Escolar Documentos
Profissional Documentos
Cultura Documentos
RESUMO
Considerando a importância sócio-econômica da região de Presidente Prudente, este estudo teve como
objetivo estimar a precipitação pluvial máxima esperada para diferentes níveis de probabilidade e
verificar o grau de ajuste dos dados ao modelo Gumbel, com as estimativas dos parâmetros obtidas pelo
método de máxima verossimilhança. Pelos resultados, o teste de Kolmogorov-Sminorv (K-S) mostrou
que a distribuição Gumbel testada se ajustou com p-valor maior que 0.28 para todos os períodos de
tempo considerados, comprovando que a distribuição Gumbel apresenta um bom ajustamento aos
dados observados para representar as precipitações pluviais máximas. As estimativas de precipitação
obtidas pelo método de máxima verossimilhança são consistentes, conseguindo reproduzir com
bastante fidelidade o regime de chuvas da região de Presidente Prudente. Assim, o conhecimento
da distribuição da precipitação pluvial máxima mensal e das estimativas das precipitações diárias
máximas esperadas, possibilita um planejamento estratégico melhor, minimizando assim o risco de
ocorrência de perdas econômicas para essa região.
Palavras-Chave: Precipitação máxima, estimador de máxima verossimilhança, distribuição Gumbel,
intervalo de confiança.
O nível de retorno associado ao período de retorno Equação 7 e então, substitui-se este valor na Equação 6 para obter
t = 1 / P é dado por fˆ.
x p = φ − ϕ log(− log(1 − P )) (3) Da Equação 2, o estimador de máxima verossimilhança
da probabilidade P é dado por
2.3 Análise estatística dos dados x − φˆ
Pˆ = 1 − exp− exp− . (8)
ϕˆ
A análise estatística dos dados foi realizada primeiramente
verificando o nível de ajuste dos dados ao modelo Gumbel A precipitação pluvial máxima esperada pode ser
através dos testes Kolmogorov-Smirnov e Qui-quadrado a estimada também usando a função inversa da Equação 2,
um nível de significância de 5%, para verificar o ajustamento fixando-se os níveis de probabilidade P. Assim, a precipitação
em todos os períodos de chuva considerados. Para isto, foi pluvial máxima provável para uma determinada probabilidade
utilizado o método de máxima verossimilhança para estimação pode ser determinada pela seguinte expressão:
dos parâmetros do modelo. Após o ajustamento da distribuição
Gumbel aos dados, o objetivo foi então, estimar pontualmente xˆ p = φˆ − ϕˆ log(− log(1 − P )). (9)
n
(φ , ϕ | x) = log L(φ , ϕ | x) = − n log ϕ − (x − φ ) − exp− i . Fisher dada por
ϕ i =1 ϕ
(5) n n
− 2 [1 + ψ (1)]
Os estimadores de máxima verossimilhança fˆ e ĵ são
ϕ2 ϕ (11)
I (φ , ϕ ) = ,
− n [1 + ψ (1)] n [1 + ψ (2) + ψ 2 (2)]
obtidos resolvendo as equações de verossimilhança e ϕ 2
ϕ 2
∂ l/ ∂ f = 0 e ∂ l/ ∂ j = 0 simultaneamente. Segue então que:
e ψ (k ) é a função digama ψ (k ) = Γ(k ) , conforme definido
d
−ϕˆ
1 n
x dk
(6) em Lawless (1982).
ˆ
eφ = exp− i
n i =1 ϕˆ Assim, as regiões de confiança conjunta aproximadas
para f e j podem ser obtidas. Intervalos de confiança individuais
Substituindo a Equação 6 em ∂ l/ ∂ j = 0, obtém-se:
aproximados para os parâmetros f e j e com coeficiente de
xi confiança 100(1-a)% são dados por
n
x exp− ϕˆ
i
ϕˆ + i =1
− x = 0. (7)
n
x φˆ − z α var(φˆ) < φ < φˆ + z α var(φˆ) (12)
exp− i
ϕˆ 2 2
e
i =1
Uma vez que as Equações 6 e 7 não podem ser resolvidas ϕˆ − z α var(ϕˆ ) < ϕ < ϕˆ + z α var(ϕˆ ) (13)
por exemplo, Método de Newton-Raphson (Ruggiero e Lopes, var(φˆ) cov(φˆ, ϕˆ ) ϕˆ 1.109 0,257
onde = I (φˆ, ϕˆ ) = , para “var” e
−1
1988). Portanto, primeiramente determina-se ĵ como solução da ˆ
cov(φ , ϕˆ ) var(ϕˆ ) n 0,257 0,608
564 Hartmann et al. Volume 26(4)
“cov” indicando, respectivamente, a variância e a covariância Os resultados indicam que não houve tendência
entre os estimadores. significativa na precipitação máxima observada em nenhuma
Para se obter o intervalo de confiança para o p-ésimo das treze séries.
