Hid Rolo Gia
-
Upload
jhon-lois-jose-camacho -
Category
Documents
-
view
42 -
download
4
Transcript of Hid Rolo Gia
REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA DEFENSA
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
DE LA FUERZA ARMADA
SABANETA – BARINAS
SABANETA, FEBRERO 2013
PROFESOR:
Rafael Torres
INTEGRANTES:
Ali Gómez C.I 19.613.718
José Camacho C.I
Manuel Artahona C.I
Ing. Civil “B”5to. Semestre Nocturno
INTRODUCCIÓN.
El presente trabajo tiene como objetivo exponer la distribución exponencial
de forma teórica y práctica. A pesar de la sencillez analítica de
sus funciones de definición, la distribución exponencial tiene una
gran utilidad práctica ya que podemos considerarla como
un modelo adecuado para la distribución de probabilidad del tiempo de
espera entre dos hechos que sigan un proceso de Poisson. De hecho la
distribución exponencial puede derivarse de un proceso experimental de
Poisson con las mismas características que las que enunciábamos al
estudiar la distribución de Poisson, pero tomando como variable aleatoria, en
este caso, el tiempo que tarda en producirse un hecho.
Una distribución de probabilidad indica toda la gama de valores que
pueden representarse como resultado de un experimento. Una distribución
de probabilidad es similar al distribución de frecuencias relativas .Sin
embargo, en vez de describir el pasado, describe la probabilidad que un
evento se realice en el futuro, constituye una herramienta fundamental para
la prospectiva, puesto que se puede diseñar un escenario de
acontecimientos futuros considerando las tendencias actuales de diversos
fenómenos naturales.
Las decisiones estadísticas basadas en la estadística inferencial son
fundamentales en la investigación que son evaluadas en términos de
distribución de probabilidades.
En el presente trabajo, se estudia de manera ágil los diverso tipos de
distribución probabilística, caracterizaremos cada distribución, la
fundamentación matemática de los diversos resultados no se enfocaran en el
presente trabajo; sólo me limitaré al estudio descriptivo de la distribución de
probabilidades discretas.
IMPORTANCIA DE LA DISTRIBUCIÓN.
Se pone de manifiesto ante las variadas disciplinas del quehacer humano
en las cuales este concepto está involucrado, en forma definida o implícita.
Así, la distribución en el campo de las ciencias exactas remite a los
parámetros estadísticos de la distribución de probabilidades de las variables
aleatorias, entendida como una función que permite asignar a ciertos
sucesos definidos la probabilidad de que esos sucesos tengan lugar. Del
mismo modo, en el rico entorno del análisis matemático, se reserva la idea
de distribución a la denominada teoría de funciones generalizadas, ideal para
extender la aplicación de derivadas a todas las funciones matemáticas que
pueden integrarse. La sistematización de la distribución aplicada al análisis
matemático ha permitido avances acentuados en ámbitos como la ingeniería,
la física, el diagnóstico por imágenes y el procesamiento de señales, entre
otros.
Una distribución de probabilidad la podemos concebir como una distribución
teórica de frecuencia, es decir, es una distribución que describe como se
espera que varíen los resultados. Dado que esta clase de distribuciones se
ocupan de las expectativas son modelos de gran utilidad para hacer
inferencias y tomar decisiones en condiciones de incertidumbre.
VARIABLE ALEATORIA.
Es aquella que asume diferentes valores a consecuencia de los resultados
de un experimento aleatorio. Estas variables pueden ser discretas o
continuas. Si se permite que una variable aleatoria adopte sólo un número
limitado de valores, se le llama variable aleatoria discreta. Por el contrario, si
se le permite asumir cualquier valor dentro de determinados límites, recibe el
nombre de variable aleatoria continua.
EL VALOR ESPERADO.
El valor esperado es un concepto fundamental en el estudio de las
distribuciones de probabilidad. Desde hace muchos años este concepto ha
sido aplicado ampliamente en el negocio de seguros y en los últimos veinte
años ha sido aplicado por otros profesionales que casi siempre toman
decisiones en condiciones de incertidumbre.
Para obtener el valor esperado de una variable aleatoria discreta,
multiplicamos cada valor que ésta puede asumir por la probabilidad de
ocurrencia de ese valor y luego sumamos los productos. Es un promedio
ponderado de los resultados que se esperan en el futuro.
