5/8/2018 Para Metros Distribucion Log Pearson 3 Momentos Ordinarios - slidepdf.com
http://slidepdf.com/reader/full/para-metros-distribucion-log-pearson-3-momentos-ordinarios 1/5
PARAMETROS DISTRIBUCION LOGPEARSON3 MOMENTOS ORDINARIOS
Para ajustar distribuciones de tres parámetros (Log Normal III, Log Pearson) se requiere
estimar el coeficiente de asimetría de la distribución; para ello es necesario disponer de una
serie con longitud de registros larga, mayor de 50 años, (Kite, 1988). Las distribuciones de dos
parámetros son usualmente preferidas cuando se dispone de pocos datos, porque reducen la
varianza de la muestra, (Ashkar, et al. 1994).
5/8/2018 Para Metros Distribucion Log Pearson 3 Momentos Ordinarios - slidepdf.com
http://slidepdf.com/reader/full/para-metros-distribucion-log-pearson-3-momentos-ordinarios 2/5
DISTRIBUCION DE LOGARITMO DE PEARSON TIPO III
INTRODUCCION
PARAMETROS DE DISTRIBUCION DE LOG-PEARSON TIPO III MOMENTOS ORDINARIOS
Para ajustar distribuciones de tres parámetros (Log Normal III, Log Pearson) se requiere
estimar el coeficiente de asimetría de la distribución; para ello es necesario disponer de una
serie con longitud de registros larga, mayor de 50 años, (Kite, 1988). Las distribuciones de dos
parámetros son usualmente preferidas cuando se dispone de pocos datos, porque reducen la
varianza de la muestra, (Ashkar, et al. 1994).
1. FUNCION DENSIDAD
Se dice que una variable aleatoria X, tiene una distribución log-Pearson tipo III, si su función
densidad de probabilidad es:
( ln )/ ))( 1(ln )
( )( )
x x B y e
y x x f x xb r y
!
o
o
Para :
X � x < �
-�< X < �
0 < < �
0 < < �
Donde:
X = parámetro de posición
= parámetros de escala
= parámetros de forma
2. PROCESO DE CÁLCULO
Para el calculo de los parámetros de la serie de datos :
x1,x2,x3,««, Xn
se convier te a sus logaritmos, luego se calcula la media, desviación estándar y coeficiente de
sesgo, con las siguientes ecuaciones :
media: ln
ln x
X x N
!§
5/8/2018 Para Metros Distribucion Log Pearson 3 Momentos Ordinarios - slidepdf.com
http://slidepdf.com/reader/full/para-metros-distribucion-log-pearson-3-momentos-ordinarios 3/5
desviación estándar :
2
ln
(ln ln )
1 x
x X xS
N
!
§
sesgo :
3(ln ln )
ln 3
ln( 1)( 2)
x
x
S x
x
¡
C ¡ ¡
S
! §
3. ESTIMACION DE PARAMETROS, METODO DE MOMENTOS
Aplicando el método de momentos, se obtienen las siguientes relaciones:
Media:0
ln X x x¢
K !
Varianza: 2 2
ln x
S F K !
Sesgo:ln
2S xC
K !
Despejando los valores para los parámetros de Distribución log-pearson III Momentos
Ordinarios:
DE POSICION (X0):
ln0
ln
2ln x
S x
S £ £
xC
!
DE FORMA GAMMA:
ln
2
4
S xC K !
DE ESCALA BETA:
ln ln
2
S x x¤ xS
F !
4. Estimación de parámetros, método de momentos lineales.
Los 3 parámetros de la distribución log-pearson tipo III, por el método de los momentos
lineales se encuentran con las siguientes ecuaciones.
Si t3>1/3, entonces t1 = 1-t3
5/8/2018 Para Metros Distribucion Log Pearson 3 Momentos Ordinarios - slidepdf.com
http://slidepdf.com/reader/full/para-metros-distribucion-log-pearson-3-momentos-ordinarios 4/5
1( 1 1( 2 3 1))
1 1( 4 1( 5 6 1)
t b t b b xt
t b t b b xt
K
!
Si t3<1/3, entonces t1=3TTt3^2
1 1 11(1 )( 2 3 1)
a xt
t t a a xt
K !
Donde:
3 3
33
2
t t
t P
P
!
!
a1=0.2906: a2=0.1882: a3=0.0442
b1=0.36067: b2=-0.59567: b3=0.25361
b4=-2.78861: b5=2.56096: b6=-0.77045
2 3,P P ! Segundo y tercer momento lineal
2
0 1
( )
( 1 / 2)
x x
x
T ¥
FK
F K
P
P
+!
+
d!
Nota: para calcular los momentos lineales1 3,P P , trabajar con los ti=lnxi.
5. Función acumulada:
La función de distribución acumulada de la distribución log-pearson tipo III, es:
0
0
ln1
0( )( )
(ln ) x
x
x
F x dx x y
x e x
x
K F
K
F
!
+
´
En la cual:
x0= parámetro de posición
F ! Parámetro de escala
Y= parámetro de forma
La variable reducida y log-pearson tipo III, es:
5/8/2018 Para Metros Distribucion Log Pearson 3 Momentos Ordinarios - slidepdf.com
http://slidepdf.com/reader/full/para-metros-distribucion-log-pearson-3-momentos-ordinarios 5/5
0ln x xK
F
!
Siendo la función acumulada log-pearson tipo III reducida:
1
0( )
( )
t y
yG y
y y e
!+´
La cual tiene como parámetro y , y cuya variable aleatoria tienen origen en y=0 o x=x0.
Top Related