Escolar Documentos
Profissional Documentos
Cultura Documentos
PROBABILIDADE E ESTATÍSTICA
APLICADA À HIDROLOGIA
2011
Estatística e Probabilidade Aplicada à Hidrologia 2
1. Introdução
2. Distribuições de Frequência
I
c = (2.3)
m
Exemplo 2.1
25
Frequências absolutas
20
15
10
0
870,9 - 1210,9 1210,9 - 1550,9 1550,9 - 1890,9 1890,9 - 2230,9 2230,9 - 2570,9 2570,9 - 2910,9 2910,9 - 3250,9
3.1 Localização
a) Média
b) Mediana
c) Moda
a) cálculo da média
m
∑ ηjx'j 870,9 + 1210,9
2910,9 + 3250,9
× 12 + ... +
× 1
j=1 2 2
x = = = 1677,9mm
n 79
m
870,9 + 1210,9 2910,9 + 3250,9
x = ∑ fjx'j =
2
× 0,1519 + ... +
2
× 0,1266 = 1677,9mm
j=1
b) cálculo da mediana
b) cálculo da moda
3.2 Dispersão
a) Desvio Padrão
n
∑ (xi − x )2
i =1
S = + (3.6)
n
∑ ηj (x'j )2
m
− x
j=1
S = + (3.7)
n
∑ ηj (x'j )2
m
− x
j =1
S = + (3.9)
n − 1
n
∑ (xi − x )2
i =1
S2 = (3.10)
n − 1
b) Desvio Médio
m
∑ ηj x'j − x
j =1
d = (3.12)
n
b) Coeficiente de Variação
d) Variável Reduzida
n
∑ (zi − z )2
i =1
Sz = + = 1,0 (3.16)
n − 1
∑ ηj (x'j )2
m
− x
j =1 12 × (1040,9 − 1672,5)2 + ... + 1 × (3080,9 − 1672,5)2
S = + = + = 460,0mm
n − 1 79 − 1
3.3 Assimetria
Distribuição Simétrica
Média
Mediana
Moda
g =
[
79 (2118,2 − 1672,5)3 + ... + (1298,7 − 1672,5)3 ] = 0,7
(79 − 1)(79 − 2) × 479,4
3
4.Distribuições de Probabilidade
1
Para evitar confusões, a variável aleatória representa-se por
maiúsculas, X , e as observações (ou realizações) dessa variável por
minúsculas, x .
P (x ) = 0 se x ∉ {x1, x 2,...}
P (x1 ) = P (X = x1 ) = P1 (4.4)
P (x 2 ) = P (X = x 2 ) = P2
etc.
F(x) = P (X ≤ x ) = ∑ P (x
xi ≤ x
i ) com i = 1,2,... (4.5)
x≤b
P (a < X ≤ b ) = F(b) − F (a) = ∑ P (x
x >a
i ) (4.6)
0,15 se x = 0
0,20 se x = 1
P (x ) = 0,30 se x = 2
0,20 se x = 3
0,15 se x = 4
0 se x < 0
0,15 se 0 ≤ x < 1
0,35 se 1 ≤ x 2
F (x ) =
0,65 se 2 ≤ x 3
0,85 se 3 ≤ x 4
1,00 se 4 ≤ x
0,35
0,30
0,25
0,20
P(x)
0,15
0,10
0,05
0,00
1 2 3 4
Função de distribuição
1,1
1
0,9
0,8
0,7
F(x)
0,6
0,5
0,4
0,3
0,2
0,1
0
0 - 1 1 - 2 2 - 3 3 - 4 >4
F (x + ∆x ) − F (x )
o quociente, , será a quantidade de probabilidade
∆x
média nesse intervalo. O limite,
F (x + ∆x ) − F (x ) dF (x )
f (x ) = lim = F' (x ) = (4.7)
∆x → 0 ∆x dx
∫ f(x)d(x) =
−∞
1 (A4.10)
∫ f(x)d(x) =
a
0 (4.12)
x
F (x ) = ∫− ∞ f (x ) dx
1 (x − 651,8)2
f(x) = exp−
2π 203,5 2(203,5)2
0,003
0,002
f(x)
0,001
0,000
0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300
x(precipitação mm)
Função de distribuição
1,0
0,9
0,8
0,7
0,6
F(x)
a b
0,5
0,4
0,3
0,2
H
0,1
0,0
0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300
x (precipitação mm)
5.Distribuições Teóricas
a) Distribuição Binomial
n!
