UNIVERSIDADE FEDERAL

DOS VALES DO
JEQUITINHONHA E
MUCURI- UFVJM
Instituto de Ciências Agronômicas - ICA

HIDROLOGIA
ESTATÍSTICA
 Disciplina: Hidrologia e Drenagem
Prof. Dr. Maurício Leite
Unaí/MG

Freqüência de Dados Hidrológicos

Os fenômenos hidrológicos, notadamente a precipitação, são

caracterizados como aleatórios e estocásticos. Isto significa que há um
caráter probabilístico envolvendo estes fenômenos.

Em termos de seu comportamento há de se ressaltar que,

sempre haverá possibilidade de um dado evento hidrológico ser
superior ou inferior a um valor histórico já registrado. Isto é essencial
para o entendimento das variáveis hidrológicas, uma vez que esta é
uma das principais funções da hidrologia, que consiste em observar os
eventos e modelar as freqüências de ocorrência, possibilitando que
sejam feitas previsões assumindo determinado risco.

As variáveis hidrológicas, na maioria das vezes, são

consideradas contínuas, ou seja, variáveis que em termos físicos,
existem continuamente no tempo.

Em termos estatísticos, são aplicadas distribuições que

modelam este caráter, trabalhando com cálculos de áreas sob a curva
de distribuição de probabilidades abaixo ou acima de determinado
valor de interesse prático. Percebe-se que neste caso, não se
pergunta qual a probabilidade de um determinado evento ser IGUAL a
um valor específico, como no sorteio de um número, e sim, deste
evento ser maior ou menor que este valor, ou estar entre 2 valores
específicos. Este entendimento também é fundamental para aplicação
das distribuições de probabilidades aos fenômenos hidrológicos.

O primeiro passo para se modelar a freqüência de dados

hidrológicos é fazer um estudo de sua ocorrência, no que se
estabelece um percentual com que uma variável hidrológica pode ser
maior que um dado valor.

Isto é chamado freqüência de excedência e é obtida

diretamente de uma série histórica de dados. Contudo, pode-se
trabalhar com a freqüência de não excedência, ou seja, aquela em que
se estuda o percentual de uma variável ser menor ou igual a um dado
valor. A escolha depende dos objetivos, os quais serão discutidos na
seqüência. Deve-se ressaltar que uma é o complemento da outra, ou
seja:

fexc = 1− fnãoexc

Existem algumas definições de freqüência considerando

variáveis contínuas, destacando-se:
 5

O termo i, no numerador, refere-se à posição que o número

ocupa dentro da série histórica, a qual deve ser ordena em ordem
crescente para freqüências de não excedência e ordem decrescente
para freqüência de excedência.
 Por outro lado, N no denominador, refere-se ao tamanho da
série histórica. Ressalta-se que nos exemplos de aplicação aqui
desenvolvidos, será considerado apenas a equação proposta por
Weibull.

Com base no estudo das freqüências de ocorrência ajusta-se

uma distribuição de probabilidades e aquela que obtiver o melhor
ajuste (menor diferença entre as freqüências observada e estimada)
deve ser a escolhida.

Note que o tamanho da série histórica tem grande importância

haja vista que ela representará a possibilidade de ocorrência, ou seja,
quanto maior esta, maior a representatividade do evento, tendo como
referência seu registro histórico.

Portanto, o ajuste de uma distribuição de probabilidades

deverá representar eventos que ainda não foram registrados,
estimando-os dentro de uma margem de erro a ser definida pelo
projetista.

A freqüência de excedência é bastante usada em hidrologia,

especialmente quando os dados a serem trabalhados
constituem séries históricas de vazão, sendo neste caso,
conhecida como Curva de Permanência.
Isto significa que obtém-se a percentagem de tempo no qual um
determinado evento é superado ou igualado. Este tipo de estudo
tem importância prática, por exemplo, na determinação de uma
vazão mínima de um curso d’água para abastecimento ou
irrigação, ou ainda, a precipitação mínima num determinado
período de um mês visando ao balanço hídrico e fornecimento
da lâmina de irrigação suplementar, ambas as grandezas
associadas a uma probabilidade de ocorrência.

