuado o no. Se
necesita verificar dos hipótesis del modelo: Criterio de Información de Akaike
Corregida y Shwarz.
En el modelamiento de series de tiempo hidrológicas se asume que la

componente estocástica, después de haber eliminado la componente
periódica y la estructura de dependencia en el tiempo, es una serie
independiente y distribuida normalmente. (Salas de la Cruz, J., Delleur J.,
Yevjevich V., Lane W., 1980).
i. Criterio de Información de Akaike Corregida (AICC)

Una práctica corriente en la generación de series de tiempo hidrológicas
es preservar exactamente o muy estrechamente los estadísticos de la
muestra histórica, aun cuando estos estadísticos puedan estar sujetos a
grandes variaciones muestrales. Una vez que se toma la decisión sobre qué
estadísticos preservan como generalmente es la media y la desviación
estándar, entonces el problema del modelamiento es buscar un modelo con
el mínimo número de parámetros que reproduzcan adecuadamente tales
estadísticos. Esto se conoce con el principio de parsimonia de parámetros o
se dice que el modelo es parsimonioso.
El FA Y FAP se utilizan a menudo para tener una idea del orden de un

modelo ARMA (p,q) o el ajuste del modelo PARMA (p,q). Una alternative es
el uso de criterios de información para seleccionar el modelo de majar ajuste.
Los dos criterios disponibles en SAMS es el criterio corregido de Aikaike
(AICC) y el criterio de información de Schwarz (SIC) o también conocido
como el criterio de información bayesiano.
El AICC está dada por (Hurvich y Tsai, 1989, Brockwell y Davis, 1996
según (Salas de la Cruz, J., Delleur J., Yevjevich V., Lane W., 1980)).
2
AICC(p,q) =Nln(o-;)+N + (k+l)* N ... (2.58)
N-k-2
Donde:
N: Tamaño de muestra.
cre 2 : Máxima verosimilitud de la varianza de la residual.
k=p+q: Parámetros autorregresivo y media móvil del modelo ARMA.
Bajo este criterio el modelo que da el mínimo AICC es el primero a ser

seleccionado.
Generación de Descargas en la Cuenca del Río Mant<Iro mediante el Uso de Modelos Estocásticos de Series Sintéticas
Autor: Jimy Marlon Bastidas Valdivia - 39
FACULTAD DE INGENIEJÚA. CJVIL
ii. Criterio de Información de Schwarz (SIC)

El SIC está dada por (Hurvich y Tsai, 1993, Shumway y Stoffer, 1996
según (Salas de la Cruz, J., Delleur J., Yevjevich V., Lane W., 1980)).
SIC(p,q) = Nln( a;)+ N +k*ln(n) ... (2.59)

Donde:
N: Tamaño de muestra.
cr" 2 : Máxima verosimilitud de la varianza de la residual.
k=p+q: Parámetros autorregresivo y media móvil del modelo ARMA.
En general el SIC es bueno para muestras grandes, pero tiende ha ser

incalculable para muestras pequeñas. La eficiencia es generalmente más
importante que la consistencia ya que el orden verdadero del modelo no es
conocido por los datos reales.
2. 7. GENERACIÓN DE SERIES SINTÉTICAS
Luego de realizado los pasos anteriores, con los datos Hidrométricos se

realiza la generación sintética de los datos mediante la siguiente ecuación
que se muestra a continuación.
... (2.60)
... (2.61)
Donde:
<l>j: Coeficiente de autocorrelación {AR) de orden p.
6 r Coeficiente media móvii(AM) de orden q.
Et: Variable aleatoria independiente estocástica.
a&: Varianza de las residuales.
~t: Variable normal independiente con media cero y varianza uno.
U t: Modelo ARMA (p,q) con coeficientes constantes o variables.
Luego se realiza la transformación inversa de la estandarización

transformada.
Y,. . = f..l, +
1:
.
0'1:UV 1: ... (2.62)
Autor: Jirny Marlon Bastidas Valdivia 40
Donde:
J.lt : media del mes "-r" o media periódica de las series históricas.
O't : desviación estándar del mes "-r" o desviación estándar periódica de
las series históricas.
El modelamiento de series hidrológicas permite obtener una componente

estocástica independiente o una variable normal independiente. Así la
generación de una serie de tiempo sintética comenzaría con la generación
de variables normales independientes con media cero y varianza uno.
Varias técnicas de generación de números aleatorios normales

independientes son presentadas en varias bibliografías de estadísticas e
Hidrología Estadística; y actualmente en hojas de cálculo como Excel y
software de estadística como el Minitab y el SPSS presentan diferentes
técnicas de generación de números aleatorios entre las cuales están los
números aleatorios con distribución definidas. Como una ilustración de
generación numérica de números aleatorios normales Box and Muller (1958)
propone las ecuaciones siguientes:
~~ =~-2Ln(u1 ) *cos(2;ru2 ) ... (2.63)
~2 = ~-2Ln ( u1 ) *seno ( 2tru 2 ) ... (2.64)
Donde:
~~ y ~ 2 : son números aleatorios normales estandarizados.
u1 y u 2 : son números aleatorios de distribución uniforme (0,1).
Sí una transformación inicial fue usada como una transformación

logarítmica, potencial, Box-Cox, etc., es necesario obtener la serie en forma
original. Por ejemplo, si X"·' ha sido transformado por una transformación
logaritmo natural, el proceso xv,T se puede obtener de Yv,r por aplicación de
la siguiente transformación inversa que fueron aplicadas anteriormente:

... (2.65)
Donde:
Xv,t: Serie estacional generada con transformación inversa.
Yv.~: Serie estacional generada con transformación logarítmica, obtenida del
programa SAMS.
a,: Coeficiente de la transformación aplicada (transformación logarítmica).
2.7.1. PROCEDIMIENTO
El procedimiento para la generación de series sintéticas para un período

de N años recomendado por Vito Aliaga es el siguiente: (Aliaga, 1985).
• Seleccionar y estimar los parámetros del modelo estocástico para series

anuales o no anuales, según sea el interés.
• Definir el orden del modelo autorregresivo para la componente estocástica
dependiente y su respectiva distribución de probabilidad para la
componente independiente.
• Generar números aleatorios uniformemente distribuidos según el ajuste
de la componente estocástica independiente con media cero y varianza
unitaria.
• Generar números aleatorios independientes con la distribución

seleccionada y con sus respectivos parámetros.
• Generar números aleatorios dependientes según el modelo

autorregresivo seleccionado anteriormente.
• Generar datos de descargas anuales o mensuales sumando las
componentes determinísticas a los valores obtenidos en el punto anterior.
Realizar dos generaciones: La primera para comprobar la bondad del

modelo obteniendo series de la misma longitud que la serie histórica, y la
segunda, de una longitud dada, de acuerdo a los objetivos de la generación,
los mismos que serán utilizados en el análisis y determinación de los
parámetros de interés.
2. 7.2. VERIFICACIÓN DEL MODELO
Existen muchas formas y criterios para verificar la bondad del modelo,

dependiendo del interés particular de cada caso.
El criterio principal para determinar la bondad de estos modelos

estocásticos consiste en analizar los resultados generados y comprobar la
preservación y reproducción de las características estadísticas de interés de
la serie histórica, en la misma longitud de datos.
Las características estadísticas que se pueden analizar en las series

generadas y comprobarlas con las mismas de la serie histórica, dependen
del objetivo del estudio y puede ser la reproducción y preservación de lo
siguiente: (Aliaga, 1985).
• La media y desviación estándar de la serie histórica, principalmente.

• La estructura de dependencia.
• La distribución de probabilidades.
• La persistencia de Jos años húmedos y secos.
• El rango como descriptor de la capacidad de almacenamiento entre otras.
2.7.3. GENERACIÓN DE LA INFORMACIÓN SINTÉTICA PARA SU

UTILIZACIÓN
Una vez verificado la bondad del modelo para preservar las caracterfsticas
estadísticas deseadas con las pruebas de bondad de ajuste del modelo
como son la prueba de independencia en el tiempo, la prueba de normalidad
y el criterio de información de Aikaike; entonces se procederá a generar
tantas muestras como sea requerido, cada una de una longitud muestra!
variable, que puede ser igual a la vida útil de Jos proyectos, el mismo que es
considerado en la mayoría de los casos igual a 50 años. (Aliaga, 1985).
2.8. VALIDACIÓN DE RESULTADOS
Al usar la simulación para estudiar un sistema complejo, encontramos

varios tipos de errores como indica R. (Azarang, M. y Garcia, E., 1996).
• Errores de diseño.
• Errores en la programación.
• Errores en Jos datos utilizados.
• Errores en el uso del modelo.

• Errores en la interpretación de los resultados.
Evaluar un modelo significa desarrollar un nivel aceptable de confianza de

modo que las inferencias obtenidas del comportamiento del modelo sean
correctas y aplicables al sistema del mundo real. La validación y verificación
es una de las tareas más importantes y difíciles que enfrenta la persona que
desarrolla un modelo de simulación.
• Verificación se refiere a la comparación del modelo conceptual con el

código computacional que se generó, para lo cual es necesario contestar
preguntas como: ¿Esta correcta la codificación?, ¿Es correcta la entrada
de datos y la estructura lógica del programa?
• Validación es la demostración de que el modelo es realmente una

representación fiel de la realidad. La validación se lleva a cabo,
generalmente, a través de un proceso comparativo entre ambas partes y
usa las diferencias para lograr el objetivo.
Una vez generadas las series se comparan las características estadísticas

de la serie histórica con las características derivas de las series generadas.
Usualmente se considera para comparación a la media, desviación estándar,
coeficiente de correlación y coeficiente de asimetría.
En el proceso de validación usualmente se emplean las pruebas

estadísticas siguientes:
• Prueba de estimación de parámetros de la población asumiendo una

distribución de probabilidad (pruebas estadísticas con aplicación de las
funciones de probabilidad de Fisher-Snedecor, t-Student y distribución
normal "z").
• Pruebas para determinar la distribución de probabilidad apropiada para la

muestra (pruebas de bondad deajuste de Kolmogorov-Smirnov (K-S)).
2.8.1. OPTIMIZACIÓN
La finalidad de cualquier análisis de sistemas es optimizar la medida de

afectividad, describiendo normas para las variables de decisión a la vista de
variables no controlables. Así pues, el tomador de decisiones desea

encontrar ese conjunto de variables de decisión. (Azarang, M. y García, E.,
1996).
Desde el uso generalizado de la computación en la solución de

ecuaciones complejas, estas han mejorado los cálculos y los resultados de
diferentes problemas de interpretación de fenómenos reales en las áreas de
hidráulica, hidrológica, estructuras u otras. En hidrológica Estocástica se ha
dejado de lado el uso de tablas estadísticas, formatos como papel
logarítmico, ábacos u otras herramientas que en algún tiempo eran
necesarias por no estar al alcance el uso de programas de computo; ahora
todo eso paso a ser obsoleto debido a que existen programas creados para
acciones especificas como la hoja de cálculo Excel que tiene incorporada
todas las funciones de probabilidad y otras funciones más, y los programas
para estadística como el SPSS y el Minitab; y programas como el SAMS, los
programas Hec (Hec-Ras, Hec Hms, Hec-Fda), Hydracces e Hidroesta entre
otros más, que teniendo en cuenta los principios de cálculos básicos y
aplicando nuevas teorías de cálculos, se obtienen resultados mas acertados
a la realidad. A este proceso de cálculos asistidos por computadora con
programas adecuados según los requerimientos, podemos decir que el
proceso de cálculo ha sido optimizado.
2.8.2. SENSIBILIDAD Y EXPERIMENTACIÓN
Es el último paso dentro del proceso de simulación y puede efectuarse

antes o durante la implantación de las soluciones en el proceso real.
Consiste en jugar o experimentar con el modelo ante situaciones nuevas o
imprevistas, que tengan cierta probabilidad de ocurrencia, con el objeto de
encontrar una solución óptima ante ese posible escenario. Esto es útil pues
los sistemas reales son dinámicos y de esta manera podemos adelantarnos
y ser capaces de hacerles frente con anticipación. El análisis de sensibilidad
se enfoca principalmente a estudiar las variables no controlables por el
tomador de decisiones dentro del proceso real. (Azarang, M. y García, E.,
1996).
FACULTAD DE INGENIERÍ4 CIVIL
2.8.3. MONITOREO
Como se acaba de mencionar, los sistemas reales son dinámicos, esto

significa que se debe llevar un estricto control de los cambios ocurridos en
ellos y para inmediatamente implantarlos en el modelo y para que pueda
seguir siendo un fiel reflejo de la realidad. (Azarang, M. y García, E., 1996).
2.8.4. TÉCNICAS DE COMPROBACIÓN PARA LA VALIDACIÓN
Para la validación de las series sintéticas generadas, con las series

históricas (que son las originales), es necesario la realización de pruebas
estadísticas en los parámetros más importantes como la media y desviación
estándar.
Se realizarán pruebas de hipótesis para dos muestras, pruebas de
verificación del intervalo de confianza y pruebas de bondad de ajuste; de las
cuales cada una de estas pruebas se realizarán la contrastación de hipótesis
mediante un estadístico de prueba y regla de decisión con un nivel de
significancia y el estadístico de prueba adecuado, que decidirá si se acepta
o se rechaza la hipótesis. (Mitacc, 1999).
1. PRUEBA DE HIPÓTESIS PARA DOS MUESTRAS

Existen dos versiones diferentes para este tipo de prueba. Una de estas
pruebas se utiliza cuando una muestra se selecciona independientemente
de la otra. En este caso se habla de una prueba para muestras
independientes. Si la selección de una muestra depende de la selección de
la otra, se habla de una prueba para muestras dependientes.
i. Prueba de Hipótesis de las Varianzas de dos Poblaciones Normales

Para determinar la homogeneidad de varianzas (si las varianzas de las
dos poblaciones son iguales) es necesario hacer la prueba de
homogeneidad de varianzas.
En esta prueba se comparan las varianzas de las poblaciones en la

hipótesis nula.
Ho: (crt)2 = (cr2)2
H,: (cr,)l:;i: (cr2)2 ... (2.66)
La estadística en que se basa esta prueba de hipótesis es la razón de las

varianzas de las dos muestras:
F =S~ ... (2.67)

e s22
Donde:
Fe: Estadístico F (Fisher Snedecor) calculado.
s;, S~: Varianzas muestrales.
La distribución F depende de dos conjuntos de grados de libertad, uno
para el numerador y otro para el denominador donde {111- l) son los grados
de libertad del numerador y (n2 - l) son los grados de libertad del
denominador. Por lo tanto, considerando un nivel de probabilidad 95% en la
función de probabilidad Ft<n,-IJ,(nz-l) se obtiene de la función F tabular (Fisher
Snedecor), si Fe < Ft<nt-IJ.<nz-ll (95%) se acepta la hipótesis de homogeneidad

de varianzas. De otro modo se rechaza la hipótesis.
ii. Prueba de "t" para Muestras Independientes

Se presentan dos casos para este tipo de prueba estadística, que son:
1o Prueba de "t" para la Diferencia entre dos Medias Cuando las Varianzas son
Homogéneas
Cuando las varianzas de las poblaciones son homogéneas (Pooled

Variance t-test). Las hipótesis no direccionales o prueba de dos colas:
Ho: ~t1 = ~ 2 ó ~ 1- ~ 2 = O
... (2.68)
El error estándar de la diferencia se obtiene con la varianza combinada

(pooled variance). La varianza combinada incorpora las varianzas de las
muestras a través de la siguiente fórmula:
112
sp = [(n¡ -1}si + (n2 -l}s; ] ... (2.69)
n 1 +n 2 -2
1 1
El error estándar de la diferencia es: Sx -x
' 2
=,J s![_!_
n¡ + -n2-]
... (2.70)
Los grados de libertad: n1 + n2 - 2.
La estadística tse computa de la siguiente forma:

t == (xl - :x2)- (14 - JL2) ... (2.71)
e S-x,-x,
-
Donde:·
te : Estadístico t-Student calculado
X¡ y x2 :Medias de las muestras
p, y 112, Medias de las poblaciones
S x,-x, : Error estándar de la diferencia
n1 y n2 : Tamaño de las muestras
El estadístico te es aproximadamente la distribución t-Student con n1 +m -

2 grados de libertad. Por lo tanto, considerando un nivel de probabilidad 95%
en la función de probabilidad t(n,+n,- 2 ) se obtiene de la función t tabular
(Student), si ltcl < t(n +n 2)(95%)

1 2
- se acepta la hipótesis de homogeneidad de
medias cuando las varianzas son · iguales. De otro modo se rechaza la

hipótesis.
2° Prueba de "t" para la Diferencia entre dos Medias cuando las Varianzas no
son Iguales.
Cuando las varianzas de las poblaciones no son iguales (Separate

Variance t-test).Las hipótesis en esta prueba se trabajara con la forma
direccional o de dos colas; y se presentan de la siguiente forma:
Ho:¡.t1=¡.t2Ó¡.tJ-¡.t2=0
Ht:IJ.t:i:IJ.2ÓIJ.t-!l2:i:O ... (2.72)
Teniendo los siguientes cálculos como el error estándar de la diferencia

es:
... (2.73)
Los grados de libertad para este caso, fueron aproximados por Welch, 8-
L según (Mitacc, 1999), dado por la siguiente expresión:
Autor: Jimy Mar/on Bastidas Valdivia · 48
... (2.74)
Donde:
!!. : Grados de libertad.
s;, S~: Varianzas muestrales.
n1 y n2: tamaño de las muestras

!!. siempre se aproxima a la parte entera del resultado (nunca se redondea).
La estadística te se computa de la siguiente forma:

t = (x;- :x2) -(,ul- ,u2) ... (2.75)
e S-X -X-
1 2
Donde:
te : Estadístico t-Student calculado.
X1 y x2 =medias de las muestras.
Jll y J.L2 = medias de las poblaciones.

S x,-x, = error estándar de la diferencia.
El estadístico te es aproximadamente la distribución t-Student con A grados

de libertad. Por lo tanto, considerando un nivel de probabilidad 95% en la
función de probabilidad tcd) se obtiene de la función t tabular, si
JtcJ < 1(11 )(95%) se acepta la hipótesis de homogeneidad de medias cuando

las varianzas no son iguales. De otro modo se rechaza la hipótesis.
iii.Pruebas de t para Muestras Dependientes.

En el caso de que un par de observaciones puedan ser relacionadas de
alguna manera, tal como una observación tomada antes de un tratamiento y
otra después de un tratamiento, reciben el nombre de observaciones
apareadas. (Mitacc, 1999).
Las hipótesis en esta prueba son no direccional o prueba de dos colas; y

se presentan de la siguiente forma:
Ho: ¡.to= O
·H¡:¡.to:f:O ... (2.76)
Teniendo los siguientes cálculos como el error estándar de la diferencia

es:
s-o ... (2.77)
-JO
La estadística t se computa de la siguiente forma:
t = _15_-___:_.J.lD=- ... (2.78)

c SD
.m
Donde:
te: Estadístico t-Student calculado.
So : Desviación estándar de las diferencias.
D : Media de las diferencias de los pares en las muestras.

¡.to : Media de las diferencias de los pares en las poblaciones.
n : Tamaño de los pares de muestras.
El estadístico te es aproximadamente la distribución t-Student con (n-1)

grados de libertad. Por lo tanto, considerando un nivel de probabilidad 95%
en la función de probabilidad t(n-l) se obtiene de la función t tabular, si
ltcl < t(n-!)(95%) se acepta la hipótesis de que las muestras son similares. De
otro modo se rechaza la hipótesis.
2. INTERVALO DE CONFIANZA A PARTIR DE LAS SERIES

GENERADAS
Basado en el modelo seleccionado y en los parámetros estimados se
generan M secuencias de serie de una longitud igual o mayor al de la serie
histórica; se determina las características estadísticas bajo análisis,
denotadas como Ug(i} de cada una de las series generadas i = 1, 2, 3, ... , M.
se calcula la media Ug y la desviación estándar S(Ug) de Ug(i} determinándose
el intervalo: (Gonzales, 2004):
... (2.79)
[u -es(u u +es(u
g g} g g )]
} M .
ug =-Iug(t) ... (2.80)
Mi=I
... (2.81)
Donde e es una variable aproximada en modelamiento de caudales

históricos c=1.2814, sí Ug cae dentro del intervalo dado por la expresión 2.79
se concluye que el modelo preserva el estadfstico Ug. De otra forma el modelo
no preserva Ug y en tal caso se procede a modificar los parámetros del
modelo, cambiar el orden; o el tipo del modelo.
3. PRUEBAS DE BONDAD DE AJUSTE.

Pruebas para determinar la distribución de probabilidad de la cual
proviene la muestra como las series sintéticas generadas por el modelo
ARMA (p,q), se utilizan las siguiente prueba conocida:
• Prueba de Smimov- Kolmogorov (KS) para ajuste de la Normalidad

Ll = máx 1F(x)- P(x) 1 ... (2.82)
Donde:
t1 :Estadístico de Smimov - Kolmogorov, cuyo valor es igual a la
diferencia máxima existente entre la probabilidad ajustada y la
probabilidad empírica.
F(x):Probabilidad de la distribución teórica a partir de datos normalizados.
P(x):Probabilidad experimental o empírica de los datos, denominados
también frecuencia acumulada usando la formula de Weibull.
Por lo tanto, considerando un nivel de probabilidad el a (0.05 ó 0.01) se

obtiene un valor A tabular de la tabla de Kolmogorov, si Amáx <Atabla, entonces
el ajuste es bueno, pero si Amáx >Atabla, entonces el ajuste no es bueno al nivel
de significancia seleccionado. (Villón, 2011 ).
• Prueba de Smimov- Kolmogorov para dos Muestras Independientes

Para determinar la relación que existe entre las series históricas y
sintéticas generados con modelos PARMA (p,q) se utilizará la prueba de
Kolgorov- Smirnov (KS) para dos muestras independientes. La prueba KS,
permite detectar si existen discrepancias entre las frecuencias relativas
acumuladas de las dos muestras objeto de estudio. Lo anterior propicia que
este estadístico pueda advertir diferencias no sólo en los promedios, si no,

que estas sean debido a la dispersión o la simetría.
Para aceptar las hipótesis de esta prueba, se debe concluir que sí:
H=O; Las distribuciones de las poblaciones son iguales.
H=1; Las distribuciones de las poblaciones son distintas.
2.9. ANÁLISIS DE MÁXIMAS AVENIDAS
Para proyectar una obra hidráulica cualquiera es necesario el

conocimiento de la magnitud y frecuencia de los caudales (o niveles de agua)
que esa obra deberá conducir, contener, almacenar, etc.; el proyecto
envuelve dimensionamiento y localización de presas, puentes, diques,
canales, conductos forzados, sistemas de drenaje, redes pluviales,
estaciones de bombeo, estaciones de tratamiento de agua y desaguas,
centrales hidroeléctricas y una gran variedad de estructuras relacionadas
con éstas. El caudal máximo o descarga máxima que cualquiera de estas
estructuras puede soportar con seguridad es denominada caudal del
proyecto. El ingeniero es consciente de que está proyectado una obra que
puede ser dañada o más aún destruida, por descargas ocasionales de
magnitud variable; la frecuencia con que esos daños ocurren debe ser
considerada en la definición del tamaño y resistencia de la obra, su
localización y hasta su reconstrucción, si fuera el caso. El problema en el
fondo, es económico a través del costo anual de mantenimiento en una
estructura dada, comparada con otras soluciones alternativas. La hidrología
proporciona una gran variedad de métodos basados en diversos principios,
dentro de los cuales se deberá escoger el más adecuado de acuerdo a las
circunstancias particulares, a la obra a diseñar y dependiendo sobre todo de
la disponibilidad de datos hidrometeorológicos apropiados, y las aplicaciones
resultantes van a depender del sentido común y de la experiencia del
proyectista (Mejía, 2012).
Algunas definiciones elementales son necesarias para iniciar el estudio

del problema. Entiéndase por avenida como un caudal muy grande de
escorrentía superficial que sobrepasan la capacidad de transporte del canal
generando la inundación de tierras aledañas. Las inundaciones traen, como

es sabido problemas de toda índole en diversas áreas de la actividad
humana. Por lo tanto, uno de los objetivos de la presente tesis, se enfoca al
aspecto hidrológico de la determinación de los caudales del proyecto en
obras hidráulicas, el que podría ser denominado "pre-determinación de
descargas máximas", ya que se trata del cálculo anticipado (en la fase del
proyecto) de un caudal crítico que tal vez no haya sucedido o que existe una
cierta probabilidad de suceder en el futuro.
En la actualidad podrían ser usados tres tipos de métodos para la

determinación de la descarga del proyecto de una obra, abarcando las
diversas posibilidades que se presentan para enfrentar el problema:
• Métodos estadísticos
• Métodos hidrometeorológicos
• Otros métodos (fórmulas empíricas, regionalización)
En cada caso la metodología a ser usada dependerá, en gran parte de la

disponibilidad de información y de la experiencia del proyectista en el manejo
de esta información. Para la presente tesis utilizaremos el método
estadístico.
2.9.1. PERÍODO DE RETORNO
Si en un determinado lugar existe una serie de valores observados de 30

años, por ejemplo, el mayor caudal medido en los 30 años tiene la
probabilidad de ser igualadas o superadas una vez cada 30 años
aproximadamente, según las leyes clásicas de la probabilidad; si las
necesidades del proyecto exigen, por ejemplo un período de retorno de 500
años o más, estamos delante de un problema de extrapolación de datos
históricos. El período de retorno T o período de ocurrencia de una inundación
(o tiempo de recurrencia) se define, entonces, como el tiempo medio, en
años, en que esa inundación es igualada o superada por lo menos una vez
(Mejía, 2012).
El problema se concentra en la fijación del período de retorno a ser usado

en una obra, ese valor debería obedecer a criterios económicos, como se
sugiere en la figura 2.5. Ésta figura representa los costos que un usuario
debería enfrentar para pagar los beneficios de un Sistema de protección
contra inundaciones, por ejemplo. Si existiese un seguro contra
inundaciones, el valor de ese seguro sería decreciente con el T usado en
proyectos de la obra (cuanto mayor es T mayor protección ofrece la misma),
mientras el costo de la obra en si crece con T. Dado que el usuario deberá
asumir con los dos costos, la curva del costo global indicará el período de
retorno más adecuado para el proyecto de la obra en cuestión (Villela, S. y
Mattos, A., 1975).
Costo
Anual
Costo de seguro
contra inundaciones
Período de Retorno (oños)
Figura 2.5 Determinación del Período de Retorno, (Vi/lela y Mattos, 2011).
Desafortunadamente, en Jos países en desarrollo no es común la

exigencia de ese tipo de seguro, en la mayor parte de los casos. Así, la
fijación de T obedece a criterios relacionados con la vida útil de la obra, el
tipo de la estructura, la facilidad de reparación en caso de daños y el peligro
de pérdida de vidas humanas en caso de falla. La consideración de estos
factores y la experiencia acumulada a lo largo del tiempo ha producido tablas
como la tabla 2.2
FACULTAD DE JNGENJERfA CIVIL
Tabla 2.2 Valores del tiempo de retorno para proyecto de obras (Mejfa, 2012).
Estructuras T(años)
¡ Caudales de Proyecto
Vertedor de grandes presas 10000
Vertedor de una presa de tierra 1000
Vertedor de una presa de concreto 500
Galería de aguas pluviales 5 a 20
Bocatomas 25 a 75
Pequeñas presas para abastecimiento de agua 50 a 100
Puentes en carreteras importantes 50 a 100
Puentes en carreteras comunes 25
¡Lluvias de Proyecto
Pequeños canales sin dique: área rural 5
Pequeños canales sin dique: área urbana 10
Canales grandes sin dique: área rural 10
Canales grandes sin dique: área urbana 25
Pequeños canales con diques: área rural 10
Pequeños canales con diques: área urbana 50
Grandes canales con diques: área rural 50
Grandes canales con diques: área urbana 100
Existe, aún, otro criterio para escoger el periodo de retorno: la fijación a

priori, del riesgo de falla R de la estructura, dentro de la vida útil de la obra.
Esto puede ser expresado por la relación:
T= 1 ... (2.83}
1-(1- RY/n
R=l- ( l-T1 )" ... (2.84}
Donde:
T: Periodo de Retomo.
R: Riesgo permisible, o probabilidad de ocurrencia de la máxima
descargas durante Jos n años de la vida útil de la obra.
Las ecuaciones anteriores se encuentran tabuladas en la tabla 2.3 según

(Mejía, 2012).
Tabla 2.3 Valores de periodo de retorno T asociado al riesgo R (Mejla, 2012).
Riesgo Vida útil de la obra (n) en años

R 1 10 25 50 100 200
0.01 100 995 2488 4975 9950 19900
0.10. 10 95 238 475 950 1899
0.25 4 35 87 174 348 695
0.50 2 15 37 73 145 289
0.75 1.3 7.7 18 37 73 144
0.99 1.01 2.7 5.9 11 22 44
2.9.2. MÉTODOS ESTADÍSTICOS
Los métodos estadísticos se apoyan en la existencia de series de datos

de caudales en el lugar de interés, las cuales son sometidas a un análisis de
frecuencias usando técnicas tradicionales de estudio (se basan por lo tanto
en la observación de eventos pasados). Esto implica que la curva de
frecuencia definida para un determinado lugar es válida rigurosamente para
ese lugar; cuando generalmente la información que se requiere es en un
lugar diferente, donde no existen datos medidos; la regionalización de datos
permite combinar informaciones de diversos lugares en la cuenca o región,
para producir por ejemplo, una curva regional de frecuencias, válida en toda
región y lugares sin información; este recurso entre tanto, está limitado a
descargas de hasta 100 años de periodo de retorno (Dalrymple, 1962 según
(Mejía, 2012)).
Dentro de los métodos estadísticos podemos mencionar las siguientes

distribuciones de probabilidades más usadas en el análisis de máximas
avenidas en hidrología:
• Distribución Normal
• Distribución Lag Normal 2 parámetros
• Distribución Lag Normal 3 parámetros
• Distribución Gamma 2 parámetros
• Distribución Gamma 3 parámetros
• Distribución Lag Pearson tipo 111
Autor: Jimy Mar/on Bastidas Va/divia 56
FACULTAD DE INGEMERfA CIVIL
• Distribución Gumbel
• Distribución Log Gumbel
En el ANEXO A-4 se presenta el proceso de selección de una distribución

teórica para posteriormente realizar la prueba de bondad de ajuste.
1. SERIES PARCIALES Y ANUALES

La información hidrológica disponibles, en principio en una estación
hidrométricas, es una secuencia cronólogica de caudales medios diarios. De
estos caudales podrían ser escogidos los máximos anuales (una para cada
año hidrológico), generando una serie annual. Esto obliga a descartar otros
picos elevados que pueden haber ocurrido en el mismo año y permite
escoger otros valores en otros años donde nada importante sucedió, desde
el punto de vista de inundación. Esa limitación es superada elaborando una
lista de todos los eventos ocurridos, en orden decreciente y seleccionando
los mayors a un determinado límite que puede ser el menor de las descargas
máximas anuales, obteniéndose de cierta manera una serie parcial. La
dificultad generada con ésta última opción es que los eventos así escogidos
pueden ser o no independientes; dos eventos muy próximos pueden, en
realidad, ser un único evento. Para evitar ese inconveniente, deben ser
escogidos eventos separados por un razonable periodo de tiempo.
2. LA CURVA DE FRECUENCIA
El análisis de frecuencias, a ser discutido, utiliza los mismos principios
estadísticos aplicados a otras variables hidrológicas, adaptados a las
peculiaridades de los datos 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 naturales. A
continuación se calcula la frecuencia observada a través de una relación
emírica la de Weibull:
m
P=- ... (2.85)
n+l
T= n+l ... (2.86)

m
Donde:
P: Probabilidad de una determinado descarga
m: Número de orden
n: Tamaño de la muestra
2.9.2.1 DISTRIBUCIÓN NORMAL
La función de densidad de probabilidad normal se define como:
-l(x-¡.J) 2
f(x)= 1 e2 s -oo<x<oo ... (2.87)

s.&
Donde:
f(x) =función de densidad normal de .la variable x

x = variable independiente
J.l = parámetro de localización, igual a la media aritmética de x
s = parámetro de escala, igual a la desviación estándar de x
2.9.2.2 DISTRIBUCIÓN LOG NORMAL 2 PARAMETROS
La función de distribución de probabilidad es:

2
-(x-X) )
1 x, ( 2S2
P(x5ox;) = ~
Sv2Jr _,
Je dx ... (2.88)
Donde:
X =parámetro de localización, igual a la media aritmética de x

s =parámetro de escala, igual a la desviación estándar de x
Si la variable x de la ecuación 2.86 se reemplaza por una función y=f(x),
tal que y=log(x), la función puede normalizarse, transformándose en una ley
de probabilidades log normal, N(Y, Sy). Los valores originales de la variable
aleatoria x, deben ser transformados a y=log x, de tal manera que:
- 1 n
Y=- ~)og(x) ... (2.89)
n ;"'¡
Donde Y es la media de los datos de la muestra transformada.
" 2
L(Y;-Y)
S= -=-Í=..:..t_ __
... (2.90)
Y n-1
Autor: Jimy Marlon Bastidas Valdivia . 58
Donde Sy es la desviación estándar de los datos de la muestra

transformada.
Asimismo; se tiene las siguientes relaciones:
a
Cs=-- ... (2.91)
(Sy)3
... (2.92)
Donde Cs es el coeficiente de oblicuidad de los datos de la muestra

transformada (Monsalve, 1999 según (MTC, 2014)).
2.9.2.3 DISTRIBUCIÓN LOG NORMAL 3 PARÁMETROS
La función de densidad de x es según (MTC, 2014):
para;x0 ~ x < oo ... (2.93)
Donde:
X o= parámetro de posición en el dominio x

J.ly =parámetros de escala en el dominio x
S/ = parámetro de forma en el dominio x

2.9.2.4 DISTRIBUCIÓN GAMMA 2 PARAMETROS
La función de densidad es: según (MTC, 2014)

X
xr-'e fl
f(x) = fJY r (r)
(2.94)
Válido para:
O:S:x<oo
O<y<oo
0</J<oo
Donde:
y =parámetro de forma
P = parámetros de escala
2.9.2.5 DISTRIBUCIÓN GAMMA 3 PARÁMETROS

(x-x0 )
(x-x
0y-l
e--P-
... (2.95}
f(x) = pr r(r)
Válido para:
Osx<oo
-oo S x0 < oo
O<y<oo
O<P<oo
Donde:
X 0 =origen de la variable x, parámetro de posición

=parámetro de forma
y
P =parámetros de escala
2.9.2.6 DISTRIBUCIÓN LOG-PEARSON TIPO 111
(htx-x0 )
f(x) =
(Inx-x
xpr
0y-lr(r)
e--P-
... (2.96}
Válido para:
-oo sx0 < oo

O<r<oo
O<P<oo
Donde:
Xo= parámetro de posición

y =parámetro de forma
P = parámetros de escala
2.9.2. 7 DISTRIBUCIÓN GUMBEL
La distribución de Valores Tipo 1 conocida como distribución Gumbel o

doble exponencial, tiene como función de distribución de probabilidades la
siguiente expression: según (MTC, 2014)
-a(x-fl)
F(x) =e-e ... (2.97)
Utilizando el métodos de momentos, se obtienen las siguientes relaciones:

1.2825
a=--- ... (2.98)
p = p-0.45a ... (2.99)
Donde:
a = parámetros de concentración
P = parámetros de localización
Según (Chow, 1997), la distribución puede expresarse de la siguiente
forma:
-
X= X +k(J'x ... (2.100)
Donde:
x = Valor con una probabilidad dada
x = Media de la serie
k =Factor de frecuencia
2.9.2.8 DISTRIBUCIÓN LOG GUMBEL
La variable aleatoria reducida log gumbel, se define como: según (MTC,

2014)
Inx-,u
y= ... (2.101)
a
Con lo cual, la función acumulada reducida log gumbel es:
F(x) =e-e--" ... (2.102)
2.9.3. PRUEBA DE BONDAD DE AJUSTE
2.9.3.1 PRUEBA DE KOLMOGOROV SMIRNOV
!.':. = máx 1F(x)- P(x) 1 ... (2.103)

Donde:
!.':. :Estadístico de Smirnov - Kolmogorov, cuyo valor es igual a la
diferencia máxima existente entre la probabilidad ajustada y la
probabilidad empírica.
F(x):Probabilidad de la distribución teórica a partir de datos normalizados.
P(x):Probabilidad experimental o empírica de los datos, denominados

también frecuencia acumulada usando la formula de Weibull.
Por lo tanto, considerando un nivel de probabilidad el a (0.05 ó 0.01) se

obtiene un valor a tabular de la tabla de Kolmogorov, si 4máx < 4tabla, entonces
el ajuste es bueno, pero si 4máx > 4tabla, entonces el ajuste no es bueno al nivel
de significancia seleccionado. (Villón, 2011 ).
La tabla 2.4 muestra los valores críticos de 4tabla del estadístico Smirnov-
Kolmogorov, para varios valores de N y niveles de significación a.·
Tabla 2.4 Valores críticos de Atabla del estadístico K-S(Villón, 2011 ).
Tamaño Nivel de Significación (a)

Muestra! N 0.2 11 0.15 0.1 0.05 0.01
1 0.900 ¡ 0.925 0.950 0.975 0.995
2 0.684 1 0.726 0.776 0.842 0.929
3 0.565 0.597 0.642 0.708 0.828
4 0.494 0.525 0.564 0.624 0.733
5 0.446 0.474 0.510 0.565 0.669
6 0.410 0.436 0.470 0.521 0.618
7 0.381 0.405 1 0.438 0.486 0.577
8 0.358 0.381 0.411 0.457 0.543
9 0.339 0.360 0.388 0.432 0.514
10 0.322 0.342 0.368 0.410 0.490
11 0.307 1 0.326 0.352 0.391 0.468
1
12 0.295 0.313 0.338 0.375 0.450
13 0.284 0.302 0.325 0.361 0.433
14 0.274 0.292 0.314 0.349 0.418
15 0.266 0.283 0.304 0.338 0.404
16 0.258 0.274 0.295 0.328 0.392
17 0.250 0.266 0.286 0.318 0.381
18 0.244 0.259 0.278 0.309 0.371'
1
19 0.237 0.252 0.272 0.301 0.363
20 0.231 0.246 0.264 0.294 0.356
25 0.210 0.220 0.240 0.270 0.320
30 0.190 0.200 0.220 0.240 0.290
35 0.180 0.190 0.210 0.230 0.270
N>35 1.07/{N"O.S) 1.14/(N"O.S) 11.22/(N"O.S) ¡1.36/(N"O.S) I1.63/(N"0.5)
CAPÍTULO 111
111. MATERIALES Y MÉTODOS
3.1. LUGAR DE REALIZACIÓN
3.1.1. DESCRIPCIÓN DEL ÁREA DE ESTUDIO
La Cuenca hidrográfica del Mantaro está ubicada en la region central del

país y abarca los departamentos de Paseo, Junín, Huancavelica y Ayacucho.
La Autoridad Nacional del Agua (ANA) ha codificado las unidades
hidrográficas en diferentes niveles: En el Pacífico existen 62 unidades
hidrográficas, en el Amazonas 84 y en el Titicaca 13, establecidas mediante
R.M. 033-2008-AG. Asimismo están agrupadas en Autoridades
Administrativas del Agua (AAA). La Cuenca del Mantaro pertenece a la
Región Hidrográfica del Amazonas y pertenece AAA - X.
La Cuenca del Río Mantaro, en los andes centrales del Perú, es de gran
importancia para el país debido a que concentra la mayor población andina,
es la principal region agrícola, y sus centrales hidroeléctricas son las que
proven mayor energía a escala nacional.
3.1.2. UBICACIÓN GEOGRÁFICA, EXTENSIÓN Y LÍMITES
La Cuenca del Río Mantaro se ubica dentro de la region húmeda y drena

una hoya hidrográfica de 34,363 km2 hasta su confluencia con el Río
Apurímac para conformar el Río Ene.
Geográficamente se ubica entre los 1oo 30' a 13° 30' de Latitud Sur y entre
los 74° 00' a 76° 30' de Longitud Oeste, abarcando los departamentos de
Paseo, Junín, Huancavelica y Ayacucho.
La Cuenca del río Mantaro forma parte de la vertiente del Océano Atlántico
y limita con las siguientes cuencas:
• Por el Norte: Cuenca Huallaga (Río Huaura e lntercuenca Alto Huallaga).

• Por el Este: Cuenca Ucayali (Perené, Anapatí, lntercuenca Bajo Pampas).
• Por el Sur: Cuenca Pampas- Apurímac (San Juan, Pisco y Pampas).
• Por el Oeste: Cuenca Cañete- Fortaleza (Huaral, Rímac y Cañete).
Según el ANEXO D-1 y D-2 podemos observar los límites de la Cuenca

del Río Mantaro según la clasificación de la Autoridad Nacional del Agua, el
cual está subdividido en Administraciones del 1 al XIV. La Cuenca del Río
Mantaro pertenece a la X Autoridad Administrativa del Agua.
3.1.3. HIDROGRAF(A Y FISIOGRAF(A EN LA CUENCA DEL R(O

MANTARO
El Río Mantaro se origina en el Lago Junín, a una altitud de 4,080

m.s.n.m., recorriendo 724 km de longitud hasta su confluencia con el Río
Apurímac, a 480 m.s.n.m., dando origen en este punto al Río Ene, teneiendo
. una pendiente promedio de 0.51 %. Según el inventario de lagunas la region
hidrográfica del Amazonas tiene 7,441 lagunas, de las cuales 2,332 se
encuentran en la Cuenca del Mantaro siendo las principales: Chinchaycocha,
Marcapomacocha, Paca, Tranca Grande, Pomacocha, Huascacocha,
Hichicocha, Coyllorcocha, Lasuntay, Chuspicocha, Quillacocha, Yuraicocha,
Azulcocha, Carhuacocha, Huayllacancha.
La cuenca alta del Río Mantaro está comprendido desde sus nacientes
(Lago Junín) hasta la Represa de Malpaso (La Oroya); siendo los tributarios
principales en este el Río Huarón, Carhuacayán, Corpacancha y Pucayacu.
La cuenca intermedia corresponde desde Mal paso hasta T ablachaca. Se

caracteriza por presentar una primera parte encajonada que comienza aguas
abajo de Malpaso y se acentúa al pasar La Oroya hasta el Puente Stuart
(Jauja). De este punto hasta Chupuro ambas márgenes se amplían. Los
afluentes principales que recibe el Río Mantaro en este sector medio por su
margen derecha son los ríos Yauli, Hauri, Pachacayo, Cunas, Vilca y
Chinchi. Por la margen izquierda desembocan al Mantaro los Ríos Thisgo
(Casaracra) y Shullcas. Después de Chupuro, el Río Mantaro recorre por un
lecho encajonado de fuerte pendiente formando un canon, que se va
profundizando generando zonas de gran inestabilidad hasta llegar a la
Represa de Tablachaca.
La parte baja de la cuenca comprende desde T ablachaca hasta su

confluencia con el Río Apurímac presentando dos grandes curvas. La
primera describe una "S" y se conoce como la "Península de Tayacaja" y la

segunda se denomina la "Península de Guitarra". Aprovechando la primera
curva, de la gigantesca "S" se construyó la Central Hidroeléctrica "Santiago
Antúnez de Mayolo" (Eiectroperú S.A, 2005).
3.1.4. HIDROLOG(A EN LA CUENCA DEL RfO MANTARO
3.1.4.1 ANÁLISIS DE LA PRECIPITACIÓN
las precipitaciones, como promedio, se inician para toda la cuenca en el

mes de julio y se incrementan gradualmente en los meses de agosto y
setiembre, haciéndose más significativas a partir de octubre hasta alcanzar
valores máximos en febrero.
los meses de máximas precipitaciones son enero, febrero y marzo, en

abril la precipitación disminuye bruscamente, para luego alcanzar los valores
mínimos en junio. Este patrón se cumple en casi todas la estaciones de la
cuenca. El 83% de la precipitación anual ocurre entre los meses de octubre
a abril, de los cuales el 48% están distribuidos casi equitativamente entre los
meses de enero, febrero y marzo.
En la figura 3.1 se presenta la distribución promedio mensual de la

precipitación en la Cuenca del Río Mantaro, y este indica que a medida que
se desciende hacia el valle del Mantaro, las precipitaciones disminuyen, y se
observan tres núcleos importantes de valores mínimos de precipitaciones.
'140
120
100
~ 80
60
40
20
o 1 1 11 1._.1
E F MA M J J A S O N O E F MA M J J A S O N O
A\eses
Figura 3.1 Climatología de precipitación (mm/mes, período: 1960-2002),

(SENAMHI, Electroperú, Electro Andes e IGP, 2010)
3.1.4.2 ANÁLISIS DE LA ESCORRENTÍA SUPERFICIAL
1. RECURSOS HÍDRICOS
El agua es el recurso central que soporta la vida humana y las actividades

socioeconómicas asociadas en una cuenca. El ciclo hidrológico se ve
alterado por la variabilidad climática y podría verse afectado por el cambio
climático en un mediano plazo.
En la cuenca del río Mantaro las series históricas de caudales en la

diferentes estaciones hidrométricas existentes en el río Mantaro, no tienen
aplicación directa debido que en la cuenca principal y subcuencas del río
Pachacayo, Moya y Quillón se han construido numerosas obras de
regulación como embalses y transvases de aguas de de una cuenca a otra
para fines múltiples. Estas obran han alterado el régimen natural de los
diferentes ríos donde están ubicados.
Los aprovechamientos del recurso hídrico comprenden varias lagunas

naturales que son sobre elevadas para proveer un apreciable volumen de
agua regulada. Las características del sistema de embalses de las lagunas
individuales se presentan en la tabla 3.1.
El recurso hídrico en el Mantaro se clasifica, por su uso en extractivo y no

extractivo. El uso extractivo a su vez se divide- por su importancia- en: uso
agrícola, poblacional, pecuario, industrial y minero.
Por otro lado, el uso no extractivo se refiere a la generación de energía

hidroeléctrica, de gran importancia a escala nacional. Por ser uno de los
sectores priorizados de estudio, el sistema de generación de energía
hidroeléctrica se describe a continuación:
El Complejo Hidroeléctrico Mantaro, a cargo de ELECTROPERÚ S.A.,

cuenta con dos centrales hidroeléctricas, con una capacidad instalada de
1.008 MW es el principal centro de generación del país que abastece el
34,3% de la demanda del Sistema Eléctrico Interconectado Nacional (SEIN)
y cuya generación equivale al 31% de la demanda nacional, según
estadística del año 2003. La energía generada es a la tensión de 13,8 KV, la

cual se eleva a 220 KV, para ser transmitida a los centros de consumo a
escala nacional. Las ventas de ELECTROPERU S.A. están orientadas a dos
tipos de clientes: Empresas Distribuidoras y Clientes Libres ubicadas en
diferentes zonas del país a los cuales se les suministra el 88% y 12% de la
producción, respectivamente.
Tabla 3.1 Características del Sistema de Embalses de las lagunas individuales en la

cuenca del río Mantaro (IGP y CONAM, 2005).
En la tabla 3.2 se presenta el caudal promedio superficial disponible del

río Mantaro, calculado en función a estudio realizados en 1975 por
ElectroPerú, en 1980 por la Oficina Nacional de Evaluación de Recursos
Naturales (ONERN) y el estudio realizado en 1992 por el Centro de Estudios
y Experimentación de Obras Públicas de España (CEDEX).
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estoc.ásticos de Series Sinttiticas
Tabla 3.2 Caudal Promedio Superficial en la Cuenca del Río Mantaro (JGP y CONAM,
2005).
CAUDAL PROMEDIO SUPERFICIAL DISPONIBLE EN lA CUENCA DEl

RÍO MANTARO (m3/seg)
. ElECTROPERÚ
L__
ONERN CEO EX PROMEDIO
414.000 457.000 418.700 429.900
2. DESCRIPCIÓN DE LA RED HIDROGRAFICA
En el estudio "Diagnóstico de la Gestión del Agua en la Cuenca del

Mantaro", desarrollado por el lng. Alfredo Valverde, se señala que la red
hidrometeorológica de la cuenca del Mantaro está conformada por 171
estaciones meteorológicas y pluviométricas y 42 hidrológicas, y que los
registros del Mantaro datan desde 1939, año en que se instaló la primera
estación hidrométrica de Malpaso, y por los años 50 se instalaron las
estaciones de Upamayo en la salida del Lago Junín y de la Mejorada sobre
el río Mantaro.
Se presenta en la tabla 3.3 las principales estaciones hidrométricas y el

caudal medio anual del rfo Mantaro:
Tabla 3.3 Principales Estaciones Hidrométricas (EiectroPerú S.A., 2005).
Puente Chúlec 3710 6020 1965-2005

Cachas Túnel 11°51' 75° 44' 3750 490 5.97 1965-2005
Piñascocha 1r 51' 75° 45' 3750 195 1.53 1965-2005
Pachacayo 11° 48' 75° 43' 3550 720 9.6 1965-2005
Puente Stuart 1r48' 75° 29' 3350 85.4 1965-2005
Quillón 1r23· 75° 09' 3190 10.43 1965-2005
Moya 1r24' 75° 08' 3180 24.3 1965-2005
Chinchi 1r32' 74° SS' 2830 16.3 1963-1997
La Mejorada o 55' 2799 1877 170.99 1965-2005
En el ANEXO A-5 se presenta el diagrama hidrológico de la Cuenca del

río Mantaro, en donde se puede observar que la Cuenca está conformada
por sistemas de reservorios o lagunas (Lago Junín, Presa pamayo, Laguna
Huallacocha Alta, Laguna Huallacocha Baja, Laguna Pomacocha, Laguna
Huascacocha, Laguna Pachacayo, Laguna Yuraccocha, Laguna
Ñahuincocha, Laguna Carhuacocha y Laguna Huaylacancha); y centrales
hidroeléctricas (Embalses de Malpaso, Subsistema hidroeléctrico
Pachachaca, Subsistema hidroeléctrico La Oroya, Subsistema hidroléctrico
Malpaso, Central Hidroeléctrica Santaiago Antúnez de Mayolo, Central
Hidroeléctrica Restitución y el proyectos en construcción Central
Hidroeléctrica Cerro del Águila.
Asimismo en el ANEXO A-6 se presenta la relación de estaciones

meteorológicas en la Cuenca del río Mantaro y alrededores.
Se presenta en la tabla 3.4 la disponibilidad de datos de caudales medios

mensuales en la Cuenca del Río Mantaro.
Tabla 3.4 Disponibilidad de Datos de las Estaciones Seleccionadas

DISPONIBILIDAD DE DATOS DE LAS EST.4CIONES SELECCIONADAS Y PERiODOS DE ESTUDIO (1965-1005)
.., ..... ~a; .......... ........ ....... ........ ..... .... .... ....
..,.., .... ..... ......... ...... .... "' ..,,.... .....
... .., ..,.., .., ..... gg gg ... "'..,
NOMBRE
..,..,
......
"'"' "'"'
J,.J, ..,..,
..,..,
Q
"'"'
...
.......
"'"'
'Q .....
....
"'"'
;!::,b ¡~ ~..!. ..:,~ ¡¡ ...... c.. o
... "'"'
Q-
;;:~
.... ..
~~ 'i''7
"'"' "'"'
~¡
~~ ~=
-.. Q
...
¡¡ !;;;'oL..
...
..
"""' ;; ~~ "'"' "'"'
"'"'
-;¡ :¡¡"'"' ~~
Q ...
...... ¡.~
QQQ
f1~ "'"'"'
... .... ggg
~~:A
UPAMAYO
...... "'
"'"' ~~ ~~ ~~ ..."'"'... EE ::~
..... ......... ........ !;;~
--
-N
~
~~ ~~ !! "'"'
"'"""'
.... ... ...
-N
"'"'... ~~ ;~ "'"' -
"'"'
~~ ~~ "'"" "'"" "'"" ....... ....
... ......
Q""
!PuENTE CJI(JLEC
PACRACAVO
1:
COCHASTÚNF.L
Pl~ASCOCHA
'
~
1
'
PUENTE STU.~RT '
-- i 1
-
1
-·
QU!LLÓN
!MoYA
¡LA llfF.JORADA
[ñatos Completos en todo el Año r- Datos Incompletos en Algunos

Meses del Año
3.2. MATERIALES
Los materiales empleados para el presente trabajo de tesis son los

siguientes.
Autor: Jimy Mm·/on Bastidas Va/divia 69
3.2.1. INFORMACIÓN HIDROMÉTRICA DE CAUDALES MENSUALES
La Cuenca del Río Mantaro cuenta con registros históricos de 9

estaciones hidrométricas distribuidos en la cuenca según Electroperú S.A.
En la tabla 3.4 se muestra la disponibilidad de datos de caudales medios
mensuales para cada año desde su funcionamiento hasta el cierre de
algunas estaciones.
3.2.2. INFORMACIÓN CARTOGRÁFICA DE LA CUENCA DEL RfO

MANTARO
Base cartográfica para la Cuenca del Río Mantaro del Instituto Geográfico
Nacional, en base a cartas nacionales digitales a escala 1/100 000.
3.2.3. SOPORTE INFORMÁTICO
Para el procesamiento rápido de los diferentes cálculos que en la mayoría,

son complicados, y la edición de los mapas y cuadros; se emplearon lo
siguiente: Ordenador con Software: Hydracces, Office 2013, SAMS 2009,
Minitab 17, SPSS 22.0, Are Map 10.3, Nitro Pro 9.0, Hidroesta.
El programa Hydracces permite la crítica y la homogenización de los datos

hacienda uso de la herramienta Método del Vector Regional.
El programa SAMS (Stochastic Analysis, Modeling, and Simulation):

Programa para el análisis estocástico, modelamiento y simulación;
elaborado por el Dr. José D. Salas de la Cruz en la universidad del estado
de Colorado, elaborado en lenguaje C y Fortran y corre bajo sistemas
operativos modernos como Windows 8.1. El programa, contiene módulos
que consiste en trazado de datos, verificación de la normalidad,
transformación de datos y características estadísticas; en el segundo modulo
contiene el ajuste de modelos estocásticos, incluyendo la estimación de
parámetros y comprobación del modelo para alternativas unitarias y
multivariadas de los modelos estocásticos, los siguientes modelos son
incluidos:
• Modelo Univariado ARMA (p,q) donde p y q pueden variar de 1 a 1O.

• Modelo Univariado GAR (1 ).
• Modelo Univariado Periódico ARMA (p,q).

• Modelo de Desagregación Estacional Univariada.
• Modelo multivariado Autoregresivo MAR (p)
• Modelo Multivariado Contemporáneo CARMA (p,q) donde p y q pueden
variar de 1 a 1O.
• Modelo Multivariado Periódico MPAR (p).
• Modelo de Desagregación Multivariada Anual (espacial).
• Modelo de Desagregación Multivariada (temporal).
El tercer módulo de aplicación es la generación de series sintéticas, los

modelos para la generación pueden ser aquellos que se estiman por el
SAMS 2009, ellos pueden ser proporcionados por el usuario.
3.2.4. ALCANCES Y LIMITACIONES DEL SOPORTE INFORMÁTICO
ArcMap 10.3, permite realizar mapas a partir de capas o datos espaciales,

elegir colores y simbología, interrogar a las bases de datos, analizar
relaciones espaciales y diseñar mapas o salidas impresas. La interfaz de
ArcMap se compone de una tabla de contenidos donde se listan todas las
capas que forman el mapa, una ventana donde se muestra el mapa, y una
serie de menús y herramientas para trabajar con las capas y mapas
(ORDUÑA, 2007).
Algunos trabajos que se realizan en ArcMap son los siguientes:
• Trabajar con mapas.

• Imprimir mapas.
• Compilar y editar datasets SIG.
• Utilizar geoprocesamiento para automatizar el trabajo y realizar análisis.
• Organizar y administrar geodatabases y documentos de ArcGis.
• Documentar la información geográfica.
Sus limitaciones de ArcMap se basan en las capas que se utilizan, los

cuales son formatos vectoriales y ráster de almacenamiento digital donde se
guarda la localización de Jos elementos geográficos y los atributos asociados
a ellos, asimismo utiliza lenguajes de programación SQL, Java, JavaScript,

Python, CSS,C++, Visual Basic.NET, etc.
SPSS 22.0, es un programa estadístico informático muy usado en las

ciencias sociales, salud y las empresas de investigación de mercado. Es uno
de los programas estadísticos más conocidos teniendo en cuenta su
capacidad para trabajar con grandes bases de datos y un sencillo interface
para la mayoría de los análisis; en ésta versión permite utilizar el lenguaje de
programación Python para un mejor control de diversos procesos dentro del
programa, algunos de sus módulos disponibles son:
• Modelos de Regresión.
• Tendencias.
• Pruebas Exactas.
• Validación de Datos.
• SPSS Programmability Extension.
Dentro de sus limitaciones, los ficheros de datos en formato SPSS tienen

en Windows la extensión. SAV. Al abrir un fichero de datos con el SPSS,
vemos la vista de datos, una tabla en la que las filas indican los casos y las
columnas las variables. Cada celda corresponde al valor que una
determinada variable adopta en un cierto caso.
MINITAB 17.0, es un programa estadístico informático muy potente,

incluye interfaces de gráficos y sus principales funciones son:
• Asistente (Regresión, Análisis Gráfico, Gráficas de control, etc.).

• Estadísticas básicas (Prueba Z, prueba t, Prueba de Normalidad, Pruebas
de una y dos varianzas, etc.).
• Gráficas (Gráficas de probabilidad y distribución de probabilidades,
gráficas de dispersión, gráficas de puntos, histogramas, gráficas de series
de tiempo, etc.).
HYDRACCESS, es una aplicación para guardar varios tipos de datos

hidrológicos en una base de datos Access 2000. Dentro de los datos que el
programa puede manejar tenemos:
• Series cronológicas: cotas, caudales, datos de calidad de aguas, lluvias,

datos meteorológicos.
• Aforos líquidos y sólidos, estaciones hidrológicas, calibraciones (curvas
de gastos de caudales en función de las cotas).
Sus principales funciones son:

• Análisis de las intensidades de las tormentas
• Estudios frecuenciales:
• Reconstitución de las crecidas entrando en una pequeña represa
• Separación interactiva de los eventos de lluvia y de caudal
• Cálculo de valores clasificados y característicos (curvas de duración).
• Método del vector regional de índices pluviométricos, adaptado a la crítica
de lluvias y caudales mensuales o anuales.
• Cálculo de la lluvia promedio sobre una cuenca (método de Thiessen o
Kriging, que se pueden aplicar a series temporales con cualquier paso de
tiempo, aun contengan valores faltantes).
Dentro de sus limitaciones los archivos de Hydracces sólo se procesan en

formato Access como también se puede importar información de una hoja de
Exce l.
HIDROESTA, es una herramienta que facilita y simplifica los cálculos

laboriosos y el proceso del análisis de la abundante información que se debe
procesar en los estudios hidrológicos. Para el desarrollo del software, se
utilizó Visual Basic, versión 6.0, la cual permite crear aplicaciones de 32 bits.
Sus principales funciones son:

• El cálculo de los parámetros estadísticos con momentos lineales.
• Cálculos de regresión lineal, no lineal, simple, múltiple y polinomial.
• Evaluar si una serie de datos se ajustan a una serie de distribuciones:
normal, lag-normal, gamma, log-Pearson tipo 111, Gumbel y log-Gumbel,
tanto con momentos ordinarios, como con momentos lineales.
• Calcular a partir de la curva de variación estacional o la curva de duración.
• Realizar el análisis de una tormenta y calcular intensidades máximas.
• Los cálculos de aforos realizados con molinetes o correntómetros.
• El cálculo de caudales máximos, con métodos empíricos (racional y Mac

Math) y estadísticos (Gumbel y Nash).
• Cálculos de la evapotranspiración con los métodos de Thorthwaite,
Blaney-Criddle, Penman, Hargreaves y cálculo del balance hídrico.
3.3. MÉTODOS
La metodología seguida para la validación de series sintéticas generadas

por el modelo estocástico ARMA (p,q), consistió en los siguientes pasos:
3.3.1. RECOPILACIÓN DE DATOS
Se recopilaron datos hidrológicos históricos de descargas medias

mensuales (de las estaciones hidrométricas de la Cuenca del Río Mantaro),
de las siguientes fuentes:
• Atlas Climático de precipitación y temperature del aire en la Cuenca del

Río Mantaro Volumen 1, 11 y 111, CONAM, IGP, Noviembre 2005.
• Estudio: Evaluación de Recursos Hídricos Superficiales en la Cuenca del
Río Mantaro, MINAG, ANA, ALA Mantaro, Diciembre 2010.
• Escenarios de Cambio Climático en la Cuenca del Río Mantaro para el
año 2100, SENHAMI, MINAM, Marzo 2010.
• Estudio Hidrológico de la Cuenca del Río Mantaro, Electroperú S.A., Mayo
2005.
Estos estudios tuvieron como fuente Hidrológica ELECTROPERÚ y

SENAMHI principalmente; de los cuales se seleccionaron las estaciones que
cuenten con la mayor cantidad de registros históricos para trabajar con un
período común en las estaciones seleccionadas.
En la tabla 3.4 se muestra la disponibilidad de datos hidrométricos de

descargas medias mensuales, de las cuales se seleccionaron las estaciones
que cuentan con mayor número de años de registros históricos de caudales
medios mensuales; estas estaciones hidrométricas son: cuenca alta
(Upamayo), cuenca media (Puente Chúlec, Pachacayo, Gochas Túnel,
Piñascocha, Puente Stuart), cuenca baja (Quillón, Moya y La Mejorada); el
período común entre las estaciones seleccionadas es desde 1966 hasta
2005. La tabla 3.5 muestra las estaciones seleccionadas y la disponibilidad

de datos de descarga máxima mensual.
Tabla 3.5 Disponibilidad de Datos de las Estaciones Seleccionadas y Períodos de

Estudio 1966 a 2005, (Fuente Propia).
DTSPONIBTLIDAD DE DA TOS DE LAS ESTACIONES SELECCIONADAS Y PERiODOS DE ESTUDIO (1965-2005)
NOMBRE
PI\ MAYO
PUENTE CHÚLEC
PI\CHACAVO
COCHI\STÚNEL
PIÑASCOCHA
PUENTE STUART
QUILLÓN
MOYA
MEJORADA
Datos Incompletos en Algunos

[Datos Completos en todo el Año 1 Meses del Año
Según el ANEXO D-3 y D-4 podemos observar la ubicación y área de

influencia de las estaciones hidrométricas seleccionadas; asimismo se
puede verificar el mapa de relieve de la cuenca según el ALA Mantaro.
3.3.2. PROCESAMIENTO DE DATOS
Se realizó el procesamiento de datos hidrométricos como son: análisis de

consistencia de saltos y tendencias de las series hidrométricas,
completación y extensión de datos. Permitiendo así identificar, estimar y
eliminar los saltos y tendencias tanto en la media como en la desviación
estándar.
Para un mejor análisis de consistencia y completación de datos, las series

se agruparon teniendo en cuenta la ubicación de sus estaciones y a partir de
ella evaluar las características geomorfológicas, cercanías y semejanzas de
pisos altitudinales y semejanzas en el monitoreo de volúmenes de agua.
Asimismo se utilizó el software Hydracces para verificar la homogeneidad
entre estaciones y así determinar la agrupación de las mismas mediante el
método del vector regional descrito en la sección 2.2.1.
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Ser·ies Sintéticas
Para realizar los cálculos, se elaboraron hojas de cálculo en Excel, que

automatizaron el proceso de cálculo. Estas hojas de cálculo fueron de
elaboración propia.
1. ANÁLISIS DE CONSISTENCIA.
Se realizó el análisis de consistencia de las series, permitiendo así
identificar, cuantificar, evaluar y corregir las inconsistencias en los saltos y
tendencias.
i. Identificación de los Saltos.

Agrupadas las series. hidrométricas, se realizó el análisis visual para
identificar los posibles saltos. La visualización de las series en los
hidrogramas hace posible una primera identificación de los saltos; a partir
del gráfico de doble masa se pueden apreciar e identificar los quiebres que
representan inconsistencias y en qué períodos (años) se han presentado
estas inconsistencias.
ii. Evaluación, Cuantificación y Corrección de Saltos.

Identificado los quiebres a partir de los gráficos doble masa, se procedió
a cuantificar si la inconsistencia es significativa, para la cuantificación se
utilizaron las ecuaciones 2.1 al2.8 descritas en la sección 2.2.2 (consistencia
en la Media y Desviación Estándar), obtenido los resultados de los
estadísticos de contraste en la prueba de homogeneidad de varianzas y
prueba de "t" para la diferencia de 02 medias que fueron descritas en la
sección 2.2.2.1; se procedió a corregir las series que presentaran saltos
significativos, según el análisis estadístico con las pruebas antes
mencionadas utilizando las ecuaciones 2.7 y 2.8 descritas en la sección
2.2.2.1.
iii. Identificación de Tendencias.

Obtenida las series libre de saltos en la media y desviación estándar, se
realizaron las identificaciones visuales con los hidrogramas a cada serie;
esto sirvió para que las series sean evaluadas y corregidas las tendencias
significativas en la media y desviación estándar.
iv. Evaluación, Cuantificación y Corrección de Tendencias.

Se realizaron los cálculos para cuantificar la tendencia en la media y
desviación estándar utilizando las ecuaciones 2.9 y 2.13 descritas en la
sección 2.2.2.2, identificando las series que presentaron tendencias
significativas tanto en la media y desviación estándar de acuerdo a la
contrastación de hipótesis de la prueba de R 1 • Se corrigieron las series que
presentaron tendencias significativas, utilizando las ecuaciones 2.12 y 2.13
para corregir dichas series, estas ecuaciones fueron descritas en la sección
2.2.2.2.
2. COMPLETACION Y EXTENCION DE DATOS.

Obtenida las series libre de saltos y tendencias, se tiene una serie
homogénea lista para realizar la completación de datos, se tomo en cuenta
la completación de datos más no la extensión, debido a que en la extensión
de datos se pierden características estadísticas de las series originales.
La completación de datos se realizaron en grupos definidos

anteriormente, asegurando la adecuada completación, tomando las series
índices o series que presentaban menores quiebres en los gráficos de doble
masa; estas series sirvieron de estaciones bases para realizar la
completación de las otras series que los acompañan en sus respectivos
grupos.
Para el proceso de completación, se preparo una hoja de cálculo de

elaboración propia, para que complete datos teniendo en cuenta:
1o Completar datos de la serie índice o completa, a la serie incompleta con

ecuaciones de regresión lineal, se incorporaron varios modelos de
ecuaciones de regresión como lineal simple, logarítmica, potencial,
exponencial e inversa; de las cuales se evaluaron cada ecuación con la
prueba de R 1 , la ecuación que presentará el valor más significativo de la
prueba, era la adecuada para realizar la completación.
2° Si R 1 no es significativo, se completaron los datos con el método de las

proporciones.
FACVLTADDEINGENIERfA CIVIL
3.3.3. MODELO ARMA (p,q)
Para el análisis estocástico mediante el modelo ARMA, utilizaremos el

diagrama de flujo presentado en el ANEXO A-7.
3.3.4. DESESTACIONALIZACIÓN
En esta etapa se inicia los procesos para el análisis estocástico del

modelo, como es descrito en el diagrama de flujo presentado en el ANEXO
A-7.
Las componentes aleatoria y no aleatoria tienen que ser identificada y

modelada previamente. Varias transformaciones son disponibles
(estandarización, transformación logarítmica, etc.), para alcanzar
aproximadamente una separación entre la llamada componente estacional o
variación determinística y la componente aleatoria.
En general se considera a la variable hidrológica como normal; si es que

la serie es no-normal, una transformación adecuada es usada para hacerla
normal:
... (3.1)
Donde:
q : es la función de transformación siendo Yt la variable normal.
X1 : son los datos históricos y completados.
Para convertir las series hidrométricas a series normales, se realizó la

transformación logarítmica que ha sido usada en el modelamiento
estocástico de modelos (Gonzales, 2004), dando buenos resultados.
El procesamiento de datos para la transformación y estandarización, se

elaboró una hoja de cálculo en Excel de elaboración propia.
1. TRANSFORMACION LOGARITMICA
Si la desviación estándar aparenta ser directamente proporcional a la

media, es útil una transformación logarítmica, un modelo multiplicativo
estabiliza la desviación estándar y de esa manera se alcanzará una varianza
constante a través del tiempo. Para realizar la transformación se utilizaron

las ecuaciones condicionadas a partir de la ecuación 2.40 descrita en la
sección 2.6.4 (normalización de series periódicas de tiempo).
x =emk *eyt ... (3.2)

t
O por su equivalente:
Lnxt=mk+Yt ... (3.3)
Lnx
= I--t ,k= 1,2, ... ,12
N
mk ... (3.4)
t=l N
E[yt] =O
Donde:
Xt Observación mensual.
Lnxt Logaritmo natural de la observación t.
Media aritmética estimada de Ln Xc, histórica mensual k.
Yt Variable aleatoria.
N Número de años.
2. ESTANDARIZACION
La varianza estacional en la media y la desviación estándar mensual

pueden ser eliminadas estimando los dos primeros momentos y luego
normalizando a un proceso de media cero y varianza unitaria.
Para la estandarización de la serie transformada se aplicó la fórmula 2.43

descrita en la sección 2.6.4 (Eliminación de la periodicidad dentro del año).
Ejemplo:
Procedimientos para determinar la componente residual y estacionaria

para la normalización con transformación logarítmica (Tabla 3.6) y
estandarización de datos (cuadro lado derecho). La gráfica de las
componentes residuales se muestra en las figuras 4.30 al4.47.
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Sedes Sintéticas
Para el modelamiento de los datos de caudales históricos corregidos y

completados en el programa SAMS, este presenta opciones para
normalización de datos con varias trasformaciones e ingreso de coeficientes
"a" para el mejor ajuste. En las siguientes figuras (3.2-1 al 3.2-2) se muestran
el proceso de transformación logarítmica que se realiza en el programa
SAMS.
Tabla 3.6 Ejemplo de cálculo para determinar la transformación logarítmica y la

estandarización
Caudal Medio Log. Natural Log. Natural Componente

Caudal Caudal Residual
AÑOS AÑOS
Q' (Q' • Q'prom)/a
1966 1966 4.92 ..0.9678
1967 1967 5.36 0.7509
0.9094
1.7186
1.3111
..().7559
..0.2774
..0.2535
·1.8116
0.6464
5.33 0.6205
1983 4.69 ·1.8706
1984 5.41 0.9491
1985 5.17 ·0.0128
5.17
PROMEDIO 181.2438 5.1700 0.0000
0.2545
Zt: variable nonnalizada con media Oy varianza 1
Autor: Jimy Marlon Bastidas Valdivía 80
et~l·~=- rra....&to:u:.u:;; .~, .!lt~,:!Te.n fUlibc Ttn
-· ··-··-..
Cedtb tra:uo (otU • ~e!tt C'3p."r11l ~~~lltl~ CC~C'.'.'d~•=l~
O.®Q~ l.O.OO~ 1.2lSI L'1:-"1' o.u~ R!.:tCf
0.090':) ""'' o.tt!lt 1.0':" l.:t~t,
,.,._..,.
Q:;t:T 0.9U.t f.E:J!:l
c.oooo 1.t:., o.~;n 0.-!5!1ft:t:t
c.ooo' """
"''" o.~
..,. J.O:i~j 1.cr.n P"L.""t:T 0.15-ti tt."tct
C•.OCIO'Q ólt.."'~ 0.94!:)
-~~ l.l'u~ ~.IJ!C
!.QI'~j
Skewness Test of Nonnallly Fmiben Test of Nonnality
·---------
'!i'lll.
11 10 12
Sea son
Figura 3.2·1 Se muestra el ploteo de datos promedio mensuales de la serie de Puente

Chúlec, el ploteo de datos caen fuera de los límites de confianza para que la serie forme
parte de una distribución normal, (Fuente Propia).
,..
Ct~;ttt!:.t Tn::di)::K~iet: h titf-lt.~ tra~!e:w.t1:e I.e n~~~Tt::. !'Uu~rt<J:.
,..
'fnr.a CCt~f • ~ftb rn~' t~tt.
......
totH' t ~.t-.d Penlt CcJ:t¡,V.Il hnlt.f
....,,
...... ... .1.(0":.0 C.CQCj
,,....
'!o.~ (;.~:.e-!. o.nu •e~t. C.."U"'I •ecw.
l.UQt e.~M a.~oo -11.11!) O.t!t!
.·=
t;~p:
...
...., ,..
--
O,Q:tj
.,..,.
··- ··-
o.tH!
,.."'..."'
C.(·OC~
¡-.¡-:!] l.f~;: ~."QoV;e •O.OltO aee~
{Ir'~:.¡
l.t0":.4
l.U~ ......
(.,(jOCo)
, S.'O"$M t·.,:NJ -o. su¡
o.aus
•~rr~
~cttt
o.g.n~
o.nu
·"~
, .. 1.!~~
1.{0:0
(..(i~
C.,IJCOP ,""' s.·:it'JCO
5,0f''j\)
tl.fl'-jl;;;j
t".t:w;=
c..n•; 4eet;t
·i.tt.Zt a:'e.e.~
o.!!tt
O.P!U
•~e~
·~~':.
,......,. """ ....""" -o ..aCJ ·~~ a e;.~
··- ··-
'$.00~
roe'"'" 1.(Q-Z0 Q-.00.) ti.~O~ (\,JICl
• '""
:.o;
1.~1 C·.GOOO ~.)O~ o.o::eo ·G.l:&e a~¡: t.
-~.uu
O,,H
;.u:; ·=
:l~.
" l.flft,
"" '·""" etct¡;t e.ee~
~..... ""
.,.ro- """"'
! .tGOt
,,,¡;r;r,
C·.OOC)
C·.GOOG ....""' S.GGet
s.oo:~
C..O".M
~.GCII'
-o.o:s~
O.I)Cl:
D~'t
ll:et;!.
O.!U~
O.U~I
•=><
4t«t>!
. (' tr.:c-
,.i:W ... SIO<ooni:NIS."""' ;i; fi
Y•t«••
..... ¡--¡ "'
flllbonTHioiNonnd!y
.... r
~
~J
........ _,
.......... 1
rr.:~Jctz.
••
...........
Jlo<,b
.2:_1
- -------· -~- ·---·- -·------ ·sm-- 0:!1'5 ---------------------
- • •...... .
Figura 3.2-2 Verificamos con un coeficiente a=5, se tiene mejor ajuste de datos, que /os
mostrados en la figura anterior, la finalidad es mejorar la normalidad para su posterior
procesamiento, asimismo se verifica la prueba de asimetría de la normalidad y la prueba de
Filliben de Normalidad, (Fuente Propia).
FACULTAD DE /NGENIERiA CIVIL
3.3.5. IDENTIFICACIÓN O SELECCIÓN DEL MODELO
Los instrumentos para la identificación del modelo son la muestra visual

de la serie original, el comportamiento de la función de autocorrelación (FA)
y la función de autocorrelación parcial (FAP). La inspección visual de la
muestra de la serie original puede revelar la presencia de una tendencia.
1. FUNCION DE AUTOCORRELACION (F.A.)

El análisis de la estacionariedad de las series aleatorias obtenidas a partir
de la transformación logarrtmica, se obtiene de la función de autocorrelación
definida en la sección 2.5.1 con la ecuación 2.17. Para Jos limites de
Anderson se aplicó la ecuación 2.19 de la misma sección. Para la
determinación de la Función de Autocorrelación de las series con
transformación logarítmica y estandarizada se utilizó el programa Minitab 17;
en el programa SPSS 22.0 también se encuentra disponible.
Ejemplo: Obtención de la función de autocorrelación, calculando el

coeficiente de correlación entre: x,, Xt+1: Xr+2,Xr+3, ; ... ; Xt+4, Xr+s. Ver tabla 3. 7 y
3.8 y figura 3.3.
Tabla 3.7 Ejemplo para el cálculo de la Función de Autocorrelación.
- --
N' Datos
SERIE 1
-
1 J 2 -:~. 4
--~'' -
5 -' --
~- (Xl·Xpn>m)'2
.t k=1 k=2 k=l k=4
1
1;
k=5
Xt ~
~
Xt+t Xt+2 , Xl+3 Xl+4 XI+S1 ! j<
',
1 301.97 3055.59
2 17351 301.97 5355.60 -4045.31
3 137.43 173.51 301.97 11938.44 7996.09 -6039.78

4 151.79 137.43 173.51 301.97 9006.36 10369.28 6945.10 ·5245.93
S 238.14 151.79 137.43 17351 301.97 73.11 811AS 934.25 625.74 -472.65
6 433.72 238.14 151.79 137.43 173.51 301.97 34977.50 ·1599.12 -17748.80 -20434,70 ·13686.69 10338.13
7 217.14 433.72 238.14 151.79 137.43 17351 873.25 -5526.66 252.67 2804.42 3228.81 2162.58
8 292.01 217.14 433.72 238.14 151.79 137,43 2053.75 -1339.19 847556 -387.49 -4300.80 -4951.63
9 125.77 292.01 217.14 433.72 238.14 151.79 14621.79 -5479.92 3573.29 -22614.90 1033.92 1147559
10 149.93 125.77 292.01 217.14 433.72 238.14 9362.59 11700.34 -4385.03 2859.34 -18096.41 82734
11 230.07 149.93 125.77 292.01 217.14 433.72 27633 1608.45 2010.07 -75333 491.22 -3108.89
12 139.16 230.07 149.93 125.77 292.01 217.14 11562.75 1787A8 10404.67 13002.62 -4873.09 3177.60
13 360M 139.16 230.07 149.93 125.77 292.D1 12938.09 -12231.10 -1890.80 ·11006.09 -13754.20 5154.77
14 364.41 360.44 139.16 230.07 149.93 125.77 13857.99 13390.14 -12658.45 ·1956.87 ·11390.64 -14234.77
15 384.89 364.41 360M 139.16 230.07 149.93 19098.79 16268.71 15719,47 ·1486050 -2297.28 -13372.14
Tabla 3.8 Función de Autocorrelación con Limites de Anderson.