P (x ) = P (X = x ) = p x (1 − p )n − x , x = 0,1,..., n (5.1)
x! (n − x )!
e a sua função de distribuição é,
n!
F (x ) = ∑ xi! (n − xi )! p x (1 −i
p )n − xi (5.2)
xi ≤ x
Exemplo 5.1
a) Distribuição Normal
−
( x − µ )2
1 2σ 2
f(x) = e −∞ < x < +∞ (5.3)
σ 2π
diz-se que tem distribuição Normal com parâmetros µ e σ , e escreve-se
−
(x − µ )2
1 x 2σ 2
F(x) =
σ 2π
∫− ∞ e dx (5.4)
z2
1 −
f(z) = e 2 −∞ < z < +∞ (5.6)
2π
z f(z)
0,5 -3.0 0.004
-2.5 0.018
0,4
-2.0 0.054
-1.5 0.130
0,3
f(z)
-1.0 0.242
0,2 -0.5 0.352
0.0 0.399
0,1 0.5 0.352
1.0 0.242
0,0 1.5 0.130
-3,0 -2,0 -1,0 0,0 1,0 2,0 3,0
2.0 0.054
z 2.5 0.018
3.0 0.004
-1.0 0.1587
0,5
-0.5 0.3085
0.0 0.5000
0.5 0.6915
1.0 0.8413
1.5 0.9332
0,0
-3,0 -2,0 -1,0 0,0 1,0 2,0 3,0 2.0 0.9772
2.5 0.9938
z
3.0 0.9987
-3 σ -2 σ -1 σ 0 1σ 2σ 3σ
0.13% 2.28% 15.87% 50.00% 84.13% 97.72% 99.87%
−
(y − µy )2
1 2σ y2
f(x) = e x > 0 (5.8)
xσ 2π
n
∑ yi
i =1
variável Y = ln X , dados por µy = y = e
n
n
∑ (yi − y )2
i =1
σ y = Sy = + .
n −1
c) Distribuição Gama
λ β x β −1e −λx
f(x) = x, β, λ > 0 (5.9)
Γ( β )
x2 1
β = = (5.11)
Sx2 Cv 2
e,
x
λ = (5.12)
S x2
A distribuição Gama é frequentemente aplicada na determinação da
probabilidade da precipitação para durações de dias, semanas, meses, e
até anos.
λ β (x − ε ) β −1 e − λ (x − ε )
f(x) = x ≥ ε (5.13)
Γ( β )
2
2
β = , (5.14)
g
Sx
λ = (5.15)
β
e
ε = x − Sx β (5.16)
λ β (y − ε ) β −1 e −λ (y − ε )
f(x) = ln x ≥ ε (5.17)
Γ( β )
2
2
β = , (5.18)
gy
Sy
λ = (5.19)
β
e
ε = y − Sy β (5.20)
x −u
−
−e α
F(x) = e α > 0 (5.22)
6S x
α = (5.23)
π
e
u = x − 0,5772α (5.24)
x −u
Utilizando a variável reduzida, y = , vem para a função de
α
distribuição,
−y
F(x) = e −e (5.25)
y = ln x
λ β x β −1e −λx x2 1
f(x) = β = =
Gama Γ( β ) x > 0 Sx2 Cv 2
x
onde Γ( β ) = função λ =
S x2
gama
2
2 S
λβ (x − ε )β − 1e −λ (x − ε ) β = , λ = x ,
Pearson Tipo f(x) = Γ( β ) x ≥ ε g β
III
ε = x − Sx β
λ β (y − ε ) β −1 e −λ (y − ε ) 2
f(x) =
ln x ≥ ε 2 S
Γ( β ) β = ,λ = y ,
Log – Pearson y = ln x gy β
ε = y − Sy β
x −u
−
x −u α
6S x
−
α − e −∞ < x < +∞ α = ,
Gumbel 1 π
f(x) = e u = x − 0,5772α
α
a) Distribuição Normal
5,01064 − 5,06146
z = = −0,09
0,58906
c) Distribuição de Gumbel
6Sx 6 × 141,8
α = = = 110,6
π π
x −u 300 − 162,7
Utilizando a variável reduzida y = = = 1,24141 , a
α 110,6
probabilidade pretendida, pode ser determinada por aplicação da
equação (5.25),
−y −1,24141
F(x) = e −e = e −e = 0,749 = 74,9% .