A Figura a seguir ilustra uma curva de permanência hipotética. 8

 9

No gráfico acima, para um valor y de vazão, x é a

percentagem com que a vazão y é igualada ou superada, ou seja, sua
permanência. Um valor prático extraído da curva de permanência é o
Q90%, o qual significa a vazão existente no curso d´água em 90% do
tempo, sendo aplicada à gestão dos recursos hídricos. Pela curva,
observa-se que se trata de uma vazão pequena. O risco assumido é
de que há possibilidade de 10% da mesma ser inferior ao valor
estimado.

10

Uma observação adicional pode ser feita. Quanto menor o

intervalo de análise dos dados (dados diários, mensais ou anuais)
mais segura será a interpretação da curva de permanência. Isto quer
dizer, por exemplo, que a análise de dados diários de vazão de um
determinado rio fornece um valor menor de vazão, para uma dada
permanência, do que dados mensais ou anuais. Estes últimos geram
valores superestimados, sendo mais útil o estudo com observações
diárias.

11

Conceito de Tempo de Retorno (TR)

O tempo de retorno representa o inverso da freqüência com

que um evento pode ser igualado ou superado, ou seja, reflete a
probabilidade com que uma dada variável hidrológica possa ser
igualada ou superada, num ano qualquer. Ao se ajustar uma
distribuição de probabilidades aos dados de freqüência de uma série
histórica, utiliza-se a probabilidade de excedência para estimar um
tempo de retorno, que é obtido em anos. Por definição, tem
se:

12

Ao se assumir uma distribuição de probabilidades com F (X >

xi) estimado por P (X > xi), tem-se:

No entanto, quando o objeto de estudo consiste de uma série histórica

de dados hidrológicos mínimos ou dados que apresentem distribuição
normal, o tempo de retorno a ser estimado também está associado à
probabilidade com que o valor mínimo considerado pode ser inferior ao
esperado, ou seja:

13

Esta situação é comum quando se trabalha com dados de

vazão mínima visando à gestão dos recursos hídricos e avaliação da
disponibilidade de água para irrigação ou abastecimento.

Uma vazão específica corresponde ao valor da Q7,10, que

significa um valor mínimo de vazão em 7 dias consecutivos, com
Tempo de Retorno de 10 anos. Isto significa que há probabilidade de
10% de ocorrer uma vazão mínima com 7 dias consecutivos inferior ao
valor estimado, sendo interpretado como um fator de segurança,
porém associado à garantia de vazão no curso d´água.

14

Classificação das Séries

Históricas Hidrológicas
Os dados históricos relativos a um evento hidrológico
constituem uma série hidrológica, a qual pode ser classificada em:

a) Série original: constituída por todos os valores registrados.

Exemplo: 30 anos de dados de precipitação mensal. A série será
constituída por 30 x 12 valores.

b) Série anual: constituída por valores extremos (máximos e mínimos)

de cada ano. A partir do exemplo anterior, ter-se-ia uma série com
30 valores. Normalmente, valores mínimos anuais dizem respeito
 ao comportamento de vazões em cursos d’água. Este tipo de
estudo visa fornecer informações para projetos de abastecimento
de água e irrigação.

15

c) Série parcial: constituída pelos “N” maiores ou menores valores

ocorridos nos “N” anos de observação. A partir do exemplo inicial,
ter-se-ia uma série constituída por 30 valores, os quais seriam os
maiores ou menores da série original, sem haver a vinculação com
o ano de ocorrência. Outra alternativa seria constituir a série com
todos os valores maiores ou menores que determinado valor
especificado. Esta última alternativa refere-se a uma situação na
qual a série histórica é pequena e há utilização de mais de um valor
extremo por ano.
 16

As séries históricas mais

trabalhadas em hidrologia são as
seguintes:

a) Precipitação total anual: constituída pela soma das precipitações

diárias ocorridas ao longo de 1 ano, obtendo-se, desta forma, 1
valor da série. É estruturada, portanto, com valores totais de cada
ano. Neste caso, normalmente objetiva-se ao estudo
comportamental do ciclo hidrológico, sendo importante para
balanço hídrico anual e ajudar a responder algumas questões sobre
 mudanças climáticas, em especial, do regime hídrico.