Retardo
r-~ --~~-~
j _c::.C:n J Lfmfte
8upr:l1or
Lfmlle
Inferior
' k ~ 1
1 0.2262 0.5538 -0.5538
2 0.0375 0.5814 -0.5814
3 -0.3889 0.5822 ·0.5822
4 -0.4302 0.6570 -0.6570
5 -{).0170 0.7384 -0.7384
Generació11 de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Series SintétiClls
--. ······-··-- ----- ··- . . . --·--·----·--········-·--··-·--·-····· ---·-···-··--·· -----· ···--------- ·-·-··-·
Función de Autocorrelación
1 1.0000
1 .5 0.8000
' ~
li!
0.6000
•
• • ~
@§ 0.4000 - - - - - - - - - -
g 0.2000 111 '-'rK
1 ~ o.oooo -"'7--7-ua
· · í* ----;--- ........ umite superior
~ -0.2000
~ -0. 4000 ........ Límite Inferior
w -0.6000
(3 -~·~~---e--~---
• • ---.::::::::;
1 ~ -0.8000 l
1 -l.OOOO RETARDOS 1
1...-.-------..----------------------..----_¡
Figura 3.3 Ploteo de la Función de Autocorrelación y los límites de confianza.
2. FUNCION DE AUTOCORRELACION PARCIAL (F.A.P.)

La Función de Autocorrelación Parcial (F.A.P.) es otra forma de
representar la estructura de dependencia en el tiempo, y es útil para
identificar el orden del modelo, esta función se obtiene de la ecuación 2.23
descrita en la sección 2.5.2. Para los límites de Anderson se aplicó la
ecuación 2.19 de la sección 2.5.1. Para la determinación de la Función de
Autocorrelación de las series con transformación logarítmica y estandarizada
se utilizó el programa Minitab 17, en el programa SPSS 22 también se
encuentran disponibles.
Ejemplo: Para la obtención de la función de autocorrelación parcial, se

resuelve el sistema de ecuaciones, donde <j>" ... ,<j> 5 son las funciones de
autocorrelación parcial yr0 , ••• ,r4 , son las funciones de autocorrelación

obtenidas anteriormente.
rl = <l>1ro
r2 = <l>tri + <l>2ro
r3 =<l>1r2 + <l>2r1 + <1>3ro
r4 = <l>tr3 + <l>2r2 + <I>Jri + <1>4ro
fs = <l>1r4 + <l>2r3 + <1>3r2 + <1>4ri + <l>sro
3.3.6. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO ARMA
El propósito es estimar los parámetros de los modelos seleccionados en

la sección anterior. La estimación de estos parámetros se realiza inicialmente
por el método de los momentos, para luego continuar con el método de la

máxima verosimilitud. Para la determinación de los parámetros
autorregresivos y media móvil del modelo ARMA (p,q) se utilizó el programa
SAMS 2009 (Simulación y Análisis de Modelos Estocásticos).
Para obtener los parámetros del modelo ARMA (p,q), se siguen los
siguientes pasos:
Paso 1: Se obtienen los estimados iniciales de los "p" parámetros
autorregresivos 01, 02, ... , 0p, resolviendo las "p" ecuaciones de Yule-Walker.
Cq+l =$1Cq +$2Cq-1 + ... +$pCq+1-p

Cq+2 = $1Cq+l + $2Cq + ··· + $pCq+2-q
Cq+p = $ICq+p+1 + $2Cq-p-2 + ... + $pCq
Paso 2: Obtener los estimados iniciales de los "q" parámetros de media móvil f:h,
Oz, ... , Oq, de la serie modificada.
Luego la función de autocovarianza C\ de la serie z\. Alternativamente

Box y Jenkins (1976) dan la formula siguiente para los C\ de la serie Zt
utilizando los fll disponibles del paso 1:
e~= I~~cj + I(~o~I +~~~i+l + ... +~p-i~p~j

i=O i=l
Donde:
dj = Cj+l + Cj-1 ,j= O, 1, ... , q , 0o= -1
Los C'j, los parámetros 8 y la Varianza residual cr E se obtienen resolviendo

iterativamente las siguientes ecuaciones:
Esto completa la estimación inicial de los parámetros~ 1 ,$ 2 , ••• ,~P,8 1 ,8 2 , ••• ,
eq, cr;.
Entonces el modelo inicial estimado será:
p q
U =8 +2:$.Ut .+Et-2:8.Et.
t 00 . 1 1 -1 . 1 1 -1
1= l =
Paso 3: Se fija el estimado por el principio de máxima verosimilitud. Se calculan

las residuales:
Ej = O,j = l, ... ,máx(p,q)
Sí;p > q:
j = 1,2, ... ,N -p
Siendo N la extensión de la serie residual. La suma de los cuadrados se
calcula mediante:
t=l
Para varias combinaciones de 8 y 0 se fijan aquellos en los cuáles S es
mínimo. Para obtener los parámetros autorregresivos y media móvil se usó
del software SAMS (Simulación y Análisis de Modelos estocásticos), que
modela series con el método ARMA de Box y Jenkins, el SAMS tiene 02
presentaciones del modelo ARMA, para series anuales y para series
estacionales, que en este caso se denomina PARMA (Periódico ARMA).
Se aplicó el modelamiento ARMA periódico (en el SAMS está definido

como PARMA) que es para series estacionales. Inicialmente el software
presenta opciones para realizar transformaciones para aproximar a una serie
normal (transformación logarítmica, potencia y Box-cox), para luego elegir la
opción de realizar la estandarización de las series; luego determina los
parámetros estadísticos, seguidamente calcula los "p" parámetros
autorregresivos y luego los "q" parámetros de media móvil; los parámetros
de los modelos son calculados por el método de los momentos y de la suma
de cuadrados.
3.3.7. PRUEBA DE BONDAD DE AJUSTE DEL MODELO ARMA (p,q)
Después de remover las componentes periódicas y la estructura

dependiente en el tiempo, el modelo aplicado debe probarse para determinar
sí el modelo obedece las asunciones ejemplares y si el modelo es capaz de
reproducir las propiedades estadísticas históricas de los datos,
esencialmente las asunciones importantes de los modelos se refieren a las
Autor: Jimy Marlon Bastidas Valdivia - 85
características subyacentes de los residuos como normalidad e

independencia.
Para la verificación de la bondad de ajuste del modelo se realizaron las

siguientes pruebas en una hoja excel:
1. PARSIMONIA DE PARÁMETROS
Se aplican las pruebas del criterio de información de Akaike corregida
(AICC) y el criterio de información de Schwarz (SIC).
Una regla para seleccionar entre modelos ARMA (p,q) competentes es

aplicando el criterio de información Akaike corregida (ver ecuación 2.58) y el
criterio de información de shwarz (ver ecuación 2.59) se selecciona el
modelo que tiene el menor valor del AICC(p,q) y SIC(p,q).
3.3.8. GENERACIÓN SINTÉTICA DE SERIES HIDROLÓGICAS CON EL

MODELO ARMA (p,q)
Teniendo los modelos seleccionados según el criterio de Información

Akaike, que toma en cuenta la parsimonia de parámetros, se procede a la
generación de series sintéticas mensuales, para ver si el modelo reproduce
series con características estadísticas similares a la serie histórica muestra!,
puesto que se supone que ellas derivan de una misma población, y de esta
forma poder seleccionar un modelo entre los modelos competentes hallados
para cada serie.
La generación de series es hecha para cada modelo a través de sus

respectivos parámetros autorregresivos (AR) y medias móviles presentes
(MA), para la generación de series se ha empleado la ecuación 2.60; luego
si la serie fue estandarizada una transformación inversa será necesario
utilizando la ecuación 2.62, como las series fueron normalizadas con la
transformación logarítmica, una transformación inversa será necesaria
aplicando la ecuación 2.65.
El programa SAMS genera las series sintéticas en función a los

parámetros del modelo ARMA (p,q) establecido en el capitulo 11 de la
siguiente manera:
• Generar datos con el modelo ARMA (p,q) que tiene la siguiente estructura
p q
uv,t = L:<!>j,tzv,t-j- L:a;,,cr~.~v,t-i +cr~.~v,t'

j=l i=l
• Si se realizó la estandarización, una transformación inversa es aplicada

con:
z = uv,r -tJ,
V,TS(U)
• Se obtiene los caudales generados de la siguiente fórmula

Y,,, =~+S, (Y)Zv.r, que depende de la media y desviación estándar histórica
de los datos transformados (transformación logarítmica), y el parámetro
estocástico estandarizado.
• Si una transformación a sido aplicada, como la logarítmica, una

transformación inversa es aplicada con: Xv,r = exp(Yv.J- a,; a partir de esta
se obtiene los caudales sintéticos medios mensuales generados.
Según recomendación del manual del usuario del SAMS 2009, que
recomienda realizar 100 generaciones de series de caudales; se realizaron
esta cantidad de series generadas para realizar las pruebas estadísticas de
validación. Ejemplo la aplicación del modelo ARMA (2, 1) es mostrado en la
tabla 3.9.
MODELO PERTODTCO ARMA(p,q) Yv,< =¡.t, +cr, *Uv,r

ARMA(2,1)
uv,< =4>1,<u,.,H +4>2,tuv,t-2 -ei,<Sv,t-1 +Sv,l =c!>l,tuv,t-1 +4>2,tuv,t-2 -el,t(cr;¡;)v,t-1 +(cr;~;).,l
v:año
't':mes
Tabla 3.9 Modelo Periódico ARMA (p,q).
1. ANÁLISIS COMPARATIVO DE SERIES HISTÓRICAS Y GENERADAS
Seleccionado los modelos de la serie por transformación logarítmica y

estandarización según el criterio de información de Akaike corregido (AICC),
son generados 100 series mensuales de longitud igual a los tramos
establecidos, el programa SAMS determina la Media, Desviación Estándar,
Coeficiente De Asimetría, Coeficiente De Variación, Máximos y Mínimos
mensuales respectivamente; de las series generadas e históricas, de esta
manera tomamos los estadísticos mas representativo como la media y
desviación estar para realizar las pruebas de validación.
3.3.9. VALIDACIÓN DE RESULTADOS Y CONTRASTACIÓN DE

HIPÓTESIS
Para la validación de las series sintéticas generadas por el programa

SAMS 2009, a partir de las series históricas que son las originales, será
necesaria la realización de pruebas estadísticas descritas en la sección 2.8.4
utilizando las ecuaciones 2.71 y 2.75 para muestras independientes y la
ecuación 2. 78 para muestras dependientes; con la finalidad de verificar la
semejanza estadística que tiene los estadísticos más significantes como la
media y desviación estándar. Los cálculos se realizaron en una hoja
automática de cálculo Excel de elaboración propia. Para la validación de
series, se realizaron las siguientes pruebas:
1. PRUEBA DE HIPOTESIS REFERENTE A 02 MUESTRAS

Esta prueba consistente en evaluar la semejanza estadística de dos
muestras, realizando las siguientes pruebas:
i. Prueba de Hipótesis de las Varianzas de 02 Poblaciones

Prueba necesaria para determinar si las varianzas de dos poblaciones son
homogéneas, para esto se aplicó la ecuación 2.67 descritas en la sección
2.8.4, esta prueba se realizó estación por estación (mes por mes), teniendo
en cuenta el numero de datos de cada serie (estación hidrométrica), tanto
para el promedio mensual de las 100 series generadas, como para cada
serie generada.
FACVLTADDEINGENIERiA CIVIL
Esta prueba es necesaria para identificar si las varianzas, son iguales o

no, teniendo la evaluación de esta prueba se procede a la siguiente prueba
estadística.
ii. Prueba de "T" para Muestras Independientes

Identificado si las varianzas son homogéneas o no, se realiza la prueba
de la diferencia de dos medias con los estadísticos de prueba de la
distribución t student, esta prueba tiene dos formas, la primera es cuando las
varianzas resulten iguales y la segunda, para cuando las varianzas resulten
diferentes. Para la cuantificación y evaluación de estas pruebas se utilizaron
las ecuaciones 2.71 y 2.75 descritas en la sección 2.8.4.
iii. Prueba de "T" para Muestras Dependientes

Relacionando las medias y varianzas de las series históricas y generadas,
para la relación se determinó la diferencia, se realizaron las pruebas
estadísticas para series dependientes; consistentes en pruebas de media y
pruebas de varianza para cada serie (estación hidrométrica) aplicando la
ecuación 2. 78 para la media y desviación estándar de la diferencia de la serie
histórica y la generada.
2. INTERVALO DE CONFIANZA A PARTIR DE LAS SERIES

GENERADAS
Otra prueba es la cuantificación y evaluación de la serie histórica, en el
intervalo de confianza calculado a partir de las series generadas, para esto
se aplicaron las formulas descritas en la sección 2.8.4 (Intervalo de
Confianza a partir de las Series Generadas), ecuaciones 2.79, 2.80 y 2.81.
3. PRUEBAS DE BONDAD DE AJUSTE

Para verificar si las series históricas y las generadas se ajustan a una
distribución de probabilidad normal, se cuantificaron y evaluaron con las
pruebas de Kolmogorov Smirnov descritas en la sección 2.8.4 (Pruebas de
bondad de Ajuste) y utilizando la ecuación 2.82 respectivamente.
Para la realización de estas pruebas se determina una serie generada

óptima teniendo en cuenta como criterio, las pruebas de hipótesis para dos
Autor: Jimy Marlon Bastidas Valdivia . 89
FACULTAD DE INGENJERfA CIVIL
muestras, se evaluaron cada una de las 100 series sintéticas generadas con
las series históricas respectivamente, de las cuales se simulo con varios
valores de nivel de significancia (a probabilidad de error) para que de esta
manera quede una sola serie que es la más representativa.
3.3.10. ANÁLISIS DE MÁXIMAS AVENIDAS
Para la realización del análisis de máximas avenidas mediante modelos

probabilísticos se deben calcular sus parámetros y realizar las pruebas de
bondad de ajuste, si el ajuste es bueno, se puede utilizar la distribución
elegida, una vez encontrada la ley de distribución que rige a las variables
aleatorias, además, se podrá predecir con determinado probabilidad, la
ocurrencia de una determinada magnitud, de un fenómeno
hidrometeorológico. También se podrá determinar la magnitud de un
fenómeno para un determinado período de retorno.
Para el cálculo del período de retorno utilizaremos las ecuaciones 2.83 y

2.84. Para la realización de las distribuciones teóricas usaremos el diagrama
de flujo dado en el ANEXO A-4 proceso de selección de una distribución
teórica; las ecuaciones utilizadas son 2.87 al 2.102 según la sección 2.9.2.
El análisis de máximas avenidas utilizaremos el software HidroEsta

mediante las fórmulas descritas en la sección 2.9.2 según la metodología de
(Villón, 2011 ).
Figura 3.4 Ingreso de datos de caudales máximos mensuales de la Estación

Puente Stuart- Hidroesta.
CAPÍTULO IV
IV. RESULTADOS Y DISCUSIÓN
4.1. INFORMACIÓN HIDROMÉTRICA
De los registros históricos se seleccionaron 9 estaciones que cuentan con

mayor cantidad y continuidad de datos hidrométricos; las estaciones
seleccionadas se agruparon para un mejor anáiisis de consistencia y
completación de datos. Los grupos de estaciones seleccionadas fueron
agrupadas teniendo en cuenta características geomorfológicas, cercanías y
semejanzas de pisos altitudinales, semejanza en el monitoreo de volúmenes
de agua.
A continuación se muestra en la tabla 4.1, las estaciones seleccionadas

en grupos para los análisis posteriores y el período de registro que se ha
considerado para realizar el análisis; esto a partir de verificar el método del
vector regional (MVR).
Tabla 4.1 Estaciones hidrométricas seleccionadas y ordenadas por grupos, (Fuente

Propia).
--
'
, GRUPO Estaciones ~idrométricas Datos dís~onibles
Selecctonadas en anos
' .
Upamayo 1966-2005
GRUPO! 1 Puente Chúlec 1966-2005
Puente Stuart 1966-2005
Cachas Túnel 1966-2005
GRUPO 11 Piñascocha 1966-2005
Pachacayo
Quillón
GRUPO 111 Moya
La Mejorada
Los datos de descargas máximas mensuales históricas de las estaciones

seleccionadas se muestran en el anexo B-1.
4.2. ANALISIS Y TRATAMIENTO DE LA INFORMACIÓN HIDROLÓGICA
4.2.1. MÉTODO DEL VECTOR REGIONAL (MVR)
Para determinar los grupos fndices se verificó mediante la obtención del

vector regional y del fndice correl.lvector obtenido del programa Hydracces
(ver tablas 4.2 y 4.3; figuras 4.1 y 4.2):
Tabla 4.2 Resultados del vector mediante los métodos de Brunet y Moret - Hiez, (Fuente
Propia).
VECTOR REGIONAL
MÉTODO DE BRUNET- MORET MÉTODO DE HIEZ
Afilo VECTOR Afilo VECTOR

1966 0.746 1966 0.817
1967 1.191 1967 1.231
1968 0.798 1968 0.768
1969 0.742 1969 0.765
1970 1.092 1970 1.159
1971 1.070 1971 1.152
1972 1.281 1972 1.252
1973 1.630 1973 1.576
1974 1.375 1974 1.406
1975 0.923 1975 1.046
1976 1.224 1976 1.231
1977 0.846 1977 0.957
1978 0.929 1978 0.917
1979 1.071 1979 0.967
1980 0.694 1980 0.758
1981 1.029 1981 1.208
1982 1.280 1982 1.228
1983 0.739 1983 0.632
1984 1.316 1984 1.314
1985 1.030 1985 1.028
1986 1.723 1986 1.732
1987 0.898 1987 0.953
1988 1.094 1988 1.123
1989 1.256 1989 1.386
1990 0.641 1990 0.661
1991 0.824 1991 0.934
1992 0.400 1992 0.348
1993 0.950 1993 0.959
1994 1.463 1994 1.208
1995 0.639 1995 0.681
1996 0.736 1996 0.725
1997 0.686 1997 0.747
1998 0.826 1998 0.977
1999 0.929 1999 1.026
2000 1.195 2000 1.242
2001 1.228 2001 1.276
2002 0.911 2002 0.912
2003 1.184 2003 1.191
2004 0.722 2004 0.796
2005 0.689 2005 0.682
Autor: limy Marlon Bastidas Valdivia 92
Tabla 4.3 Resultados del fndice co"elación/vector mediante los métodos de Brunet y
Moret- Hiez, (Fuente Propia).
0.950 PACHACAYO 0.952

0.842 COCHAS NEL 0.869
0.850 PIÑASCOCHA 0.886
PTESTUART 0.898 PTE STUART 0.842
QUILLÓN 0.811 QUI 0.786
MOYA 0.908 MOYA 0.870
LA MEJORADA 0.980 LA MEJORADA 0.967
2 .
1.5 --·····--·-
r~
i\
j \
0.5
0+-----~----~----~----~----~----~------r-----~
1965 1970 1975 1980 1985 1990 1995 2000 2005
Afto
Figura 4.1 fndices anuales del Vector y de las Estaciones según Brunet y Moret, (Fuente
Propia).
La agrupación de la tabla 4.1 simplificó e influenció en la identificación de

las inconsistencias.
-----------------------------·--------
lndla11 onuaiH del Vec:tor y d•IH EstatloMs (Hioz)
2.5
- ... _ • UP'AlNtYO
•· f'ttCHOW:
.... PAQtltCA'm !
5
:¡; 1.5 ---- :::"00::" 1
-rnstuAIII'T
.S
- QUIUÓ!I
-\ledclt
----lkn..~f.
-L)r).SVp.
0.5
o~~~~--~~~~~~~~~~--~~~·--·-·~.~.*~~·~·~
1965 1970 1975 1980 1985 1990 1995 2000 2005
Afio
Figura 4.2 lndices anuales del Vector y de las Estaciones según Hiez, (Fuente Propia).
4.2.2. IDENTIFICACIÓN VISUAL
1. ANALISIS DE HIDROGRAMAS
Se platearon los valores de caudales máximos mensuales versus tiempo,
para las estaciones hidrométricas en estudio, dichos gráficos se muestran
en las figuras 4.3 al 4.11.
2. ANALISIS DOBLE MASA

Para el análisis de doble masa, se tomo en cuenta las agrupación de
estaciones, mostradas en la tabla 4.1, en las figuras 4.12 al 4.14 muestran
las rectas de doble masa de las series históricas seleccionadas por grupos,
de las cuales para cada grupo se identificó las estaciones que tienen menos
puntos de quiebre, determinando las estaciones índices en cada grupo (ver
tabla 4.4):
Tabla 4.4 Estaciones lndices en los grupos de estaciones hidrométricas, (Fuente Propia).
:~·-,- ' '~
. ' · . "· · ,· >., :
' ' "' - • • . - . • - •' - .... ; q
v'i•' "; .. : GRUPO DE'
lt·_~·,.,· ..·ESTACIONES . , ~ ESTACION:.-~.'
~~)~,~)tHDRC~METRICAS
,-;, ·¡ ·,, · , · ·
.,
INDICE /·
. ·.. ·· •. ·. · ·.. : ··_:.,
GRUPOI PTE. STUART
GRUPO 11 PACHACAYO
GRUPO 111 LA MEJORADA
En las figuras 4.15 al 4.17 muestran las rectas doble masa, plateadas con
las estaciones índices e identificando los puntos de quiebre y los períodos
confiables y dudosos mostrados en la tabla 4.5.
Tabla 4.5 Periodos confiables y dudosos en las series de estaciones

seleccionadas, (Fuente Propia).
PERIODOS
SERIE EST ACION LONGITUD LONGITUD
CONFIABLE DUDOSO
(AAOS) (AAOS)
1966-1970 5
1974-1981 8
1982-1985 4
UPAMAYO 1971-1973 3
1986-1993 8
1994-1999 6
2000-2005 6
1966-1970 5
1975-1984 10
PUENTE CHÚLEC 1971-1974 4 1985-1988 4
1989-2000 12
2001-2005 5
1966-1970 5
1982-1994 13
PUENTE STUART 1971-1981 11
1995-2000 6
2001-2005 5
1972-1981 10
1982-1989 8
COCHAS TÚNEL 1966-1971 6 1990-1993 4
1994-1999 6
2000-2005 6
1972-1979 8
1980-1989 10
PIÑASCOCHA 1966-1971 6 1990-1994 5
1995-1999 5
2000-2005 6
1973-1980 8
1981-1990 10
PACHACAYO 1966-1972 7
1991-1999 9
2000-2005 6
1972-1980 9
1981-1984 4
QUILLÓN 1966-1971 6 1985-1992 8
1993-1999 7
2000-2005 6
1972-1979 8
1980-1991 12
MOYA 1966-1971 6
1992-1999 8
2000-2005 6
1976-1985 10
1986-1995 10
LA MEJORADA 1966-1975 10
1996-1999 4
2000-2005 6
HIDROGRAMA IDSTÓRICO
ESTACIÓN UPAMAYO
140.00
130.00
120.00
110.00
100.00
90.00
80.00
70.00
60.00
i
50.00
40.00
30.00
20.00
10.00
0.00
Figura 4.3 Hidrograma Histórico de la Estación Upamayo, (Fuente Propia).
HIDROGRAMA IDSTÓRICO
ESTACIÓN PUENTE CHÚLEC
280.00 . - - - - - - - ; - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - ,
26{).00
240.00
220.{)0
200.00
180.00
160.00
140.00
120.00
100.{)0
80.{)0
60.00
40.00
20.00
0.00
Figura 4.4 Hidrograma Histórico de la Estación Puente Chúlec, (Fuente Propia).
HIDROGRAMA IDSTÓRTCO
ESTACIÓN PUENTE STUART
950.00
900.00
850.00
800.00
750.00
700.00 1 1
650.00
6()0.00
550.00
500.00
450.00
400.00
350.00
300.00
250.00 1
200.00
150.00
100.00
0.00
50.00 ·········~•a.lil
Figura 4.5 Hidrograma Histórico de la Estación Puente Stuart, (Fuente Propia).

c.> _¡,.. _¡,..
o"'
(.11
:...Gl
5. ~
o
o
o
o "'
o
o
o
oo
o
o
o
oo
O>
o
oo
o
o "'
o
o
o o o
oo
O>
o
oo ~e::
(")~
b
o o o o o o o o
::o ~"" ~;3
~e ~~~~~;~~~~
01/01/1966 01/01/1966 - - - - - - - - - - ,
:::,!:l.
;¡ o.
';2 ::1
::!! 01/01/1967 ::!! 01/01/1967 ' 1 :;;:~
ca 01/01/1968 ca 01/01/1968 01/01/1968
~~
!:¡ t:::;
C"~
;::
!")
!i
IIJ
,..
01/01/1969
01/01/1970
01/01/1971
!i
IIJ
,.
01/01/1969
01/01/1970
01/01/1971
E- DI o1/o1t1969
... 01/01/1970
Cn 01/01/1971 ~·
bS
~§
~~
*c8g: el~
b:l~
~~ C» 01/01/1972 ... 01/01/1972 . . :z: 01/01/1972 ·.
::t.
"' t""J
1::;
:z: : 01/01/1973 01/01/1973 a: 01/01/1973 ~e
~~ g: 01/01/1974 01/01/1974 a o1/o1t1974 ¡;;~
~¡:¡ c8 . 01/01/1975 01/01/1975 ..._ __ ~ 01/01/1975 ~~
i:i::Q ¡¡¡ 01/01/1976 ¡¡¡ 01/01/1976.·-- ~ 01/01/1976 ~b
-.""::1 3
:S. 1 01/01/1977 3 01/01/1977 Q) 01/01/1977 Q~
~ 2 :z: 01/01/1978
&
Q)
::ti
~
~
•
.
01/01/1978
01/01/1979
01/01/1980 m S
:t: *
Q)
~
§:
01/01/1978
01/01/1979 ··~-
01/01/1980 [TI
:t:
....
!::'
::e
r¡¡· 01/01/1979
0: 01/01/1980
~- 01/01/1981
·--- ?;l §
..., ::e
~(")
~
~
:s· g· 01/01/1981 :;: o 01/01/1981 .........._ _ Cll
:;: o ..........._ > o o
~ g· 01/01/1982
Cll
n a'l
.O·
"'
. . ;>
::e 8Q. 01/01/1982 ··-- na'l o 01/01/1982 oO· a'l::C
::1
S
Q. 01/01/1983 01/01/1983
01/01/1984 ....._ _
- ::e
o> g. 01/01/1983 z > ~
~ ~ ~ ~ ·~ 1:-<
(!)
01/01/1984
n ~
(!)
Q) 01/01/1984
el Q) 01/01/1985 > > Q) 01/01/1985 z, > 01/01/1985 8 ~
~
01 . 01/01/1986 n :S 111 01/01/1986 .__ __ > ~ 01/01/1986 s: a ::ti
~ S.
::X:
01/01/1987 n~ "' S. 01/01/1987
Cll
n
o "'
.....
Qi
o. 01/01/1987 Cll "'
e:;.
~- ó.
::1 -l -l
o ' 01/01/1988 >o. Q. 01/01/1988 no. o~ 01/01/1988
;'
~ g: 01/01/1989 o "'
-< ... g· 01/01/1989 ..._ _ S: ~
:;:, 01/01/1989 m~
~ 01/01/1991
(") IJ 01/01/1990 (") 01/01/1990 (")
(""'
~ IJ : 01/01/1990
e Q) 01/01/1991 o Si 01/01/1991 o g. o
~ g. 01/01/1992 ~ 01/01/1992 Q) 01/01/1992
~ ~ 01/01/1993 8 01/01/1993
"' 01/01/1993
01/01/1994
..
..._ _
01/01/1994 o 01/01/1994 ~
!::>..
~
~
aQ)
:;._,
~ 01/01/1995
01/01/1996
¡¡r
.:.._
01/01/1995
01/01/1996
:;:,
(!)
01/01/1995
01/01/1996
~-
~ ;;p 01/01/1997 ;;p 01/01/1997 -::¡:¡ 01/01/1997
o
!")
~ 01/01/1998 (!) 01/01/1998 e: 01/01/1998
~ ~ 01/01/1999 ~ 01/01/1999
(O ' 01/01/1999
~· 01/01/2000 01/01/2000 (i) 01/01/2000 ...._ __
~
~
~ 01/01/2001 ~ 01/01/2001 ........._ 1J 01/01/2001 •
~
't::¡ 01/01/2002 't::¡ 01/01/2002 a o1to112oo2
.!: 01/01/2003 .!: 01/01/2003 ........._
l
~· 01/01/2004 01/01/2004 ~
01/01/2003
01/01/2004 · - - - - -
~ 01/01/2005 01/01/2005 01/01/2005
-.o~.
-...J:::t.
g
~~--lo. ....:lo. -.Jo.
N ~ O> 00
:>.e;:) N..P..mCXJOtV-I:::Io.cnCD
oooooooooo o o o
oo
o
oo
o
~~
~ ~ g3S:i :Oi:§E::ttk&:ttW &;: ::i:8: i:fi ~&S: 0 000000000
oooooooooo
b
o
b
o
b
o t""l~
.: ¡:¡ 01/01/1966
~h3
~ 21
~~;~~;~~~~ ~
!:l. 01/01/1967 01/01/1966 ,.........,_,...------
"' ;:1
c. ca 01/01/1967 1 1 :;:~
~ S: 01/01/1968
~ 21 01/01/1968 ~- t1S
~ ~ ~ 01/01/1969 01/01/1968
ca 01/01/1969 _
~ )? ... 01101/1970 S: 01/01/1969
~ 01/0t/1970 1~ ~s
-
;::, ~
r ~ 01/01/1970
:.. . 01101/1971
¿-_ ... 01/01/1971 lit 01/0111971 \.:::~
~====--- ~~
~~ ... 01101/1972 ~ 01/01/1972 i ':::=:==---
::t. ~ J:: ' 01101/1973 :.. 01/01/1972
CD 01/01/1973 ~Q
~ !!i Q: : 01/0111974 e 01/01/1973
::t: 01/01/1974 ~~
J:: 01/01/1974
~~
:": ¡:;- d 0110111975 Q: . 01/01/1975 ~ 01/01/1975
~ ("') ~ 0110111976 c8 . 01/01/1976
~ d ' 01/01/1976
3 01101/1977 QJ 01/01/1977 Q~
-· Qj
S.~ ~ 01/01/1977
¡:¡ 2 Qj 01/01/1978
~ 01/01/1978 ~--
::).. J:: 01101/1979 01/01/1978 3 01/01/1979 ~~
~§
~ ~
Qj
01/01/1979
~ ~ 01101/1980
Qj
-. o. 01/01/1981 (I'J ~ J:: 01/01/1980 ~ 01/01/1980

~ ' 01/01/1981
~
::ti
~ ?5· ;;! o e¡;· 01/01/1981 m O ~o o
01/01/1982 Q· 01/01/1982 ~-
~ 01/01/1983 o~~ 0: 01/01/1982 C'l
(I'J
o· · o1/01/1983 '-=--- g~ ~
i~
§ O· ?5·
~ 01/01/1984 z 01/01/1983
~ o1/o1/1984 - C":::=--- t-.;;
~- ~
(J)
o ' 01/01/1984
e Qj 01/01/1985 ~ > ~ . 01/01/1985 (1) l e::::::
01/01/1985 .o ~
~ I'T1 . 01/01/1986
~¡-< ...¡~
S::=
oS:=
Qj ' 01/01/1986 Qj 01/01/19861E- :::ti
~ ~ 01/01/1987 ~ (ij (ji
01/01/1987 I'T1 01/01/1987 . -· ~-
e: *"g:
~ ~ 01/01/1988
o"'! -< "'!
~
<1>
~
-·
o. 01/01/1989
~ 01/01/1990
S: $•
§2 ¡::;
D;1
íii
01/01/1988
01/01/1989
>O· 01/01/1988
o 01/01/1989
O·
z
O·
e:
~ Qj 01/01/1991 o 5·':J. !. 01/01/1990
01/01/1991
(")
o 01/01/1990
o 01/01/1991 8
~ 3:: 01/01/1992 3:: 01/01/1992 t::: 01/01/1992 P-
§::::
~
~-
~
01/01/1993 ~ 01/01/1993 5=: 01/01/1993 1'":::==---
01/01/1994 !11 01/01/1994 . '::J. 01/01/1994
~ ~ 01/01/1995 ., . 01/01/1995 .::.._ ' 01/01/1995
~ ,!ll 01/01/1996 01/01/1996 ~ 01/01/1996
s -,
g t:::
ovo111997
01/01/1998
t:::
~ 01/01/1997
i
(J) 01/01/1997
01/01/1998
(j) 01/01/1998
:::-: ~ 01101/1999 ""tJ 01/01/1999 01/01/1999
g m o11o112ooo d . 01/01/2000 ~ 01/01/200G
~ :0 01/01/2001 ~ . 01/01/2001 . "'t::l G1/01/2001
~ Ci 01/01/2002 ~ 01/01/2002 ~ 01/01/2002
S. ~- o110112oo3 . 01/01/2003 01/01/2003
~ ~ 01/01/2004 01/01/2004 01/01/2004
~ 01/01/2005 01/01/2005 01/01/2005
0.0~.
oo::.
~
S MASAS GRUPO 1
250000.00
1 1
¡u 200000.00 l----"
/ .....
w
a
~ / ...
V/.?
: 150000.00
2
w.o
OÜ
~~
:;:, ~00000.00
lE
-
:;:,
~ // _ _..__.......-< ~
..... _______.........
--
: 50000.00
,/ ~------
~
0.00
¿:::=:=: .... ~-
__..__.........-. ...
.... ~·-------
0.00 50000.00 100000.00 150000.00 200000.00 250000.00
CAUDAL ACUMULADO PROMEDIO EN MM3
')-----.-E""S""TA"'""C""IÓr.N"'""'U=P"""AM~A""Y'='o:=.:::=--...-::..::..=...::..c.;E~ST:,:::A::::;:CIÓN PTE _CHULEC --ESTACIÓN PTE STUART
Figura 4.12 Curva Doble Masa Histórico del Grupo 1, (Fuente Propia).
ANALISIS DE DOBLES MASAS GRUPO 11

14000.00
! 12000.00
w
a
~ 10000.00
~
lE
a¡~ 8000.00 V
g~
~ ¡¡¡ 6000.00 V ..... ~
lE
:;:,
/ ~
~
~ 4000.00
~
~
g ~
:;:,
~
2000.00
~
..--- ..
0.00
0.00 2000.00 4000.00 6000.00 8000.00 10000.00 12000.00 14000.00
--ESTACIÓN COCHAS TÚNEL -ESTACIÓN PllilASCOCHA -ESTACIÓN PACHACAYO
Figura 4.13 Curva Doble Masa Histórico del Grupo 1/, (Fuente Propia).
ANÁLISIS DE DOBLES MASAS

250000.00
iu 200000.00 V
~
w
a
~
: 150000.00
~
wz
o 'S!
a$i
~ 5100000.00
1
~
~ 50000.00 ~
~
~
o.oo ~ ---
0.00 50000.00 100000.00 150000.00 200000.00 250000.00
.-------~~-~~ULADOPRDMEP~M~3~~~~
-ESTACIÓN QUILLÓN -ESTACIÓN MOYA -ESTACIÓN LA MEJORADA
Figura 4.14 Curva Doble Masa Histórico del Grupo 1/J, (Fuente Propia).
ANÁLISIS DE DOBLES MASAS GRUPO 1

80000.00
i
... 70000.00
111 ¡.--
1:3
¡¡ 60000.00 ~
:e
~~0000.00
........ ~
o-
S~oooo.oo ~
::tlll
~ 30000.00 ¡.y
~
~ ~
/ ~
... 20000.00
ji / ~
......----- 1
~ 10000.00
0.00
~
~
...-----
o. 00 ,00.00 40000.00 60000.00 80000.00 ,,.,,.00 '""""·00 !
CAUDAL ACUMULADO ESTACIÓN BASE EN MM3
- ESTACION Uf'AMAYO -ESTACIÓN f'TE CHU~
Figura 4.15 Curva Doble Masa Histórico con Estación base Puente Stuart, (Fuente Propia).
8000.00
¡u /
111
1:3
7000.00
6000.00
~
v
i
:e
Zz 5000.00
/
lllo
/
~~
::tlll
4000.00
./
/
:e 3000.00
::t
~
V
/ ___...
2000.00
~
v ......... ¡-
~
= 1000.00
......
0.00
L
0.00 2000.00 4000.00 6000.00 8000.00 10000.00 12000.00 14000.00
CAUDAL ACUMULADO ESTACIÓN BASE EN MMJ
--ESTACIÓN GOCHAS TÚNEL -ESTACIÓN f'llilASCOCHA ]
Figura 4.16 Curva Doble Masa Histórico con Estación base Pachacayo, (Fuente Propia).
ANALISIS DE DOBLES MASAS GRUPO 111

ji
(:1 30000.00 +------+------·-+------+-------r=..-.-------1
111
D
i 25000.00 +-------+------·-+------+---;;;;;11""---t---------1
:e
zz
:1220000.00 + - - - - - - + - - - - - - + - - - - - - - : . 1 - " " F ' - - - - - - - - t - - - - - - - - - ;
D~
~ 515000.00 +-------+--------t:~-----+------t---------1
:e::t
~ 10000.00 +------+----"or::.=.---+------+~~.-."'-=----t---------1
1 5000.00 +-----...-'----f----:;:~....-=!t:::::!F------1---------'I-------l
0.00 ..,_.=-.:..-----+-------+-------+------1--------l
0.00 50000.00 100000.00 150000.00 200000.00 250000.00
CAUDAL ACUMULADO ESTACIÓN BASE EN MM3
[ -ESTACIÓN QUILLÓN -ESTACIÓN MOYA 1
Figura 4.17 Curva Doble Masa Histórico con Estación base La Mejorada, (Fuente Propia).
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Se1·ies Sintéticas
Para la identificación de inconsistencias se plotearon las series de

caudales en hidrogramas y rectas doble masa; las rectas doble masa, se
obtuvieron del ploteo que se realizó convirtiendo los caudales a unidades
medibles MM3 en las estaciones analizadas, resultando una rápida
identificación de los quiebres. Los quiebres en la recta doble masa
probablemente, representan las inconsistencias de los datos y la
identificación del tipo de inconsistencia se tuvo en cuenta observando las
rectas doble masa de cada grupo, y también de los hidrogramas.
De los gráficos de rectas doble masa (figuras 4. 12 al 4.14) se

seleccionaron las estaciones índices aquellas que presentan menores
puntos de quiebre en las rectas doble masa, y en las figuras 4.15 al4.17 se
identificaron los períodos confiables y dudosos, que con el análisis
estadístico se comprobaron si estos son significativos o no, teniendo lo
siguiente en cada grupo:
• Para el Grupo 1: de la figura 4.12 se identificó que la serie de Puente Stuart
tiene menos puntos de quiebre, definiendo a esta serie como estación
índice; en la figura 4.15 se muestra el ploteo de la estación índice en el
eje de las abcisas y las estaciones de Upamayo y Puente Ghúlec en el eje
de las ordenadas; de esta gráfica se identificaron los períodos dudosos y
confiables (tabla 4.5), considerando como período confiable aquella que
tiene un período mayor de años con respecto a los períodos dudosos; los
períodos dudosos serán evaluados estadísticamente. En las series de
Upamayo y Puente Ghúlec se identificaron 6 y 5 períodos dudosos
respectivamente.
• Para el Grupo 11: de la figura 4.13 se identificó que la serie de Pachacayo
tiene muy pocos puntos de quiebre, definiendo a esta serie como estación
índice, en la figura 4.16 se muestra el ploteo de la estación índice en el
eje de las abcisas y las estaciones de Gochas Túnel y Piñascocha en el
eje de las ordenadas; de esta gráfica se identificaron los períodos dudosos
y confiables (tabla 4.5), considerando como período confiable aquella que
tiene un mayor período de años con respecto a los períodos dudosos; los
períodos dudosos serán evaluados estadísticamente. En las series de
Gochas Túnel y Piñasocha se identificaron 5 períodos dudosos.
Autor: Jimy Marlon Bastidas Valdivia 1O1
Para el Grupo 111: de la figura 4.14 se identifico que la serie de La Mejorada

tiene pocos puntos de quiebre definiendo a esta serie como estación índice.
De la figura 4.17 se muestra el ploteo de la estación índice en el eje de las
abcisas y las estaciones de Quillón y Moya en el eje de las ordenadas, de
esta gráfica se identificaron los períodos dudosos y confiables {tabla 4.5),
considerando como período confiable aquella que tiene un mayor período de
años con respecto a los períodos dudosos; los períodos dudoso serán
evaluados estadísticamente. En las series de Quillón y Moya se identificaron
5 y 4 períodos dudosos respectivamente.
4.2.3. ANÁLISIS DE CONSISTENCIA EN SALTOS
Tomando en cuenta las consideraciones de análisis visual de los datos

originales (análisis de hidrogramas y análisis doble masa), e identificado los
períodos dudosos y confiables de las series de estaciones analizadas
teniendo en cuenta que los períodos confiables son los que tienen mayor
longitud y realizando el análisis estadístico en la media y desviación estándar
según las pruebas estadísticas t de Student y F de Fisher Snedecor
indicadas en al sección 2.2.2.1 (análisis de consistencia de datos
hidrológicos), permitiendo identificar, cuantificar, evaluar y corregir los
períodos dudosos a partir de los períodos confiables; aumentando así, la
bondad de ajuste. Los resultados se muestran en el tabla 4.6, donde la parte
resaltada indica los períodos donde el análisis estadístico de tendencia en la
media resulto no significativo.
4.2.4. ANÁLISIS DE CONSISTENCIA EN TENDENCIAS
Las tendencias se analizan tanto en la media como en la desviación

estándar utilizando la prueba de R 2 , siendo evaluada con el estadístico t de
Student para el ajuste, teniendo como resultado final una muestra de datos
homogéneos, consistentes y libres de tendencias. Se analizaron las series
libres de saltos, realizando el análisis de tendencia en toda la longitud de la
serie y en algunos períodos donde presentaron visualmente tendencias, de
las cuales estos períodos fueron evaluados y corregidos mostrando los
resultados, ver tablas 4. 7 y 4.8. Las filas resaltadas indican los períodos
donde el análisis estadístico en tendencias, resultó significativo.
Tabla 4.6 Resultados de los análisis de consistencia en los saltos, (Fuente Propia).
PSIIOOO!i POIOOO COIIFIIBLE PSIIOOODIIDOSO CIIISISTEHaAI!HAIIE!JtA CIIISISTEHCIAI!i LA DES V. EI!Nilll! ECUAGII»>
UTA.CIOM
CONFilfll.E1 OIJ!lOIO$ NI XI 11 N! Xl SI ,, liSll c.., Dl.iit- Fo F!Sll Ct»>P. 0.!1& ti&. A CCEF.8
1!5! IB10 1971 1973 60 19.11 15.15 !5 ll11 ~~~~ 1.6!7 1.185 Te>TI NO 1.757 1.122 Te>Tt ~ 1J2553 ~.21695
1956 1973 1971 1!111 llli 2>12 1991i 91 2(73 1!ZI W2 1.973 Te>Tt ~o 1.11! 1.401 Te>TI HO 1.05<45 .a!526ll
1956 1!!1 1982 11185 192 21.97 19.10 18 26.73 14.87 051!5 1.970 Te>TI NO 1.11)3 l.!fll '"TI ~ IJDI&I ·9.90107
UPNiAYO
11ll 19!5 19!6 1119.l :>40 25.51 1a9J ll 19.3ó 16.11 lWJ 1.957 To>Tt g 1.313 1.341 To>Ti 5I tmn 2.78206
11ll 19!3 11191 11119 336 lS51 18.111 72 20.54 21A! 1.975 1~ Te>TI g 1.292 1.331 Te>TI NO 0.87979 7.4ll13
1955 1939 lllOO 2005 jfll lS.S4 19.01 72 l!lól 16.89 2.119J 1.955 Te>TI SI 1.268 1!16 TPTI NO 1.12SOO 241045
1!!55 1970 1971 1971 60 47:tl 1a92 48 71~1 MAl 1071 1.913 '"'1 SI a531 15n Te>TI SI JJI!775 ·14.01551
1155 1971 1975 11111 1111 73.S! 12!1 S1,38 ~
PIJ!!ITECI!lli.EC 1155 19!1 11185 11168 221 7195

51.1!
5501 ¡¡ 63.70
ll.SI
Jl.9¡
191!
1215
1.171
l.iS!
Tt>Ti
Te>TI
NO
NO
1.7Jil
tll'l
1J9J
1.4il5
'""
Tt>Tt SI
IJIS3!
1.5511!1
·U!m
·25.352lll
1951 198! 191! 2\IXI m 7123 5587 1~ 50.85 35.15 I.SSl 1.951 Te>TI SI ws 1J70 Tt>Ti SI 1.55729 ·5.10554
19S5 li1IIO 2001 2005 420 7413 55 SO so 47.17 30.10 3!92 1.!5! Te>TI SI Ull U17 Te>TI SI 1.Mln ·1189331
1955 1970 1971 1!1!1 SI n.l! 4H1 107 9214 75.11 1.1311 1.975 Te>TI NO 1971 1.5211 Te>TI SI 172447 ~1.6f115
1!5! 1111 1982 1!1U 15! 92.17 5a37 120 8!.11 55J~B 0.912 1.151 Tt>Tt NO 1.ll\7 1.332 Te>TI HO 1.01282 l.61lll
P\ltlm STUAIU
1155 1531 111!5 lllll m ta71 53.n ¡¡ 7!.01 48.71 l..l3l 1.957 Te>TI SI I.JlS 1.403 Te>TI NO 1.15111 5.62305
1!1!! li1IIO 2001 2005 315 lil.ll SJ.15 ro 75.41 51.57 1l00 1.11S! Te>TI NO Ulll tm Te>TI HO I.IIJO!S 1D.9!615
1951 1971 1972 11111 12 6.18 5.91 1211 S.!! 5.21 0.!59 1.973 Te>TI ~o 1l72 1.41)1 T<>ll NO 1.1228l -ti.ll!JJ
1951 19!1 19112 I!I!'J 192 5.00 5.51 9! 1.l'J 1.53 2D40 usa Te>TI S 1.8!iS 1.330 Te> TI SI 0,73llll Ml746
COC!!AS!I)Na 1156 11119 199Q 11193 2!1! SJJO S.SO 48 ~~ 4.52 1.611 1.157 le>lt NO 1.4Sii 1.<31 Te>TI HO 111881 033124
1916 1119.l 11191 1999 335 5.eo S.39 n 4.19 3.76 1.523 1.155 le>TI NO l056 1.l81 Te>TI SI U33!3 ·1.05956
1956 199! 2000 2!liS jfll 5.!2 5.Jij n 6.15 5.911 a<!1 1.916 Te>TI NO 1.231 1.!26 Tt>TI NO !.80011 0.11150
1955 1971 1971 1979 n 1.55 1.5J 95 161 1ll 0.945 u¡¡ ic>Tt NO 1.321 1.452 Te>TI HO 017038 ·0.01559
1!151 1978 1il!ll 1111! 151 1.70 117 1211 111 1.79 0.183 1.9!! Te>TI NO Ull 1JI8 Te> TI HO 0.9!931 ~.02249
AWCOCNA 1955 1!1!9 1990 11191 2&\ 1.12 tn ro 1.111 1.06 2.933 1.!57 Te>TI SI 2.817 1AlB Te>TI SI 1.87847 O.DlSiiiJ
19!5 1991 11191 1999 348 1.12 tn so IJ19 O.!l 2.112 1~55 Te>TI g 4.019 1.122 Te>TI 5I 1151511 ~.SI S!
1916 19!9 2000 2005 loa 1.73 1.15 72 1.68 1.27 0233 1.965 Te>TI NO 1.931 1!16 Te>lt SI 1.38!52 -ti.61W
1S55 1172 1973 1056 83 9.63 8.01 l'5 ~~~~ 1~10 0.519 1.97! Tc>TI NO 1.l31 1Al5 Te>TI NO 0.18300 Ol7109
1165 1980 19111 19illl 119 1B.l11 atiil 1211 111.53 llll5 O.I!J 1.155 Tt>TI NO 1.112 1JI3 Te>TI NO ~9l581 6.11551
P!CHACAYD
1855 1!90 1991 1999 11!9 10JIJ 8.1! llll Ul 6.11 !BIS 1.855 Te>TI SI 2.556 1JI6 Te>TI SI 1.59!51 ·1.22525
1916 1!199 2000 2005 4ll5 10JIJ 9.81 10 9.D!I 1.44 0.972 1.955 Te>TI NO 1.751 1.382 Te>TI SI 1.32321 ·1.74118
1916 1971 1972 19111 12 10.07 9JO 11111 11.l8 1a&l om 1.973 Te>TI NO 1.151 1.441 Te>TI HO 115931 088192
1916 1!1111 11111 111M 1110 10.SS 10.21 48 1ao 1!5 0251 1171 Te>TI NO 1.321 1.611! Tr>Tt NO 1.15081 ·115527
Q\llllÓH 19!5 11194 1815 1992 218 1al8 1.91 115 8.62 8,20 11.$2 1.957 Tc>TI NO 1.1611 1.313 Te>TI HO 1.111110 o3SaJO
1955 1!!2 1i93 11119 !24 1~42 9.13 ¡¡ lal3 9.39 0~11 1.916 Tt>Tl NO 1.01l 1.J:i'l lt>TI NO IJIJl:li -1-!!192
1965 1999 liXIII 2005 1911 IW l55 71 1D.5l 9.22 a1¡¡ 1.!!55 Te>TI HO 1.1191 1!16 Te>TI HO IOISl& ~!!!71
1155 1971 1972 1979 12 ll93 20.12 85 11~1 21.55 1131 1.974 To>TI NO 1.41!1 1A.Il Te>TI SI 0.!1957 1.011!9'J
1!1!! 1979 lll!il 1991 151 ll.93 20116 IU 2176 71.33 0.074 11€! Te>TI NO 1.131 l.llll Te>TI HO 081029 ISSISO
Mr11A
1905 1!!1 1992 1999 312 21.15 lli6l !15 2lll3 2D51! 0.355 1.95$ Te>TI ~o 1.1112 1.lll Te>TI HO I.IIGSII6 0.73282
1S55 1!!11 liXIII 2005 401 1.U5 21157 72 lSJI i!l.55 O.ófil 1.955 Tc>TI NO 1JIJ2 1J75 Te>TI HO 1.00115 ·1.62330
1966 1175 11!6 19!5 120 191191 151J11 1211 171~2 IJ7J5 1Dll 1.170 7t>TI NO l.lJS 1.3SI HO 1.11118 OJ72:W
lll!li ~
'"" NO
LAIIEJtiRADA
19!!
1955
19!5
1995 19911
1005
11119 J30
1!1J4
17!15
115.111
H3.48
1211
48
1!6.29
141.1'3
1!8.14
lllJJ
0.9!2
1.470
1.9!7
1.955
'""
Te>TI
NO
NO
1.1ll1
2.223
131i
1ASl
Tt>TI
Te>TI SI
1.11519/l
1.49067
531019
·Jai'5a55
1955 1!9! lllll 21115 <liS 17!JS 141.22 72 166ó8 121.11 0545 1.855 Te>TI NO 1lle 1!16 Te>TI SI 1.1!253 ·20.62870
_NOTA: XI: PROMEDIO DEL GRUPO 1 Te: ESTADISTICO T DE STUDENT CALCULADO COEF. A: COEFICIENTE DE REGRESJON A
X2: PROMEDIO DEL GRUPO 2 T95%: ESTADISTICOTOE STUOENTTABULAR CONST. B: TERMINO CONSTANTE DE REGRESION B
S(X1 ): DESVIACION ESTANDAR DEL GRUPO 1 Fe: ESTADISTICO F DE SNEDECOR CALCULADO NI: NUMERO DE DATOS DEL GRUPO 1
S(X2): OESVIACION ESTANCAR DEL GRUPO 2 F 95%: ESTADISTICO F DE SNEDECOR TABULAR N2: NUMERO DE DATOS OEL GRUPO 2
Identificado el período confiable aquellos períodos que tiene mayor

longitud de años y los períodos dudosos, se realizaron las pruebas
estadísticas para identificar salto en la media y desviación estándar para
corregir los períodos dudosos que resultaran significativos según las pruebas
estadísticas de "t-Student" y "F-Fisher Snedecor". De los grupos de
estaciones hidrométricas seleccionadas resultaron corregidos los períodos
dudosos como son:
• Del Grupo 1: las estaciones de Upamayo y Puente Chúlec presentaron los

siguientes periodos confiables y dudosos, siendo evaluados y
cuantificados para que resulte una ecuación lineal de corrección de
periodos dudosos que resultaron significativos en una de las pruebas
estadísticas de "t" y "F" para la media y desviación estándar; de ésta
evaluación, re~ultaron significativos 5 períodos de los 6 identificados en la
estación Upamayo y todos los períodos resultaron significativos en la
estación Puente Chúlec.
• Del Grupo 11: las estaciones de Cachas Túnel y Piñascocha presentaron
los siguientes periodos confiables y dudosos, siendo evaluados y
cuantificados para que resulte una ecuación lineal de corrección de
períodos dudosos que resultaron significativos en una de las pruebas
estadísticas de "t" y "F" para la media y desviación estándar; de ésta
evaluación, resultaron significativos 2 períodos de los 5 identificados en la
estación Cachas Túnel y 3 períodos de los 5 identificados en la estación
Piñascocha.
• Del Grupo 111: las estaciones de Quillón y Moya presentaron los siguientes
periodos confiables y dudosos, siendo evaluados y cuantificados para que
resulte una ecuación lineal de corrección de periodos dudosos que
resultaron significativos en una de las pruebas estadísticas de "t" y "F"
para la media y desviación estándar; de ésta evaluación, ninguno resultó
de los 5 identificados en la estación Quillón y 2 períodos de los 4
identificados resultaron significativos en la estación Moya.
Tabla 4.7 Resultado de los análisis de tendencia en la media, (Fuente Propia).
PERIODO COEFICIENTE COEFICIENTE ESTADISTICO T

ESTACION TENDENaA COMPROBAaON TENDENCIA ~GNIFICATIVA
INICIO ANAL R Am Brn Te TU95'hl.
&l6 ~75 MEDIA QIU85 14.1!855 0.02SI6 Q52743 19!027 Te>=TI NO
mo tlB5 MEDIA QIJ294 24.1!168 Q0~9i 0.31l26 19Sil21 Te>=TI NO
UPmAYO ~gs
1!86 MEDIA -458 33.~ .Q095]0 tni&l 198!121 Te>=TI NO
!195 2005 MEDIA ft0071 216fiC o.rom 0.73728 19Sil21 Te>=TI NO
ll6li ~'ffi MEDIA -405ti 17.693fl -ll.oam 0.56306 19Sil21 Te>=TI NO
mo 1!05 UEDIA ·0.1!924 83.1J361 .{1.!1543 100700 19Sil21 Te>=TI NO
PUENTE CJfÚlEC
1!86 !195 MEDIA -0.0521 82.46540 .{1,09561 0.57~ 198027 Te>=TI NO
1190 200.1 MEDIA -0,0399 76.615~ -0.05657 0.4342i 198027 Te>=TI NO
ll6li ~'ffi MEDIA O.Oti1 9l.32m Ml!llill 0.177M 198472 Te>=TI NO
mo ll8ii MEDIA .Q.IE6 lli336Zl -11.25236 \Ofllll 198198 Te>=TI NO
PTESTUNU
ll8S !195 MEDIA -O.ll96 93.2E2 -1123007 1114551 198!57 Te>=TI NO
1996 200.1 MEDIA -ll.ml 1l2.24lll4 -0.23471 197001 19&lll Te>=TI NO
!J&6 S'ffi MEDIA Q0215 6.22893 0.00485 0.29855 I!IS!l27 Tc>=T1 NO
mo ll85 MEDIA -O.ll!l64 5.57113 -nll11!l 1052fi I!IS!l27 Te>=TI NO
COCHASnlNa
1386 !l95 MEDIA -0.1238 W9'.J7 .0.02259 142147 19Sil21 Te>=TI NO
1'195 200.1 ~EDIA -0.11455 617fi7 -0.110595 0.49ill1 19Sil21 Te>=TI NO
!J&6 ms MEDIA Q093!l 143540 0.00476 10001 I!IS!l27 Te>=TI NO
mo mi MEDIA ·QOO~ 183S85 .QOOJ05 Q67403 1!1!1111 Te>=TI NO
PIÑASCOCHA
ms S95 MEDIA -O.Q24 ~tml -0.0062.1 tm I!IS!l27 Te>=TI NO
tl96 200.1 NEDIA -O.ml 2.30lla -O.OOS56 li6597 !9Sil21 Te>=TI NO
956 8Th ~EDIA Q0074 &7870l 0.02969 1059:11 tfi Te>=TI NO
mo 1185 MEDIA ·0.01S9 fl.ll789 .0.1111655 0131ti I!IS!l27 Te>=TI NO
PACHACAYD
!l8S S95 MEDIA -O.ll83& 12.65229 .Q02)3i Q00376 tm Te>=TI NO
!195 2005 MEDIA ·0.0681 ll.S735D -0.011U5 0.735~ 1m Te>=TI NO
!l66 WIS ~.EDIA 0.08!1 IJ.Il9335 o.om 0.95111 19!il27 Te>=TI NO
mo Wl MEDIA -n~ 1(~154 ·ft01579 15~ ~llllfrl Te>=TI NO
tl81 !l85 MEDIA Q0514 9.35829 o.tl3m 0.51134 ~OOfrl Te>=TI NO
OOn.LOO
S56 ll85 MEDIA -0,0028 1!7889 .QIIII88J 0.~2 19699i'l Te>=TI NO
t185 S95 MEDIA .j)JJSil) tt154118 -0.02625 O.M 198027 Tc>=TI NO
ms 200.1 MEDIA .o.om tl3654i -li.Oml 0.64171 t9Sil21 Te>=TI NO
!!56 ms MEDIA Q020S U!93l9 O~fiSl Ol8762 t!l!il27 Te>=TI NO
1!16 !l85 MEDIA ftlm) !!.74962 o.om \02275 198027 Te>=TI NO
MOYA
S86 S95 MEDIA -ll.1!70 28.43861 -0.07«8 128003 I!IS!l27 Tc>=TI NO
ms 200.1 MEDIA ·O.OSOS 25.54l11J -O.Ol186 QSSD54 1981J27 Te>=TI NO
!!56 ms UEDIA QO!IJ2 ~51179 0.43725 111839 !9Sil21 Te>=TI NO
1!16 ll85 MEDIA ·ft031i 179.1J533 .O.f/533 0.3434ó !91l!l'l7 Te>=TI NO
ll!6 w MEDA -llllfi f&filfil -4156«9 32919i W!M Te>=TI SI
~ ~ MEllA -0.11881 311.00146 ·2l.OOl35 l!Mmi W!M Te>=TI g
LAMWADA al !la9 NEDIA ·Ql!ll! 311311133 ·28.823i9 l.20031 W!M Te>=TI S
9l9 !l!lJ UEDIA -0.1C6l 364lJ62.1 .v.ro!i&l lM 2.228M Te>=TI S
!l!ll mi ~EOIA ·0.11989 ~73938 ·125337 Q31lli 2.228~ Te>=TI NO
tl8! S95 ~EOIA Q0875 tl2.51763 0.34855 0.66859 ~OOfrl Tc>=Tt NO
1J96 2005 MEDIA ·ftml 2mllSO -0.54293 146129 19Sil21 Te>=TI NO
Te: ESTADÍSTICO T DE SlUDENT CALCULADO m: COEFICIENTE DE CORRELACIÓN UNEAL SIMPLE
Tt(95%t. ESTADISTICOT DE SlUDENTTABULAR Bm: COEACIENTE CONSTANTE DE CORRELACióN SIMPLE
Generació11 de Descargas en la Cuenca del Río Manta ro mediante el Uso de Modelos Estocásticos de Series Sintéticas
Autor: Jimy Marlon Bastidas Valdivia 1OS
FACVLTADDEINGENIERiA CIVIL
Tabla 4.8 Resultado de los análisis de tendencia en la desviación estándar, (Fuente

Propia).
PERIODO CCEFICIENTE COEfiCIENTE ESTADISTICO T

ESTAOON TfHDENCIA COIIPROBAQOO TENDENCIA SGNIFICATWA
INICIO FINAL R Am Bm Te 111~3%)
~ m5 DESVL~CIIJI ESTM'DA ftQ ~.5007J O.m35 ftfJ1i1 m Te» TI NO
S76 1m CESVIACII.N ESTÁ\'OA, 2.J¡)jQ Te» TI
-
·01384 9.72634 ·0.41!37 0.59«0 NO
UPAVAYO
SS! S95 CESVIACII.N ESTÁ\IJA -O.fi77 aomo -ft41185 ft45fi7 1.3iiJO Te» TI NO
~ ~ DESVIACfámrlil!lAl ft3230 fi&W o.51446 2.J¡)jQ Te» TI NO
\166 ~75 OCSVIACIIJI ESTM'OA iJ1Sl7 39.237111i 18l9S3 0.75U3 2ll&J Te»TI NO
fJ)fi 1JB5 CESVIACfi.N ESTÁ\'OA ·ft«OO 69.!10000 -4J9f64 !38597 2.J¡)jQ Te»TI NO
~JOOE C!lÚlEC
&SS ms CESVIACII.N ESTÁ\'!JA ·011i~ m¡m -0.56$4 a~513 lmJ Tc>-Tf NO
soo ~ DESVIACIIÍI ESTÁ\'OA -0.0~ 39.~ -O.fm d0l259 2.J¡)jQ Te»TI NO
!lflj m5 DESVIACiOO ESTmoA O.lil1 ~.528!5 lOl!i!l 0.47075 2.3iJ6lJ Tc>-Tf NO
976 ms IJESVIACII.N ESTlil!lA. -O.iilll ~-~ -4.37llli 127871 1.3iiJO Te» TI NO
PTESTU!JlT
mi ~ CESVIAC!i.N ESTlllDA -O.Oifl i1.57872 ·0.31191 ~ffil5 1.3iiJO Te» TI NO
llli ~5 IJESVIACII.N ESTNIDA -Ol141 ~ll2!5 .(JS«1 o.5Sfi3 1.3iiJO Te»TI NO
l166 m5 OESVL~C!IJI ESTM'DA ft3025 U94ll1 ftl!lló 0.89775 2.3iJ6lJ Tc>-T1 NO
ll76 1m OESVIACII.N ESTÁ\'DAI ·R0853 4.1ll13 .(Jfm12 014500 l:wl Tc>-Tf NO
COCHAS TÚN!l
1185 S95 IJESVL~Cii.N ESTMil.\ ·0.!122 5.98162 ·OklKI1 uma mo Te»TI NO
!l)j ~ OES'i1ACII.NESTIIlDA d!Sl 4.51J31 O.IJ18g om 2.J¡)jQ Tc>-Tf NO
!lflj ~75 DESVIAC!ill ESTM'OA 0.45~ !11753 0.119J55 !4J184 1.3iiJO Tc>-Tf NO
ll76 !l!5 DESVIACfi.N ESTlllDA -ODN (66Ql1 -000323 O.oot5 fm Te»TI NO
!lt!ISCf1Jl\
SS! SS OCSVIACII.N ESTM'DAR -O.llll !8958( -0.05371 0.!00(5 lliiJO Te» TI NO
119! ~ DES\\~C/ill ESTÁ\~R -0.2706 tsam .ftfMSil 0.~ 2.J¡)jQ Te»TI NO
l166 ~75 DESVL4CJI.W ESTM'OAR M1ID ~7«!l 0.74797 wm 2..~ Tc>-Tf NO
ll76 !l!5 OESVIACII.N ESTlilDAR 0.1124 7.300 o. m~ 0.49194 2.J¡)jQ Tc>-Tf NO
PACHICAYO
SS! ms OESVL~IÍI ESTÁ\~R .0.075!1 11.534!12 -O!l371 O.W1 2.3i)jlJ Te»TI HO
m6 ~ DESVIACII.N ESTM~R -O.OJ57 ~ ·O.WSS 0.24024 ¡:m¡ Tc>-Tf NO
!lflj m5 DESVIAC!rJi ESTtilDA 0.3S71 l.!mi o~ !081fi 1.3iiJO Te»TI NO
S76 ms CESVIACittl ESTMil.IF na11 ~557fl dmtl IJ.39fil 2.J¡)jQ Te»TI NO
OOillOO
~ ms OESVIACII.N ESTÁ\llAR MI~ 9.35&1 o.osm d!J571 2.3iJ6lJ Te»TI NO
l!li aJOS DESVL~Ciill ESTM'OA -Oml1 al~ll -0.00171 O.l'OOB 2.J¡)jQ Te»TI NO
1156 m5 OESVIAC!IJI ESTNIDAF 0.901 9.63332 0.~5944 O.i89Dl 1m Te»TI NO
S76 !l!5 OESIJIACII.N ESTMwt D.BlS 1!63543 0.8581! o.am lliiJO Te» TI NO
MOYA
1186 m¡¡ OESVL~Ciill ESTÁ\IJA -0.0001 20.SiJ57a -0.32551 017295 lli)¡'J Tc>-T1 NO
m6 ~ DESIJIACfi.NESTitiDA ·ft0202 11.33419 .O.OJQii 0.01102 2.3iJ6lJ Te»TI NO
tl6l1 al DESVIAC/00 ESTiffllA O.DtiS 1!0.61110 01936j OM WJ9 Te» TI NO
lAW(JW)A
SS! ~ OESVL~C/00 EST #11lAl omJ 11l.~6! 3.WE3 til25!6 l019 Tc>-T1 NO
Te: ESTAOISTICOT DE STUDENT CALCULADO Am: COEFICIENTE DE CORRELACIÓN LINEAl SIMPLE
TI(95%): ESTAD1STICO T DE STUDENT TABULAR Bm: COEFICIENTE CONSTANTE DE CORRELACIÓN SIMPLE
Corregido la inconsistencia en los saltos de períodos dudosos, se

identificaron las tendencias en los hidrogramas, todas las series fueron
analizadas en los posibles períodos que presentaran tendencias y en la
totalidad de la longitud de la serie, no encontrándose tendencias
significativas ni en la media ni en la desviación estándar.
4.3. COMPLETACIÓN DE DATOS
Obtenida series homogéneas libres de saltos y tendencias, se

completaron datos faltantes en algunos meses de las estaciones en estudio.
La completación se realizo con un programa de elaboración propia en hoja
de cálculo Excel, donde el programa realiza la verificación de los coeficientes
de correlación "R" en 4 diferentes modelos de ecuaciones lineales, de donde
se selecciona el mejor valor de "R2 , coeficiente de determinación" con la
prueba de t de Student. En las tablas 4.1 O al 4.13 se muestran las
ecuaciones de completación de datos faltantes entre estaciones. Las series
hidrológicas de caudales medios mensuales corregidos y completados se
presentan en el ANEXO 8-2. En las figuras 4.18 al 4.26 se muestran los
hidrogramas de caudales históricos y corregidos; y en las figuras 4.27 al 4.29
se muestran las rectas doble masa de los caudales corregidos y completados
de los 3 grupos de análisis.
Tabla 4.9 Modelos de ecuación de regresión para la completación de datos
Ecuaciones de
Completación
1 Y= a*X + b
Y= a*expA(b*X}
Donde:
Y valor completado de la estación incompleta correspondiente al
mes y año que se quiere completar.
X datos de la estación completa correspondiente al mes y año que
se quiere completar.
a,b: coeficientes de la ecuación obtenidas por regresión lineal.
Tabla 4.10 Ecuación de completación de datos faltantes para la estación Upamayo

(Fuente Propia).
ESTACIÓN UPAMAYO COMPLETA CON LA ESTACIÓN PUENTE CHÚLEC

MES FORMA DE ECUACIÓN SIGNIFICATIVO PRUEBA R R a b
ENE Y= a•x + b SI EXISTE CORRELACióN 0.7092 0.1482 0.4189

FEB Y= a•x + b SI EXISTE CORRELACIÓN 0.8511 0.3190 ·18.1850
FACULTADDEINGENIERiA CIVIL .
Tabla 4.11 Ecuación de completación de datos faltantes para la estación Puente Stuart
(Fuente Propia).
ESTACIÓN PUENTE STUART COMPLETADO CON LA ESTACIÓN PUENTE CHÚLEC
SI EXISTE CORRELACIÓN 0.6961

0.7561
JUL Y= a*XAb SI EXISTE CORRELACIÓN
AGO Y =a*XAb SI EXISTE CORRELACIÓN
SET Y = a*EXP(bX) SI EXISTE CORRELACIÓN
OCT Y= a*X + b SI EXISTE CORRELACIÓN 0.7
NOV 1Y=a*XAb 1SI EXISTE CORRELACIÓN 1
DIC Y= a*XAb SI EXISTE CORRELACIÓN. 1
Tabla 4.12 Ecuación de completación de datos faltantes para la estación Piñascocha,

(Fuente Propia).
ESTACIÓN PIÑASCOCHA COMPLETA CON LA ESTACIÓN PACHACAYO

MES FORMA DE ECUACIÓN SIGNIFICATIVO PRUEBA R R a b
SET Y= a•x + b SI EXISTE CORRELACIÓN 0.7462 0.1479 0.0964
Tabla 4.13 Ecuación de completación de datos faltantes para la estación Pachacayo,

(Fuente Propia).
ESTACIÓN PACHACAYO COMPLETA CON LA ESTACIÓN COCHAS TÚNEL

MES FORMA DE ECUACIÓ b
MAR Y= a•x + b 1.7126
MAY Y= a*X + b 1.9026
OCT Y= a*X + b
NOV Y= a*XAb
La completación se realizó con un programa de elaboración propia; la

completación de datos en las series analizadas y agrupadas se realizó con
los siguientes criterios:
• Para el Grupo 1, la estación Puente Chúlec no presenta datos faltantes y

las estaciones de Upamayo y Puente Stuart presentan datos faltantes en
2 y 12 meses respectivamente, esto llevó a completar los datos faltantes
con ecuaciones de regresión adecuadas para cada mes.
• Para el Grupo 11, la estación Pachacayo no presenta datos faltantes y las

estaciones de Cachas Túnel y Piñascocha presentan datos faltantes en 1
y 4 meses respectivamente, esto llevó a completar los datos faltantes con
ecuaciones de regresión adecuadas para cada mes.
• Para el Grupo 111, la estación Quillón, Moya y La Mejorada no presentan
datos faltantes.
HI.DROGRAMA CORREGIDO Y COMPLETA.DO HISTÓRICO

ESTACIÓN UPA.\fAYO
140.00
130.00
120.00
110.00
100.00
90.00
80.00
70.00
60.00
50.00
40.00
30.00
20.00
10.00
0.00
Figura 4.18 Hidrograma Corregido y Completado Histórico de la Estación Upamayo, (Fuente Propia).
IIIDROGRAMA CORREGIDO Y C01\1PLETA.DO HISTÓRICO

ESTACIÓN PUENTE CHÚLEC
420.00
400.00
380.00
360.00
340.00
320.00
300.00
280.00
260.00
240.00
220.00
200.00
180.00
160.00
140.00
120.00
100.00
80.00
60.00
40.00
20.00
0.00
Figura 4.19 Hidrograma Corregido y Completado Histórico de la Estación Puente Chúlec, (Fuente
Propia).
~~ p -o
o "'
o
o ., o
8
"'
o
o
.¡:...
o
o '"oo "11
-llt......~o..r..J,...,ww~.a::..c.nc.nmm-.....~-.,
t.nOtn0010tnOU'10CJ'lOCJ'lOCJ'1
0000000000000000 ~~
§'~ !! g o o
a o o o e gggggggggggggggg ()~
~ ~ '! 01/01/1966 r=:----------. ~ 01/01/1966 .......- - - - - - - - .
; 01/01/1966 ~===..----------, ~h3
§· c5: DI 01/01/1967 : 01/01/1967 ... 01/01/1967 t;:3~
';¿ ~ 01/01/1968 il» 01/01/1968
:§-
...
~ c,t)
~ ~~> Ñ 01/01/1969 ... 01/01/1969
01/01/1968
~ ~ ~ 01/01/1970
;:, 2 ~ 01/01/1971
,"-"---- *
~
01/01/1970
01/01/1971 í ~
~
. 01/01/1969
01/01/1970
01/01/1971
7
";:
.. ::;a=
~[§
~~
~ ~ c8 01/01/1972 !'::-=--- $ ~
~
01/01/1972 • ¡¡¡ 01/01/1972 ~Q
[ ~ ~ 01/01/1973 ¡1
Ci 01/01/1973 ¡ ~
¡; ~ Q) 01/01/1974 1 =
o Q) 01/01/1974 : ()
01/01/1973
01/01/1974 ~~
::::: ¡¡¡ () 01/01/1975 ~':::==--- b' 01/01/1975 = ~~
~~
o 01/01/1975
~Q ~ 01/01/1976 '"===-- ~ 01/01/1976 ~ ~ 01/01/1976
~: ~ ~ 01/01/1977 ~ 01/01/1977 o Q: 01/01/1977 Q~
!:) 2 §: 01/01/1978 ~
~
;¡... 01/01/1978 ~ 01/01/1978 ~n
~ ~::::=--
~
01/01/1979 (") () 01/01/1979
~
'<:: !Tl ;¡... () 01/01/1979
;; b' 01/01/1980
e· .g 01/01/1981 [/) o=
!Tl
....¡= -a~
~ 01/01/1980
01/01/1981 ~ ~ ~
~
01/01/1980
01/01/1981
f;¡
S.:= ~
~ 01/01/1982 ;¡:. t"J
01/01/1982 o (") nO e
E-
¡¡¡- n
~- ~
~ íir 01/01/1982
!
~
~ 01/01/1983 ~S §- . 01/01/1983 O· 0
z :=
n = §- . 01/01/1983
~
o 01/01/1984
~ . 01/01/1985 ""'o
z·
:t
E: '
01/01/1984
i o t"J ::t 01/01/1984 g~
o 01/01/1985 n ~ ~ 01/01/1985 ~
=
o(
g: ''::-:::::=:=- ~S ~
[ 0: 01/01/1986 ;¡:. (") 01/01/1986 ::ti
1 [/)o ~· 01/01/1986
¡:;· 8· 01/01/1987 ' 8 ::: 8' 01/01/1987 ! [/)o
::3
o 01/01/1987 [/) (~")
....¡ ...;¡
e:;.
~
1
Q. 01/01/1988 n ~ §- 01/01/1988 o(
§- 01/01/1988 e: O·
!t ~ 01/01/1989 ~ ~ ¡¡¡ ' 01/01/1989 l'::::::=- ~-(")
¡¡¡ ' 01/01/1989 > ~
S:::: 01/01/1990 ;;: , 01/01/1990 r ~ g; ' ~ (")
Q)
~ ~ 01/01/1991 t;::"'""~-- Ci s5: 1 o1to1t1991 ~ ¡¡¡

01/01/1990
01/01/1991 o
r
~ ~. 01/01/1992 o 01/01/1992 l'"l 5: 01/01/1992
~ g· 01/01/1993 ...:::: :::. ; 01/01/1993 ~~- ;: :::. 01/01/1993
~ J:! 01/01/1994 1---- (~")
...;¡ ~ 01/01/1994 . Ci ~ . 01/01/1994 l
~ al' 01/01/1995 O· g. 01/01/1995 . o ~ 01/01/1995
l...~
8=
¡·
.,s 8 0110111996
g. o1to1t1997 ..
2: ;
2! .
01/01/1996
01/01/1997 ~
~
2'
' 01/01/1996
¡
01/01/1997
~- ,lll 01/01/1998 ~ ' 01/01/1998 i~ ~ 01/01/1998 J
::!-. -:;, 01/01/1999 . :: 01/01/1999 ¡ ::..._ 01/01/1999
g ~ ' 01/01/2000 l >o> ¿; ' 01/01/2000 '¡·~:::=- ¿; l
01/01/2000
~ ¡ ' 01/01/2001 1 $;::::::=--- ~ 01/01/2001 ~ 1 01/01/2001 ¡
"lJ 01/01/2002 ·¡ ¡:¡; 01/01/2002 01/01/2002 '
1 .g
11>
01/01/2003 "';,;::-.:::::--- ~ 01/01/2003
(!)
if 01/01/2003 1 ~
~ iii' 01/01/2004 12. 01/01/2004 . 12. .--:=!=-
01/01/2004 ¡' .
-;:¡
~ ~ 01/01/2005 ~ 01/01/2005 ~ ' 01/01/2005 ; :::-:::--
"""""'~... ~~-----------------~
o:::-.
~
¡...a. ..... ¡....¡.~ ....... N .¡:. C1> 00 N w .¡:. 01 C1>
~fr N.¡:.C7'1000N.¡:.C7'100 o
oo
o
oo
o
o
o
o
o
o
o
oo
o
oo
o
oo
o
oo
o
oo
o
oo
o
oo ~~
("')~
-::S 0000000000
0000000000 o o o "11
.,9 ..
~
"11
o o o o o o o o o o "11
01/01/1966 m
e: 01/01/1966 ~t;3
::,..<'>
ii.
~
~~
e:
::S
ee:
.
01/01/1966
01/01/1967
iil 01/01/1968
cii'
e:
iil
fa
01/01/1967
01/01/1968
01/01/1969
....
,.... . iil
N
01/01/1967
01/01/1968
01/01/1969
~~
t::d3
:; t::;l
c- .. N 01/01/1969 ~ 01/01/1970
w
01/01/1970 &;§
::S ~ Ul 01/01/1970 r:::::: ~
= ~~
01/01/1971 01/01/1971
!;ol:l
~ 01/01/1971 *-~ Q.
a 01/01/1972
l:l~
-·a-~""
la ~
a
(Q
01/01/1972
01/01/1973
=
....
~
~
o
(Q
01/01/1972
01/01/1973
23~
~
(Q
Ql 01/01/1973 S
~ ~~
~ 3
1
Ql o ! 01/01/1974 o 01/01/1974 o ~~
lll
~~ 3Q) 01/01/1974 01/01/1975 C'l 01/01/1975
~b
01/01/1975 C'l Q) •
i (')
o C'l
i:):<""l
Q . 01/01/1976
~ (')
~ '
01/01/1976 ~ ~
01/01/1976 ~
a=
- Q~
-· 1:: 01/01/1977
~· ~ ~ 01/01/1977 > <Q .
01/01/1977
01/01/1978
a=
>
<9.
Q. 01/01/1978
a=
>
~ 01/01/1978 l"'l ' ¡} ; 01/01/1979 l"'l
o
'<:: . 01/01/1979 l"'l ~Q
~ o 01/01/1979 ¡ ¡
~ ~ 01/01/1980
~
'<:: 01/01/1980 (')
o 01/01/1980 lTI o
~ ~
e· .g 01/01/1981
(ll
Q ::ti
01/01/1981 F- ¡;; ~ ~ o
~
-
01/01/1981 ...¡
~ ~ C'l .g 01/01/1982 ~ C'l iD 01/01/1982 p; G"l
::S
S
C:1
'O 01/01/1982
iD 01/01/1983
6i 01/01/1984
g.
> 9
§. o
(b '
[ '
01/01/1983
01/01/1984 -==- Q 9
O· 0
6i 01/01/1983
g. 01/01/1984 ......
o~
z o
~ ~
~
J:-..;
z ~ o 01/01/1985 ~ z""'~ ~ 01/01/1985 ~
g:..
tO
;i 01/01/1985
~ 01/01/1986 a::: 8 ~ 01/01/1986 e:
p o
l"'l
(1)
0:
=::!.
01/01/1986 (') l"'l
:;¡:: o ::ti
0: 01/01/1987 ~ ... ~ 01/01/1987 1""' a= o 01/01/1987 p; a= C:::·
::l
rt g· 01/01/1988 > ::;; g· : 01/01/1988 O·
z
~
t""
~ ! 01/01/1988 . >
-<: t""
"1:1
!t. ~ 01/01/1989 ~ 01/01/1989 o i'"l
g. 01/01/1989 ~
Q.
~
i'"l
~
S:
e ¡¡¡- 01/01/1990
~ ~
01/01/1990
01/01/1991 r=- ~
~ ~
01/01/1990
o1/01/1991 ~o
~ [¡1 01/01/1991
01/01/1992 o ~ 01/01/1992 o (!¡ 01/01/1992
~
6i
o
o: 01/01/1993
23
~
~.
g·
' 01/01/1993
01/01/1994
¡
a...,
'JJ
¡);
::. 01/01/1993 .
01/01/1994 =
...,
'JJ
~ :::. 01/01/1994
o- o 'oJ' 01/01/1995
e- S:: 01/01/1995 01/01/1995 O· O·
~
1
::1'
""~ ~ 01/01/1996 §: 01/01/1996 ~ Q) 01/01/1996 ~
S ..,
.lll
01/01/1997 8 ,35' 01/01/1997 l"'l
o
o
; 01/01/1997
~ 01/01/1998
l"'l
o
.., . 01/01/1998
~- e:Q) 01/01/1998
!ii 01/01/1999 .., . 01/01/1999
::l-. ¡;¡_ 01/01/1999 r'"
;a !ii:::. 01/01/2000
"'e
""~ .,Q) 01/01/2000
01/01/2001 (!)
01/01/2000
01/01/2001
., (¡) 01/01/2001
a 01/01/2002 ~ 01/01/2002 01/01/2002
f(l
....
'O
~ 01/01/2003
'O
01/01/2003 a 01/01/2003
~- ~ ..... 'O
01/01/2004 01/01/2004
............ ~ 01/01/200401/01/2005
~
...... ::!
01/01/2005 01/01/2005
¡.......~..
..... :::t.
2
""
HIDROGRAMA CORREGIDO Y COMPLETADO IDSTÓRICO

1
ESTACIÓN LA MEJORADA
740.00
720.00
700.00
680.00
660.00
640.00
620.00
600.00
580.00
560.00
540.00
520.00
500.00
480.00
460.00
440.00
420.00
400.00
380.00
360.00
340.00
320.00
300.00
280.00
260.00
240.00
220.00
200.00
180.00
160.00
140.00
120.00
100.00
80.00
60.00
40.00
20.00
0.00 ~ .. ·~----·- -,-,.__~-------.--;---r"""::-~-·- · - · · - ,- - ,_,_ _ _ _ , -~~------;----
. -
Figura 4.26 Hidrograma Corregido y Completado Histórico de la Estación La Mejorada, (Fuente
Propia).