α/2 α/2 α α
a) Teste do Qui-Quadrado
m (O j − E j )2
χ c2 = ∑ Ej
(6.1)
j=1
hipótese nula, H 0 ;
i
;
n
3º D = max F (x ) − F0 (x ) , a estatística utilizada;
1 1
T = = (7.1)
G (x ) 1 − F (x )
n
n 1
R = = 1 − 1 − = 1 − (1 − G (x ))n (7.2)
T T
i
F(x) = (P (X ≤ xi )) = (7.3)
n
onde i é o n.º de ordem do valor na amostra. Se as n observações ( x )
forem classificadas por ordem decrescente, a probabilidade empírica de
X tomar valores iguais ou superiores a um determinado xi será:
i
G(x) = (P (X > xi )) = (7.4)
n
Neste caso, o menor valor da população teria uma probabilidade
igual a zero e o maior valor uma probabilidade igual a um. No entanto,
a afectação de probabilidade a uma amostra é mais delicada, pois não
há a certeza de que ela contenha o menor e o maior valor da população
desconhecida. Das várias fórmulas existentes para afectar cada valor
da amostra de uma probabilidade empírica, utilizar-se-á a de WEIBULL,
por ser a mais generalizada,
i
F(x) = (P (X ≤ xi )) = (7.5)
n + 1
para os n dados classificados por ordem crescente e
i
G(x) = (P (X > xi )) = (7.6)
n + 1
para os n dados classificados por ordem decrescente.
xT = x + K T S (7.7)
yT = y + K T S y (7.8)
a) Distribuição Normal
yT − µ y
KT = (7.10)
σy
6 T
KT = − 0,5772 + lnln (7.11)
π T − 1
1
T = − πK
(7.12)
− 0,5772 + t
−e 6
1 − e
8 Exercícios de Aplicação
(x − S;15,87%) = (1193,1;15,87%)
(x;50%) = (1672,5;50%)
(x + S;) = (2151,9;84,13%)
2
A média e o desvio padrão foram determinados no Exemplo 3.1 e 3.2 e
são, respectivamente x = 1672,5mm e S = 479,4mm
teste de hipótese do χ 2 .
F(z4)=4/7
F(z3)=3/7 F(z5)=5/7
F(z2)=2/7 F(z6)=6/7
F(z1)=1/7 F(z7)=1
z1 z2 z3 z4 z5 Z6
(Oj )
Lim. de Classe Nº de elementos Nº de elementos 2
esperados em cada observados em cada − Ej
classe classe Ej
(Ej) (Oj)
<=1160,8 11,2857 10 0,1465
1160,8 - 1401,2 11,2857 13 0,2604
1401,2 - 1586,2 11,2857 17 2,8933
1586,2 - 1758,8 11,2857 9 0,4629
1758,8 - 1943,8 11,2857 8 0,9566
1943,8 - 2184,2 11,2857 12 0,0452
>2184,2 11,2857 10 0,1465
TOTAL 79 79 4,9114
χ 02,95;4 = 9,49
x −u
reduzida y = . Para traçado da recta basta unir, por exemplo,
α
três pontos (xi, y i ) escolhidos, com xi = u + y i × α . Para tal é
necessário determinar os parâmetros α e u , que como já se viu são
determinados em função da média e do desvio padrão da amostra
(Equações A5.23 e A5.24).
A média e o desvio padrão das precipitações diárias máximas
anuais em Castro D’Aire , são respectivamente x = 89,6mm e S = 24,9mm
6 × 24,9
, donde os parâmetros são, α = = 19,4 e
π
u = 89,6 − 0,5772 × 19,4 = 78,4 .
Para traçado da recta teórica, basta atribuir valores a y, obter
os correspondentes valores de x e marcar estes pares de valores no
papel de Gumbel. Por exemplo,
yi xi = u + y i × α
-1 59,0
0 78,4
1 97,8
x = 89,6 89,6
S = 24,9 24,9
α = 19,4 19,4
u = 78,4 78,4
i i
2º Considera-se que F0(x) = = é a função de distribuição para os
n 79
valores da amostra;
1,36
indicado na tabela 9.4 - = 0.1125 , o que vem confirmar a
79
análise gráfica feita na alínea anterior.
3249,6 − 1672,5
3249,6 = 1672,5 + z × 479,4 ⇔ z = = 3,29
479,4
1 1
T = = = 2000 anos.
1 − F (x ) 1 − 0,9995
6 100
KT = − 0,5772 + ln ln = 3,137
π 100 − 1
199,4 − 89,6
199,4 = 89,6 + K t × 24,9 ⇔ K t = = 4,410
24,9
1 1
T = − πK
= − π × 4,410
= 510 anos.
− 0,5772 + t − 0,5772 +
−e 6 −e 6
1 − e 1 − e