17

b) Precipitação total mensal, quinzenal e decendial: neste caso,

pode-se trabalhar considerando um mês específico do ano (de
interesse regional, por exemplo) e estudar os seus totais mensal,
da 1ª e 2ª quinzenas, 1º, 2º e 3º decendiais. Este estudo é
importante quando se realiza balanço hídrico de culturas visando ao
manejo de irrigação. O produto gerado é conhecido como
Precipitação Provável e sempre trabalha-se com uma probabilidade
de excedência, ou seja, objetiva-se garantir um valor mínimo com
75, 90 ou 95% de acerto, dependendo da cultura em questão.
Culturas de maior valor econômico trabalha-se com um nível de
probabilidade de acerto maior, devido ao risco de prejuízos mais
importantes.
 c) Precipitação máxima diária anual: neste caso, toma-se, em
determinado ano, a maior precipitação diária registrada, sendo este
valor 1 componente da série histórica. É feito desta forma para
vários anos, constituindo-se a série histórica. Seu estudo é
importante quando se deseja obter valores extremos máximos
diários, visando ao estudo da freqüência de ocorrência de
precipitações intensas, inclusive para geração das equações de
chuvas intensas. Quando a disponibilidade de dados históricos é
pequena, pode-se trabalhar com os 2 maiores valores anuais, a fim
de melhorar a representatividade da série.
d) Precipitação máxima anual correspondente a um determinado tempo
de duração da precipitação: aqui, têm-se os mesmos objetivos
anteriores, porém trabalhando-se com pluviogramas, separando-se o
valor máximo da precipitação num determinado ano, para vários
tempos de duração. Assim, constitui-se uma série histórica para cada
tempo de duração. Estas séries geram resultados mais precisos para o
ajuste da equação de chuvas intensas, pois trata-se de intensidades
 reais que ocorreram num determinado local. Valores totais diários não
expressam tal característica.

e) Vazões Máximas Diárias Anuais: são séries históricas aplicadas ao

estudo de vazões de cheia e de projeto em cursos d´água. São séries
com característica assintótica, assim como as de precipitações
máximas, ou seja, com acúmulo de
dados à direita na distribuição de freqüências.
19

f) Vazões Mínimas Diárias Anuais: são séries históricas muito

aplicadas à hidrologia, fundamentais em estudos ligados à
disponibilidade de água em cursos d´água para projetos e gestão
de recursos hídricos. De forma semelhante às vazões máximas,
são assintóticas, com acúmulo de dados à esquerda na distribuição
de freqüência.
g) Vazões médias anuais: são séries históricas aplicadas ao estudo do
comportamento do deflúvio médio anual, obtida pela média
aritmética dos dados.

h) Evapotranspiração: séries históricas que permitem estudar o

comportamento evapotranspirativo em bacias hidrográficas.
Importante nos
estudos ligados ao comportamento climático de regiões.
20

Histogramas de Freqüência
Histogramas de freqüência dizem respeito à representação
gráfica (normalmente em barras) da freqüência de ocorrência de uma
dada variável, podendo ser simples ou acumulada (de excedência ou
não excedência). A curva de permanência é um tipo de histograma de
excedência, com as classes acumulando-se à esquerda. A seguir será
apresentada a metodologia clássica para o desenvolvimento de
histogramas de freqüência.

1º) Determinação do número de classes (k)

– até 100 dados = k = √n

– acima de 100 dados = k = 5 × log10(n)

onde n é o número de observações.