200000.00
z _.
'S 180000.00
:!
m16oooo.oo
/'"
.•
e
3
1&1
a
!i!
140000.00
v/r ¡.?
:E
120000.00
/_.
i5 100000.00
o _...~ ~ ...
...~ 80000.00
__ . ........~
:;:)
:E
/ /
v· ,....,.....---
:;:)
60000.00
~ ..... ...---.-
~........
../ / ........ --- .

40000.00
~
= 20000.00
ia~·
__...--+----
:..,...... ------~·-
...............
- .... .............-. ....... -----·· ....
··~----- -~
0.00
0.00 20000.00
-·------·
40000.00 60000.00 80000.00 100000.00 120000.00 140000.00 160000.00 180000.00 200000.00
j --..ESTACIÓN UPAMAYO -+-ESTACIÓN PTE CHÜLEC -ESTACIÓN PTE STUART )
Figura 4.27 Curva Doble Masa Corregido y Completado Histórico del Grupo 1, (Fuente Propia).

14000.00 .,.----....,---_.;::;;;;;::===:::::;:;=====;;====;::=:::::;.___...--____,
2000.00 4000.00 6000.00 8000.00 10000.00 12000.00 14000.00

L_________ ~r======~====ES=T=A=C=IÓ=N=C=O=CH=AS==T=Ú=NE=L======~===E=S=T=AC=IÓ=N==PI=~AS==C=O=CH=A====~-_____j

250000.00
z
'2
~200000.00
L/
5e
9150000.00
V
/
Ul
o
~
:¡¡;
2 100000.00
V
Ul
o
~~ 50000.00
1
V- 0.00
0.00 50000.00 100000.00 150000.00
~
200000.00 250000.00

-ESTACIÓN QUILLÓN -ESTACIÓN MOYA -ESTACIÓN LA MEJORADA
4.4. PROCESO DE DESESTACIONALIZACIÓN
4.4.1. ANÁLISIS PRELIMINAR DE LAS SERIES DE TIEMPO
De las series de descargas mensuales de las estaciones hidrométricas de

la Cuenca del Río Mantaro que fueron seleccionadas; y éstas cuentan con
registro histórico de 40 años (1966- 2005), tal como se indica en la tabla
4.1. Estas series de caudales, han sido tratadas y homogenizadas para luego
ser transformadas a series normales como se indica, a continuación.
4.4.2. TRANSFORMACIÓN LOGARÍTMICA
La componente residual para las series fueron normalizadas con la

transformación logarítmica utilizando la ecuación 2.40 descrita en la sección
2.6.4 y las ecuaciones 3.2 al 3.4 descrita en la sección 3.3.4, los resultados
se presentan en las figuras 4.30 al 4.38.
4.4.3. ESTANDARIZACIÓN
La componente residual para las series con transformación logarítmica

fueron estandarizadas con las fórmulas de la sección 2.6.4, los resultados se
presentan en las figuras 4.39 al4.47.
COMPONENTE RESIDUAL - LN
Estación Upamayo
2.000 - --- --~----------~--------------------
1.500 ·- ------ ------------~ - ----------------
i
1
-1.500
1
-2.000
TIEMPO !
--- ----~---------- - - - - - - ______ j
1
L_-
Figura 4.30 Componente Residual de la serie normalizada con transformación logarftmica -

Upamayo, (Fuente Propia).
Estación Puente Chúlec
3.000 ------ -----------
2.500 --- - - - ------------------1- --·------ ----
~ H~~ f --~jM~-~~~i -, ~1~·:..- ~i~:-~¡-~ -~-=- -~= -~ -- ~i'tmt-- ~
<
Q
0.500 . ,r,,. t;tfl¡t- r~'r
:::> o.ooo -~- - . ,· -+_ f.·;¡·' .u 1 • r· ~'i,.
"'-0.500 • 1 -1•!
~ -l.OOO q
1 fl
,36
l 1 11 ' ' ' 1
·._ .
-N_ ·r ;~,.-tJr t-l
¡,
' { H~- ~r"•·
~2l 198' 144 _ 180
,., '11 ~
¡ f\ M
Ji' t
-~~n.~ 1~-- r-- r.
1
1 '
~-i--
216 * ~2~2
11
•
t
l_,
11
~-~'·tr·h,·*' .lf,u,¡tt+- -r''r· -
JI1•
¡,,11-M•~ ! '·J
28~ 1 ~3-2~.
-;-~- ~t-¡¡rb·.¡, -,--t
1
Ai.¡.lf!¡l.¡,¡j}#. t . .rj¡.¡
"rl--1\-
·¡r '
360
' ••
1 • t -,
396r ¡4~2
1
~'
11
~~?~ 1
¡
-1.500
-2.000
1 1'~: l : J t rr
1
------- ---------=:~0--~=~~~ ---~---- j

-2.500 1
-3.000

Puente Chúlec, (Fuente Propia).
FACULTADDEINGENJERiA CIVIL
Estación Puente Stuart
2.000
1.500
1.000
1:3
--'
0.500
<(
::> 0.000
o
Vl
~ -0.500
-1.000
-1.500
-2.000
TIEMPO

Puente Stuart, (Fuente Propia).
Estación Gochas Túnel
3.000
2.500
2.000
1.500
Vl
LU
1.000
e! 0.500
6 0.000
¡¡; -0.500
LU
a: -1.000
-1.500
-2.000
-2.500
-3.000
TIEMPO

Gochas Túnel, (Fuente Propia).
Estación Piñascocha
3.000
2.500
2.000
1.500 ~~----- -~~--· ____ - --~--- '~1- l~ ~- L~~---t---
Vl 1.000 -
1 )- t 1• - l rrl' - , - "'1 - r -,1 - ~- +~, - f ~••t' - - - t111¡ · "-*tt'·
--1
l ~. 1' i
-t-1-
-t ~f T 1 :- J _, -l¡-
~ 0.500 T'
' 1'• l ~. r' 1·. ~ +'"., . '"\ ',._ .....
,. ' , ,..._,,
,, , t ¡ ':"-r,_r~ lt 't
-.,•rr-
1·4- ..,~ '... ··~¡.¡ ; 't t
1 ' l( '
>\ 1"'~'\jt \t;; -~ •
~ ' .
\
~~ '. J
~ 0.000 ti\ ~·ti- *-r~ ,_\J "'"\ t ••.• !'\
'~··~' 1 ., ,, '1 ... ¡~11 ~~·~ f~J. ,11 '\
, , ft
t-lt ~
t
... ,. 1¡ ••
·tt,¡., .• ··,;
t~L., '·1
r c.. .... ~- •
~N·
9 -0.500 .J.:! .. l !:- 1 'r ···-..J. , • tt~·. ,. r t 1""- ~V 1 + • -~• .. , . ~
1:3 -1.000 o 36 72 108 •;144 l80 ' 216 252 288 ,:iÚ4 360· "396 432 ~68
a: -1.500 ¡ • 1 :: '
-2.000
-2.500
-3.000
-3.500
TIEMPO

Piñascocha, (Fuente Propia).
Estación Pachacayo
2.000
~
::~:: ~ r· --~1F~-L l1
~. --1- -i-bt1-it--.--tl;t~·r'·kh---~-~n\-t' l-~ru~.-,:trr~~--
0.500 .
·iA,t !jr,·t~ 1 ',1 J'\flv\j~ ' ~~ . ~ l/ •\ f¡ ¡¡¡<\ 1~¡, !' ~>'fi/ • ¡ 1: ¡ ~ 11 , ~ , \¡~fi\ ~~~~
~ 1 ,~1.7i4¡fÍ¡·f··tf'.J.i~ ~rl . ,r~tttl4-4l¡-Jfú ·+•f\j 1~.,JV1~:u. fl}~l~·bt•-~J~~··1 ,¡~.¡ f·-'J . .
<1:
o.ooo
¡¡; , 1
), 1¡ • r'' t , \¡, J J, [i~ ~ , l!t 11 f 1Al , ~~•• ,y,
, ' 11, ~. ,¡,
11
li! -o.5oo o+-
·:'
1'36 -n-
,¡
1Bs· 144 -·~:lso l216
'
2s'2 288 J1,324
r
1
¡1
1
3601• 1 ~96 ·• u2·-1Mis
· ~~ ' 1 1 1 J ¡·
::::: 1 . . ·j 11 .. -
L ·2.000. _ _._-_--_·_--_-_-_-_-_·-_-_-_-_-_-_-_-_-_-_-_r,_E"M_Po_-_··-_·_-_-_-_·-_-_·-_-_-
__·-_-
_____,
Figura 4.35 Componente Residual de la serie normalizada con transformación Jogarftmica -

Pachacayo, (Fuente Propia).
COMPONENTE RESIDUAL • LN
Estación Quillón
--------------------

Quillón, (Fuente Propia).
Estación Moya
2.000 - - - - - - - - · - - - - - · · - - - - - - -
1.500
1.000
~ 0.500
<(
~ 0.000
¡¡;
)i! ·0.500
-1.000
-1.500
-2.000
TIEMPO
Figura 4.37 Componente Residual de la serie normalizada con transformación logarftmica - Moya,
(Fuente Propia).
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Sedes Sintéticas
COMPONENTE RESIDUAL- LN
Estación La Mejorada
1.500
1.000
V) 0.500
w
--'
<t
E o.ooo
¡¡;
w
a:: -0.500
-1.000
1
1 -1.500
L______ - ----- - -------

TIEMPO
Figura 4.38 Componente Residual de la serie normalizada con transformación logarftmica - La

Mejorada, (Fuente Propia).
COMPONENTE RESIDUAL - STAN

Estación Upamayo
4.000 ----------- ---- ----~------------
3.000 --- - - - - - - - -
2.000
~ 1.000
<t
E o.ooo
¡¡;
~ -1.000
-2.000
-3.000
-4.000
TIEMPO
----- -- ----------
Figura 4.39 Componente Residual de la serie normalizada estandarizada - Upamayo, (Fuente
Propia).
COMPONENTE RESIDUAL- STAN

Estación Puente Chúlec
3.000 - - - - --------· ---------------------------
2.000
V) 1.000
w
--'
<t
E o.ooo
¡¡;
w
a:: -1.000
-2.000
-3.000
TIEMPO
Figura 4.40 Componente Residual de la serie normalizada estandarizada - Puente Chúlec,

(Fuente Propia).
Autor: Jimy Mm·/on Bastidas Va/divia 117

Estación Puente Stuart
4.000
3.000
2.000
~ 1.000
<(
i5 0.000
Vi
~ -1.000
-2.000
-3.000
-4.000
TIEMPO 1
-- J
Figura 4.41 Componente Residual de la serie normalizada estandarizada - Puente Stuart, (Fuente
Propia).

Estación Gochas Túnel
4.000
3.000
2.000
~ 1.000
<(
i5 0.000
Vi
~ -1.000
-2.000
-3.000
-4.000
TIEMPO
Figura 4.42 Componente Residual de la serie normalizada estandarizada - Cachas Túnel, (Fuente
Propia).

Estación Piñascocha
4.000
3.000
2.000
~ 1.000
<(
g 0.000
Vi
~ -1.000
-2.000
-3.000
-4.000
TIEMPO
Figura 4.43 Componente Residual de la serie normalizada estandarizada - Piñascocha, (Fuente

Propia).
COMPONENTE RESIDUAL - ST AN
Estación Pachacayo
3.500 --------
2.500
1.500
V!
I.I.J
;t. 0.500
::::1
~ -0.500
I.I.J
c.:
-1.500
-2.500
-3.500
TIEMPO
------- -~--------
Figura 4.44 Componente Residual de la serie normalizada estandarizada - Pachacayo, (Fuente

Propia).
COMPONENTE RESIDUAL -STAN

Estación Quillón
4.000
3.000 ---·---------- - · - - · - - - - · - ---·----- - - -
1 TIEMPO
1
l- ---
Figura 4.45 Componente Residual de la serie normalizada estandarizada - Quillón, (Fuente
Propia).
COMPONENTE RESIDUAL - ST AN
Estación Moya
3.000 --- -- - - - - - · - - - - - ·-- - - - - - - - -·--- - - - . -- - - - --
2.000
lil 1.000
...J
<(
~ 0.000
¡¡:¡
I.I.J
c.: -1.000
-2.000
-3.000
TIEMPO
Figura 4.46 Componente Residual de la serie normalizada estandarizada - Moya, (Fuente Propia).

Estación La Mejorada
-2.000
-3.000
-4.000
TIEMPO
Figura 4.47 Componente Residual de la serie normalizada estandarizada - La Mejorada, (Fuente

Propia)
En todas las series se presentan una importante característica de

estacionalidad, de tal forma que las componentes aleatorias parecieran ser
pequeñas.
TRANSFORMACIÓN LOGAR(TMICA
Los gráficos de componentes residuales para series normalizadas con
transformación logarítmica, son los más representativos para realizar las
últimas verificaciones de periodicidad, estacionalidad y tendencias,
preservando comportamientos de estacionalidad y periodicidad que son
característicos con el comportamiento del régimen de descarga de esta
cuenca y no mostrando tendencias significativas que no sean confundidas
con el comportamiento de las residuales.
ESTANDARIZACIÓN
Los gráficos de componentes residuales, para series normalizadas y
después estandarizadas, no presentaron comportamientos de fuerte
periodicidad; preservando comportamientos de estacionalidad y periodicidad
que son característicos de la Cuenca, para el modelamiento se consideran
todos los datos de las series de descargas mensuales de las estaciones
hidrométricas seleccionadas.
Para el modelamiento se consideran todos los datos de las series de

descargas mensuales de las estaciones hidrométricas seleccionadas.
En las tablas 4.14 y 4.15 se muestran un resumen de los resultados.
Tabla 4.14 Series normalizadas con transformación logarítmica

-
Fig. Serie Comportamiento
No presenta comportamientos de fuerte periodicidad en toda la
4.30 UPAMAYO-Ln serie yen algunos tramos, la influencia del comportamiento
residual no es notoria.
4.31 PUENTE CHÚLEC • Ln serie yen algunos tramos, la influencia del comportamiento
4.32 PUENTE STUART • Ln serie yen algunos tramos, la influencia del comportamiento
4.33 COCHAS TÚNEL· Ln serie y en algunos tramos, la influencia del comportamiento
4.34 PIÑASCOCHA • Ln serie yen algunos tramos, la influencia del comportamiento
4.35 PACHACAYO • Ln serie yen algunos tramos, la influencia del comportamiento
4.36 QUILLÓN -Ln serie yen algunos tramos, la influencia del comportamiento
4.37 MOYA-Ln serie yen algunos tramos, la influencia del comportamiento
4.38 LA MEJORADA· Ln serie yen algunos tramos, la influencia del comportamiento
Tabla 4.15 Series normalizadas con transformación logarítmico y estandarizada

..
4.39 UPAMAYO ·Stand serie yen algunos tramos, la Influencia del comportamiento
4AO PUENTE CHÚLEC ·Stand serie yen algunos tramos, la influencia del comportamiento
4.41 PUENTE STUART • Stand serie yen algunos tramos, la influencia del comportamiento
4.42 COCHAS TÚNEL· Stand serie yen algunos tramos, la Influencia del comportamiento
4.43 PIAASCOCHA • Stand serie yen algunos tramos, la Influencia del comportamiento
4A4 PACHACAYO ·Stand serie yen algunos tramos, la influencia del comportamiento
4.45 QUILLÓN • Stand serie yen algunos tramos, la Influencia del comportamiento
4A6 MOYA-Stand serie yen algunos tramos, la influencia del comportamiento
4A7 LA MEJORADA· Stand serie yen algunos tramos, la influencia del comportamiento
UMVERSJDAD NACIONAL DEL CENTRO DEL PERÚ
4.4.4. FUNCIÓN DE AUTOCORRELACIÓN (FA)
Los gráficos de retardos de las residuales de las funciones de

autocorrelación para las series normalizadas con transformaciones
logarítmicas y estandarizadas fueron calculados con la ecuación 2.17 de la
sección 2.5.1 y utilizando el programa Minitab 17, los resultados se
presentan en las figuras 4.48 al 4.56 y 4.57 al 4.65.
Las tablas 4.16 y 4.18 se muestran en resumen los retardos que caen
fuera de los limites del correlograma de Anderson para un 95 % de nivel de
probabilidad, tanto para las series con transformación logarítmica (Tabla
4.16) y estandarización (Tabla 4.1 8).
FUNCIÓN DE AUTOCORRELACIÓN PARA UPAMAYO • LN

0.6000 ,----(con-límites-de-significancia-5%-para las-autocorr:elaciones)------
0.5000 m-------------------------------·---------------------
0.4000
0.3000
0.2000
0.1000
0.0000
.0.1000
-0.2000
-0.3000
6 11 16 21 26 31 36 41 46 51 56 61 66 71
-0.4000
-0.5000 ------------------------------------
-0.6000
Figura 4.48 Función de Autocorre/ación para la Estación Upamayo - LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARA PUENTE CHÚLEC • LN

0.7000 .,-----(con,límites-de ..significancia-S%-para-las-autocorr:elaciones)---·---·
0.6000
0.5000 ~------------------------------------------------
0.4000
0.3000 - -
.fhliir-,---,-_,.,.,.;;;.::t~::--':~----::--.:::;.::-~-~;
0.2000
0.1000
~;_;:;~;~J®~~;;;;';~~t.k~~;~;~~~;J~~i
0.0000
-0.1000
-0.2000
-0.3000 --6-H-16--21-:26-3-1-36--4-1-46-51-56--61-66-71-
-0.4000
-0.5000 ~--------
-0.6000 - - - - - - - - - - - - - - ------------·------
.0.7000
Figura 4.49 Función de Autocorrelación para la Estación Puente Chú/ec - LN, (Fuente Propia).
Generación de Descargas en la Cuenca del Río Manto ro mediante el Uso de Modelos Estocásticos de Series Sintéticas
Autor: Jimy Marlon Bastidas Valdivia 122 -
e •••••• ••••• _. ••• •••• ••• •• ••••• • •• •••• ••• ••• •••• ••• •••• ••• •• •• ••• ••• ·••••••••·-•• •••••••••••••••••••••• '"'"•'' • ••••··-·••• ••- -••••••••• • • ••••••••••••• •• ••¡
FUNCIÓN DE AUTOCORRELACIÓN PARA PUENTE STUART- LN 1
! 0.6000 . -··--"·(con.límites.de.significancia.5%.par:a.las.autocor:relaciones)---~----~·--···-- ¡
¡0.5000 '"··---·---·--·-----~------------~-~---------··---··---~~-----------·-·----- ¡
1 0.4000 J ., ~-~·----------~----------·-··-··-···--·-------·----~·- -·--------~--~-~-·---·~-·----·--·--- 1
¡ o. 3000 ' ._ ·-· ____ ,-M---~---··---··-·---~-·--~~·--·--·-~·-·-~-~-···-·- -~----·-·~-····---··------~~--·~-·--~--~--~-·-~------A·~~ t
!l:§ !~~~~-~~~-.~~~~~- 7-~~i-~-~~~-~-~~~~~~-~~-··i-é~~~~~~ i

l- ·--6--li·---~-16~-2i·---26~31 -~36~--4~
0 .2000 66~-71 ~ ·--46-sT-56·--·-61_____
¡-0.3000
¡-0.4000
!
l-0.5000
1
:; -0.6000 --------.-·--·-···--·-····-~--~-···:-·--------·-· -.-~------···---.-·--~·---~--~--------------~-- ~--···--~-~----------~-- f
L----· ----~----"~~·- ---------~·--·--.·--------------..-~-.. - ...~--.. · - ' - - - - · - - - · - ·----~"""' -~--~---·· _\
Figura 4.50 Función de Autocorrelación para la Estación Puente Stuart - LN, (Fuente Propia).
. . ..... .. .. . -~-~~~~6~~~-~~~~~~~-~E~~~~~ P~~ ~~C~~ ~Ú·~;~-~ L~ - ... .. ... -- .. ·-¡

O. 7000 ·-·----- -~( con-límites-de-significancia-5% -para-las-autocorrelaciones)--~------------~---
0.6000
0.5000
¡ 0.4000 . ·-----·-·· ·--..··-· -------- ........... _____ , ________ ,_____......_._......... ·------···...--------------·----·-·------..----·-
l 0.3000 ! ··--·-.---~·----· -----·---~--------·-- ..-~--·--· ..-----·--·" ----·-·-----·--····---· ... · - - - - · - - - - - -....
: 0.2000
i 0.1000 ·-·-·-·-"---,li-·--..·--~,~·~lffi-·,·..O...·t-r··-~r.·--... ---~--·-----:·-~~ .... ---~-~------ -:----~---·-
1
; 0.0000 ·• 11~ •.J' :11·-~ _ t· '• J.· i .. Í. ·tJI·I-11·111-1-._~ .• ·1. '·' '} f "~ "_!
1
~111·.' '"e~' J "_ ~ .~ ~ f·······
~-==~~:!~~==~:::::::-~:-~-~~~:-~~:~:~H~~~::~~{~~~~-:!~::1'
(· r 'f ·. t f
1
¡-0.1000
¡-0.2000
-0.3000 ~-- -~6 -----H---16·---21-----26 ---31---36·-·. -·H·--~46·--·-S·r-·56-·-·61---66·---'71·
;
:-0.4000 ~- -·---..._..,.~7"oo,~-L- ...
~'~---·-~·~-·--- ~-,....,.=~·-·~.....,.~--~--=---~-~ ~--~·--·'-"""""-,.....,.~...,. ~~---- -~·"""'·--~---~~~
t-0.5000 . --·--- --··-------~-~ . ·--··-----~-.--~----.-.-~--···--·--·-·---~~-····--··-··----~ ........ _ ......____ _

¡-0.6000
:-o.1ooo ..... ---·---· ---.........."-----··---~·-·--- . ·--··-- . --------·~·--·-·-------~·~---··---·--·
Figura 4.51 Función de Autocorrelación para la Estación Gochas Túnel - LN, (Fuente Propia).
r..........................................._. -....-- ........" ...................- . . ____............................-............--.. - ...................... --·¡
10.6000
' 0.5000
------1::~~!~::~;~::.'=~~~~~:.~!::~':;.':.~-- -------- ¡1
~ --- . -~~----~ ----~-------- . ···---~·---.................-------~--..... ~---..-~---'---·-·--------··-- .. ~..
1 0.4000 ' '-,....~----•·<--- ------·-------.. ·----·------·--·--..-·---..------------·----·~-- ..- - - · - · l
i 0.3000 -----~-·----..--------..,~-~----~..---·-----..---~--·-- ,._,__, _______._______ ~ ..........._.,,.. l
!0.2000 ............._, _______~~--·-···- ·----- -·-.-· -~--- ________, _____ .._ ..-~~ .."---·--~---·-..----·-··----·- -- l
¡ 0.1000 -----·-·t·-·-"--·----------..-·-·-·-!Hifl.:·-·--·-·-]f'-·-·-·--·---·----·-·----·
J·.··a·:J..••· •1 \'"· ·1 :1111 r · , . r el- ~ :. ~ ' ·1.111~ · ;
1:. ~
~ -1 · · ~ ' , • ;
¡
-... ,,·:w:·.. ~t. ,.-y:- 'l-,....... .. "!'J(•I'sl• ->
·, r • r ' r i
--~•l~"li("· ··~'~"'·,.4~~··:"'·~·"",., 1
¡ 1 ,. 1· ··111 r ' ·· 1 ' ; 1
1 o.oooo .,
l-0.1000 -~-~-... ---....~--r~- ....- ...........~:....- ... - - ...-~---=--' -.. .-.. ..,;.&:-~-..............,---··· j
11~ 0o. 23°o0o0o -------- .,......---~-·--· - ......._____ -~- . .·-------- ......._____...._ .. _____~·----·-·-------.----.-----·- ...... -·- ~¡·.
_ ____6_..~_1.J....~!~--.....1.L _fJ'-~-ª-~-----ª-º . -- Al.~_4J;~__21__~-~...--º.!_~§§___,.2,.t ,
1-0.4000 ----~--~--·----·--....-~·-~-~-..----.------------~-·"·~~-..-~ ..-·~---·--·..·-----~-·-···---- ¡
1-0.5000 ---·-·-·----------...--------·-----·-·---· ·--~..--·---·-·----·~- ______, _____.,,_, i
to·~-~?.o. ___ =:--=.~:-.~-:.:-:~-~--===-~-=-==~:::::..... :~~=:-=~ -:::_~~~:==:~~==~=::-:-.::~=-~==~.---.:~-=-~~-==::~:=-~:.::::~
Figura 4.52 Función de Autocorrelación para la Estación Piñascocha - LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARA PACHACAVO - LN

0.6000 ~---(con.límites.de.significancia-5%-para.las.autocorr:elaciones)
0.5000
0.4000
0.3000 -------
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000
6 11 16 21 26 31 36 41 46 51 56 61 66 71
-0.4000
-0.5000
-0.6000 -----------
Figura 4.53 Función de Autocorrelación para la Estación Pachacayo - LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARA QUILLÓN • LN

0.6000 ---~(con~ímites-de-slgnificancia-S%·para-las-autocorrelaciones)---·----
0.5000
0.4000
0.3000
0.2000 -~------------
0.1000
0.0000
-0.1000
-0.2000
-0.3000 6 11 16 21 26 31 36 41 46 51 56 6l__&p~
-0.4000
-0.5000
¡-0.60~--c-_--------------------------------------------------
Figura 4.54 Función de Autocorrelación para la Estación Quillón - LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARA MOYA- LN

0.7000 ¡¡-----,(con-limltes-de-slgnificancla-5%-para~as-autocorrelaciones)--------
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000
-0.4000
-0.5000
-0.6000
-0.7000
Figura 4.55 Función de Autocorrelación para la Estación Moya - LN, (Fuente Propia).
Autor: Jimy Mm·Zon Bastidas Valdivia 124
FUNCIÓN DE AUTOCORRELACIÓN PARA LA MEJORADA· LN

0.7000 ----(c;on-límites-de-signifkanc;ia-5%-para-las-autoc;orrelac:iones)--------
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000 ·-6-11-16-21-26-31--36-41:-46-S-1-56-61-66-71:-
-0.4000
-0.5000
-0.6000
-0.7000
Figura 4.56 Función de Autocorrelación para la Estación La Mejorada - LN, (Fuente Propia).
Tabla 4.16 Función de Autocorrelación (FA)- LN, (Fuente Propia).
Número de retardos que caen fuera de la banda de confianza para la Función de

Autocorrelación de las Series Históricas Corregidas y completadas, con
transformación Logarítmica
Fig. Serie Pts. Fuera del Limite
4.48 1 Upamayo-Ln 5
A An 0
'~ec-Ln 16
4.50 Puente Stuart-Ln 8
4.51 Cachas Túnei-Ln 17
4.52 Piñascocha-Ln 9
4.53 Pachacayo-Ln 10
. 4.54 Quillón-Ln 4
4.55 Moya-Ln 17
4.56 La Mejorada-Ln 13
Las funciones de autocorrelación para series normalizadas con

transformación logarítmica presentan primeros retardos positivos con lento
decaimiento exponencial e incompleto comportamiento sinusoidal y ondas
amortiguadas, interrumpiéndose después con retardos negativos
perdiéndose dentro de la banda de confianza.
Las series aleatorias de residuales normalizadas con transformación

logarítmica no presentan una función de autocorrelación totalmente
periódica. Esto demuestra que la corrección que se hizo para homogenizar
Autor: Jimy Marlon Bastidas Valdi via 125
los datos influencia en las series residuales obtenidas en las

transformaciones. En la tabla 4. 17 se muestra las características de cada
serie analizada.
Tabla 4.17 Prueba de Anderson para la Función de Autocorrelación de las Series
Históricas Corregidas y Completada, con Transformación Logarítmica.
Prueba de Anderson para la Función de Autocorrelaclón de las Series Históricas Corregidas y Completada,
con Transformación Logarítmica.
i Fig. Serie Comportamiento
Primeros retardos positiws con decaimiento exponencial yluego se interrumpe con retardos
4.48 UPAMAYO· Ln
negatiws ycomportamiento sinusoidal no definido.
Primeros retardos positiws con lento decaimiento exponencial yondas amortiguadas, luego
4.49 PUENTE CHÚLEC - Ln
interrumpiéndose con retardos negatiws ycomportamiento sinusoidal no definido.
Primeros retardos positiws con lento decaimiento exponencial yluego se interrumpe con
4.50 PUENTE STUART - Ln
retardos negatiws ycomportamiento sinusoidal no definido.
Primeros retardos positiws con decaimiento exponencial yluego se interrumpe con retardos
4.51 COCHAS TÚNEL • Ln
negatiws ycomportamiento sinusoidal no definido.
Primeros retardos positiws con decaimiento exponencial yondas amortiguadas, luego
4.52 PIÑASCOCHA • Ln
interrumpiéndose con retardos negatiws ypositiws ycomportamiento sinusoidal no definido.
Primeros retardos positiws con decaimiento exponencial yondas amortiguadas, luego
4.53 PACHACAYO • Ln
interrumpiéndose con retardos negatiws ypositiws ycomportamiento sinusoidal no definido.
Primeros retardos positiws con decaimiento exponencial y comportamiento sinusoidal
4.54 QUILLÓN • Ln
Interrumpiéndose con ondas amortiguadas de retardos negatiws.
Primeros retardos positiws con decaimiento ycomportamiento sinusoidal Interrumpiéndose
4.55 MOYA-Ln
con ondas amortiguadas de retardos negatiws.
Primeros retardos positiws con decaimiento exponencial yse interrumpe con retardos
4.56 LA MEJORADA· Ln
posltiws ynegatiws con comportamle.nto sinusoidal no definido yondas amortiguadas.
FUNCIÓN DE AUTOCORRELACIÓN PARA UPAMAYO- STAN

0.6000 ... -· ...... -~con límites .de significancia.S%.para las autocorrelaciones) ______ .. ____... _ .. _
0.5000 -----·-------- ----·----------------------
0.4000 -------------------- ---------------
0.3000
0.2000 -----------
0.1000
0.0000
-0.1000
-0.2000
6 11 16 21
---·-------·------------_.. .. _
26 31 36 41 46 51 56 61 66 71
_______
-0.3000 ·----·---
1" 40: ··-====---·----------------------~~==-----_-_·-__-_-_-_-_-__-_-_--==~--~-=

Figura 4.57 Función de Autocorrelación para la Estación Upamayo- STAN, (Fuente Propia).
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Ser·ies Sintéticas
FUNCIÓN DE AUTOCORRELACIÓN PARA PUENTE CHÚLEC- STAN

o. 7000 -----(c:on-límites-de-significancia-5%-para-las-autocorrelaciones)---------
0.6000
0.5000 -------------------------------------------
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000 ·---6--H--16·--2-1-:26--31-36--41---46--51--56-61--66-71-
-0.4000
-0.5000
-0.6000 ------------~----------------------
-0.7000 ------------· ----------------------

Figura 4.58 Función de Autocorrelación para la Estación Puente Chúlec- STAN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARA PUENTE STUART- STAN

o. 7000 ------ -·· ---(con-límites-de-significa ncia-5%-para-las .a utocorrelaciones)--·-----------·------·-
0.6000 -------------------------------------
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000 ---- ····---··· ·-···- . ··--·-·· ·····--·- ---·-- ---------- ··- ·-- ······---·--"'. -··--- ... ·-·-- --·-·-- ······---- ---·-- ·- -···
-o.3ooo -6-1-1--1-6--21-z6--31--36--41-46--51--·S6-61-66-71-
-oAooo
-0.5000 -------------------------------
-0.6000 -------------------.,---·
,-o.7000
Figura 4.59 Función de Autocorrelación para la Estación Puente Stuarl- STAN, (Fuente Propia).
---- -------- ------~~~;¿~-~~-~~;~~~~~;~~;~N·;;~~~~-~H~-;~~-;~~-~;~~ -------- ----------

_-----(con-límites-de-signific;ancia-5%-para-las-autocorrelaciones)--------
f0.7000
0.6000 - - - -· -----
0.5000 ------------------- -------
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-{).2000
-0.3000 ---6-H-16-21-·-·-:26--31-36--41--46--S-1-56--61---66--71-
-0.4000
-0.5000 ~-------------------- ----- -------------
-0.6000
-{).7000 --------------------------------------
Figura 4.60 Función de Autocorrelación para la Estación Gochas Túnel- STAN, (Fuente Propia).
Generación de Descargas en la Cuenca del Río ManUlro mediante el Uso de Modelos Estocásticos de Series Sintéticas
FUNCIÓN DE AUTOCORRELACIÓN PARA PIÑASCOCHA- STAN

0.6000 ,-----(c:on-límites-de-signifkancia-5%-para-las-autocorreladones)-----·--
0.5000 -------
0.4000 ,----------~
0.3000 -··--------
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000
-0.4000 --··----·-----
-0.5000
-0.6000
Figura 4.61 Función de Autocorrelación para la Estación Piñascocha - STAN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARA PACHACAVO- STAN

0.6000 ..----(con-lfmites-de-significanGia-5%-para-las-autocorrelaciones)--------
0.5000
0.4000
0.3000 -·-------
0.2000
0.1000
..
;,T-~-~~-~~~~=·-:"~~·-~----~-~,~~f~~- ~:;fii·Da:)·-~---:-~:;t~~-~-;·-~-~::~--~--~~··
. "·· ,.,y..w ... , -. -· • "Tllfll·-u··q'T., . ~r~,
,. . ,.~,.~. nlt'"ii ··rtf·· ~.~d,,t..y,. 7~~.1f·~,'
0.0000
~ ·,,_·;·"''': '- ¡;. ,. ~ . ··<·]~.,ji ·1•
1
'> ·'".· .~·. ,· ,..._~ :_- ~.· ~~-- >'v ··: ' 'r.
-0.1000 _.,..·~--~-~ -~\":". .". ~e·~-"1~-~-e-~:...-:~-~~ ~-e·e.:~.-e~·~:~·~~-~-~: . . ..:"" ·~ . e-~~-~;~,:~-=~ . ~-~-~-~.;e~-~~
-0.2000 ----- --,:-
-0.3000
-0.4000
-0.5000
-0.6000
Figura 4.62 Función de Autocorrelación para la Estación Pachacayo- STAN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARA QUILLÓN- STAN

0.7000 ---(con.Jímites-de-significancia-S%para-las-autocorrelaciones}----·..· - - -
0.6000
0.5000
0.4000 -------
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000 ·---6-11--16--21--26--31--36-·4-1--46-Si-56--61---66---11-
-0:4000
-0.5000 --------- ---·--------------- ---·----
-0.6000 - -·-----·-·-·-·---------···--------·-·---·-------·--·-··--------·--·----··----·-·--·---··-----·-
-0.7000 ---·---·-·-------------·------------------
Figura 4.63 Función de Autocorrelación para la Estación Quillón- STAN, (Fuente Propia).
--- ·····-- . -- -----. ---· --- --·-----··-· ---··-~----··-· -------- --·-··--·-·-----·--·-··-------------------··-·----¡
FUNCIÓN DE AUTOCORRELACIÓN PARA MOYA- STAN
0.8000 ..-----·(con·límites·de·significancia·S%-para·las·autocorrelaciones)-------
0.7000
0.6000
0.5000
0.4000
--------·----------·------------------ , ____________ ______
. .~~RJ~~--~:'~=~-., .... -=;-:;::~-7;-~-c:---·;
0.3000
0.2000
0.1000
•~:,,;::_;;;:;~~~~~~~~~J!.~.!~:mlt~~
0.0000
-0.1000
-o.2000
-0.3000
-D.4000 fl--6-...ll.-16--21-26---31--36-41-46---51-56--61-66--.7.1.
·0.5000
-0.6000
-0.7000 1---------------------------------------
-0.8000
Figura 4.64 Función de Autocorrelación para la Estación Moya- STAN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARA LA MEJORADA- STAN

0.8000 -----(tbñ-límites~dtrsig-nifitaltcia-s%-p-a·ra·la-s·autoccnrelaciCfnes)-·
0.7000 -----------------------------------------
0.6000
0.5000
---------------------------------------------------
-----·-----------
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000
-0.4000 -- -----6----- -·-1-1··---16---·-2-1· ----26---- 31----36- ----41----46-..··-51--56----61---- 66- --7-1
,_~_l_5_i_-~--=__=___- =~.- - - - =-·-=- _-_-=- ~·--·-=--=-·---·=--~--=~-~--_.-:-=-----------·--- =-_-

_ -_- ··1
Figura 4.65 Función de Autocorrelación para la Estación La Mejorada- STAN, (Fuente Propia).
Tabla 4.18 Función de Autocorrelacíón (FA)- STAN, (Fuente Propia).
Número de retardos que caen fuera de la banda de confianza para la Fuhción de

Autocorrelación de las Series Históricas Corregidas y completadas, con transfonnación Logarítmica y
Estandarizadas
0 4.58
Upamayo-Stand
1 Puente Chúlec-Stand
15
12
1
0 Puente Stuart-Stand 8
-~ Cochas Túnel-Stand 14
4.61 1 Piñascocha-Stand 12
1
0 Pachacayo-8tand 11
4.63 1Quillón-8tand 23
1
4.64 Moya-Stand 21
4.65 La Mejorada-Stand 15
Las Funciones de autocorrelación para series normalizadas y después

estandarizadas presentan lo primeros retardos positivos, decrece en forma
exponencial y con ondas amortiguadas interrumpiéndose con retardos
negativos de ondas amortiguadas.
Las series aleatorias de residuales normalizadas y Juego estandarizadas

no presentan funciones de autocorrelación totalmente periódicas,
presentando comportamientos semejantes a las funciones de
autocorrelación normalizadas con transformación logarítmico. Esto
demuestra que la corrección que se hizo para homogenizar los datos
influencia en las series residuales obtenidas en las transformaciones. En la
tabla 4.19 se muestra las características de las series.
Tabla 4.19 Prueba de Anderson para la Función de Autocorrelación de /as Series

Históricas Corregidas y Completada, con Transformación Logarítmica y Estandarizadas
--· -- - -· --- --
Prueba de Anderson para la Función de Autocorrelación de las Series Históricas Corregidas y Completada,
con Transformación Logarítmica y Estandarizadas.
Primeros retardos positiws con lento decaimiento exponencial yondas amortiguadas.
4.57 UPAMAYO- Stand
luego interrumpiéndose con retardos negatiws y comportamiento sinusoidal no definido.
Primeros retardos positiws con lento decaimiento exponencial y ondas amortiguadas,

4.58 PUENTE CHÚLEC • Stand
Primeros retardos posltiws con lento decaimiento exponencial y ondas amortiguadas,

4.59 PUENTE STUART - Stand
Primeros retardos positiws con decaimiento exponencial y luego se interrumpe con
4.60 COCHAS TÚNEL • Stand
retardos negatiws ycomportamiento sinusoidal no definido.
4.61 PI~ASCOCHA • Stand
Primeros retardos positiws con decaimiento exponencial ycomportamiento sinusoidal
4.62 PACHACAYO ·Stand
interrumpiéndose con ondas amortiguadas de retardos negatiws.
Primeros retardos positiws con decaimiento exponencial y comportamiento sinusoidal
4.63 QUILLÓN • Stand
interrumpiéndose con ondas amortiguadas de retardos negatiws.
4.64 MOYA-Stand
Primeros retardos positiws con lento decaimiento exponencial yondas amortiguadas,

4.65 LA MEJORADA· Stand
4.4.5. FUNCIÓN DE AUTOCORRELACIÓN PARCIAL (FAP)
Los resultados de los retardos de las residuales de las series con

transformación logarítmica y estandarizada fueron calculados con la
ecuación 2.23 de la sección 2.5.2 y utilizando el programa Minitab 17, los

resultados se muestran en los gráficos 4.66 al4.74 y 4.75 al4.83.
Las tablas 4.20 y 4.22 muestran en resumen los retardos que caen fuera
de los límites del correlograma de Anderson para un 95 % de nivel de
probabilidad, tanto para las series con transformación logarítmica (Tabla
4.20) y estandarización (Tabla 4.22).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE UPAMAYO- LN ·

0.6000 ___(conJfmites.de.significación.S%.paraJas.autocor:r.elaciones.par.ciales)..,..._____ _
0.5000
0.4000
0.3000 -----·· - - - - - - - - - - · - - - - - - ·
0.2000 ·----------
0.1000
0.0000
-Q.lOOO
-0.2000
6 11 16 21 26 31 36 41 46 51 56
-------
61 66 71
-0.3000 ·--------·------------------------------
-0.4000
-0.5000
-0.6000
Figura 4.66 Función de Autocorrelación Parcial para la Estación Upamayo - LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE PUENTE CHÚLEC- LN

o. 7000 --------{conJímites de . signlficación.S%.paraJas . autocorr.elaciones parciales)-----·--···· ____ --· ..
0.6000 ---- - - - - - - - - - - - - - ----·· ----------
0.5000 ·-·- - - - - - - - - -
0.4000
0.3000 ---------
0.2000 ------·-----·-------- ---------------·--
0.1000
0.0000
-0.1000
-0.2000
-0.3000 -6-1-1--16-2-1---26-31--36-41--46-51--56-61-66-7-1-
-0.4000
-o.sooo
-0.6000 -------·---------·-
-0.7000
Figura 4.67 Función de Autocorrelación Parcial para la Estación Puente Chúlec - LN, (Fuente
Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE PUENTE STUART- LN

o. 7000 -----(con -límites-de-significación 5%-para-las-autocorrelaciones-parc:iales ) - - - - -
0.6000 -----·---------·-------·------------------·-------
0.5000
0.4000 ~---·--------·---------·--·---------·--------------·----------------·- ---------·-
0.3000 -------
0.2000 ----·--- ------------------·---------------
0.1000
0.0000
-0.1000
-Q.2000 ------------------
-0.3000 -6-H-16-2:1-26-3:1-36-41-46-5:1-56-61-66-71-
-0.4000 -·----------------·---------·--------·--
-0.5000 ---- ......... --. -·-------- ......... ______., _______ .. _________________________________ .. ---·-·---------...... _ .. _______ -- ,. __
-0.6000 --.----------·
-o.7000 --------
----------------- -----------------------~
Figura 4.68 Función de Autocorrelación para la Estación Puente Stuart - LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE COCHAS TÚNEL- LN

o. 7000 -(con-límites-de-signifiGadón-5%-para-las-autocorrelaciones-parciales)-----
0.6000 -------------------------------------·
0.5000 -------------------------------------
0.4000 ·-------
0.3000 ·-----------~- -------------------
0.2000
0.1000
0.0000
-0.1000
-0.2000
-o.3ooo ----6--H--16-~1--z6-3-1-36-41---46-·51--56---6l-·-66-'ll-
-o.4ooo --------------·-----------·-----------.----------·
-0.5000
-0.6000
-0.7000
Figura 4.69 Función de Autocorrelación Parcial para la Estación Gochas Túnel- LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE PII\IASCOCHA- LN

0.6000 F""'--(con-límites-de-signifkaciónS%-para-las-autocorrelaciones-parciales)-~·----
0.5000 ·-------------
0.4000
0.3000 -----------------·--------
0.2000
0.1000
0.0000
·.,·:J~i:-:J1:J:~u---~.--·-;--·~·:::·:.í;L----::¡;;·---·-·~~:.;~::-·-~·:Ji·-···.
.•. -~~\ .. ~ ·~~:1"··,@'!~-~·,rr"~~;,.,\1':. ·• -!J~~-- "''~"-··~'~'ti Y".~.,~~
-0.1000 'l
' ' .-J....-...........-...:.-..-,.................- ......-..-..-.......
·"-·
'"""' ..,.. 'l."•- !,,·.,....,-~~ __
. . . . . . . . . . . . . -. . . . . . .
,,.·ce ·""1'~ ""-, ...,.- •.-p~ ·"'·"· • -.~ .,__ -~· ..,..,:•• ;;,..-..:·':··~~-,.IoCr- ·"'r;-~-~--
~.·--~1~----------
'i-''"" ,.._. :·;•- -..,,"-_-'"·
'T••:-::.-· ·-,.·~-~· ~,..__ '~": ':':"i'i"''•·...- :_¿....•'0< ~~ ·:oo- 1"·. '-r ~ '':""' "~- -:·''
-0.2000 -------------·-------------------·-----
-~-U_ _16 ___~_~3_!__~§_4L.3_§_~1_5_L..Ji1 66 71
-o.3000
-0.4000
-0.5000
-0.6000
Figura 4. 70 Función de Autocarrelación Parcial para la Estación Piñascocha • LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE PACHACAYO- LN

0.6000 ----{con·límites-de-significación-5%-para-las-autocorrelaciones-parciales)-----
0.5000 -------------
0.4000 ··-----------------
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000
-0.4000 -----·--------------·
-0.5000 --------
-0.6000 -----·---- ----
Figura 4.71 Función de Autocorrelación Parcial para la Estación Pachacayo- LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE QUILLÓN - LN

0.6000 --{con-límites-de-slgnificación-5%-para-lasautocorrelaciones-parciales)---------
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000
-0.4000 ---·--- --------
-0.5000
-0.6000 ----..- - · - -
Figura 4.72 Función de Autocorrelación Parcial para la Estación Qu/1/ón- LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE MOYA· LN

o. 7000 --{con-límites-de-significación-5%-para-las-autocorrelaciones-parciales)
0.6000 -----
0.5000 --------------
0.4000 ---------------------
0.3000
0.2000 --------- -----------·----
0.1000
0.0000
-0.1000
1-0.2000
-0.3000 ·-·6-H--16-21--26--31--36--41-46-5·1-56-61-66-71·
-0.4000
-0.5000 --------------- -------------·--- ~
._-o_._6o_o_o
-0.7ooo____________________________________________________-_ __------
Figura 4. 73 Función de Autocorrelación Parcia/para la Estación Moya - LN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE LA MEJORADA- LN

o. 7000 ---{con-límites-de-significación-5%-para-las-autocorrelaciones parciales)---·
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000 '.•'-'•'-':l,,.r•·••-,.u_u.ÍaY;¡v.;l•,.lJI·I·.·II~
- ._,-----~-~---'-"~·-·-~-~-------·--y---·-·-_,-_<_T-~-------~·-·---~-,._.._, ..,........._._T_... ..
~ ~---~
•• ju:I.J...ilt)'su..t.'J,¿IIwa·-l""-'"'I•Ji...I•'~.Ja·.•~JJ•IJw"•IJfJ.t,;'
0.0000
·0.1000 ;~.~;;~~{.;;.~~;~;;..~·l:~~~.;,~·""!·~·~;~;.;~.~~~:~~;.~~~~.~-~-;-~~-~·
-0.2000
-0.3000 -6-H--16-·-21--26-31--36--4-1--46-51-56--61:-66--=n--
-0.4000
-0.5000
-0.6000
-0.7000
Figura 4.74 Función de Autocorrelación Parcial para la Estación La Mejorada· LN, (Fuente
Propia).
Tabla 4.20 Función de Autocorrelación Parcial (FAP) - LN, (Fuente Propia).

Autocorrelación Parcial de las series históricas corregidas y completadas, con
transformación logarítmica
4.66 Upamayo-Ln 4
4.67 1\P;nte Chúlec-Ln 1
4.68 Puente Stuart-Ln 3
4.69 Cachas Túnei-Ln 5
4.70 Piñascocha-Ln 7
4.71 Pachacayo-Ln 5
4.72 Quillón-Ln 2
11
. .,1"..
.,, Moya-ln 5
4.74 La Mejorada-Ln 1
Las F.A.P. para las series con transformación Logarítmica presentan el

primer retardo positivo y significativamente alto, interrumpido por retardos
positivos y negativos que se pierden dentro de la banda de confianza. Los
retardos no presentan patrones definidos en su comportamiento para los 3
grupos y sus respectivas series, esto hace marcar un comportamiento no
estacionario en los retardos con marcada aleatoriedad entre los grupos de
series para el análisis. En la tabla 4.21 se muestra las características de las
series.
Tabla 4.21 Prueba de Anderson para las Funciones de Autocorre/ación Parcial de las
Series Históricas Corregidas y completadas, con Transformación Logarítmica.
1: Prueba de Anderson para las Funciones de Autocorrelación Parcial de las Series Históricas Corregidas
! y completadas, con Transformación Logarítmica.
Primer retardo positiw luego se interrumpe con retardos negatiws y positivos de
4.66 UPAMAYO-Ln
comportamiento irregular perdiéndose dentro de la banda de confian;za.
Primer retardo positiw luego se interrumpe con retardos negatiws y positivos de
4.67 PUENTE CHÚLEC • Ln
comportamiento irregular perdiéndose dentro de la banda de confian23.
Primer retardo positiw luego se interrumpe con retardos negativos ypositiws de
4.68 PUENTE STUART • Ln
Primer retardo positiw luego se interrumpe con retardos negatiws ypositiws de
4.69 COCHAS TÚNEL • Ln
4.70 PIAASCOCHA • Ln
Primer retardo posltiw luego se Interrumpe con retardos negatiws ypositiws de
4.71 PACHACAYO • Ln
Primer retardo posltiw luego se interrumpe con retardos negativos ypositiws de
4.72 QUILLÓN • Ln
Primer retardo positiw luego se interrumpe con retardos negativos yposi1iws de
4.73 MOYA-Ln
Primer retardo posi1iw luego se interrumpe con retardos negatiws yposi1iws de
4.74 LA MEJORADA· Ln
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE UPAMAYO • STAN

0.6000 _ _(conJímites.de.significaci6n.S%_par.aJas,autocor.relaciones_par.ciales) ___
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
·0 -2000 ;-------6---1-1--16_._2,_1_ 26
31 36 41 46 51 56 61 66 71
-0.3000
-0.4000
-0.5000
-0.6000 -----------------
Figura 4.75 Función de Autocorrelación Parcial para la Estación Upamayo- STAN, (Fuente
Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE PUENTE CHÚLEC- STAN

O. 7000 --(con-límites-de-significación-5%-para-las-autocorrelacionesoparc;iales)------
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
~-~--·-·---.-..·-·-¡}(·----~-~--- .. .
-~~~-.._..--- ~·~·~·--..~~.._.~.--~~-.---~·~~-·~~~·-·-·-·-:~~-~-~
~-!'1!~,~:!;(st.~r{'·~~!~!-.·~~~;~y!·~'~;Jr!~,!'~~!l~'trf!'"'e:-¿~v!·~~-~!w;r::~ffl&,-!\
-0.1000 ~,:~·~·-~-~~--~-~;~-~.--.~·'(>~ ~~-~-~~-~~::·~·~·-~~~-~-~·~:.~:~~=~-~-~-~_:::=·~~~~-~~~:~·~:~:1':-''
-0.2000
-o.3000 --6-H--1·6-2-1-26-31--36-41-46-S-1-56-61---66-=ll-
-0.4000
-0.5000
-0.6000
-0.7000
Figura 4.76 Función de Autocorrelación Parcial para la Estación Puente Chúlec- STAN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE PUENTE STUART- STAN

o. 7000 --{c;on-límites-de-slgnific;ación-5%-para-las-autocorrelaciones-parciales)-----
0.6000
0.5000
0.4000 ~--·-------------------------------- ------
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000 --6-H-i6-z1-26-31-36-41-46-S1-S6-6i-66-?·1-
-0.4000
-o.sooo ~--------
-Q.6000
-D.7000
Figura 4.77 Función de Autoco"elación Parcial para la Estación Puente Stuarl- STAN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE COCHAS TÚNEL- STAN

0.7000 --{con límites-de-signiflcación-5%-para-las-autocorrelaciones pardales-)-----
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-D.lOOO
-D.2000
-0.3000 -6-H-1-6-21-z6-31-36-41:-46-S1-S6-61-66-7-1·
-0.4000
-0.5000
-0.6000
-0.7000
Figura 4.78 Función de Autocorrelación Parcial para la Estación Cachas Túnel- STAN, (Fuente Propia).
FACULTAD DE INGEMERiA CIVIL
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE PI~ASCOCHA- STAN

0.6000 --(t'on-límites-de-signific:adón-S%-para-las-autocorrelacionescparc:iales),-----
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-Q.lOOO
-0.2000
-0.3000 ~--~
-0.4000
-0.5000
-0.6000
Figura 4.79 Función de Autoco"elación Parcial para la Estación Piñascocha - STAN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE PACHACAYO- STAN

0.6000 --(c:on-límites-de-signific:adón-5%-para-las-autocorrelaciones-pardales),-----
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-D.2000
-a. 3000 ·!;.--~--º--11~-t~__l.t_ 26_Jl__-ª&__4_L~~-~-- 51__~§__ §1...~_6.§_21
-0.4000
-0.5000
-0.6000
Figura 4.80 Función de Autocorre/ación Parcial para la Estación Pachacayo - STAN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE QUILLÓN- STAN

O. 7000 ---(con-límites-de -signific:ación-S%-para-las-autoc:orrelaciones-parciales),-~---
0.6000
0.5000
0.4000 :J-----------------------------------------------------------
. ;..,___ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ __
0.3000
0.2000
0.1000
0.0000
-Q.1000
-0.2000
-0.3000 -l·-G-l1-l6-21---26-:31-36-41-46-S1--Sr6-61--66-'l1~
-0.4000
-o.sooo
-0.6000
-o.7000
Figura 4.81 Función de Autocorrelación Parcial para la Estación Quillón- STAN, (Fuente Propia).
Autor: Jimy Marlon Bastidas Valdivia 13 7
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE MOYA- STAN

0.8000 .---(con·límites·de·significación-s%~para·las·autocorrelaciones·parciales)-----
0.7000
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-0.3000
-0.4000 il--6-ll-16--21-26-31-36-41-46-51--56--61--66-7-1.
-0.5000 f-·------------------------ -----------------
-0.6000 ~-----~------------------------------------------------------
-0.7000
-0.8000
Figura 4.82 Función de Autocorrelación Parcial para la Estación Moya- STAN, (Fuente Propia).
FUNCIÓN DE AUTOCORRELACIÓN PARCIAL DE LA MEJORADA- STAN

0.8000 ..---,(con·límites·de·significación·S%-para·las·autocorrelaclones·parciales)-----
0.7000
0.6000
0.5000
11-----------------------------------------------------------
---------------------------------------------------
D.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
·0.2000 ------------·--------------·----------------- ..
-0.3000
-0.4000 t-6---1.1--16-2-1--26-3.1-36-41--46-Sl-56-61-66--7-l.
-0.5000
-0.6000
·0.7000
-0.8000. - - - - - - - - - - - · - - - - - - - - · - - - - - - - - - - - - - - - - - - -
Figura 4.83 Función de Autocorrelación Parcial para la Estación La Mejorada - STAN, (Fuente Propia).
Tabla 4.22 Función de Autocorrelación Parcial (FAP) - STAN, (Fuente Propia).

Autocorrelación Parcial de las series históricas corregidas y completadas, con transformación
logarítmica y estandarizadas
~
4.75 Upamayo-Stand 3
3
4.77 Puente Stuart-Stand 3
4.78 Cachas Túnel-Stand 3
4.79 Piñascocha-Stand 2
4.80 Pachacayo-Stand 6
4.81 Quillón-Stand 3
4.82 Moya-Stand 5
4.83 La Mejorada-Stand 2
FACULTADDEJNGENIERiA CIVIL
Las F.A.P. de las series estandarizadas, el primer retardo es positivo y

altamente significativo seguido de retardos positivos y negativos que se
pierden dentro de la banda de confianza. Al igual que las series de función
de autocorrelación parcial de series normalizadas, presentan
comportamientos semejantes marcando comportamiento no estacionario en
los retados con marcada aleatoriedad entre los grupos de series. En la tabla
4.23 se muestra las caracterrsticas de la serie.
Tabla 4.23 Prueba de Anderson para las Funciones de Autocorrelación Parcial de las
Series Históricas Corregidas y completadas, con Transformación Logarftmica y
Estandarizadas.
Prueba de Anderson para las Funciones de Autocorrelación Parcial de las Series Históricas Corregidas y
completadas, con Transformación Logarítmica y Estandarizadas.
'
! Fig. Serie Comportamiento
Primer retardo positiw luego se interrumpe con retardos negatiws y positiws de
4.75 UPAMAYO- Stand
comportamiento Irregular perdiéndose dentro de la banda de confian:za.
Primer retardo positiw Juego se interrumpe con retardos negatiws yposiliws de
4.76 PUENTE CHÚLEC- Stand
comportamiento irregular perdiéndose dentro de la banda de confian:za.
4.77 PUENTE STUART • Stand
4.78 COCHAS TÚNEL ·Stand
4.79 PIÑASCOCHA - Stand
Primer retardo positiw Juego se interrumpe con retardos negatiws yposltiws de
4.80 PACHACAYO ·Stand
Primer retardo positiw luego se interrumpe con retardos negatiws y positiws de
4.81 QUILLÓN • Stand
4.82 MOYA-Stand
Primer retardo positiw luego se interrumpe con retardos negatiws ypositi\05 de
4.83 LA MEJORADA· Stand
4.5. IDENTIFICACIÓN DEL MODELO
De las Funciones de Autocorrelación y Funciones de Autocorrelación

Parcial obtenidas con el programa Minitab 17 y de la tabla 2.1 de la sección
2.6.4, fueron seleccionados como modelos tentativos ARMA (1 ,0), ARMA
(2,0), ARMA (0,1), ARMA (0,2), ARMA (1,1) y ARMA (2,1); que serán
modelados en el programa SAMS.
Podemos resumir en la tabla siguiente los modelos seleccionados para

las series que se modelaran.
Autor: Jimy Mar/on Bastidas Va/divia 139
Tabla 4.24 Modelos seleccionados para las series desestacionalizadas de las

estaciones hidrométricas de la Cuenca del Rlo Mantaro, (Fuente Propia).
Series a Modelar =
N w*N (w 12) = Modelo ARMA ~
Upamayo Ln o Stan 600 (1,0), (2,0),(0,1), (0,2), (1,1) y (2,
Puente Chúlec Ln o Stan 600 (1,0), (2,0),(0,1), (0,2), (1,1) y (2
Puente Stuart Ln o Stan 600 (1,0), (2,0),(0,1), (0,2), (1,1) y (2,1)
Cachas Túnel Ln o Stan 600 (1,0), (2,0),(0,1), (0,2), (1,1) y (2,1)
Píñascocha Ln o Stan 600 (1,0), (2,0),(0,1), (0,2), (1,1) y (2,1)
o.,.,.h.,.,..,...,'" 1n o Stan 600 (1,0), (2,0),(0,1), (0,2), (1,1) y (2,1)
Quillón Ln o Stan 600 (1,0), (2,0),(0,1), (0,2), (1,1) y (2,1)
Moya Ln o Stan 600 (1,0), (2,0),(0,1), (0,2), (1,1) y (2,1)
La Mejorada Ln o Stan 600 (1,0), (2,0),(0,1), (0,2), (1,1) y (2,1)
Del análisis de las funciones de autocorrelación y funciones de

autocorrelación parcial indicados en la sección 4.4.4 y 4.4.5 seleccionamos
como modelos a ARMA (1,0), ARMA (2,0), ARMA (0,1 ), ARMA (0,2), ARMA
(2,0) y ARMA (2, 1) con transformación logarítmica; que serán modelados en
el programa SAMS 2009.
4.6. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO ARMA (p,q)
Para las diferentes series normalizadas con transformación logarítmica,

se han simulado modelos ARMA (1 ,0), ARMA (2,0), ARMA (0, 1), ARMA
(0,2), ARMA (1, 1) y ARMA (2,1) con el programa SAMS 2009.
Se presentan los resultados de los parámetros estimados de los modelos

establecidos, para las componentes autorregresivas (AR) y las componentes
media móvil (MA) para las series normalizadas con transformación
logarítmica (tablas 4.25, 4.26, 4.27 y 4.28); además se muestra la varianza
de las residuales para las series con transformación logarítmica (tabla 4.29).
Para obtener los parámetros autorregresivos y media móvil se usó el

software SAMS (Simulación y Análisis de Modelos estocásticos), que modela
series con el método ARMA de Box y Jenkins, sin embargo el softaware tiene
02 presentaciones del modelo ARMA, para series anuales y para series
estacionales, que en este caso se denomina PARMA (Periódico ARMA).
Tabla 4.25 Coeficientes Autorregresivos de orden 1-$1 de los Parámetros establecidos

para las series con transformación Logarítmica, (Fuente Propia).
COEFICIENTES DE LOS PARÁMETROS ESTABLECIDOS PARA LAS SERIES CON TRANSFORMACIÓN LOGARiTMICA
PARAMETROS AUTORREGRESIVOS (AR) DE ORDEN 1· 01
UPAMAYO-ln PUENTE CHÚ.EC -ln PACHACAYO- Ln

SERIE
IARMA{1 OIJ\RMA!20 ARMA!11 ARMA!21 .ARMA{1 OARMAI2 OARMA! U ARMA!21 .ARMAI1 OARMA{20 ARMA!1.1' ARMA!21
MESOl 0.0542 0.3212 -0.5434 3.4313 0.5089 0.7036 0.3460 ·0.0886 0.3628 0.6065 ·0.0122 1.0343
MES02 0.8990 0.9160 1.0051 1.2352 0.6389 0.6825 0.3910 0.9356 0.5626 0.5300 o.7585 0.5936
MES03 0.4477 0.4922 0.3539 0.7929 0.5628 0.5101 0.6600 0.8987 0.4034 0.3457 0.6018 1.2109
MES04 0.6465 0.6439 0.6295 0.2347 0.7059 0.5546 0.9189 0.7298 0.9382 0.7406 1.2575 1.4752
MES OS 0.2733 0.2190 0.3110 1.0956 0.6449 0.4846 0.8063 0.1069 0.5689 0.6798 0.5349 1.1712
MES06 0.4211 0.3926 0.4494 -1.1072 0.5659 0.4657 0.6380 0.5748 0.6282 0.7767 0.3389 0.4984
MES07 0.4169 0.3854 0.5277 0.3602 0.4085 0.3934 0.4342 0.9748 0.8299 1.2225 0.4714 0.9741
MES OS 0.4959 0.6061 0.3531 0.1949 0.7801 0.8609 0.6217 1.3603 0.3356 0.4314 0.0456 0.8518
MES09 0.3740 0.2513 0.5400 -1.2576 0.2062 0.1256 0.2015 -2.9330 0.6608 0.9978 0.2207 0.9663
MES lO 0.5993 0.5858 0.6828 1.4076 0.8565 0.7995 1.7137 0.9311 0.3433 0.3087 0.3976 0.3434
MESll 1.2086 1.2536 1.1305 1.7898 0.9172 0.7636 1.0637 1.5853 0.4133 0.5576 0.0699 3.1281
MES 12 0.5391 0.4737 0.6155 3.3001 0.7491 0.8326 0.6978 1.6984 1.1100 1.2993 1.1485 1.9955
COCHAS TUNEL ·ln PIÑASCOCHA ·ln PLENTE STUART- Ln
SERIE
ARMA(1,0 .ARMA(2,0) ARMA(1,1 ARMA(2,1 ARMA(1,0 ARMA(2,0 fARMA(1,1 ~MA(2,1 ARMA(1,0) ARMA(2,0 ARMA(1,1 .ARMA(2,1
MESOl 0.5745 0.6615 0.1766 .0.2261 0.3748 0.4545 0.3266 .0.1412 0.8839 1.1851 0.3352 0.9614
MES02 0.3164 0.2721 0.5033 0.8953 0.2688 0.3188 0.1614 0.5174 0.6460 0.6478 0.6522 0.7170
MES03 0.8481 0.7444 1.2697 2.7067 0.6008 0.6588 0.2687 ·0.3906 0.5514 0.5326 0.5962 3.7406
MES04 0.4799 0.3630 0.7074 0.6183 0.2386 0.2124 0.3669 0.5517 0.7916 0.6324 1.0027 3.2484
MES OS 1.2427 1.2668 1.2754 1.5686 2.0346 1.7340 2.8304 5.8701 0.6165 0.5581 0.6723 0.8688
1 MES06 1 0.5379 1 06358 1 05011 1 1.2460 1 06956 1 07991 1 06385 1 11278 1 06867 1 0.6643 1 0.6964 1 0.8433 1
MES07 0.4941 0.5895 0.4117 -1.0637 0.2715 0.2834 0.2548 -0.4175 0.2472 0.1431 0.2997 1.4846
MES OS 0.8873 1.3566 ·0.1969 .0.0477 1.8449 2.2841 0.8681 4.6370 0.3657 0.4284 0.2787 0.3162
MES09 1.1761 1.3293 1.1246 2.2101 0.8972 0.9142 0.9243 1.7376 0.7975 0.1077 0.8949 -6.7942
MES lO 0.2259 0.2515 0.1962 0.2400 0.3675 0.4943 0.2442 0.2038 0.3755 0.3470 0.6314 0.5105
MESll 0.3424 0.4613 0.1339 ·1.5180 0.5297 0.7262 0.3295 1.2625 1.0424 0.9634 1.1220 1.0140
MES12 0.7598 0.8919 0.7198 0.7443 0.9126 . 0.9727 0.8885 1.9539 1.1847 1.2439 1.0114 -10.5490
OOILLO'J • Ln MOYA-ln LA MEJORADA ·ln
SERIE
ARMA(1,0) ARMA(2,0 ARMA(1,1 ARMA(2,1 ARMA(1,0 .ARMA (2,0 ~A(1,1 ARMA(2,1 ARMA(1,0 ARMA(2,0 ARMA(1,1 ARMA(2,1
MESOl 0.2545 0.3943 0.0741 -1.9842 0.5029 o.7789 0.2454 2.3885 0.5112 0.5211 0.5292 1.8427
MES02 0.4697 0.5181 0.6069 1.0421 0.5847 0.5146 0.7784 0.8814 0.4592 0.4305 0.5762 ·2.6933
MES03 0.6464 0.5667 0.8923 0.8728 0.6231 0.6117 0.6674 0.9676 0.6519 0.6969 0.5466 0.4040
MES04 0.4412 0.3240 0.7647 0.7407 0.5928 0.4738 0.7650 1.8564 0.7961 0.7089 0.8850 .0.2528
MES OS 0.6257 0.5680 0.6909 0.4558 1.2221 o.7008 1.8165 0.2167 0.7096 0.5260 0.8201 0.3148
MES06 0.2388 0.2417 0.2405 0.3840 0.2629 0.2634 0.2688 0.2480 0.5940 0.5079 0.6404 0.5633
MES07 0.7575 0.9475 0.6362 ·1.8948 0.8321 0.6152 0.8883 0.8820 0.4594 0.4414 0.4627 0.3290
1 MESOS 1 04186 1 03321 1 04824 1 02274 1 08674 1 06129 J 09146 1 03396 1 00285 1 00334 J 00274 1 00363 1
MES09 1.7277 2.1908 1.5762 3.4501 1.9913 2.2505 1.9716 3.3586 22.4948 7.6825 25.9121 -111.3524
MES lO 3.7676 4.3668 3.6050 0.8361 0.3619 0.2927 0.3738 0.2090 0.5490 0.4555 0.6439 0.4094
MES11 0.6078 0.5039 0.7991 -0.0788 1.2721 1.5659 0.9663 0.6906 1.9059 2.6159 1.2036 -1.4023
MES12 0.6263 0.6379 0.5881 0.3631 0.7037 0.7182 0.6342 0.2701 0.8496 0.8273 0.9804 0.6927
Generación de Descargas en la Cuenca del Río ManúJro mediante el Uso de Modelos Estocásticos de Series Sintéticas
Autor: Jimy Mm·/on Bastidas Valdivia 141
Tabla 4.26 Coeficientes Autorregresivos de orden 2-(/)2 de los Parámetros establecidos

para las series con transformación Logarftmica, (Fuente Propia).
- -- - -·-·
COEFICIENTES DE LOS PARÁMETROS ESTABLECIDOS PARA LAS SERIES

CON TRANSFORMACIÓN LOGARfTMICA
PARAMETROS AUTORREGRESIVOS (AR) DE ORDEN 2 • 0 2
0.1405 0.1179 -0.3689

0.1085 0.2176 -0.0787
0.5247 -0.1701 -0.6310
0.0401 -0.2452 -0.0869
-0.3133 -0.4895 -0.3335
-0.3042 -0.4493 0.7982
2.5170 -0.3880 -0.3775
0.1705 0.0683 0.0453
-0.4870 -0.1874 -1.0699
-0.5602
MES 12 -0.1581
SERIE
MES01
MES02
MES03
MES 11 1.1103
MES 12 -0.0285 0.1386 -0.0871 0.4829 0.4129
Tabla 4.27 Coeficientes Media Móvil de orden 1-81 de los Parámetros establecidos para
las series con transformación Logaritmica, (Fuente Propia).
COEFICIENTES DE LOS PARÁMETROS ESTABLECIDOS PARA LAS SERIES CON TRANSFORMACIÓN LOGARíTMICA
PARANETROS MEDIA MOVIL(Movie Averag •MA) DE ORDEN 1· a1
UP.AMAYO . Ln PUENIE CH!lEC -l P~CHACAYQ -lo
SERIE ARMA(011ARMA(02 ARMA(11 ARMA(21)ARMA(01 ARMA(02)ARMA(11)ARMA(21 ARMA(01\ARMA(02)ARMA{11 ARMA{21
MESO! ·0.2593 ·0.1817 ·0.8410 3.1290 ·0.7278 ·0.5257 -0.3465 ·0.8271 ·0.5218 ·0.5652 ·0.6160 0.4827
MES02 ·0.9690 ·0.8722 0.1143 0.3587 ·0.6990 ·0.6828 ·0.2901 0.2604 ·0.4549 ·0.4996 0.2410 0.0709
MES03 ·0.4788 ·0.4739 ·0.1391 0.3409 ·0.5267 ·0.5105 0.1431 0.3948 ·0.3866 ·0.3438 0.2766 0.8748
MES04 ·0.6755 ·0.6515 ·0.0230 -0.4181 ·0.6113 ·0.5613 0.3652 0.1783 -0.7793 ·0.8437 0.5332 0.7753
MES OS ·0.2382 ·0.2572 0.0904 0.8846 ·0.5220 ·0.5784 0.3028 ·0.3984 -0.6178 ·0.7231 ·0.0998 0.5814
MES06 ·0.3624 ·0.4096 0.0406 ·1.5434 ·0.5137 ·0.5497 0.1884 0.1249 ·0.7375 ·0.7802 ·0.4431 ·0.2901
MES07 ·0.3982 ·0.3528 0.1396 -0.0271 ·0.4343 ·0.3644 0.0584 0.5990 ·1.1261 ·1.3422 ·0.8161 ·0.2802
MES OS ·0.5527 ·0.6359 -0.2550 ·0.4183 ·0.7870 ·0.8688 ·0.2368 0.5066 -0.3597 ·0.4348 ·0.3713 0.4419
MES09 ·0.3619 ·0.2693 0.2446 ·1.5570 ·0.2871 ·0.2865 -0.0094 ·3.1334 ·0.8611 ·0.9199 ·0.6796 ·0.0385
MES lO ·0.5754 ·0.6130 0.0913 0.8669 ·0.7692 ·0.7817 0.9752 0.1618 ·0.2885 ·0.3066 0.0930 0.0509
MES11 ·1.2495 ·1.2619 ·0.1263 0.5719 ·0.9019 ·0.5068 0.4197 0.9295 ·0.5136 ·0.5544 ·0.4697 2.5923
MES12 ·0.4960 ·0.4107 0.1494 2.8545 -0.7842 ·0.8196 .0.1049 0.9180 ·1.2195 ·0.9320 0.0601 0.9082
COCHAS TúNEL • Ln PINASCOCHA ·ln PUENfE STUART-ln
SERIE
ARMA {O 1' ARMAJ02 ARMA{11 ARMA(21 ARMA{O 1 ARMA(02 AAMA(11) ARMA(21 ARMA(O 1 ARMA{02l ARMA(11 ARMA(21
MESO! ·0.6805 ·0.6479 -0.4877 ·0.9061 ·0.5349 ·0.4029 -0.1315 -0.7347 ·1.1227 ·1.3186 ·0.8960 ·0.2712
MES01 ·0.2489 ·0.2618 0.2422 0.6495 ·0.2540 ·0.2784 -0.1452 0.2163 ·0.6477 ·0.6583 0.0091 0.0743
MES03 ·0.8562 ·0.6731 0.5975 2.1225 ·0.6874 ·0.6414 -0.4245 ·1.0886 -0.5332 ·0.5312 0.0637 3.2089
MES04 ·0.3651 ·0.4328 0.3513 0.3074 -0.2066 ·0.2201 0.1594 0.3490 ·0.6879 -0.7069 0.3766 2.6352
MES OS ·1.2689 ·1.2922 0.0991 0.3998 ·2.3581 ·1.4282 1.6788 4.5901 ·0.5853 ·0.6229 0.1387 0.3559
MES06 ·0.6477 ·0.5954 ·0.1243 0.6219 ·0.8143 ·0.7662 ·0.0954 0.3788 -0.5925 ·0.7618 0.0279 0.1869
MES07 ·0.6055 ·0.6874 ·0.2436 ·1.7230 ·0.3120 ·0.4303 ·0.0450 ·0.7866 ·0.2496 ·0.2029 0.1602 1.3460
MES OS ·0.9883 ·1.4583 -1.5502 ·1.5148 -1.8511 ·2.2284 ·1.4191 2.7260 ·0.3732 ·0.4125 ·0.1522 ·0.1215
MES09 ·1.2671 ·1.1542 ·0.0687 1.0370 ·0.9686 ·0.8623 0.0363 0.9040 ·0.9013 ·0.7933 0.2608 ·7.4682
MES lO ·0.2266 ·0.2520 ·0.0541 ·0.0135 ·0.4991 ·0.4851 -0.2476 ·0.3109 ·0.3365 ·0.3485 0.2802 0.2245
MES11 ·0.4409 ·0.4748 -0.3460 ·1.9997 ·0.5432 ·0.6874 -0.3713 0.5951 ·0.9927 ·0.8247 0.1866 0.0598
MES12 ·0.9351 ·0.7273 ·0.0621 ·0.1754 ·0.9217 ·0.9321 ·0.0358 1.0984 ·0.9785 ·1.4105 ·0.2700 ·11.8248
QUILL JoJ · Ln WOYA • Ln LA MEJORADA· Ln
SERIE
ARMA(0,1) fARMA(0,2) ARMA(1,1) ARMA(2,1) ARMA(0,1) ARMA(0,2) fARMA(1,1) ARMA (2,1) ARMA (0,1) fARMA (0,2) AflMA(1,1) ARMA (2,1)
MESOl ·0.3517 ·0.3924 ·0.3199 ·2.3809 ·0.7415 ·0.7781 ·0.5399 1.6207 ·0.5883 ·0.4558 0.0355 1.3255
MES02 ·0.4338 ·0.4105 0.2001 0.6223 -0.4642 ·0.4765 0.3272 0.4270 -0.4343 ·0.4180 0.1430 ·3.1344
MES03 ·0.6225 ·0.5465 0.3344 0.3304 ·0.6660 ·0.5476 0.0765 0.3738 ·0.7074 ·0.6336 ·0.1505 ·0.3121
MES04 ·0.3701 ·0.3711 0.4578 0.4263 ·0.4771 ·0.5575 0.2927 1.3928 ·0.7149 ·0.8007 0.1642 -0.9784
MES OS ·0.5816 ·0.6021 0.1124 ·0.1250 ·0.9940 ·0.7792 1.1024 ·0.5165 ·0.6582 ·0.5683 0.2958 -0.2215
MES06 ·0.2453 ·0.2356 0.0027 0.1437 ·0.2588 ·0.2719 0.0131 ·0.0195 ·0.5276 ·0.5461 0.1418 0.0601
MES 07 ·0.9701 ·0.8606 ·0.3100 ·2.8539 ·0.7610 ·0.7434 0.2721 0.2673 ·0.4738 ·0.4287 0.0126 ·0.1161
MES OS ·0.4060 ·0.3395 0.1502 ·0.1137 ·0.8341 ·0.6872 0.2772 ·0.2967 ·0.0303 ·0.0320 ·0.0058 0.0028
MES09 ·1.9419 ·2.0984 ·0.5024 1.3646 ·1.9701 ·2.1059 ·0.1017 1.2066 ·21.4130 ·23.7599 15.3933 ·121.9246
MES lO ·4.2186 ·3.8829 ·0.9704 -4.5164 -0.3898 ·0.3977 0.0782 ·0.0886 ·0.5110 ·0.5096 0.2234 ·0.0677
MES11 ·0.5247 ·0.5279 0.2969 -0.5991 ·1.0150 ·1.7108 -0.6428 -0.8821 ·2.0838 ·2.0163 ·1.6751 -4.1606
MES12 ·0.6333 ·0.6236 ·0.0517 ·0.2814 -0.7135 ·0.7049 -0.0897 ·0.4543 ·0.7444 ·0.8012 0.1934 -0.1443
Tabla 4.28 Coeficientes Media Móvil de orden 2-82 de los Parámetros establecidos para
las series con transformación Logarftmica, (Fuente Propia).
COEFICIENTES DE LOS PARÁMETROS ESTABLECIDOS PARA LAS SERIES CON