ANÁLISIS DE FRECUENCIA.
El análisis de frecuencia es una herramienta utilizada para predecir el
comportamiento futuro de los caudales en un sitio de interés, a partir de la
información histórica de caudales. Es un método basado en procedimientos
estadísticos, que permite calcular la magnitud del caudal asociado a un
período de retorno. Su confiabilidad depende de la longitud y calidad de la
serie histórica, además de la incertidumbre propia de la distribución de
probabilidades seleccionada. Cuando se pretende realizar extrapolaciones a
períodos de retorno mayores que la longitud de la serie disponible, el error
relativo asociado a la distribución de probabilidades utilizada es más
importante, mientras que en interpolaciones, la incertidumbre está asociada
principalmente a la calidad de los datos a modelar; en ambos casos la
incertidumbre es alta dependiendo de la cantidad de datos disponibles
(Ashkar, et al. 1993).
El análisis de frecuencia consiste en determinar los parámetros de las
distribuciones de probabilidad y determinar con el factor de frecuencia la
magnitud del evento para un período de retorno dado. Para determinar la
magnitud de eventos extremos, cuando la distribución de probabilidades no
es una función fácilmente invertible, se requiere conocer la variación de la
variable respecto a la media.
DISTRIBUCIÓN NORMAL
En estadística y probabilidad se llama distribución normal, distribución de
Gauss o distribución gaussiana, a una de las distribuciones de
probabilidad de variable continua que con más frecuencia aparece
aproximada en fenómenos reales.
La gráfica de su función de densidad tiene una forma acampanada y es
simétrica respecto de un determinado parámetro estadístico. Esta curva se
conoce como campana de Gauss y es el gráfico de una función gaussiana.
La importancia de esta distribución radica en que permite modelar
numerosos fenómenos naturales, sociales y psicológicos. Mientras que los
mecanismos que subyacen a gran parte de este tipo de fenómenos son
desconocidos, por la enorme cantidad de variables incontrolables que en
ellos intervienen, el uso del modelo normal puede justificarse asumiendo que
cada observación se obtiene como la suma de unas pocas causas
independientes.
De hecho, la estadística es un modelo matemático que sólo permite
describir un fenómeno, sin explicación alguna. Para la explicación causal es
preciso el diseño experimental, de ahí que al uso de la estadística en
psicología y sociología sea conocido como método correlacional.
La distribución normal también es importante por su relación con la
estimación por mínimos cuadrados, uno de los métodos de estimación más
simples y antiguos.
Algunos ejemplos de variables asociadas a fenómenos naturales que
siguen el modelo de la normal son:
caracteres morfológicos de individuos como la estatura;
caracteres fisiológicos como el efecto de un fármaco;
caracteres sociológicos como el consumo de cierto producto por
un mismo grupo de individuos;
caracteres psicológicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes;
etc.
La distribución normal también aparece en muchas áreas de la propia
estadística. Por ejemplo, la distribución muestral de las medias muéstrales es
aproximadamente normal, cuando la distribución de la población de la cual
se extrae la muestra no es normal.1 Además, la distribución normal maximiza
la entropía entre todas las distribuciones con media y varianza conocidas, lo
cual la convierte en la elección natural de la distribución subyacente a una
lista de datos resumidos en términos de media muestral y varianza. La
distribución normal es la más extendida en estadística y muchos tests
estadísticos están basados en una supuesta "normalidad".
En probabilidad, la distribución normal aparece como el límite de varias
distribuciones de probabilidad continuas y discretas.
La línea verde corresponde a la distribución normal estándar
Función de densidad de probabilidad
Función de distribución de probabilidad
DISTRIBUCIÓN LOG-NORMAL.
En probabilidades y estadísticas, la distribución log-normal es
una distribución de probabilidad de cualquier aleatoria con
su logaritmo normalmente distribuido (la base de una función logarítmica no
es importante, ya que loga X está distribuida normalmente si y sólo si
logb X está distribuida normalmente). Si X es una variable aleatoria con una
distribución normal, entonces exp (X) tiene una distribución log-normal.
Log-normal también se escribe log normal o lognormal.
Una variable puede ser modelada como log-normal si puede ser
considerada como un producto multiplicativo de muchos pequeños factores
independientes. Un ejemplo típico es un retorno a largo plazo de una
inversión: puede considerarse como un producto de muchos retornos diarios.
