Saltearse al contenido

Log-Pearson III y bondad de ajuste

Los caudales de crecida no son simétricos: tienen cola a la derecha. Una forma de manejarlo es ajustar una distribución Pearson III —una gamma desplazada, con asimetría propia— al logaritmo del caudal, que es lo que hace la log-Pearson III, la distribución que el Bulletin 17C impone en Estados Unidos. Con ella aparece el problema más interesante del capítulo: comparar dos ajustes que se hicieron en variables distintas.

Log-Pearson III ajusta una Pearson III a log10(Q); para compararla con Gumbel hay que llevar las dos verosimilitudes a la misma variable, o la comparación es falsa.

Y = log10(Q) ~ Pearson III(asimetría, media, desviación)
Q_T = 10^( cuantil de Pearson III para 1 − 1/T )
logs = np.log10(AMS)
skew, loc, scale = stats.pearson3.fit(logs)
q_T = 10 ** stats.pearson3.ppf(1 - 1 / T, skew, loc, scale)

pearson3 recibe la asimetría como primer parámetro y usa loc/scale para media y desviación. Con skew = 0 es una normal, y la log-Pearson III se convierte en log-normal.

Un aviso sobre el método: pearson3.fit ajusta por máxima verosimilitud. El Bulletin 17C no: parte de los momentos de log10(Q) —media, desviación y asimetría—, con el algoritmo EMA y una asimetría regional ponderada. Con los momentos de esta muestra, sin ponderar, la asimetría es 0.509 en vez de 0.590 y x_100 = 122.5 m³/s en vez de 123.2. Aquí la diferencia es pequeña; en una serie con datos atípicos puede no serlo, y un estudio que diga seguir el Bulletin 17C tiene que usar su procedimiento, no el fit de SciPy.

Log-Pearson III sobre la misma serie de 30 años
Parámetro Valor
Asimetría (skew) 0.590
loc (media de log10 Q) 1.811
scale (desviación de log10 Q) 0.102
x_10 (m³/s) 88.3
x_25 (m³/s) 101.8
x_50 (m³/s) 112.4
x_100 (m³/s) 123.2

python mediciones/12-02-hidrologia-scipy.py

Comparada con Gumbel (87.1 / 98.9 / 107.6 / 116.3), la LP3 da entre un 1.4 % y un 6.0 % más. Las dos pasan una prueba de bondad razonable, y las dos son defendibles. Esa es la primera lección: con 30 datos, la elección de familia mueve el resultado más que el error de cálculo.

Dos medidas, dos preguntas distintas:

  • KS (kstest) mide la distancia máxima entre la distribución empírica y la ajustada. Aquí: D = 0.048 para Gumbel sobre Q y D = 0.037 para LP3 sobre log10 Q. El valor crítico para n = 30 al 5 % es 0.242 (el exacto; la aproximación asintótica 1.36/√n da 0.248), así que ninguna se rechaza. Ojo: al estimar los parámetros con los mismos datos, el KS es optimista y su p no es válido; sirve como exploración, no como prueba formal.
  • AIC compara verosimilitudes penalizando parámetros: AIC = 2k − 2·ln L. Gumbel tiene k = 2, LP3 tiene k = 3.

Y aquí está la trampa de cálculo que casi nadie detecta:

Verosimilitud en la misma variable y AIC
Modelo ln L en Q k AIC
Gumbel −123.41 2 250.82
Log-Pearson III −123.27 3 252.53

python mediciones/12-02-hidrologia-scipy.py

Diferencia de AIC: 1.71 a favor de Gumbel. Es poca —por debajo de 2 se considera empate— y sin embargo es el resultado correcto, porque las dos verosimilitudes están en la misma variable.

pearson3.logpdf(logs) devuelve la densidad de Y = log10(Q), no la de Q. Para pasar de una a otra hay que dividir por la derivada:

f_Q(q) = f_Y(log10 q) / (q · ln 10)

En logaritmos, la corrección queda:

ln L_Q = ln L_Y − Σ ln q_i − n · ln(ln 10)

En esta serie, Σ ln q_i = 125.07 y n·ln(ln 10) = 25.02, en total 150 puntos de log-verosimilitud. Ignorar el jacobiano no cambia unas décimas: desplaza la verosimilitud en 150 unidades y hace ganar siempre al modelo que se ajustó en la variable transformada. Un AIC comparado sin esta corrección no es un AIC, es un sesgo con decimales.

Regla: dos verosimilitudes solo se comparan si están en la misma variable. Cuando un modelo se ajusta a log(Q) y otro a Q, la transformación se paga.

  • Series muy cortas o con ceros: log(0) no existe; hay que tratar los años sin crecida aparte.
  • Cuencas con dos regímenes (lluvia y deshielo): la mezcla no es log-Pearson.
  • Datos no estacionarios: ninguna de las dos familias tiene tiempo en la ecuación.
  • Cuando el diseño exige un intervalo: LP3 no tiene forma cerrada para el error estándar del cuantil; hay que hacer bootstrap o usar las tablas de Bulletin 17C.

Calcula x_200 con los dos modelos y explica cuál de los dos es más fiable a ese periodo de retorno.

Solución
import numpy as np
from scipy import stats
AMS = np.array([42, 55, 61, 48, 73, 58, 66, 51, 88, 62,
57, 70, 45, 79, 64, 53, 96, 68, 59, 75,
49, 82, 60, 71, 56, 90, 65, 54, 78, 120], dtype=float)
mu, alpha = stats.gumbel_r.fit(AMS)
skew, loc, scale = stats.pearson3.fit(np.log10(AMS))
for T in (100, 200, 500):
g = mu - alpha * np.log(-np.log(1 - 1 / T))
p = 10 ** stats.pearson3.ppf(1 - 1 / T, skew, loc, scale)
print(f"T={T:3d}: Gumbel {g:6.1f} LP3 {p:6.1f} diferencia {(p - g) / g * 100:5.1f} %")
T Gumbel LP3 Diferencia
100 116.3 123.2 6.0 %
200 124.9 134.6 7.7 %
500 136.3 150.4 10.3 %

Ninguno de los dos es «más fiable» a T = 200: con 30 años, ambos están extrapolando 6.7 veces la longitud del registro. La diferencia crece con T porque las colas son distintas, y esa diferencia —no el valor— es el resultado honesto: el caudal de 200 años está entre 125 y 135 m³/s según la familia, con un error estándar de unos 15.

Lo que sí se puede afirmar: AIC prefiere Gumbel por 1.71, que es un empate técnico; y KS no distingue. Cuando dos modelos no se distinguen en la muestra y difieren en la cola, la decisión es de criterio, no de estadística.

  • Interagency Advisory Committee on Water Data. Guidelines for Determining Flood Flow Frequency, Bulletin 17C, 2019.
  • Pearson, K. «Contributions to the mathematical theory of evolution», 1895.
  • Chow, V. T., Maidment, D. R. y Mays, L. W. Applied Hydrology, McGraw-Hill, 1988.
  • Verificación: mediciones/12-02-hidrologia-scipy.py (bloque 7).
  • 06 · Gumbel: el ajuste con el que se compara.
  • 08 · Ajuste de la IDF: otro caso de mínimos cuadrados con parámetros correlacionados.