TRANSFORMACIÓN LOGARfTMICA
PARAM ETROS AUTORREGRESIVOS (AR) DE ORDEN 2 - 8 2

' UPAMAYO- Ln PUENTE CHÚLEC - Ln PACHACAYO- Ln
SERIE
ARMAW.2l AKMA CU.2\ AH.MA [Q 2\
MES01 0.5380 -0.3956 0.3848
MES02 0.2827 -0.1078 -0.4122
MES -0.2959 -0.4450 -0.1911
MES -0.2668 -0.4848 -0.4459
MES OS -0.1709 -0.5800 -0.4031
ME -0.1666 -0.3202 -0.1696
-0.2876 -0.1340 -0.3199
ME -0.0789 -0.1419 -0.0753
MES -0.3399 -0.0253 -0.1243
MES -0.3624 -0.5985 -0.3530
MESH -0.7220 -0.7332 0.1295
MES 12 -0.9280 -0.0583 -0.6510
COCHAS TúNEL - Ln PIÑASCOCHA - Ln PUENTE SlUART - Ln
! SERIE ARMA (O 2)
ARMA(O 2) ARMA(O 2)
MES01 0.0964 -0.2402 -0.3475
MES02 -0.3274 -0.2016 -0.7930
MES03 -0.1889 -0.0664 -0.3505
MES04 -0.5258 -0.2269 -0.4884
MES OS -0.5324 -0.3187 -0.4458
MES06 -0.4379 0.0396 -0.4013
1 MES07 1 -0.1061 -0.1439 -0.1318
MES OS 0.2265 -0.6970 -0.0416
MES09 -1.5930 -1.7802 -0.2624
MES 10 -0.2432 -0.1261 -0.9888
MESH -0.0029 -0.1896 -0.3698
MES 12 -0.3918 -0.6657 -1.4172
QUILLÓN- Ln MOYA - Ln LA MEJORADA - Ln
SERIE
ARMA (0,2} ARMA(0,2) ARMA (0,2)
MES01 -0.0693 -0.1840 -0.3579
MES02 -0.2708 -0.6038 -0.4983
MES03 -0.3387 -0.2575 -0.2270
MES04 -0.3717 -0.4189 -0.4878
MES OS -0.3472 -1.1388 -0.6350
MES06 -0.1271 -0.2125 -0.3568
MES07 -0.1383 -0.2544 1
-0.2429 1
MES08 -0.4068 -0.7291 -0.0116
MES09 -0.3622 -0.7956 -0.4590
MES10 -7.3841 -0.7270 -13.2389
MESH -0.6283 -0.3513 -0.5061
1 MES 12 1
-0.3341 -1.1900 -2.7902
Tabla 4.29 Coeficientes de Varianza de Residuales de los Parámetros establecidos para las series con Transformación Logarítmica, (Fuente Propia).
COEFICIENTES DE LOS PARAMETROS ESTABLECIDOS PARA LAS SERIES CON TRANSFORMACIÓN LOGARITMICA
VARIANZA DE LOS RESIDUALES
UPAMAYO- Ln PUENTE CHÚlEC - Ln PACHACAYO- Ln
SERIE
ARMA(1,0) ARMA(2,0) ARMA(0,1) MMA(0,2 ARMA(1,1) ARMA(2,1) ARMA(1.0) MMA(2,0 ARMA(0,1) ARMA(0,2) IARMA(1.1) ARMA(2,1) !ARMA (1,0) ARMA(2,0) ARMA(0,1) ARMA(0,2) iARMA(1,1) !ARMA {2.1)
MESOl 0.6187 0.5643 0.6013 0.5656 0.5747 0.5010 02791 0.2741 0.2716 0.2796 0.2747 0.2712 0.2167 0.1970 0.2033 0.1921 0.1975 0.1943
MES02 1.0409 0.9257 0.9772 1.0922 1.0404 0.9519 0.2893 0.2853 0.2877 0.2892 0.2859 0.2848 0.2028 0.2007 0.2377 0.2083 0.2007 0.2006
MES03 0.8928 0.8864 0.9778 0.9070 0.8862 0.8836 0.1909 0.1883 0.2442 0.1933 0.1890 0.1876 0.0788 0.0763 0.0888 0.0927 0.0745 0.0747
MES04 0.3603 0.3603 0.4165 0.3998 0.3602 0.3558 0.2067 0.1961 0.2769 0.2393 0.1962 0.1960 0.0694 0.0611 0.1249 0.0715 0.0610 0.0587
MES OS 0.1539 0.1521 0.1947 0.1653 0.1522 0.1544 0.1085 0.0964 0.1862 0.1166 0.1001 0.0948 0.1101 0.1087 0.1203 0.1156 0.1097 0.1057
MES06 0.1497 0.1492 0.1628 0.1495 0.1496 0.1411 0.0696 0.0678 0.1043 0.0937 0.0674 0.0676 0.0653 0.0582 0.0661 0.0592 0.0578 0.0579
MES07 0.0431 0.0423 0.0500 0.0435 0.0425 0.0424 0.0521 0.0521 0.0581 0.0632 0.0520 0.0514 0.4219 0.4019 0.4286 0.3941 0.4003 0.4014
MES OS 0.0432 0.0420 0.0466 0.0433 0.0420 0.0419 0.0512 0.0502 0.0625 0.0489 0.0502 0.0500 0.1403 0.1184 0.1426 0.1232 0.1282 0.1146
MES09 0.1017 0.0995 0.1042 0.1021 0.1008 0.0963 0.0663 0.0657 0.0654 0.0665 0.0663 0.0539 0.1718 0.1171 0.1525 0.1479 0.1509 0.1171
MES lO 0.0643 0.0641 0.0694 0.0598 0.0642 0.0603 0.0335 0.0299 0.0466 0.0271 0.0298 0.0296 0.0847 0.0841 0.1025 0.0859 0.0842 0.0840
MESll 0.1597 0.1594 0.2032 0.1630 0.1594 0.1582 0.0752 0.0739 0.1090 0.1042 0.0717 O.D709 0.0489 0.0422 0.0415 0.0397 0.0439 0.0375
MES 12 0.2363 0.2349 0.2768 0.2478 0.2345 0.2222 0.0992 0.0982 0.1146 0.1116 0.0988 0.0948 0.1281 0.1220 0.1508 0.1417 0.1281 0.1148
COCHAS lUNEL - Ln PI~SCOCHA- Ln PUENTE STUART- Ln
SERIE
ARMA(1.0) ARMA(20) ARMA(0,1) ARMA(0,2 ARMA(1,1) ARMA(2,1) ARMA(1,0) ARMA(2,0) ARMA(0,1) ARMA(0,2) !ARMA (1,1 ARMA(2,1) ARMA(1,0) ARMA(2,0) ARMA(0,1) ARMA(0,2) ~RMA(1,1) ARMA(2,1)
MESOl 0.2262 0.2195 0.2162 0.2217 0.2191 0.2171 0.2092 0.2074 0.2112 0.2359 0.2072 0.1921 0.1924 0.1795 0.1730 0.1806 0.1757 0.1779
MES02 0.0781 0.0759 0.0932 0.0757 0.0752 0.0722 0.0780 0.0760 0.0846 0.0724 0.0769 0.0752 0.2552 0.2552 0.2904 0.2572 0.2552 0.2552
MES03 0.1634 0.1602 0.1717 0.1978 0.1555 0.1356 0.1615 0.1602 0.1570 0.1661 0.1585 0.1570 0.1416 0.1413 0.1694 0.1572 0.1413 0.1408
MES04 0.0374 0.0304 0.0698 0.0347 0.0306 0.0282 0.0116 0.0110 0.0161 0.0110 0.0108 0.0105 0.1210 0.1128 0.1987 0.1390 0.1122 0.1052
MES OS 0.0605 0.0605 0.0913 0.0896 0.0603 0.0594 0.1811 0.1789 0.1859 0.2361 0.1650 0.1571 0.0582 0.0574 0.0961 0.0790 0.0569 0.0557
MES06 0.0311 0.0303 0.0517 0.0516 0.0305 0.0299 0.0793 0.0736 0.0893 0.0739 0.0787 0.0706 0.0378 0.0378 0.0815 0.0470 0.0378 0.0377
MES07 0.0551 0.0547 0.0581 0.0517 0.0539 0.0511 0.0349 0.0349 0.0419 0.0320 0.0348 0.0301 0.0109 0.0103 0.0129 0.0147 0.0103 0.0101
MES OS 0.3394 0.2968 0.3433 0.2875 0.3004 0.2882 0.5878 0.5660 0.6164 0.5651 0.5659 0.5354 0.0016 0.0015 0.0022 0.0014 0.0015 0.0015
MES09 0.6716 0.6191 0.6738 0.7108 0.6712 0.5724 0.6072 0.6064 0.6407 0.6974 0.6070 0.5674 0.0276 0.0263 0.0283 0.0282 0.0275 0.0201
MES lO 0.0969 0.0960 0.1248 0.0973 0.0961 0.0960 0.2332 0.2137 0.2382 0.2248 0.2145 0.2101 0.0035 0.0032 0.0045 0.0029 0.0033 0.0029
MESll 0.0467 0.0432 0.0411 0.0434 0.0421 0.0393 0.2729 0.2511 0.3142 0.2532 0.2592 0.2438 0.0153 0.0152 0.0192 0.0178 0.0152 0.0152
MES12 0.1550 0.1522 0.1568 0.1548 0.1550 0.1520 0.1907 0.1873 0.2440 0.1913 0.1906 0.1559 0.0565 0.0564 0.0714 0.0484 0.0561 0.0506
OUILLON- Ln MOYA-l..n LA MEJORADA - Ln
SERIE
ARMA(1,0) ~MA(2,0) ARMA(0,1) ~RMA_(O 2 ~MA 1,1 ARMA 2,1 RMA 1,0 ARMA 2,0 ARMA(0,1) ~RMA(0,2 RMA 1,1 ARMA 2,1 RMA(1,0) ARMA(2,0) ARMA{0,1) ARMA(0,2) ARMA{1,1 ARMA{2,1)
MESOl 0.0803 0.0719 0.0761 0.0709 0.0719 0.0676 0.1409 0.1233 0.1345 0.1221 0.1225 0.1211 0.1813 0.1812 0.1831 0.1974 0.1812 0.1802
MES02 0.0676 0.0668 0.0764 0.0638 0.0667 0.0627 0.1102 0.1080 0.1520 0.1069 0.1048 0.1049 0.1113 0.1105 0.1235 0.1067 0.1107 0.1049
MES03 0.0980 0.0963 0.1063 0.1068 0.0961 0.0958 0.1009 0.1009 0.1038 0.1311 0.1007 0.1002 0.0809 0.0801 0.0863 0.0951 0.0802 0.0790
MES04 0.0506 0.0457 0.0625 0.0532 0.0446 0.0453 0.0781 0.0746 0.1146 0.0788 0.0745 0.0732 0.0575 0.0562 0.1073 0.0651 0.0565 0.0540
MES05 0.0556 0.0551 0.0646 0.0533 0.0553 0.0550 0.2417 0.1929 0.3349 0.2303 0.1999 0.1917 0.0416 0.0385 0.0713 0.0585 0.0385 0.0384
MES06 0.0031 0.0031 0.0041 0.0042 0.0031 0.0031 0.0081 0.0081 0.0167 0.0185 0.0081 0.0081 0.0156 0.0152 0.0374 0.0315 0.0151 0.0152
MES07 0.0037 0.0035 0.0044 0.0042 0.0035 0.0034 0.0061 0.0056 0.0235 0.0080 0.0056 0.0056 0.0028 0.0028 0.0064 0.0056 0.0028 0.0027
MES OS 0.0007 0.0006 0.0014 0.0010 0.0007 0.0006 0.0064 0.0060 0.0150 0.0178 0.0061 0.0059 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
MES09 0.0014 0.0012 0.0025 0.0030 0.0013 0.0011 0.0225 0.0220 0.0887 0.0631 0.0224 0.0213 0.0069 0.0059 0.0104 O.Q105 0.0063 0.0047
MES lO 0.2053 0.2046 0.2726 0.2182 0.2042 0.1996 0.0177 0.0176 0.0235 0.0176 0.0176 0.0176 0.0035 0.0034 0.0053 0.0043 0.0033 0.0034
MESll 0.3550 0.3487 0.3970 0.4101 0.3486 0.3467 0.2218 0.2189 0.2574 0.2223 0.2180 0.2188 0.0776 0.0744 0.0837 0.0865 0.0721 0.0724
'--MESl~-- _Q_.206 7 - 0.2065 0.2326 0.2080 0.2065 0.2059 0.1238 0.1236 0.1322 0.1278 0.1234 0.1229 0.0819 0.0817 0.1125 0.0699 0.0810 0.0816
Se aplicó el modelamiento ARMA periódico que es para series

estacionales. Inicialmente el software presenta opciones para realizar
transformaciones para aproximar a una serie normal (transformación
logarítmica, potencia y Box-Cox), para luego elegir la opción de realizar la
estandarización de las series; luego determina los parámetros estadísticos,
seguidamente calcula los "p" parámetros autorregresivos y luego los "q"
parámetros de media móvil; los parámetros de los modelos son calculados
por el método de los momentos y de la suma de cuadrados que da
aproximaciones.
En la estimación de parámetros se tuvo en cuenta que la varianza de
residuales de los modelos, sean positivos; esto implicaba que si los valores
resultan negativos, el programa no generaba valores. En estos casos se
determinó los parámetros con el método de aproximación de mínimos
cuadrados que presentaba valores adecuados para realizar la generación.
4.7. BONDAD DE AJUSTE DEL MODELO
Realizado la corrida del programa SAMS para la simulación de los

diferentes modelos ARMA (p,q) y calculado las pruebas de ajuste de los
modelos, los resultados se indican en los cuadros que se presentan a
continuación.
4.7.1. PARSIMONIA DE PARÁMETROS
Una regla para seleccionar entre modelos ARMA (p,q) competentes es

aplicando el criterio de Información de Akaike Corregida AICC(p,q) y el
criterio de Información de Schwarz SIC (p,q), la aplicación de esta regla de
decisión con la varianza de las residuales de cada mes y de c/u de las series
modeladas, se selecciona el modelo que tiene el menor valor del AICC(p,q)
y SIC(p,q). Las tablas 4.30 y 4.31 muestran los resultados de los valores de
AICC (p,q) y SIC (p,q) para las series normalizadas con transformación
logarítmica. Obteniendo el resultado del menor valor calculado para cada
serie modelada tomados de las tablas 4.30 y 4.31, donde se han
seleccionados los modelos ARMA(p,q) adecuados y calibrados para realizar
la generación de descargas medias mensuales sintéticas.
La tabla 4.32 muestra los modelos estocásticos ARMA (p,q) adecuados

para la generación de caudales sintéticos en cada estación hidrométrica que
se ha estudiado, en el ANEXO C-1 se muestra el reporte del programa SAMS
de los parámetros determinados para las series seleccionadas.
Tabla 4.32 Modelos Resultados de la bondad de ajuste de la simulación

estocástica de modelos ARMA (p,q) con el criterio de AICC y SIC, estos modelos están
aptos para la generación sintética (Fuente Propia).
SERIE NORMALIZADA
MODELO
ESTACION CON · LONGITUD DE
GRUPO ESTOCASTICO Y
HIDROMETRICA TRANSFORMACION LA SERIE
ORDEN
LOGARITMICA
UPAMAYO UPAMAYO-Ln PARMA (1,0) 600
GRUPO 1 PUENTE CHÚLEC PUENTE CHÚLEC - Ln PARMA(1,0) 600
ARMA(2,1) 600
600
GRUPO 11
PACHACAYO PACHACAYO • Ln PARMA(2,
QUILLON QUILLÓN -Ln PARMA(1,
GRUPO 111 MOYA MOYA-Ln PARMA(1, O
LA MEJORADA LA MEJORADA • Ln
Los modelos estacionales obtenidos para la generación se presentan en

las tablas 4.33 al4.41 según la fórmula general (Ecuación 2.61, Sección 2. 7):
Para el modelo PARMA (1,0):
Uv,r -- fPI,r *Uv,r-I + (J'E2 *):~v,r
Para el modelo PARMA (2,0):
Uv r
'
=(/JI 'r *Uv 'r-1 + (/J2 ' r *Uv 'r-2 + (j; *~v ,r
Para el modelo PARMA (2, 1):
uv,r = fPI,r *uv .•r-1 + (/J2,r *uv,r-2 - BI,r *(j; * ~v;r-1 + (j; *~V,í
Donde: Los valores de U1,o ,U1,-1 ,~1.o, son iguales a cero
Tabla 4.30 Valores de AICC para /as series que han sido normalizados con Transformación Logarítmica, (Fuente Propia).
VALORES~ AICC (Crilorlo da lnfoi'TI'I>Ción·de Akalke Corregida) PARA LAS SERIES QUE HAN SIDO NORMALIZADOS CON TRANSFORMACION LOGARITMICA
Tabla 4.31 Valores de SIC para las series que han sido normalizados con Transformación Logarítmica, (Fuente Propia).
VALORES DE SIC (Criterio ele lnfortnaclón do Schwarzj PARA LAS SERIES QUE HAN SIDO NORMALIZADOS CON TRANSFORIIIACION LOGARITMICA
- ,_.,.. r ~.,. """"'
La serlo resaltada Indica que u eln.nor wlor del SIC de lot modelos tonta!M>s ARMA (p,q)
PUEt.ITE CHÚLEC • Ln PACK<ICAYO • Ln
~- ··-;·· -~ · 39.1520 • 4Z:s56o "~-•2.1~;()- · ~;_4740 · ~.54ro- 46.ff6o ·_ .U:5~o t-:19.4ii5il- -12.6970 ·18.3540 -19.2580 :¡s:Ss5or---:sr.949o- ·55.523o -53.1760 .47.mo -56.5270 -52.7310
..:.aL--;--s~-- 2.8610 6.5480 8.6500 10.1100 6.5370 9.7330 ·19.3840 .17.7870 ·7.6700 ·9.8190 ·17.7620 ·14.1190 -62.9970 -&1.4840 -39.5060 -56.1460 -ll4.5230 -62.3510
~ ~ .J. . El ·31.1760 -27.9840 ·21.7700 -24.8110 -27.9350 ·23.6580 -45.1360 -46.1810 -23.5410 ·38.5890 -44.6700 -43.1660 -44.5560 -41.3800 -41.0130 -38.9350 -41.0150 -38.838()
-~~j-- ¿¡¡m-- -32.2850 -28.7090 -28.9180 -28.6310 -28.6160 -27.2600 -62.8870 -60.2830 -46.7290 -47.3350 -60.4760 -56.7050 -65.4750 -66.3580 -64.9540 -65.7120 ·66.6490 -62.9180
r-*--··-r-T--e_
~- -llil.i-- ·-
-j~¡_·:::_r:~=-~-=-
·
.a2.1oso
.a1.98so
-47.7590
·79.0970
-:-¡.g_.¡J40-
-44.9280
-T6.1sso
r-.78.9750
.4fi.768o
·76.0140
-78.1870-
-43.8810
-78.91120
-44.3890
-75.3930
-42.5420
~so
·-:79.4370"" --75.ss3fl
-74.4560
-64.8270
.ro.r9oo
.n.322o
-s1.558o
-70.1450
-sT.187o
-65.4130
-63.0620
-73.333o
-61.0580
-70.8660
-n.265o
·61.140o
·67.6530
-65.n60
9.1650
·26.7750
10.9140
-38.4130
9.8010
-~68.7i4il-l'-:34:866o ~- ~ ~6.3780 -:jf,TBo
-31.532o
10.1270
-29.0740
10.7530
·28.2700
14.5510
-35.5720
.J4.735o
~ . + .!!lill -66.0840 -62.5410 -83.0220 -65.2660 -62.4400 -61.2800 ·92.1570 -93.0420 ·78.9990 ·96.9560 ·93.2170 -89.7080 -65.0330 -61.6350 -47.4280 ·50.7930 -61.6010 -47.9920
. --~- .• ------ -29.6780 ·26.0750 -20.0630 ·25.1860 -26.0880 ·22.6960 ·59.8370 -66.8480 -44.9650 -43.0890 -58.0060 ·54.7990 -77.0540 -79.2360 -83.5820 -61.7160 ·77.6790 -.!!0.3070
-~- ! ~ ·14.0230 -1o.5no -7.6880 -8.4330 -10.629o -e.1010 -48.7200 -45.4650 -42.9560 -40.3360 -45.1940 -43.1840 -38.5040 -36.7650 -31.9710 -30.7790 -34.8330 -35.5130
.... - . -~-- .. --- -273.308 -241.435 -225.808 ·222.537 ·235.249 -209.418 -578.406 -650.869 -474.899 -497.783 -549.868 -520.019 -491.650 -495.282 -451.403 -463.153 -479.497 -484.059
113 ..f.CJC:t"-5 TUNEL_: L!'__ . _ ________ ~~-- PI_ SC<JgiA_,_l,n_ ___ ~----- _ . ~-- _ _ ________ PUE~ STliA_I!T -L.n
ARMA u.rJLLMf.fAJ~LL AAMA 10:.11L~A(oAI Alllii~(1JL[~t.1."J2.1L.L~M.A(.1.1lLLAAMA <b.ó) L~"-W.1l..l.ARM~@Jl_rARMA o.Jl.l.M~A<ª'-.1l_l_Aif~(1.Dl'T~MA_(i.oL rAR~A(ºJU_ARM~!o:2f'LA.RMA'TfJl__ l ARMA_(2..1f
.:_4_a:L...I:~4~:._:_:_r-·.:_.!8o_ c_--.rao~48lf~~T__ 4eo _r~_4so.:=::r-~~---T::"480,...L::-o~I=r -~---_r::- 480~-'- -~ 1__480 _l 48Q __ 1 480 L 46o 1 48o
1!13. -15.7810 1 -13.2730 1 ·17.5670 1 -12.8750 1 -13.3540 1 -10.0330 1 -18.8880 1 -15.5550 1 -18.SOBO 1 ·10.3970 1 -15.5890 1 -14.9190 1 -22.2420 1 ·21.3210 1 -25.4900 1 -21.0830 1 ·22.1930 1 -17.9860
--~--t·--~
o ·58.2870 1 -55.7400 1 ·51.2520 1 -55.8640 1 -56.1330 1 -54.0S20- i -58.3390 1 :s5.7250 1 -55.0860 1 -57.6520 ·55.23BO 1 -52.4250 1 -10.9320 T r-7.2440 1 -~5.7680 , - -6.9450-. -7.2440 1 -3.5590
·28.7800 1 ·25.8690 1 ·26.7650 1 -17.4430 1 ·27.0750 1 ·28.8450 1 -29.2420 1 -25.8700 1 -30.3770 1 -24.4110 1 ·28.3070 1 ·22.9880 1 -34.5050 1 -30.9030 1 -27.3330 1 ·26.8280 1 -30.9030 1 ·27.3490
-38.9900
b -64.4500
-60.0230
--:0~~----J._---~-~ -132.8390
-·~
~- [ 27.7640 1 211:1970 1 27.8980 ] 33.72~3f.432o_L 28.7480--_1____23,73ªº-_['_'_']7.3720 I_~tw 1 32:9soo T-27.4090 -1 28:4:D_2!__L_"99.s340·T -98.ff§.o_r._::::99.85!L_C_::e5.33()_il-.:L_-!!6.338Cl -1o5.222f
-~
(iii1 ·181.9750
··e-·
-30.8820
-557.691
1
i
-27.9350. 1 -30.4210
-539.126 r -460.5oo
1
r
-27.2360
-484.603
1 -27.2080
¡ -sar.473
1
r
·24.2960
-519.136
1 ·22.5920
1 -413.146
1 ·19.6220
1 -385.358
1
r
-12.7360
-363.992
1 -18.7710
1 -363.938
1 -18.9250
1 -384.492
1
1
-23.2650 1 -71.2240 1
-67.6420 1 -61.9120 1
-73.7180 1 -67.8170
-374.114 1 ·1094.230 r -1o66.56o r -965.976 r ·1020.583 r -1065.494 r -1046.742
-116.3570
-68.2520 1
llJlLLON' l.n- ·¡ t./O'fA' Lil r· LA MEJORADA· l.n
~~-~~~~~~~~~~~~~~~~~~~~~~==~~==~~==~~~~~~~~~~~~~~~~~~~~~~~=y
-sr.1750 1-~57.9260 r-:59:34801 -s8.46üo --r-:sr.o2ró ·r-:ss.s12o I -34-:689o -T-=36:3s9ii __ T_ -36.548o T :36:1'31o-l-36-.599o--l ·33.3880 1 -24.6240 1 -20.9390 1 -2•.22oo 1 -17.527o 1 -20.9460 1 -17.489o
1·-t;=.F=:I.--- ::;~
-65.6760
-79.3130
·116.5080_
-180.0500 1 -118.4150 -~-::-17J.'o6901 :¡f1.612ilT-=i7&.3aao·r-:¡-K9210 1 -:-1so~153~9:73iiíi-T~ [ --145.509Yr159:6940- 1 ·156.0560 1 -1900[T ·188.4010 rm:o-150 [ -160.0490~ -188.3260 [J'ill04o
[¡JJ¡U;l ; 9 -247.0950 -246.4020 -218.4430 ·229.9050 -24&.1340 -242.9280-- -158.135o -157.58To -124.2180 -113.8320 .. -156.7480 -154.1610 -458.4750 · -455.7440 -418.2970 -436.3260 -455.8siio - ..52.o55u
1- -~·-¡-~~ -· ·218.2220 -221.2160 -196.0700 ·184.6980 ·217.8680 ·220.6930 ·108.0860 -105.3770 ·53.2230 -63.1420 -104.4870 ·102.9880 ·155.2330 ·157.7980 -139.0440 ·135.0520 ·155.4040 ·163.2930
¡--- ¡¡a¡---
UJQ¡, .. ·19.6500 ·16.0840 ·8.3040 ·13.5190 -16.1630 -13.3830 -117.6820 ·114.2820 ·108.3710 -114.2830 -114.2570 -110.8140 ·182.1700 -179.7930 -166.0590 -170.6510 ·180.5190 ·176.1850
. D.ii"·:-- ..fD 2.2600 5.2350 6.7390 11.7200 52210 8.6980 ·16.5530 -13.3960 ·10.5960 -12.7530 -13.5570 ·9.7260 -68.5710 -66.5600 -55.5470 -50.5430 ·57.8000 -53.9720
-~-_;-~-~®!! . . ·19.3680 ·15.7110 ·14.8440 ·15.4230 ·15.7260 ·12.1510 ·39.8790 -38.2620 -37.2500 ·34.9030 -36.3190 ·32.7740 -66.4070 -52.7870 -43.7110 ·59.0450 -53.1460 -49.1480
mAm _-11!7.01!!_ -'1165~ _-1077.154 ___:!077.209__ -1162,I_46_ -1132.751 _,948.115__ -9ª'147 __:71_6.211!._._-774.98_5 -9E"792 ._,8&9.959__ -1s0__5,111 ~1477211 _ -1294.555_ __ ,1331.113 :1476.823 -1447.991
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU
Tabla 4.33 Modelos correspondientes a la Estación Upamayo, (Fuente Propia).
Modelos correspondientes a la Estación Upamayo

Enero : U1,1 - 0.054203 .* U1,0 + 0.618744 * ~1,1
Febrero : U1,2 = 0.899039 * Ut,t + 1.040920 * ~1,2
Marzo : U1,3 = 0.447705 * U1,2 + 0.892778 * ~1,3
Abril : U1.4 = 0.646472 * Ut,3 + 0.360347 * ~1,4
Mayo : U1.s = 0.273276 * U1,4 + 0.153873 * ~1,5
Junio : U1.s = 0.421061 * U1,5 + 0.149667 * ~1,6
Julio : U1,7 = 0.416858 * U1,6 + 0.043069 * ~1,7
Agosto : U1,a = 0.495927 * U1,7 + 0.043202 * ~1,8
Septiembre : U1,9 = 0.373985 * U1,8 + 0.101653 * ~1,9
Octubre : U1,10 = 0.599298 * Ut,9 + 0.064292 * ~1,10
Noviembre : U1.11 = 1.208586 * u 1,10 + 0.159744 * ~1,11
Diciembre : U1,12 = 0.539058 * U1,11 + 0.236267 * ~1,12
Tabla 4.34 Modelos correspondientes a la Estación Puente Chúlec, (Fuente Propia).
Modelos correspondientes a la Estación Puente Chúlec

Enero :u
1,1 - 0.574543 * u 1,0 + 0.279134 * ~1,1
Febrero : U1.2 = 0.316428 * Ut,1 + 0.289312 * ~1,2
Marzo : U1,3 = 0.848074 * U1,2 + 0.190898 * ~1,3
Abril : U1.4 = 0.479914 * U1,3 + 0.206733 * ~1,4
Mayo : U1,s = 1.242706 * U1,4 + 0.108543 * ~1,5
Junio : U1,s = 0.537911 * U1,5 + 0.069642 * ~1,6
Julio : U1.1 = 0.49414 * U1,6 + 0.052150 * ~1,7
Agosto : U1,a = O. 887255 * U 1,7 + 0.051196 * ~1,8
Septiembre : U1,9 = 1.176138 * U1,8 + 0.066344 * ~1,9
Octubre : U1,1o = 0.225901 * U1,9 + 0.033502 * ~1,10
Noviembre : U1,11 = 0.342372 * U1,10 + 0.075159 * ~1,11
Diciembre : U1,12 = 0.759776 * U1,11 + 0.099240 * ~1,12
Tabla 4.35 Modelos correspondientes a la Estación Puente Stuart, (Fuente Propia).
Modelos correspondientes a la Eslación Puente Stuart

Enero : U1,1 = 2.432491 * U1,0 + ( -0.708628 * U1,-1 ) - ( 1.588663 * 0.134369 * ~1,0 ) + 0.134369 * ~1,1
Febrero : Ut,2 = 0.354058 * U1,1 + ( -0.012865 * U1,0 ) - ( -0.212818 * 0.227141 * ~1.1 ) + 0.227141 * ~1,2
Marzo : Ut,3 = -1.016071 * U1,2 + ( 0.741386 * U1,1 ) - ( -l. 359804 * 0.188265 * ~1,2 ) + 0.188265 * ~1,3
Abril : Ut,4 = 0.866460 * Ur,3 -
+ ( 0.007015 * U1,2 ) ( 0.232511 "' 0.135478 * ~1.3 ) + 0.135478 * ~1,4
Mayo : Ut,5 = 4.938342 * Ul,4 -
+ ( -2.583490 * U1,3 ) ( 4.249398 * 0.343481 * ~1,4 ) + 0.343481 * ~1.5
Junio : Ut,s = 0.115400 * U1,5 -
+ ( 0.118430 * U1,4 ) ( -0.201185 * 0.112610 * ~1,5 ) + 0.112610 * ~1.6
Julio :U1.7 = 2.316270 * U1,6 + ( -0.385629 * U1,s ) - ( 1.673456 * 0.187245 * ~1,6 ) + 0.187245 * ~1,7
Agosto : Ut,B = 0.515198 * U1.1 + ( 0.167830 * U1,6 ) - ( -0.287001 * 0.092588 * ~1,7 ) + 0.092588 * ~1,8
Septiembre : Ut,e = 0.409657 * Ur.s -
+ ( 0.328156 * U1,1 ) ( 0.073537 * 0.144977 * ~1,8 ) + 0.144977 * ~1,9
Octubre : Ut,to = 0.467289 * U1,9 + ( 0.097892 * U1,s ) - ( 0.092404 * 0.126154 * ~1,9 ) + 0.126154 * ~1,10
Noviembre : Ut,tt = 2.313587 * U1,10 -
+ ( -1.132967 * U1,9 ) ( 1.860632 * 0.148980 * ~1,10 ) + 0.148980 * ~1,11 1
Diciembre : Ut,12
--
= 0.257349 * U1,11 + ( 0.136299 * U1,10 ) - ( 0.030388 * 0.091547 * ~1,11 ) +
-
0.091547 * ~1,12 - ---- 1
Tabla 4.36 Modelos correspondientes a la Estación Gochas Túnel, (Fuente Propia).
Modelos correspondientes a la Eslación Cachas Túnel

Enero : U1,1 = -0.226107 * UI,O + ( 0.316484 * U1,-l ) - ( -0.906092 * 0.217080 * ~1,0 ) + 0.217080 * ~1,1
Febrero : U1.2 = 0.895264 * U1,1 -
+ ( -0.232566 * UI,O ) ( 0.649458 * 0.072225 * ~1,1 ) + 0.072225 * ~1,2
Marzo : Ut,3 = 2.706666 * U1,2 -
+ ( -0.498002 * U1,1 ) ( 2.122516 * 0.135635 * ~1,2 ) + 0.135635 * ~1,3
Abril : Ut,4 = 0.618306 * Ut,3 -
+ ( 0.093895 * U1.2 ) ( 0.307413 * 0.028197 * ~1,3 ) + 0.028197 * ~1,4
Mayo : Ut,s = 1.568576 * Ut.4 + ( -0.164208 * U1,3 ) - ( 0.399819 * 0.059383 * ~1,4 ) + 0.059383 * ~1,5
Junio : Ut,s = 1.245996 * U1,5 + ( -0.931412 * U1,4 ) - ( 0.621913 * 0.029851 * ~1,5 ) + 0.029851 * ~1,6
Julio : Ut,7 = -1.063746 * U1,6 + ( 0.810904 * U1,s ) - ( -1.723003 * 0.051100 *~1,6 ) + 0.051100 * ~1,7
Agosto : Ut,a = -0.047726 * U1,7 + ( -0.119626 * U1,6 ) - ( -1.514809 * 0.288236 * ~1.7 ) + 0.288236 * ~1.8
Septiembre : Ut,e = 2.210094 * U1,s + ( -1.677448 * U1,1 ) - ( 1.037042 * 0.572366 * ~1,8 ) + 0.572366 * ~1,9
Octubre : Ut,to = 0.239951 * U1,9 + ( -0.053035 * Ut,s ) - ( -0.013530 * 0.095955 * ~1,9 ) + 0.095955 * ~1,10
Noviembre : Ut,t1 = -1.517958 * UI,IO + ( 0.378583 * U1,9 ) - ( -1.999656 * 0.039263 * ~~- 10 ) + 0.039263 * ~ 1,11
Diciembre : Ut,t2~
= 0.744310
-------~~-
* U1,11 + (__:Q_._l07630 * U_I~O_)__-_ ( -0.175_1_0~_0.151969_~~~~-_)+ 0.15_12_69 _* ~1,12
Tabla 4.37 Modelos correspondientes a la Estación Piñascocha, (Fuente Propia).
Modelos correspondientes a la Estación Pitiascocha

Enero : U1,1 = 0.374763 * U1,0 + 0.209217 * ~1,1
Febrero : U1.2 = 0.268763 * U1,1 + 0.078028 * ~1,2
Marzo : U1,3 = 0.600833 * U1,2 + 0.161496 * ~1,3
Abril : U1,4 = 0.238623 * U1,3 + 0.011604 * s1,4
Mayo : U1.s = 2.034558 * U1,4 + 0.181067 * ~1,5
Junio : U1.s = 0.695599 * U1,5 + 0.079262 * ~1,6
Julio : U1,1 = 0.271460 * U1,6 + 0.034921 * ~1,7
Agosto : U1.a = 1.844867 * u 1,7 + 0.587798 * s1,s
Septiembre : U1,9 = 0.897222 * U1,s + 0.607197 * ~1,9
Octubre : U1.10 = 0.367532 * U1,9 + 0.233177 * Sl,lO
Noviembre : U1.11 = 0.529668 * u 1,10 + 0.272869 * ~1,11
Diciembre : U1,12 = 0.912613 * U1,11 + 0.190708 * s1,12
Tabla 4.38 Modelos correspondientes a la Estación Pachacayo, (Fuente Propia).
Modelos correspondientes ala Estación Pachacayo

Enero : U1,1 = 0.606471 "'U1,0 + ( -0.692235 *U1,-1 ) + 0.196987 * ~1.1
Febrero : U1,2 = 0.529988 *U1,1 + ( 0.109422 *U1,0 ) + 0.200696 *~1,2
Marzo : Ut,3 = 0.345746 *U1,2 + ( 0.117879 *U1,1 ) + 0.076343 * ~1,3
Abril : U1,4 = 0.740629 *U1,3 + ( 0.217634 *UI,2 ) + 0.061051 * ~1,4
Mayo : U1,s = 0.679819 *U1,4 + ( -0.170054 *U1,3 ) + 0.108725 * ~1,s
Junio : Ut,a = 0.776747 *UI,S + ( -0.245245 *U1,4 ) + 0.058228 * ~1,6
Julio : U1,1 = 1.222546 *u1,6 + ( -0.489515 *U1,s ) + 0.401882 * ~1,7
Agosto : U1.a = 0.431375 * UI;7 + ( -0.449322 * u1,6 ) + 0.118446 * ~1,8
Septiembre : U1.s = 0.9978 * U1,s + ( -0.388046 *u1,7 ) + 0.117095 * ~1,9
Octubre : U1,1o = 0.308722 *U1,9 + ( 0.068262 *U1.s ) + 0.084136 * ~1.1o
Noviembre : U1.11 = 0.55755 *UI,IO + ( -0.187388 * u1,9 ) + o. 042199 * ~1,11
Diciembre : U1,12 = 1.299289 * U1,11 + ( -0.272473 * Ul,IO ) + 0.122020 * ~1,12
Tabla 4.39 Modelos correspondientes a la Estación Quil/ón, (Fuente Propia).
Modelos correspondientes a la Estación Quillón

Enero : Ut,l = 0.254527 * UI,O + 0.080330 * s1,1
Febrero u
: U1.2 = 0.469677 * 1,1 ' + 0.067619 * S1,2
Marzo : U1,3 = 0.646421 * U1,2 + 0.098030 * s1,3
Abril : U1,4 = 0.441214 * UI,3 + 0.050552 * st,4
Mayo : U1.s = 0.625726 * U!,4 + 0.055586 * ~1,5
Junio : U1,s = 0.238822 * 1,5 u+ 0.003142 * st,6
Julio : U1,1 = 0.757489 * U1,6 + 0.003722 * ~1,7
Agosto : U1.a = 0.418571 * UI,7 + 0.000696 * st.s
Septiembre : U1,9 = 1.727746 * U!,s + 0.001433 * S1.9
Octubre : U1,1o = 3.767600 * U!,9 + 0.205259 * S1,10
Noviembre : U1,11 = 0.607779 * Ul,IO + 0.354973 * ~1,11
Diciembre : U1,12 = 0.626281 * Ut.u + 0.206713 * ~1,12
Generación de Descargas en la Cuenca del Río Mantoro mediante el Uso de Modelos Estocásticos de Series Sintéticas
Tabla 4.40 Modelos correspondientes a fa Estación Moya, (Fuente Propia).
Modelos correspondientes a la Estación Moya

Enero : Ul,l = 0.502932 * UI,O + 0.140937 * ~1,1
Febrero : U1,2 = 0.584716 * U1,1 + 0.110168 * ~1,2
Marzo : U1,3 = 0.623087 * U1,2 +; 0.100947 * ~1,3
Abril : U1,4 = 0.592816 * U1,3 + 0.078098 * st,4
Mayo : U1.s = 1.222066 * u 1,4 + 0.241657 * ~1,5
Junio : U1.e = 0.262921 * UI,S + 0.008102 * ~1,6
Julio : U1.1 = 0.832063 * U1,6 + 0.006121 * ~1,7
Agosto : U1,a = 0.867410 * U1,1 + 0.006438 * ~1,8
Septiembre : U1.s = 1.991295 * U1,s + 0.022497 * ~1,9
Oc1ubre : U1,1o = 0.361903 * U1,9 .+ 0.017699 * ~1,10
Noviembre : U1.11 = 1.272144 * U1,10 + 0.221786 * ~1,11
Diciembre : U1.12 = 0.703670 * U1,11 + 0.123785 * ~1,12
Tabla 4.41 Modelos correspondientes a la Estación La Mejorada, (Fuente Propia).
Modelos correspondientes a la Estación La Mejorada

Enero : U1,1 = 0.511236 * UI,O + 0.181259 * ~1,1
Febrero : U1,2 = 0.459218 * Ut,t + 0.111325 * ~1,2
Marzo : U1,3 = 0.651910 * U1,2 + 0.080912 * ~1,3
Abril : U1,4 = O. 796144 * U1,3 + o:o57534 * ~1,4
Mayo : U1,s = O. 709586 * Ul,4 + 0.041608 * SI,S
Junio : U1,e = 0.594017 * UI,S + 0.015645 * st,6
Julio : U1,1 = 0.459362 * U1,6 + 0.002762 * ~1,7
Agosto : U1,a = 0.028474 * UI,7 + 0.000004 * s1,s
Septiembre : U1,s = 22.494772 * UI,8 + 0.006922 * sJ,9
Oc1ubre : U1.1o = 0.549022 * U1,9 + 0.003530 * S1,10
Noviembre : U1,11 = 1.905884 * U!,10 + 0.077577 * ~1,11
Diciembre : U1.12 = 0.849608 * U1,11 + 0.081889 * si.u
Se puede notar claramente que los valores del criterio de información de

Akaike corregido y criterio de información de Schwarz para todas las
residuales de los modelos ARMA (p,q) generados para cada serie hidrológica
con las transformaciones logarítmicas, presentan pocas diferencias en los
mismos tipos de series; determinando así que los modelos ARMA (1 ,0),
ARMA (2,0) y ARMA (2,1) tienen un mejor valor de esta prueba de acuerdo
a la estación seleccionada y comparando entre series normalizadas con
transformación logarítmica y estandarizadas las series con transformadas
logarítmica presentan mejores valores.
Se aceptará entonces estos modelos para la generación de series, y se

verá en las pruebas de validación, que es el motivo de la tesis, qué modelo
reproduce mejor las características estadísticas de la serie original.
4.8. GENERACIÓN DE SERIES
Terminada la parte de modela miento estocástico de los diferentes

modelos ARMA (p,q) y obteniendo los parámetros adecuados según las
pruebas de ajuste del modelo que realizó previamente el programa SAMS y
mostrando en los cuadros anteriores de donde se obtuvieron los mejores
modelos parsimoniosos; el programa SAMS realiza la generación de series
sintéticas en funcion a los parámetros calculados por el programa para los
modelos ARMA (p,q) adecuados, según la tabla 4.32 y con los modelos
correspondientes a cada estación; luego, el programa realiza las
transformaciones inversas, a las realizadas inicialmente como es la
transformación logarítmica.
De los modelos estocásticos ARMA (p,q) que son los más competentes
según la prueba de Akaike y Schwarz; son presentados en la tabla 4.32, se
generaron 100 series de caudales medios mensuales, de longitudes iguales
a 50 años, para realizar las pruebas de validación de resultados.
4.8.1. ANALISIS COMPARATIVO ENTRE SERIES HISTORICAS Y

GENERADAS
Seleccionado los modelos de la serie por transformación logarítmica

según el Criterio de Información de Akaike Corregida (mostrados en la tabla
4.30), se generaron 100 series mensuales de longitud de 50 años para
obtener caudales al año 2015, para todas las series con transformación
logarítmica, el programa SAMS calcula la Media, Desviación Estándar,
Coeficiente De Asimetría, Coeficiente De Variación, Máximos y Mínimos
mensuales respectivamente; las series generadas e históricas se presenta
en el ANEXO C-2.
Según el ANEXO C-2 tenemos los siguientes resultados:
• Del Grupo 1, de las series seleccionadas (Upamayo, Puente Chúlec y

Puente Stuart) muestran apreciable semejanza en la media y desviación
estándar para todas las series; esto indica que los dos parámetros
conserva el mismo comportamiento a del régimen de descarga. Estas
series mantienen un comportamiento estacional definido, mostrando así
que las series generadas con sus respectivos modelos ARMA (p,q)
preservan las características estadísticas de las series originales.
• Del Grupo 11 de las series seleccionadas (Gochas Túnel, Piñascocha y
Pachacayo) muestran apreciable semejanza en la media y desviación
estándar para todas las series; esto indica que los dos parámetros
conserva el mismo comportamiento a del régimen de descarga. Estas
series mantienen un comportamiento estacional definido, mostrando así
que las series generadas con sus respectivos modelos ARMA (p,q)
preservan las características estadísticas de las series originales.
• Del Grupo 111 de las series seleccionadas (Quillón, Moya y La Mejorada)
muestran apreciable semejanza en la media y desviación estándar para
todas las series; esto indica que los dos parámetros conserva el mismo
comportamiento a del régimen de descarga. Estas series mantienen un
comportamiento estacional definido, mostrando así que las series
generadas con sus respectivos modelos ARMA (p,q) preservan las
características estadísticas de las series originales.
Por lo tanto las series generadas a partir de las series históricas, en su

mayoría, preservan las características estadísticas tanto en la media y la
desviación estándar, con mayor énfasis en la media.
4.9. VALIDACIÓN DE RESULTADOS
Obtenido los resultados de las medias y desviaciones estándar de cada

serie generada, para cada mes con el programa SAMS; se realizaron las
pruebas estadísticas para verificar si las series generadas con el modelo
estocástico ARMA (p,q) para cada serie hidrológica, reproducen valores de
caudales medios mensuales que sean estadísticamente iguales a las series
hidrológicas históricas.
4.9.1. PRUEBA DE HIPOTESIS PARA DOS MUESTRAS
La verificación estadística de las dos muestras, como son las series

históricas y las series generadas, se realizaron con las sigui~ntes pruebas:
1. PRUEBA DE HIPOTESIS DE LAS VARIANZAS DE 02 POBLACIONES

·La hipótesis de verificación si las varianzas son iguales o diferentes se
evaluaron con el estadístico de F (Fisher Snedecor), los resultados de esta
prueba se muestra en el ANEXO C-3 y en la tabla 4.42 se muestra en
resumen cada una de las pruebas incluida esta prueba.
2. PRUEBA DE "t" PARA MUESTRAS INDEPENDIENTES

Evaluado si las varianzas son homogéneas o no, se realiza la prueba de
"t" para muestras independientes, consistente en la prueba de diferencia de
dos medias que presenta dos casos: para varianzas homogéneas y no
homogéneas. Los resultados se muestran en el ANEXO C-3 y en la tabla
4.42 se muestra en resumen esta prueba.
3. PRUEBA DE "t" PARA MUESTRAS DEPENDIENTES

La diferencia entre las muestras históricas y generadas, para cada serie
hidrológica de una estación, fueron evaluadas tanto en la media como en la
desviación estándar; en el ANEXO C-3 y en la tabla 4.42 se presenta un
resumen de esta prueba.
4.9.2. INTERVALO DE CONFIANZA A PARTIR DE LAS SERIES

GENERADAS
La verificación del intervalo de confianza de las series históricas a partir

de las series generadas se muestran en el ANEXO C-3 y en la tabla 4.42 se
muestra un resumen de esta prueba.
4.9.3. PRUEBAS DE BONDAD DE AJUSTE
Para determinar la distribución de probabilidad de la cual provienen las

muestras históricas y generadas, estas fueron evaluadas con las pruebas de
bondad de ajuste de Kolmogorov Smirnov; para determinar una serie
adecuada, de las 100 que se han generado, se realizaron las pruebas de
comprobación de las medias y la varianza con respecto a la serie original;

simulando con varios valores del nivel de significancia ("a" probabilidad de
error) para que quede una sola serie. La tabla 4.43 se muestran los
diferentes valores de a que se utilizaron para simular el comportamiento de
la media y desviación estándar y así determinar la serie más óptima.
Definida la serie óptima, se realizaron la prueba de Kolmogorov

Smirnov(KS) para evaluar si las series generadas se ajustan a una
distribución de probabilidad normal, en la tabla 4.44 se muestran los
resultados. Se realizó la prueba de Kolmogorov Smirnov (KS) para muestras
independiente para evaluar si tiene correlación la serie generada a 50 años
con la serie histórica de longitud 40 años.
En las tablas 4.45 al 4.47, se muestran los conjuntos de series históricas

y sintéticas a las que se aplicó el estadístico de KS, cuyos resultados se
presentan en el ANEXO C-4 elaborado con el software SPSS 22; se tomó en
cuenta para estas pruebas los meses considerados como períodos secos y
húmedos en el año (Marzo y Agosto).
En el ANEXO B-3, se muestra las series sintéticas generadas de caudales

medios mensuales en cada una de las estaciones hidrométricas
seleccionadas. En las figuras 4.84 al 4.92 se muestran los hidrogramas
comparativos de las series históricas corregidas y completadas con las
series sintéticas generadas.
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERO
Tabla 4.42 Resumen de las Pruebas Estadísticas de Validación y Contrastación de Hipótesis, (Fuente Propia).
SERIES SINTETICAS GENERADAS. ORDEN DEL MODELO LONGITUD DE PRUEBAS ESTADISTICAS

-
r
- - -· .. - -
Según Tabla 4.30 ARMA(p,q) LA SERIE 1 2 f 3 1 4
1
i
La serie presenli ener varianzas iguaes en La serie lena rredias Iguales en los 12 v
La serie sinlilca origilal presenlln relación La serie si1iii:a se encuenta dento del
UPAMAYO- Ln ARMA { 1, O) 600 los 12 rreses n-eses en la rredia y varianza. v
inervalo de contanza para la media desv.
Estándar para los 12 neses.
La serie presenli ener varianzas iguales en La serie lene rredias IgUales en los 12 La serie srn!i:a Vorigilal presenl; relación La serie si11!i:a se encuenta dento del
PUENTE CHÚLEC - Ln ARMA { 1 ,O) 600 los 12 rreses neses en la varianza rrss no en la rredia. inervalo de contanza para la media Vdesv.
Esfándar para los 12 rreses.
La serie presenl! ener varianzas iguales en La setie lene rredias iguales en los 12 La serie sinl!i:a y original presenl; relación La serie si11élca se.encuenta dento del
PUENTE STUART- Ln ARMA{2, 1) 600 los 12 rreses rreses en la varianza rrss no en la rredia. llmrvalo da conianza para la media y desv.
La serie presenli ener varianzas iguales en La serie íene rredias Iguales en los 12 La serie siniilca y orlgilal prasenl; relación la serie siliii:a se encuenta dento del
GOCHAS TÚNEL- Ln ARMA(2,1) 600 los 121T11ses ITIISBS en la varianza rrss no en la rredia inervalo de confanza para la rredia y desv.
· .. Esfándiar para los 12rreses.
La serie presenl! ener varianzas iguales en La serie iene rredias iguales en los 12 v
La serie sin~! lea origi!al presenl; relación ~ serie si11éi:a se encuenta dento del
PIÑASCOCHA- Ln ARMA{ 1 ,O) 600 los 12 rreses rreses 'en la varianza rrss no en la rredla. Hlervalo de conianza para la rrediJ y desv.
Esfándiar para los 12 neses.
La serie presenll ener varianzas iguales en La serie lene rredias iguales en los 12 La serie siniilca y orgilal presentl relación La serie si1iilca se encuenta dento del
PACHACAYO- Ln ARMA{2,0} 600 los 12 rreses rreses en 1a varianza rrss no en la rredia. v
11lervalo de conianza para la media desv.
Eslindar para los 12 rreses.
La serie presenlliener varianzas iguales en La serie lene rredias Iguales en los 12 La serie siniii:a Vorgilal presenl; relación la setie sinlllca se encuenta dento del
QUILLÓN- Ln ARMA{ 1 ,0) 600 los 12 rreses rreses en la varianza rres no en 1a rredia iniervelo de contanza para la media y desv.
_ · Eslindar para los 12 rreses.
La serie presenl! iener varianzas Iguales en La serie lene rredias iguales en los 12 La 811t'ie siniii:a y orgilal presene relación La serie siniii:a se encuenta dento del
MOYA-Ln ARMA { 1, O) 600 los 12 neses rreses en 1a varianza rrss no en la rredia. 11iervalo de contanza para la media y desv.
La serie presanll mner varianzas iguales en La serie lene rrecfes iguales en los 12 La serie sin\iica y o~al presenl; relación La serie slniilca se encuenta dento del
LA MEJORADA- Ln ARMA( 1, O) 600 los 12 rreses rreses en 1a varianza rms no en la rtl!dia v
11iervalo de contanza para la rredia desv.
-·--- ------- --~-- L-.- ---·· -·- -·---~L... -- - · -· -- -- -- -- _ _. _ _· _Esllndar~¡¡ralos 12_rreses. _ _
1. Prueba de Varianzas: Verificación si las varianzas son iguales o diferentes. Aceptación absoluta de las pruebas ¡-_- --- ---1
2. Prueba de t para la diferencia entre dos medias, prueba para muestras independientes.
3. Prueba de t para la diferencia de dos medias apareadas, ·prueba para muestras dependientes. r __- - _ - - - - .
Rechazo parcial de las pruebas
4. Intervalo de Confianza Obtenidos a partir de los datos Generados.
Generación de Descargas en la Cuenca del Río Mantara mediante el Uso de Modelos Estocásticos de Series Sintéticas
FACULTAD DE JNGENIEIÚA CIVIL
Tabla 4.43 Selección de fa serie generada más adecuada, (Fuente Propia).

SERIES ADECUADAS SEGÚN NIVEL DE SIGNIFICANCIA "o"
~ERIES SINTETICAS GENERADAS.
Según Tabla 4.30
ORDEN DEL
MODELO
LONGITUD DE
LA SERIE 1
~
2 3 4
. ~
S 6 7 8 9 10 11 12
- "o' oplilll p111
stlocolón dtun1
ARMA(p,q) serlo
UPAMAYO-ln ARMA ( 1 ,O 1 600 65 14 74 15 60 73 66 95 48 44 8 2 0.600~.975
PUENTE CHÚLEC ·ln ARMA(1 ,O) 600 45 13 78 97 30 5 7 70 29 96 1 74 OM.8
PUENTE STUART • Ln ARMA(2, 11 600 31 19 23 5 64 100 79 72 65 44 59 70 0.60~.85
COCHAS TÚNEL- Ln ARMA(2, 1) 600 50 51 5 23 33 25 8 40 7 83 74 66 OM.8
PtlASCOCHA • Ln ARMA(1,0) 600 74 40 83 59 84 89 64 29 77 73 86 74 0.6-0.8
PACHACAYO • Ln ARMA(2,0 600 39 2 36 91 94 79 98 22 62 49 97 64 OM.8
QULLÓN·Ln ARMA ( 1 ,O 1 600 20 43 61 29 94 82 5 90 27 59 63 12 0.6~.8
MOYA-ln ARMA( 1,O 1 600 74 88 62 56 61 76 73 30 50 10 86 64 OM.8
LA MEJORADA -ln ARMA (1 ,O) 600 47 37_ .__ __3_1_ L__67__ ~- .___78~ ,_ ---ªL__ 72 '----~97- ~ 80 3 L__ 56 - 0.~.7
Tabla 4.44 Resumen de fa prueba estadística de Kolmogorov Smirnov (KS) para el ajuste de la normalidad de /as series generadas, (Fuente Propia) .
. ·--
ORDEHDEL VALORES CALCULADOS DE LA PRUEBA DE KS PARA EL AJUSTE DE LA NORMALIDAD i

SERIES SINTETICAS GENERADAS. LONGITUD DE
MODELO
Según Tabla4.30 LA SERIE
ARMA(p,q) 1 2 3 4 5 6 7 8 9 10 11 12 Valor Tabular Ajuste
UPAMAYO-Ln ARMA(1,0) 600 0.1679 0.1910 0.1918 0.1915 0.1110 0.1040 0.0560 0.1110 0.0760 0.0830 0.1070 0.0940 0.1923 SE AJUSTA
PUENTE CHÚLEC •Ln ARMA(1,0) 600 0.1102 0.1036 0.1488 0.0940 0.0830 0.1550 0.1040 0.1070 0.0830 0.0830 0.1350 0.0980 0.1923 SE AJUSTA
PUENTE STUART • Ln ARMA(2,1) 600 0.1387 0.1361 0.1427 0.1090 0.1180 0.1070 0.0760 0.0990 0.1210 0.0770 0.0760 0.1150 0.1923 SE AJUSTA
GOCHAS TúNEL· Ln ARMA(2,1) 600 0.1219 0.0689 0.0835 0.1020 0.1360 0.1380 0.0760 0.1810 0.1922 0.1470 O.OBSO 0.1390 0.1923 SE AJUSTA
PIÑASCOCHA • Ln ARMA(1,0) 600 0.1196 0.1132 0.1123 0.0650 0.1400 0.1550 0.0620 0.1919 0.1920 0.1820 0.1520 0.1340 0.1923 SE AJUSTA
PACHACAYO •Ln ARMA(2,0) 600 0.1140 0.1243 0.1305 0.1200 0.1360 0.0930 0.1400 0.1640 0.18SO 0.1110 O.OBSO 0.1340 0.1923 SE AJUSTA
QUUÓN-Ln ARMA( 1,0) 600 0.0880 0.0805 0.0933 0.0560 0.1050 0.1060 0.0850 0.0810 0.0740 0.1830 0.1660 0.1180 0.1923 SE AJUSTA
MOYA-ln ARMA (1, O) 600 0.0994 0.1365 0.1486 O.OBBO 0.1500 0.0800 0.1050 0.0490 0.0970 0.0670 0.1610 0.1440 0.1923 SE AJUSTA
LA MEJORADA· Ln ARMA( 1,0) 600 0.1266 0.1214 0.0843 0.1580 0.1500 0.0720 0.0670 0.0690 0.0810 0.0760 0.1600 0.1410 0.1923 SE AJUSTA
Autor: Jimy Marlon Bastidas Valdivia _ 159
Tabla 4.45 Valores históricos y sintéticos usados para la obtención del estadístico de
Kolmogorov Smirnov, estaciones Upamayo, Puente Chúlec y Puente Stuart, (Fuente
Propia).
Estación Upamayo Estación Puante Chúlec Estación Puente Sluart
Periodo de
Marzo Agosto Marzo Agosto Marzo Agosto
tiempo
Históricos Sintéticos Históricos Sintéticos Históricos Sintéticos Históricos Sintéticos Hlatórlcos Sintéticos Históricos Sintéticos
1966 0.28 33.60 64.87 23.17 90.16 143.44 92.20 69.39 260.00 290.88 73.00 9559
1967 22.50 14.00 41.76 36.50 277.43 316.43 51.07 70.97 453.00 162.52 &1.00 62.26
1968 0.15 112.99 52.34 52.38 123.88 389.44 78.46 54.32 283.00 174.53 101.00 169.85
1969 0.66 13.20 79.18 50.43 46.47 178.14 129.01 41.04 133.00 223.88 96.00 84.93
1970 19.98 27.30 60.09 35.17 139.81 129.92 83.52 59.38 195.00 345.86 7300 88.42
1971 44.70 51.40 34.22 33.64 128.26 158.71 42.46 31.55 353.00 263.36 79.00 82.56
1972 47.96 34.64 49.44 41.72 159.74 189.65 60.74 50.35 472.00 255.86 82.00 54.76
1973 62.60 5.51 32.27 48.72 225.00 69.65 46.52 53.06 634.00 260.35 n.oo 77.16
1974 91.37 25.07 3433 47.37 276.48 67.77 40.22 10959 566.00 489.75 73.00 70.76
1975 29.70 6.05 36.93 17.08 188.91 107.98 50.11 48.90 421.00 317.26 69.00 128.53
1976 89.89 1.08 35.93 32.98 296.60 78.51 57.31 46.36 422.00 185.65 71.00 97.16
1977 6.70 6.51 39.95 16.98 79.04 81.58 53.97 4668 187.50 410.73 64.00 136.51
1978 47.93 26.80 15.52 37.17 205.33 132.92 26.48 31.01 102.55 251.22 59.00 69.17
1979 71.38 7.08 25.98 44.39 312.10 184.64 55.66 48.57 749.60 242.87 71.92 54.85
1980 14.80 1.84 26.73 49.54 69.21 179.21 39.06 42.74 223.96 137.20 75.06 71.27
1981 53.88 14.13 21.85 48.50 188.33 94.14 52.76 67.86 375.95 1194.27 79.82 85.05
1982 35.49 1.83 52.39 48.14 125.64 151.33 80.58 53.06 246.68 512.53 80.93 73.42
1983 13.07 34.47 37.59 34.86 70.40 85.54 61.60 54.94 180.07 256.87 80.93 68.95
1984 22.39 30.89 34.97 28.76 152.15 330.75 63.37 72.88 478.65 285.81 87.60 103.85
1985 1.17 2.90 37.20 35.99 89.79 99.57 66.53 48.82 159.30 258.66 113.71 120.88
1986 95.03 23.72 22.75 71.20 308.16 232.98 63.04 100.05 464.45 487.68 96.27 67.97
1987 10.29 20.03 35.29 36.66 67.03 139.94 38.98 75.58 167.89 291.60 74.82 72.87
1988 36.44 14.66 40.70 38.60 132.58 62.48 43.42 62.28 200.07 144.30 92.80 88.88
1989 67.89 82.60 54.79 40.96 231.71 132.83 92.54 59.64 296.61 m.78 95.01 93.18
1990 13.81 10.15 36.53 43.61 71.45 140.61 56.22 45.38 126.24 250.93 74.88 78.59
1991 22.75 80.61 37.32 38.02 157.47 143.17 80.08 43.57 381.64 647.96 00.35 110.97
1992 3.65 25.73 16.42 34.12 64.85 363.04 27.05 62.30 150.71 351.82 65.45 9390
1993 3.65 16.34 40.95 34.04 110.97 92.06 61.98 75.37 273.85 226.01 83.73 B8.n
1994 84.52 7.92 48.63 27.98 310.31 253.03 83.81 59.48 480.58 238.69 91.58 142.28
1995 8.30 7.40 36.67 63.70 90.42 122.50 57.93 45.89 181.63 197.73 82.07 85.63
1996 7.49 8.86 30.85 75.17 72.34 59.02 56.44 7081 154.78 234.00 98.73 93.57
1997 7.54 2.00 29.17 35.87 98.33 62.99 49.10 46.53 204.25 338.24 00.68 78.09
1998 7.44 6.99 42.46 36.28 105.41 211.24 71.53 39.05 216.51 150.63 108.34 88.09
1999 7.62 28.51 37.43 30.69 137.79 157.62 67.17 38.80 287.64 399.04 117.32 74.88
2000 46.09 36.90 37.87 43.57 245.21 85.85 80.44 71.09 336.87 394.80 00.47 80.32
2001 104.42 31.00 43.38 31.30 341.31 268.71 65.08 50.23 401.78 113.43 69.37 79.27
2002 16.83 143.89 50.95 41.35 135.62 113.26 73.93 69.38 217.75 337.78 67.40 96.37
2003 66.37 88.45 41.27 39.65 249.08 129.97 74.81 106.41 363.16 320.86 180.12 65.52
2004 2.42 16.42 36.10 36.28 45.59 29.47 64.82 50.41 266.01 41265 8485 67.47
2005 2.42 47.25 33.85 18.07 61.24 156.05 56.62 47.80 144.13 323.88 62.47 79.60
2006 24.77 33.71 139.01 56.54 298.30 97.53
2007 44.25 31.52 52.44 79.67 293.50 77.03
2008 6.91 59.14 141.74 61.92 411.31 119.27
2009 5.65 56.04 34.69 65.42 611.85 65.13
2010 12.39 21.75 315.63 62.77 311.00 68.43
2011 2759 20.17 195.19 43.71 252.55 76.01
2012 85.53 31.94 113.56 97.91 428.58 76.49
2013 14.93 38.84 76.60 93.48 227.80 114.64
2014 2.63 34.74 93.79 89.29 255.56 87.87
2015 78.02 38.15 244.46 91.69 367.18 75.14
Promedio 3129 29.07 39.17 38.93 157.04 150.67 6U2 61.28 305.33 322.35 84.69 87.59
1
Desv. Est. 31.30 31.17 12.43 12.38 87.10 85.50 19.44 19.11 150.90 169.51 20.87 2t91
Kolmogorov Smirnov, estaciones Gochas Túnel, Pifiascocha y Pachacayo, (Fuente Propia).
E&taciGn tochas Tlinel EstacKin Piñascodla Estación Pachacayo

Periodo de
Marzo Agosto Marzo Agosto Marzo Agosto
Ue1J1!0
HI!IVrievs Slnt!licos Histórico.! Sintéticos Histórico& Slntéllcos Históricos Sintéticos Hlstórievs Sintéticos Históricos Slntf!lcos
1966 4.46 12.08 1.26 1.40 2.33 5.28 0.32 0.49 9.15 16.28 2.01 4.90
1967 20.41 14.59 3.08 3.30 4.85 5.86 0.45 0.89 34.00 3H1 3.49 3.30
1968 11.80 5.25 1.41 1.66 3.60 3.96 0.35 0.31 18.19 40.15 3.11 1.59
1969 11.48 9.44 1.55 2.40 2.95 8.15 0.49 0.46 17.02 43.26 2.88 6.95
1970 11.73 18.54 1.62 1.83 3.26 4.01 0.51 0.60 16.01 21.17 3.44 3.16
1971 28.98 26.49 1.68 1.25 7.69 3.80 0.33 0.95 44.52 19.13 3.35 1.43
1972 27.34 21.62 1.79 1.23 9.51 5.28 0.34 0.88 42.70 20.63 3.63 2.87
1973 20.20 12.76 2.25 1.12 4.72 5.34 0.67 0.13 40.99 18.10 320 1.88
1974 14.22 16.24 2.07 t.n 3.37 4.55 0.85 0.71 28.85 19.45 3.62 2.01
1975 17.19 13.96 1.33 6.49 8.08 3.36 0.30 0.25 37.11 24.81 2.U 2.50
1976 14.77 2125 1.43 2.06 6.53 4.59 0.57 0.29 28.33 9.24 2.95 1.89
1977 13.88 15.76 1.53 5.15 3.93 8.36 026 4.72 24.85 17.44 2.75 2.36
1978 7.49 24.52 1.51 127 2.49 7.38 029 0.53 13.48 2857 328 1.88
1979 17.43 6.75 1.68 2.07 7.51 9.09 0.34 0.19 35.86 39.73 2.64 4.00
1980 9.75 8.99 1.59 1.08 3.22 5.74 027 0.45 15.47 19.46 2.31 1.60
1981 13.81 11.59 1.67 1.44 5.44 3.21 0.34 027 30.72 29.63 2.63 3.80
1982 6.67 6.00 1.73 2.14 3.44 4.26 021 0.79 18.06 39.74 3.47 1.39
1983 6.79 9.89 1.83 1.26 2.44 3.85 0.19 0.70 14.50 36.23 2.60 4.14
1984 16.35 5.37 1.46 1.76 6.44 5.73 0.30 029 39.30 24.84 2.75 3.31
1985 16.47 13.97 1.62 1.09 4.94 3.18 0.45 0.43 29.87 35.60 2.85 2.68
1986 21.98 25.89 2.D4 2.87 5.64 7.68 0.70 0.58 38.39 28.87 220 3.23
1987 8.21 14.99 1.76 1.46 2.36 6.81 0.49 0.55 13.26 18.09 3.24 328
1988 11.25 18.65 1.76 1.33 3.69 3.03 0.41 0.93 19.46 55.89 2.55 3.83
1989 23.62 15.08 2.11 2.41 5.68 2.54 0.38 1.46 36.41 34.75 2.98 2.11
1990 6.92 12.59 128 1.55 2.38 4.96 0.65 2.77 9.76 9.95 2.52 1.80
1991 21.70 12.37 1.13 1.41 8.40 1.62 0.35 0.33 51.21 44.97 1.55 3.98
1992 5.88 23.96 0.87 2.28 1.45 2.70 1.52 0.40 1332 22.97 1.86 10.63
1993 23.67 7.13 1.22 1.53 4.34 3.35 0.36 0.36 41.18 34.36 3.46 6.37
1994 22.83 6.05 1.28 1.42 6.05 2.91 0.41 0.41 46.27 19.43 0.88 6.85
1995 12.12 10.99 6.31 2.11 3.38 3.55 2.13 0.23 22.27 18.86 10.80 8.27
1996 7.59 10.53 3.18 120 4.78 4.07 2.56 0.34 16.04 16.85 8.85 2.03
1997 7.47 7.48 4.52 1.33 2.87 3.70 0.21 0.19 12.83 10.51 7.52 2.40
1998 1l09 25.43 4.40 2.43 2.63 1.74 1.12 1.14 20.52 35.11 6.32 3.61
1999 12.98 17.63 1.32 1.53 5.58 4.22 2.74 0.42 20.00 47.12 3.01 600
2000 22.31 37.42 1.41 1.90 4.18 3.06 3.18 2.38 35.92 19.29 3.52 226
20D1 30.36 16.02 1.26 2.27 8.44 2.91 1.07 1.66 47.05 31.22 1.98 5.10
2002 11.95 7.95 1.37 1.36 4.22 3.03 0.51 2.79 23.65 23.78 3.64 3.90
2003 26.81 22.47 2.43 1.42 8.47 2.56 1.15 0.18 43.10 65.09 5.59 1.97
201U 931 14.49 1.80 1.69 2.86 5.36 0.52 0.23 9.80 12.60 4.65 3.80
2005 8.18 10.64 1.21 1.08 3.30 10.29 0.52 0.26 a57 28.88 4.13 2.87
2006 18.88 1.44 1.97 0.51 13.51 3.15
2007 6.19 4.36 959 0.25 11.47 4.01
2008 16.68 2.01 3.03 0.30 34.21 527
2009 10.99 1.82 5.76 0.19 12.58 2.14
2010 17.03 224 2.65 0.25 43.22 2.40
2011 14.68 2.94 2.17 1.10 13.35 5.49
2012 13.98 0.99 5.36 0.24 20.68 3.21
2013 22.85 1.31 4.66 1.11 27.03 2.41
2014 16.31 2.39 3.58 0.35 35.52 3.66
2015 29.45 1.10 562 0.64 19.99 324
Promedio 14.99 15.20 1.92 1.94 -4.69 4.59 D.72 8.74 2&.70 26.95 351 3.53
Dm.E.st 7.06 6.95 1.05 1.04 2.D1 2.07 0.72 1.84 12.66 12.48 1.91 1.86
Kolmogorov Smirnov, estaciones Quillón, Moya y La Mejorada, (Fuente Propia).
Estación ~filón Estación Moya Estación La Mej01ada

Ptrfodode
Marzo Agosto Ma120 Agosto Marzo Asosto
tiempo
Históricos Sint!ticos Históricos Síntéticos Hlstóric!l.! Sintéticos Históricos Sintéticos Históricos Sinteticos Históricos Sintéticos
1955 15.76 13.32 3.41 4.12 38.13 37.12 8.00 8.35 233.48 284.19 95.27 88.08
1967 51.00 19.49 4.12 5.16 121.00 68.25 11.32 8.78 485.08 240.09 100.00 79.09
1958 21.79 25.96 4.19 3.22 55.67 40.16 10.05 11.63 359.06 278.34 101.84 106.58
1959 11.!l0 21.52 4.88 3.59 30.41 67.31 10.03 10.47 198.81 599.48 113.42 84.53
1970 11.26 40.37 5.08 2.41 55.54 47.38 10.63 7.74 266.84 227.06 95.48 115.31
1971 39.26 33.92 3.98 5.40 65.62 55.43 10.50 10.03 400.13 522.62 85.13 78.53
1972 45.53 10.37 4.13 3.07 85.09 32.96 10.50 9.53 657.87 331.18 109.39 110.81
1973 5l49 21.87 6.70 3.93 116.76 101.95 12.69 8.28 728.23 508.52 98.46 75.89
1974 29.66 5.31 5.45 4.95 35.74 95.65 15.34 11.68 544.9ll 711.18 105.81 00.58
1975 31.24 15.39 4.17 4.47 59.26 36.82 10.62 10.43 604.52 388.05 87.00 74.55
1976 24.49 15.56 4.25 1.31 56.54 48.54 8.75 5.74 537.23 227.67 95.48 97.69
1sn 23.14 53.70 3.47 3.97 35.41 72.22 9.57 10.47 362.71 672.90 82.74 59.93
1978 17.57 21.38 3.93 3.12 26.55 66.81 8.99 13.50 311.10 367.72 68.13 103.45
1979 23.29 28.38 4.13 3.34 37.17 46.50 8.74 9.54 543.71 618.80 82.55 105.51
1980 5.78 30.00 2.69 3.98 30.85 36.n 7.32 12.06 252.84 367.70 66.45 113.52
1981 15.95 23.38 3.94 4.87 32.93 18.24 10.75 12.45 481.n 195.34 93.71 75.20
1982 18.31 28.20 4.98 2.92 55.67 37.11 7.45 8.97 341.94 m.ss 93.84 93.34
1983 20.20 33.10 2.62 3.82 25.69 53.34 10.00 7.71 190.94 336.21 89.48 96.10
1984 44.76 43.48 5.31 3.33 84.04 42.73 11.49 9.58 550.06 290.18 94.96 63.92
1985 20.06 25.71 4.40 1.55 50.20 82.83 10.17 1.n 320.84 448.11 112.25 86.07
1986 40.00 20.30 4.32 3.36 104.85 54.37 15.47 9.04 565.68 184.85 122.36 82.20
1987 17.75 32.45 2.94 4.42 27.92 105.05 10.12 13.87 137.00 sm5 8552 85.16
1988 23.82 29.88 4.27 3.71 48.40 62.68 1o.n 11.96 225.52 426.94 90.90 92.71
1989 48.70 15.36 4.00 3.18 73.67 42.03 10.00 12.55 442.59 263.31 107.97 78.81
1990 11.00 28.10 4.00 4.80 36.00 57.07 10.00 9.n 146.09 166.60 75.45 101.08
1991 25.00 40.08 3.00 5.06 32.00 32.94 9.00 9.63 340.41 407.70 93.83 101.87
1992 29.84 14.68 1.46 3.60 27.09 54.55 7.41 10.41 146.04 474.41 47.13 74.95
1993 20.12 23.72 1.97 4.92 48.15 127.23 9.15 10.41 291.55 158.18 75.80 112.55
1994 33.31 63.92 3.75 2.91 78.03 35.21 13.68 10.57 517.80 298.85 107.58 87.74
1995 31.09 20.98 3.29 4.27 80.38 80.37 10.21 11.10 30483 234.70 84.75 100.27
1996 19.50 30.09 4.69 4.52 38.99 472.7 7.33 11.32 J.l0.26 312.11 80.69 83.24
1997 16.08 33.53 3.82 2.88 40.94 38.49 9.99 10.89 320.63 375.69 73.98 80.83
1998 23.80 47.41 2.35 5.03 48.64 82.63 8.70 8.29 393.91 394.05 87.92 91.03
1999 25.39 25.88 5.44 3.34 55.69 37.20 12.88 9.96 522.51 525.71 96.40 106.96
2000 30.14 22.45 3.93 4.95 72.68 90.62 10.85 11.22 622.49 381.00 100.68 125.97
2001 30.23 9.24 4.15 5.57 68.82 40.S1 11.54 10.97 648.49 325.98 94.93 92.04
2002 25.67 21.81 3.81 3.61 64.40 54.32 11.16 10.28 402.83 604.54 94.82 102.44
2003 29.93 40.61 3.52 5.13 71.07 44.n 11.49 10.95 560.68 793.63 99.92 78.48
2004 12.73 30.38 1.62 3.99 35.95 52.50 7.83 6.22 204.37 571.70 86.91 81.82
2005 20.81 12.43 1.55 5.31 49.06 16.30 8.73 13.29 246.45 604.84 78.11 00.44
2006 17.16 2.71 29.12 8.15 431.82 81.46
2007 25.43 6.63 79.71 8.96 302.23 92.68
2008 15.11 2.84 46.82 10.08 381.09- 102.97
2009 23.94 2.17 47.92 8.19 256.72 92.80
2010 25.57 2.44 33.75 13.78 518.03 95.94
2011 18.91 3.51 42.54 11.51 480.90 92.48
2012 12.15 3.97 34.67 12.26 631.20 118.57
2013 27.99 2.95 61.51 9.00 218.02 82.95
2014 19.93 5.29 102.05 10.91 611.31 107.78
2015 34.47 2.73 53.00 6.30 532.97 81.47
Promedio 26.D1 25.»3 3.M 3.85 55.08 55.52 102.5 10.15 396.31 407.12 9U7 91.97
Dev.Est 11.47 1U1 1.11 1.1D 2W 23.78 1.90 1.86 161.06 158.64 14.33 14.09
Generación de Desca1·gas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
r~s~.~o
----,
~----------------------------------------------------~ 1
130.00
120.00
110.00
100.00
1
90.00
80.00
1
70.00
60.00 '
50.00 :¡
•'o!•'
i
! ~l
q i" 1 l
H, ~ .~ ¡¡ ·~ . f~.r\!lii .~
40.00 :~
:. •• ' r. •
~~ u~
11
••
11
::
'
'
•
: 1 ..
11
,,, ··~' I.J ~~ l•l ,,,r, ~·

30.00
! li~i ••• •• ~ •
:1·: : ·: f::.:• m:: :!