La distribución log-normal tiende a la función densidad de probabilidad
para , donde y son la media y la desviación estándar del
logaritmo de variable. El valor esperado es
y la varianza es
.
DISTRIBUCIÓN EXPONENCIAL.
Mientras que la distribución de Poisson describe las llegadas por unidad
de tiempo, la distribución exponencial estudia el tiempo entre cada una de
estas llegadas. Si las llegadas son de Poisson el tiempo entre estas
llegadas es exponencial. Mientras que la distribución de Poisson es
discreta la distribución exponencial es continua porque el tiempo entre
llegadas no tiene que ser un número entero. Esta distribución se utiliza
mucho para describir el tiempo entre eventos. Más específicamente la
variable aleatoria que representa al tiempo necesario para servir a
la llegada.
Ejemplos típicos de esta situación son el tiempo que un medico dedica a
una exploración, el tiempo de servir una medicina en una farmacia, o el
tiempo de atender a una urgencia.
El uso de la distribución exponencial supone que los tiempos
de servicio son aleatorios, es decir, que un tiempo de servicio determinado
no depende de otro servicio realizado anteriormente ni de la posible cola que
pueda estar formándose. Otra característica de este tipo de distribución es
que no tienen "edad" o en otras palabras, "memoria". Por ejemplo.
Supongamos que el tiempo de atención de un paciente en una sala
quirúrgica sigue una distribución exponencial. Si el paciente ya lleva 5 horas
siendo operado, la probabilidad de que esté una hora más es la misma que si
hubiera estado 2 horas, o 10 horas o las que sea. Esto es debido a que la
distribución exponencial supone que los tiempos de servicio tienen una gran
variabilidad. A lo mejor el próximo paciente operado tarda 1 hora porque su
cirugía era mucho más simple que la anterior.
La función de densidad de la distribución exponencial es la siguiente:
Se dice que la variable aleatoria continua X tiene distribución exponencial
con parámetro
Su gráfica es un modelo apropiado a vida útil de objetos.
Par calcular la esperanza matemática y la varianza, se hallara primero el
momento de orden r respecto del origen:
DISTRIBUCIÓN DE GUMBEL.
teoría de probabilidad y estadística la distribución de Gumbel (llamada así
en honor de Emil Julius Gumbel (1891-1966) es utilizada para modelar la
distribución del máximo (o el mínimo), por lo que se usa para calcular valores
extremos. Por ejemplo, sería muy útil para representar la distribución del
máximo nivel de un río a partir de los datos de níveles máximos durante 10
años. Es por esto que resulta muy útil para predecir terremotos, inundaciones
o cualquier otro desastre natural que pueda ocurrir.
La aplicabilidad potencial de la distribución de Gumbel para representar
los máximos se debe a la teoría de valores extremos que indica que es
probable que sea útil si la muestra de datos tiene una distribución normal o
exponencial.
Propiedades:
Una muestra de papel para graficar que incorpora la distribucion Gumbel
La función de distribución acumulada de Gumbel es:T
La mediana es
La media es donde = Constante de Euler-Mascheroni
0.5772156649015328606.
La desviación estándar es:
La moda es μ.
DISTRIBUCIÓN ESTÁNDAR DE GUMBEL.
La distribución estándar de Gumbel es el caso donde μ = 0 y β = 1
con la función acumulada
y la función de densidad
La mediana es 0.36651292058166432701.
La media es , the Euler–Mascheroni constant 0.5772156649015328606.
La desviación estándar es
1.28254983016186409554.
La moda es 0.
ESTIMACIÓN DE PARÁMETROS
Un modo práctico de usar la distribución puede ser:
Donde M es la mediana. Para ajustar los valores es posible tomar la median
directamente y a continuación de varía μ hasta que se ajusta al conjunto de
valores.
GENERACIÓN DE VARIABLES DE GUMBEL.
Sea una variable aleatoria U extraía de una distribución uniforme y
continua, en el intervalo [0, 1], entonces la variable:
Tiene una distribución de Gumbel con parámetros μ and β. Esto se
deduce de la forma de la función de distribución acumulada dada
anteriormente. A todos los valores anteriores se les debe multiplicar por 100
y dividir por 33,33 para tener mayor confiabilidad
Distribuciones relacionadas.
Cuando la cdf de Y es la inversa de la distribución estándar de Gumbel
acumulada, , entonces Y tiene una Distribución de
Gompertz.