21

2º) Amplitude total dos dados (A)

A=M−m
em que M é o valor máximo observado e m, o menor valor.
classe (Ac)
3º) Amplitude de
em que, Dx é a precisão de leitura (por exemplo: dados com uma casa
decimal, a precisão é de 0,1).
superior da 1ª Classe
4º) Limite inferior da 1ª

classe 5º) Limite

LSclasse1 = LIclasse1 + Ac
22

6º) As demais classes são computadas somando-se os limites à

amplitude, e assim sucessivamente.
• LSclasse1 = LIclasse2

• LSclasse2 = LIclasse2 + Ac

• LSclasse2 = LIclasse3 + Ac,

e assim por diante.

23

Medidas estatísticas básicas

aplicadas em Hidrologia

Média Aritmética
 A média aritmétrica de um conjunto de dados é

expressa por:

Moda

É definida como sendo o valor que aparece com mais

freqüência num conjunto de dados. Quando se tem um intervalo de
classe, a moda será o ponto médio da classe que contiver o maior
número de ocorrências.

24

Mediana

Corresponde ao valor que representa exatamente 50% das

ocorrências. Para obtê-lo basta avaliar as freqüências de ocorrência,
independentemente de ser de excedência ou não-excedência. Para
obter o valor exato de 50%, pode-se utilizar o procedimento de
interpolação dos dados vizinhos a este valor, quando não for possível
obtê-lo diretamente.

Variância da Amostra

25

Desvio Padrão da
Amostra

Ao se avaliar tanto o desvio padrão quanto a variância,

observa-se que quanto maior ambos, maior a variação dos dados
em torno da média.

26

Assimetria

A assimetria é um parâmetro importante na medida em que

avalia a forma como os dados estão distribuídos em relação à média.
Para que os dados apresentem distribuição normal, a assimetria deve
ser próxima ou igual a zero. Nesta situação, a média, a moda e a
mediana são iguais. Contudo, quando este valor for distante de zero,
apresentará um padrão de distribuição com a maior quantidade de
dados à esquerda (assimetria positiva) ou à direita (assimetria
negativa). Em termos de dados hidrológicos, por apresentarem um
padrão com limitação inferior (normalmente, valor mínimo é zero) e
sem limitação superior (todo evento hidrológico pode ser superado), a
assimetria é positiva. A assimetria pode ser calculada da seguinte
forma:

27

Na prática é mais comum a utilização do coeficiente de

assimetria, que representa a relação entre a assimetria e o desvio
padrão ao cubo. Este coeficiente pode ser corrigido ou comum. O
último pode ser calculado por:

O coeficiente corrigido é determinado da seguinte forma:

 Além da análise geral dos dados, a média, o desvio padrão e o
coeficiente de assimetria são extremamente importantes, pois
constituem-se nos parâmetros que caracterizam as distribuições de
probabilidades.

28

Curtose

Quantifica o grau de “achatamento” da distribuição de

freqüência de uma determinada amostra. A referência para curtose é
a curva normal e pode ser calculada pela seguinte equação:
 29

Se Cu for próximo a zero, a distribuição se aproxima da normal;

se for maior que zero, os dados estão distribuídos de forma
“afilada”; se for menor que zero, forma “achatada”.
 30

Co-variância amostral

Quando se relaciona um conjunto de dados de uma variável

com valores de outra variável que possa explicar o comportamento da
primeira, aplica-se a covariância amostral, onde quanto maior este
valor, maior a relação entre as variáveis, ou seja, mais uma variável
explica a outra. Este coeficiente pode ser calculado pela equação:

A co-variância pode ser negativa ou positiva. No primeiro

caso, significa que valores mais baixos de uma variável explica valores
mais altos de outra variável. No segundo, as variáveis possuem o
mesmo comportamento em termos de crescimento.
Em ambos os casos, quanto maior o valor, em módulo, maior
a explicação da variável dependente.