1 1 .... 1
20.00 li !!:
¡
1 10.00
1
-~-
ifi'Wf¡l ~
Jr~
1:..
1
1
~
~ ~
1 1! :· 1•: i
:111;¡ ::
t~
••
:: ~ t '
:~
:~1 ••
.
u:r·
=·
íi!
·; : ··:
'
::~:
iltl.
11'
!
::
11
r~
'
1
l
l 0.00
¡g t;
"' ...
.., m le
... ...
U>
... ¡::.... ...
.... ..,N
~
"' ...
.., ,_ ,_
,_ ...
... ..,,_ ,_ ... -----
... "' ..,
"' ... ... - N
- - = - "'- - .. = ..
...... ..,....., ..,...... .......... .....,"' "',_ ... ...... ..."' ¡;;... ...~ ....., ... ..."'.... ......"' ,_...... ..,... ...... ""
"'
N
Si ~ ~ "'~ ~ ~ ~ ~
C> .. ..
a ...."' ..."' "'... 1:¡ ..."' "'
"' "'
~ ~ §e - ~
N
..,
-... .......
~ i§ i§
1
i
¡
l::
é
===
:t::
e
;:; "'
5 ;:; ;:; "'
;:; "'
;:; 5 5 ;:;
e ~ ~ ~ ~ ~ ~ ~ ~ ~ e ~ ~ ~ ~ ~ e ~ .,
"' "' "" "' "' "' "' "' "'
;:; 5
"'
5 ;:;
=
;:;
"' "' "'
;:;
.. "'
~ .,
=
"' ;:; ;:; ;:;
~ ~ ~ ~ ~ ~ ~ e e ~ ~ .,
"' "' "' "' "' "'
;:; ;:;
==
5
"' "'
;:; ;:; ~ "'
~ ~ e ~ ~ e e ~ e e ~
= "' == ==
"' "' "' "'
~
"'
~
., = "'~ "'ª ~ .,~
c;
~ ~
e;; ¡
1.....-..-------· ·---------·
- - UPAMAYO HISTÓRICO
·--------------
------- UPAMAYO GENERADO
__j
Figura 4.84 Serie Original y Generada con el Modelo ARMA (1,0), Serie Upamayo- LN (tiempo vs caudal m3/seg)
Generación de Descargas en la Cuenca del Río lv.fantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
' 550.00
500.00
450.00
1 400.00
350.00
300.00
250.00
.
1
200.00
l" 11
.••i• •~
lt
•!••
•••
150.00 l. 1
~
1 "
11: :11 ::
11
"
:: : t ::
~~h.::!•. ,:1'f:.
•• f 1 IJ 11
' 100.00 ••
11
f 1
1 '
1 t
1 1
• 1
..
"
ti
1 ••
11
..• '
11
:: ·~
·' :: ::
50.00 ~~·w...
1
. ..•..
1 1 11
~ ... • ,, ~11 iJf•• ·,·~·
,tJ1 :,'V
•• ••
": 1 ~~
•:
, .. 1
'1
...,
' f·
0.00
...
:g ..... :g
... ... ...... 5... 5;:::... 1::!... ::2... ...........
~
... ... ....
"'
.... ...5... 1::
.... ~
....... .. ... .......... ... .....-... -... ......... ...... ...... ... ... ... ...."'... ... ...... -... ...... ......"' ......"' ..."'...
o
:0 ::! ..... g¡ C> ;;; lit "' o
o ;; S ..,
o ....
o ..
...o ... o.... o ...
00
.. ~ -S -S.... -S.., .... ~ ~...
o
;;
.....
5"' 5 5
~
"'
e
"' "' ..
;; ~ ~ ~
"' "'
5
:!::: 5 "'
"'
-
~ ~ ;; ;; ;; e:; ~ o~ e:; ~
e e e e e
o
~
o
5
~
C>
"' .. "' .. ..
-
~ ~ ~ ~ ~ ~ ~ ~ ~ e
e:;
5 5 5 5 5 5
"' "' "'"'
5 5
e e e e
"'
e:; e:; e:; e:;
"'
"'
e e e
~ e:; ;; e:; ~ ~
o
o
5 5 Sl S ~ S S S
"'
"'
o
~
"' Sl
~ e
"' "'
"' "'
e:;
Sl S
~ ~
"' "'
"' ~
e e e e e
e:; e:; e:; ~ ~ e:; e:; ~ ~
"' "'
o o
Sl
"' "'
- - PTE CHÚLEC HISTÓRICO ------- PTE CHÚLEC GENERADO
Figura 4.85 Serie Original y Generada con el Modelo ARMA (1 ,0), Serie Puente Chúlec - LN (tiempo vs caudal m3/seg)
Generación de Descargas en la Cuenca del Río .l!antaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
1300.00
1250.00
1200.00
1150.00
1100.00
1050.00
1000.00
950.00
900.00
850.00 1
800.00
750.00
700.00
650.00
600.00
550.00
500.00
l,!
450.00 1
400.00 ~ ~ j
350.00
300.00
1
1
11
11
•-:1
••
••
••
••
ji
••
••
••
,.
1
1
1 ~
•1
•
•'
1
•
'
'
..
1
1
•11
i:·~ ¡: :: :: ::r. :: ~_l ::= ::..

,1 11
lo 1 •: ::
11
250.00 11
11
•••••••• '• 11 •• 11
: ~ ~: :: : : :: ~·: : : :t :t
1
200.00 1
150.00
1
1
1 1
: ~ :~ :: ; ; :: ~ : ~ : ~ ::
1 •• '1 11 '• 1 1 1 11 11 1
100.00 ~ ~
'\: \'i ., ~ .,, t.•¡ !'/' ',.! r"· ·~
1 : : .: : •"'' : :. : : : ,,. : ·: : :
50.00
0.00
...
... ~ ;!! ...
~ ~ ... ;:! ... ...
... ...
~----
- - -
...... "'... ~ --.... -.... -;¡ - -·---
... ... ..."' ¡;; :;:...--..,... :; ..,-· ... ,_g: ...g:...... ·-.........----"'co- .co - ..,----
.... <O ,_
...
·-~~·- -~
-
·~-
.... ....
-- --
... ... .., .... ....
-··---~
-
-~- --~--
- - - - - --
<O ... N N <O N <O
"' 1:: "' N
-- - --
<O
:g co g "'o "'
o "' o o o o o
co
<O <O
"" "" ;; "" "" ;; "' "' ;;
- -
00 00
~ ~ ;; "' "' ;;
"' "' ;; "' ;; "' ;; ;; "' "' ;;
"' ;; ;; "' "' "' "' "' "' ;; ;;
"' ;; "' "' "'
"' "' :;:: "' "'
~
"'
"' "'
"' ~
o "'
"' "'
"' "'
~
~ ~
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~
~ § ~ ~ ~ ~ ~ ~ ~ !e. ~ !e. ~ ~ ~ !e. ~ ~ ~ !e. ~ ~ ~ ~ ~ ~ !e. ~ !e. ~ ~ ~ C>
~ ~ ~ ~ ~ ~ ~ ~ ~ !e. ~ ~ ~ ~ ~ ~
"' "" "' "' "' "' "" "' "" o "' o "' co
"' o "' "' "' o "" "' "" "' "" "" o "' o "" "" "' "" "' "' "' co "' "" "' "' "" co "' o "' "' "' "' o ""
- - PTE. STUART HISTÓRICO ------- PTE. STUART GENERADO
~ . - ···~- . .-
.
- J
Figura 4.86 Serie Original y Generada con el Modelo ARMA (2, 1), Serie Puente Stuart- LN (tiempo vs caudal m3/seg)
Generación de Descargas en la Cuenca del Río lvfantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
-·-- ------ ...... ----·- ·- ,_. ·- ___, ___ ---···· ................. ---------------- ----.. --·-· -----------· ---- ·-··-· .. --------- . ---------------1
1 40.00
1
.1
35.00 11
•••
•
••• 1
30.00
1 ••
•••
••
•
l 25.00 -•••
••
1
¡1 20.00
1'
i ~
''••
Q
'•
11 '= '''••• j 1 1 ¡:
1 z~ ~
1 1 11
1 11
=
::"
1 11
• =
Ol
'• :: ::
J ..... :.1
'1
-
=
IJ
11
••ol
'1
11
lo
11 : 1
:~ ~~ :·: :::
~~
u
•• lo u •• :• •• ••
1~ ~ l •~ ~ l. ~~~::
1 ol 11
:¡ :: .~ :~ :~
1
11 1
i'
il ! ¡' ~ ~~ ~1 fllll ~ ~
l ll
1 1
••
110.00
1
!' 1:
1
j¡ l.
11
11
1'
••
,. '
ol :1 :1
Ji!
11
"
::
ti
11
:· :~~
1..
• • • ~.
1':
1'
1 '1
:•
o! 11
'~ .:.·~ ,,:: •::•

:: ·¡: :~• :s .::~
1 1 ••
11 ol 1
lo
ol ' 1 :•. ,, •• 1 1 •• 1 • • •1• ,- ,
:~
:1
1 ·~ ·~
5.00 ''
''
. ''
'
1
: : ~ :: :. : : :' R ~·
1
:
•: ;,,.,, : r:~ ,.•1:
1 1 1. q
, , ,: ,} ~ •1 •1 ,,.1••••
1 t 1
: 11, ,1 ,1
1 1 ,
: ! :,
1 1 ; ~ '
1
'1
lo •
:nt u:
1
1· \::y w1: ·~ :~: ~~ :: ~·· ~d¡ ¡

' IJ : • ~~ l' V ~· ; :: f 1
0.00
;:! ~ ~ :e· ....
"' "' ...
.. ... ...... ;:;-"' ;:;"'... ......"' ...;:; ......"' ..."' ;:;......."' ..."' ..."' ;:;"'"' -"'"' ...... ......"' ......."' "'....... ..."' ......."' .. "' "" o ..... ""...
----------------··----~------..·
g: g:
.... ~;-~~.-~~:0
- - - - - ;:; ;:; - - - ;:; - - ;:; ;:; ~
CD,._,oac»c.-N
c.o c.o c.o u:> .... t- .....
en ....
.... .... o
co co g:
<D co o <D o
a a a a"'
U>
a o - ..... ..... ..... - ..... ~
1¡
.. ----------,-
Q
m a Q
~ ~ ~ ~ ~
~
g; g; O)
;; ;; ;; ;; ;:; ~
""
~ ~ ""
~ ~
"" ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~
;;::
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~
-- -- -- - --
e ~ e e e e e e e e
l 0000000
L----------~--------··
e o a o
"" o o a a
"" C>
"" C> e:>
- - C . TÚNEL HISTÓRICO
"" "" C>
.....---~--------~-·------------··
C>
""
C>
""C>
------- C. TÚNEL GENERADO

o C>
"" C> C> C> C> C> e e
"" o Q .....
o o
_ _ _ _ _ _ _ _ _ _ _ _j1
o o o o Q o
Figura 4.87 Serie Original y Generada con el Modelo ARMA (2, 1), Serie Gochas Túnel- LN (tiempo vs caudal m3/seg)
Generación de Descargas en la Cuenca del Río "Vantaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
----------------------- -·· ---- -----· -· -·---------- ---- ·---·--· --- ··-·----·-- .... -- . . -- -- --· -------- ---· ---·· -- ····----- -·--- ·-·-· - -· --· --------- -- -·· ----·-·· ------.-- --·--1
11.00
10.00
9.00
1
B.O O ~
i l
7.00 ...~.. 1 :
1
1
'
i..
1
1
11
11
. 1
1
6.00
"" 11
1
1•
••
~ .: .
"
! i ~ 1
¡:' :
11 1
" •• •1
1
:~
•• • • 1
: 1 := : :•
11
5.00
"" 11
'1
:l ¡¡; ! ~ ¡¡.: ::: .::

11
'1 ·: :
~11 ""11
11
11
11
11 ••
:.
"
IJ
-
••
•
:
t
1
t
:
•
:
"
lo
•• "
11
:: : :: '
""" 1
11
4.00 lo
1, 11 11
11 •• ' p .. • 1 : =
1,
' "
11
11
11
11
" "
11
. : .. .. ~ : • n : 11 '
1
1
1 "' 11 1
1
1 "
11
1
1
""
11
1
1
! r: = ¡
r. :: ~ :~ :: : :: ::
3.00 1
1 1
1 1 11
11
l. 11 1
1
~, ~:, :.•: ::•• ;:~•! :• ~~~
~~: bn n
1 1 ti.! ·:
~
:1
1
1
1
1
'
1
1
1
1
1
1
•• .
~ !!: :
f¡
2.00 : : 1: :; : 1 : : ·: : : :
1
1
1
1
1
1
1
1
••••••
'• •••• l!
'1
1
...
,.
,,
11 .. : l. 1 11
1'
,.
... 1
1
'
11
1
1
1
1'
1
1
::
1 t
~ : ~:
::
1 1
:·
1
,
1
:
1 : 't :u~.: ~:
: , ~~· :r:t : : :, : : :: :
:':
1
::
1 ...
::
1 1
::
1 t
1
1
¡
'.r : , l• j~
1 1
1
1.00 1
: !1 :
1 11
ti
•• .! 1! • • • •• ,: n: ~ 1' .¡;
0.00
- . ·~ •N :: : :d ' :1 •• •1 ~ l
~~~,~~~~,,,,,
----------------------- 1
~
~
m
~
~
m
~
m
m
m
m
m
o
~
m
-
~
~
N
~
m
M
~
m
•
~
m
m
~
m
~
~
m
~
~
m
~
~
~
m
~
m
o
~
m
-
•m
N
~
m
M
~
m
~
~
m
~
~
m
~
~
m =
~
m
~
~
m
~
~
m =
O
m
-
~
m
N
m
m
M
m
m
~
m
m
~
~
m
~
~
m
~
m
m
m
m
m
~
m
m
O
oo
-
oo
N
oo
~
oo
•
oa
~
oo
~
oo
~
oo
m
oo
m
oo
C
e-
-
-o
N
o-
M
o-
•
-o
~
-e
~
o-
1
5 ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ 5 ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ 5 ~ 5 ~ ~ 5 ~ ~ ~ ~ S ~ ~ ~ ~ ~ ~ S ~ S S ~ ~
-- - - - - - - - - - - - - ---- - - - - -- - - - - - --- - - - - - - - ---- - -- - - -- -
e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e
o o o o o o e o e e e o e o e e e e o e e e e e e e e o e e e o e e e e e e o o o e o o o e o o e e 0
J'
--------· -- PIÑAS~~CH~ HISTÓRICO ··--·-- PIÑAS~OCHA GENERADO ~-----_¡

Figura 4.88 Serie Original y Generada con el Modelo ARMA (1,0), Serie Piñascocha- LN (tiempo vs caudal m3/seg)
Autor: Jímy Mar/011 Bastidas Valdivia 167
r-----··-·----,···--
.... ....~ ... ~~
... e;)
~~ ~ ~ ~ ~ g: g ~ ~
e "'
iS l Q
Q
Q
Q
Q
Q
é:>
Q
é:>
Q
é:>
Q
é:>
Q
g é:>
Q
Q
é:>
Q
('l ....
:"!
~ ~- ! 01/01/1966¡· ~~
;¡ c. !:'-3 ::ti
o.;¿ ;:::
~;}
1 01/01/1967
5 t:i~
~1:::1 s-=-·~:==:=== . . =····-·--- ?i;~
g ~ !1 01/01/1968
01/01/1969 1 ____...... - -~·-
~~
-· G)~
b::JI:>
1:>~ 'TI 01/01/1970 ,
~- ~
~D
~ ;:::
e;
~iS'
~Q
:;· "'
-.;:::
1:>
...
2
'
iil
.e:.
Co
CD
01/01/1971
01/01/1972
¡:;;~
~-~
o~
(1) ~~
~l::t'i
ft (!)
~-
~
e;·
(!)
o ~
a
~ ~-
§ ~- ~1:-'
B"
~
;:¡¡
S:
-
Q)
"'
G)
~
:::0
~-
§ ~
(!)
01/01/1981
ti)
¡¡; 1 01/01/1982
Q.
1 ~==::::::::::::::::::~~::~8161,.~ ...
S:
e
Q)
o
1 .,1 01/01/1983
01/01/1984
g
;}
~ ~
1 s;
(')
fi
01/01/1985 ¡
!:).. 1 ~ 01/01/1986 1
~
~ o 1 o::¡: 01/01/1987 1
Q.
~
e-
(!) Cñ
.....
o 1¡ O· 01/01/1988 1 -- ....
......- ::.:_: ___:_-______
~---.:--~----~
(")
::e
1:>. h ' fi 01/01/19891
1¡ o
~
"'
l:t.
(") 01/01/1990 ,
z; 1
01/01/1991
1
;} í\) 1
1
01/01/1992 '
~ :S 1
::!.
1 1 ~-~--
!
1 .,
01/01/1993
~
~
;:::
ti).
~
~-
(!) 1
)>
(')
s; 01/01/1994 l
01/01/1995 1
~
::t.
2 cl'
g.
1 01/01/1996 .
"'
Q)
oQ) l G)
m
z
m
01/01/1997
a l¡ ~
o
o $ : ~---:=•=········------
:"'·······---
,....1 f
<::
f
o
~ 01/01/2005
o
Q)
e: 01/01/20061
. --
l --:~:d:..,_._._..,_.,_.._..,.
-
Q.
Q)
3
~
01/01/20071:
0110112008
01/01/2009
~::i;:;;::::::::::JI'JI-
·--·-::::;:;:::::::.-:..-:.......-
-,r-----
::::::~-:..-..-
~ e'
~ 01/01/2010 '---·..:::::::::::::::::::::::......
....:--------
----h·---------~
01/01/2011
01/01/2012
. -
---------------=-
....::::.:::::::;-:.·:::....-
01/01/2013 .... ;:::::::::====··-·--
01/01/2014 ·=;·----------------:.·:::::.-:..
J _______________ _ ...-..-
,_.. 01/01/2015 '-----..:.-~.--..- -
0\ ~;----------~ 1
00 . 01/01/2016 .... :
~---------------------------------·-·--____!
¡-----··------·-------------·-----·-----------..- - ¡
;
f
•"' -------------------=====~
·-----------··-··-------:......
!9~0ZI~O/~O
S~OZ/lO/lO
•
t~OZ/~0/~0
'
1 ·----------------_....
·~~~~-----------------==~-
~-"'~~~~:~~~:~~~~~
t~OZ/~0/~0
____•..-...--...-... z.m•IO
•c.,.. 1 noz/~0/~o
--='=~~~~~ ~~~¡
O¡
(1)
1 ~
C")
lE (ñ
"O
::S
SOOZM/~0 (IJ
(.)
tOOZ/tO/lO (/)
::::.
l tOOZ/~0/~D
' ZOOZ/~0/~D
o
o.
E
~OOZ/~OM
OOOZ/~0/~0
666~/~0M
-
~
<:
-J
1
1
866l/~O/l0 o e:
! ·o
l66~/~0M
¡lo ~
:::S
-~
966~/l0/~0 w
(!)
----=--:s;;;;:_;__;;_;:;_;_;;_;,r;& 1 s66~/~o,~o .g -~
(1) ~
-------·------·-··············== -------------~- _:-· l•s6~M/~o 5 C/) .::
~
B-
--~ _______:::::::::::::-· ¡::~:~:::
~
-•••••=====:::::: 1 t66HtO/tO
o
-~
.,_
~
{¡
1:5
1
066~/~0/~0 o a::
"'( "
•..:::t
-~
686~/~0M ~ Q
1
1 886~M/~O-~
(1)
"O
"
-Sl
o ~
¡m~/~O/~o ~
-
~ ]
{¡
1,.86~/~0M
986U~O/~O ~ (1)
S86~/tOM ~
e:
o(.) ~
{¡
1 ~ ~ o
::;)
~-=-·=·=·:··:·:·:·:""~":::::~~§--~-) l ZB6~/tOM
tB6~M/~O !l e:~
(1)
....,
(1) ~
t86~/~0/~0
086~/~0/~0
(.!)
::.... ~~
(ñ E
1616~/~01~0 -~ ~
..':!
BL&lM/~D -~
1 o
¡;:
LL&l/~0/~0 ~
-~ .:a
R:;
916~/~0/tO (1)
C/)
....
¡ 516~M/~O 1 {¡
e
¡t16U~DM l en
~
~
~
<::!
:::
-S!
;:.
·-
tL6~M/lO v:3:l
.)
ZL6~/~0M
1 l!
:::1
~~
~ ~
~m/lO/~o
016~1~01~0
·-
D'l
11.
.,:;;'!
<::! ...
~~
<::!~
'-'
696Ul0/l0
B96lM/~O
1
1
Q~S:.... "'
1 {¡~
1 196~/~0/lO 1
-~?
L-------------------====~~~~~. 996l/~O/~O ·a;.:;
g
~
g
g ~
~
~
~
~
~
~
g
~~ ~
Q
~~ ~
g
g;
~
~
o
1 ~ ~
"' -Sl
"':___ ~ __ .::__~--~~_:: __....
______ _________._____ _j ~~
¡--·--·-··---------·--------··-----------···--------·. - - - ,
l --~ 9lOZ/lO/lO ¡ o
r-
- - -....................
wo.-:.-:.-:.·:::.::.-;;,;;.,;.::.:.:.:.:.-..:·:.·_·_-_-_-_-_·:: SlOZ/lO/lO 1 ......
----·-···••«=•:::::::::::::::::::::::::::::::: __ ~.
..... ;("
--·::::::::::::::~~~~~~~~ 1 llOZ/lO/lO
·---~¡¡¡¡¡;~=~ llOZ/lO/lO
-:::::::::~~~~~1
OlOZ/lO/lO
&oOZ/l0/10
¡8001:/lO/lO
• •··~~~~«*-QQ~D~::;::---~
~=:========:-~~ l LOOZ/lO/lO
9001:/lO/lO
SOOZ/lOM
~OOZ/lO/lO
tOOZ/lO/lO
ZOOZ/lO/lD
lOOZ/lO/lO
OOOZ/lOM
666l/lO/lD
966l/l0/l0
L66lMM o
966l/l0/l0 ~w
z
S&&l/lO/lO w
<!)
t66l/l0/l0 ~
' t66UlO/lD ~
Z66Ul0/l0
l66l/l0/l0
¡' 066l/l0/l0
l 686l/l0/l0 8
886lM/lO ~!:2
Í1 L86l/l0/l0 :e
l 986l/l0/l0 ~
~
1 S86l/l0/l0 1
tm/lO/lO
~---::::::·---- 1 t86l/l0/l0
1 ZB6l/lOM
ll96lMM
¡ 086Ul0/l0
~ ~»;-~-----~--~------------------ &L&l/lO/lO
816l/l0/l0
_____________ _ 1
~:::::::::::::::::::
j LL6l/lOM
l916lMM
l Sl&l/lOM
tL&l/lO/lD
tL&l/l0/10
ZL6l/l0/l0
lL&l/lO/lO
OL&l/lO/lD
696l/l0/l0
---------···· --------- 896l/l0/l0

L96l/l0/l0 l
L--------------------------------------------~~~~~~~~__j! 996l/l0/l0
j'
l.
~~ ~ ~ ~ ~ ~ =~ =~ ~ ~ ~ ~ ~ ~ ~
,_1
,e e o o o o o o o o o o g
~~ ~ N ~ O ~ ~ ~ Q ~ ~ M N ~
j- ..- ..... - -
- ·-·--·-----·----~-----·-----------·---~~~----·--~----··-
__,__ - --·-· ---··· ---··--· .---·- ·-·-- ---- -·-- ·-- ··-·· ... ····-- ····- . ------ ·--- ·- ···-··-- ---· -· -- -·--- . -·· ·······-·------ . --·-· ···-··-· ·-····· ----- . ------ ·- ---- . _ _ _, ---·-¡
r!
850.00
1 800.00
1 750.00 1
1
!
1
: l
1 700.00
1 650.00
l=
1
1 :::: 1
1
~
=
~ .•
1
•
.. .~
•
1
1
1
11
"
"
..
1
1
11
"= : u :· •
l
1 500.00
:!
.1 ! : j ii :~ r
:' ": ¡ :
l fl
. 450.00 ~
11
1 t :•
1 :: ::
11
:: ·: :
:: :
11 11
~: J: n
,~m : ,.
1'
11
ol
ti
ol
le 1
l.
ol
l 1 ' •• .. ' :t11
-
~
11
:·1
.
••
1
• :~
••
••
~
11
•' 1 ' :: '
~
1 .:
1
350.00 11
.. •'•• 1
t!!i .. iHi:
11
H
..".
1'1
ol 1
l. ti •
,,,,"
11 JI ,. 11 11 11
300.00 ~ 11
:: JI
"
11
11
ol
••
••
• ••
•• 1
11
11 1
~·
•:
•
:
..
:·
1
::
it
::
••
:·
••
1
"
11 11 ol
•• 1
1 1t •• 11
~:
•: IJ :, ,,
:~
••
:: :t
•• :1
¡ ¡JI ¡¡
11
250.00 1 1 1 1: t
:! ¡
11 : :: : : :. :•
200.00
1 1 11
11
11
11 ,, -. : ::
¡ ¡
:: . , . :~
:¡ ~~
:~ :: :
!! ¡! :i
n :: ¡:
¡!
.: ;
i
1
:t 1 : ~ 1 1 : : : : :. 1 :: f~ =: :: : 1!
150.00
:,
r ~ :
.
1 1
,. ~
: :
. . •.d. .:
: : ~ ,b :·a.. :, .:j:.. .
1r , 1 tt :
. ..
: : :
1
... ~ ~
1
t
100.00 :v:, '1 :~
1 1 1
1 : ~:
1
Vt \1.: ,.: P,:
1
1
•:~~ : 11 \.~ ....g,
1 ' J 1 1
!
~·
~ •r •• •• ,.. r r ~ 1' ~,.., ' • 1
50.00 ~ 1
0.00 · - - - . ·-·------ ---·-· 1

~
~
~
~
~
~
~
~
O
~
-
~
N
~
~
~
~
~
~
~
~
~
~
~
~
~
m
~
C
~
-
m
N
m
M
m
~
m
~
= ~
m
~
m
~
= m
m
C
m
~
m
N
o m
M ~
m
~
m
~
m
~
m
~
m
m
m
O
o
-
o
N
o
M
e
~
o
~
o
~
e
~
o
~
o
m
e
C
-
-
-
N
-
M
-
~
-
~
-
~
-
1
1
·1 5 ~ 5 5 S ~ 5 5 5 ES 5 S 5 S 5 5 5 5 5 ~ ~ 5S555 ~ 555555 ~ ~ ~ S~ S~ ~ § ~ ~ ~ ~ ~ ~ ~ ~
~ e~ ~ ~ o~ o~ !e ~ ~ !o ~ o~ o~ o~ ~ ~ ~ o~ o~ ~ ~ o~ e~ ~ ~ o~ e~ e~ ~ ~ ~ ~ o~ o~ o~ !e !o ~ ~ ~ !o ~ o~ ~ ~ ~ ~ !o e~ !o o~
¡ e e o o o o o o o o o o o o o o o o o o o o o e o
lj
L
- - LA MEJORADA HISTÓRICO ------- LA MEJORADA GENERADO
_ _ _ _j
Figura 4.92 Serie Original y Generada con el Modelo ARMA (1,0), Serie La Mejorada- LN (tiempo vs caudal m3/seg)
Autor: Jimy Mar/011 Bastidas Valdivia 171
FACULTAD DE TNGENIERÍA CIVIL C
Según la tabla 4.42, las series sintéticas generadas preservan absoluta

aceptación en la mayoría de los meses de cada serie generada, indicando
que las varianzas entre las series históricas y generadas son
estadísticamente iguales.
Según la tabla 4.42, las series sintéticas generadas presentan absoluta

aceptación de esta prueba, indicando que las medias son estadísticamente
iguales entre los dos grupos de muestra que son las series históricas y
generadas.
Según la tabla 4.42, las series sintéticas generadas presentan aceptación

en las pruebas de hipótesis en la media y desviación estándar en muestras
apareadas solo en la estación Upamayo, mientras que en las demás
estaciones si tiene aceptación en relación a las medias pero no tiene
aceptación en la prueba de varianzas; de esta manera las series históricas y
generadas presentan relación de dependencia.
Según la tabla 4.42, las series sintéticas generadas presentan aceptación

en la prueba de verificación del intervalo de confianza en la media y
desviación estándar para la mayoría de los meses de cada serie generada,
indicando así que las series generadas se encuentran dentro del intervalo de
aceptación.
La verificación de que las series generadas se ajustan a una distribución

de probabilidad normal ha sido evaluada, resultando aceptable en la
totalidad de las series generadas según los resultados obtenidos en la tabla
4.44.
Para verificar si las distribuciones de las poblaciones históricas y sintéticas

según el ANEXO C-4 de las pruebas de Kolmogorov Smirnov para muestras
independientes son iguales, se verificó que la significancia asintótica sea
mayor a 0.05; por tanto se acepta la Ho = Las distribuciones de las
poblaciones son iguales.
Autor: Jimy Mm·lon Bastidas Va/divia 172
Finalmente los modelos estocásticos para generar caudales máximos

mensuales, correspondientes a series de caudales para las estaciones
hidrométricas seleccionadas se encuentran en el ANEXO C-5.
4.10. ANÁLISIS DE MÁXIMAS AVENIDAS
Para realizar el análisis de máximas avenidas tomamos los caudales

mensuales máximos generados del ANEXO B-3 con una longitud de 50 años
de registro, ingresamos los datos al programa Hidroesta para verificar cual
de las distintos distribuciones teóricas se ajustan mejor tomando en cuenta
el ANEXO A-4 "proceso de selección de una distribución teórica".
Los resultados se encuentran en las tablas 4.48 al 4.49. Concluida la

selección de la mejor distribución se gráfico los períodos de retorno vs
caudales máximos, cuyos resultados se muestran en las figuras 4.93 al
4.101.
Tabla 4.48 Resultados de Prueba de Bondad de Ajuste para una óptima distribución
teórica en el análisis de máximas avenidas, estaciones Upamayo, Pte. Chúlec, Pte. Stuart,
Gochas Túnel, Piñascocha, Pachacayo.
--
-
.. . . .. . ·- .. ..
- .
-- -- -- --- ---
: --
-.- -· -·
.
: .
~ ~
i.íw.+.m.'\ ~
Normal 0.1869 0.1923 Normal 0.1455 0.1923
Lag-Normal 2 0.1461 0.1923 Log_·Normal2 0.0688 0.1923
Log-Normal3 0.0922 0.1923 Lag-Normal 3 0.0695 0.1923
Gamma-2 0.1642 0.1923 Gamma-2 0.0948 0.1923
Gamma-3 . 0.1923 Gamma-3 . 0.1923
Log-Pearson Tipo 111 0.0934 0.1923 Log-Pearson Tipo 111 0.069 0.1923
Gumbel 0.1309 0.1923 Gumbel 0.0757 0.1923
Log-Gumbel 0.0868 0.1923 Log-Gumbel 0.0975 0.1923
i ... .. .... . --~·
~
-~
fWDilu!ill•lil¡i¡t
Normal 0.1173 0.1923

Log-Normal2 0.0708 0.1923
Log-Normal3 0.0606 0.1923
Gamma-2 0.0900 0.1923
Gamma-3 . 0.1923
LO!I-Pearson Tipo 111 0.05751 0.1923
Gumbel 0.0913 0.1923
Log-Gumbel 0.0812 0.1923
Autor: Jimy Marlon Bastidas Va!dívia 173
FACULTAD DE lNGENJERIA CIVIL
Tabla 4.49 Resultados de Prueba de Bondad de Ajuste para una óptima distribución teórica en el
análisis de máximas avenidas, estaciones C. Túnel, Piñascocha, Pachacayo.
@~<lt;/,t'--1• • o ·,00~~00
00
1.\>n<>o • :· 000
1," 000
Oo Oo
liltmllii!•loio!¡i-) ~ liltmffur•l•hl41 ~
~ ~
Normal 0.1082 0.1923 Normal 0.1099 0.1923
lag-Normal 2 0.0533 0.1923 Log-Normal2 0.0595 0.1923
Log-Normal3 0.0666 0.1923 Log-Normal3 0.0574 0.1923
Gamma-2 0.0704 0.1923 Gamma-2 0.0746 0.1923
Gamma-3 0.0821 0.1923 Gamma-3 0.05718 0.1923
Log-Pearson Tipo 111 0.06725 0.1923 Log-Pearson Tipo m 0.05496 0.1923
Gumbel 0.0662 0.1923 Gumbel 0.057 0.1923
000
.. Oo o . --··---
.
®-llllltrnlt.1il; ~
Normal 0.1119 ~-
0.1923
Log-Normal 2 0.0719 0.1923
Log-Normal3 0.0805 0.1923
Gamma-2 0.0702 0.1923
Gamma-3 . 0.1923
Log..Pearson Tipo 111 . 0.1923
Gumbel 0.0701 0.1923
Log-Gumbel 0.1329 0.1923
Tabla 4.50 Resultados de Prueba de Bondad de Ajuste para una óptima distribución teórica en el
-
análisis de máximas avenidas, estaciones Quillón, Moya y La Mejorada.
~~~00000 - -~t~<>:o, _- 00
' ¡-~-
ü~ !OOml ~!;tln!it' ~
Normal 0.0962 0.1923 ~
Normal 0.0857 0.1923
Log-Normal2 0.0628 0.1923
l.og-Normal2 0.0791 0.1923
Log-Normal3 0.0627 0.1923
l.og-Normal3 0.0851 0.1923
Gamma-2 0.0653 0.1923
Gamma-2 0.0704 0.1923
Gamma-3 0.0665 0.1923 Gamma-3 0.06692 0.1923
Log-Pearson T¡po In . 0.1923 Log-Pearson T¡po 111 . 0.1923
Gumbel 0.0716 0.1923 Gumbel 0.0899 0.1923
~~o Oo Ooo~~j¡¡¡oiJ¡)
/imJWm<lohr_¡¡;; ~
~
Normal 0.0683 0.1923
Log-Normal2 0.0813 0.1923
Lag-Normal 3 0.0546 0.1923
Gamma-2 0.0629 0.1923
Gamma-3 0.04844 0.1923
Log..Pearson Tipo Hl 0.1923
Gumbel 0.0919 0.1923
Log-Gumbel 0.1504 0.1923
Prueba de 350,00 o
T(años) Log-Gurmel
Bondad i
2 0,0868 55,35 300,00 o. ¡ ... ~ .:.
5 0,0868 74,53
250,00 ..,..
10 0,0868 90,75
25
50
0,0868
0,0868
116,40
140,01
¡ 200,00 T .. or •r+-•• ........
;;l
g 150,00
i
·-:·-
¡
-+-··~-~--
1
t. __ ;__ o_¡O_ -¡-- 1-A- log-{;umbell
75 0,0868 155,87
:S 1
100 0,0868 168,17 100,00 o --1-·- r~ ~ ~ +- _,0' ~-o, 1_ "*····
150 0,0868 187,14
200 0,0868 201,87 50,00 '- .........i l +·~"···t·"< ...~ .. ..;. -
~
300 0,0868 224,59 0,00

400 0,0868 242,24 o 100 200 300 400 500 600 100 800 900 1000
500 0,0868 256,87 PERIODO DE RETORNO (TJ
1000 0,0868 308,17
Figura 4.93 Resultados Log-Gumbel para la estación Upamayo (Periodo de Retorno años vs Caudal
m3/seg)
FACULTAD DE JNGENTERIA CTVIL
Prueba de Log-Pearson
T (años) 800.00
Bondad Tipolll
2 0.0670 180.82 700.00
5 0.0670 250.00
600.00
10 0.0670 301.39
25 0.0670 372.98 ~ 500.00
E
50 0.0670 431.29 ; 400.00
75 0.0670 467.38 o
~ 300.00 1-.a:- log-Pearson Tipo mi
100 0.0670 493.98
150 0.0670 532.93 200.00
200 0.0670 561.45 100.00
300 0.0670 603.32
0.00
400 0.0670 634.10 o 100 200 300 400 500 600 700 800 900 1000
500 0.0670 658.66 PERIODO DE RETORNO !TI
1000 0.0670 738.04
Figura 4.94 Resultados Log-Normal 2 Parámetros para la estación Puente Chúlec (Período de
Retorno años vs Caudal m3/seg)
Prueba de Log-Pearson
T(años) 1600.00
Bondad Tipolll
2 0.0575 472.51 1400.00
5 0.0575 493.13 1200.00
10 0.0575 602.75
25 0.0575 752.27 ~ 1000.00
"'
.S
50 0.0575 871.56 .... 800.00
75 0.0575 944.45 <S
::> - - Log-Pearson
5 600.00 Tipo 111
100 0.0575 997.66
150 0.0575 1074.78 400.00
200 0.0575 1130.78 200.00
300 0.0575 1212.46
400 0.0575 1271.87 o 100 200 300 400 500 600 700 800 900 1000
500 0.0575 1319.05 PERIODO DE RETORNO tTl
1000 0.0575 1469.49
Figura 4.95 Resultados Log-Pearson Tipo 111 para la estación Puente Stuart (Período de Retorno
años vs Caudal m3/seg)
Según (Cajahuanca, 2015), hizo el estudio sobre teledetección y sistemas

de información geográfica aplicados a identificación de zonas con riesgo a
inundación. Tramo Puente las Balsas- Puente La Breña; utilizando caudales
máximos de la estación Puente Stuart, cuyo resultado para un período de
retorno de 200 años obtuvo un caudal de 1142.05 m3/s.
Respecto a la presente tesis se obtuvo un caudal de 1130.78 m3/s que en

comparación se tiene una diferencia de 11.27 m3/s el cual representa menos
del1% de diferencia, esto se debe a que se realizó un tratamiento estadístico
de los datos hidrológicos y los métodos de cálculo utilizados.
FACULTAD DE INGENJERIA CIVIL
Prueba de Log·Normal 2
T (años)
Bondad Parámetros
2 0,0533 18,15
5 0,0533 22,79
10 0,0533 25,68
25 0,0533 29,16
50 0,0533 31,66
-A-log·Normal 2
75 0,0533 33,09 Parámetros
100 0,0533 34,09
150 0,0533 35,48
200 0,0533 36,47
300 0,0533 37,85
400 0,0533 38,83 o 100 200 30o 400 sao 6oo 7oo 8oo 9oo 1000
500 0,0533 39,58 PERioDO Df RETORNO m
1000 0,0533 41,92
Figura 4.96 Resultados Lag-Normal 2 Parámetros para la estación Gochas Túnel (Período de
Retorno años vs Caudal m3/seg)
Prue ba de Log· Pearson

T (años)
Bondad Ti!!olll 18.00
--+--Lf-J¡__ .,_b '::d-
--+-~-+--~-- 1 ; :
b p-
2 0.0550 6.06 16.00
0.0550 ¡
__J_+-
5 6.78 14.00
i .¡
10
25
50
75
0.0550
0.0550
0.0550
0.0550
7.87
928
10.36
11.00
-;¡-12.00
] 10.00
~
o 8.00
i J-tl
llf··-~-·!
-·
-+-+-··,
¡ ··H-' _ J_rt·-
.-J-...1_
i1
-+·±:-
__j__r ·-
1
(
i
{ f
-r
i
mJ
I+R= ~-·-r ,---1-t

:::> l....s.-log..Pearson Tipo
100 o.o55o 11.46 5 6.00
150 0.0550 12.11 4.00
1 l 1 1
' 1 1
200 0.0550 12.58 2.00 1 ! ¡ ·+- -+-t--.--rT
300 0.0550 13.25
0.00
L ! i i i ¡ 1 ' 1
400 0.0550 13.73 o 100 200 300 400 500 600 700 800 900 1000
500 0.0550 14.11 PERIODO OE RETORNO m
1000 0.0550 15.29
Figura 4.97 Resultados Log-Pearson Tipo 1/1 para la estación Piñascocha (Periodo de Retorno años
vs Caudal m3/seg)
Prueba de 100,00
T (años) Gumbel
Bondad 90,00
2 0,0701 30,17
80,00
S 0,0701 41,36
70,00 ·-··
10 0,0701 48,77 ~ 60,00
25 0,0701 58,13 "'
.§.
50 0,0701 65,08 <! 50,00
g 40,00 1---GumbeiJ
75 0,0701 69,11 iS
100 0,0701 71,97 30,00
150 0,0701 75,99 20,00 • -··
200 0,0701 78,84
300 0,0701 82,85 0,00 .
400 0,0701 85,69 o 100 200 300 400 500 600 700 800 900 1000
PERIODO Df REI'ORNO m
500 0,0701 87,90
1000 0,0701 94,75
Figura 4.98 Resultados Gumbel para la estación Pachacayo (Período de Retorno años vs Caudal
m3/seg)
FACULTAD DE INGENJERfA CIVIL
Prueba de Log·N orrnal 3
T (alios) 80,00
Bondad Parámetros
2 0,0627 31,35 70,00
5 0,0627 39,33 60,00
10 0,0627 44,05
~ 50,00
25 0,0627 49,54
50 0,0627 53,35 i 40,00
E
-Ir- L.og-l'lormal 3
75 0,0627 55,49 ¡¡ 3o,oo Parámetros
100 0,0627 56,98
20,00
150 0,0627 59,03
200 0,0627 60,46 10,00
300 0,0627 62,45 0,00
400 0,0627 63,85 o 100 200 300 400 500 600 700 800 900 1000
500 0,0627 64,92 PERIODO Dt RETORNO !T)
1000 0,0627 68,20
Figura 4.99 Resultados Lag-Normal 3 Parámetros para la estación Quillón (Periodo de Retorno años
vs Caudal m31seg)
Prueba de Galllll8 3
T (años) 180,00
Bondad Parámetros
160,00 -+- ~J
1 ¡ ¡ ' l l
2 0,0669
0,0669
69,37
90,36 140,00 i
'1
¡
5 ~" ¡
10
25
0,0669
0,0669
102,64
116,77
:E: 120,00
]. 100,00 lf
1
¡ -t
'
1
' i
!
1
50 0,0669 126,47 g 80,00
'
! 1 ¡ : -.f,.. Gamma 3 1
75 0,0669 131,85 ::>
.:..._:-- i ! 1
100 0,0669 135,57
<3 60,00
-- -~~---x-r·t--¡-·
l Parámetros
150
200
300
0,0669
0,0669
0,0669
140,67
144,19
149,05
40,00
20,00-
0,00
- r-- -- _¡_,++- t-+-1- ~-
i ¡ ¡ \ .
400 0,0669 152,42 o 100 200 300 400 500 600 700 800 900 1000
sao 0,0669 154,99 PERIODO Dt RETORNO !TI

1000 0,0669 162,71
Figura 4.100 Resultados Gamma 3 Parámetros para la estación Moya (Período de Retorno años vs
Caudal m3/seg)
Prueba de 2500.00
T (años) Log-Gurmel
Bondad
2 0.0484 461.68
2000.00
5 0.0484 590.38
10
25
0.0484
0.0484
694.75
853.42 i 1500.00
50 0.0484 994.11 a 1
75 0.0484 1086.31 8 1000.00 -4!!--L.og-
Gumbel •
100 0.0484 1156.68
150 0.0484 1263.49 500.00
200 0.0484 1345.10 j·
300 0.0484 1469.05 0.00
400 0.0484 1563.79 o 100 200 300 400 500 600 700 800 900 1000
500 0.0484 1641.44 PERIODO DE RETORNO !TI

1000 0.0484 1908.00
Figura 4.101 Resultados Log-Gumbel para la estación La Mejorada (Perlado de Retorno años vs
Caudal m3/seg)
Según las tablas 4.48 y 4.49, se escogió las mejores distribuciones para
el análisis de máximas avenidas. Las distribuciones utilizadas fueron
Gumbel, Log-Gumbel, Lag-Normal 2 Parámetros, Lag Normal 3 Parámetros,
Log-Pearson Tipo 111, y Gamma 3 Parámetros; de acuerdo al perrada de
retorno escogido se obtuvo los caudales máximos para cada estación
seleccionada lo cual es mostrado en las figuras 4.93 al 4.1 01.
Autor: Jimy Mar·lon Bastidas Valdivia 177
CAPITULO V
V. CONCLUSIONES Y RECOMENDACIONES
5.1. CONCLUSIONES
a) La aplicación de modelos estocásticos de series sintéticas permiten la

generación de descargas máximas en la Cuenca del Río Mantaro,
mediante modelos períodicos ARMA de orden (1 ,0), (2,0) y (2, 1) para las
estaciones hidrométricas seleccionadas. Ver Anexo C-5.
PARMA (1,0): u,,r: = (/J¡,r; * uv.r:-1 +a}; * .;v,r
PARMA (2,0): U,,, = rpl,r: * Uv,r-1 + rp2,r: * U,.,r:-2 +a-; * 4;,,,,

PARMA (2, 1 ): UV,T =(/JJ,r * uv,r-1 +(/J2,T * UV,r-2- {}i,T *a;* ;V,T-1 +a;* ;V,r
b) Las variables hidrometeorológicas influyen directamente en la generación

de descargas '"!láximas en la Cuenca del Río Mantaro, principalmente la
precipitación; en la Cuenca de estudio se tiene una precipitación total
anual media de 775 mm el cual produce un caudal promedio superficial
de 446.77 m3/s.
e) El período de retorno tiene una relación directa con la generación de

caudales máximos, sobre todo en el dimensionamiento de estructuras
hidráulicas en función de motivos económicos (valor de reposición en
caso de fallo), sociales {posibilidad de pérdida de vidas humanas); en
nuestros resultados obtuvimos en la estación Puente Stuart para un
período de retorno de 500 años se calculó un caudal máximo de 1319.05
m3/s.
d) Las series sintéticas influyen considerablemente en la generación de

descargas máximas mensuales; para el presente estudio se generaron
100 series sintéticas de longitudes de 50 años las cuales preservan
características de igualdad en la media y desviación estándar respecto a
las series históricas, que mediante métodos de validación se seleccionó
la más significativa.
5.2. RECOMENDACIONES
a) Los modelos estocásticos son métodos que permiten predecir el

comportamiento periódico o anual de los ríos; que mediante la topografía
en una determinada longitud permitan identificar zonas vulnerables de
inundación, por lo cual se recomienda a entidades como el MINAGRI y
MINAM que consigne estos modelos como válidos.
b) A la Autoridad Administrativa del Agua (AAA - Mantaro): Emplear los

caudales máximos mensuales generados en las estaciones
seleccionadas por tener un grado de confiabilidad al 95%, lo cual permite
una mejor evaluación y gestión de los recursos hídricos.
e) A la Autoridad Local del Agua (ALA - Mantaro): Utilizar los caudales

máximos obtenidos de las 9 estaciones seleccionadas para el diseño y
dimensionamiento de las distintas estructuras hidráulicas (puentes,
presas, diques, canales, etc.); asimismo utilizar estos caudales máximos
para la evaluación en la prevención de inundaciones.
d) A las diversas entidades que brindan información oficial de pronósticos

climatológicos como el SENAMHI e IGP: Aplicar la metodología utilizada
en la presente tesis para determinar los parámetros estocásticos del
modelo y la calibración de los mismos; por ende se sugiere utilizar el
programa SAMS como herramienta de trabajo para el análisis estocástico
y la generación de series sintéticas.
e) Impulsar las investigaciones en la Facultad de Ingeniería Civil de nuestra

Alma Mater referente a modelos hidrológicos funcionales para la Cuenca
del Río Mantaro, que es el 8vo más grande entre los principales ríos del
Perú y además es la Cuenca que abastece el 34.3% de la demanda del
Sistema Eléctrico Interconectado Nacional.
BIBLIOGRAFÍA
1. Aliaga, S. (1982). Notas del curso de hidrología avanzada para Post Grado. San
José, Costa Rica.
2. Aliaga, S. (1983). Tratamiento de Datos Hidrometeorológicos. Lima, Perú.
3. Aliaga, S. (1985). Hidrología Estadística. Lima, Perú.
4. Alvarado, P. (2007). Modelación estocástica de los escurrimientos de la Cuenca
del Río Amajac. Tesis en Doctorado en Ciencias Agrícolas, Colegio de
Postgraduados de Montecillo. Texcoco, Edo México.
5. Azarang, M. y García, E. (1996). Simulación y análisis de Modelos Estocásticos.
México D.F.: Me Graw Hill.
6. Box, G., Jenkins, G. (1976). Time Series Analysis Forecasting and Control. San
Francisco.
7. Cajahuanca, J. (2015). Teledetección y Sistemas de Información Geográfica
aplicados a Identificación de Zonas con Riesgo a Inundación. Tramo Puente las
Balsas- Puente La Breña. Huancayo: Biblioteca FIC-UNCP.
8. Collas, M. (2012). Modelamiento y simulación hidrológica de la Cuenca del Río
Locumba utilizando el simulador WEAP. Tesis en Doctorado en Ciencias
Ambientales, Universidad Nacional Jorge Basadre Grohm~m. Tacna, Perú.
9. Chatfield, C. (1975). Time Analysis of Time Series: lntroduction. Chapman & Hall
Ltda.
1O. Chereque, W. (1989). Hidrología 2da Edición. Lima, Perú.: CONCYTEC.
11. Chereque, W. (1989). Hidrología, 2da Edición. Lima, Perú: CONCYTEC.
12. Chow, V. (1964 ). Handbook of applied Hydrology. USA: Me. Graaw Hill Book Co.
13. Chow, V. (1997). Hidrología Superficial, 18 Edición. Ciudad de México: Addison
Wesley Companies.
14. Electroperú S.A. (2005). Estudio Hidrológico de la Cuenca del Río Mantaro.
Revista Electroperú S.A., 2081-2082.
15. Gonzales, G. (2004). Validación del modelo estocástico ARMA adecuado en la
generación sintética de descargas medias mensuales en la Cuenca del Río
Santa. Tesis en Ciencias Agrícolas, Universidad Nacional Santiago Antúnez de
Mayolo. Ancash, Perú.
16. Khalidou, M. (2011 ). Modelación hidrológica de caudales diarios. Universidad
Autónoma del Estado de México. México. DF.
17. Lavado, W. (2009). Análisis de hidrología estocástica de precipitación aplicando
el modelo ARMA en 6 estaciones de la Cuenca de Madre de Dios. Artículo de
Investigación en Recursos Hídricos, Universidad Nacional Agraria La Malina.
Lima, Perú.
18. Lavado, W. (2013). Notas del curso de Maestría en Recursos Hídricos-UNALM.
Lima, Perú.
19. Mejía, J. (2012). Hidrología Aplicada, 1ra Edición, Universidad Nacional Agraria
La Malina. Lima, Perú.
20. Mitacc, M. (1999). Inferencia Estadística 2da Edición. Lima, Perú.: Editorial
Thales S.R.L.
21. MTC. (2014 ). Manual de Hidrología, Hidráulica y Drenaje. Lima, Perú.
22. Orbezo, H. (2011 ). Análisis estocástico ARIMA para el modelamiento y
predicción de la demanda eléctrica en el sector residencial de Lima Sur. Tesis
en Ciencias Agrarias, Universidad Nacional de Ingeniería. Lima, Perú.
23. ORDUÑA, F. (2007). Aplicación del sofware SIG: ArcGIS 9.2, 9na edición.
UNIGIS Girona: Universidad de Girona.
24. Pérez, A. (2003). Modelamiento estocástico para predecir caudales futuros u
otros eventos hidrológicos. Artículo de Investigación en Recursos Hídricos,
Universidad Nacional de San Agustín. Arequipa, Perú.
25. Quispe, M. (2011 ). Validación de precipitación total utilizando datos del satélite
TRMM y generación de caudales mediante el modelo de precipitación -
escorrentfa HEC HMS 3.5 en la Cuenca del Río Chacco - Región Ayacucho.
Tesis de Doctorado en Recursos Hídricos, UNALM. Lima, Perú.
26. Ramos, C. (201 0). Estudio de máximas avenidas en las cuencas de la vertiente
del Pacífico - Cuencas de la Costa Norte. Lima, Perú.
27. Rodríguez, D. (2012). Disponibilidad del agua y riesgo hidrológico en los
escurrimientos de la Cuenca del Río Copalita, con un modelo estocástico. Tesis
en Ingeniería Civil, Instituto Politécnico Regional. Zacatenco, México.
28. Sadeh, W. (1976). Data Collection Analysis and lnstrumentation. Fort Collins,
Colorado, USA: Stochastic Approaches to Water Resources.
29. Salas de la Cruz, J. (1980). Técnicas para el análisis de problemas hidrológicos.
Seminario de actualización en Hidrología, Pn - PMI. Lima, Perú.
30. Salas de la Cruz, J., Delleur J., Yevjevich V., Lane W. (1980). Applied Modeling
of Hidrologic Time Series. Fort Collins, Colorado, USA: Water Resources
Publications.
31. Salas de la Cruz, J., Sveinsson, 0., Lee, T., Lane, W. y Frevert, D. (2009).
Stochastic Analysis, Modeling and Simulation (SAMS). Version 2009 - User's
Manual. Colorado State, EEUU.
32. Sánchez, J. y Sánchez, M. (2009). Generación de series sintéticas mensuales
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Se1·ies Sintéticas
Autor: Jimy Marlon Bastidas Valdívia 181
FACULTAD DE JNGENJERfA CIVIL
del Río Chira mediante el uso de modelos Markovianos. Artículo de Investigación
en Recursos Hídricos, Universidad Nacional Agraria La Molina. Lima, Perú.
33. SENAMHI. (2010). Escenarios de Cambio Climático en la Cuenca del Río
Mantaro para el año 2100, 1ra Edición. Lima, Perú.
34. Tarazana, N. (2005). Generación de descargas mensuales en subcuencas de la
Cuenca del Río Santa utilizando el método de Lutz Scholz. Tesis en Ingeniería
Agrícola, UNALM. Lima, Perú.
35. Villela, S. y Mattos, A. (1975). Hidrología Aplicada, 1ra Edición. Sao Paulo, Brasil:
McGraw-Hill.
36. Villón, M. (2002). Hidrología Básica y Aplicada, 1ra Edición. Cártago, Costa Rica:
Instituto Tecnológico de Costa Rica.
37. Villón, M. (2011 ). Hidrología Estadística. Lima, Perú.: Publicaciones MaxSoft.
38. Yevjevich, V. {1972). Stochastic Processes in Hidrology. Fort Collins, Colorado,
USA: Water Resources Publications.
ANEXO A-1: DIAGRAMA DE FLUJO PARA EL TRATAMIENTO DE DATOS HIDROMÉTRICOS
IDENTIFICACIÓN DEL PROBLEMA

Escasez de datos hidrométricos
DEFINICIÓN DE OBJETIVOS
Validacioo de Caudales Generados
FASE PRELIMINAR
ANÁLISIS DE LA
CARTOGRAFIA
INFORMACIÓN BÁSICA
Análisis de consistenda en
saltos ytendencias
SI
Completación de la
N
informadón
SI
Información es de un
N Extensión
período uniforme
SI
Información hidrométrica disponible

Consistente, completada y extendida
SI
FASE APLICATIVA
Generación de caudales
sintéticos para su validación
ANEXO A-2: ESQUEMA SIMPLIFICADO PARA EL ANÁLISIS DE SALTOS
ANÁUSIS DE SAL TOS

1 1
IDENTIFICACIÓN L 1
CRITERIOS FISICOS 1
1 r 1
INFORMACIÓN DE CAMPO
1 J
+
J
ANÁLISIS DE
)
ANÁLISIS DE
1 HIDROGRAMAS 1 1 HIDROGRAMAS 1
l SEPARACIÓN DE PERÍODOS j
l
1EVALUACIÓN Y CUANTIFICACIÓN: ANÁLISIS ESTADÍSTICO
SALTO EN LA MEDIA PRUEBAT
SALTO EN LA DESVIACIÓN
PRUEBAF
ESTÁNDAR
+ CORRECCIÓN
INFORMACIÓN LIBRE DE SAL TOS EN
-
LA MEDIA Y DESVIAaóN ESTÁNDAR
--
ANEXO A-3: ESQUEMA SIMPLIFICADO PARA EL ANÁLISIS DE TENDENCIAS
ANÁLISIS DE TENDENCIAS
INFORMACIÓN LIBRE DE SALTOS INFORMACIÓN DE CAMPO
TENDENCIA EN LA MEDIA
REPRESENTACION Y
ESTIMACIÓN
~
¡:::
.!;f!
Cl
~ SI
(/)
w
:z CORRECCIÓN EN LA MEDIA
·O
§
¡¡:
¡:::
(/)
:::>
....,
EVALUACIÓN
SI
Información hidrométrica disponible

Consistente, completada y extendida
INFORMACIÓN LIBRE DE
SALTOS Y TENDENCIAS 14---~
ANEXO A-4: PROCESO DE SELECCIÓN DE UNA DISTRIBUCIÓN TEÓRICA
SELECCIÓN DE UNA
DISTRIBUCIÓN
REGISTRO DE DATOS
ELEGIR UNA
DISTRIBUCIÓN
TEÓRICA
ESTIMACIÓN DE
PARÁMETROS
PRUEBA DE BONDAD
DE AJUSTE
AJUSTE
V
BUENO
UTILIZAR
DISTRIBUCIÓN
TEÓRICA ELEGIDA
FIN
ANEXO A-5: DIAGRAMA HIDROLÓGICO DE LA CUENCA DEL Rio MANTARO
Embalse
Malpaso
~-807 C.h. Malpaso

G Huascacocha
.2
·~
~ (~
~~
Taza Vieja
..
~ 14-------'
:!l
!5
"-
0
«
RíoYauli
e Toma Cut Off
Río Pachacayo Rfo Pachacayo
Huayllacancha
Huichicocha __/
Coyllococha ~
Yurnjcocha---,IIRI-------=--------,..-------.j
Balsacocha
Ñahuincocha
Chilicocha
T Embalse Existente
T Reservorio Existente C.h. Mantaro
- Bocatoma Existente
l
C.h. Restitución
@ C.H. Existente
e C.H. en Proyecto
C.h. Cerro del Águila
___. Canaltrúnel Existente
ANEXO A-6: RELACIÓN DE ESTACIONES METEOROLÓGICAS UBICADAS EN LA CUENCA
DEL Rio MANTARO Y ALREDEDORES
~,7:·~=~·¡~~:~~
1 Cerro de Paseo 10,69 76,26 4260 X X nov-02 54 SENAMHI
2 Quiulacocha 10,70 76,28 4299 X nov- dic-74 23 IRI
3 Fundición 10,75 76,27 4268 X jun-57 may-72 15 IRI
4 Shelby Electro
10,81 76,23 4140 X jul-55 dic-96 41
Andes
5 Tambosol 10,87 76,12 4100 X may-69 jun-04 35 Electro Perú
6 Carhuamayo 10,92 76,06 4146 Electro
X ene-52 dic-96 44
Andes
7 Upamayo 10,92 76,28 4080 X oct-63 jun-04 41 Electro Perú
Electro
8 Casapato 10,98 76,04 4115 X nov-52 dic-96 44
Andes
9 Laguna Huarón 11,02 76,42 4649 X jun-57 dic-74 16 IRI
10 San Ramón 11,12 75,43 800 X X jul-39 sep-98 60 SENAMHI
11 Junín 11,15 75,99 4120 X may-69 jun-04 35 Electro Perú
12 San Juan Pallanga 11,15 76,45 4649 X jun-57 dic-74 17 IRI
13 Hueghue 11,24 76,28 4175 X dic-64 jun-04 40 Electro Perú
14 Huasahuasi 11,27 75,63 2750 X X oct-63 nov-02 40 SENAMHI
Electro
15 Atocsaico 11,27 76,08 4532 X ene-52 dic-96 44
Andes
Electro
16 La Cima 11,29 75,92 4200 X nov-52 die-96 44
Andes
17 Mazamari 11,33 74,53 699 X X jun-68 ene-81 13 SENAMHI
18 Yantae 11,33 76,40 4600 X dic-68 oct-02 35 SENAMHI
19 Corpacancha 11,37 76,22 4249 X jun-57 dic-74 18 IRI
20 Tarma 11,40 75,69 3000 X X abr-60 nov-02 43 SENAMHI
21 Malpaso 11,40 76,03 3749 X jun-43 die-74 18 IRI
22 Marcapomacocha 11,40 76,33 4413 X X sep-64 oct-02 39 SENAMHI
23 Punabamba 11,48 76,08 4099 X abr-57 abr-74 18 IRI
24 La Oroya 11,57 75,96 3780 X X sep-94 nov-02 9 SENAMHI
25 Huascacoeha 11,58 76,08 4499 X jun-57 dic-74 18 IRI
26 Rieran 11,62 75,01 3500 X abr-65 nov-02 38 SENAMHI
27 Runatullo 11,62 75,01 3186 X X ene-88 nov-02 15 SENAMHI
28 Pachaehaca 11,62 76,00 3999 X jun-49 nov-77 29 IRI
29 Morococha 11,63 76,10 4539 X jun-43 die·74 32 IRI
30 Pomacocha 11,73 76,13 4265 X mar-38 die·77 18 IRI
31 San Cristóbal 11,73 76,05 4699 X jun-57 dic-74 18 IRI
32 Comas 11,75 75,13 3300 X X dic-63 nov-02 40 SENAMHI
33 San Pedro Chuclu 11,75 75,50 3379 X sep-63 may-78 18 IRI
34 Huallacocha 11,77 76,10 4399 X jun-57 dic-74 19 IRI
35 Jauja 11,78 75,47 3322 X X ene-35 dic-02 68 SENAMHI
36 Pachacayo/Piñascocha 11 ,81 75,72 3550 X mar-66 jun-04 38 Electro Perú
37 Hda 11,82 75,83 4299 X abr-57 abr•74 18 IRI
38 Mantaro 11,83 75,40 3300 X feb-63 jun-04 41 Electro Perú
39 Ingenio 11,88 75,26 3450 X X ago-63 nov-02 40 SENAMHI
40 1ngenio/Pesquerfa 11,88 75,27 3399 X ago-63 dic-81 19 IRI
41 Huaytapallana 11,95 75,04 4510 X ago-65 jun-04 39 Electro Perú
142 Yauricocha 11,96 75,91 4375 X ~ Electro Perú
11,99 75,47 3450 jul-69 jun-04 35 Electro Perú

45 SantaAna 12,00 75,22 3295 X INIA·
ene-92 nov-02 11
SENAMHI
46 Angasmayo 12,03 75,40 3280 ene-64 jun-04 40 Electro Perú
47 Huayao 12,04 75,32 3308 ene-22 dic-02 81 IGP
48 Matibamba 12,08 74,82 2199 ago-63 jul·77 15 IRI
49 Vilca 12,12 75,83 3815 sep-63 jun·77 14 IRI
50 San Juan Jarpa 12,12 75,43 3726 jun-63 mar-97 35 SENAMHI
51 Salcabamba 12,15 74,82 2900 X abr-65 nov-02 38 SENAMHI
52 Viques 12,16 75,23 3186 X mar-64 feb-98 35 SENAMHI
53 Chichicocha 12,17 75,61 4500 nov-64 jun-04 40 Electro Perú
54 Laive 12,25 75,36 3990 X ago-63 nov-02 40 SENAMHI
55 San Lorenzo 12,28 74,83 2600 X nov-02 40 SENAMHI
56 Palaco 12,35 75,30 3650 jun-04 42 Electro Perú
57 Pilchaca 12,35 75,08 3570 X nov-02 39 SENAMHI
58 Acostambo 12,36 75,05 3650 X jun-04 42 Electro Perú
59 Yauyos 12,37 75,92 2870 dic-77 15 IRI
60 Cercapuquio 12,36 75,32 4390 jun-04 42 Electro Perú
61 Tellería 12,38 75,12 3050 jun-04 40 Electro Perú
62 Pampas 12,38 74,85 3260 X feb-89 nov-02 14 SENAMHI
63 Pampas 12,39 74,87 3260 ene-63 jun-04 41 Electro Perú
64 Huantan 12,45 75,62 3271 oct-63 dic-76 14 IRI
65 Paucarbamba 12,47 74,57 3000 X ago-64 nov-02 39 SENAMHI
66 Kichuas 12,47 74,77 2650 oct-63 jun-04 41 Electro Perú
67 Mejorada 12,53 74,86 2820 feb-62 jun-04 42 Electro Perú
68 Huichicocha 12,55 75,52 4660 nov-64 jun-04 40 Electro Perú
69 Huancalpi 12,56 75,24 3600 ene-65 nov-02 38 SENAMHI
70 Pampas Colonia 12,63 75,88 3378 sep-63 dic-76 15 IRI
71 Chilícocha 12,70 75,45 4200 nov-64 jun-04 40 Electro Perú
72 Telepaccha 12,75 75,30 4399 sep-63 oct-81 19 IRI
73 Huancavelica 12,78 74,98 3676 jun-62 jun-04 42 Electro Perú
74 Huancavelica 12,76 75,01 3676 X may-55 nov-02 48 SENAMHI
75 Acobamba 12,84 74,57 3236 X dic-64 nov-02 39 SENAMHI
76 Luricocha 12,90 74,27 2579 nov-63 dic-77 15 IRI
77 Huanta 12,95 74,24 2521 X ene-64 nov-02 39 SENAMHI
78 Lircay 12,98 74,72 3150 X jun-49 nov-02 54 SENAMHI
79 San Miguel 13,02 73,98 2660 sep-64 sep-77 18 IRI
80 Quinua 13,06 74,14 3260 X sep-64 nov-02 39 SENAMHI
81 Wayllapampa 13,08 74,22 2158 X ago-66 nov-02 37 SENAMHI
San Pedro de
82 13,08 74,39 3188 X oct-65 nov-02 38 SENAMHI
· Cachi
83 Tune! Cero 13,10 75,10 4529 jun-58 dic-81 24 IRI
84 Choclococha 13,15 75,07 4549 jul-58 dic-80 23 IRI
85 Huamanga 13,20 74,20 2761 abr-62 nov-00 39 IRI
86 San Génaro 13,20 75,10 4569 may-58 may-75 18 IRI
Generación de Descargas en la Cuenca del Río Mantaro mediame el Uso de Modelos Estocásticos de Series Sintéticas
ANEXO A-7: ANÁLISIS ESTOCASTICO MEDIANTE EL MODELO ARMA(p,q)

ANÁLISIS DEL MODELO
SobnJIInslledatosded~tar¡¡as
ltla'ICSSde la Cuencad!!Rio
Malltaro
NO
Stbutlna mlctJID p¡rime1rnc.IJOI'

metododemomentnso
Subrulina!!atamod&Jo
parSmcniosoa~AICC.delos
modelos p."e &ftc;dDiladot
NO
Gb
ANEXO B-1: DESCARGAS MAXIMAS MENSUALES HISTÓRICAS DE LAS ESTACIONES SELECCIONADAS
:UPAMA.YO LAnTUO :10"55119"
CUENCA :MANTARO lOitGil\JO
RIO :MAHTARO ElEVACIÓN :.COSO m.1.n.tn.

AAEACAPTAC. :1860Km2 I'UENTl
,... 1.79 <.Sl 0.28 10.46 13.96 25.83 45.11 49.10 35.19 18.46 16.07 5.82
,...1967 10.11 0.00 17.1-4 28.65 26.58 38.93 26.91 3L!i7 38.33 20.30 22.76
....
15.35
1969
1970
7.00
0.00
12.00
3.85
0.00
0.15
0.66
15.24
4.05
1.00
34.01
....
10.99
29.45
'""'
19.61
27.88
36.97
49.51
44.59
39.65
59.90
<5.50
17.13
15.11
16.01
27.1-4
12.20
1.63
16.90
25.33
<.82
20.07
1971 10.71 0.00 ... 70 33.11 14.96 15.72 29.15 44.21 13.<>1 4.93 3.85
0.00 10.85 47.96 89.82 25.39 36.23 49."4 27.69 13.00 2,32
1973 0.00 12.09 <2.60 57.80 37,41 27.85 29.60 3Z.l7 26.79 15.85 6.92 13.69
197<1 63.85 97.51 91.37 62.19 17.53
,....
9.52 22.29 ....30 27.14 18.43 7.87
,.
1975
1976
4.18
6.36
8.23
4.01
MI
29.70
89.89
6.70
17.24
19.76
6.80
28.00
27.78
31.25
35.35
23-"5
27.20
41.17
22.19
36.93
35.93
39.95
23.20
14.79
23.52
15.3-4
S.58
28.97
•• 13
7.69
10...
4,92
13.73
7.8<
' .. ~.
1978 5.<0 SS.S3 -47.93 10.8< 11.95 22.18 25.39 1S.S2 17.89 l3.2S 12.15 14.62
1.79 19.13 24.18 71.38 53.98 16.39 23.85 26.92 25.98 22.70 20.77 17.85 15.9')
1980 14.63 7.59 14.80 25.... 21.79 32.88 26.73 22.60 11.07 10.13 8.57
1981
1982
8.19
14.!10
.....
8].01
53.88
3<.79
9.59
19.55
33.37
23.13
31.90
15.50
25.30
34.50
49.70
21.85
47.74 33.s<i
17.17
23.23 ....
12.03 28.52
11.88
,.83
19114
1985
17.43
<.29
23.44
1-4.99
2.22
11.24
13.07
22.39
1.17
11.48
30.16
0.81
31.H
19.89
19.00
.....
34.49
29.70
50.91
24.29
.(4.90
36.40
.3-4.39
36.10
46.10
]2.50
33.30
32.<0
32.22
20.10
21.61
]1.16
11.60
11.35
24.15
17.~
17.00 22.51 '(
..
0.87 1.<5 78.53 61.35 31.30 64.23 40.SO 29.70 38.98 29.U
1987 3.<5 0.91 6.39 31.01 32.31 29.36 27.67 30.28 27.0< 16.7<1 U.48
,.. •'
.
1988 10.53 21.68 35.52 16.90 42.16 43.77 32.28 23.80 15.90 16.22 25.66 ',/,
1989
1090
1981
.,
6.76
0.00
5.75
s.oo
•.77
55.42
9.39
17.00
7.93
<.SO
28.67
8.25
10.65
37.31
1-4.00
43.75
17.58
29.40
44.27
28.73
)9,40
40.41
, ...,
21.72
32.Sl
10.40
79.82
3L83
2.55
20.22
11.00
10.83
24.45
lf"'.
1982 10.27 0.87 ... 36 9.67 15.43 11.61 10.94 1.06 5.<3 4.65
1983 0.7-4 0.7-4 0.74 18.10 26.70 32.C9 27.55 R. 57 0.83 0,92
1994 47.40 134,61 84.52 52.17 25.78 37.97 C6.82 30.52 23.98 22.87
1985 1.89 0.98 0.98 0.98 7.70 23.77 26.14 33.73 22.3< 17.51 14.68 12.51
0.00 0.01 0.06 0.06 0.06 17.73 n.J.& 26.61 30.92 24.71 18.75 6.92
1997 0.12 0.00 0.12 0.12 3.03 15.00 19.07 24.70 Z1.S9 25.80 9.63 10.64
1998 0.00 0.00 0.00 25.28 2.65 2-4.81 30.30 39.81 33.70 20.09 23.07 20.03
1989 0.21 0.21 0.21 26.05 10.21 u ... 19.42 .... 09 .... 25 28.92 9.18
2001
0.05
0.03
0.05
54.32
38.79
90.59
>4.77
27.31
9.51
10.80
14.83
18.9-t
24.58
24.62
31.49
36.38
36.63
33.59 .....
21.64 36.95
16.38
6.32
26.16
2002
,.,, 0.70 u.so 73.60 17.00 21.70 29.00 43.10 39.30 26.30
,..,.
5.70 8.40
2005
... 59
0.38
0.00
13.22
0.00
0.00
56.80
0.00
0.00
42.59
0.00
0.00
24.57
5.8<
0.00
ll.l9
6.2'5
26~8
....
29.33
28.80
34.51
29.91
27.92
4L03
15.76
27.70
12.2.(
27.19 ,....
20.10 ....
4,63
6.81
ESTACION : PUENTt CHULEC LATIND
CUENCA :MANTARO LONGITUD
RIO :MANTAII.O ELEVACIÓN :S71om.a.n.m.

AREA CAPTA(. :6020Kml FUENTE :Etectropenl
1966 56.1.9 44.15 53.18 37.70 31.14 35.17 50.55 53.84 4)..90 37.00 "1.17 53.10
1967 48.68 107.28 113.83 68.50 46.71 51.6o 38.19 -40.52 50.20 48.00 ]9.77 45.39
1961 48.39 47.76 64.10 29.23 27.52 34.23 52.4-5 49.39 28.30 24.42 34.1.7 25.88
1969 24.35 45,04 39.03 54.90 :17.13 31.-40 53.68 65.76 20.-47 36.23 25.70 36..90 aD)"
197(1 89.71 75.57 59.16 89.J7 60.97 42.13 49.52 51.03 33.57 18.1'>5 35.13 48.90
1971 63.84 86.S4 128.26 76.07 30.94 25.33 37.32 42.48 53.17 33.19 ll..ut 28.29
1972 60.97 50.31 159.74 131.73 56 71 46.30 54.39 60.74 .43.20 3-4.35 90.01 33.10 niitl.
1973 86..19 J26.04 225.00 90.10 72.16 44.20 -46.16 46.51 47.23 52.65 -46.00 52.81
1974 UU9 244.54 276..48 :127.63 37.68 lLSO 41.29 40.22 51.83 43.00 37.30 29.16
1975 35.74 46.96 148.78 ss.57 n.2& s1..c1 42.77 41.26 40.ao 34.43 19.1o 24.04
1976 97~52 231.17 230.6S 73.50 53.00 49.63 53.42 48.74 35.07 3'.1.58 28.53 31.45 '.'(¡
1977 31.52 59.54 65.26 4L17 34.61 38.00 34.74 46.20 39.80 42.26 48.80 53.6l
:1978 48.32 195.95 161.27 45.27 36.77 44.03 45.71 25.30 39.30 39.56 32.27 39.00
19?9 45.06 100.57 242.44 159.90 47.65 4S..90 49.35 47.48 40.03 4().03 32.83 39.79
1981 36.93 105.46 148.34 65.77 3954 -48.36 51.71 45.28 SS.ll 31.52 51.24 79.80 · ~W
1984 31.32 113.14 ]20.8' 91.60 52.81 60.80 49.35 53 ..3-4 48.69 40.19 48.10 60.04 !.:! .
toas s9.A& 69.69 n.86 as.66 s1.21 56.83 61.11 58.94 45.71 42.91 33.85 48.27
1926 63.52 76.91 71.3.94 181.22 106.22 91.11 62.52 56.70 57.40 55.-48 46.16 42.63
1987 77.29 87.54 59.26 54.24 42.41 18.48 37.26 38.98 41.90 36.37 31.03 4].08 -~
19S8 91.53 111.20 101.31 10.4.47. 48.54 56.89 S3.0S 43.42 32.74 2S.OO 26.42: 37.R9
1989 68.60 92.14 152.07 68.9-t 57-Sl 60.38 61.60 62.70 53.80 59.40 58.30 41.30
1990 57.08 51.31 49.16 23.41 23.07 21.65 29.65 39.38 31.SS 36.05 48.00 38.06 iíJ!.
J991 38.64 40.33 104.40 37.19 39.Sl 33.14 4&19 54.70 5·t.25 41.90 .3-4.56 3-4.88
1991 27.90 14.7.8 44.92 U.j;4 13.99 19.46 22.19 20.65 19.01 14.n 15.91 15.70 :!..''
1993 25.99 93.32 74.54 -49.73 34.92 33.40 37.98 43.08 40.32 -41.63 68.00 83.59
l994 130.47 267,04 202.54 180.01 89.70 73.00 61.20 57.10 54.90 .99.78 35.39 39.85
1995 21.46 23.54 61.34 49.15 24.17 33.92 39.28 40.48 32.33 27.70 27.52 27.42
1996 30.1S 53.57 49.73 57.A4 21.70 91.14 36.78 39.52 l!US )4.60 29.83 2S.G4
1997 35.71 94.69 66.42 2o.s9 17.09 24.36 29.t4 14.81 11.n 3"3.61 26.98 4&.os
1998 57.22 91.75 70.97 76.28 2LG8 36.69 4UA 49.21 41.01 35.89 3S.72 32.27
1999 11.61 104.71 91.76 94,40 45.42 32.47 15.91 46.41 47.79 4J..CO 53.80 35.36
2000 11.12 107.62 160.74 108.&4 50.14 41.56 45.57 54.93 50.97 43.51 cs.SA 38.35
2001 91.66 133.76 191.75 85.47 33.44 33.66 35.72 42.21 40.08 4-4..43 35.75 ~.10
20!D 15.90 35.00 80,40 67..30 35.60 3S30 38.60 47.00 44.20 37.80 38.20 SG.80
11XJ3 -4S..24 68.67 141.82 88.68 50.39 -42.12 44.65 47.48 51.38 47.01 35.53 32.75
2004 24,42 !6.17 31.66 21.91 20.J5 21.24 19.47 42.07 27.79 29.70 41.17 40.38
2005 41.74 .(7.04 -4D.13 26.23 15.63 37..49 40.13 37.63 35.00 37.32 37.78 18.31
ANEXO B-1: DESCARGAS MÁXIMAS MENSUALES HISTÓRICAS DE LAS ESTACIONES SELECCIONADAS
1'ESTACIÓN : PUENTt ST\JART LAnTUD :11"48'00"
1
·aret<CA :MANTARO lONGrruD :7579'12'"
~R!D :MANTARO B..EVAOÓN : 3312. m.s.n.m.
:AIIfACAPTAC, :9195.26 Ktnl F\JENTt AI.ANAHTARo
1966
IP6?
222.00
"-00
m.oo
m.oo
39?.00
_260.()()
<53.00 -"'""
__198._(10
-~00
_..._ .. _5-ª""'-
~
-~
_II.DD__
~.00_
---"'--~
~~
_..,_~
_109'º"--
_..'º"- ~
~ ...!!!'º"-
~
~
!!Y,
.. --~·
1968 96.00 283.00 9?.00 5?.00 ?3.00 87.00 101.00 50.00 60.00 198.00 91.00
19fi9 49.00 166,00 133.00 209.00 49.00 52.00 88.00 96.00 ?5.00 ??.00 54.00 19?.00
19?0
~"-~ 292.00 195.00 2<9.00 241.00 _ 85-00 ?3.00 _]3.00_ 6?.00 59.00 _..,_ _14!<10_
19?1 1?3.00 334.00 __!53..()() _219,00 - ?~00 ~ ~ ~~ ___..,_~ _1!6.llll_ _2!<10_ ~
1972 138.00 154.00 4?2.00 648.00 _21~- ~ ??.DO 82.00 ~ _6!.llll_ ~ ~
-1913
19?<
19?5
256.00
!24.00_
547.00
_59~00
634.00
_566,00
40?.00
}'J2.00
!51.00
153.00 ..,..
IU.OO 69.00
~00
n.oo
_]~.00-
11.00
_'19.00
96.00
?4.00
81.()()_
?l.()()_
23!1,00
~_.()()_
108.00 295.00 42LOO 222.00 168._()0 ~ ~ ~ ....§.()()_ ~ ~ ~
19?0 262.00 362.00 m.oo ~ ~ ~
..
422.00 85.00 85.00 80.00 ?1.00 65.00
19" 123.00 403.00 18?.50 105.00 sa.oo 59.00 ss.oo 64.00 50.40 59.00 146.00 156.00 ...w&!.l
1918 134.00 455.00 102.55 98.00 65.20 58.00 6000 59.00 sa.oo _..,_ ...'.l!:llli..
19J!I 63.00 2....00 924.00 _346._00 ->J.so ~ ~ ~- _!2."'1_ __65,~ ~ ~ ~
1980 165.20 105.00 253.00 16000 -54-'"" ~ __§JlO_ _<;3.llll_ 28.()()_ ~ ~ ~ 'M>IJ
1981 120.50 nt.20 ~
105,00
"""
1963
409.00
246.00 !?0.50__
2112.00
_19?.CIO
219.00
131.00
131.00
86.00
88.50
-'ª'0
85.00
_l!g>
?0.50
-'º'so_
?3.30 89.00
_Sl.z<l_
_..__..,_
260._00
·~
148.50
_2!.llll_
~
~
1!104 _._10.~ _m,oo ~ ~ _,.__~ JJU!
1985
69.20
110.50 222.00
_5?8..()()
170.50 22~00
68,00
73.20
_<;3.llll_
37.50 94.50 ,_., 1?D.SO 62.70
~
?O.SO 12MO ~
lllll6 251.00 ?02.00 660.00 473.00 ?20.00 Ll4.00 ?6.50 83.20 64.00 65,20 11~,25 ~
1987 llO.OO 239.00 19<1.00 135.00 118.00 ?6.00 43.00 41.50_ _50.40 - 51.00 66...!0_ _96_.41l_ _u=
1988 -~·20_ l'II.OD_ _24L.()() _ 2?D._OO 85.00 ~ _!1._00_
-"'-"'- .E'º"- ~ !l~ .m
1919 200.00 339.00 394.00 231.00 --'Bº- ~ ~ ~ ~ ~ ~ ru [!;¡~
19011 148.50 m. 50 124.00 48.00 48.00 43.00 43.00 42.60 3.00 88.50 1?0.50 192.00
1991
1992
1993
183.?0
~8.00_
- 120.00_
105.10
49.50
A50.00
441.00
- 114.25 46.00 40.20 -~ .. -·~~ _29~
_32.10
1994 466.00 580.00 SS.l.OO
~
1995 58.00 ?6.00 158.00
1996 63.50 1M.50 12~00 121.00 41.00 46,00 35.00 _40.70 38.00 33~
1'19? !40.00 389.50 100,00 29.80 28.10 24,50 ~-"'- _29.70_ _49.!0 .4~ ~
199$ 175.50 364.10 207.35 184.20 1.?0 54.30 ~ 51.00 51.00 ~ !nM1
455,00
- ~
1999 80.15 308.00 31?.00 142.30 72.30 61.00 6?.00 65.50 69.50 56,70 . 91.60
2000
2001
288.00
310.20
356.00
_316.00
39<1.00
__ 469.00
276.00
340.00
146.50
99,?0
108.50
_'1!.80_ _.._,.
62.50
~·o_
??..20
--"'·"'-
76.40 n~
__1IE.
J1L60.
~
8?.15 136.00 245.00 238.70 112.20 63.00 ~ ~ ~ ~ ~ ~
,...
2003 115.00
lll9.20
202.00
546.00
422.00
303.75
2ID?O
99.25
99.?0
?7.20
186.00 202.60 199.20 199.?0 205.50 157.00 191.75
~
2005 15~40 103.80 51.07 __13_]._00 - 6<l._OO 26-00_ _SS..2?_ ~
:COCHASTtlNEl lATITUD :11"51'18"
:NANTARO LONGITUD
R!o :MANTARO ruvAOÓN :.US0111.s.n.m.