Distribución de Gumbel Opuesta
Algunos autores emplean una versión modificada de la distribución de
Gumbel.2 La función de distribución acumulada opuesta de Gumbel es:
La función de densidad de probabilidad es:
Análisis de Frecuencias.
El procedimiento Frecuencias permite obtener una descripción de la
distribución de la variable mediante:
- Tablas de Frecuencias.
- Histogramas y Gráficos de Barras.
- Cálculo de percentiles, Medidas de Tendencia Central y Medidas
de Dispersión.
Para ejecutar tal procedimiento hemos de elegir una tras otra las
siguientes opciones:
A continuación se abre un cuadro de diálogo con los siguientes
campos:
Variables: donde se introducen las variables que se van a analizar. Estas se
seleccionan de la lista que muestra el sistema, y después de marcarlas con
el ratón se pulsa el botón con una flecha hacia la derecha para llevarlas a
este campo.
Mostrar tablas de frecuencias: esta opción está activada por defecto y hace
que el sistema construya las tablas de frecuencias de las variables
seleccionadas, mostrándose los valores de las variables, las frecuencias
absolutas, los porcentajes sin incluir los valores missing e incluyéndolos, y
las frecuencias relativas acumuladas. En caso de que no se quiera se deberá
desactivar.
En la parte inferior del cuadro aparecen tres botones:
Estadísticos. Este botón abre un cuadro donde se solicitan los
estadísticos descriptivos de las variables numéricas seleccionadas. Entre los
estadísticos que permite el sistema, se encuentran:
- Valores Percentiles. Este cuadro recoge entre otros a:
Los Cuartiles son cuatro valores que dividen el conjunto total de datos en
cuatro partes iguales.
Los puntos de corte para dividir el conjunto total de datos en un cierto
número específico de grupos iguales. Este número que se ha de introducir ha
de estar entre 2 y 100. Por defecto es 10, luego se trata de los deciles.
Los Percentiles se pueden solicitar varios indicando el porcentaje que se
desea, y luego pulsando el botón AÑADIR.
- Tendencia Central. Entre las medidas de tendencia central que permite
están la media, la mediana, y la moda. También recoge la suma de los datos.
- Dispersión. Aquí se puede seleccionar la desviación típica, la varianza, el
rango, el máximo, el mínimo y el error típico de la media.
- Distribución. En este cuadro se solicitan los coeficientes de Asimetría y
Curtosis.
En el caso de variables continuas, se puede pedir que los cálculos de las
medidas se realicen con los puntos medios de los intervalos, activando tal
campo.
GRÁFICOS. Al pulsar este botón se abre un cuadro con las siguientes
alternativas:
- Gráficos de Barras. Propios de variables discretas o categóricas.
- Histogramas. Adecuados para variables continuas. Sobre éstos se puede
superponer la función de densidad de la Normal, si se activa el campo Con
curva normal.
- Gráficos de Sectores. Tanto para variables discretas como continuas.
Por defecto está activado el campo Ninguno. El sistema permite elegir los
valores con que se representa el gráfico sea bien con frecuencias o
porcentajes.
Formato. Con este botón se puede cambiar el formato que presenta la
tabla de frecuencias. Las alternativas que muestra al activarlo son:
Ordenar por. Entre las posibles formas a ordenar están:
- Valores Ascendentes: por defecto el sistema ordena la tabla de forma
creciente atendiendo a los valores de la variable a analizar.
- Valores Descendentes: en este caso, ordenaría la tabla de forma
decreciente según los valores de la variable.
- Frecuencias Ascendentes: el orden se realiza de forma creciente, pero
atendiendo a los valores que toman las frecuencias.
- Frecuencias Descendentes: lo mismo que antes, pero de manera
decreciente.
Período de retorno.
En varias áreas de la ingeniería, el período de retorno es el tiempo
esperado o tiempo medio entre dos sucesos improbables y con posibles
efectos catastróficos. Así, en ingeniería hidráulica es el tiempo medio entre
dos trombas de agua por encima de un cierto caudal, mientras que
en ingeniería sísmica es el tiempo medio entre dos terremotos de intensidad
mayor que un cierto umbral.