quantil x p = f − j w p , onde w p = log(− log(1 − P )) , trata-se A Figura 2 representa uma comparação gráfica temporal
r(xˆ p ) < x p (<xˆxˆp p-=−xfpˆz)−α/jˆ var(
w p xˆ p ) como uma distribuição normal padrão, N(0, dos valores máximos de precipitações máximas mensais
1), onde2 var( xˆ p ) = var(fˆ) + w 2p var(jˆ ) − 2w p cov(fˆ, jˆ ) . Assim, o relativas aos anos estudados, considerando-se os meses de
intervalo de confiança 100(1-a)% para x p é dado por: cada estação do ano. Pode-se observar também, uma nítida
variação quantitativa de chuvas no decorrer do ano, cujos meses
xˆ p − z α var(xˆ p ) < x p < xˆ p − z α var(xˆ p ) (14) mais chuvosos são, sistematicamente, janeiro e fevereiro, com
2 2
máximas atingindo até 250 mm. Há uma estação menos chuvosa
com xˆ p = fˆ − jˆ w p , fˆ e jˆ como soluções das Equações 6 e 7. no inverno, com precipitações máximas mensais ao redor de 40
mm. Neste caso, Agosto e Setembro são os meses com menos
3. RESULTADOS E DISCUSSÃO precipitação.
A distribuição Gumbel tem sido aplicada com grande
Os dados de precipitação pluvial diária foram agrupados freqüência na análise estatística da precipitação pluvial máxima.
em períodos mensais, extraindo-se a máxima precipitação Para Presidente Prudente e região, a distribuição Gumbel
pluvial diária observada de cada mês. também apresentou melhor ajustamento aos dados observados
Uma das pressuposições para que se possa ajustar para representar as precipitações pluviais máximas. O teste
modelos probabilísticos, como a distribuição Gumbel, é que as de Kolmogorov-Sminorv mostrou que a distribuição Gumbel
observações sejam aleatórias. Assim, inicialmente foi realizado testada se ajustou com p-valor maior que 0.28 para todos os
um run-test para verificar a aleatoriedade das precipitações períodos de tempo considerados, ou seja, com boa aderência,
máximas observadas para cada um dos doze meses e também contudo seu pior ajustamento ocorreu para os dados do mês de
para a série de máximas anuais. Os resultados do teste revelam Julho, onde teve o menor p-valor, resultado esse idêntico ao
que as treze séries consideradas apresentam um comportamento obtido por Gomes, et al. (1989).
aleatório, como mostrado na Tabela 1. A Tabela 2 apresenta os estimadores de máxima-
A Figura 1 representa um gráfico temporal dos valores verossimilhança para os parâmetros da distribuição Gumbel
de precipitações máximas anuais relativas aos anos estudados. com seus respectivos intervalos de confiança e os p-valores
Observa-se que não há uma tendência crescente ou decrescente para os testes de aderência de Kolmogorov-Smirnov (K-S) e
na precipitação máxima, ou seja, um aumento ou decréscimo Qui-quadrado (χ2), para cada mês do ano.
nos valores de chuvas máximas mensais na região de Presidente Na Tabela 2, observa-se que as estimativas dos
Prudente. parâmetros f e φ foram menores nos períodos mais secos
Ainda pela Figura 1, nota-se que durante o período de (outono e inverno), e maiores nos períodos mais chuvosos.
57 anos do estudo poucas vezes ocorreram chuvas com índices Obviamente, isto se deve a ocorrência de precipitação máxima
acima de 100mm, indicando que estes ocorreram devido a menores nos meses secos.
causas aleatórias. Para analisar a presença ou não de possíveis
tendências nas séries de máxima mensal, foi utilizado o Teste Tabela 1 - P-valor dos testes de aleatorização e teste de tendência para
de Tendência de Mann-Kendall. A Tabela 1 fornece os p-valores os dados pluviométricos mensais de Presidente Prudente e região-SP.
para cada mês dos respectivos testes.