ARfACA9TAC. : ..90Km1 FUENTE
1966 6.62 6.36 -4.<~& 2.ss 1.s2 1..o~a 1.26 t.l& 1.73 2.49 rus 13.68
196? l.fi? 19.49 20.-41 15.15 7.24 4.32 3.71 3.08 2.72 3.96 4,18 $.40
1960 10.32
1969 4.60
1970 23.33 17.82 11.73 11.17 6.39 2.91 2.17 1.62 2.38 3.3! 3.25 7.36
1971 11.28 17.90 18.98 15.28 3.95 2.35 1.94 1.68 1.57 2.12 2.07 .C.41
1972 ll.54 13.15 27.34 18.43 S.OJ 2.75 2.15 1.79 1.97 2.77 3.37 6.10
1973 9.06 24.97 20.20 11.20 6.13 ·&.17 2.86 2.25 2.61 4.30 4.92 7.97
1914 18.32 14.21 9.33 ,f.,.C.D 3.17 2.23 1.07 :U-4 1.95 2.81 3.46
1915
13.49 16.36 14,77 9.53 3.94 l.CI7 2.33 U3 1.45 2.20 3.28 4.16
1917
19711
5.38
~97
9.46
10.78
U.88
7.49
6.14
1.21
...69
3.64
2.91
2.oa
1.79
t.sa
1.53
1.51
1.85
t.n
2.49
2.60
5.33
s.ta
4.82
&.52
'o
1979 5.07 9.51 17_.43 s.n c.o5 2.6l 2.01 1.ss us 1.11 s.39 a.oc
1980 5.29
1981 15.38 13.81 5.21 2.95 1.00 1.55 1.67 1.60 1.93 3.08 4.65
1'11!2 8.22
10113 6.56 ·~
,..,
1984 17.99
14.8)
11.73
21.89
14.14
12.01
5.21
6.50
1.89
4.12
2.06
2.18
1.39
1.62
1.37
1.85
1.66
2.07
4.57
2.!6
8.02
5.98 • o
1...
1987
1988
1...
19011
14.13
12.98
15.65
15.19
3L97
19.75
18.63
28.8l
29.41
10.61
14.n
31.66
:u.81
us
14.68
11.16
15.16
3.80
7.35
7.43
4.75
2.45
3.64
4.51
.2.ss
1.94
l ..t.s
3.31
1.19
1.80
1.a1
2.29
1.52
1..07
l.t7
1.63
1.s8
1,71
2.85
3.37
4.68
5.16
a.:n
... 29
3.10
7.44
4.34
2.46
. '
1991
1992
6.711
3.95
7.87 21.70 8.24 4..47 2.67 0.88 1.13 1.53 2.70 3.21 :9.41
'.
1993 10.14 23.67 10.23 4.83 3.14 3..85 1.22 1.30 2.06 ·4.41 8.58
1994 11.n 19.03 16,66 13.07 7.99 4.87 2.32 1.28 1.15 1.05 0.91 1.04
.
1995 ~01 4.&8 9.19 4..66 1.87 1.29 4.66 5.14 4.74 2.15 3.10 2.85
1996 2.74
1997 ~08 -
1990 3.31
1999 3.01 11.24 9.79 11.70 5.26 2.72 1.75 1.31 1.31 2.24 3.13 3.58
2000 12.23 18.55 21.31 13.93 4.96 1.23 1.90 1,41 3.46 3.66 3.47 3.92
2001 13.51; 13.35 30.36 10.15 4.04 2.33 1.91 1.26 1.20 1.91 2.51 ].89
1004
2005
....
9.39 -
~1 ~
~
~
~
~
~
~
~
-
~
~
~
~
~
~
~
~
~
~
~
'.
ANEXO B-1: DESCARGAS MÁXIMAS MENSUALES mSTÓRJCAS DE LAS ESTACIONES SELECCIONADAS
ESTACSÓN :PIRASCOCHA t.Anruo :11"'51'05"
:MANTARO :?s-.45'43..
Rlo :MAHTARO ElEVACIÓN : 3150 m.s.n.m.
ARUcAPTAC. :19SKm2 IUENTt
1966
1967
1.29
2.16
1.57
4.57
2.33
4.85
1.00
4.00
0.67
uo
0.35
0.76
0.17
OA9
0.10
0.41
0.31
0.45
0.54
O.A8
1.01
0.02
3.66
0.75
...
1968 1.73 2.18 3.00 L75 0.82 0.40 0.39 0.36 0.35 0.36 0.54 LS6
t9fi9 l.•U 2.07 2.95 3.13 1.25 0.32 0.49 0.42 0A9 0.51 0.53 l.l7
19?o 6..49 5.23 3.26 3.13 1.87 0.86 0.57 0.40 OSI 0.49 <U1 1.46
1971 1.8<& 4.97 7.69 4.18 1.22 0.77 0.58 0.45 0.33 0.40 0.58
t9n t.4s 1.96 9.51 4.64 1.61 0.81 0.64 0.44 0.34 0.47 o. SS I.Ol
1973
1974
1975
2.71
3.69
2.01
5.00
4.97
4.07
4.71
3.37
8.08
3.37
2.18
2.97
1.61
1.41
2.10
l.lS
1.13
1.23
....
0.90
O.SS
o...
0.36
0.67
o.ss
MO
1.05
0.81
0.35
1.22
0.80
0.40
2.05
o.n
1.64
~-
1976 4.29 5.36 6.53 S.IJ l.OO 1.13 0.69 0.44 0.57 0.26 0.19 0.39
t977 o.n 2.65 3.93 1.59 1.20 o.6t 0.45 0.31 0.26 0.24 1.38 U7
19'18 2.43 3.46 2.49 1.83 1.02 0.61 0.35 0.16 0.29 0.47 0.87 1.33
1979 1.39 3.78 7.51 3.23 1.73 0.91 0.63 0.48 0.33 0.38 O.S6
t980 1.19 2.85 3.22 1.93 0.85 0.60 0.<6 D..33 O...Z7 0.96 0.83
1981
tgft,2
t9U 1
1.87
...02
2.38
7.31
6.25
1.S6
....
5.44
2M
1.97
3.16
2.26
1.19
1.33
1.37
0.67
Q.(jl
0.60
0.43
0.38
0.34
0.35
0.25
0.23
0.34
0.21
0,19
0.38
0.20
0.97
1.64
0.14
1.n
2.79
0.23 a,·,
1984 0.93 5.79 6.44 4.50 1.88 0.95 0.60 0.39 0.30 0.39 0.68 1.06
t9as 2.15 3.56 4.94 2.67 1.64 1.15 0.60 0.44 0-45 0.43 0.48 0.79 !.!-ti
19ti6 5.93 8.93 5.64 3.28 3.62 1.78 1.06 0.84 0.70 0.69 0.07 0.75
1987 2.25 ... 30 2.36 1.34 0.86 0.68 0.56 0.49 0.49 0.49 0.57 0.75 !!L
1988 2.81 ... 37 3.69 3AB 1.80 0.72 0.71 0.49 0-41 0.43 0.53
1989 1.96 4.64 5.68 3.6~ 1.42 Q.97 0.64 O.Sl O.Sl
1990 0.90 1.09 1.40 0.65 0.44 0.44 0.28 0.37 0.61 1.90 1.94 lil·
1991 2.02 2.!7 4.99 1.88 0.49 0.40 0.41 0.19 0.19 O. V 0.28 0.30
1992 0.38 0.29 0.85 0.43 0.23 Q.ll 0.17 0.20 0.89 0.45 0.26 Q.l6
1993 0.67 2.89 2.57 1.80 2.51 1.44 OSB 0.18 o...zo 0.21 1.09
1994 1.95 .3.61 3.59 l. 56 1.86 0.65 0.35 0.24 0.23 0.23 0.26 0.33
1995 1.45 0.92 1.88 0.95 0.40 0.16 0.49 0.91 1.28 0.32 0.65 0.45
1996 0.72 2.03 l. SI 2.38 0.83 0.34 0.21 l.ll 1.... 0.42 0.30 o.o
1997 2.15 3.32 1.62 0.61 1.58 1.45 0.32 0.36 0.21 0.19 0.25 0.46
1998 1.55 1.87 1.51 1.15 0.61 O..S6 0.73 0.67 0.81 0.63 0.45
1999 0.95 3.99 2.88 IJ!B 0.9'1 1.24 0.39 0.55 1.S6 1.28 0.81 1.33
2000 2.21 3.80 3.44 3.51 2.41 1.47 Ll4 2.41 1.72 1.37 1.10 1.35
2001 3.20 2.67 6.51 2.91 1.52 1.12 1.06 1.17 1.07 0.67 1.33
2002 1.11 2.47 3.H 2.46 1.22 0.84 0.68 0.65 0.51 0.70 1.03 1.95
2003 2.27 2.89 6.53 2.26 1.19 0.88 0.97 2.65 1.15 0.66 0.57 0.07 .t
](ll)(
lOJS
2.44
2.6'1
3.07
221
2.49
2.81 ,...
1.53 0.81
0.57
0.10
0.34
0.19
0.54
0.48
0.41
0.52
0.00
0.85
o.n
1.57
0.65
2.U
0.65
_ESTACIÓN :PAOiACAYO LATITUD :tr..a•.az"

'cuENCA :MANTA.RO LONGrTUD :75"43'19"
RIO
AREACAPTAO.
:MANTARO
:710Kml
ElEVACIÓN
IUENTt
·--
:HSOm.Ln..tn.
.1~~
1967
-"94
1.48
_]1.10
31.34 34.06
4.88
22.37
3.53
8.64
2.54
;.08
_1.94
..'o_~
_2.01
U9
3.04
....
4.57_ 6.92_
1.80
20.31
6.
'"'·~·
1968
1969
l. OS
7.26
10.68
10A6
1.819
17.02
9.45
15.67
S.
6.15
3.78
4.15
1.18
3.39
3.11
....
2.88
3.16
3.S6
3.53
4.53 ....
6.01 8.9S
13.81
1970
1971
_29.04 23.08
25.64 ...,
16.01 1.64
21.45
9.17
6.83
5.10
1.63
3.95
1.81
...
1.35
4.75 . 5.38_
1.88
5.1!_
U3
1~
6.30
191:
I~I
t69
1J.7]_
•. 78
_ 52.41
42.70
__40.99
25.20
22.62_
8.32
9.63 .,.,...
5.07 4.10
_4,31 -~20
.73
3.74
4.64
6.67_
5.14
7.07
>.90
1.78
1974
1915
25.54
10.81
46.26
.....
28.85
37.
>.17
l40
>.47
10.51 5.74
1.85
1,24
3.62
.24 ....
3.46 !.93 ,26
4.81
4.96
9.45
1976 22.74 29.34 28.33 17.62
'·" 5.86 6.64 2.95 4.36 >.91 4.75 5.90
19n
1978
8.37
....
t67 '·"
m
24.85
1.48
9.67
'·"
6.73
i.26
.21
1.55
3.37
1.75
....
.. 28
1.46
1.90 ....'·" .....
10.10 9.74
1979 19.52 35.86

.... ....
16.50 .02 4.29 1,70 !Sl 1.95 4.81 4.50
•~
1~-
"""
_8.Q7 J3.49 15.47 1.92 2.69 _2.71 _2.31 . 2.31 8.27_ 7... 8_,14
1981
1982
8.26
18.88 .....
44.16
...
3o.72 9.96
5.87 .... 1.06
1.63
1.46
4.04
1.63
3.47
!.SS
3.S6
1.62
5.67
l07
:.10
7.02
1424
I!J'll
1983
1~.
t9&S
1.98
_11.!1_
1.86
9.57
_33,68
1.50
14.50
_39.30
29.87
11.24
26.24
6.11
....
8.97
!.81
5,34
i.78
1...
....
1.18
1.60
_2.75
1.85
2.91
1.68
1.46
4.53_
1,71
....1.19
1.19
_
.. n
ll_.l'
6.40
1986 30.16 41.66 U7 1.48 4.72 1.85
.
38.39 28.61 17.88 el O 1.51 5.35
1987 7.24 24.95 13.28 8.02 5.90 4.18 3.98 3.24 3.57 4.66 7.81 10.17
~-
1!9
!90
~
70.39
"'
.
......,
_2_9.78
13.18
19.46
_1~41
1.76
32.80
21.08_
23.56
>99
1.81
8.15_
9.41_
1.38
....
7.09
4.43
~
!.82
m
_3.11
~
....
1.62
_,..
l. SS
!.52
LSS
3.06
1.58
1.47
1.19
3.62
5.25
5.46
1.19
3.78
5.9l
10.06
....
1.81
4.52
!.83
9.35
5.61
~
[lJ
192 6.02 4.61 9.10 6.01 1.96 1.06 1.86 4.66 4.81 5.85 m
·~-
7A6 _17.64 14.69 6.47 5.78 2.93 O.GS 2.8S 7.45 15.05 w
199<
199S
18.83
8.38
33.78
6S8
29.71
14.70
21.67
_6.82
U.24
2.94_ ""
l.20_ ~1
.79 _0._88
_7,52
1.97
_6.70
1.88
uo _. .,_ .... 2~
4.05
tK>l
1996
1997
4.05
7.23
l2.9l
18.75
10.80
1.79
!.40
I.S4 ....
4.41 !.85
'·" 6.30
5.47
9.31
....
'.23
....
5.59
....
.. '"
1.<1 6.22 1.25 1.59
1990 5.64 12.95 13.60 1.<6 5.S2 223 3.07 4.72 6.20 1.n
__ 1..,._ _l.!ll. _,.., __ 13.2B 13.14_ 5.85_ 4.2_5_ ~-54 1.65 2.88 1.66_ 4.17 ~..
lOOO 19.1: lB. 58 28.46 _11.n_
....
6.4!_ 3.07_ ~ _7,52 _6.18 . 4,64_ 4,3!_ ;,61
2001
70<P.
2003
21.04
....
6.1
19.41
16.45
19.89
36.81
19.19
33.89
11.31
"'"
13.23 .,
•.10
1.86
1,78
7.46
1.20
<.03
4.78
L9S
1.64
5.S4
1.65
1.73
!.93
1.69
1.31 '"
9.60
6.76
IO.S3
U5
"""
.2005
_7.33
7.60
. 11.01
6.28
an
7.81
!.10
5.92
7.09
13.64
9.67
8.74
8S8
7.51
4.65 3.94
2.89
5.00
!.63 ....
7.03 7.62
1.61 _1':1
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Series Sintéticos
ANEXO B-1: DESCARGAS MÁXIMAS MENSUALES HISTÓRICAS DE LAS ESTACIONES SELECCIONADAS
ESTACIÓN :QUJllÓN lATilUO :tr23'13'"
CUENCA :MANTARO l.OHGJTUD
Alo :Jl90m.s.n.m.
:l!IZSKm2: RJENlE
1966 12.90 10.89 15.76 4.98 ,,12 3.A3 3.78 3.41 3.02 4.06 7.'17 19.97
1967 38.6? 51.()0 l2.72 6.» 4.10 4.41 4.12 4.60 7.93 4.» 7.61
1968 16.25 11.49 21.79 8.10 4.80 4.71 4.19 4.01 4.10 6.90 8.66
1969 6.80 14.46 1L90 11.43 5.57 5.02 4.95 4.88 5.117 5.12 4.89 11.08
1970 32.01 20.60 11.26 14.38 9.70 5.34 4.85 5.08 5.92 5.17 5.31 9.«
1971 18.03 29.25 39.26 20.99 5.47 4.17 4.11 3.98 3.60 3.66 3.37 13.61!
39.42 30.87 8.79 6.17 4.85 -4.13 4.26 4.91 4.57 7.88
1973
1974
28.51
36.71 ,.,66
26,01
l1.6S
11.69
7.18
7.62
6.09
6.67
S.Sl
6.10 7.16
6.01
'·"
4.81
t.c..ll 22.09
4.61
1975 7.26 16.43 3Ll4 10.85 8.56 4.10 4,16 4.17 4.13 4.31 7.56 ..,·,..,
19?6 17.84 23.42 '14.49 11.36 6.02 4.66 4.02 4,25 4.32 4.10 4.19 -11.45
1971 5.11 14.33 23.14 11..., 10.88 ....., 3.47 3.79 3.49 16.49 10.31
1971!
191'.)
1980
16 ..t7
11.65
10.86
12.28
27.09
12.00
17.!07
13.19
S.78
10.15
12.94
6.92
5.06
6.39
3.13
....
4.37 3.72
3.76
3.93
4.13
1.69
3Jl1
4.33
3.03
4.14
5.00
13.00
•.90
3.98
0.09
8.30
3.82
7.00
1981 4.16 4.15 15.95 9.83 8.64 4.60 4.18 3.94 3.31 6~1 8.0S 13.42
1983
1984
9.42
14.20
19.18
33.18
9.ll
33.93
18.31
10.10
44.76
>4.55
15.59
17.01
6.91
6.06
10.76
5.11
4.11
6.96
5.01
....
2.88
4.98
2.62
5.31
5.00
3.05
•.os
6.33
4.16
6.10
21.66
3.36
9.67
....
19.49
''<D.
1985 l3.27 10.50 20.06 14.02 9.93 7.» 5.&9 4.41] 5.42 5.15 4.55 10.78
1986
1987
1998
20.46
30.0
17.23
23.&8
13.70
19.22
40.00
17.75
23.8>
15.00
9.73
22.69
..,
1S.S9
13.55
7.21
5.117
6.69
5.07
4.23
3.81
&.32
2.94
4.27
2.66
3.97
4.59
2.94
3.96
5.56
3.88
3.07
7.11
8.09
4.17 •!'!!
1989 21.69 36.96 ol8.10 1?.00 7.00 6.00 5.00 4.00 3.98 3.89 3.13 2.88
1990 2.00 14.00 11.00 •.oo 6.00 s.oo 4.00 4.00 4.00 3.00 9.00 5.00
1991 14.00 22.00 16.00 17.00 6.00 4.00 3.00 3.00 3.00 5.00 3.00 (,,,
1991 4.00 17.90 19.64 6.43 2.14 1.5:1 1.46 1.13 3.00 1.00 2.00
1993 11.95 ol8.53 1012 18.01 10.03 3.S8 2.53 1.97 1.97 3.73 13.73 24.40
1994
1995
22.73
9.13
18.61
28.&0
16.61
26.19
33.31
31.09
19.50
15.00
17.15
:18.07
12.62
5.29
6.60
6.10
3.98
4.05
4.ol5
3.65
6.27
3.75
3.19
4.69
4.28
3.19
2.87
4.12
3.16
2.95
4.18
3.80
3.12
....
2.81
5.45
uoJ
oo.
1997 l3.73 25.43 16.1lf! 5.73 6.14 6.11 5.01 3.8> 3.29 3.14 4.36 7.44
1998 20.26 21..76 23.00
, ...
17.14 6.96 4.24 2.78 2.35 2.10 2.88 3.68 3.90
1999
1000
1001
6.91
19.22
35.04
7.94
.....
10.43
16.96
12.86
25.39
30.14
3D.23
25.67
15.60
15.66
16.94
7.74
7.15
7.35
8.28
4.86
5.75
5.27
6.16
7.67
5.46
5.90
5.7.!1
5.44
3.93
4.15
3.81
5.31
3.08
3.86
3.45
5.42
5.90
3.64
3.71
4.91
4.02
10.14
8.19
8.13
5.01
::19.47
...
"""
1003 19.62 30.92 29.93 21.24 10.12 6.56 6.38 3.52 2.98
5.15
4.37 &66 8.23
"'"'
1005
9.47
15.90
21.96
19.91
12.73
20.8l
8.59
14.71
3.92
4.80
2.53
3.31
1.59
3.12
1.62
1.56
2.80
1.12
3.30
2.33
5.88
1.66
18.23
3.53
:ESTACIÓN :MOYA LAmuo

[CIJENCA :MANTARO LONGfTUb :75"08'38"
.
RfO :MOYA EllVAClÓH : 3180 m.s.n.m.
AREA CAPTAC. :1 730Km2 FUENTE
1971 50.29 64.62 65.62 JW.49 18.35 13.70 11.48 10.50 9.62 9.35 9.16 2D.07
1972 &1.35 53.0& 1Dl.S9 64.76 l.t..78 16.83 13.44 :11.58 11.16 11.08 11.011 21.0&
1913 55.09 78.12 141.23 73.20 51.72 19.96 :1.6.47 1·4.15 1-4.44 16.78 17.51 42.69
1974 92.40 S&.7& -42.38 "'5.98 24.85 22.23 17.95 17.48 17.6& 15.70 15.71 15.92
197!i 14.27 39.37 7L07 36.90 18.82 15.78 12.76 11.73 11.13 1D.6S 10.76 18.1S
1976' 58.82 78.85 67.76 3l.Q3 18JJ1 16.30 13.17 9.44 8.63 12.43 9.80 8.74
1917 8.38 39.45 41.98 37.66 28.95 16.36 16.85 10.45 9.59 9.24 24.81 17.0
19'78 34.71 53.76 3L16 21..U 15.82 12.93 11.10 9.74 8.68 11.56 13.57 2D.72 1li.lfl'
1979 18.18 54.27 44.11 17.73 :1.3.27 12.31 10.35 9.43 8.70 8.59 8.40 9.53
19!0 u.ss 22.63 ao.as 35.00 u.S9 s.s1 B.14 7.32 1.s1 8.38 to.ss 21.s1
1981 25.13 56.00 32.93 24.87 16.07 12.55 11.12 10.75 10.08 12.55 21.94 31.15
1982 43.11 105.52 56,67 29.81 1U6 9.71 8.01 7.45 8.47 12.15 29.73 19.73
1981 19.92 J3.61 26.69 25.09 13.08 11.11 10.16 10.00 7.94 10.41 8.18 13.60
1934 44.&5 Jt..C.61 84..04 57.30 26.69 17.67 14.44 U.49 10.27 11.33 17.65 44.32
1985 27.75 34.52 50.20 59.55 22.05 15.44 11.99 10.17 10,84 10.12 9.U :16.S4 ,·
1986 55.33 106.72 104.85 53.00 36.43 10.76 16.96 15.47 16.23 l•UO 14.65 21.32
1987 73.69 47.30 21.92 19.04 14.74 12.94 9.74 10.12 10.86 10.24 9.14 11.63
1988 31.20 51.67 48.40 4Ui8 1658 13.00 11.97 1D.77 10.46 11.14 10.52 11.53
1989 45.65 57.84 73.67 43.09 21.00 JS.OO 11.00 10.00 10.00 11.00 9.00 11.CJO
1990 17.00 1'-CXl !16.00 ,3.00 19.00 15.00 12.00 10.00 :U.OO 11.00 1dO lS.OO
1991 23.00 33.00 32.00 22.00 18.00 13.00 10.00 9.00 9.00 9.00 '7,00 6.00
1!9) 11.32 11.74 27.09 16.17 12.43 9.92 7.75 7.41 7.63 8.45 s.oo 7.00
1993 2).10 45.84 48.15 36.17 18.81 14.20 u.so 9.15 9.17 11.00 34.25 51.39
1994 65.68 122.71 78.03 61.64 27.01 19.11 15..37 13.68 11.94 12.54 11.95 10.94
1995 22.30 34.82 80.38 27.09 16.51 12.68 11.56 10.21 10.08 9.74 12.57 14.75 'G!.
1996 34.15 61.56 38.99 38.88 13.46 10.06 9.15 7.33 6.79 6.29 7.34 12.s.R
1997 37.10 57.03 40.94 20.-45 14.83 12.64 11.05 9.99 9.13 9.79 14.15 21.49
1998 53.24 44.99 43.64 33.46 13.76 11.27 10.19 8.70 8.07 8.59 9.0& 11.57
1999 16.13 62.33 55.6'9 3~.69 20.18 12.41 1.UIO 12.88 13.60 11.80 8.50 17.65
2000 48.58 84,U 72.68 33.91 18.81 13,68 11.91 10.86 10.18 13.49 10.96 18.80 'l::o'o
2001 76.13 62.72 68.82 33.47 20.U 13.96 12.37 11.54 11.24 11.51 12.85 14.87
2002 1B.G6 58.36 64.40 36.13 20.54 15.14 13.39 11.16 10.11 10.75 17.72 33.94
1001 36.49 n.sa 11.01 46.15 20.38 tS.J9 12.74 11.49 11.11 s.1a 9.91 1s.14
2004 17.91 47.87 35.95 29.98 :12.89 10.17 8.87 7.83 8.47 8,12 U.l5 29.07
2005 42.26 41.15 49.05 30.93 14.42 to.64 9.26 8.n 8.31 8.74 7.43 13..29
ANEXO B-1: DESCARGAS MÁXIMAS MENSUALES mSTÓRICAS DE LAS ESTACIONES SELECCIONADAS
!«rACIÓN :ME.IORADA LAnruD :1M:l'4t"
1CUENCA :MANTARO UMGI1\JD :74"55'16"
l~a :MANTARO .ElEVACIÓN : 2199 m.s..tl.m.
'
,AAU, CAPTAC. 118'71$Krn2 IUENT! :SectroperO
,...
....... ,.., ...
~
183.68 178.21 233A8 111&90 62.SO 88.32 96.: 83.17 102.81 13~27 11!ll.26
1967 105.17 550.93 159.29 340.83 12!1.74 100.00 110.40 143.94 10Ui1 13038
1968 21~79 242.93 369.06 14L6l 93.84 88.97 102.01 101.84 72.97 74.88 1.50 144.06
1969 119.16 197.11 198.81 217.17 91.58 83.00 98.97 113.42 61.80 89.71 78.17 178.39
1970 S40.S2 397.39 2- _268.30_ 178.45 1~2.87 _100._39 95.48 88.53 78.03 85.23 174.65
~
1971 286.71 391.64 ..... 13 ll!ll.S1 1011.85 78.23 82.35 8S.13 ~- _"JQ_ ~·""- 106.:
m.: 109~9 ~57
...... .....,
1972 175.68 186.: 657.81 181.71 114.83 106.65 91>35 81.53 136.16
_1973_ 4j7.3S. AS2.Q7 718.23 200.74 U1.00 106.18 98.48 117.42 116.00 196.: 206.97
1974 49~29 737..39 _ _336.50 155.32 103~90 _106¿9 _105.81 102.73 91.97 ~77 83.2!_
1975 150.61 24~29 S04.Sl 199.: 182.61 119.13 01.03 87.90 &1.98 76.65 79.60 1.48
1976 370.03 578.: 231.90
:1:::
537.23 134.71 17.40 102.90 95.48 98.3.! 82.48 72.03 79.06
1917 126,87 298.57 362.71 1S0.97 12L23 ...40 81.74
...,
82.74 75.10 74.68 152.73 124.84
1978.
1979
1980
1981
249.00.
133.42
115.84
191.42
534.25
340.86
161.10
680.93
311.10
543.71
252.84
481.
154.27
_19<,40_
_14(l67_
186.27
96.00
1l:J.61
1!1,_77
103.81
83.70
...
88.40
97.27
84~3
86.81
72.77
88.06
_B~SS_
_66.45_
93.71
77.63
:>_6.60
65:77
10L63
l!ll.03
_71.!1
91;7_4
99.32
_.
104.57
-"·"'-
~
175.97
124.19
75.18
118.94
188.23
~
'!J!W
~
..
1982 373.87 592.57 341.94 220.30 120.58 104.00 104.48 93.84 83.03 104.58 18L03 151.90 ¡¡,j,1,¡j
_1983
1984
1985 .
185.87
174.03
209.10
11J.32
~_<ll!
277..15
190.94
_SSO.Q6
320,84
161.53
_332.83_
317..<8
96.15
~
159.03
... 85.03
_1~-
136.41
91.16
_92.!1_
122.19
89.48
_,.._
112.25
_
84.30
. !'·"
110.06
78.90
_11l!l,_19
10L88
57.67
127.fill_
96.32
76.87
212.48
141.09
~
ú.!fi'J:
&lJi'.tí
1966 335.00 609.89 714.66 491.68 307.Sl 185.1 Ul.lS 122.36 128.34 5.83 111.28 136.28 mili!
1987 466.93 353.99 21LOO 144.1< 118.10 90.36 88.31 85.52 7~45 73. 83.01 141.83 !Jiil".Iil
_1988_ 3_50.00. 418.40 _326.60 . 325.35 145.95 118.47 107.63 90.90 70.28 75.88 71.33 . 107.85 ~
_1J89_ 'ª''64
190.47
_37_4:_88 -539.77 312.23 151.71
75.88
135.08 112.38 _107.97 102.66
...
112.18 liB._!lA
m.
_90.86_ KNfii
1=
1990 146.09 8S.33 77.13 71.51 75.45 72.37 165.39
1991 165.41 155.94 340,41 159.98 !2.84 85.78 92.<0 93.83 99.51 85.77 81.47 76.16
1992 89.57 66.57 146.04 64.08 47.42 S0.24 48.91 47.13 ·~47 45.89 46.08 <4.97
........
1993 112.67 299.64 291.55 707.94 130.1A 79.52 77,04 75.80 68.56 83.91 179.63 319.16
723.54 _5!'·~- _A28,85_ ~ ~7.58_ _88.~-
"''
1995
342.57
134.10 155.03 304.83 191.
_ 139.23
82.71
117.78
83.38 84.75
l<l7.72
71..12
_91._64
68.63 80.
85.13
82.24
1996
'·" 307.28
,.,,,
254.90 230,68 90.64 77.50 79.65 80.69
,.....
80.90 75.99 73.33 92.09
,...
1997 . 17633
252.29_
lSS.64
329,99 290.88
90.15
222.31
69.80
81.26
70.10
80.16
69.39
80.11
73.98
85.64 83.44
76.09
82.44
97.18
87.62
136.93
100.90
1999 128.40 407.33 31 .21 ~1,54_ ~82- 88.75 89.65 9Ll3 94.97 1=4 __!].:!'_ 112.13
"""'
2001
)81.30
415.93
-85
403.79
543.85
565.84 ,...,
301,13 1A9.04
121.45
102.78
101.05 .....
97,78 100.66
94.93
98.87
95.61 .....
,'""' 98.00
103.,
119.69
145.02
2002
- 2003_
_2004_
103.51
211.21.
119_~3 _
279.46
_ m.06
358.10
491.58
190.2I
225.15
313.56
11~12
139.91
97.31
~03 ...
96.21 94.82
99.91
94.29
99.02
78.71
96.66
93.36
132.36
89.83
_1011.~
205.08
133.41
-'4!.4• 128.49_ _19.26 70,79 _67... _ _86.91 8!119 175.86
2005 193.40 195.29 125.85 1S0.64 74.06 83.44 84.86 78. 74.63 96.58 79.03 83.28
ANEXO B-2: DESCARGAS MÁXIMAS MENSUALES HISTÓRICAS CORREGIDAS Y COMPLETADAS DE
LAS ESTACIONES SELECCIONADAS
¡ESTACióN :UPAMAYO UnTUD :ur55'19" 1

(cUENCA :MAHTARO lONGilUD :76.16'34·
JRID :MANTARO flEYAOÓN : 4080 m.s.n.m.
IAREA CAPTAC. :18fi0Kml FUrNTt ............
..... ...... ......

.,,
1966
... .....
!.16 5.77 0.211 13.65 ... 01 5US 24.15 2L08 7.50
.. '·"
t=
50.59 ~
' 1967 LSO !5.02 51.39_ 41.76 26.69
"'·"'-
.,.....
; 1968 ~!_ S..'! 1~- ~ ~ ~51.~ _:u.~ -~ !.!!!. ~
......... .....
... ..... ...,. ..... ..... .....
¡ , ... 7.86 0.86 Cll 1.05 15.78 6U1 7US
1970 50.50 19.98 38.82 60.09 21.00 15.95 26.39
. 1971
"n ....
10.71 9.42
10.SS 89.3:1 U.54
ill_
15.39
29_,!5_
>623
~ _44.2!_
27.69
~~
....
ll.DD
-~
10.64
~
2.32
~~
19>3
1974 .....
1.19 1.09
97.51
62.60
91.
57.80
62.19
>7.41
17.5! ....27...
.....
29.60
1.29
SL 26.79
....o 27.14
6."!_
~
23.69_
7,8?_
1975
1976
~...
6.36
~
60.07
2~70
89.89
17.J4
1U6
28.09
17.78.....~
.....
-~7~
41.17
_!6._!!!_ ll.~
14.79
-~
8.511
-~
7.69
....!.!'!.
,..._
11.73 w
19..
1978 .... ...
a; 6.61 6.70
"·''
6.80
10.84
11.25
LOS
n.os
22.18
:U. lO
25-··
>US
15.52
2!.52
17.89
28.97
11.25
1"'!4_
Jl.l!_ _14.6!_
w
·ª'
¡
'
1979
1980
_!!1.13
.... .....
14.63
-~
7.59
71 ... S:\.98
..... ..... .....

14.80 9.59
16.39
,._,
15.!4
~
.....
21.75
_25_,!1!_ _!S.~
26.7!
22.71)_
.....
Zl-60
_20..!!.
11.07
~
10.1!
~
8.57
O!j
~b'
198: 1.9.$5
..... ...
15.50 J4.50
_
2L8S
..... " ILQ3 ,._
¡--
---
' 19$: 14.00 95.SO !5.49 25.70 1J.23 ~ ~
¡--
..... .....
. 198! __!?.~ ~ -""~
·~ !!~ ~
13.07 '1.48 Jl.l4 _50.'!_ _2!-!!_
1984
191lS
4.29
23.44
1.22
....
1.24
2U9
...,
U6
..... ..... .....

19.89
9.00
4D.26
29.70
24.29
'.lO ..... .....
!2.51 !2.22
>D. ID
11.16
21."º-
24.15
7.~ -~
,.,
1986
....
I.SO
.....
78.23 50._36_ L75
...
17.67_ ~ 2'~~ ~
........,. .....
!1.115 10.29 ~22 ~ _!~ _ ~ ~ ~ ~ ~
.....
411._74 ...!>;!!_
.
'
191!8
1989
15.15
10.71 ....
25.25
67.B9
44.51
U.10 .....
2L6S SL91
46.61
54.20
54.)~
4070 21.46 21.84
40
il2.93
_15.~ ;:::
1990
....
12.50
....
11.18 l81 8.11
........ ........
12.47
.. .,...
_.._~ U.-º_ 36.~1 "'·lO 15.1)0_
.....
5._7! ~ l;l!l;
m
..... ........ "·"'
22.75 15.29 ~
1991 8.07 >7.12 37.81
...... ..,._
91.50
199:
1993 .... 7.90
...
us
,
14.14
...
24.!>4 .....
...
20.91
i14..l!.
16.42
~. ...
15.61 4.03
~-
_...,__._ ~ '-!!.
-~
'
.
1994
1995
_49.14
9.10 ....
134.61
....,... ....,... ,... .....
84.51 51.86
14.21
47__,111)
28.55
.....
~
00.52
_ ~
>667
47.8!_
.....
27.09 22.84 ,....
lB.~ ~
18...
1996
,...
7.44
,...
7.45 27.81 39.1 2!.9) ll.S!.
199" 7.54
,....
7.54 10.10 2D._!t 2~ 29.
.,..,_ ....!.._
26.4_1_
.,.., .....
1~ ~
1998
....
__7.44 _!~ 7.44
..... 9.77 ~
.,...
!4_,1! -'~-
" _27~ ~
... ...,.._ _41R .....

1999 7.62 7.62 16.42 8.82 24.52 45.46 15.51
2000 L47 46.09 41.51 ll.14
...,.._ 30.09 37.8: 41.86 26.78
'·'ª-
..."·",
200 2.45 63.59 104.42 14.58 30.-!-t_ -"-~ . JD.B§_ ~
-
_
2002
2003
_10.75
7.58
L84
_1_.20
7.70 ...,
16.8!
u
28.99
L42
.....
21.56
.... ....
.1~
2B.S3
_>6_11!1_
J5.44
0.71
_lO.!!_
41.27
!6.10
_46.67_
48.62
10.16
..... .....
__1_.2,!11_
16.20
-~
15.05_
~
7.61
1~
¡¡--
' 2005 1-42 2.42. L42 2.42 L42 IL
--"~ -"--"'- _33.61_ _ll_D! ~ ~ Si:=
t$TAOÓN :PUE:HTECHULFC LATITUD :tt~~r
CUENCA :MAHTMO LONGmiD :7~'lt•
,....._..
IRfO :MANTARO ElEVACIÓN :!no m.s.n.m.
ARtA CAPTAC. : &oUJKml
¡
FUEJm
1966 99.76 62.211 90.16 ..... ,. ,. ..... .....

!11.14 !1$.17 112.04 9L20
.....
511.42 40.20
........, ..... 89.91
1
1967
1968
76.27
75.!7
m.u
.....
71.45
m.4!
12U8
137.47
29.23 ...,. .....
27.52
51.07
78.46 28.70
7.f..17
.,... ..... ..
24.42 !14.27
66.11
196') 24.J5 46.47 9$.47 n.u

..... ......
11.40 91.71 119.ot 20.47 26.70 .~
..... ..... ..... ..... ...,. ..., ...sus.. .....

1970 l02.96 159.30 119.111 201.60 114.22 85.52 51.57 28.65 76.95
1 1971 63.84
...., 128.26 76.07 25... !7.32 42.40 23.40 28.29
'
:197)
1973
60.97
86.19 126.<14
159.74
215.00
U1.73
00.10 .....
56.11
.....
72.16 46.26 46.52
41.70
47.23 51.65 46.00
)3,10
$2.81
19'1-4
1!175
114.89
40.11
244.54
54.97
276.48
,.....,
188.91 .....
tn.Gl
.....
..... ..., ..... u .so 41.29
.t9..c&
40.22
so. u
..... ..... ...,
$1.83
46.21
~3.00 97.30
19.10
29.26
24.82
1;IE}
in:!l
197G
.....
114.90 297.28 62.91 $8.49 61.47 SU!
.....
..... ..... ....,.....
42.64 34.57 ¡i¡l,¡j
..... ..... .....

1977 71.52 79.04 47.36 45.19 38.90 S:U7 40.79 57.39 61.72 \: '~.
,.,
1978 S6.7li 25D.95 205.33
"·" 41.57 51.12
.....
26.48
..... 45.2-4 35.65
...., ,., i.M.

....
52.47 !25.-49 311.10 201.53 55.88 58.12 55.66 45.54
' 1980
1!181
52.40
41.78
62.1A
131.91 ......
69.21 SJ.Sl
79.72
SL82 !19.41
..... .,...,
45.21 56.82 61.22
!9.06
52.76 .....
.....
41.06 27.61
6D.60 98.17 ~
1
...1
191!3
187.89
110..88
229.50
45.71
115.64
70.40
92.19
76.24
50.25
59.27 54.03 76.36
80.58
61.60 ..... .....
SLU
46.87
61.75
!G.31
72.52
ILJI
.w;;:¡
~-
1 1984
1985
14.40
67...
142.01
.....
85.29
IILIS
89.79
m ...
108.18.....
62.47
,...,.
71.18
61.24
SS.I2
69.91
•••31
86.51
57.25
45.90..... 46.07
4L91
7LIB
.....
4UO
~
lll>ffi
1986
198)
7!.67 1011.16
67.02
257.15
, ...
116.68
..... .....
71.11
.....
65.04
....., ....,
64.11
,...,
61.14 46.61
.....
.....
illn1
f!Jfi)
,....
95.13 tU. U 59.lO 42.41 211.40 37.26 41.90 31.01
1988 117.13 148.00 1!2.58 50.32
..... ..... ..... .....

57.35
.....
32.74
..... 25.00 >tW.
..... , ... ..... ........,

i 1989 101.72 138.JS 2l1.71 102.25 84.45 118.92 9L54 87.40 59.21 illittl
1990 81.78 7UO 7U5 111.62 28.61 41-07 56.22 51.03 54.16 ~\U:'~
199l
19\)2 .....
55.07 57.70
17.0 .....
157.47 51.96
, ...
U.D2
.....
16.68 25.20 29.45 17.05 14.50 17.89 ~67 .....
49.11
~
Jmol
,.... ......
sua
1991
l!i94
!5.17
198.07
140.22
410.75
110.97
31D.lt m.:u
49.27
..... 116.J6
54.04
90.20
61.98
83.81 ..... ..... 50.72
56.84
100.79
50.01
W.07
56.95 ~
ilil!"m
e:oc:
1
' tm
1995
.....
2B.I1 31.55
78.32 , ...
90.42
..... 84.97 ..... ..... c1.n

41.10
56.06
$2.11 .....
5'1..93 45.24
56.11 48.'18
17.15
41.35
37.59
3189 a!JJ
1997
1998 .....
SD.SO 142.15
1l7.n 1DU1
26.96
113...
21.51
..... ......
28.66 SL03
40.27
59.27
49.10
71.53
38.14
58.76
47.23
50.78
36.91
55.19
66.61
4!..15
~~
\i.!.:>J
'
'
1399
1000
1001
lDD2
28.55
105.6'5
156.42
34.95
1S7.95
1&2.49
2.M.19
51.76
137.79
245.21
341.11
235.62
14:1.90
164.QS
144.99
111.42
65.63
.....
n.98
52.87
59.61
.....
49.28
.....
SU!
511.82
51.09
.....
67.:ll
6S.OS
13.93
69.>2
7.U7
61.14
61.75
68.71
62.65
69.11
56.93
78.. .
70.55
53.14
57.67
4U6
54.62
87.04
9LD3
~
..
L
1003
2004
2005
70.68
3Ll2
64.21
.....
113.t&
74.00
2A9.0S
45.59
61.24
1S0.92
27.58
15.56
.....
8D.19
.....
24.51
15.98
64.91
23.D7
61.24
74.81
64.82
56.62
.....
82.D2
51.76
73.94
41.05
56.05
SL7<
.....
6!.16
41.60
61.70
20.93 .,., .,
ANEXO B-2: DESCARGAS MEDIAS MENSUALES HISTÓRICAS CORREGIDAS Y COMPLETADAS DE
1
¡ESTACióN : PUENTE SfUART UTITUD
kUENCA :MANTARO LONGITUD
·IRio :MANTARO EUVAOON : 3112 m.s.o.m.
tRUCAPTAC. : 9195.26 Km2 FUENTE AlAMANTARO
E
..... .....,
1966
1967
:w.oo
Ul.OO
w.oo
. .7.00
>60.00
4U.OO
64.00
1SS.OO !S.OO
s>.oo
91.00
09.00
n.aa .....
73.00
68.00
109.00
88.oo
110.00
78.00.
18UID
1ot.oo
""'
..... ..... ..... ""
19fi8 123.Al0 1.00 87.00 101.oo
1969
1970
40.00 1.. .00
...... m.oo ......

334.00 m.oo
133.00
195.00
70900
:U9.00 """
LOO
52<10
73.00
96.00
73.00
15.00
67.00 .....
n.oa
..... 197.00
14LOO !~,0]
1971
..,
19n
1!3.00
138.00 15A.OO
S53.00
...... ..,... ...... ..... 218.00 76.00 77.00

1.00
82.QO 65.00
n.oa
.....
.....
S:I.Oo
53.00
105.00
111.00
!1li!:fj
i.fi)})
...... ......
256.00
524.00
..7.00
,.....
15LOO
~.00
69.00 n.oa
..... 7......_
81.00
. n.oo_
239.00_
.."'!.
-~
l
' !974 29LOO 79.00
"'""'
73.00
• 1975
,.,
1976
108.00
262.00
295.00
3WIO
421.00
42LOO .....
222.00
113.00
96.00
as.oo
73.00
80.00
69.00
71.00
.....
65.00
15.00
61.00 .....
53.00 l28JIO
53.00
"" , ... ...... ,.,...

123.00
__!lli1CL
403.00 181.50
10255
... ..... .....
10S.00 58.00
65.20
...00
58.00
58.00 64.00
59.00 74.78 58.00 .....
..... . ...
ULU
:m.58
.....
296.84 n.n 73.72 71.92 74.27 76.78
.....
..... ., ....
1919
1980
19l!1
155.15
120.12
107.91
59Q.87_
11L96
375.95
15L07
181.78 99.89 8!-~
76.61
"
15.o6
79-!1_
7L!A 86.81
..... .....
80.ª- ... 74.27
160.36
_1981
,.,..
1981
-~
21S.
~
159.30
_1~-
......
180.01 .....
191.31
128.35
126.SS
,"·"... .....
92.30 80.91
S0.91
......
87.24 66.20
114.14
59.Cil
14LQ6
65.65
79.92 946.99 478.65
.... ...... ...... ...,.,'ª'"".... , ......

1985 !H.2B ~~
78.90
..... .....
8MO
...
8S.24 79.76
74.81
....6
119.73
..
49096 501.11 129.10 132.55 96.17 100.81 99.!A 120.09
... .., "· ..... ..... ,,.,.,.,_..... .....

191!1 186.82 1!3.18 122.46 85.95 74.82 79.80 8o.t8 99.96 108.81
1988 24110 117.93 2011.07 11U7 101.61 91.21 108.83 !11.110 -~ 101.61
1989 261.91 196.61 91.41 91.41 96.27 85.B6 i!m-
"·"
........, ..... ...., ""
1990 141.70 146.12 126.24 78.29 78.29 75.13 74.88 75.13 155.58 169.15 J!fl
1991 199.80 IU.2S 381.64 14L70 125.40 SI.Bt 87.19 90.35 9S.OS 96.; w
...... ...... .....
~71
·~- ~""
~- !02.48 87.48 65.45 91.70 75.52
!=
' __1992 1!0.96
1 1991 154,78 273.85
......
m.u 100.10 8>.01 83.71 82.30 14L87 179.41
..... ..... ...., ..... .....

1994 419.B7 480.58 i!112.71 ll8.BI 94.30 91.58 97.51 92.65 91.63 124.59
1995 110.96
......
113.68 181.61
...... .....
170.01 71.
.....
_ 8l.80
..... ..... 74.97 78.~- 102.~

97.95
&::=
2996 114.BS 150.B9 154.78 !02A8 94.70 98.73 86.79
1997 168.91 204.25
""" ..... 14.BS
,..... ,....,_
87.211 104.95 104.01 155.84
·~·
1998 194.00 a27.29 116.51 200.15 108.61 ... 17 108.34 101.ª-
1999 126.61
......3_91.51 287.64 294.00 170.54 111.07
,....
11~...
.....
"""'
117._11_ 116.26 119... 114.71
....,
1
2000 253.07 136.87 243.21 UóJI1 105.60 67.BJ 90.41 79C 118.01
2001 271.31 27&.oi 401.78 295.19
..... 110.38
.....
72.26 69.31 74.30 10L62 15.38 108.07
..... ,.... 'ª' ...., ......

118.19 217.75 69.62
. 2002 01.06 212,51
""'º'-
67.40_ 61.ti1_
,...
_2003 -~-
171.90 .......
~2- ~-
266.01
191_.7!_ ~ 169.27
11.16
182.91
61.73
tso.12
71.24
185.29
81.18
14$.45
110.57
178.91
129.50
2005 157.ot 111.61 144.13 101.14 58.42 129.02 65.70 61.41 ....1 91.00 104.57 116.94
i :11-s.t'tr
¡uuaóH : COCHAS nlNEL UTITUO
:MAffTARO lOHGrnJO :7s-44'1r

r···CA
ola :MAHTARO ElEVACIÓN :1750 m.s.n.m.
!AIIlEACAPTAC. :dOICml F\JE!m ,_,.¡

l
.... ,...
.... .... .....
.... ....
.
196& M2 6.36 2.55 1.Bl L16 1.26 L7J 2.49 !1.58 ~]
cm
1
,...
1967
1968
7.67
10.32 ....
:19.49 20A1
1L80
15.15
5.18
7.24
........ ,
2.29
4.31
1.81
3.71
L47
.... ....
1.41
z.n
1..44 LBS 3.26 4.97 .m¡_
.. a<~
4.60 7.16 11.48 10.Bl 1.8$ 155 3.01 9.33 9.95
1970
1971
ll.ll
11.28
17.82
17.90
11.73
,.. 11.17
1$.211 .... 2.91
1.35
U7
L94
L61
L68 un ....
L98
1.57 2,.12
3.25 7.96 if.{¡
¡v.¡
1972
1973 ....
U.54 J.US
:Z4.97
27.34
20.20
18.43
....
11.20
S.o>
6.13
J.lS
4.17
1.15
2.B6
L19
2.25
L97
....
2.61
>.n
4.30
9.31
4.82
6.10
7.91
!M.\
IJ>11í
.... ....
-
1974 J:J,S4 18.32 14.22 4.40 3.17 2.21 1.trr 2.14 1.95 2.B1 !Ot>J
1975
197G
6.98
.... .....
13.49
6.13
16.36
11.19
14.77
7.41
9.53 ........ '·"'
5.90 1.91
1.33
1.3l
....
1.43 ........
!.SI
1.45
2.03
1.10 3.29
5.!12
~
'~
'
1977
1978
5.38
5.97 !0.'78 7.49
&.lA
7.21 ........ 2.91
1,08
...,,
1.79
1.58
'·" ....
1.53
1.51
1.BS
....
5.33
5.18 6.51 f
.... ..... ....

1979 5.07 9.S1 Jl.4J a.n
.... ,... .... .... ....
2.61 1.68 1.85 2.31 3.39
.... ....
....
1980 5.19 7.51 5.01 2.42 J.7,4 1.53 5.11
18.38 '
1981 13.81 5.21
.....
2.95 2.00 LOS 1.61 1.9]
,... .... ....

s.ss
' 1981 6.46 6.61 6.51
'·"
2.<M .1.7l 1.71 2.35
1... 5.14 6.79 5.28 1.25 2.23 1.84
....
L83
. ..
2.06
....
2.36 254 3.58 in>
,.
13.61 16.35 !0.'79 4.25 155 1.95 1.46 L44 1.78 'i'ft;.).
1985
.... .....
6.91
18.18
11.29
11.BS
16.47
21.98
0.21
11.18
5.20
11.61
3A5
,...
3.91
1.03
1.55
1.62
1.04 .... ....
L19
2.28
LOS
1.13
1.11
2.71
~-,a
!MI
...,
.
1987 lUJO 8.21 4.04 !.22 2.21 1.76 1.95 2.41 4.21 l,l¡lfl
1Jl88
.... ....
11.90 tus 11.19
.... ...
S.Bl 3.10 2.1l
....L76 1.00 l.Sl 1.90 <MI
rul
.
1 1999 11.56 1154 13.61 15.91 3.74 2.B6 1.11 1.90 !1.58 2.24
' 1990
....
1991
... ....
6.78
.... 7.87
6.92
21.70
3.93 3.U
4.47 .... ..., ....
2.61
L61 L2B
J. U
U1
...,
1.51
2.42
2.70
5.20
U1
6.01
U1
!W.
00;¡
1992 1.BS
....
2.42
....
2.71 LIO
,... ..., 2.40 2.96 m¡
1991
1994
199$
4.21
15.81
6.12
lO. !A
26.21
5.65
23.61
11.83
12.12
10.23
t7.G8
5.62
10.40
1.B1
3.14
5.92
1.29 ...,L91
5.62
L12
1.211 ..., uo
....
L15
S.74
1.05
2.15 3.99
8.58
2.04
!L\).
;,W_
~
1996
1997
2.87
....
G.ll
11.26
12.81
759
7.47
6.51
1.91
3.16
1.14
9.21
O.BO
L92
....
......., ...,
1.04
9.18
451 ....
7.73 659
2.18
5.24
2.12
2.06 \1m
ru;¡
.
1
'
1998
,...
12.58 13.09 11.10 5.55 1.57 L94
.... ... ....10.211 6.12 4.19 ].60 ""lO
..... .....
1 1999 3.27 15.00 12.18 15.72 6.48 2.84 1.75 2.24 4.01 'll1
U.ll 18.55 11.31 4.16 Ul L90 U!
........ 3.47 3.91 ?.l:J)
...
2001 !l. SI 1J..35 4.04 2.31 L91 1.26 1.10 1.91 2.51
' 10.15
1001
2001
3.56
....
s.n ..... 10.23
,...,
U.95
....
9.10
....'·" ....
2.18 1.77
2.98
1.97
....
2.43
1.23
1.23
2.S8
L91
:I.JJ
9.00
m
INi1
m
2004
200S 9.39
13.11
6.87
9.31
8.18 ....
&.15 2.74
4.34
0.58
2.26
0.40
L67
1.BO
1.11
LB!
1.41 1.00
7.16
:uo
8.75
L99 ''
Generación de Descargas en la Cuenca del Río Mantaro media11te el Uso de Modelos Estocásticos de Series Sintéticas

1
¡,ESTACIÓN : Pff;IAStcx:HA lATITUD
¡CUENCA :MANTARO LOftGITUO :75"45'43"
!ruo ELEVACióN : 3750 m.s.n.m.
!AREACAPTAC. :195KII'I1 fiJEHTE :Ele<uopenl
,. ...
.... ........ .... .... ...,
.... ....
1966 LB LS7 1.00 0.67 0.05 0.17 0.10 D.J1 0.54 LD1 U6 1j(i"C'
1967 2.!6 4.57
....
4.85 4.00 1.40
....
0.76 0.75 OO>
....us .... .... ......... ..

....
1968 L73 2.18 1.75 0.82 0.36 0.35 0.54 1.56 lll>J
1
1969
1970
1971 L84
2.07
4,91
:us
1.16
7.69
o.u
....
9.1>
U5
L87
1.22
..,....
·~2
........
O.S7
........
........
0.51 .... ....
O.St
DAD
0.53
0-41
........
2.17 w.n
~
il1i:&
~
,.,.
1972 1.45 U6 9.51 4.&1 1.61 0.81 0.47 0.5S 1.02
197-4 .... ....

2.77 s.oo 4.72
3.37
3.37
2.18
:1.61
L41
L1B
....
l. U ........
0.90
........
........
0.8S
0.67
........ .......
l.OS
0.82
L22 LOS
0.77
¡m
w1
1975
1976 ....2.01
....
4.07
5.36
8.011
6.53
2.97
5.12
2.10
l..oo 1.13 ........ .... ......,. 0.57 0.19 . ..
L84 .<l!.:l!
~
).m
,.., .... ,...
.
1977 0.77 2.65 1.59 1.20 0.61 0.24 L36 1.11
19?11
....
''"" ..., .... ....
1.83 l.(Jl 0.61
....
0.35
.... ....
0.26
.... ....
0.47 0.87
. ..
"'' !!ili
,,.. .... .... ........... ....
S.78 7.51 S.23 L7l 0.91 oot
........,...
,¡¡¡;¡
L19 1.93
....
0.85
..., ....
........
0.!1
....
0.17 1.1111
,_,.
......
1981 7.!1 1.97 1.19 0.35 0.07 L77 !!:;¡¡_
,.., ........ ........ ........

1982 4.02 6.25 l.Jl 0.62 0.25 0.21 L84 <m
2.38 1.56 2.26
,'-''... .... 0.23
....
0.19 0.14 .. !!>!~.
1984
.....
198S
0.91
.... . ..
LIS
S.l9
3.56
U4
4.94
4.50
....
2.67 ....
..., ....
1.15 ....
0.39
.... ........ ...,
OA3 0.7!1
l!i
001:
19S7
S.9l
'-'-'
.... 4.30 1.36
.... ....
1.34 0.86
1.79
0.68
1.06
O.S6
0.84
....
0.-49 .....
0.79
o.n
0.75
0.75
lM.1
.OOJ
;
,... ....
1988 2.81 ·U? 1.80
....
0.72 0.11
....
0.41 0.47
........
0.43 O.S3 !!!lO
.... . ., ........
1 4.64 s... 3.65 0.97 0.40 0.52 0.45 )J,jjJ
........ .... .......,

1!190 1.54 1.86 1.12 0.77 0.>7 0.70 0.50 0.65 l.OS 1.:111 ,tfi
.... ....
1991 U4 0.85 0.70 0.71 0.40 0.50 m.
1
199)
1993
1994
1995
.... .... ........
0.66
1.15
l.SO
0.51
4.8JI
Li16
1.45
1.38
0.75
I.OS
U2
lAl
0.41
....
..... ....
3.15 1.12
0.31
LOO
0.61
0.49
........
1.34
.....
1.52
0.56
...,
0.78
O.!JI
0.-41
0.32
0.46
....
1.86
O.lB
....
4.11
0.45
'·
_;n
m_
,_, ..... ..., .... ....

1996 0.9] 3.75 4.78 4,SO 1.17 0.34 o.:n 4.5S 2.56 0.-42 o... OA3
......
........ ......., .... ....,_., ....
"'J.
..
! 1997 4.01 6.52 o.69 2.78 >.so 0.92 0.36 0.11 0.19
i 1998 1.85 D.S9 0.9S 0.82 1.12 0.74
,_
..... .m
1999 1.42 7.96 1.47
,_,.
0.56
....
1.74 LU 1.24 .001.
iOOO
2001
2D<Jl
.... .... ....
Ul
....,
1,11
,... ,_,. ....

2003 :LSS
4.68
3.11
4.18
4.n
8.47
....
....
2.54
2.75
LS2
.... ....
1.22
1.19
...
1.12
0.&1 . .....
1.14
1.06
0.97
L17
0.65
...
1.07
0.51
1.15
U7
0.67
....
0.10
....
1.10
1.01
0.57
1.35
1.31
l. U
....
0.97
i1illl
001
!llz.
.1!1!
2005 9.11 .... 2.47
2.86 1.53
U3 O.Sl
0.10
0.>4
0.19
0.54 0.41
0.52
0.52
0.85
0.72
1.511
o.65 0.65
;'!m
¡m•a~
:PACHACAVO IATIMI :U"'41'12"'
CUENCA :MANTAAO LONG!TUD :7S"'4J'19"'
,.......,...
RIO :MAfC'TARO nEVACIÓN :iit650m.s.n.m.
1
•AitfAC.APTAC. : 720Kml ruarn
i
.... ......... .... ....s.oo ........
.... .... .... .... .... .....
..... .....
1966 9.15 l.01 4.57 !1m
....
1
1 1967
....
11.48 22.37
.... 1.49 l.ll
.... .... 4.80 6.15 !I!la
... ....us ........ ..,. ........

....
S. U fED
1%1! 12.05
7,26
..... ,..,
10.46
11.19 9.-4S
15.87
5.17
6.15 .....
5.78 s.t& 6.01
13.81
..... ..... .... .... .... ....

1
1970 2!1,04 16.01 14.&1 •.u 5,14 14.34
1971 14.U lUS
....6.83 4.83
.... 3.81
....uo 1.11
....
1971
1973
...... ...... .....
11.60
17.'77
15.78
.....
52.41
42.70
.,.., ....
25.20
22.67
......
S.o?
....
6-04 Ul
..
S.1!
..., ,..,
'·'" ,... ....
,_..... ...,
5.14
.........
'-'0
13.78
.
1974 7.47 3.85 3.62
19'1~ 111.81
..... .....
12.4&
,..,. 37.11
,.., 5.14
.... 3.24 2.24
........... .... ....

!.11
..
JO.Sl
197G 11.74 17.6.2: 5.86 2.95 2.91 4.7S 5.90 ill''l>.
..,
,..,.
........
J977 8.37 17-42 a.u 5~6 3.55 2.75 4.22 10.10 9.74 Llilll
......., ,.... .... ,...,... ...,...

. .
!MI
1978 12.67 13.&8 11.27
,_.,
6.73 4.21 3.37
.....
U.ll
...
1979
,
.... .....
19.52 35.86
........ ...
16.50
....... ....
4.20 9.70
.... ~
..... ..... ......., ....

15A7 3.92 '-" 2.31 1.91 tMl.
1981
191!2
,,...
191!3
...
.....
11.98
Ul ..... .....
••57
,...,
30.72
14.50
15.87
11.24
26.24
5-04
......,
6.21
....
........ .............
4.83
2.60
1.75
l.SS
3.56
.
...
5.67
......., ..... ........

3.15
5.07
21.10
4.19
7.02
14.24
5.72
..."........
ll!l!D.
.WW
f$;i)
i.OO.J.
;
,..,
11.86
..... .....
22.50 17.54
..., ........
S.78 l.8S
....
>.71 !l!lU!
,_.,. ..... .... .... ....,..,

1 1986 !0.16 28.67 17.8a 1.20 &.n 4.51 5.35 lb.2
' ,... , ... ........ ........

.,..,.
24.9S S.90 4.18 S.Sl 14.17 <;(ll
.
17.14 8.02
. .........
..... .....
25.94
....
.... ....
19.-46 8.15
....,
... ....
3.11 l.SS 3.62
..., ..., .....

3.711 ~D
. ii
1989 36.41 13.56 4.02 l.58 5.25
,,
1990
.... .....
8.27
.... ,,..,
9.76
.... S.46 10.06
.
.... ....... ............ ........ ...
19.7) 51.2:1 19.25 10.11 6.32 1.55 3.87 1.1.
..... , ... .
1901 !1.51 2.07 6.22
, ,_
..... ,...
. ,.., ........ ..,.
10.70 n.ts
"'"' 4Ll8 9.11 8.01
,....
0.65 1Q.6a [! "·
! 1994 Sl.l9
...,
.... n.n ....
<16.2'1 18.34 1.79
....
U7 1.77 3.'-' 11\M
.
11.11 9.29 9.68 2.29 9.49 5-'-' ~~
,.... ,..,. ...., .... ....

........ ......,....,
1 1996 5.25 19.4) :16.04 lUlO 4.9) 1.48 13.67 10.33 7.71 4.U ':!1'~
,
....1997
..... ..... ........ .... ,.......
U.83 1.37
....
7.52 8.72 3.97 5.79 00;1
,
1
1999
2000
1.19
..... ,....
5.1l4
.... .....
2001 26.10
2.11.92
36.00
....
20.00
35.92
47.05
18.69
19.78
......,...,.
21.17
un
1.60
5.57
3.07
2.86
>.SS ....,...
3.01
.....
....
13.15
.... ...
.... ....
1.65
.3.63
04
ua
4.72
7.12
,...
5.68
¡;-xJJ
J~
!!MI
Ir>'e'•
2002
2003 16.&1 24.58
23.6S
.... .... ..... .... ....

43.10
16.61
15.76
7.65
9.40
4.78
8.13
....
5.59 ....
.... 4.31
6A9
14.06 ....
12.59 a!!
!ll1!l
2004
_2005
7.96
U2
12.83
6.51 8.67
6.U
1657
11.05 9.61
4.13 .... .... ....s.oo 7.56
._.,
8.61
-
~:n
Generación de Descargas en la Cuenca del Río Mantm-o mediame el Uso de Modelos Estocásticos de Series Sintéticas
¡ESTACII)N :QUILLÓN LAnnm
!cUENCA :MANTARO LOMGmJD :~'a&"
¡:(MTA~
1966 u ...
:QUILlóN
:1325Km2
10.89 15.76 .... 4.U .... 3.18 ...,

....S.ol 4.00
ELEVACIÓN
"""""
1:D
·-
19.97
: 3190 _m.s.n.m.
iMl
1967
L...
14.38
....
16.15
58.67
11.49
51.00
11.79
12.71
8.30 ....
6.77 4.70
4.71 . ..
U1 Ul
4.19
....,
4.ot
7.93
4.lO ........
4.77
....
7.&1 ~.
oo;;
,.... .... ........ ........ .... ..., ,......

.
... -
1969 14.46 11.90 11.4l 5.51 5.D2 4.05 4.88 5.U LL08 ~
1970 S2.01 20.00 11.l6 9.70
.,
5 ...
......., ..,,
5.17 il!Jfb
..... .....
.....
l911 18.03 29.25 lU6 ZOJI9 5A7 4.11 !.37 !m>
1972 16,47
..... !IO.B7 8.79
1Ui9
6.17
...,
4.26 4.91
,..., 457 7.88
lLO!I l!ili!J
1973 2JI.S1 26.01 U2 6.70 7.16 7.77
,
1974 36.71 41.40 29.66
,....
11.65
.... ....
7.11 6.09 5.52 !1.45 U1
.... 4.42
·~
:1975 7.26 16.4! !1.24 4.70 4.26
.... .... '·"

4.17 4.!2
....
7.56 oo;,¡
00,)
.
1976 17.84 23.42 24.49 11.16 6.02 4.62 4.25 4.32 4.20 4.19
1977
19'18
5.11
16.47
14.!3
22.2!
ll.14
17.57
11.9!
1o.l5
10.B8
....
5.00
4.47
........
4.37 3.72
147 3.79
3.82
3.49
4.14 ........
Ui.49 10.31
8.30
i'll>
""'~~
1979
,....
11.65 lTJJ9 2l.29 U.94
........ .... .... ........

3.76 ...u 5.00
.... 3.82 tNI
........ .... ....

,m
1!JSO
1981 4.16
22.00
4.15 '·"'
15.9S
6.92
9.83
Ul
.... 4.18
L69
3..31
13.00
6.52
7.00
13.42 WJ.
1982 9.42 33.18 18.il 14.55
.... 5.12 5.01 4.98 lL.66
....
9.ll fll:S
.... .... .... ........ ....

1983 14.20 9.21 20.20 15.59 4.11 2.88 1.62 4.16 3.96 'il-.l.l
1904 19.18 13.9! 4.4.76 lT.ot 10.76 5.44 5.31 9.67 19.49 mm
1985
19116
1987
.....
13.21
.....
1.8.50
ll.68
U.70
20.06
4o.OO
.17.75
14.01
15.00
9.7J
9.93
15.59
6.22
7.77
7.21
s.OT
5.07
4,23
4.40
1.94
4.51
1.66
5.15
........ ...,
459
4.55
5.5<1
3.18
10.78
7.11
8.09
'J<],J
_;,9J¡
1
;
1!!8S
1989
1990
1991
17.23
21.69
2.00
14.00
19.22
!6.96
14.00
22.00
ll.8l
48.79
11.00
26.00
, ...
Z1.69
9.00
....
17.00
13.55
....
7.00
6.00
6.69
6.00
5.00
4.00
>.81
5.00
4.00
3.00
'·" ....
4.00
.
3.97
...
.... .... ....
4.00
.... ....
....5.00
9.00
3.00
4.17
1.88
s.oo
2.00
iJ!g
íJ.l!ID
\!!ID
. ..-.
..... .... ..,. ,..,. .....
1992 4.00 17.90 . 29.84 1.24 1.51 1.2:8 1.46 1.13 2.00 2.00 IJiiD'
1993 17.95
..... lO. U 18.01 lo.ol 1.58
........ ........ ........

1.53 1.97 1.97
......,. ........
[tnJ
I.Dffi
.
1994 22.73 !3.!1 15.00 12.62 6.10 S.TS 4.U 1.81
1995 9.23 16.61 31.09 17.15 3.29 J.L9 1.16 ~.n
1996
1997 ...,. .....
18.61 26.19 19.50
16.08
1&07
5.73
.... ....
6.24 6.11
6.lT
5.01 .... .... ... ....
4.69 1.17 2.95 :s.tJ
4.36
....
7.44
1im
.illJ
199&
1999
20.26
..... .....
.... .....22.76 23.80 17.%4
17.66 7.74
4.24
........ .... ........ ....

L78
7.fil
1.!5 uo
U1
2.88
3.77 8.19
··w
liD.
2000
2001
19.22
3$.04 ..... . ..1.
30.>3
15.60
..,.
7.15
7.15
5.75
5.27
3.93
....
5.90
3.64
.....
4.91
4.02
8.23
,..., nm
iiOll
,,.....,
15... 4.1S 5.01
2002 7.94
19.62
9.47
lL66
!o.92
2L96
2$,67
29.93
1.1.73
16.94
.... ....
21.24 10.U
3.92
&.16
6.56
2.53
....
5.73
LS9
3.81
3.51
L6l
1.98
1.80
5.25
4.lT
3.30
........ ....
18.23
wm
;rm
M
zoos 15.90 19.91 :zo.at 14.71 3.31 l. U LS6 l.ll 1.l3 1Si 3.53
fGTACióN :MOYA LATTTUO :trn'38"'
CUENCA :MANTARO LOHGITUD : 75"01'38"
Rfo :MOYA ELEVACióN :3180m.Lfl.tn.
AReACAPTAC. : 1730Kml FUENTE : [lec:tropeni
.. '
1966
..... .....
24.10 25.51 58.13
.....
17.20 13.23 to:.U 11.50 .... .... 12.29 2lU1 .....' '00..
1967 80.02 121.00 21.39 16.64 1U7 11.32 1L66 17.S.
, ...
11.88 15.94 !lfll
, ...
..... ....
196R 21.70 55.67 ll.>7 15.81 .12.69 10.90 tO.OS 10.06 LL71 ll.6Z !1l>J.l
1369
·= """......21.75 3o.41 25.92 16.48
..... 10.16 10.03 9.79
.... .....
10.17 26.42 ~
..... .....
. ta'f.
1910 7U7 55.54 27.70 22A2 11.80 lo.77 1L.D2 1LD8
....,
1971
l97l ..... ......
50.29
.....
65.61
.....
.....
18.!5
21.31
1!.10
14.60
LL48
11.02
10.50
10.50
9.62
lo.l6
9.15
10.00 10.00
.....
La.U
!Mll
ini.J.>
1973
1974
46.16
76.74
..... 70.46
116.76
15.14..... .....
44.22
2l.JI
17.!7
19.23
14.51
LS.71
LL69
15.J4
12.84
15.47 ,....
14.76
,....
15.16
,...,. <LID
mB
1975 20.90
.....
59.26 3Ll! 13.94 11.47 10.62
....
10.13 9.7.4
....9.81 LS.88 W<.D
..... ..... ,....

1976 49.22 65.83 14.37 11..80 8.75
..., U.lO &.17 Ulll
..... .....
27.26 16.51
l9TT 7.88 35.41 JL.&T 24.14 14.42 14.82
....
0.57
.... 21.34 14.98 il:lil
1978
1979
1!110
1981
..... .....
15.9i
15.!3
45.07
45.49
2L63 .....
31.17
31.93
15.54
35.00
24.87
1.3.97
Wlll
11..89
16.07
11.61
11.10
&57
U .SS
10.11
....
9.49
u.u
8.74
7.!2
lJI.TS
a. u
8.14
7.51
10.08
. ...
8.05
l2.SS
....
1.1.13
7.89
10.51
21.94
11.99
21.57
31.1S
.<!!!
,.llf: ..
'
1902
1983 .....
4:U1
......
10S.S:Z
1!1.61
56.67
......
26.&9
29.82
l5.D9
14.16
..... 9.77
11.1S
..
8.o1
10.16
7.4!
10.00 ....
8.47
7.94
11.15
10.41
29.73
,....
19.73
.....
!ll
_g:
1984
l9SS lT.TS
Ut.Gl
34.52 50.10
67.SO
...... ..... .....

59.55
26.69
lLDS
17.67
15.44
...
1L99 .....
11.49
mn
10.17
10.27 11.31 17.65
9.14 16.54
¡¡;
llm
Jlt!l
1986 55.33
.,..,
106.72 20.76 16.96 15.47 16.21 14.90 14.6'5 21.12
..... ..... .....

ll.Gl &..1!
1987 73.69 27.92 19.04 14.74 12.94 9.74
......
10.12 10.86 10.24 9.14
.........,..., ..........
1""' 31.20 51.67 16.58 11.97 10.77 LL14 1o.52 11.53 EWI
, ... ..... .... .....
1989 45.65 57.84 11.00 15.00 u.oo LO.OO 10.00 1l.GO 9.00 lUlO .~
J9!JO
1JI91 23.00
11.00
31.00 22.00
19.00
18.00 .....
tS.OO
....
10.00
10.00 LLOO
....
9.00
U .DO
7,00
,.......
15.00 ilílill
'!:m
,... ..... ¡n,:;¡
..... .....
1992 11.ll 11.7& 27.09 1U7 12.43 9.92 7.15 1.41 7.63 8.46
' 23.10 48.LS i6.27 18.81 14.ZO 1L.50 9.15 9.27 11.00 52.39 l.li!!);;
1 1994
1995
= .....U1.1l 7&03
.....
80.31!:
6L64
.....
17.09
27.01
16.51
..... .....
19.U LS.9T
11..56.....
13.68
..,
10.11
LL94 12.54
9.74
11.95
1.1.57 ,..,.
10.M o-A»
~
,....._,
' 1996
1997
34.15
.S7.10
61.56
.....
ST.D3 .....
..... ..... ..... ..... 10.00
U.64 ....
9.15
u.as
7-Sl
.... ....
9.13
6.29
9.79
7.>4
14.15
12.58
:ZU'J
'----'
1
1998
1399
53.24
.....
16.13 62.ll 55.69 .....
.....
13.76
20.11
11.27
12.41
10.19
1.4.00
8.70
,..,.
12.aa
8.07
1.3.60 11.80
9.D4 11.57
17.69
.,~
¡--
.....
2000 8&.14 71.68 11.81 1.3.68 11.91 10.86 13.49 10.96 18.80
!
Zll01
2002
76.13
18.88 .....
61.72
..... .....
68.82
..... .....
33.47 20.53 13.96
1S.14 ..... "·"
12.37
1L16
LL24
10.11
1LSl
lo.TS
11.85
17.11
14.87 fJ!
¿m¡¡
,...
lOOl 36.(9 72.5!
.....
TUI7 20.38 15.39 12.74 11.49
..,. ....
11.U 9.78 9.91 18.14 .i1.!'J1
,.., 17.91
42.26
.47.87
41.15 ..... 29.!8
i10.t3
12.89
14.42
10.17
10.84
8.87
9.26
7.83 8.47 8.22
8.74
11.25
7.43
29m
1U9
'00)
'
Generación de Descargas en la Cuenca del Río Manta ro mediante el Uso de Modelos Estocásticos de Series Sintéticas
1
¡ESTACIÓN :MEJORADA LAmuD :U"U'"l•
¡,cUENCA :MANTARO LONGITUD :74-ssu;-
[ruo :MAHTARO ElEVACIÓN : 2199 m.s.n.m.
,AREA CAPTAC. :18775Kml FUEiftt

!
ANEXO B-3: CAUDALES GENERADOS CON EL MODELO ESTOCÁSTICO ARMA (1,0) 50 AÑOS
<f!1!JY!1~~[j¡!·W!EI&itl•l31ellfltll·\iltCt~
:UPAMAYO l.AnTUD : 10'55'19"
:MANTARO LONGITUD : 76'16'34"
:MANTARO Ell\IACIÓN :4080 m.s.n.m.
:2860Km2 FUENlt : Electroperú
ANEXO B-3: CAUDALES GENERADOS CON EL MODELO ESTOCÁSTICO ARMA (1,0) 50 AROS
'
imActÓN :PUENTE CHULEC LATITUD : 11'30'47"
;(U ENCA :MANTARO LONGITUD : 75'55'22"

1
iRio :MAifTARO ELEVACIÓN : 3710 m.s.n.m.
iAREA c:APTAC. :6020Km2 FUENTt :Eiectropenl

1
1
Generación de Descargas en la Cuenca del Río Malltaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
FACULTAD DE INGENIERiA CJVJL
ANEXO B-3: CAUDALES GENERADOS CON EL MODELO ESTOCASTTCO ARMA (2,1) 50 AfiOS
l'ESTACIÓN : PUENTE STUART LAmuo : 11'o48'00"

!:CUENCA :MANTARO LONGITUD :75'29'U"
'RIO :MANTARO ElEVACIÓN :3mm.s.n.m.

j
,AREA CAPTAC. : 9195.26 Km2 FUENTE ALAMANTARO
ANEXO B-3: CAUDALES GENERADOS CON EL MODELO ESTOCÁSTTCO ARMA (2,1) 50 AÑOS
imACIÓN : COCHAS TÚNEl lATITUD : 11"51'18'
:cUENCA :MANTARO lONGITUD : 75'44'27'

1
;Rfo : MANTARO ELEVACIÓN : 3750 m.s.n.m.