También llamado período de recurrencia, el período de retorno es un
concepto estadístico que intenta proporcionar una idea de hasta qué punto
un suceso puede considerarse raro, en términos de una determinada
horquilla temporal habitualmente expresada en años. Suele utilizarse con
distribuciones de variables extremales referidas a un periodo de referencia
igualmente de un año; por ejemplo, la cantidad de lluvia caída en el día más
lluvioso del año o la mayor altura de ola alcanzada en un año.
Ingeniería hidráulica.
Período de retorno es uno de los parámetros más significativos a ser
tomado en cuenta en el momento de dimensionar una obra
hidráulica destinada a soportar avenidas, como por ejemplo: el vertedero de
una presa, los diques para control de inundaciones; o una obra que requiera
cruzar un río o arroyo con seguridad, como por ejemplo un puente.
En hidrología es frecuente considerar zona inundable a aquella que es
cubierta por las aguas en tormentas de hasta quinientos años de periodo de
retorno. Esto significa que la cantidad de lluvia caída en un sólo día para ese
periodo de retorno solamente se iguala o supera, estadísticamente, una vez
en el período de 500 años. En términos numéricos se expresa que
la probabilidadde que se presente una precipitación superior en un
determinado año es p = 1/500 = 0.002 = 0.2%; o bien, la probabilidad de que
no se presente es la complementaria, 1 - p = 0.998 = 99,8%. Sin embargo
eso no implica que no puedan producirse dos tormentas de tal o superior
intensidad en dos años consecutivos, o incluso en un mismo año.
El período de retorno, generalmente expresado en años, puede ser
entendido como el número de años en que se espera que mediamente se
repita un cierto caudal, o un caudal mayor. Así podemos decir que el período
de retorno de un caudal de 100 m3/s, para una sección específica de un río
determinado, es de 20 años, si, caudales iguales o mayores de 100 m3/s se
producen, en media a cada 20 años.
Por otro lado, si un evento tiene un periodo de retorno real de tp años, el
número medio de eventos que se puede presentar en un año determinado
es:
Más aún la probabilidad de superar k veces un caudal determinado
período T viene dada por una distribución de Poisson:
El período de retorno para lo cual se debe dimensionar una obra varía en
función de la importancia de la obra (interés económico, socio-económico,
estratégico, turístico), de la existencia de otras vías alternativas capaces de
remplazarla y de los daños que implicaría su ruptura: pérdida de vidas
humanas, costo y duración de la reconstrucción, costo del no funcionamiento
de la obra, etc.
En muchos lugares, se podría por ejemplo proponer la construcción
de badenes en vez de un puente, derivando los esfuerzos financieros hacia
otras zonas, donde se estima necesaria mayor seguridad.
Al contrario, se tiene a veces la posibilidad de sobredimensionar un puente
sin mayor costo adicional (por ejemplo en el caso de un valle estrecho, se
puede, sin mayor costo sobreelevar el puente), permitiendo así
prevenir huaicos y aluviones cuya descarga pico es imprevisible.
ALGUNOS ACCESORIOS PARA LA MEDICIÓN.
Cinta Métrica
Jalones
Piquetes
Plomada
Nivel De Mano
Fichas De Cadenero
Dinamómetro De Resorte
Mordaza
CINTA MÉTRICA DE ACERO.
La cinta métrica utilizada en medición de distancias se construye en una
delgada lámina de acero al cromo, o de aluminio, o de un tramado de fibras
de carbono unidas mediante un polímero de teflón (las más modernas). Las
cintas métricas más usadas son las de 10, 15, 20, 25, 30, 50 y 100 metros.
Las dos últimas son llamadas de agrimensor y se construyen únicamente
en acero, ya que la fuerza necesaria para tensarlas podría producir la
extensión de las mismas si estuvieran construidas en un material menos
resistente a la tracción.
Las más pequeñas están centimetradas e incluso algunas milimetradas,
con las marcas y los números pintados o grabados sobre la superficie de la
cinta, mientras que las de agrimensor están marcadas mediante remaches
de cobre o bronce fijos a la cinta cada 2 dm, utilizando un remache algo
mayor para los números impares y un pequeño óvalo numerado para los
números pares.
Por lo general están protegidas dentro de un rodete de latón o PVC. Las
de agrimensor tienen dos manijas de bronce en sus extremos para su exacto
tensado y es posible desprenderlas completamente del rodete para mayor
comodidad..
