1. APLICACIÓN DE MÉTODOS NUMÉRICOS PARA LA ESTIMACIÓN DE LOS PARÁMETROS
DE LA DISTRIBUCIÓN LOGNORMAL 3P MEDIANTE EL MÉTODO DE MÁXIMA
VEROSIMILITUD.
Christian Pérez Toro (1)
christ.kzc@gmail.com
Huancavelica - Perú
RESUMEN:
Las distribuciones estadísticas en el campo de la Hidrología, tienen una gran importancia
para la estimación de caudales de diseño a un periodo de retorno según el tipo de
estructura a la que se proyecta; la distribución LogNormal 3P es uno de los métodos que se
usa actualmente. Los parámetros de esta distribución pueden ser estimados mediante
varios métodos, siendo el más confiable el método de máxima verosimilitud; sin embargo
este método es el más complejo de todos pues la manera de resolverlos es mediante un
sistema de ecuaciones no lineales. En este artículo se presenta un análisis detallado de como
resolver el sistema de ecuaciones utilizando métodos numéricos; además de un algoritmo
que indique el procedimiento a seguir.
1. INTRODUCCIÓN
Los métodos más usados en la estimación de los parámetros de distribución LogNormal
3P son: método de momentos, método simplificado y método de máxima verosimilitud.
El método de momentos tiene una limitación, pues para su aplicación el Coeficiente de
Sesgo tiene que ser mayor a 0.52, caso contrario este método no podrá ser aplicado. El
método simplificado solo aproxima el valor del parámetro de posición y por tanto los
valores de los demás parámetros también son solo aproximaciones. El método de
máxima verosimilitud muestra un sistema de ecuaciones no lineales para encontrar el
valor de los parámetros.
El propósito de este trabajo es mostrar una manera de estimar los parámetros de la
distribución LogNormal 3P mediante el método de máxima verosimilitud, con una
aproximación elevada; para lo cual se aplica conocimientos previos de métodos
numéricos, como una herramienta de resolución del sistema de ecuaciones.
1.1. PLANTEAMIENTO DEL PROBLEMA
El problema consiste en encontrar los valores de los parámetros de la distribución
LogNormal 3P mediante el método de máxima verosimilitud; es decir, formular un
método de resolución al sistema de ecuaciones no lineales.
1.2. OBJETIVOS
Crear un conjunto de técnicas propias para la estimación de los valores de los
parámetros de la distribución LogNormal 3P.
Proporcionar un algoritmo utilizando modelos numéricos para la solución del
problema.
1
Estudiante de Ingeniería Civil - Universidad Nacional de Huancavelica
2. 2. MARCO TEÓRICO
DISTRIBUCIÓN LOGNORMAL 3 PARÁMETROS
FUNCIÓN DENSIDAD:
( )
( ) √
[
( )
]
FUNCIÓN DENSIDAD ACUMULADA:
Si:
( )
( )
√
∫
Donde:
ESTIMACIÓN DE PARÁMETROS (MÉTODO DE MÁXIMA VEROSIMILITUD)
∑ ( )
[ ∑[ ( ) ] ]
∑ ( ) ∑
( )
3. DESARROLLO DEL MODELO NUMÉRICO
3.1. PARÁMETROS
a. El parámetro de posición debe ser menor a todos valores de los datos.
b. De la ecuación 01 el parámetro de escala es una función del parámetro de posición.
( )
c. De la ecuación 02 el parámetro de forma es una función del parámetro de posición y
escala.
( )
Por lo tanto, a partir de un valor del parámetro de posición podemos encontrar el valor
de los demás parámetros utilizando las ecuaciones 1 y 2; al reemplazar los valores de
los parámetros en la ecuación 3 observaremos si estos son correctos o no, cuanto
menor sea el valor obtenido en la ecuación 3 menor será el error del valor de los
parámetros.
Para encontrar los valores de los parámetros aplicaremos el método de la secante, este
método es una variación del método de Newton – Raphson, se usa para encontrar
raíces de ecuaciones a partir de dos puntos iniciales que en nuestro caso será el
parámetro de posición.