1
¡AREA CAPTAC. :490Km2 FUENTE : flettropenl
ANEXO B-3: CAUDALES GENERADOS CON EL MODELO ESTOCASTrCO ARMA (1_,0) 50 AÑOS
: PIRASCOCHA lATITUD : 11'51'05'
,CUENCA :MANTARO LONGITUD : 75"45'43"

;
:Rro :MANTARO ELEVACIÓN : 3150 m.&.n.m.
,AREA CAPTA(, :195 Kml FUENTE : Eioctropi!I'Ú

!
ANEXO R-3: CAUDALES GENERADOS CON EL MODELO ESTOCÁSTICO ARMA (2,0) 50 AfiiOS
imAOÓN :PACHACAVO LATIT\JD : 11'48'32'
iCUENCA :MANTARO LONGITUD : 75'43'19'

i1
Rio : MANTARO ELEVACIÓN : 3650 m.s.n.m.
¡ARtA CAPTAC. :720Km2 FUENTE : Electropení

~
FACULTADDEINGENIERiA CJVIL
ANEXO B-3: CAUDALES GENERADOS CON EL MODELO ESTOCÁSTTCO ARMA (1,,0) 50 AÑOS
CAUDAlES GENERADOS MODELO ESTOCÁSTICO ARMA (1,0) SO AÑOS

~-- ~ -- - - - - - -- - - - ---- - - - - -
!
'ESTACIÓN :QUIUÓN LAnTUD : 12'23'33"
CUENCA :MANTARO LONGITUD : 75'08'38"

i
:Rfo :QUILLÓN ELEVACIÓN :3190 m.s.n.m,
!ARtA CAPTAC. :U2SKm2 fUENTE : Eleetroperú
FACULTAD DE INGENIEIÚA CIVIL
ANEXO B-3: CA UD A LES GENERADOS CON EL MODELO ESTOCASTTCO ARMA (1,0) 50 A filOS
iESTACIÓN :MOYA LATITUD : 12'23'38"

'
~CUENCA :MAHTARO LONGITUD : 75'08'38"
~Rfo :MOYA ELEVAOÓN : 3180m.s.n.m.

i FUENTE : Electropenl
¡AREA CAPTAC. :l7311Km2
FACULTAD DE INGENIERiA CWIL
ANEXO B-3: CAUDALES GENERADOS CON EL MODELO ESTOCÁSTICO ARMA (1_,0) 50 AJVOS
ESTACIÓN :MEJORADA lATITUD : U'31'41"
;CUENCA : MANTAIIO LONGITUD
\Rio :MANTAIIO ELEVACIÓN : 2799 m.s.n.m.

iAREA CAPTAC. :18775Km2 FUENTE : Electropenl
1
1
:
ANEXO C-1: REPORTE DE PARÁMETROS PARA LA GENERACIÓN ESTOCÁSTICA DE

CAUDALES MEDIOS MENSUALES SINTÉTICOS CON EL MODELO ESTOCÁSTICO PARMA
(p,q) SIMULADOS CON EL PROGRAMA SAMS 1009 (SIMULACIÓN Y ANÁLISIS DE MODELOS
ESTOCÁSTICOS)
Stochastic Analysis Modeling and Simulation (SAMS)

Versión 2009
Model Parameters
Current_Model: PARMA(1,0)
For Site(s): 1 UPAMAYO
Model Fitted To: Mean Subtracted Data
MEAN_AND_VARIANCE:
Sea son Mean Variance AICC SIC
2.16333 0.619701 25.122 24.486
2 2.24285 1.5418 45.928 45.293
3 3.0473 1.20182 39.788 39.152
4 2.98644 0.862618 3.497 2.861
5 3.10425 0.218293 -30.541 -31.176
6 3.28553 0.188368 -31.649 -32.285
7 3.79697 0.0758021 -81.474 -82.109
8 3.86482 0.0618451 -81.35 -81.986
9 3.44552 0.110303 -47.123 -47.759
10 3.50316 0.103908 -65.448 -66.084
11 3.01633 0.311521 -29.043 -29.678
12 2.63359 0.326789 -13.387 -14.023
PARAMETERS:
White_Noise_Variance: PAR_PARAMETERS:
Season Sea son PH1(1)
0.618744 1 0.054203
2 1.04092 2 0.899039
3 0.892778 3 0.447705
4 0.360347 4 0.646472
5 0.153873 5 0.273276
6 0.149667 6 0.421061
7 0.0430692 7 0.416858
8 0.043202 8 0.495927
9 0.101653 9 0.373985
10 0.0642921 10 0.599298
11 0.159744 11 1.208586
12 0.236267 12 0.539058
Autor: Jimy Marlon Bastidas Valdivia 21 O
ANEXO C-1: REPORTE DE PARÁMETROS PARA LA GENERACIÓN ESTOCASTICA DE
(p,q) SIMULADOS CON EL PROGRAMA SAMS 2009 (SIMULACIÓN Y ANALISIS DE MODELOS
ESTOCASTICOS)

Versión 2009
Model Parameters
For Site(s): 1 PUENTE CHÚLEC
MEAN_AND_VARIANCE:
Season Mean Variance AICC SIC
1 4.20352 0.32176 -6.718 -7.354
2 4.63884 0.420647 -5.286 -5.921
3 4.90047 0.324113 -21.916 -22.552
4 4.48168 0.368223 -18.729 -19.364
5 3.8707 0.261699 -44.5 -45.136
6 3.88531 0.153455 -62.251 -62.887
7 4.11808 0.0777622 -73.821 -74.456
8 4.08631 0.0985196 -74.56 -75.195
9 4.11116 0.0705344 -64.192 -64.827
10 3.92404 0.0852396 -91.522 -92.157
11 3.77709 0.146872 -59.201 -59.837
12 3.87792 0.181659 -48.084 -48.72
PARAMETERS:
Season Season PHI(1)
0.279134 0.5089
2 0.289312 2 0.638889
3 0.190898 3 0.562752
4 0.206733 4 0.70587
5 0.108543 5 0.64493
6 0.0696419 6 0.56592
7 0.0521499 7 0.408539
8 0.0511955 8 0.780112
9 0.0663442 9 0.206233
10 0.0335018 10 0.856452
11 0.0751594 11 0.917225
12 0.0992398 12 0.749108

ESTOCÁSTICOS)
Stochastic Analysis Modeling and Slmulation (SAMS)
Versión 2009
Model Parameters
For Site(s): 1 PUENTE STUART
MEAN_AND_VARIANCE:
Season Mean Varían ce AICC SIC
4.46927 0.258402 -19.91 -17.986
2 4.89152 0.363092 -5.482 -3.559
3 5.12582 0.251994 -29.273 -27.349
4 4.68759 0.278907 -40.914 -38.99
5 4.13684 0.164152 -66.374 -64.45
6 4.03162 0.115246 -81.947 -80.023
7 4.59257 0.0179621 -134.762 -132.839
8 5.3511 0.0039967 -211.663 -209.74
9 4.32603 0.0301246 -107.146 -105.222
10 5.02758 0.0077352 -183.898 -181.975
11 4.64682 0.0236588 -118.281 -116.357
12 4.29597 0.0897426 -70.175 -68.252
PARAMETERS:
White_Noise_Variance: PAR_PARAMETERS: PMA_PARAMETERS:

Season Season PHI(1) PHI(2) Sea son THT(1)
0.177937 0.961419 -0.664778 -0.271201
2 0.25522 2 0.716978 -0.067404 2 0.074269
3 0.140803 3 3.740554 -2.031404 3 3.208886
4 0.105249 4 3.248375 -1.242214 4 2.635233
5 0.0556919 5 0.868839 -0.164318 5 0.35586
6 0.0377319 6 0.843325 -0.088978 6 0.18685
7 0.0100757 7 1.484628 -0.814829 7 1.346008
8 0.00147344 8 0.316225 -0.011796 8 -0.121509
9 0.0200962 9 -6.794182 2.943925 9 -7.468213
10 0.00294977 10 0.510538 0.138554 10 0.224546
11 0.0152132 11 1.013992 0.034994 11 0.059801
12 0.0506428 12 -10.548979 12.118676 12 -11.824783

ESTOCÁSTICOS)
Stochastic Analysis Modeling and Simulatlon (SAMS)

Versión 2009
Model Parameters
Current_Model: PARMA(2, 1)
For Site(s): 1 COCHAS TÚNEL
MEAN_AND_VARIANCE:
Sea son Mean Varían ce AICC SIC
1 1.92001 0.28404 -11.957 -10.033
2 2.82516 0.106569 -55.976 -54.052
3 2.59274 0.240021 -30.769 -28.845
4 2.60917 0.0926415 -93.599 -91.675
5 1.40647 0.203592 -63.807 -61.883
6 1.26065 0.0900193 -91.318 -89.394
7 1.00802 0.0771003 -69.816 -67.892
8 -0.0296239 0.400082 -0.616 1.308
9 -0.42079 1.22502 26.824 28.748
10 0.752621 0.159457 -44.612 -42.689
11 1.62732 0.0653635 -80.356 -78.433
12 1.53722 0.192741 -26.22 -24.296
PARAMETERS:
White_Noise_Variance: PAR_PARAMETERS: PMA_PARAMETERS:

Sea son Season PHI(1) PHI(2) Sea son THT(1)
0.21708 -0.226107 0.316484 -0.906092
2 0.0722251 2 0.895264 -0.232566 2 0.649458
3 0.135635 3 2.706666 -0.498002 3 2.122516
4 0.028197 4 0.618306 0.093895 4 0.307413
5 0.0593827 5 1.568576 -o.164208 5 0.399819
6 0.0298513 6 1.245996 -0.931412 6 0.621913
7 0.0511004 7 -1.063746 0.810904 7 -1.723003
8 0.288236 8 -0.047726 -0.119626 8 -1.514809
9 0.572366 9 2.210094 -1.677448 9 1.037042
10 0.0959547 10 0.239951 -0.053035 10 ·0.01353
11 0.0392626 11 -1.517958 0.378583 11 -1.999656
12 0.151969 12 0.74431 -0.10763 12 ·0.175403

ESTOCÁSTICOS)
Versión 2009
Model Parameters
For Site(s): 1 PIÑASCOCHA
MEAN_AND_VARIANCE:
0.746983 0.280175 -18.251 -18.886
2 1.75106 0.0982659 -57.703 -58.339
3 1.44787 0.19697 -28.607 -29.242
4 2.0391 0.0228197 -133.932 -134.567
5 0.266869 0.275527 -24.031 -24.667
6 -0.0179445 0.212579 -57.075 -57.711
7 0.0676211 0.0505857 -89.863 -90.498
8 -0.908269 0.759968 23.069 22.434
9 -1.21361 1.21898 24.368 23.733
10 -0.91514 0.397837 -13.914 -14.549
11 -0.435358 0.384482 -7.626 -8.262
12 0.0527763 0.510928 -21.956 -22.592
PARAMETERS:
0.209217 0.374763
2 0.0780279 2 0.268763
3 0.161496 3 0.600833
4 0.0116041 4 0.238623
5 0.181067 5 2.034558
6 0.0792623 6 0.695599
7 0.0349207 7 0.27146
8 0.587798 8 1.844867
9 0.607197 9 0.897222
10 0.233177 10 0.367532
11 0.272869 11 0.529668
12 0.190708 12 0.912613
ESTOCÁSTICOS)

Versión 2009
Model Parameters
For Site(s): 1 PACHACAYO
MEAN_AND_VARIANCE:
2.53469 0.243035 -18.318 -17.607
2 3.07977 0.279756 -17.572 -16.861
3 3.5423 0.124307 -56.234 -55.523
4 2.79473 0.178865 -65.175 -64.464
5 1.91009 0.168018 -42.091 -41.38
6 1.5459 0.131586 -67.069 -66.358
7 0.612914 0.51248 10.203 10.914
8 1.14916 0.198044 -38.665 -37.954
9 1.30168 0.25824 -39.124 -38.413
10 1.41562 0.115187 -52.346 -51.635
11 2.06303 0.0685487 -79.948 -79.236
12 2.02047 0.212583 -37.476 -36.765
PARAMETERS:
Sea son Season PHI(1) PHI(2)
0.196987 0.606471 -0.692235
2 0.200696 2 0.529988 0.109422
3 0.0763426 3 0.345746 0.117879
4 0.0610512 4 0.740629 0.217634
5 0.108725 5 0.679819 -0.170054
6 0.0582275 6 0.776747 -0.245245
7 0.401882 7 1.222546 -0.489515
8 0.118446 8 0.431375 -0.449322
9 0.117095 9 0.9978 -0.388046
10 0.0841357 10 0.308722 0.068262
11 0.0421992 11 0.55755 -0.187388
12 0.12202 12 1.299289 -0.272473

CAUDALES MEDIOS MENSUALES SINTÉTICOS CON EL MODELO ESTOCASTICO PARMA
ESTOCASTICOS)
Versión 2009
Model Parameters
Current_Model: PARMA(1 ,0)

For Site(s): 1 QUILLON
MEAN_AND_VARIANCE:
3.2143 0.104858 -56.54 -57.175
2 3.49688 0.0907499 -63.431 -64.066
3 3.36795 0.13595 -48.575 -49.211
4 2.92616 0.0770176 -75.066 -75.701
5 2.2096 0.0857409 -71.269 -71.904
6 2.70419 0.00803224 -186.193 -186.828
7 2.66518 0.00833089 -179.415 -180.05
8 3.17042 0.00215597 -246.46 -247.095
9 2.62156 0.00786911 -217.587 -218.222
10 0.894772 0.31696 -19.015 -19.65
11 1.40014 0.472057 2.896 2.26
12 1.99905 0.391867 -18.733 -19.368
PARAMETERS:
0.0803304 0.254527
2 0.0676187 2 0.469677
3 0.0980295 3 0.646421
4 0.0505522 4 0.441214
5 0.055586 5 0.625726
6 0.00314192 6 0.238822
7 0.00372207 7 0.757489
8 0.00069639 8 0.418571
9 0.0014333 9 1.727746
10 0.205259 10 3.7676
11 0.354973 11 0.607779
12 0.206713 12 0.626281

ESTOCÁSTICOS)
Versión 2009
Model Parameters
For Site(s): 1 MOYA
MEAN_AND_VARIANCE:
3.61084 0.207023 -34.053 -34.689
2 4.07007 0.180948 -43.906 -44.541
3 3.92129 0.171197 -47.402 -48.038
4 3.4584 0.138262 -57.667 -58.303
5 1.98028 0.448144 -12.485 -13.121
6 2.58793 0.0390814 -148.299 -148.935
7 2.4375 0.033178 -159.518 -160.153
8 2.31164 0.0314008 -157.5 -158.135
9 1.53662 0.147009 -107.451 -108.086
10 2.35981 0.0369528 -117.047 -117.682
11 2.1451 0.281589 -15.917 -16.553
12 2.79106 0.263214 -39.244 -39.879
PARAMETERS:
0.140937 0.502932
2 0.110168 2 0.584716
3 0.100947 3 0.623087
4 0.0780984 4 0.592816
5 0.241657 5 1.222066
6 0.00810241 6 0.262921
7 0.00612086 7 0.832063
8 0.00643762 8 0.86741
9 0.022497 9 1.991295
10 0.0176985 10 0.361903
11 0.221786 11 1.272144
12 0.123785 12 0.70367

CAUDALES MEDIOS MENSUALES SINTÉTICOS CON EL MODELO ESTOCASTICO PARMA
ESTOCASTICOS)
Versión 2009
Model Parameters
Current_Model: PARMA{1 ,0)

For Site{s): 1 LA MEJORADA
MEAN_AND_VARIANCE:
Sea son Mean Variance AICC SIC
5.32586 0.221521 -23.989 -24.624
2 6.07687 0.15804 -43.488 -44.123
3 6.03124 0.148077 -56.251 -56.887
4 5.60997 0.151391 -69.891 -70.527
S 4.75493 0.117836 -82.854 -83.489
6 4.54396 0.0572237 -121.981 -122.616
7 4.96 0.0148366 -191.353 -191.989
8 8.18631 1.S6E-05 -457.839 -458.475
9 4.91352 . 0.0147953 -154.597 -155.233
10 5.24194 0.00798965 -181.534 -182.17
11 4.59387 0.106598 -57.935 -58.571
12 4.86547 0.158835 -55.771 -56.407
PARAMETERS:
Season Season PHI{1)
0.1812S9 0.511236
2 0.111325 2 0.4S9218
3 0.0809123 3 0.65191
4 O.OS75335 4 0.796144
S 0.0416084 S 0.709S86
6 0.0156446 6 0.594017
7 0.0027616 7 0.4S9362
8 3.S3E-06 8 0.028474
9 0.00692208 9 22.494772
10 0.003S2996 10 0.549022
11 0.0775765 11 1.905884
12 0.0818887 12 0.849608
ANEXO C-1: ANÁLISIS COMPARATWO DE PARÁMETROS ESTADiSTICOS DE SERIES

HISTÓRICAS Y GENERADAS
Stoc:has11c Anolyslo Modellng ond Slmulatlon (SAMS)
Model: Unlvarlate PARMA, (Statlstlcs Analysls of Generated Data) Versian 201l9
SITE: UPAMAYO
Hlstortcal Generated Hlstorical Generated

Senon Season Standard Standard
Nean Mean
Oe!Matlon Deslllation
12.11 11.71 12.03 10.75
22.09 2{1,47 30.36 30.65
32.29 3t.n 30.90 38.22
26.53 26.78 21.98 28.67
20.64 20.47 10.46 11.43
28.29 28.27 13.06 13.21
36.26 36.31 12.63 12.82
39.17 39.24 12.27 12.53
g 33.04 32.97 9 10.23 10.83
10 24.81l 24.53 10 10.45 11.06
11 19.98 19.84 11 11.48 13.30
12 15.18 15.00 12 8.47 9.24
...-----·-----·---------- . - - - - - - - - - - - - - - - - - - - - - ,
50.00 . . - - - - - - , - - - - - - ,
40.00 40.00
-0- HktDrkal Stll'ld~d
i 30.00 • 30.00
&
Oesvl:rtlnn
20.00 <i 20.00 -6-Gf!M'r.ttd Standard

Dtsvlatlon
10.00 10.00
1 2 3 4 S 6 7 8 9 W U U 1234567891011U
'----------------
Historicel Generated Hlstorlcel Genereled
Sea son Coef.Of Coef. 01 Seeson Skewn,.. Skewnoos
Vorlstlon Vortatlon Coefllclent Coefllclent
0.99 0.87 2.73 2.11
1.37 1.39 2.t3 3.04
0.96 1.18 0.85 2.04
0.83 1.05 0.88 2.08
0.51 0.55 0.34 1.06
6 0.46 O.Mi 1.5t 1.16
7 0.35 0.35 0.53 0.74
8 0.31 0.32 8 0.82 0.70
9 0.31 0.33 9 0.09 0.71
10 0.42 0.45 10 0.12 0.79
11 0.57 0.66 11 0.36 1.28
12 0.56 0.61 12 0.60 1.28
ANAuz WMpABAJ!VQ m: pa!!éeemq; nupCmcm
1.40 ; .
1.60 · · , . . - - - - - - - . , . . - - : - - - , 3.50 .,...,.......- - - - - . , . - - - ,
3.00 .
1.20 1 ~~-t---~~~ -G-HI$wicat coef. or 2.50 ..o- Hlstark:al Slct!wncn
• 1.00
!; 0.80
! 0.60
• ~
. .
•. r - Vatfa1lon
_,.__G~~nertted Coef. Of
j2.oo
51.50
Co.ffidtnt
-r-Gerterated Skewness
0.40 .~ ·~ ' Vertatlon 1.00 CMiftd.-.t
0.20 0.50
0.00 +-+-..--..-,_,--+-.,..-.,..-+~
1 2 3 4 56 7 8 9 wu u 1 2 3 4 56 7 8 9 wuu
Hlstorical Generated Hlstortcal Generated
SeoS<Jn Seeson
Nlnl1111m Mlnlnllm M8lllllllm Maxlrrum
2.16 1.61 63.85 54.05
2.22 1.65 134.60 156.90
0.15 0.23 104.40 167.20
0.87 0.78 89.82 134.50
2.42 3.83 40.74 54.71
8.09 9.15 78.23 71.51
9.71 1a.n 85.41 73.61
15.52 17.03 8 79.16 75.47
9 14.79 14.64 9 50.:>9 63.33
10 4.03 5.74 10 48.58 57.73
11 1.94 2.37 11 45.46 61.91
12 2.32 2.99 12 32.93 44.23
~---~m:;;:..-;;;-~;;.
1 20.00 . ' '
' ' ..... ~ \
1 1S.OO ·• ¡. ,' 150.00
, ~ ~
-o- Hl!.torlul Max!mum
¡ 10.00.
:/ : -o- Hlstorlcal Mlnlm:.cm
1100.00
• · Genl!rattd Mlnmvm " Gt!Mrated Maxlmum

50.00
12 3 4 S 618 9101112
ANEXO C-1: ANALISIS COMPARATWO DE PARAMETROS ESTADISTJCOS DE SERIES
Stac:llas1k: Analy¡ls Modellng and Shrulatlon (SAMS)
Model: Unlvariate PARMA, (Statlstlcs Analys!o of Generated Data)
SITE: PUENTE CH0LEC
Hlstorical Genemed Hls1or1cal Generated

Seaan S...on Slandanl S!Dndard
MOBI1 Nean
Des\latlon D..wrtlon
78.85 n.a1 47.62 46.47
126.30 125.50 81.85 99.26
157.00 153.50 86.01 90.21
99.69 99.04 59.88 67.~
54.56 53.84 28.59 29.00
52.56 52.15 21.48 21.06
sa.n 58.78 16.89 17.89
62.42 62.55 19.20 20.26
9 53.12 53.01 15.94 16.85
10 47.72 47.27 10 14.77 15.18
11 46.95 46.56 11 17.91 18.28
12 52.87 52.22 12 22.91 22.61
200.00 · , . . - - - - , . . - - - - - - . , 100.00
80.00
60.00.
~
~ 40.00
20.00
0.00 _ __._ _ _ _
o.oo+-~~--~~--~~
-~---~__, ~
1 2 3 4 S 6 7 8 9 Wll U 1 2 3 4 S 6 7 8 910llll
Hlstorical Generated Hls1orfcal Generated
Sea son Coef, 01 Coef. 01 Season Skewness Skewneas
Varlatlon Vartatlon . Coeffldent Coefflclent
0.60 0.59 1.22 1.48
0.65 0.69 1.37 1.73
0.55 0.58 0.63 1.37
0.60 0.67 1.05 1.60
0.52 0.53 1.25 1.42
0.41 0.40 1.21 1.08
0.29 0.30 0.21 0.72
0.31 0.32 0.85 0.87
0.30 0.31 0.13 0.59
10 0.31 0.32 10 0.40 0.70
11 0.38 0.39 11 0.80 0.98
12 0.43 0.43 12 1.00 1.04
0.80 ,.---------...,...-----,
0.70
0.60 ....,..,......,,,._
1.50
~Hiitork:eiCoef.Of -a- Htstorkal Skevmess
~~: Variatlon
í
..,: 1.00
Coeff\dent
~ 0.30 ....,..G~Itl'itltd Cocf.Of

~ _._ G~trated Skewn~
0.20 . ¡. • Varíatlon Cóefndent
0.10
0.00
... !·-t-: ~ ·r
.¡-_,_.,_,__,_......,;.....;__,~----'
1 2 3 4 S 6 7 8 9 W ll U 1 2 3 4 S 6 7 8 9 Wllll
His1or1cal Genemed Hls1orfcal Generated
Season S...on
MlnlniJrn Nlnlrnum Naldl!lJI11 Mald!Tilrn
24.35 19.31 203.00 239.80
17.13 24.65 410.80 453.90
45.59 38.54 341.30 456.80
13.02 18.65 275.20 339.40
15.98 15.53 140.20 154.60
21.80 20.28 116.70 119.50
23.07 27,38 91.71 109.30
26.48 29.40 129.00 123.80
20.47 23.12 82.02 99.13
10 17.89 20.71 10 87.40 91.46
11 19.10 18.20 11 100.80 101.80
12 19.34 18.73 12 125.10 122.20
i
40.00
30.00
~AftAitY"-DLP~.-----,''
50.00 .,.----..,-,.-...,---.,..--.,
_•,J. ' t-
~
1 '
-o- Histork:al Minimum 1,
500.00
400.00
poo.oo
·.-~--.,.-~----,---,
-o- Hlstmk:al Mar:mum
1 :10.00
· •~ Grnerated Minlmum 1
! 200.00
·• Gen:er.atet:l Mavfmum
_-~:: ~ l ~ ~~o-~ u___ -----~' .__w_:_::__~ r=l=·=3=4= s= 6=7:=s= 9=1=0=1 ~1-l _______ ~
FACULTAD DE INGENIERiA. CIVIL
ANEXO C-2: ANÁLISIS COMPARATWO DE PARÁMETROS ESTADISTICOS DE SERIES
Stochasllc AnalyslsModellng and Sll!lllallon (SAMS)
Model: Unlvarlato PARMA,(Stllli&11cs Analysls o! Gonoratod Data)
SITE: PUENTE STUART
Hlstoriclll Gonorated Hlstorlcal Gentnltod

Seation Season Standard Standard
Mean Mean
Desvlaüon Dmll!lon
162.20 180.10 93.33 87.99
295.30 289.70 146.70 155.50
305.30 304.00 149.00 151.20
4 209.40 204.70 110.70 105.90
5 121.10 115.30 80.72 67.58
6 88.16 87.16 6 24.21 23.82
7 83.97 83.32 7 21.60 18.87
8 64.69 64.09 8 20.61 18.41
9 62.38 81.n 9 24.81 22.94
10 86.02 86.03 10 21.97 21.24
11 96.78 97.41 11 37.84 36.09
12 124.10 124.20 12 39.78 42.52
350.00 . - - - - - - - - - - - . 200.00 . - - - - - - - . , . - - - ,
300.00
250.00 150.00
-o- H~torleal Sund~rd
2
~
200.00
150.00 .......,Generated •
& 100.00
,¡
~vfM.Ion
..,._Genetated Standard
100.00 ""''" Desvfltlon
50.00 .
0.00 +-..-¡-...,>-t-,.--.,--..._,..._~ 0.00 +-__,_ _ _......,,__.,.-¡-___,
123456789101112 1 2 3 4 56 7 8 9 10llll
Hlstorlcal Generated Hlstorical Generated

Soaaon Coef. Of Coef.Of Sesaon Skewness Skewneas
Variaüon Variatlon Coefflclent Coefflclent
0.51 0.48 1.59 1.25
0.50 0.53 0.49 1.27
0.49 0.49 0.92 1.23
4 0.53 0.51 1.66 1.28
5 0.67 0.55 2.96 2.02
6 0.27 0.27 1.19 1.14
0.26 0.22 2.61 1M
0.24 0.22 2.50 1.32
0.30 0.28 2.17 1.44
10 0.26 0.24 10 2.16 1.27
11 0.39 0.37 11 1.66 1.20
12 0.32 0.34 12 0.54 0.86
.-----·---------------·-
0.70 , - , . . - - - , , . - - - - - - - - - , 3.50 · , - - - - . . , . - - - - - - . . . ,
0.60 3.00
+·~J. .·
.:.'~/;;::~
o. so ~o..::.'~~~ ~ -Ct-Hlstorlca!Coe1.0f 2.50 . ...o- Hk!Otkal Sk•wnC!SS
~ 0.~. Varfation Coeffident
§ 0.30 \, ,. " &2.oo
§ 1.50
0.20
.. ~~~ .......... Generiltai CM.f. Of
v.,;atlon 1.00
-....... Generated SKeWflf'SS
Co.!!:fl'ldent
0.10 . ·t .: 0.50
ltl-------1
0.00 .¡.._,_ __,.._,__,_-+-..,..+-.,.-l 0.00 .1-,_.,_,......,.._,.....,.....-..---1
1 2 3 4 5 6 7 B 9 1D ll D 123456789101112
Hlstorical Generated Hlstorical Generated

Sea•on Seuon
Mlnl1111111 Mlnl1111m Naxl1111111 Nax!1111m
49.00 56.34 524.00 476.50
96.00 78.50 595.00 801.50
102.60 96.01 749.80 796.80
64.00 61.22 648.00 551.20
49.00 50.99 502.30 381.70
52.00 51.87 6 169.30 164.60
58.00 59.04 7 182.90 148.40
59.00 59.62 8 180.10 146.10
9 50.00 51.36 9 180.50 162.10
10 58.00 55.78 10 185.30 158.10
11 53.00 45.05 11 234.10 217.60
12 5300 5387 12 23900 25200
anAum mM!AftAlDW QE !ABAMEIROS ESianfmcm -~TAOis!l<os

uo.oo
f\. .. ,
1000.00
100.00 800.00 ~ r
i
80.00
60.00
40.00
20.00
0.00
" .
1 2 3 4 S 6 7 8 9 1011 D
~'""'~~
...rr-
.
......... ·'
.
-o- Hlstorlc.af Minlmum
* G@ner.~ted Mlnlmum
• 600.00
~
1 400.00
200.00
0.00
f\ .
.
'
-~'V
1 2 3 4 5 6 7 8 9 101112
~
1"-
- ~Historie~!
...
MIYfmum
Generated Ma-timum
Generación de Descargas en la Cuenca del Río Manta ro mediante el Uso de Modelos Estocásticos de Series Sintéticos
ANEXO C-1: ANÁLISIS COMPARATWO DE PARÁMETROS ESTADiSTICOS DE SERIES

HISTÓRICAS Y GENb"'RADAS
Stochastlc Analysla Nodeling and Si1111iation (SANS)
Nodel: Unlvarlate PARNA, (Sta11stlca Ana!ysls ol Generated Date)
SITE: COCHAS TÚNEL
Hlstorical Generated Hlstorlcal Generated

Stand•d Standard
Mean Mean
Doslllotlon Desvlatlon
8.37 8.30 4.39 4.37
12.n 12.56 5.70 S.QJ
1~.99 1~.Q3 3 6.97 7.48
9.22 9.04 UB 4.36
4.50 4.39 2.06 2.05
2.69 2.62 1.14 1.11
2.05 2.03 0.87 0.80
8 1.92 1.88 1.04 0.82
9 2.36 2.29 1.55 1.65
10 2.71 2.72 10 1.09 0.97
11 3.76 3.80 11 1.42 1.39
12 5.12 5.13 12 2.35 2.39
aoo
7.00
6.00 ··---~""=i=,~~- 1
11
i~:: ~!:: Desvlatlor¡
6.00 ~ 3.00 ........_ Generated Stlndetd 1
-·~=J
4.00 2.00 i
2.00 1.00
0.00 +-.,..--__,--,---.--i--;---! fiOO +--~-~~-+~---~
1 2 3 4 S l 2 3 4 S 6 7 S 9101112
Hlrtoricel Generated
Seaaon Season Skewness Skewness
Coelficlent Coefflclent
1.27 1.38
0.50 O.QJ
0.52 1.19
0.47 0.83
1.39 1.18
1.13 o.n
1.86 0.74
2.61 1.71
2.87 2.91
2.01 1.17
1.35 0.87
1.35 1.15
ANALM CQMPAMJNQ Of !A!ÚM!J!OS Fm,I$DCQ$
1.00 -r------------,
0.80.
-o- Hfltorlcal COef. Of -o- Hlstoncal Skewn.u
~ 0.60. Variatlon Coefflclf.nt
~ o.40 .r .....,.b<of.......,.~ · ._ Gene1'3ted Coef. Of .....,._ Grner.ted Shwnrss
V.ariatlon Coefflcient
0.20
1 2 3 4 S 6 7 9101112
Hlstorlcal Generated Hlstorlcal Generated

Season Season
Nlnl1111m Mlnlmum Mrodnllm Maldlrum
2.87 2.53 23.33 23.28
2.85 3.00 2 26.23 30.66
3 4.46 4.54 3 30.38 38.95
4 1.63 1.85 4 18.43 21.96
5 1.1~ 1.49 5 11.61 11.06
0.56 0.79 6.30 5.80
0.40 0.66 5.62 4.35
0.87 0.95 6.31 4.90
9 1.15 1.16 10.28 9.74
10 1.05 1.28 10 6.55 5.88
11 0.91 1.31 11 9.00 7.79
12 1.99 1.67 12 13.68 12.87
AN41MCOMpA11nyp rw:pABiMfJ!QS m:¿:----~

s.oo 50.00
4.00 40.00 )
t-· ~- ..o-Historlca!Minimum ~ 30.00 ,,.., );t ·+ .. .. +·
~ -o- Hlstork1l Mulmum
120.00 "!'"
* Generated Mlntmum - - Generated Mal(lmum
1.00 10.00
. ....,......,_.-..,.....;-:;....,--.-....,..-!
0.00 . !- 0.00
1 2 3 4 S 6 7 8 WU U 1 l 3 4 S 6 7 S 9101112
Autor: Jimy Ma~·/on Bastidas Va/divia 222
Stochutic Analysls Madeflng 1H1d Slmulllllon (SAMS)
Model: Unlvalla!e PARMA, (Statlsllcs Analysls of Genenrted Data)
SITE: PIAASCOCHA
Hlstorltal Generated Hlstortcal Generat!d

Season Season Slelldard Standard
Mean Mean
Desllia1lon Dlmli•Uon
2.42 2.39 1.29 1.35
4.04 4.00 1.83 1.92
4.69 4.63 2.07 2.18
2.77 2.74 1.16 1.17
1.50 1.48 0.83 0.83
0.89 0.88 0.53 0.52
0.60 0.60 0.25 0.25
8 0.70 0.67 0.82 0.64
9 0.72 0.71 0.71 0.82
10 0.59 0.58 10 0.35 0.32
11 0.79 0.77 11 0.56 0.51
12 1.35 1.33 12 0.96 1.03
!1::.: .,.._-MI-Ausll..,.-~---.,-.---.--lll.-P._~___,~r-~-- --------1

-o- Htstotieal Standard
r-------i' ! j 1.50 · DeS\Itatlon
~ 1.00 ........ Genarated Standard

1 Oesvfiltlon
1 0.50
1 2
====~~=7~~--------~
3
Hlstortcsl
56789101112
Generated
IL-=~~-4~ 6 7
89101111
Hlstortcal Gonenrted
Season Coef. 01 Coef. 01 Season Skewnen Skewnesa
Varlatlon Vl!rillllon Coeffident Coefllclen1
0.53 0.55 1.20 1.46
0.<15 0.47 0.49 0.86
0.44 0.46 0.66 1.24
0.42 0.42 4 0.09 0.43
0.55 0.54 5 1.46 1.39
0.60 0.58 1.40 1.26
0.41 0.42 0.45 0.63
1.17 0.88 3.12 2.37
0.99 1.02 2.17 2.97
10 0.60 0.55 10 2.35 1.71
11 0.72 0.64 11 2.27 1.52
12 0.71 0.74 12 1.05 1.73
~
1.40 3.50 . . . - - - - - , - - - - - - - - - ,
1.20 . 3.00
1.00
~ 0.80 + ' . -D-Hbtarlc.il Coef. Of
Var1atton
~
2.50
2.00
-n- H~torlcal Sit:twness
Cotlftdi!nt
~ 0.60
0.-40
_._Generattd Cocf.Of
Vcn1ation
§ ::: ~·/\ ~:~11' ............ Gmerattd Ske'll.IM!Ss
Coeffiderrt
0.20
0.00
¡ t
~::·¡~· ~
1 2 3 4 S 6 7 8 9 10 11 u 1 2 3 4 S 6 7 8 9101111
Hlotorfcal Generaled Hlstortcal Genenrted

Sea son Season
Mlnl1111m Mlnlmum Malllmum Mllll1111m
0.66 0.66 6.49 7.26
0.51 0.85 8.93 9.76
1.45 1.60 9.51 11.91
0.69 0.51 5.12 5.81
0.40 0.41 4.24 4.31
0.10 0.15 2.50 2.62
0.17 0.14 1.14 1.29
0.10 0.14 4.35 3.34
0.19 0.19 3.18 4.41
10 0.19 0.20 10 2.13 1.78
11 0.14 0.17 11 3.22 2.54
12 0.29 0.22 12 4.11 5.05
··--> -----·-------- ---·-~·---·-~-· ·¡
.8~,11515 alMeA8&mtC: QE i!o!IBÁMQBD:S nT~ &NAuz mMP&MJM) m pa!iNEIBQS megfsrv'm
2.00 · · . - - - - - - - - - - - . 14.00 r---,---:-.,.----,

1
12.00 /~
10.00
-a- Hlstorkal Mlnlmum -o- Historkal Ma11:imum
~ aoo
• Gene:IO't@'d Mlnlmum
1 600
4.00
....,. Genei'Jited Mattmum
1.00
______________________________
1 2 3 4 S 6 7 8 9 W11U 1 2 3 4 56 7 8 9 W11U
__JL-------------------------------~
ANEXO C-2: ANÁLISIS COMPARATWO DE PARAMETROS ESTADISTICOS DE SERIES
Stochastlc Ana!ysls Modellng and ShTidatlon (SAMS)
Model: Unlvarlate PARMA, (statlstics Analysls of Generated Data)
STTE: PACHACAYO
Hlstorical Generated Hlstoric.l Generated

Susan Soasan Standard Standard
Mean Mean
Desvlation DeiMation
14.26 14.05 1 7.24 7.09
23.78 23.57 2 12.18 13.37
26.70 26.21 3 12.50 12.83
15.77 15.61 4 6.88 7.69
7.87 7.77 3.33 3.08
5.02 5.00 1.93 1.86
3.87 3.90 1.84 1.92
3.51 3.51 1.88 1.66
4.22 4.17 9 2.64 2.21
10 4.67 4.61 10 1.61 1.47
11 6.15 6.08 11 2.21 2.10
12 8.42 8.28 12 4.27 3.91
r--:· -.-00--Ml-AI-M-::~~;:;:~---l
30.00 .,...-.,----~--,---,--.,..-, 6
14.00. ; ' ' ' ; 1
25.00
i
20.00
15.00
-Q-HistarJuf
Me;~~n
12.00.
! 1~: . ·!
~ Historlcal Standard
bes-v(etlcn
_._GC'I'Ierattd Standard
10.00 " 6.00.
4.00 Desviatlon
5.00
0.00 \-,--,...-,,___,_,.-+--+-t--.--l 1
1 2 3 4 6 7 8 10 11 12 1 2 3 4 S 6 7 8 9 10lll2 __j
Hlstoric.J Generated Hlstorlcat Generated
Season Coef. Of Coef. Of Season Skevmosa Skewnesa
Varlatlon Variatlon Coeffldern Coefficlern
0.51 0.50 0.80 1.22
0.51 0.56 0.64 1.31
0.47 0.49 0.24 0.89
0.44 0.49 4 0.31 1.11
0.42 0.39 5 1.64 1.15
0.36 0.37 6 1.24 0.98
0.47 0.46 7 1.77 1.92
0.64 0.46 2.20 1.24
0.62 0.52 2.34 1.35
10 0.35 0.32 . 10 1.53 0.87
11 0.36 0.34 11 0.90 0.63
_ _....!!12:.___ _~0.5~1_ _~0:;::.46~-- .. -----------o .---------~-.:.:;12_ _ _:.;::.:,_ _..,:;,:::,__,.
1.47 1.18
0.70 ·,----,,.-----~--..,..-,
0.60
2.00
0.50 -D-Historlcat ~f. Of -o- Hktorlcal Skewness
~0.40 Verlatlon J 1.50 Coeffident
~ 0.30 :! 1.00 -+-Generated Skewne.ss
0.20 . '· !. ~ffldent
0.10 ·~<-........ ~ +
0.00~~~~~~--+-~~
1 2 3 4 5 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Hlslorlcal Generated Hll!lorlcal Generated

Season Season
Mlnlmum Mlnlmum Mald1111m Mlllll011m
5.04 4.22 30.16 37.26
6.24 5.75 52.78 67.55
8.67 6.00 51.21 64.61
4.43 4.51 33.42 40.08
3.47 3.18 18.34 17.75
2.29 2.09 11.05 10.64
1.79 1.67 9.61 11.22
0.88 1.19 10.80 9.05
9 0.65 1.20 13.67 11.73
10 1.68 2.21 10 10.33 9.10
11 1.77 2.37 11 12.10 11.87
12 3.25 2.75 12 22.83 20.86
ANI! rgt MWARAJNO W pABAM!JBQ$ fUAnfgrns
10.00 80.00 .,....-......,.-,-..,.-.,----,-,

70.00 ~ 1-
~ ~.' ¡~ ,; ..
j::~~ ~~t;~y~±-~:~:-r·
8.00
~ HIStoft:al Manmum
~ -o- Hlstorlcll M!nlmum
j 4.00 f 30.00 ..,._ Generated Maxlmum
·+··Generated Mlrtimum
20.00.
2.00
10.00
o.oo+.~~~~~--4-~~
1 2 3 4 S 6 1 8 9 10ll 12 1 2 3 4 S 6 7 8 9 Wllll
Generación de Descargas en la Cuenca del Rio Manta ro mediante el Uso de Modelos Estocásticos de Series Sintéticos
FACULTADDEINGENIERlA CIVIL

Stocbastlc Analya!s Modellng and Sll!lllatlon (SAMS)
Model: Unlvariate PARMA, (Statl&tlcs Analysls ol Generaled Data)
STTE: QUILLÓN
Hlstorical Generated Hl&torical Generated

Season Season Standard S1andard
Mesn Mean
Desllla11on Desllla1lon
1620 15.97 8.38 8.48
24.49 24.25 10.03 10.46
3 26.01 25.62 11.33 11.51
4 14.38 14.23 5.35 5.4(1
5 7.51 7.45 5 2.81 2.78
5.00 4.98 6 1.33 1.33
4.43 4.42 7 1.30 1.31
8 3.84 3.84 8 1.10 1.11
9 3.81 3.80 122 1.23
10 4.67 4.60 10 1.84 1.70
11 6.17 6.03 11 4.11 3.n
12 8.93 8.n 12 5.68 5.73
14.00
12.00 . l
' j
10.00 +-• ,•••t• T"u
-G-Historkal Standard
20.00
i 15.00 ! 8.00 ; •• 1 -+ Oesvll!tihn
tl 6.00- ...,._G~eratod Standard

10.00 4.00 Oesvtatlon
5.00 2.00
~00 ~~~~~~-+~-r~~ 0.00-
1 l 3 4 5 7 8 9 10 11 12 1 2 3 4 S 6789101112
Hlotorical Genemted Hli!orlcel Generated

Season Coef. Of Coel. Of Season Ske1Mless Ske1Mless
Variallon Varia11on Coefficlent Coefficlent
0.52 0.53 0.59 0.85
0.41 0.43 0.41 0.81
0.44 0.44 0.73 0.98
4 0.37 0.38 0.68 0.76
5 0.37 0.37 o.n 0.78
6 0.27 0.27 ~-03 0.26
7 0.29 0.30 -il.OS 0.25
0.29 0.29 -il21 0.15
0.32 0.32 9 0.22 0.24
10 0.39 0.36 10 2.43 1.58
11
12
0.70
0.67
0.64
ANJLM QlMPAB&!NQ
-~- ---
0.59
0.64
-----
pA!Ú.MEJI!QS f$IAplmros
QE
-] 3.00 -r---,----,------,
11
12
1.98
1.18
1.64
1.50
0.60
1
' .t '
-
1
2.50
o.so ,. . . . .;. t . ~ - ·r~ · -o- Hlrtorlcal Cotf. Of
+-' .~w
200 -o-Htstorkal Skewness
J 1.50
¡~: '~J
Varlatlon Coe.ffic!ent
~20- + . ! --
.......,Generated Coef. Of
Varlatloh
5 LOO .......... Gentrotcd Skewnt:$S
Coefflt!ent
~:J·'·•· ... ;··:·;~-~-1-¡

1 2 3 4 6 7 8 9 w 11 12 1 2 3 . S 6 7 8 9 W1112
Hli!orlcel Genenrted Hlotorical Genemted

Seeson Season
Minirmm Minlroom Malllnlnn Mallinlnn
2.00 2.18 36.72 41.99
4.25 6.79 48.53 54.98
5.78 7.85 53.49 61.55
4.98 5.09 30.87 30.01
2.24 2.72 15.59 15.55
1.51 2.19 1.n 8.25
1.28 1.65 7.67 7.68
1.46 1.44 6.70 6.52
9 1.12 1.20 9 7.16 6.86
10 2.33 2.49 10 13.00 10.76
11 1.66 1.91 11 21.66 19.19
12 2.00 1.89 12 24.40 28.44
AtÚI.ISIS.OOMI'AMnllO.DU.M!.IM~..
~··-~···-~
10.00 - 70.00 .....,,.....,.-....,..._...,.--.,..-,.-,...,....---,
. l i 60.00 ~; ,4-.i -~-- ' : ;. -:
8.00
L: ¡ ·'*
SO.DO
j40.00
!30.00
• -· +--•~
"~
'"¡~'
· -f ·
.¡ _¡ ·--·t· -o- Historkat Mañmurn
~-~ · Gen~ritcd Maximum

G....,,.tod Mi,lmU/n 1 20.00 --:- t
2.00
10.00 l '
0.00 1 0.00 -h-+-i--,--,.....-i!-4--+-1
____ ~~-~a_ _: 10 1112------~_j 1 2 3 4 S 6 7 9 1011U
Generación de Descargas en la Cuenca del Río Mantaro mediante el Uso de Modelos Estocásticos de Series Si11téticas
FACULTAD DE INGENIEIÚA CIVIL
ANEXO C-2: ANÁLISIS COMPARATWO DE PARAMETROS ESTADfSTICOS DE SERIES
Stocltastlc Ana!ysls Modellng and Slmulatlon (SANSJ
Model: Univarlate PARMA, {S1atlstlcs Analysls of Generated Cato)
SITE: MOYA
Hlstorfcal Genorated Hlttorlcal Generatod

s....n Mean Mean
Season standard Standard
Des>latlon D...tatlon
35.95 35.34 18.54 18.58
53.60 53.23 26.09 27.77
55.08 54.05 23.98 23.14
34.06 33.62 13.06 12.85
19.01 18.89 6.40 6.55
13.57 13.50 2.72 2.67
11.63 11.60 2.12 2.11
10.25 10.23 8 1.88 1.83
10.00 9.98 9 1.99 1.97
10 10.79 10.70 10 2.12 2.06
11 12.88 12.70 11 5.90 5.36
12 19.61 19.29 12 10.17 9.69
-o- Hfstork:al Standard

Desvlatfon
_._ Genent~ Standard

tksvfatfon
Hlstorical Genera1ed Hlstorlcal Generated

Sea son Coel. Of Coef. Of Season Skowness Skewness
Verlatlon Verlatlon Coefflclent Coefflclent
0.52 0.52 0.74 1.14
0.49 0.51 0.60 1.14
0.44 0.42 3 1.01 1.12
4 0.38 0.38 4 0.88 1.01
5 0.34 0.34 5 1.93 1.83
0.20 0.20 0.59 0.55
0.18 0.18 0.38 0.53
0.18 0.18 0.84 0.52
0.20 0.20 9 1.18 1.05
10 0.20 0.19 10 0.81 0.53
11 0.46 M1 11 1.60 1.29
12 0.52 0.49 12 1.38 1.29
2.50 I
2.00
-o- Hlstorical Skewness
Coefflcicnt
-o\- Gen~rated Skewnen

to.ffid~t
====:OO=W::·=··~~~~~~~~~:~~:~:~~~------------~~:~,L~ ::_:_L--~----~-~----------~-=-=-=~=~====;===========
Soasen
123456789W1112
Hlstorical
Minimum
7.88
Generated
Ninimum
8.41
.
___ 123456789101112
Season
Hlttorlcal
Mnimum
76.74
Generated
Maxfmum
96.31
1Ui 12.89 122.70 142.60
26.55 20.31 3 121.00 129.30
15.54 14.05 4 67.30 73.41
11.88 11.65 5 «.22 43.73
6 8.57 8.50 20.76 20.91
7 7.75 7.55 16.95 17.38
7.32 6.79 15.47 15.20
9 6.79 6.95 9 16.23 16.27
10 6.29 6.87 10 17.55 16.39
11 5.00 5.66 11 34.25 30.48
12 6.00 6.31 12 52.39 51.47
AN11 M O"!"PAMTNO Df' PAA4NEJJO$ nJ6pfmqls
30.00 , . - - - - - - - - - , - - - - - - . ,
25.00
20.00
..-------, ·¡
-o-HtstorlcJI Mfnimum
il
, li
140.00
120.00
100.00 -o- Hlstorleal Ma~J~imom
¡15.00 '
10.00 a.. G«1el'lted Mlntnurn
1! ¡ ::~~ Gcner1tod Mavlmum
5.00
~00 +--r-~~-+~-+~~
123456789101112 l_ ~:: ~-:_~_7 ~-~~-----
I --- _1

ANEXO C-2: ANÁLISIS COMPARATWO DE PARÁMETROS ESTADISTJCOS DE SERIES

Stocllastfc Analysls Modellng and Sbrulatlon (SAMS)
Model: Unlvarlate PARMA, (Statlotlca Analysla o! Gonerated Data)
SITE: LA MEJORADA
Hlstorfcal Generated Historical Generated

Season Seaaon Standard Standard
Mean Mean
Des\iatlon Dea\iatlon
230.30 226.40 114.70 110.80
369.80 365.50 2 m.1o 188.20
396.30 390.70 3 159.00 171.30
243.70 240.50 4 109.60 116.50
123.10 121.80 5 42.41 42.71
96.79 96.16 6 23.50 23.10
93.65 93.29 7 17.41 17.31
91.47 91.22 14.15 14.07
87.12 86.82 16.53 16.63
10 89.80 89.09 10 17.16 16.73
11 104.50 103.40 11 36.28 34.09
12 140.30 138.70 12 56.55 55.85
.·r-~AN-A,-li$_0_CO_M_P-AM-nvn,. .!,. ."-M-P_A_ ~~ ~ l

AHA~..Qii~
200.00- 1
z ::.: .._M!JBOS_-,mADfm;P$,---«<--H-Oto-rc_aJ_, :: '
....Ir--------·,'
-o- Hlstorical Standard
~svfallon
.
~ ~. ~ ~
;. ~·.
200.00 +- ..¡, • í' . Ml!ln •• _._G8'1e1'3ted Sto¡nd¡¡rd
~ ~ ~~.--1.
.. ~~
Desviation
50.00
100.00h-·
o.oo ·. ' ' 0.00 .¡..J-;'-,--,-,.-;--+-.,_.-i-.,.-l
1 2 3 4 S 6 7 8 9 WU U 1 2 4 S 78910012
~----------======~~~==~
Hlstorfcal Generated Hlstorfcal Generated
Season Coef.Of Coef.Of Season Skewness Skewness
Variation Variation Coefficlent Coefficlent
0.50 0.48 1.04 1.25
0.48 0.51 0.37 0.99
3 0.40 0.43 0.16 0.95
4 0.45 0.48 4 0.53 1.05
S 0.34 0.35 5 0.71 0.99
0.24 0.24 0.70 0.69
0.19 0.18 0.32 0.35
0.15 0.15 .0.57 0.05
9 0.19 0.19 0.15 0.29
10 0.19 0.19 10 0.56 0.21
11 0.35 0.33 11 1.02 0.80
1.03 0.99
-~~----~~----~~--------------------, ~------------------~12~----~~----~~,
12 0.40 040
AWAl§IS COMpAMTI\{Q Df fiA1t.IMmm maplmms ~·.l>IAO!ml:m
1.00
.....o-Historkal Cotf. Of -o- Historkal Skewness
Vartadon i 0.50 Coefftdent
,.,........_ Gtnerated Col!f. Of ~ 0.00 ......,.. Gl!nerated Skewness

V<sriatlon CoeffldMt
.0.50
·---'
0.00 .L.....-+-..--.,-,...-,--,.-H -1.00 -L-----'-~--''---..J
1 2 3 4 S 6 7 8 9 Wll 12 1 2 3 4 S 6 7 8 9 WU 12
Hlortorical Generated Hlslorfcal Generated

Soasan Soason
Mlnlmum Mlnlmum MmdRilm Mmdrrum
89.57 72.58 1 540.50 599.10
66.57 79.65 2 737.40 937.70
3 137.00 127.50 3 728.20 9H.30
4 64.08 66.80 4 533.30 608.80
5 47.42 54.25 5 243.70 255.30
6 50.24 54.93 164.80 163.10
48.91 58.06 143.20 138.40
47.13 59.73 122.40 123.90
46.47 52.31 128.30 128.80
10 45.89 54.12 10 143.90 130.50
11 46.08 47.55 11 196.80 201.90
12 44.97 53.68 12 31920 309.90
160.00 ..----------------,..., 1000.00

14000 ,..
800.00
120.00
~ 100.00
.¡¡ 80.00
'
.
·x: . :.;.
. ~ :
-D-H6torlcal Mlnlmum
i
~ 800.00 .
-o- Hlstorkal MSYimum
1 60.00 '
:~--- ... 400.00
Generated MIXlmum
.
.. ...,.. .... ·- .- - ~.;.- . - 1 · · G~erated Mlnlmum
J
40.00 •. '
200.00 " ' ' •
~·-
20.00 '
1 2 3 4 S 6 7 8 9 W1112
o.oo.:!.::.;
1234S6789101112
--------------------·--- ------
Autor: Jimy Marlon Bastidas Valdivia ' 227
ANEXO C-3: RESULTADOS DE LAS PRUEBAS ESTADiSTICAS DE VALIDACIÓN ENTRE
VARIABLES HISTÓRICAS Y GENERADAS
Stochastle Analyals Modellng and Slmulatlon (SAMS)
Model: Unlvarlate PARMA, (Statlstlcs Analyals of Generated Data)
SITE: UPAMAYO
Hlstorlcal Generated Hlstortcal Generated

MESES N"AIIOS
Mean Mean ST.Oesv. ST. Deav.
ENE 40 12.1100 11.7100 12.0300 10.7500
FEB 40 22.0900 20.4700 30.3600 30.6500
MAR 40 32.2900 31.7700 30.9000 38.2200
ABR 40 26.5300 26.7800 21.9800 28.6700
MAY 40 20.6400 20.4700 10.4800 11.4300
JUN 40 28.2900 28.2700 13.0600 13.2100
JUL 40 36.2600 36.3100 12.6300 12.9200
AGO 40 39.1700 39.2400 12.2700 12.5300
SET 40 33.0400 32.9700 10.2300 10.8300
OCT 40 24.8900 24.5300 10.4500 11.0600
NOV 40 19.9800 19.8400 11.4800 13.3000
DIC 40 15.1800 15.0000 8.4720 9.2350
Promedio 12 25.8725 25.6133 15.3602 16.9004
Desv. Estándar 8.3376 8.4955 7.8661 9.7286
Prueba de Varianzas Prueba de T para muestras Independientes
MESES Fe Ft (Inferior) Ft (Superior) Contraste MESES Te Tt Contraste

!;NI; 1.2523 0.5867 1.7045 VartanznlgualaR EN!; 0.1568 1.9908 Mt!dlnlguel•u•
FEB 1.0192 0.5867 1.7045 Vrn1an%ll.alguatn FEB 0.2375 1.9908 M•dlaalguttaa
MAR 1.5299 0.5867 1.7045 Vartanua lguaJu MAR 0.0669 1.9908 Medlaa lguai-
ABR 1.7014 0.5867 1.7045 Vartan:ualguales ABR 0.0438 1.9908 M~:dl.. lguaU
MAY 1.1941 0.5867 1.7045 Yartan.r.aa lguaiH MAY 0.0694 1.9908 N•dlasl dl.l•ln
JUN 1.0231 0.5867 1.7045 Vartan.ualgual~ JUN 0.0068 1.9908 Nedla•lgualetl
JUL 1.0464 0.5867 1.7045 Varla~~Z.~alauahla JUL 0.0175 1.9908 Nadla~tlguale:~:~
AGO 1.0428 0.5867 1.7045 Vsrianus Iguala& AGO 0.0252 1.9908 Nctdioslgualn
SET 1.1207 0.5667 1.7045 V.rlanza.IQuaiN SET 0.0297 1.9908 M•dlaslaualn
OCT 1.1202 0.5867 1.7045 Varlan:r.aalgualea OCT 0.1496 1.9908 Medl•slg:ua'-•
NOV 1.3422 0.5867 1.7045 Vertanzoalgual~ NOV 0.0504 1.9908 Medl&slguolctl
DIC 1.1882 0.5867 1.7045 VartmualguaJas DIC 0.0908 1.9908 M•dl•a tguala11
Prueba de T para h'&lestras Dependientes
MESES Medias Varianzas Prueba para las Medias

ENE 0.4000 29.1584 TCF 1.8703
FEB 1.6200 ·17.6929 Tto 2.1788
MAR 0.5200 -505.9584
ABR -0.2500 -338.8485 SI TknenRdacJtin
MAY 0.1700 ·21.2333
JUN 0.0200 -3.9405
JUL -0.0500 -7.4095 Prueba .,ata las Varianzas
AGO -0,0700 -6.4480 Te= 1.6757
SET 0.0700 -12.6360 Tto 2.1788
OCT 0.3600 -13.1211
NOV 0.1400 -45.0996
DIC 0.1800 ·13.5104
Promedio 0.2592 -79.7283
Desv. Estándar 0.4800 164.8160
Intervalo de Confianza a Partir de los Datos Generados

G•n.nukl por~ SAMS A pertlrd1lva datva Ot!naradva
Hlstorlcal Generated Generada Generada INTERVALO DE CONFIANZA
Meses
Mean Mean Media Des.v. Estand. Inferior Superior Contraste
ENE 12.1100 11.7100 11.7100 1.4700 9.8269 13.5931 ACEPTADO
FEB 22.0900 20.4700 20.4700 4.6000 14.5774 26.3626 ACEPTADO
MAR 32.2900 31.7700 31.7700 5.2000 25.1088 38.4312 ACEPTADO
ABR 26.5300 26.7800 26.7800 3.7200 22.0147 31.5453 ACEPTADO
MAY 20.6400 20.4700 20.4700 1.6400 18.4973 22.4427 ACEPTADO
JUN 28.2900 28.2700 28.2700 1.9800 25.7336 30.8064 ACEPTADO
JUL 36.2600 36.3100 36.3100 1.8600 33.9273 38.6927 ACEPTADO
AGO 39.1700 39.2400 39.2400 1.8500 36.8702 41.6099 ACEPTADO
SH 33.0400 32.9700 32.9700 1.5100 31.0357 34.9043 ACEPTADO
OCT 24.8900 24.5300 24.5300 1.4500 22.6726 26.3875 ACEPTADO
NOV 19.9800 19.8400 19.8400 1.8900 17.4189 22.2611 ACEPTADO
DIC 15.1800 15.0000 15.0000 1.4400 13.1554 16.8446 ACEPTADO

Genendtt por el SAM8 A pertlr d~ los dDtoa Oene...doe
Hlstorfr:al Generated Generada Generada INTERVALO OE CONFIANZA
Meses
Desv. E-'.and. Desv. E~>tand. Media Desv. Estand. Inferior Superior Contraste
ENE 12.0300 10.7500 10.7500 2.9700 6.9454 14.5546 ACEPTADO
FEB 30.3600 30.6500 30.6500 10.1500 17.6479 43.6522 ACEPTADO
MAR 30.9000 38.2200 38.2200 7.1900 29.0096 47.4304 ACEPTADO
ABR 21.9800 28.6700 28.6700 5.4400 21.7014 35.6386 ACEPTADO
MAY 10.4600 11.4300 11.4300 1.5300 9.4701 13.3899 ACEPTADO
JUN 13.0600 13.2100 13.2100 1.9800 10.6736 15.7464 ACEPTADO
JUL 12.6300 12.9200 12.9200 1.4400 11.0754 14.7646 ACEPTADO
AGO 12.2700 12.5300 12.5300 1.6200 10.5829 14.4771 ACEPTADO
SET 10.2300 10.8300 10.8300 1.1700 9.3312 12.3288 ACEPTADO
OCT 10.4500 11.0600 11.0600 1.2000 9.5228 12.5972 ACEPTADO
NOV 11.4800 13.3000 13.3000 1.9700 10.7764 15.8236 ACEPTADO
DIC 8.4720 9.2350 9.2350 1.5300 7.2751 11.1949 ACEPTADO

VARJABLES HISTÓRICAS Y GENERADAS
Stochastlc Analysls Modellng and Slmulatlon (SAMS)
Model: Univariate PARMA. {Statlstics Anafysls of Generated Data)
SITE: PUENTE CHÚLEC
Historlcal Generated Hlstorlcal Generated

MESES N• ARos
Mean Mean ST. Desv. ST. Desv.
ENE 40 78.8500 77.3100 47.6200 46.4700
FEB 40 126.3000 125.5000 81.8500 89.2600
MAR 40 157.0000 153.6000 86.0100 90.2100
ABR 40 99.6900 99.0400 59.8800 67.6400
MAY 40 54.5600 53.8400 28.5900 29.0000
JUN 40 52.5800 52.1500 21.4800 21.0600
JUL 40 58.7700 58.7600 16.6900 17.6900
AGO 40 62.4200 62.5500 19.2000 20.2600
SET 40 53.1200 53.0100 15.9400 16.6500
OCT 40 47.7200 47.2700 14.7700 15.1600
NOV 40 46.9500 46.5600 17.9100 16.2800
OIC 40 52.8700 52.2200 22.9100 22.6100
Promedio 12 74.2358 73.4858 36.0875 37.8758
De.sv. Estándar 35.4384 34.7094 26.2389 28.5927
Prueba de Varianzas Prueba de T para llUiostras Independientes
MESES Fe Ft (Inferior) Ft (Superior) Contraste MESES Te TI Contra&te

ENE 1.0501 0.5867 1.7045 V~trfanm•lgualeA ENE 0.1464 1.9908 MOldlaalgunlea
FEB 1.1893 0.5867 1.7045 V•rt.t.n.Us lgu•lu FEB 0.0418 1.9908 M•d"-s lgUo!lh
MAR 1.1000 0.5867 1.7045 Varfanzu Iguales MAR 0.1725 1.9908 Mod~slgu•ln
ABR 1.2760 0.5867 1.7045 Varlanlll•tgutll~ ABR 0.0455 1.9908 Medlealgulllc•

MAY 1.0289 0.5867 1.7045 Var1an.uslgualu MAY 0.1118 1.9908 M•dlas lguafn
JUN 1.0403 0.5867 1.7045 V•rlanza~ lgu•l• JUN 0.0904 1.9908 N•dlaatgu•la,o
JUL 1.1219 0.5867 1.7045 Vart.nuslguates JUL 0.0026 1.9908 Ncdla•lguole•
AGO 1.1135 0.5867 1.7045 Y•rtanu•lau•'- AGO 0.0295 1.9908 M•dt. . Igual-
SET 1.0911 0.5867 1.7045 Vartanus Igual•• SET 0.0302 1.9908 Medlsstguales
OCT 1.0563 0.5867 1.7045 Varfan.ua IQUIII~ OCT 0.1344 1.9908 Medias Iguales
NOV 1.0417 0.5867 1.7045 Vartan:t.~~slau•ln NOV 0.0964 1.9908 N•ztlaslgua-

DIC 1.0267 0.5867 1.7045 Varhma•lguate. DIC 0.1277 1.9908 Medla•lgualll:ll
Prueba de T ~ara muestras Deeendlentes

ENE 1.5400 108.2035 Tt>= 2.7591
FEB 0.8000 -1267.9251 Tt= 2.1788
MAR 3.4000 -740.1240
ABR 0.6500 -989.5552 Nu Tienen R.rladún
MAY 0.7200 -23.6119
JUN 0.4300 17.8668
JUL -0.0100 -34.7800 Prueba para las Varianzas
AGO -0.1300 -41.8276 Te= 1.8592
SET 0.1100 -23.1389 Tt= 2.1788
OCT 0.4500 -12.2795
NOV 0.3900 -13.3903 SI Tienen Rdlk:'Jón
DIC 0.6500 13.6560
Promedio 0.7500 -250.5755
Dasv. Estándar 0.9416 466.8829

Ganarad.l por ai6AMS A partir d11loa dato11 Gan•rado11
Hlstorical Generated Generada Generada INTERVALO DE CONFIANZA
Meses
Mean Mean Media Desv. Estand. Inferior Superior Contraste
ENE 78.6500 77.3100 77.3100 6.8000 68.5992 86.0208 ACEPTADO
FEB 126.3000 125.5000 125.5000 13.6600 108.1296 142.8704 ACEPTADO
MAR 157.0000 153.6000 153.6000 12.3500 137.7797 169.4204 ACEPTADO
ABR 99.6900 99.0400 99.0400 8.9900 87.5238 110.5582 ACEPTADO
MAY 54.5600 53.8400 53.8400 3.9000 48.8441 58.8369 ACEPTADO
JUN 52.5800 52.1500 52.1500 3.0500 48.2430 56.0571 ACEPTADO
JUL 56.7700 58.7800 58.7800 2.6600 55.5006 62.0594 ACEPTADO
AGO 82.4200 82.5500 82.5500 3.0600 58.6301 66.4699 ACEPTADO
SET 53.1200 53.0100 53.0100 2.3200 50.0381 55.9819 ACEPTADO
OCT 47.7200 47.2700 47.2700 2.0400 44.6568 49.8832 ACEPTADO
NOV 46.9500 46.5600 46.6600 2.6100 43.2166 49.9034 ACEPTADO
DIC 52.8700 52.2200 52.2200 3.4500 47.8006 56.6395 ACEPTADO
Intervalo de Cohflanza a Partir de los Datos Geheradaa

G•n ..mdll por~ SANS A partir da lo• dato• O.n-do•
Meses
Deav. Eatand. Desv. Estand. Media Desv. Estand. Inferior Superior Contraste
ENE 47.6200 46.4700 46.4700 8.5000 35.5815 57.3585 ACEPTADO
FEB 81.8500 89.2600 89.2600 18.9500 64.9851 113.5350 ACEPTADO
MAR 86.D100 90.2100 90.2100 13.7100 72.6475 107.7725 ACEPTADO
ABR 59.8800 67.6400 67.6400 11.9400 52.3449 82.9351 ACEPTADO
MAY 28.5900 29.0000 29.0000 4.8600 22.7743 35.2257 ACEPTADO
JUN 21.4800 21.0600 21.0600 3.0800 17.1145 25.0055 ACEPTADO
JUL 16.8900 17.8900 17.8900 1.9500 15.3921 20.3680 ACEPTADO
AGO 19.2000 20.2600 20.2600 2.8400 16.6220 23.8980 ACEPTADO
SET 15.9400 16.6500 16.6500 1.8000 14.3442 18.9558 ACEPTADO
OCT 14.7700 15.1800 15.1900 1.6600 13.0535 17.3065 ACEPTADO
NOV 17.9100 18.2800 18.2800 2.6100 14.9366 21.6234 ACEPTADO
DIC 22.9100 22.6100 22.6100 3.7500 17.8063 27.41_38 ACEPTADO
ANEXO C-3: RESULTADOS DE LAS PRUEBAS ESTADfSTICAS DE VALIDACIÓN ENTRE

Slochaatlc Analysla Modallng and Slmulatlon (SAMS)
Model: Univariate PARMA, (Statistics Anatysis of Generated Data)
SITE: PUENTE STUART
Hl&torlcal Generated Hlstorlcal Generated

MESES N•AiilOS
Mean Mean ST.Oesv. ST. Desv.
ENE 40 182.2000 180.1000 93.3300 87.9900
FEB 40 295.3000 289.7000 146.7000 155.5000
MAR 40 305.3000 304.0000 149.0000 151.2000
ABR 40 209.4000 204.7000 110.7000 105.9000
MAY 40 121.1000 115.3000 80.7200 67.5800
JUN 40 88.1600 87.1600 24.2100 23.8200
JUL 40 83.9700 83.3200 21.6000 18.8700
AGO 40 84.6900 84.0900 20.6100 18.4100
SET 40 82.3800 81.7700 24.8100 22.9400
OCT 40 86.0200 86.0300 21.9700 21.2400
NOV 40 96.7800 97.4100 37.8400 36.0900
DIC 40 124.1000 124.2000 39.7800 42.5200
Promedio 12 146.6167 144.8150 64.2725 62.6717
Desv. Estándar 82.6338 81.4247 49.7458 $1.1532
Prueba de Varianzas Prueba de T para rraJe&tras Independientes
MESES Fe Ft (Inferior) Ft iSu~erlor} Contraste MESES Te Tt Contraste

ENE 1.1251 0.5867 1.7045 Yartanualgua!U ENE 0.1035 1.9908 Madlas lgUaln
FEB 1.1236 0.5667 1.7045 Vnrt.nnslgu•l=- FEB 0.1657 1.9908 M•dlul¡usla:
MAR 1.0297 0.5867 1.7045 Vartanu• Iguale& MAR 0.0387 1.9908 Modlu l¡uatea
ABR 1.0927 0.5867 1.7045 V.t.flPS lgu•l• ABR 0.1940 1.9908 Uodinlau~u
MAY 1.4267 0.5867 1.7045 Vart.nualgu•l~ MAY 0.3484 1.9908 M!!dlulgunlea:

JUN 1.0330 0.5867 1.7045 VarianZil•lgualaa JUN 0.1862 1.9908 Medias lgu.aa.s
JUL 1.3103 0.5867 1.7045 Varian-zaalguate. JUL 0.1433 1.9908 Madl&slgualu
AGO 1.2533 0.5867 1.7045 VMflanuslgualcs AGO 0.1373 1.9908 Medll:s Iguale&
SET 1.1697 0.5867 1.7045 \l;.rlannslgual .. SET 0.1142 1.9908 Uadlu lgt~o~tlas
OCT 1.0699 0.5867 1.7045 Vartanna lguale11 OCT 0.0021 1.9908 Medl&~~l¡ualea
NOV 1.0993 0.5867 1.7045 VartanusiiiUal.. NOV 0.0762 1.9908 Madlu t¡ualas
DIC 1.1425 0.5867 1.7045 Vatianh• lgualu DIC 0.0109 1.9908 Madiaalgualu
Prueba de T l!ara muestras Del!endlentes

ENE 2.1000 968.2488 Te= 2.7466
FEB 5.6000 -2659.3600 Tt,. 2.1788
MAR 1.3000 -660.4400
ABR 4.7000 1039.6800 Nu TR~n Rel!tdti:n
MAY 5.8000 1948.6620
JUN 1.0000 18.7317
JUL 0.6500 110.4831 Prueba para las Varianzas
AGO 0.6000 85.8440 Te= 0.2296
SET 0.6100 89.2925 Tt,. 2.1788
OCT -0.0100 31.5433
NOV -0.6300 129.3775 SI Tienen Rel.:u:lún
DIC -D.1000 -225.5020
Promedio 1.8017 73.0467
Desv. Estándar 2.2724 1101.9221

Gen11t11da pQr a SANS Apartlr del- datas o ..ru•,.doa
Hlstorlcal Geherated Generada Generada INTERVALO DE CONFIANZA
Meses
ENE 182.2000 180.1000 180.1000 12.1400 164.5487 195.6513 ACEPTADO
FEB 295.3000 289.7000 289.7000 21.4100 262.2738 317.1262 ACEPTADO
MAR 305.3000 304.0000 304.0000 22.0600 275.7411 332.2589 ACEPTADO
ABR 209.4000 204.7000 204.7000 15.4800 184.8701 224.5299 ACEPTADO
MAY 121.1000 115.3000 115.3000 10.1300 102.3235 128.2765 ACEPTADO
JUN 88.1600 87.1600 87.1600 3.8100 82.2794 92.0406 ACEPTADO
JUL 83.9700 83.3200 83.3200 2.4900 80.1303 86.5097 ACEPTADO
AGO 84.6900 84.0900. 84.0900 2.3900 81.0284 87.1516 ACEPTADO
SET 82.3800 81.7700 81.7700 2.9300 78.0167 85.5233 ACEPTADO
OCT 86.0200 86.0300 86.0300 2.8000 82.4432 89.6168 ACEPTADO
NOV 96.7800 97.4100 97.4100 5.4500 90.4286 104.3915 ACEPTADO
DIC 124.1000 124.2000 124.2000 6.2900 116.1425 132.2575 ACEPTADO

&niii'Oda por aiSANS Ap•11irde1Qa datQ• Gen ..redoa
Mes~
Desv. Eatand. Deav. Estand. Media Desv. Estand, Inferior Superior Contraste
ENE 93.3300 87.9900 87.9900 14.5400 69.3643 106.6157 ACEPTADO
FEB 146.7000 155.5000 155.5000 21.5500 127.8945 183.1056 ACEPTADO
MAR 149.0000 151.2000 151.2000 25.7200 118.2527 184.1473 ACEPTADO
ABR 110.7000 105.9000 105.9000 20.1100 80.1391 131.6609 ACEFTADO
MAY 80.7200 67.5800 67.5800 21.2200 40.3972 94.7628 ACEPTADO
JUN 24.2100 23.8200 23.8200 4.0800 18.5935 29.0465 ACEPTADO
JUL 21.6000 18.8700 18.8700 3.6400 14.2072 23.5328 ACEPTADO
AGO 20.6100 18.4100 15.4100 3.2800 14.2083 22.6117 ACEPTADO
SET 24.8100 22.9400 22.9400 4.2700 17.4701 28.4099 ACEPTADO
OCT 21.9700 21.2400 21.2400 3.4400 16.8334 25.6466 ACEFTADO
NOV 37.8400 36.0900 36.0900 5.6400 28.8652 43.3148 ACEPTADO
OIC 39.7800 42.5200 42.5200 5.8100 35.0774 49.9626 ACEPTADO
Autor: .Jimy Marlon Bastidas Valdivia 230

Stocha&tlc Analysls Modellng and Slmulation (SAMSl
Model: Univariate PARMA, (Statistlcs Analysia of Generated Data)
SITE: COCHAS TÚNEL
Hlstorlcal Generated Hl&torlcal Generated

MESES N•AíiOS
ENE 40 6.3670 8.3020 4.3930 4.3710
FES 40 12.noo 12.5600 5.7010 5.8300
MAR 40 14.9900 14.9300 6.9730 7.4800
ABR 40 9.2210 9.0350 4.2750 4.3570
MAY 40 4.5040 4.3660 2.0640 2.0510
JUN 40 2.6690 2.6230 1.1360 1.1060
JUL 40 2.0510 2.0300 0.8667 0.7973
AGO 40 1.9190 1.6830 1.0370 0.8222
SET 40 2.3560 2.2940 1.6460 1.6460
OCT 40 2.7130 2.7190 1.0910 0.9666
NOV 40 3.7620 3.8030 1.4190 1.3900
OIC 40 5.1220 5.1300 2.3490 2.3620
Promedio 12 5.8720 5.8079 2.7627 2.7666
Desv. Estándar 4.4492 4.4071 2.0587 2.2191

ENE 1.0101 0.5667 1.7045 Vartanzo~ctgualea ENE 0.0563 1.9908 Medleslgu•loll
FEB 1.0456 0.5867 1.7045 Vartan:r.aclgual.a: FEB 0.1629 1.9906 Msdlnlgualn
MAR 1.1507 0.5867 1.7045 Vartanua lgualu MAR 0.0371 1.9908 Modfaalguold
ABR 1.0387 0.5867 1.7045 VartanuslguaiU ABR 0.1927 1.9908 Medlaalgualn
MAY 1.0127 0.5867 1.7045 Varfanz~~algualu MAY 0,2565 1.9908 t,.dl.. lgualn
JUN 1.0550 0.5867 1.7045 Y•rfenmslgualea JUN 0.2633 1.9908 Medfa•lsu•IH
JUL 1.1817 0.5867 1.7045 Varfanut.tgualu JUL 0.1128 1.9908 Medla51guat. .
AGO 1.5908 0.5867 1.7045 Val'lanzaslguale.s AGO 0.1720 1.9908 Medlaslguotes
SET 1.2605 0.5867 1.7045 Valfan.za~~olguates SET 0.1584 1.9908 Medias Iguale&
OCT 1.2734 0.5867 1.7045 Varhmzaalgualea OCT 0,0260 1.9906 Nedi-lguat.-5
NOV 1.0422 0.5867 1.7045 Vo!UnaalgualeA NOV 0.1305 1.9908 Medlesl,gunlr~•
DIC 1.0263 0.5867 1.7045 Vartai'IZOIQUIIIes DIC 0.0151 1.9906 Medias lgualeG
Prueba de T para muestras Dependientes

ENE 0.0650 0.1926 Te= 2.9361
FEB 0.2100 -1.4875 Tt= 2.1768
MAR 0.0600 -7.3277
ABR 0.1660 ..0.7078 Nu Ticn~n RcJndún
MAY 0.1160 0.0535
JUN 0.0660 0.0673
AGO 0.0350 0.3994 Tc= 1.0353
SET 0.0620 0.7058 Tt= 2.1788
OCT -0.0060 0.2556
NOV -0.0410 0.0815 SI Tl\:n~n Rdadón
DIC -0.0080 -0.1561
Promedio 0.0641 -0.6507
Desv. Etrténdar 0.0756 2.1n2

Meses
Mean Mean Media besv. Estand. Inferior Superior Contraste
ENE 8.3570 6.3020 8.3020 0.6000 7.5334 9.0706 ACEPTADO
FEB 12.noo 12.5600 12.5600 0.6000 11.5352 13.5648 ACEPTADO
MAR 14.9900 14.9300 14.9300 1.0600 13.5721 16.2879 ACEPTADO
ABR 9.2210 9.0350 9.0350 0.6100 6.2536 9.8164 ACEPTADO •
MAY 4.5040 4.3860 4.3660 0.2600 4.0273 4.7447 ACEPTADO
JUN 2.6690 2.6230 2.6230 0.1700 2.4052 2.6408 ACEPTADO
JUL 2.0510 2.0300 2.0300 0.1000 1.9019 2.1581 ACEPTADO
AGO 1.9190 1.8830 1.8830 0.1100 1.7421 2.0239 ACEPTADO
SET 2.3560 2.2940 2.2940 0.2100 2.0250 2.5630 ACEPTADO
OCT 2.7130 2.7190 2.7190 0.1300 2.5525 2.8855 ACEPTADO
NOV 3.7620 3.8030 3.6030 0.2200 3.5212 4.0848 ACEPTADO
DIC 5.1220 5.1300 5.1300 0.3500 4.6817 5.5784 ACEPTADO
Hlstorlc:al Generated Generada Generada INTERVALO DE CONFIANZA

Meses
Desv. Estand. besv.
Estand. Media besv. Eatand. Inferior Superior Contraste
ENE 4.3930 4.3710 4.3710 0.7300 3.4359 5.3061 ACEPTADO
FEB 5.7010 5.8300 5.6300 0.7100 4.9205 6.7395 ACEPTADo
MAR 6.9730 7.4800 7.4800 1.0500 6.1350 6.8251 ACEPTADO
ABR 4.2750 4.3570 4.3570 0.4900 3.7293 4.9847 ACEPTADO
MAY 2.0840 2.0510 2.0510 0.3300 1.6283 2.4737 ACEPTADO
JUN 1.1360 1.1060 1.1060 0.1600 0.9010 1.3110 ACEPTADo
JUL 0.8667 0.7973 0.7973 0.1100 0.6564 0.9382 ACEPTADO
AGO 1.0370 0.8222 0.6222 0.1600 0.5916 1.0528 ACEPTADO
SET 1.6460 1.6460 1.6460 0.5200 0.9799 2.3121 ACEPTADO
OCT 1.0910 0.9668 0.9668 0.1400 0.7875 1.1461 ACEPTADO
NOV 1.4190 1.3900 1.3900 0.1700 1.1722 1.6078 ACEPTADO
DIC 2.3490 2.3820 2.3820 0.4100 1.6568 2.9072 ACEPTADO

Stochastlc Analyals Modellng and Slmulatlon (SAMS)
Model: Untvarlate PARMA, {Statlstlcs Analyals of Generated Data)
SrTE: PIAASCOCHA
Hlstorlcal Generated Hl&torlcal Generated

MESES N• AÑOS
Mean Mean ST.Deav. ST. Deav.
ENE 40 2.4190 2.3910 1.2910 1.3530
FEB 40 4.0410 4.0020 1.8330 1.9200
MAR 40 4.6860 4.6250 2.0650 2.1780
ABR 40 2.7710 2.7360 1.1590 1.1650
MAY 40 1.4970 1.4800 0.8252 0.8253
JUN 40 0.8928 0.8838 0.5341 0.5221
JUL 40 0.5973 0.5972 0.2471 0.2495
AGO 40 0.7037 0.6745 0.8232 0.6402
SET 40 0.7202 0.7149 0.7122 0.8236
OCT 40 0.5895 0.5760 0.3518 0.3222
NOV 40 0.7883 0.7712 0.5641 0.5107
DIC 40 1.3530 1.3260 0.9582 1.0290
Promedio 12 1.7549 1.7315 0.9470 0.9616
Desv. Estándar 1.4165 1.4017 0.5586 0.6068
Prueba de Varianzas Prueba de T para rTMJestras Independientes
M:~~~s~----~o~.~~c7.7~----~1~.:~~~08~--~M~:~:~,:~·~~••=~=,:~
MESES Fe Ft (Inferior) Ft (Superior) Contraste
ENE 1.0994 0.5667 1.7045 Varfanzaatauatu
FEB 1.0972 0.5867 1.7045 Vartt~nuaiQUIIIea FEB 0.0929 1.9908 Media&lgualo:l&
MAR 1.1124 0.5667 1.7045 Vartanz.ac !GUilles MAR 0.1285 1.9908 M•dlulau•IMI
ABR 1.0104 0.5667 1.7045 VarlaiU.OioiQURIU ABR 0.1347 1.9908 MadlaslguaS..
MAY 1.0002 0.5667 1.7045 Val'latu:u IGUiliiM MAY 0.0921 1.9908 Medlaslgualea
JUN 1.0465 0.5867 1.7045 Vori&nzaa lguoloa JUN 0.0762 1.9908 MedlqJgunlas
JUL 1.0195 0.5867 1.7045 Vil.rtan;uatauates JUL 0.0018 1.9908 M•dl.nalgu•l••
AGO 1.6534 0.5867 1.7045 Val'lana~s Iguala• AGO 0.1771 1.9908 Mcdl.nlgua~H
SET 1.3373 0.5667 1.7045 Vart.a~slguolaos SET 0.0308 1.9908 Medias l¡¡ualn:
OCT 1.1922 0.5867 1.7045 Varfanualgual.. OCT 0.1790 1.9908 Madinlgualea
NOV 1.2201 0.5667 1.7045 VattaMM 1gu11tcs NOV 0.1421 1.9908 Medlulguales
DIC 1.1532 0.5867 1.7045 Varfanus lgusre. DIC 0.1214 1.9908 Modt.. lgualu
Prueba de T para m.~estras Dependientes
MESES M edlas Varianzas Prueba para las Medias

ENE 0.0280 -0.1639 TCF 4.8231
FEB 0.0390 -0.3265 Tt= 2.1788
MAR 0.0610 -o.4795
ABR 0.0350 -D.0139 No Ti~ncn RclacitSn
MAY 0.0170 -o.0002
JUN 0.0090 0.0127
JUL 0.0001 -0.0012 Prueba para las Varianzas
AGO 0.0292 0.2678 To= 1.3963
SET 0.0053 -0.1711 Tt= 2.1788
OCT 0.0135 0.0200
NOV 0.0171 0.0574
DIC 0.0270 -o.1407
Promedio 0.0234 -o.0783
_D="""-''""-',E,stá=nd"'a,r___,o."'0-"16e:8,______ 0.1942
Hlstorfcal Generatad Generada Generada INTERVALO DE CONFIANZA

Meses
ENE 2.4190 2.3910 2.3910 0.2000 2.1348 2.6472 ACEPTADO
FEB 4.0410 4.0020 4.0020 0.2900 3.6305 4.3735 ACEPTADO
MAR 4.6860 4.6250 4.6250 0.2900 4.2535 4.9965 ACEPTADO
ABR 2.7710 2.7360 2.7360 0.1500 2.5439 2.9282 ACEPTADO
MAY 1.4970 1.4800 1.4800 0.1100 1.3391 1.6209 ACEPTADO
JUN 0.8928 0.8838 0.8836 0.0800 0.7813 0.9863 ACEPTADO
JUL 0.5973 0.5972 0.5972 0.0400 0.6460 0.6484 ACEPTADO
AGO 0.7037 0.6745 0.6745 0.0900 0.5592 0.7898 ACEPTADO
SET 0.7202 0.7149 0.7149 0.1100 0.5740 0.8558 ACEPTADO
OCT 0.5895 0.5760 0.5760 0.0400 0.5248 0.6272 ACEPTADO
NOV 0.7883 0.7712 0.7712 0.0800 0.6687 0.8737 ACEPTADO
DIC 1.3530 1.3260 1.3260 0.1600 1.1210 1.5310 ACEPTADO

Generad• por el BAMS
Meses
Desv. Estand. Deav. Estand. Media Desv. Estand. Inferior Superior Contraste
ENE 1.2910 1.3530 1.3530 0.2900 0.9815 1.7245 ACEPTADO
FEB 1.8330 1.9200 1.9200 0.2500 1.5869 2.2531 ACEPTADO
MAR 2.0650 2.1780 2.1780 0.4300 1.6272 2.7286 ACEPTADO
ABR 1.1590 1.1650 1.1650 0.1300 0.9985 1.3315 ACEPTADO
MAY 0.8252 0.8253 0.8253 0.1700 0.6075 1.0431 ACEPTADO
JUN 0.5341 0.5221 0.5221 0.0800 0.4196 0.6246 ACEPTADO
JUL 0.2471 0.2495 0.2495 0.0300 0.2111 0.2879 ACEPTADO
AGO 0.8232 0.6402 0.6402 0.2100 0.3712 0.9092 ACEPTADO
SET 0.7122 0.8236 0.8236 0.3400 0.3881 1.2591 ACEPTADO
OCT 0.3518 0.3222 0.3222 0.0500 0.2453 0.3991 ACEPTADO
NOV 0.5641 0.5107 0.5107 0.1100 0.3696 0.6516 ACEPTADO
OIC 0.9582 1.0290 1.0290 0.2600 0.6959 1.3621 ACEPTADO
Stochastic Analysls Modeting and Simulatlon (SAMS)
Model: Univartate PARMA, (StaUatlcs Anolysis ot_Generated Data)
SITE: PACHACAYO
Hlstortcal Oenerated Hlstorlcal Generated

MESES N"AiiOS
ENE 40 14.2600 14.0500 7.2420 7.0880
FEB 40 23.7800 23.5700 12.1800 13.3700
MAR 40 26.7000 26.2100 12.5000 12.8300
ABR 40 15.7700 15.6100 6.8750 7.6860
MAY 40 7.8650 7.7720 3.3250 3.0760
JUN 40 5.0170 4.9960 1.9280 1.8620
JUL 40 3.8720 3.9030 1.8380 1.9160
AGO 40 3.5110 3.5080 1.8840 1.6550
SET 40 4.2170 4.1680 2.6350 2.2090
OCT 40 4.6700 4.6060 1.6120 1.4660
NOV 40 6.1470 6.0800 2.2070 2.0990
DIC 40 8.4220 8.2780 4.2660 3.9080
Promedio 12 10.3526 10.2293 4.8743 4.9304
Desv. Estándar 8.0168 7.8908 3.9717 4.3382

ENE 1.0439 0.5867 1.7045 Vortanzas lguelu ENE 0.1311 1.9908 N•dla.tauatat:
FES 1.2049 0.5867 1.7045 V•rl•n:r.aslguatu FEB 0.0734 1.9908 M•dias Igual"
MAR 1.0535 0.5867 1.7045 Val1•n:r.a•lgullu MAR 0.1730 1.9908 Nedlaslgualcs
ABR 1.2498 0.5867 1.7045 V•rianu•lguatn. ABR 0.0981 1.9908 N•dleslgueln
MAY 1.1685 0.5867 1.7045 V11rl1nzas lgualea MAY 0.1299 1.9908 Medias Iguala
JUN 1.0721 0.5867 1.7045 V•rbnz.a•tauatu JUN 0.0496 1.9908 M•dl.. tgu•l•a
JUL 1.0867 0.5867 1.7045 V•rfenz.oalgualea JUL 0.0738 1.9908 Medtasl gua les
AGO 1.2959 0.5867 1.7045 V•tfanuslguaJ.• AGO 0.0076 1.9908 Medlaslguaies

SET 1.4229 0.5867 1.7045 Varfanaalguall!ll SET 0.0901 1.9908 Ncdiaalgualea
OCT 1.2091 0.5867 1.7045 VarianzaslguaiN OCT 0.1858 1.9908 Msdlu Igual••
NOV 1.1056 0.5867 1.7045 Varlenz:os lgualu NOV 0.1391 1.9908 Mcdislllgualn;
DIC 1.1916 0.5867 1.7045 Vllrtanza•lau.tl•s DIC 0.1574 1.9908 MsdM•touales
Prueba de T eara rruestras Def!endientes
MESES Medias Varianzas Prueba para laa Medias

ENE 0.2100 2.2068 Te= 3.0692
FES 0.2100 -30.4045 Tt= 2.1788
MAR 0.4900 -8.3589
ABR 0.1800 -11.8090 No Tlr.ncn Relac1ün
MAY 0.0930 1.5938
JUN 0.0210 0.2501
JUL -0.0310 -0.2928 Prueba para las Varianzas
AGO 0.0030 0.8104 Te= 1.2014
SET 0.0490 2.0635 TI= 2.1788
OCT 0.0640 0.4494
NOV 0.0670 0.4650 SJ Tlcn.:n Rchtdóu
DIC 0.1440 2.9263
Promedio 0.1233 -3.3416
Desv. Estándar 0.1392 9.6352
Intervalo de Confianza a Partir de los Datos Generadoa.