Meses Run Teste Teste de Mann-
Série de máximas anuais
Kendall
250
150
Verão Outono
100
250
Janeiro Abr
Fevereiro Mai
Março Jun
80
200
Quantidade[mm]
Quantidade[mm]
60
150
40
100
20
50
0
0
0 10 20 30 40 50 0 10 20 30 40 50
Anos Anos
Inverno Primavera
80
Jul
Ago
150
Set
Out
Nov
60
Dez
Quantidade[mm]
Quantidade[mm]
100
40
50
20
0
0 10 20 30 40 50 0 10 20 30 40 50
Anos Anos
Figura 2 - Comparação gráfica da precipitação pluviométrica mensal entre 1947 e 2003 em Presidente Prudente-SP.
Tabela 2 - P-valor dos testes de ajustamento K-S e χ2, estimadores de máxima verossimilhança e intervalos de confiança (IC) 95% para os parâmetros
f e φ da distribuição Gumbel ajustada para os dados pluviométricos de Presidente Prudente e região-SP.
Um dos métodos gráficos mais utilizados na verificação comportam em relação à determinada distribuição.
do ajustamento de uma dada distribuição aos dados observados A Figura 3 representa um Q-Q plot para a distribuição
é o Quantil-Quantil Plot ou Q-Q plot. O procedimento Gumbel ajustada. O gráfico mostra que a maioria dos pontos do
empregado consiste na comparação gráfica dos quantis teóricos Q-Q plot estão sensivelmente ao longo de uma reta, havendo
da distribuição Gumbel com os quantis dos dados amostrais, apenas uma relação não-linear bastante acentuada entre os
mostrando a linearidade entre os dados ajustados e os empíricos, quantis teóricos e empíricos nas caudas das distribuições,
de forma que quantos mais próximos os pontos da linha de o que implica que o ajustamento da distribuição Gumbel à
referência maior é a certeza de que os dados ajustados se série estudada é perfeitamente recomendável. Os meses que
566 Hartmann et al. Volume 26(4)
80
150
80
quantil estimado
quantil estimado
quantil estimado
100
60
100
60
Fx
40
60
40
50
20
20
20
0
0
50 100 150 200 50 150 250 20 40 60 80 0 20 40 60 80
quantil observado quantil observado quantil observado quantil observado, ylab = quantil estima
50
80
80
50
quantil estimado
quantil estimado
quantil estimado
quantil estimado
60
60
30
30
40
40
20
10
10
20
0
0
−10
0
0 20 40 60 80 0 20 40 60 80 0 20 40 60 80 0 10 30 50
quantil estimado
quantil estimado
quantil estimado
50
80
20 40 60 80
60
60
30
40
40
0 10
20
20
0 10 30 50 0 20 40 60 80 0 50 100 150 20 40 60 80
0.8
0.8
0.8
F(x)
F(x)
F(x)
F(x)
0.4
0.4
0.4
0.0
0.0
0.0
0.0 0.4 0.8 0.0 0.4 0.8 0.0 0.4 0.8 0.0 0.4 0.8
^ ^ ^ ^
F(x) F(x) F(x) F(x)
F(x)
F(x)
F(x)
0.4
0.0
0.0 0.4 0.8 0.0 0.4 0.8 0.0 0.4 0.8 0.0 0.4 0.8
^ ^ ^ ^
F(x) F(x) F(x) F(x)
0.8
0.8
F(x)
F(x)
F(x)
F(x)
0.4
0.4
0.4
0.4
0.0
0.0
0.0
0.0
0.0 0.4 0.8 0.0 0.4 0.8 0.0 0.4 0.8 0.0 0.4 0.8
^ ^ ^ ^
F(x) F(x) F(x) F(x)
Tabela 3 - Estimativas das precipitações diárias máximas esperadas, nos períodos de um mês e um ano em 6 níveis de probabilidade, calculadas
pela distribuição Gumbel, usando-se os estimadores fˆ e ĵ de máxima verossimilhança em Presidente Prudente-SP.
mostraram um menor alinhamento dos valores ajustados 95%, verifica-se que a precipitação máxima esperada é maior
correspondem aos meses menos chuvosos Junho, Julho e que 38 mm, ou seja, espera-se que em 1 de cada 20 anos, o
Agosto. valor da precipitação diária máxima em Janeiro seja superior
Outra forma de avaliar graficamente o ajuste da a 38 mm.