3. 3.2. APLICACIÓN DE MÉTODOS NUMÉRICOS
MÉTODO DE LA SECANTE
Sea:
( )
Como f(p) está en función de los tres parámetro, buscaremos un tal que f(p) se
acerque a cero.
Para iniciar partiremos de dos valores
iniciales ( ) a partir de los
cuales, podremos encontrar un tercer
valor más cercano al verdadero valor.
Aplicando la formula de la Secante,
tenemos:
( ) ( )
( ) ( )
3.3. ELABORACIÓN DEL ALGORITMO
Teniendo como datos:
, -
Algoritmo de resolución:
1º. Asumir un primer valor inicial para el parámetro de posición, este debe ser menor
al primer dato de la lista X
2º. A partir de este primer valor y usando las ecuaciones 1 y 2 se encuentra los valores
de los demás parámetros.
3º. Reemplazar estos valores en la ecuación 3, el resultado será el valor de ( )
4º. Asumir un segundo valor inicial para el parámetro de posición, este debe ser
menor al primer dato de la lista X y al primer valor asumido.
5º. A partir de este segundo valor y usando las ecuaciones 1 y 2 se encuentra los
valores de los demás parámetros
6º. Reemplazar los valores en la ecuación 3, este será el valor de ( )
7º. Utilizando la ecuación 04 encontramos un nuevo valor del parámetro de posición.
( ) ( )
( ) ( )
8º. Hacemos:
( ) ( )
9º. Volver al paso 5º. hasta que el valor de ( ) tienda a cero.
10º. Asumir los últimos valores encontrados como los verdaderos parámetros.
11º. El error será igual al último ( ) encontrado.
NOTA: Con este método de solución, al reemplazar cada valor de los parámetros
encontrados en las ecuaciones 1 y 2 darán como resultado cero; y en la ecuación 3 será
el ultimo valor de ( ).
4. 3.4. IMPLEMENTACIÓN EN UNLENGUALE DE PROGRAMACIÓN:
Para la solución del algoritmo presentado presento la programación en el lenguaje User
RPL para calculadoras hp 50G.
( )
* +
Donde:
( )
Estos valores pueden ser cambiados según la precisión que se desee.
4. CONCLUSIONES
a. Mediante la aplicación de métodos numéricos ha sido posible desarrollar una
técnica propia de resolución al sistema de ecuaciones no lineales, con una
aproximación elevada.
b. La utilización de un computador o una calculadora programable, permite desarrollar
el algoritmo de manera rápida.
c. El error de los parámetros es casi nulo, puesto que al reemplazar en las ecuaciones 1
y 2 resulta 0 y en la ecuación 3, el valor que se muestra en la pila 1 de la calculadora.
5. EJEMPLO:
Mediante un ejemplo se muestra los resultados del algoritmo.
Sea los datos:
{ 2252. 2112. 2327. 2498. 2305. 2633. 2609. 2983. 2625. 2229. 1780. 2083. 2426.
2135. 2199. 2410. 2922. 2838. 2897. 2696. 3119. 2884. 2664. 2146. 2053. 2401.
2606.7 1821.1 2392.8 2572.7 1957.4 2415. 2553.7 2006.5 2176. 2361.1 1580.6
2271.6 2596.2 2001.61 2051.37 2378.99 2082.08 2605.46 2665.91 3299.78 2675.11
2197.19 2422.9 2191. 2583.92 2355.26 2111.16 2354.2 }
Aquí se presenta la estimación de los parámetros a diferentes aproximaciones:
Error
-379.274922 -1998.55871 -2184.21460 -2197.978103 -2197.984027
7.820843180 8.33802664 8.41489019 8.430092617 8.430317839
0.135765720 0.08069466 0.07472165 0.073594215 0.073577642
Ec. 01 0 0 0 0 0
Ec. 02 0 0 0 0 0
Ec. 03
NOTA: Los datos del ejemplo son los brindados en la cuenta del Blog.
El tiempo de ejecución del ejemplo en un calculador HP 50 G es aprox. 1 min.
Se debe mostrar
en la pantalla.