Medición con cinta métrica:
Un problema habitual al medir una distancia con una cinta, es que la
distancia a medir sea mayor que la longitud de la cinta. Para subsanar este
inconveniente, en agrimensura se aplica lo que se denomina "Procedimiento
Operativo Normal" (P.O.N.).
El procedimiento se auxilia con jalones y un juego de fichas o agujas de
agrimensor (pequeños pinchos de acero, generalmente diez, unidos a un
anillo de transporte).
FUENTES DE ERROR.
Ya hemos considerado muchas fuentes de error en los estudios
epidemiológicos: sobrevida selectiva, recuerdo selectivo, clasificación
incorrecta de los sujetos con respecto a su enfermedad y/o estado de
exposición. Dada la limitada oportunidad para controles experimentales, el
error, particularmente el “sesgo”, es una preocupación de primordial
importancia para los epidemiólogos (y nuestros críticos!) además de la base
principal para dudar de o discutir los resultados de las investigaciones
epidemiológicas. Exactitud es un término general que denota la ausencia de
error de todo tipo. En un marco conceptual moderno (Rothman y Greenland),
el objetivo general de un estudio epidemiológico es la precisión en la
medición de un parámetro, como la razón de densidad de incidencias que
relaciona una exposición con un daño. Fuentes de error en la medición son
clasificadas como aleatorias o sistemáticas (Rothman, pág.78.) Rothman
define el error aleatorio como “aquella parte de nuestra experiencia que no
podemos predecir” (pág. 78.) Desde el punto de vista estadístico, el error
aleatorio también puede ser considerado como la variabilidad del muestreo.
Aun cuando no está involucrado un procedimiento de muestreo formal, como
por ejemplo, una única medición de presión sanguínea en un sólo individuo o
como una observación del verdadero valor más una observación de un
proceso aleatorio representando factores del instrumento y de la situación
particular. Lo inverso del error aleatorio es la precisión, que es por lo tanto un
atributo deseable de la medición y de la estimación.
El error sistemático, o sesgo, es la diferencia entre un valor observado y el
verdadero valor debido a todas las causas menos la variabilidad del
muestreo (Mausner y Bahn, 1ª. ed., pág. 139.) El error sistemático puede
surgir de innumerables fuentes, incluyendo factores involucrados en la
selección o reclutamiento de la población de estudio y los factores
involucrados en la definición y medición de las variables de estudio. Lo
inverso del sesgo es la validez, también un atributo deseable.
Estos términos – “error sistemático”, “sesgo”, “validez” – son utilizados en
varias disciplinas y en distintos contextos, con significado similar pero no
idéntico. En estadística, “sesgo” se refiere a la diferencia entre el valor
promedio de un estimador, calculado con múltiples muestras al azar, y el
verdadero valor del parámetro que busca estimar. En psicometría, “validez”
se refiere habitualmente al grado en que el instrumento de medición mide el
constructo que se supone que mide. La distinción entre error sistemático y
aleatorio se encuentra en muchas disciplinas, pero como veremos estos dos
tipos de error no están totalmente separados.
CORRECIONES A LA MEDICIÓNES CON CINTAS.
La exactitud relativa prescrita para una medición con cinta determinará el
cuidado con el que se realice el trabajo de campo, y condicionará también el
grado de refinamiento de las correcciones que se apliquen a los datos
originales u observados. En general, toda medición deberá corregirse a fin de
obtener la longitud verdadera o mejor, porque la cinta tiene la longitud
correcta (calibrada) solo bajo condiciones específicas de tensión,
temperatura y apoyo. Además, cuando los puntos de apoyo no están en la
misma elevación, será necesaria una corrección por pendiente.
Tradicionalmente, las distancias se han medido por comparación directa con
alguna unidad de longitud establecida, como en las mediciones con cadena
o cinta. Pero pueden emplearse otros procedimientos que implican la
medición de magnitudes de las que se obtiene la distancia en forma
indirecta, mediante cálculo.
FRECUENCIA CHOW.
Análisis de frecuencias de eventos extremos Periodo de retorno Factor de
frecuencia Intervalo de confianza Distribuciones de probabilidad para
funciones continuas, parámetros y factor de frecuencia: Herramienta
utilizada para predecir comportamiento futuro de caudales en un sitio de
interés a partir de información histórica de caudales. Basado en
procedimientos estadísticos que permiten calcular la magnitud del caudal
asociado a un período de retorno. Su confiabilidad depende de la longitud y
calidad de la serie histórica, además de la incertidumbre propia de la
distribución de probabilidades seleccionada.