Gl!nllrada pcr DI SAMS Ap11rtlrdc loa datoa Gcl'l"l'l'ldOil
Hlstorlcal Gehetated Generada Generada INTERVALO DE CONFIANZA
Meses
Mean Mean Media Deav. Estand. Inferior Superior Contraste
ENE 14.2600 14.0500 14.0500 1.0200 12.7434 15.3566 ACEPTADO
FES 23.7800 23.5700 23.5700 2.0100 20.9952 26.1448 ACEPTADO
MAR 26.7000 26.2100 26.2100 1.6900 24.0451 28.3749 ACEPTADO
ABR 15.7700 15.6100 15.6100 1.0600 14.2621 16.9679 ACEPTADO
MAY 7.6650 7.7720 7.7720 0.4100 7.2468 8.2972 ACEPTADO
JUN 5.0170 4.9960 4.9960 0.2600 4.6629 5.3291 ACEPTADO
JUL 3.8720 3.9030 3.9030 0.2700 3.5571 4.2489 ACEPTADO
AGO 3.5110 3.5080 3.5080 0.2500 3.1878 3.8283 ACEPTADO
SET 4.2170 4.1680 4.1680 0.3400 3.7325 4.6035· ACEPTADO
OCT 4.6700 4.6060 4.6060 0.1900 4.3626 4.8494 ACEPTADO
NOV 6.1470 6.0800 6.0800 0.3100 5.6829 6.4771 ACEPTADO
DIC 8.4220 8.2780 8.2780 0.6100 7.4966 9.0594 ACEPTADO
Intervalo de Confianza a Partir de tos Datos Generados

Osnar~~da por •• &AN6 A psrtlr ds loll d8taa C.nnrodaa
Meses
Oesv. Estand. Desv. Eatand. Media Desv. Estand. Inferior Superior Contraste
ENE 7.2420 7.0880 7.0880 1.1600 5.6020 8.5740 ACEPTADO
FEB 12.1800 13.3700 13.3700 2.1400 10.6287 16.1113 ACEPTADO
MAR 12.5000 12.8300 12.8300 1.5300 10.8701 14.7899 ACEPTADO
ABR 6.8750 7.6860 7.6860 1.1600 6.2000 9.1720 ACEPTADO
MAY 3.3250 3.0760 3.0760 0.4600 2.4867 3.6653 ACEPTADO
JUN 1.9280 1.8620 1.8620 0.2300 1.6674 2.1566 ACEPTADO
JUL 1.8380 1.9160 1.9160 0.3900 1.4184 2.4156 ACEPTADO
AGO 1.8840 1.6550 1.6550 0.2900 1.2835 2.0265 ACEPTADO
SET 2.6350 2.2090 2.2090 0.3900 1.7084 2.7086 ACEPTADO
OCT 1.6120 1.4660 1.4660 0.1800 1.2354 1.6966 ACEPTADO
NOV 2.2070 2.0990 2.0990 0.2600 1.7403 2.4577 ACEPTADO
DIC 4.2660 3.9080 3.9080 0.6600 3.0625 4.7535 ACEPTADO

Stochastie Analysls Modellng and Sinw.olatlon (SAMS)
Model: Unlwriate PARMA, (Stetlstlcs Analysls of Generated Data)
SITE: QUILLÓN
Hlstorical Generated Hlstorical Generated

MESES N"AIIos
ENE 40 16.2000 15.9700 8.3760 8.4810
FEB 40 24.4900 24.2500 10.0300 10.4600
MAR 40 26.0100 25.6200 11.3300 11.5100
ABR 40 14.3800 14.2300 5.3450 5.3990
MAY 40 7.5080 7.4490 2.8120 2.7800
JUN 40 5.0020 4.9810 1.3290 1.3320
JUL 40 4.4300 4.4230 1.2970 1.3120
AGO 40 3.9430 3.8380 1.0990 1.1130
SET 40 3.8110 3.8030 1.2230 1.2330
OCT 40 4.6730 4.6030 1.9410 1.6960
NOV 40 6.1740 6.0290 4.1080 3.7200
OIC 40 8.9330 8.7720 5.6770 5.7260
Promedio 12 10.4545 10.3307 4.5389 4.5635
Desv. Estándar 8.0000 7.8904 3.6560 3.7725
MESES Fe Ft (Inferior) Ft (Superior) Contraste MESES Te Tt Contra&te

ENE 1.0252 0.5867 1.7045 Vart..nQI Igualas ENE 0.1220 1.9908 Madlas Igual"
FEB 1.0876 0.5867 1.7045 vmanzaslguat" FEB 0.1047 1.9908 MII:CIIn Iguales
MAR 1.0320 0.5867 1.7045 Vart.naalgual•s MAR 0.1527 1.9908 Mdl&llliJUIIIH
ABR 1.0203 0.5867 1.7045 v.rt.naalgualoa ABR 0.1249 1.9908 Mcdlaa lgualc•
MAY 1.0232 0.5867 1.7045 Valiiln.taslgualu MAY 0.0944 1.9908 MadiH IQUill•s
JUN 1.0045 0.5867 1.7045 Varianza& lgu&l.,. JUN 0.0708 1.9908 Mt~dJealgualea
JUL 1.0233 0.5867 1.7045 VaMnz.u tguataa JUL 0.0240 1.9908 MadJaslgual. .
AGO 1.0258 0.5867 1.7045 VarlanufllguaiBA AGD 0.0202 1.9908 Medlol'l t;ualml
SET 1.0194 0.5867 1.7045 YaMn.zaalgualaa SET 0.0291 1.9908 Madt••lgualaa
OCT 1.1783 0.5867 1.7045 Valfanualgualt~& OCT 0.1769 1.9908 Mfldiulsulllf!s
NOV 1.2195 0.5867 1.7045 Varfaruaa 1gualas NOV 0.1655 1.9908 Madleslgueles
DIC 1.0173 0.5867 1.7045 Vflrlun.malgunl•a DIC 0.1263 1.9908 Madi . . Iguales
Prueba de T ~ara muestras Deeendientes

ENE 0.2300 -1.noo Te= 3.5908
FEB 0.2400 -8.8107 Tt= 2.1788
MAR 0.3900 -4.1112
ABR 0.1500 -0.5802 No Tienen Relación
MAY 0.0590 0.1789
JUN 0.0210 -0.0080
JUL 0.0070 -0.0391 Prueba para las Varianzas
AGO 0.0050 -0.0310 Te= 1.1962
SET 0.0080 -0.0246 Tt= 2.1789
OCT 0.0700 0.5129
NOV 0.1450 3.0373 SI Tiene u 'Relw:kin
DIC 0.1610 -0.5587
Promedio 0.1238 -1.0170
Oesv. Estándar 0.1195 2.9453
Intervalo de Confianza a Partir de lo& Dato& Generado&

GtHl•,..d• par al SANS A partir da loa dlltoa Generadoa
Historical Generated Generada Generada INTERVALO DE CONFIANZA
Meses
ENE 16.2000 15.9700 15.9700 1.2600 14.3559 17.5941 ACEPTADO
FEB 24.4900 24.2500 24.2500 1.5400 22.2773 26.2227 ACEPTADO
MAR 26.0100 25.6200 25.6200 1.5500 23.6345 27.6058 ACEPTADO
ABR 14.3800 14.2300 14.2300 0.7300 13.2949 15.1651 ACEPTADO
MAY 7.5080 7.4490 7.4490 0.3700 6.9750 7.9230 ACEPTADO
JUN 5.0020 4.9810 4.9810 0.1900 4.7376 5.2244 ACEPTADO
JUL 4.4300 4.4230 4.4230 0.1900 4.1796 4.6664 ACEPTADO
AGO 3.8430 3.8380 3.8380 0.1600 3.6330 4.0430 ACEPTADO
SET 3.8110 3.8030 3.8030 0.1700 3.5852 4.0208 ACEPTADO
OCT 4.6730 4.6030 4.6030 0.2100 4.3340 4.8720 ACEPTADO
NOV 6.1740 6.0290 6.0290 0.5600 5.3116 6.7464 ACEPTADO
DIC 8.9330 8.7720 8.7720 0.8800 7.9447 9.8893 ACEPTADO

Gcncl"'lde porei5AM8 A partir de loa datac Oenemdoa
Mese•
Desv. Estand. Desv. Estand. Media Desv. Eatand. Inferior Superior Contraste
ENE 8.3760 8.4810 8.4810 1.1500 7.0079 9.9542 ACEPTADO
FEB 10.0300 10.4600 10.4600 1.3600 8.7178 12.2022 ACEPTADO
MAR 11.3300 11.5100 11.5100 1.5300 9.5501 13.4689 ACEPTADO
ABR 5.3450 5.3990 5.3990 0.6800 4.5279 6.2701 ACEPTADO
MAY 2.8120 2.7800 2.7800 0.3600 2.3188 3.2412 ACEPTADO
JUN 1.3290 1.3320 1.3320 0.1300 1.1655 1.4965 ACEPTADO
JUL 1.2970 1.3120 1.3120 0.1300 1.1455 1.4785 ACEPTADO
AGO 1.0990 1.1130 1.1130 0.1100 0.9721 1.2639 ACEPTADO
SET 1.2230 1.2330 1.2330 0.1100 1.0921 1.3738 ACEPTADO
OCT 1.8410 1.6960 1.6960 0.3300 1.2733 2.1187 ACEPTADO
NDV 4.1080 3.7200 3.7200 0.8900 2.5799 4.8601 ACEPTADO
DIC 5.6770 5.7260 5.7260 1.1400 4.2657 7.1863 ACEPTADO

Stochastlc Analysls Modeling and Slmulation (SAMS)
Modal: Unlvariate PARMA, (Statistlcs Analysli; of Generated Data)
SITE: MOYA
Hlstorlcal Oenerated Historiad Oenerated

MESES N• AROS
Mean Mean ST. Dasv. ST. Desv.
ENE 40 35.9500 35.3400 18.5400 18.5800
FEB 40 53.8000 53.2300 26.0900 27.7700
MAR 40 55.0800 54.0500 23.8600 23.1400
ABR 40 34.0600 33.6200 13.0600 12.8500
MAY 40 19.0100 18.8900 6.3950 6.5470
JUN 40 13.5700 13.5000 2.7220 2.6670
JUL 40 11.6300 11.6000 2.1150 2.1100
AGO 40 10.2500 10.2300 1.8770 1.8270
SET 40 10.0000 9.9770 1.9900 1.9740
OCT 40 10.7900 10.7000 2.1210 2.0600
NOV 40 12.8800 12.7000 6.9030 5.3630
DIC 40 19.6100 19.2900 10.1700 9.6910
Promedio 12 23.8858 23.5939 9.5786 9.5483
Oesv. Estándar 16.7523 16.4585 8.8990 9.1031

ENE 1.0043 0.5867 1.7045 Vert.n.till•l;ualu ENE 0.1470 1.9908 Madl.lc Igual••
FEB 1.1329 0.5867 1.7045 Verfanza¡¡IQuai~U; FEB 0.0946 1.9908 Medlac lgualec
MAR 1.0721 0.5867 1.7045 Vartanua Igual- MAR 0.1956 1.9908 Madlac Igual ..
ABR 1.0330 0.5867 1.7045 Verblnz. . lgualcs ABR 0.1519 1.9908 Nedlaalgual~
MAY 1.0481 0.5867 1.7045 Viitianloni Iguales MAY 0.0829 1.9908 Medla•lgualn
JUN 1.0417 0.5867 1.7045 Vart.nualgu•let~ JUN 0.1162 1.9908 Mf!;dla•lgualftfl
JUL 1.0047 0.5867 1.7045 Vartanus lguatu JUL 0.0635 1.9908 M•dlhlgua~
AGO 1.0555 0.5867 1.7045 Varianzas !guates AGO 0.0483 1.9908 Medla•lgualew
SET 1.0163 0.5867 1.7045 Vartanzu Igual• SET 0.0519 1.9908 Mad!ulg:uala•
OCT 1.0601 0.5867 1.7045 Vart.nDalgual!!!ll OCT 0.1925 1.9908 Mf!;dlnlgualea
NOV 1.2115 0.5867 1.7045 Vartanz.aslguat.a NOV 0.1427 1.9908 Nadlaclgualea
DIC 1.1013 0.5867 1.7045 Vertan... lgwalea DIC 0.1441 1.9908 Madlas lgualn
Prueba de T eara m.restras De~endientes

ENE 0.6100 -1.4948 Te= 3.2081
FEB 0.5700 -90.4848 Tl= 2.1788
MAR 1.0300 38.6220
ABR 0.4400 5.4411 No Tienen Rcladtln
MAY 0.1200 -1.9672
JUN 0.0700 0.2964
JUL 0.0300 0.0211 Ptueba para las Varianzas
AGO 0.0200 0.1852 Te= 0.3244
SET 0.0230 0.0634 Tt= 2.1788
OCT 0.0900 0.2550
NOV 0.1800 6.0836 S.l Tienen Rr.l~IOn
DIC 0.3200 9.5134
Promedio 0.2919 -2.7880
Oesv. Estándar 0.3152 29.7708
Intervalo de Confianza a Partir de los Datoa Generados

GananedaptlraiSAMS A Pilrllr doiQC datos O. nanee! oc
Hlatorfcal Generated Generada Generada INTERVALO DE CONFIANZA
Melles
ENE 35.9500 35.3400 35.3400 2.8100 31.7404 38.9396 ACEPTADO
FEB 53.8000 53.2300 53.2300 4.1400 47.9267 58.5333 ACEPTADO
MAR 55.0800 54.0500 54.0500 3.1400 50.0277 58.0723 ACEPTADO
ABR 34.0600 33.6200 33.6200 1.7500 31.3783 35.8618 ACEPTADO
MAY 19.0100 18.8900 18.8900 0.9000 17.7371 20.0429 ACEPTADO
JUN 13.5700 13.5000 13.5000 0.3800 13.0132 13.9888 ACEPTADO
JUL 11.6300 11.6000 11.6000 0.3000 11.2157 11.9843 ACEPTADO
AGO 10.2500 10.2300 10.2300 0.2700 9.8841 10.5759 ACEPTADO
SET 10.0000 9.9770 9.9770 0.2700 9.6311 10.3229 ACEPTADO
OCT 10.7900 10.7000 10.7000 0.2700 10.3541 11.0459 ACEPTADO
NOV 12.8800 12.7000 12.7000 0.8000 11.6752 13.7248 ACEPTADo
DIC 19.6100 19.2900 19.2900 1.4900 17.3813 21.1987 ACEPTADO

GlcneradD por !ti SAM6 A parttrde loa datoa Gerte1t1doc
Historlcal Generated Generada Generada INTERVALO DE CONFIANZA
Me•es
Oesv. Estand. De&V. Estand. Media Desv. Estand. Inferior Superior Contraste
ENE 18.5400 18.5800 18.5800 2.7100 15.1085 22.0515 ACEPTADO
FEB 26.0900 27.7700 27.7700 4.2800 22.2873 33.2527 ACEPTADO
MAR :23.9600 :23.1400 :23.1400 3.5200 18.6309 27.6491 ACEPTADO
ABR 13.0600 12.8500 12.8500 1.8100 10.5314 15.1686 ACEPTADO
MAY 8.3950 6.5470 6.5470 1.4200 4.7280 8.3660 ACEPTADO
JUN 2.7220 2.6670 2.6670 0.3000 2.2827 3.0513 ACEPTADO
JUL 2.1150 2.1100 2.1100 0.2300 1.8154 2.4046 ACEPTADo
AGO 1.8770 1.8270 1.8270 0.2000 1.5708 2.0832 ACEPTADO
SET 1.9900 1.9740 1.9740 0.2400 1.6666 2.2814 ACEPTADO
OCT 2.1210 2.0600 2.0600 0.2200 1.7782 2.3418 ACEPTADO
NOV 5.9030 5.3630 5.3630 1.0500 4.0180 6.7081 ACEPTADO
ore 10.1700 9.6910 9.6910 1.8000 7.3852 11.9968 ACEPTADO
Model: Unlvariale PARMA, (Statlstlcs Analysls of Generated Data)
SITE: LA MEJORADA
Hlstorlcal Generated Historical Generated

MESES N" AÑOS
ENE 40 230.3000 226.4000 114.7000 110.6000
FEB 40 369.8000 365.5000 177.1000 188.2000
MAR 40 396.3000 390.7000 159.0000 171.3000
ABR 40 243.7000 240.5000 109.6000 116.5000
MAY 40 123.1000 121.8000 42.4100 42.7100
JUN 40 96.7900 96.1600 23.5000 23.1000
JUL 40 93.6500 93.2900 17.4100 17.3100
AGO 40 91.4700 91.2200 14.1500 14.0700
SET 40 87.1200 86.8200 16.5300 16.6300
OCT 40 89.8000 89.0900 17.1600 16.7300
NOV 40 104.5000 103.4000 36.2800 34.0900
DIC 40 140.3000 138.7000 56.5500 55.6500
Protnedlo 12 172.2358 170.2983 65.3658 67.2575
Desv. Est6ndat 112.0749 110.2995 59.1434 63.2296
PrUI!ba de Varianzas Prueba de T para muestras lnd&pendlentes
MESES Fe Ft (Inferior) Ft (Superior) Contraste MESES Te TI Contraste

ENE 1.0755 0.5867 1.7045 Varfan:zaalaualaa ENE 0.1546 1.9908 NedlaaJgualn
FEB 1.1293 0.5667 1.7045 Verianu. Iguales FEB 0.1052 1.9908 Ncdlaa fguokttl
MAR 1.1607 0.5867 1.7045 Varlan.u.slaualas MAR 0.1515 1.9908 Medlaslgt.Jtla•
ABR 1.1299 O.Sas7 1.7045 Yorfenzas lgualos ABR 0.1265 1.9908 Medlas lgua)n
MAY 1.0142 0.5867 1.7045 VO)f'bnzats lgu11fes MAY 0.1366 1.9908 Medias luuales
JUN 1.0349 0.5667 1.7045 ValtanAslguatu JUN 0.1209 1.9908 Medlaslgulllel

JUL 1.0116 0.5667 1.7045 VarfanZ~talguel~ JUL 0.0927 1.9908 Medias lgu11te1
AGO 1.0114 0.5667 1.7045 Val'fanz.aa lgu.tu AGO 0.0792 1.9908 Medlilslguales
SET 1.0121 0.5667 1.7045 Varlaruaslgutltll SET 0.0809 1.9908 Modlaa lguatea
OCT 1.0521 0.5867 1.7045 V•rtan:r.a&lgualu OCT 0.1874 1.9908 Medias Igualas
NOV 1.1326 0.5867 1.7045 Varbinms Iguales NOV 0.1397 1.9908 Ncdl.1111lgualo
DIC 1.0252 0.5667 1.7045 Vartanualgual" DIC 0.1273 1.9908 Nadlas lgua'-
Prueba de T para naJestras Dependientes

ENE 3.9000 923.7300 Te= 3.6647
FEB 4.3000 -4054.8300 Tt= 2.1788
MAR 5.6000 -4062.6900
ABR 3.2000 ·1560.0900 Nu Tienen Rehtchin
MAY 1.3000 ·25.5360
JUN 0.6300 18.6400
AGO 0.2500 2.2576 Te= 1.4821
SET 0.3000 -3.3160 TI= 2.1788
OCT 0.7100 14.5727
NOV 1.1000 154.1103 SI Tienen Rllladó.n
OIC 1.6000 78.6900
Promedio 1.9375 -709.2500
Desv. Estándar 1.6314 1657.7369
Intervalo de Confianza a Partir de los Datos Generado&

Gano,.daporei&AMS A partir de 106 datoa Gcneredoa
Meses
Mean Mean Media Oesv. Estand. Inferior Superior Contraste
ENE 230.3000 226.4000 226.4000 16.3900 205.4044 247.3956 ACEPTADO
FEB 369.8000 365.5000 365.5000 28.0400 329.5808 401.4192 ACEPTADO
MAR 396.3000 390.7000 390.7000 23.5600 360.5196 420.8804 ACEPTADO
ABR 243.7000 240.5000 240.5000 15.6500 220.4524 260.5477 ACEPTADO
MAY 123.1000 121.8000 121.8000 5.7600 114.4214 129.1786 ACEPTADO
JUN 96.7900 96.1600 96.1600 3.2700 91.9711 100.3489 ACEPTADO
JUL 93.6500 93.2900 93.2900 2.4300 90.1772 96.4028 ACEPTADO
AGO 91.4700 91.2200 91.2200 2.0100 88.6452 93.7948 ACEPTADO
SET 87.1200 86.8200 86.8200 2.2600 83.9249 89.7151 ACEPTADO
OCT 89.8000 89.0900 89.0900 2.2000 86.2718 91.9082 ACEPTADO
NOV 104.5000 103.4000 103.4000 4.9900 97.0078 109.7922 ACEPTADO
DIC 140.3000 138.7000 138.7000 8.5600 127.7346 149.6654 ACEPTADO

Gan..-ada po~:~r DI SAMS A partir d11loa datos Generadoe:
Meses
Desv. Estand. Desv. Estand. Media Oesv. Eatand. Inferior Superior Contraste
ENE 114.7000 110.6000 110.6000 18.4600 86.9527 134.2473 ACEPTADO
FEB 1n.1ooo 188.2000 188.2000 25.7900 155.1630 221.2370 ACEPTADO
MAR 159.0000 171.3000 171.3000 22.0900 143.0027 199.5973 ACEPTADO
ABR 109.6000 116.5000 116.5000 17.0600 94.6461 138.3539 ACEPTADO
MAY 42.4100 42.7100 42.7100 5.9100 35.1393 50.2807 ACEPTADO
JUN 23.5000 23.1000 23.1000 2.8100 19.5004 26.6996 ACEPTADO
JUL 17.4100 17.3100 17.3100 1.7900 15.0170 19.6030 ACEPTADO
AGO 14.1500 14.0700 14.0700 1.3600 12.3022 15.8378 ACEPTADO
SET 16.5300 16.6300 16.6300 1.6000 14.5804 18.6796 ACEPTADO
OCT 17.1600 16.7300 16.7300 1.5500 14.7445 18.7156 ACEPTADO
NOV 36.2800 34.0900 34.0900 4.7000 28.0693 40.1107 ACEPTADO
Die 56.5500 55.8500 55.8500 8.noo 44.6166 67.0844 ACEPTADO
ANEXO C-4: RESULTADOS DE LA PRUEBA DE KOLMOGOROV SMIRNOV PARA MUESTRAS

INDEPENDIENTES (HISTÓRICOS Y SINTÉTICOS)
SITE: UPAMA YO- MARZO
Prueba de Mann-Whitney
Rangos
HIST1 SINT2 N Rango promedio Suma de rangos
Q_UPA_M 1,00 40 46,43 1857,00
2,00 50 44,76 2238,00
Total 90
Estadísticos d e prueba•
Q UPA M
U de Mann-Whitney 963,000
W de Wilcoxon 2238,000
z -,300
Sig. asintótica (bilateral) ,764
a. Variable de agrupación: HIST1_SINT2
Prueba de Kolmogorov-Smimov de dos muestras
Frecuencias
HIST1 SINT2 N
Q_UPA_M 1,00 40
2,00 50
Total 90
Esta d(S ti COS d eprue ba8
Q UPA M
Máximas diferencias Absoluta ,180

extremas Positivo ,180
Negativo -,080
Z de Kolmogorov-Smimov ,849

SITE: UPAMAYO-AGOSTO
Rangos
HIST1 SINT2 N Rango_promedio Suma de rangos
Q_UPA_A 1,00 40 46,35 1854,00
2,00 50 44,82 2241,00
Total 90
Estadístlcos de prueba•
Q UPA A
z -,276
Frecuencias
HIST1 SINT2 N
Q_UPA_A 1,00 40
2,00 50
Total 90
Esta dfstcos
1 d e prue baa
Q UPA A

Negativo -,075
SITE: PUENTE CHÚLEC ·MARZO
Prueba de Mann·Whitney
Rang_os
HIST1 SINT2 N RanQo promedio Suma de ranqos
Q_CHÚLEC_M 1,00 40 45,88 1835,00
2,00 50 45,20 2260,00
Total 90
Esta d'IStiCOS
. de ~rue b a•
Q CHÚLEC M
WdeWilcoxon 2260,000
z -,122
Frecuencias
HIST1 SINT2 N
Q_CHÚLEC_M 1,00 40
2,00 50
Total 90
t di Sti COS d e prue b aa

Esa
Q CHÚLEC M

Negativo -,075
Autor: Jímy Marlon Bastidas Valdivia 239
SITE: PUENTE CH0LEC- AGOSTO
Rangos
HIST1 SINT2 N Ranqo promedio Suma de rangos
Q_CHÚLEC_A 1,00 40 47,28 1891,00
2,00 50 44,08 2204,00
Total 90
ES t a d"ISf ICOS d e ¡nueb a8

Q CHÚLEC A
z -,577
Siq. asintótica (bilateral) ,564
Frecuencias
HIST1 SINT2 N
Q_CHÚLEC_A 1,00 40
2,00 50
Total 90
Estadísticos de prueba8
Q CHÚLEC A

Negativo -,075
SITE: PUENTE STUART- MARZO
Rangos
Q_STUART_M 1,00 40 44,63 1785,00
2,00 50 46,20 2310,00
Total 90
EStad"IStiCOS
. d e !)rueb a•
Q STUART M
z -,284
Frecuencias
HIST1 SINT2 N
Q_STUART_M 1,00 40
2,00 50
Total 90
t d"sfICOS d ep_rue ba a
Esa1
Q STUART M

Negativo -,155

SITE: PUENTE STUART- AGOSTO
Rangos
HIST1 SINT2 N Rango_promedio Suma de rangos
Q_STUART_A 1,00 40 45,90 1836,00
2,00 50 45,18 2259,00
Total 90
ES t ad.ISf ICOS d e1~rueb aa
Q STUART A
z -,130
Prueba de.Kolmogorov-Smimov de dos muestras
Frecuencias
HIST1 SINT2 N
Q_STUART_A 1,00 40
2,00 50
Total 90
Esta d(stcos
i de prue ba8
Q STUART A

Ne!:!ativo -,110
\

SITE: COCHAS TONEL- MARZO
Rangos
Q_CTÚNEL_M 1,00 40 44,88 1795,00
2,00 50 46,00 2300,00
Total 90
EStad.15f ICOS det~rueb aa
Q CTÚNEL M
z -,203
Frecuencias
HIST1 SINT2 N
Q_CTÚNEL_M 1,00 40
2,00 50
Total 90
EStadlstcos
1 d e prue ba a
Q CTÚNEL M

Negativo -,130
Z de Kolmogorov-Smirnov ,613
SITE: COCHAS TÚNEL- AGOSTO
Rangos
Q_CTÚNEL_A 1,00 40 45,18 1807,00
2,00 50 45,76 2288,00
Total 90
Estad.tsttcos
. de ¡~rue ba a
Q CTÚNEL A
z -,106
Frecuencias
HIST1 SINT2 N
Q_CTÚNEL_A 1,00 40
2,00 50
Total 90
ES t ad.ISf ICOS d e prue b aa
Q CTÚNEL A

Negativo -,145
Sig~ asintótica. (bilateral)_ ,738
Autor: Jímy Marlon Bastidas Va/dívia 244
SITE: P/ÑASCOCHA - MARZO
RanJIOS
Q_PIÑAS_M 1,00 40 46,01 1840,50
2,00 50 45,09 2254,50
Total 90
ES t ad'ISf ICOS d e prue b a8
Q PIÑAS M
z -,166
Frecuencias
HIST1 SINT2 N
Q_PIÑAS_M 1,00 40
2,00 50
Total 90
t diseos
Esa ti d e prue b aa
Q PIÑAS M
Negativo -,070
Sig. asintótica (bilateral} ,994

SITE: PIÑASCOCHA- AGOSTO
Rangos
HIST1 SINT2 N Ranoo promedio Suma de ranoos
Q_PIÑAS_A 1,00 40 46,79 1871,50
2,00 50 44,47 2223,50
Total 90
ES t ad"IS f ICOS d e_prue b aa
Q PIÑAS A
z -,418
Frecuencias
HIST1 SINT2 N
Q_PIÑAS_A 1,00 40
2,00 50
Total 90
Estadistlcos de prueba8
Q PIÑAS A
Negativo -,095
Sig. asintótica (bilateral) 699
Autor: Jírny Marlon Bastidas Valdivia 246
SITE: PACHACAYO- MARZO
Rangos
a_PACHA_M 1,00 40 45,21 1808,50

2,00 50 45,73 2286,50
Total 90
ES t a d'15t"ICOS d e11 rue baa
a PACHA M
z -,093
Sig. asintótica {bilateral) ,926
Frecuencias
HIST1 SINT2 N
a_PACHA_M 1,00 40
2,00 50
Total 90
ES t ad'IStiCOS
. d e prue b aa
a PACHA M
Máximas diferencias Ábsoluta ,150
Negativo -,140
FACULTADDEINGENIEJÚA CIVIL
ANEXO C-4: RESULTADOS DE LA PRUEBA DE KOLMOGOROV SMJRNOV PARA MUESTRAS

SITE: PACHACAYO-AGOSTO
Ra ngos
Q_PACHA_A 1,00 40 45,41 1816,50
2,00 50 45,57 2278,50
Total 90
EStad"IStiCOS
· d e prueb aa
Q PACHA A
z -,028
Frecuencias
HIST1 SINT2 N
Q_PACHA_A 1,00 40
2,00 50
Total 90
ES t ad"IStiCOS
• d e prue b aa
Q PACHA A

Negativo -,205

S/TE: QUILLÓN- MARZO
Rangos
Q_QUILLÓN_M 1,00 40 45,25 1810,00
2,00 50 45,70 2285,00
Total 90
Estad'1sticos de prueba8
Q QUILLÓN M
z -,081
Prueba de Kolmogorov·Smimov de dos muestras
Frecuencias
HIST1 SINT2 N
Q_QUILLÓN_M 1,00 40
2,00 50
Total 90
Estad'1sticos de prue baa
Q QUILLÓN M

Negativo -,080
.a. Variable de agrupación: HIST1_SINT2
FACULTAD DE INGENIER.iA CIVIL
SITE: QU/LLÓN-AGOSTO
Rangos
HIST1 SINT2 N Rango promedio Suma de rang_os
Q_QUILLÓN_A 1,00 40 46,49 1859,50
2,00 50 44,71 2235,50
Total 90
StiCOS d e prue b aa
Estadi"
Q QUILLÓN A
U de Mann·Whitney 960,500
z -,321
Si¡:¡. asintótica (bilateral}_ ,748
Frecuencias
HIST1 SINT2 N
Q_QUILLÓN_A 1,00 40
2,00 50
Total 90
Estadísticos de pruebaa
Q QUILLÓN A

Negativo -,140
SiQ. asintótica (bilateral)_ ,504
ANEXO C·4: RESULTADOS DE LA PRUEBA DE KOLMOGOROV SMIRNOV PARA MUESTRAS

INDEPENDIENTES (HISTÓRICOS Y SINTÉTICOS) •
SITE: MOYA- MARZO
Rangos
HIST1 SINT2 N RanQo promedio Suma de rangos
Q_MOYA_M 1,00 40 44,99 1799,50
2,00 50 45,91 2295,50
Total 90
f
EstadiSICOS d e prue b a•
Q MOYA M
z -,166
Frecuencias
HIST1 SINT2 N
Q_MOYA_M 1,00 40
2,00 50
Total 90
seos d e prueba8
Etadftl
S
Q MOYA M

Negativo -,140
SITE: MOYA- AGOSTO
Rangos
Q_MOYA_A 1,00 40 45,14 1805,50
2,00 50 45,79 2289,50
Total 90
Estad1sticos de prueba 8
Q MOYA A
W deWilcoxon 1805,500
z -,118
Frecuencias
HIST1 SINT2 N
Q_MOYA_A 1,00 40
2,00 50
Total 90
EStad"IStiCOS
. d e prue b a 8
Q MOYA A

Negativo -,130

SITE: LA MEJORADA- MARZO
Rangos
HIST1 SINT2 N Ran¡Jo promedio Suma de rangos
Q_LAMEJ_M 1,00 40 44,70 1788,00
2,00 50 46,14 2307,00
Total 90
Estadísticos de l'_rueba•
Q LAMEJ M
z -,260
Frecuencias
HIST1 SINT2 N
Q_LAMEJ_M 1,00 40
2,00 50
Total 90
Esta díseos
ti deprue baa
Q LAMEJ M

Negativo -,095
SITE: LA MEJORADA -AGOSTO
Rangos
HIST1 SINT2 N RanQo promedio Suma de rangos
Q_LAMEJ_A 1,00 40 46,10 1844,00
2,00 50 45,02 2251,00
Total 90
ES tad"ISf ICOS d e prue b aa
Q LAMEJ A
z -,195
Frecuencias
HIST1 SINT2 N
Q_LAMEJ_A 1,00 40
2,00 50
Total 90
t díseos
Esa ti d e prue b aa
Q LAMEJ A

Negativo -,105
Sig. asintótica íbilateral) ,542
ANEXO C-5: MODELOS ESTOCÁSTICOS ARMA, PARA LA GENERACJON DE CAUDALES

SINTÉTICOS EN LAS ESTACIONES HIDROMÉTRICAS SELECCIONADAS
Para cada uno de los modelos estocásticos los valores siguientes son:
Xv,1: caudal medio mensual generado Uv, 1: componente estocástica normalizada
~1,,: Variable aleatoria con media cero y varianza uno.
Los valores de Ul,o,Ul,-1 ,~1,o, son iguales a cero
Modelos correspondientes a la Eslación Upamayo PARMA(1 ,0) l

Enero : Xv,l = EXP 2.163330 + 0.787211 ( 0.05420 • UI,U + 0.618744 • 1;1,1 ) ] -( 0.00 )
Febrero : Xv,l = EXP 2.242850 + 1.241692 ( 0.89904 • U1.1 + 1.040920 • 1;1,2 ) ] -( -1.00 )
Marzo : Xv,J = EXP 3.047300 + 1.096276 ( 0.44771 • U1,2 + 0.892778 .. 1;1,3 ) ] -( 2.50 )
Abril : Xv.4 = EXP 2.986440 + 0.928772 ( 0.64647 • U1.3 + 0.360347 ...1;1,4 ) ] -( 2.00 )
Mayo : Xv,s = EXP 3.104250 + 0.467218 ( 0.27328 * U1,4 + 0.153873 00
I;,I,S ) ] -( 4.00 )
Junio : Xv,6 = EXP 3.285530 + 0.434014 ( 0.42106 • U1,s + 0.149667 • 1;1,6 ) ] -( 1.00 )
Julio : Xv,7 =EXP 3.796970 + 0.275322 ( 0.41686 •u1,6 + 0.043069 * 1;1,7 ) ] -( 10.00 )
Agosto : Xv,R = EXP 3.864820 + 0.248687 ( 0.49593 * U1,1 + 0.043202 o¡. l;1,R ) ] -( 10.00 )
Septiembre : Xv,9 =EXP 3.445520 + 0.332119 ( 0.37399 • U1,R + 0.101653 • 1;1,9 ) ] -( 0.00 )
Octubre : Xv,1o = EXP 3.503160 + 0.322348 ( 0.59930 • 01,9 + 0.064292 • 1;1,10 ) ] -( 10.00 )
Noviembre : Xv,u = EXP 3.016330 + 0.558141 ( 1.20859 • 0!,10 + 0.159744 * 1;1,11 ) J -( 3.50 )
Diciembre : Xv,12 = EXP 2.633590 + 0.571655 ( 0.53906 * 01,11 + 0.236267 * 1;1,12 ) ] -( 1.00 )
Modelos corresJl<lndientes a la Es1ación Puente Chúlec PARMA(1,Q) l

Enero : Xv,1 = EXP [ 4.203520 + 0.567239 ( 0.574543 * U1,0 + 0.279134 * 1;1,1 ) J - ( 0.00 )
Febrero : Xv.l = EXP [ 4.638840 + 0.648573 ( 0.316428 * 01.1 + 0.289312 • 1;1,2 ) ] - ( 0.00 )
Marzo : Xv,3 = EXP ( 4.900470 + 0.569309 ( 0.848074 * U1.2 + 0.190898 • 1;1,3 ) ] -( 0.00 )
Abril : Xv,4 = EXP [ 4.481680 + 0.606814 ( 0.479914 .. 01,3 + 0.206733 • /;1,4 ) ] -( 5.00 )
Mayo : Xv,5 = EXP [ 3.870700 + 0.511565 ( 1.242706 "'01,4 + 0.108543 * 1;1,5 ) ] -( 0.00 )
Junio : Xv,6 = EXP [ 3.885310 + 0.391733 ( 0.537911 .. u1,5 + 0.069642 * 1;1,6 ) ] -( 0.00 )
Julio : Xv,7 = EXP [ 4.118080 + 0.278859 ( 0.49414 * U1,6 + 0.052150 * 1;1,7 ) ] -( 5.00 )
Agosto : Xv,s = EXP [ 4.086310 + 0.313878 ( 0.887255 * 01.1 + 0.051196 * 1;1,8 ) J -( 0.00 )
Septiembre : Xv,9 = EXP [ 4.111160+ 0.265583 ( 1.176138 .. 01,8 + 0.066344 * 1;1,9 ) ] -( 10.00 )
Octubre : Xv,IO = EXP [ 3.924040 + 0.291958 ( 0.225901 * U1,9 + 0.033502 • 1;1,10 ) J -( 5.00 )
Noviembre : Xv,tl = EXP [ 3.777090 + 0.383239 ( 0.342372 .. UI.IO + 0.075159 .. l;t,ll ) ] -( 0.00 )
Diciembre : Xv,12 = EXP [ 3.877920 + 0.426215 ( 0.759776 * 01,11 + 0.099240 • 1;1,12 ) J -( 0.00 )
Modelos correspondientes a la Estación Piñascodla PARMA(!.{1) 1

Enero : Xv,l = EXP [ 0.746983 + 0.529316 ( 0.374763 .. 01,0 + 0.209217 .. l;t,l ) ] -( 0.00 )
Febrero : Xv.2 = EXP [ 1.751060 + 0.313474 ( 0.268763 * 01.1 + 0.078028 * 1;1,2 ) l -( 2.00 )
Marzo : Xv,3 = EXP [ 1.447870 + 0.443813 ( 0.600833 * 01,2 + 0.161496 .. 1;1.3 ) l -( 0.00 )
Abril : Xv,4 = EXP [ 2.039100 + 0.151062 ( 0.238623 * U1,3 + 0.011604 * ~1,4 ) ] -( 5.00 )
Mayo : Xv,S = EXP [ 0.266869 + 0.524907 ( 2.034558 * U!,4 + 0.181067 00
1;,1,5 ) l -( 0.00 )
Junio : Xv.6 = EXP [ -0.017945 + 0.461063 ( 0.695599 "' 01,s + 0.079262 * 1;1,6 ) ] -( 0.20 )
Julio : Xv,7 = EXP [ 0.067621 + 0.224913 ( 0.271460 * 01,6 + 0.034921 • ~1,7 ) ] -( 0.50 )
Agosto : Xv,H =
EXP [ -0.908269 + 0.871761 ( 1.844867 * 01,1 + 0.587798 * 1;1.~ ) J -( -0.08 )
Septiembre : Xv,9 =
EXP [ -1.213610 + 1.104074 ( 0.897222 • 01,s + 0.607197 .. ~1,9 ) l -( -0.17 )
Octubre : Xv,IO = EXP [ -0.915140 + 0.630743 ( 0.367532 * U1,9 + 0.233177 * ~1,10 ) l -( -0.10 )
Noviembre : Xv,ll = EXP [ -0.435358 + 0.620066 ( 0.529668 * 01,10 + 0.272869 .. l;t,ll ) ] -( 0.00 )
Didembre : Xv,12 = EXP [ 0.052776 + 0.714792 ( 0.912613. U1,11 + 0.190708 • 1;1,12 ) l -( 0.00 )
FACULTADDEINGENIEJÚA CIVIL
ANEXO C-5: MODELOS ESTOCASTICOS ARMA, PARA LA GENERACION DE CAUDALES

SINTÉTICOS EN LAS ESTACIONES HIDROMÉTRICAS SELECCIONADAS
Xv,1: caudal medio mensual generado Uv,1: componente estocástica normalizada
~1,,: Vatiable aleatoria con media cero y varianza uno.
Los valores de U 1,0 ,U 1.-1 .~1,o, son iguales a cero
L--~--- _~ Modelos correspondienles a la Est~dón Pachacayo J
Enero : Xv.1 = EXP 1 2.534690 + 0.492986 ( 0.606471 • U1.o + ( -0.692235 • U1.-1 ) + 0.196987 * ~1.1 ) 1 - ( 0.00 )
Febrero : Xv.2 = EXP ( 3.079770 + 0.528920 ( 0.529988 • U1,1 + ( 0.109422 * U1.o ) + 0.200696 • ~1.2 ) ) - ( 1.00 )
Marzo ; Xv,3 = EXP ( 3.542300 + 0.352572 ( 0.345746 * U1,2 + ( 0.117879 * U1,1 ) + 0.076343 * ~1.3 ) ) - ( 10.00 )
Abril ; Xv,4 = EXP 1 2.794730 + 0.422924 ( 0.740629 * U1,3 + ( 0.217634 * U1.2 ) + 0.061051 • ~~.• ) 1- (2.00 )
Mayo : Xv.s = EXP ( 1.910090 + 0.409900 ( 0.679819 * U1,4 + ( -0.170054 * U1.3 ) + 0.!08725 • ~1.5 ) 1- (
-0.50 )
Junio : Xv,6 = EXP ( 1.545900 + 0.362748 ( O. 776747 " U1,s + ( -0.245245 * U1,• ) + 0.058228 * ~1,6 ) 1- (
0.00 )
Julio : Xv,7 = EXP 1 0.612914 + 0.715877 ( 1.222546 "U1,6 + ( -ü.489515 * U1,s ) + 0.401882 • ~1.1 ) 1- (
-1.50 )
Agosto : Xv.H = EXP ( 1.149160 + 0.445021 ( 0.431375 * U1,7 + { -0.449322 * UJ.6 ) + 0.118446 * ~I.H ) 1- (
0.00 )
Sep1iembre: Xv,9 = EXP ( 1.301680 + 0.508173 ( 0.997800 * U1,R + ( -0.38R046 * U1,1 ) + 0.117095 * ~1,9 ) 1- {
0.00 )
Odubre : Xv,IO = EXP [ 1.415620 + 0.339392 ( 0.308722 * U1,9 + ( 0.068262 * U1,s ) + 0.084136 * !;1,10 ) 1- (
-0.30 )
Noviembre : Xv,ll = EXP 1 2.063030 + 0.261818 ( 0.557550 * U1,10 + ( -0.187388 * U1,9 ) + 0.042199 * ~1.11 ) J - { 2.00 )
Diciembre ; Xv,l2 = EXP ( 2.020470 + 0.461067 ( 1.299289 * U1,11 + { -0.272473 * U1.10 ) + 0.122020 "~1.12 ) 1 - { 0.00 )
L -~ _______M:-:odelos corresp_cmdiente~JiJª-f:stlción Quffión PAfiMA(1.<l) _____ =:=J

Enero : Xv,J = EXP 3.214300 + 0.323818 ( 0.254527 • U1.0 + 0.080330 • 1;1.1 ) ) - ( 10.00 )
Febrero : Xv,2 = EXP 3.496880 + 0.301247 ( 0.469677 "U1,1 + 0.067619 • 1;1,2 ) ] - ( 10.00 )
Marzo : Xv.J = EXP 3.367950 + 0.368714 ( 0.646421 • U1.2 + 0.098030 * 1;1.3 ) ) - ( 5.00 )
Abril : Xv,4 EXP 2.926160 + 0.277520 ( 0.441214 * U1.3 + 0.050552 * l;t,4 ) ] - ( 5.00 )
Mayo : Xv,s EXP 2.209600 + 0.292815 ( 0.625726 * U1,4 + 0.055586 • I;1,S ) ) - ( 2.00 )
Junio : Xv,6 EXP 2.704190 + 0.089623 ( 0.238822 • UJ.S + 0.003142 • 1;1,6 ) ) - ( 10.00 )
Julio : Xv,7 EXP 2.665180 + 0.091274 ( 0.757489 * U1,6 + 0.003722 * 1;1,1 ) ] - ( 10.00 )
Agosto : Xv,H = EXP 3.170420 + 0.046432 { 0.418571 * U1,1 + 0.000696 * l;l,K ) ] - ( 20.00 )
Septiembre : Xv,9 = EXP 2.621560 + 0.088708 ( 1.727746 • UJ,s + 0.001433 * 1;1,9 ) ] - ( 10.00 )
Octubre : Xv,w = EXP 0.894712 + 0.562992 { 3.767600 * U1,9 + 0.205259 * l;1,111 ) ) - ( -1.80 )
Noviembre : Xv,JJ = EXP 1.400140 + 0.687064 ( 0.607779 * U1,10 + 0.354973 * 1;.1,11 ) ] - ( -LOO )
Diciembre : Xv,12 = EXP 1.999050 + 0.625993 ( 0.626281 * U1,11 + 0.206713 * 1;.1,12 ) ] - ( 0.00 )
'--~---------'-"M=odelos corresp_rJndientes a la ~s_tació'l_M_(Iya Pt.RM~(1,º)_ _ _ _ _ _ _ _ _ ____,]

Enero : Xv,1 = EXP 3.610840 + 0.454998 ( 0.502932 .. UI,O + 0.140937 • 1;1,1 ) ] - ( 5.00 )
Febrero : Xv.2 = EXP 4.070070 + 0.425380 ( 0.584716 • U u + 0.110168 • 1;1.2 ) ] - ( 10.00 )
Marzo : Xv,3 = EXP 3.921290+ 0.413760( 0.623087*U1,2 + 0.100947 *1;.1,3)]- ( 0.00 )
Abril : Xv,4 = EXP 3.458400 + 0.371836 ( 0.592816 * U1,3 + 0.078098 "1;1,4 ) J - ( 0.00 )
Mayo : Xv.s =EXP 1.980280 + 0.669436 ( 1.222066 * U1.4 + 0.241657 * l;1.s ) ] - ( -10.00 )
Junio : Xv,6 = EXP 2.587930 + 0.197690 ( 0.262921 * U1,S + 0.008102 "1;1,6 ) ) - ( 0.00 )
Julio : Xv.7 = EXP 2.437500 + 0.182148 ( 0.832063 * U1.6 + 0.006121 "'1;1,1 ) ] - ( 0.00 )
Agosto : Xv,s = EXP 2.311640 + 0.177203 ( 0.867410 * U1,1 + 0.006438 * l;1,s ) ) - ( 0.00 )
Septiembre : Xv.9 = F..XP 1.536620 + 0.383418 ( 1.991295. UI,H + 0.022497 .. /;1,9 ) ) - ( -5.00 )
Oc1Ubre : Xv,IO = EXP 2.359810 + 0.192231 ( 0.361903 * Ul.9 + 0.017699 * !;1,10 ) ] - ( 0.00 )
Noviembre : Xv,l1 = EXP 2.145100 + 0.530650 ( 1.272144 .. UI,IO + 0.221786 • 1;.1,11 ) J - ( -3.00 )
Diciembre : Xv,l2 = EXP 2.791060 + 0.513044 ( 0.703670 • U1,11 + 0.123785 * !;1,12) ) - ( -1.00 )
Modelos correspondientes a la Estación la Mejorada PARMA(1,0),_ _ _ _ _ _ _ _ _ _____,)

Enero : Xv,l = EXP [ 5.325860 + 0.470660 ( 0.511236 * U1,0 + 0.181259 * l;1.1 ) J - ( 0.00 )
Febrero : Xv,2 = EXP [ 6.076870 + 0.397542 ( 0.459218 "'U1,1 + 0.111325 *l;1,2 ) ] - ( 100.00)
Marzo : Xv.3 = EXP [ 6.031240 + 0.384808 ( 0.651910 • U1.2 + 0.080912 * l;1,3 ) ) - ( 50.00 )
Abril : Xv,4 = EXP [ 5.609970 + 0.389090 ( O. 796144 * UJ,J + 0.057534 * l;l,4 ) J - ( 50.00 )
Mayo : Xv,s = EXP [ 4.754930 + 0.343272 ( 0.709586 • U1,4 + 0.041608 * l;1,s ) ] - ( 0.00 )
Junio : Xv,6 = EXP [ 4.543960 + 0.239215 ( 0.594017 * U1.s + 0.015645 * l;1.6 ) ] - ( 0.00 )
Julio : Xv,7 = EXP [ 4.960000 + 0.121806 ( 0.459362 * U1,6 + 0.002762 • 1;1,7 ) ] - ( 50.00 )
Agosto : Xv,x = EXP [ 8.186310 + 0.003945 ( 0.028474 * U1,1 + 0.000004 * l;1.x ) ) - { 3500.00 )
Septiembre : Xv,9 = EXP [ 4.913520 + 0.121636 ( 22.494772 * UJ.S + 0.006922 * 1;1.9 ) ] - ( 50.00 )
Octubre : Xv,IO = EXP [ 5.241940 + 0.089385 ( 0.549022 * U1,9 + 0.003530 • 1;.1,10) ] • { 100.00 )
Noviembre : Xv,ll = EXP [ 4.593870 + 0.326493 ( 1.905884 * U1.10 + 0.077577 * I;1,JJ ) ) - ( 0.00 )
Diciembre : Xv,n = EXP [ 4.865470 + 0.398541 ( 0.849608 * U1,11 + 0.081889 * l;1,12 ) ] - ( 0.00 )
Generación de Descargas en la Cuenca del Río Mantaro mediallte el Uso de Modelos Estocásticos de Series Sintéticas
ANEXO C-5: MODELOS ESTOCÁSTICOS ARMA, PARA LA GENERACION DE CAUDALES SINTÉTICOS EN LAS ESTACIONES HIDROMÉTRICAS
SELECCIONADAS
Xv,1: caudal medio mensual generado Uv,1: componente estocástica normalizada
~1,T: Variable aleatoria con media cero y varianza uno.
Los valores de Ul,o,UI,-1 .SI.o, son iguales a cero
1 Modelos correspondienils a la Eslación Puente Sfuart PARMA(g,j) 1
Enero : Xv.t 1 5.092500 + 0.470380
= EXP ( 2.432491 • U!,O + ( -0.708628 * Ut.-1 ) - ( 1.588663 * 0.134369 * ~l,O ) + 0.134369 • ~l,l ) 1- ( 0.00 )
Febrero : Xv,2 = EXP 1 5.555070 + 0.529583 ( 0.354058 * U1,1 + ( -0.012865 * Ul.o ) - ( -0.212818 * 0.227141 * ~1.1 ) + 0.227141 * ~1.2 ) 1- ( 0.00 )
Marzo : Xv.J = EXP [ 5.606170 + 0.481961 ( -1.016071 * U1,2 + ( 0.741386 .. U1,1 ) - ( -1.359804 .. 0.188265 * ~1,2 ) + 0.188265 * ~1,3 ) 1 - ( 0.00 )
Abril : Xv,4 = EXP [ 5.221240 + 0.495430 ( 0.866460 * U1,J + ( 0.007015 * U1.2 ) - ( 0.232511 • 0.135478 * ~1.3 ) + 0.135478 .. ~1.4 )1- ( 0.00 )
Mayo : Xv,s = EXP [ 4.074170 + O. 776566 ( 4.938342 * U1.4 + ( -2.583490 * U1,3 ) - ( 4.249398 .. 0.343481 .. ~1.4 ) + 0.343481 * ~1.5 )1- ( -40.00 )
Junio : Xv,6 = EXP ( 3.983040 + 0.400197 ( 0.115400 * U1,5 + ( 0.118430 * UJ,4 ) - ( -0.201185 • 0.112610 * ~1,5 ) + 0.112610 *1;1,6 )1- ( -30.00 )
Julio : Xv,7 = EXP ( 3.377290 + 0.531617 ( 2.316270 * U1,6 + ( -0.385629 * U1,s ) - ( 1.673456 * 0.187245 * 1;1,6 ) + 0.187245 .. 1;1,7 )1- ( -50.00 )
Agoskl : Xv,s = EXP ( 3.410320 + 0.513251 ( 0.515198 .. U1,7 + ( 0.167830 * Ul,6 ) - ( -0.287001 .. 0.092588 .. l;l,7 ) + 0.092588 .. l;t,8 )1- ( -50.00 )
Septiembre : Xv,9 = EXP ( 3.609130 + 0.522964 ( 0.409657 * U1,s + ( 0.328156 * U1.1 ) - ( 0.073537 .. 0.144977 • ~1,8 ) + 0.144977 ... l;1,9 )1- ( -40.00 )
Octubre : Xv,JU = EXP ( 3.732260 + 0.439258 ( 0.467289 • U!,9 + ( 0.097892 • UI,M ) - ( 0.092404 .. 0.126154 .. l;l,9 ) + 0.126154 • ~1,10 ) 1 - ( -40.00 )
Noviembre : Xv.ll = EXP [ 4.239140 + 0.441459 ( 2.313587 * U1,10 + ( -1.132967 * U!,9 ) - ( 1.860632 * 0.148980 • ~1.10 ) + 0.148980 .. l;l,ll ) 1- ( -20.00 )
Diciembre : Xv.12 = EXP 1 4.767990 + 0.332048 ( 0.257349 * U1.11 + ( 0.136299 * U1.10 ) - ( 0.030388 * 0.091547 • ~1.11 ) + 0.091547 • ~1.12 ) 1- ( 0.00 )
[ Modelos corresJlondienils a la Eslación Gochas Túnel PARMA(2, 1) l

Enero : Xv.1 = EXP [ 1.92001 + 0.532954 ( -0.226107 * U1,0 + ( 0.316484 * UJ,-1 ) - ( -0.906092 • 0.217080 .. ~1.0 ) + 0.217080 .. l;l,l )1-( -0.50 )
Febrero : Xv.2 = EXP [ 2.82516 + 0.326449 ( 0.895264 * U1,1 + ( -0.232566 * U1,0 ) - ( 0.649458 * 0.072225 .. l;l,l ) + 0.072225 * 1;1,2 ) } -( 5.00 )
Marzo : Xv.J ·= EXP
( 2.59274 + 0.489919 ( 2.706666 * U1,2 + ( -0.498002 * U1,1 ) - ( 2.122516 * 0.135635 * 1;1,2 ) + 0.135635 * 1;1.3 ) 1 - ( 0.00 )
Abril : Xv.4 = EXP
( 2.60917 + 0.304371 ( 0.618306 * U1.3 + ( 0.093895 ,. U1,2 ) - ( 0.307413 • 0.028197 * ~1,3 ) + 0.028197 • l;1,4 )1- ( 5.00 )
Mayo : Xv.s = EXP [ 1.40647 + 0.451212 ( 1.568576 * U1,4 + ( -0.164208 * U1.3 ) - ( 0.399819 * 0.059383 • l;1,4 ) + 0.059383 * l;I.S ) 1 - ( 0.00 )
Junio : Xv,6 =
EXP [ 1.26065 + 0.300032 ( 1.245996 • u 1,5 + ( -0.931412 * UJ,4 ) - ( 0.621913 * 0.029851 * ~1,5 ) + 0.029851 • l;1,6 )1-( 1.00 )
Julio : Xv,7 =
EXP [ 1.00802 + 0.277669 ( -1.063746 * U1.6 + ( 0.810904 * Ut,s ) - ( -1.723003 * 0.051100 • l;1,6 ) + 0.051100 • l;l,7 )1-( 0.80 )
Agoskl : Xv.s = EXP [ -0.02962 + 0.632520 ( -0.047726 * Ut,7 + ( -0.119626,. U1,6 ) - ( -1.514809 .. 0.288236 • .;1.7 ) + 0.288236 * l;1.8 ) 1 - ( -0.70 )
Septiembre : Xv.9 =
EXP ( -0.42079 + 1.106806 ( 2.210094 * U1,8 + ( -1.677448 * U1.1 ) - ( 1.037042 • 0.572366 * l;1,8 ) + 0.572366 • l;1.9 ) 1- ( -1.10 )
Octubre : Xv.10 = EXP [ 0.75262 + 0.399321 ( 0.239951 * U1,9 + ( -0.053035 * Ut.s ) - ( -0.013530 • 0.095955 * l;1.9 ) + 0.095955 * l;1.10 ) 1 - ( -0.40 )
Noviembre : Xv.n = EXP [ 1.62732 + 0.255663 ( -1.517958 * Ul.IO + ( 0.378583 * U1.9 ) - ( -1.999656 * 0.039263 * l;1.10 ) + 0.039263 * ~1,11 ) 1 - ( 1.50 )
. Diciembre : Xv.12 =
EXP [ 1.53722 + 0.439023 ( 0.744310 * U1,11 + ( -0.107630 * Ul,IO ) - ( -0.175403 • 0.151969 * l;l,ll ) + 0.151969 * ~1.12 ) 1 - ( 0.00 )
ANEXO D-1: MAPA DE UBICACIÓN Y LOCALIZACIÓN DE LA CUENCA DEL RiO MANTARO
MAPA DE UBICACIÓN DE LA CUENCA DEL RIO MANTARO
10"5!ltl"l!'
11'40'0'"8
12":mr5 i
~:J;..:."'ts~'l
,~ ....... ,"; ·~ 'i" ~
13'2ltl"S
76'40"0'W 75'0VW
:LEYENDA
r-: ......u..-
_ouc.o.v~u
[_ :J !ll.loii"AS • Al'I.WMlC
cc~MM·C:-11NC~
D (;A.QI;n,fOI'r..ldJEV.
io
r ------·
--
---·---·-----~-~-
UNIVERSIDAD NACIONAL DEL C~ DEL PERÚ .(}

f/'.CULTADOE INGEN:ERIA.CML .......,_
1 TEn: GENE..~IOEDESO..'IGASEIILACI.JtHCA09.R!o
~ !».NTAAO MEOWI'Tt: EL USO DE MCIDE:LOS
i;S1tiC:ASTIOO!l OE SERIES SlmUICAS
IW'A: ii.IAfli\OEUI:!IC\CtÓNYLOCAUZACIÓNDEIA
CUENCAOB. Rf.O I.W«AAO
'1 :25;000.000 , 1 ElABORADO- ESJC-'U: : RieNTE: N•
JM8V 1:2.250.000 ION-MINAN 01
FACULTAD DE INGENIE/ÚA CIVIL
ANEXO D-2: CLASIFICACIÓN DE LAS CUENCAS HIDROGRÁFICAS SEGÚN LA AUTOR/DAD

NACIONAL DEL ANA (ANA)
CLASIFICACIÓN DE LAS CUENCAS HIDROGRÁFICAS DEL PERÚ
ovo· ·~ . O'W
1'4WS
/
1 "'\
)
"-· "'""~' "-,_.....-'. '"-..
+
1'JGV8 1
_,·-' ' '
~ ~··· ..
l'<'!l'II'S
''IO'ITS ,
1
. )--:J' ¡/' l"UlVS
5'0'0'"3
i
\ if'"'"J
5'110V'l! ',
1
j V
'
..( 6'4li'O"S
rXI'O"s "\
(1
vm
\
' \
\fV \ IX
9'1WS . \
"1
runrs
10V0"5
. \ )J.... 10'll'O"S
10'5DVS
\ j
.\
11'40trS 1
.\
X JCJI
'
\
•
1
;;¡
U'IWS
\ 11
\.
15"!iOVS
1
1t!'S1!l"S :
11'll'C'S
1
IM!ro'S
0 UIGO.JIJICH
lEYENDA
o ~·-ZAR~ ,1
lo UHIVERSIOAO NACIONAL DEL CE_NTRO
FACULTADOEINGEifiERIACML
OEli~RÜ 6
-
cueNcAs o~EOEDIOS i TE:&O: ~DE: DE:SCAAGAS EN V. CUENCA OOLR!:>
n AMAZO!Cii!\ o· *''"Ano
1 IMNTAAO MEDWfl'E. E:lll"->0 DE MODEI.IOS
o CAPUIIA ,oa¡¡¡,. o ~WV,fiC»> E:STOCASTICOS DE. SERIES S:UT~
0 C:..M¡TE .RJRtA!EZA :-~ 1'11.~-Al'UR!W.C

[ • OW'AARI<·CHINCHAc-~ TTTJCAC-'
EI.AIIORADO: EXAU.: fUIEKTE; N"
Í HIW.UGA 0 U!lAYALI
e·; H-JAR14Y • a«Au.to , ISUI&lWA. W.CANOTA JMBV 1:10,000.000 lOM-ANA 02
Generación de Descargas en la Cuenca de/Río Malltaro mediante el Uso de Modelos Estocásticos de Series Sintéticas
ANEXO D-3: AREA DE INFLUENCIA DE LAS ESTACIONES HIDROMÉTRICAS EN LA

CUENCA DEL RIO MANTARO
-
··' .MAJIAI)
~i.<
,. .
" ~·.
,.
=
~.----rc--·""t----1-~
ll
"
r
~.
t1
7.t"l'"""''
o
1
UNIYEJtstDAO HACIOHAl. DEL CENTRO DEL I'EJtÜ
FACULTAD DE INGEN1ER1ACML
6
-
lUI:I~ ~ OE OEllCAAG.U DE U. CUENCA DEt.RIO
M.t.HT.t.RO MEDWirtt EL \100 DE MOOE1.03
ESTOCÁ!mi:O:I DE URIEll!itHTFrlCAll
. I!IMI.' ÁREA DE t"UJE1'10AOE ~ESTAOOHES.-oi.IÉTRICAll

EH lA CIJO«: .t. DEl Rio U.t.HTARO
JMIIY 1:1,600.000 ICIII.MUQ..UIA 03
UNIVERSIDAD NACiONAL DEL CENTRO DEL PERÚ
FACULTAD DE INGENIEJÚA CIVIL
ANEXOD-4: MAPA DE REUEVE DE LA CUENCA.1JeL llio A!ANTARO
ftilngu Antmdlnnf (:msom).

c:,;:r~; ~¡¡ . :q:!cioo-~
: -~45®~iS(ijj(l ~~~~-ZSOQ .
.' • 4®tl•4500 .1:500-2000 ,....,__ _
- ssoo;..;ooo .
. . • :!IJOO - 3500 .
. ,' '· ~ .t·.' : .
. ........--~- :-,-. '·... ·"' .
Generació11 de Descargas en la Cuenca del Rio Maníat'O i,¡edia~t~'iJTfJ}¡j;l¡Jtifif!JiJM:#i{J'/;i;ifc"as de Serie$ SilztétiaJs

Autor: Jimy Morlon Bastidtis Va/divia -=-.--..-.. .,,:.-:....-(, .··-:·-~=_:,··., · ·· -261
·<_::=. ·

Tciv 03 PDF

Cargado por

Copyright:

Formatos disponibles

Tciv 03 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tciv 03 PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

fACULTAD DE INGENIERfA CIVIL

"GENERACION DE DESCARGAS EN LA CUENCA

MODELOS ESTOCASTICOS DE SERIES

PARA OPTAR EL TfTULO PROFESIONAL DE:

MIEMBROS DEL JURADO

lng. Javier Francisco Chávez Peña

Lic. Robe o Julio Ángeles Vásquez

D.Sc. Abel An?e;>rto Muñiz Paucarmayta

A mis queridos Padres Jesús Justo Bastidas Córdova

A Dios por brindarme salud y entendimiento.

MIEMBROS DE JURADO .......................................................................................................!

1.1. PLANTEAMIENTO DEL PROBLEMA ...................................................................... 1

2.1. ANTECEDENTES ..................................................................................................... 6

2.9.2.3 DISTRIBUCIÓN LOG NORMAL 3 PARÁMETROS ............................................ 59

3.1. LUGAR DE REALIZACIÓN ..................................................................................... 63

4.1. INFORMACIÓN HIDROMÉTRICA ......................................................................... 91

5.1. CONCLUSIONES .................................................................................................. 178

BIBLIOGRAFfA ................................................................................................................. 179

Figura 2.1 Forma típica de un salto ....................................................................................................... l l

Figura 4.53 Función de Autocorrelación para la Estación Pachacayo - LN ................................ 124

Tabla 2.1 Clasificación de los Modelos Hidrológicos ........................................................................ 35

Tabla 2.3 Valores de periodo de retorno T asociado al riesgo R ................................................... 56

Tabla 2.4 Valores críticos de Atabla del estadístico K-S ..................................................................... 62

Tabla 3.3 Principales Estaciones Hidrométricas ............................................................................... 68

Tabla 3.4 Disponibilidad de Datos de las Estaciones Seleccionadas ............................................ 69

Tabla 3.8 Función de Autocorrelación con Límites de Anderson ................................................... 82

Tabla 3.9 Modelo Periódico ARMA (p,q) ............................................................................................ 87

Tabla 4.1 Estaciones hidrométricas seleccionadas y ordenadas por grupos ............................... 91

Tabla 4.4 Estaciones fndices en los grupos de estaciones hidrométricas .................................... 94

Tabla 4.7 Resultado de los análisis de tendencia en la media ..................................................... 105

Tabla 4.14 Series normalizadas con transformación logarítmica ................................................. 121

Tabla 4.16 Función de Autocorrelación (FA)- LN ......................................................................... 125

Tabla 4.18 Función de Autocorrelación (FA)- STAN .................................................................... 129

A-1: DIAGRAMA DE FLUJO PARA EL TRATAMIENTO DE DATOS HIDROMÉTRICOS ...................... 183

En la presente tesis se desarrolla la construcción de un modelo estocástico

El software que se utilizó para la construcción del modelo estocástico es

Obtenida las series sintéticas generadas se seleccionó los caudales máximos

Uno de los aspectos esenciales en el planeamiento, diseño y operación de

El modelamiento estocástico de series hidrológicas tates como caudales, ha

Para nuestro modelamiento, aplicaremos el modelo estocástico ARMA

El desarrollo de esta tesis está conformado por seis capítulos:

En el Capítulo 1 se hace mención al planteamiento de la investigación, en

En el Capítulo 2 se hace mención a las consideraciones teóricas que son útiles

En el Capítulo 3 se desarrolla toda la metodología y los .materiales utilizados

En el Capítulo 4 se realiza la generación de series sintéticas para la

En el Capítulo 5 se hace mención a las conclusiones y recomendaciones de

La finalidad de esta investigación es elaborar modelos que tengan una mejor

1.1. PLANTEAMIENTO DEL PROBLEMA

Por ende uno de los aspectos esenciales en el planeamiento, diseño y

Sin embargo el problema perenne del hidrólogo es la insuficiencia de

El modelamiento estocástico de series hidrológicas trata de lograr una

Es así que en ésta investigación se logrará generar series sintéticas de

1.1.1. PROBLEMA GENERAL

¿El uso de modelos estocásticos de series sintéticas permitirá determinar

1.1.2. PROBLEMAS ESPECfFICOS

../ ¿Cómo influyen las variables hidrometeorológicas en la generación de

1.2.1. OBJETIVO GENERAL

Aplicar modelos estocásticos de series sintéticas que permita generar