distribuição é a utilização dos gráficos de probabilidades (PP
plot). Neste caso, o ajuste dos dados pode ser comparado em 4. CONCLUSÕES
termos da probabilidade acumulada, comparando a função
de distribuição acumulada (FDA) empírica e a função de Os resultados mostram que houve um bom ajuste da
distribuição acumulada ajustada pela distribuição Gumbel. distribuição Gumbel para os dados da precipitação máxima
Através da Figura 4, observam-se os pontos alinhados em uma mensal para a região de Presidente Prudente. As estimativas de
reta indicando um bom ajuste do modelo, isto é, dos dados à precipitação obtidas pelo método de máxima verossimilhança
distribuição valor extremo. são consistentes conseguindo reproduzir com bastante fidelidade
Utilizando-se a distribuição Gumbel com as estimativas o regime de chuvas da região de Presidente Prudente.
dos parâmetros obtidos pelo método da máxima verossimilhança, O conhecimento da distribuição da precipitação pluvial
dadas na Tabela 2, calculou-se a precipitação pluvial diária máxima mensal, e consequentemente as estimativas das
máxima provável para períodos de retorno de 2, 4, 10, 20, 40 precipitações diárias máximas esperadas possibilitam planejar
e 50 anos ou, respectivamente níveis de probabilidade: 50, 75, a época adequada de plantio e colheita além de auxiliar no
90, 95, 97.5 e 98 por cento nos períodos mensais. Os intervalos planejamento de obras de engenharia hidráulica e agrícola na
de confiança 95% associados aos períodos de retorno χ0,95 e χ0,99 região de Presidente Prudente, minimizando assim o risco de
anos também são avaliados, revelando que os maiores níveis ocorrência de perdas econômicas.
de retorno registram-se nos meses de Janeiro e Fevereiro. Os
resultados são apresentados na Tabela 3. 5. REFERÊNCIAS
As informações contidas na Tabela 3 podem ser
interpretadas como, as estimativas das precipitações diárias BEIJO, L.A.; MUNIZ, J.A.; VOLPE, C.A.; PEREIRA, G.T.
máximas no período de um mês e um ano. Por exemplo, Estudo da precipitação máxima em Jaboticabal (SP) pela
considerando o mês de Janeiro e o nível de probabilidade de distribuição de Gumbel utilizando dois métodos de estimação
568 Hartmann et al. Volume 26(4)
dos parâmetros. Revista Brasileira de Agrometeorologia, RUGGIERO, M A.G.; LOPES, V.L.R. Cálculo numérico:
Santa Maria, v. 11, n. 1, p. 141-147, 2003. aspectos teóricos e computacionais. São Paulo: McGraw-
FERREIRA, J.C.; DANIEL, L.A.; TOMAZELA, M. Parâmetros Hill, 1988.
para equações mensais de estimativas de precipitação de SANSIGOLO, C.A. Distribuições de extremos de precipitação
intensidade máxima para o Estado de São Paulo - Fase I. diária, temperatura máxima e mínima e velocidade do
Ciência e Agrotecnologia. v. 29, n. 6, 2005. vento em Piracicaba, SP (1917-2006). Revista Brasileira de
GOMES, F.G.; AQUINO, L.H.; OLIVEIRA, M.S. Estudo da Meteorologia, v. 23, n. 3, p. 341-346, 2008.
distribuição e freqüência de precipitação pluviométrica VIEIRA, S.R.; LOMBARDI NETO, F.; BURROWS, I.T.
máxima em períodos de dez e quinze dias, um mês e um Mapeamento da chuva diária máxima provável para o
ano, em Lavras (MG) pela distribuição Gumbel. Ciência e Estado de São Paulo. Revista Brasileira de Ciência do Solo,
Prática, Lavras, v. 13, n. 2, p. 177-184, 1989. Campinas, v. 15, p. 93-98, 1991.
LAWLESS, J.F. Statistical Models and Methods for Lifetime
Data. Wiley, New York. 1982.
MELLO, C.R.; SILVA, A.M. Métodos estimadores dos
parâmetros da distribuição de Gumbel e sua influência em
estudos hidrológicos de projeto. Irriga, Botucatu, v. 10, n.
4, p. 318-334, 2005.