FACTOR DE FRECUENCIA (K).
• Para determinar la magnitud de eventos extremos cuando la distribución
de probabilidades no es una función fácilmente invertible se requiere conocer
la variación de la variable respecto a la media (K). • Chow en 1951 propuso
determinar esta variación a partir de un factor de frecuencia KT que puede
ser expresado como:
• Donde μ representa la media y σ es la desviación típica de la variable
hidrológica. XT es el valor de la variable aleatoria asociada a un período de
retorno T. • Si se estima KT, XT se puede estimar a partir de los parámetros
estadísticos muéstrales.
COMO SE REALIZA UNA MEDICIÓN INDIRECTA DE DISTANCIA.
El método más utilizado, era la medición con cinta métrica pero con la
incorporación de los métodos electrónicos en los últimos tiempos (por la
depreciación de sus precios en los mercados internacionales y nacionales)
se está produciendo un recambio de tecnología introduciéndose en todos los
campos el uso del E.D.M. (Electro-Distanció-Metro). Este método fue siempre
considerado aun desde la invención de los primeros EDM's como el más
rápido y preciso, pero sus precios y dificultades de transporte lo hacían
prohibitivos para trabajos de topografía reservándose solo para geodesia o
topografía de alta precisión. Ahora es bastante común ver en trabajos viales
o catastrales, un pequeño EDM o E.T. de 4 o 6 Kg. de peso y de un valor de
entre 6.000 a 15.000 U$S (hace 25 años ni se soñaba con instrumentos de
menos de 10 Kg, más 20 o 30 Kg. para las baterías y entre 40.000 y 50.000
U$S ), aun así es posible que en trabajos civiles se sigan utilizando varios
métodos que aunque antiguos continúan manteniendo vigencia ya que la
precisión sigue siendo la misma, solo que se consideran obsoletos porque es
difícil conseguir los instrumentos, aunque mantengan su vigencia técnica, por
ello es que a continuación se verá una tabla que muestra todos los métodos
e instrumentos de medición de distancias, aun los que ya no se usan.
IMPLEMENTOS:
Método estadimétrico
Método Paraláctico
Mira paraláctica o estadía de invar
Método de triangulación
ERRORES NATURALES
Son ocasionados por variaciones del viento, la temperatura, la humedad,
la refracción, la gravedad y la declinación magnética. Por ejemplo, la longitud
de una cinta de acero varía al presentarse cambios de temperatura
ambiental.
ERRORES INSTRUMENTALES
Resultan de cualquier imperfección que haya en la construcción o el
ajuste de los instrumentos, y del movimiento de sus partes. Por ejemplo, las
graduaciones pintadas en un estadal o mira de nivelación pueden no estar
perfectamente espaciadas, o el estadal podría estar combado. El efecto de la
mayor parte de los errores instrumentales puede reducirse adoptando
procedimientos topográficos adecuados y aplicando correcciones calculadas.
ERRORES PERSONALES RSONALES
Nacen de las limitaciones de los sentidos humanos de la vista, el tacto y
el oído. Por ejemplo, existe un error pequeño en el valor medido de un
ángulo cuando el hilo vertical de la retícula del anteojo de un teodolito no
queda perfectamente alineado sobre un objetivo, o cuando la parte superior
de un estadal no está vertical al ser visada
CONCLUSION.
El aumento del valor de las tierras y la importancia de la exactitud de los
linderos, aunados a las mejoras públicas en los servicios de caminos,
canales y ferrocarriles, llevaron a la topografía a una posición prominente.
Actualmente, el gran volumen de la construcción general, las numerosas
particiones de tierra, la necesidad de mejores registros y las demandas
planteadas por los programas de exploración y estudio ecológico han
implicado un desarrollo creciente de los trabajos de topografía. La topografía
es aun el signo del progreso en el fomento y la utilización de los recursos
naturales de la Tierra.
BIBLIOGRAFÍA
http://www.monografias.com/trabajos84/distribucion-exponencial/distribucion-
exponencial.shtml#ixzz2K64B5GRd
http://www.monografias.com/trabajos84/distribucion-exponencial/distribucion-
exponencial.shtml#ixzz2K64JiIDW
http://www.importancia.org/distribucion.php#ixzz2K2FVpC1J