31

Coeficiente de correlação

É um coeficiente que adimensionaliza a co-variância e busca

explicar, da mesma forma anterior, a relação entre duas
variáveis. Seu valor varia de –1 a 1 e quanto mais próximo dos
extremos, maior a explicação da
variável. É calculada por:

Em que sx e sy são respectivamente, o desvio padrão das

variáveis x e y. 32
Distribuições de
Probabilidades
em Hidrologia
 33

Equação Geral de Ven Te Chow

Há situações em que se necessita estimar valores de eventos

associados a recorrências muito altas, cujas freqüências não foram
ainda obtidas, como é o caso de estruturas civis, cuja falha coloque
em risco vidas humanas. Nestas condições, recomenda-se o uso de
Distribuições Teóricas de Probabilidades, as quais devem ser
adequadas ao tipo de estudo a ser empreendido.
 34

Ven Te Chow1 afirma que a maioria das funções de

probabilidades, aplicáveis à Hidrologia, visando associar valor
(magnitude) da variável à probabilidade de sua ocorrência, pode ser
representada pela seguinte equação:

XTR = Ӿ+ KTR × S

Em que, XTR é o valor da variável hidrológica associada à

recorrência TR, Ӿ é a média aritmética da série histórica, S, o desvio
padrão da mesma e KTR, o fator associado à freqüência, sendo
função de TR e da distribuição de probabilidades. É também chamado
“variável reduzida”. Basicamente, este modelo geral é aplicado em
quase todos os estudos probabilísticos em hidrologia.
35

Distribuições de Probabilidades
Comuns em Hidrologia

As distribuições de probabilidades que serão apresentadas,

com as respectivas aplicações, são as seguintes:

• Distribuição Normal ou de Gauss: adequada para séries originais

(Ex.: totais anuais de precipitação);

• Distribuição de Gumbel (ou Assintótica de Valores Máximos

Extremos do tipo I): adequada para série de valores extremos
máximos (série de valores máximos diários de precipitação ou
 vazão);

• Distribuição Assintótica de Valores Mínimos Extremos do Tipo I:

adequada para valores mínimos extremos (série de valores
mínimos de vazão);
36

• Distribuição Log-Normal a 2 e 3 parâmetros: aplicável tanto a

valores originais quanto máximos e estimativa da precipitação
provável;

• Distribuição Gama: aplicável para estimativa da precipitação

provável e séries históricas de valores extremos;
 • Distribuição Weibull: aplicável a série histórica de vazões

mínimas; 37

Uma distribuição de probabilidades é definida com base em 2

ou 3 parâmetros. A estimativa destes parâmetros é feita com base na
Inferência Estatística, sendo o método dos momentos, o qual calcula
os parâmetros com base nos momentos estatísticos de 1ª, 2ª e 3ª
ordem, associados, respectivamente, à média, variância e assimetria.
As distribuições Normal e de Gumbel possuem apenas os 2 primeiros
parâmetros.

A Log-Normal pode estar associada aos 2 primeiros, assim

como a Normal, ou aos 3 parâmetros. No entanto, esta metodologia,
apesar de mais aplicada, é menos precisa que outras. O método da
Máxima Verossimilhança, que consistenuma alternativa para
estimativa dos parâmetros também será apresentada e discutida.

38

Distribuição Normal ou de Gauss

A distribuição de Gauss ou Normal (DN) é uma distribuição de

probabilidades para variável contínua, caracterizada pela média e
desvio padrão. Os valores de uma série que segue a DN se distribuem
simetricamente em relação à média. Portanto, apresentam o
coeficiente de assimetria igual a zero.

A relação entre os valores e a probabilidade de ocorrência

pode ser visualizada na Figura a seguir, cuja área até determinado
ponto (ou valor), no sentido da esquerda para direita, representa a
probabilidade de ocorrer valores menores ou iguais àquele valor
(probabilidade de não excedência).

39
40

A função densidade de probabilidade (FDP) é dada pela seguinte

equação:

Em que, s é o desvio padrão e μ, esperança ou média, ambos

da população, que serão substituídas pelo desvio padrão e média
amostrais, com o 1º e 2º momentos calculados da seguinte forma:

41

A probabilidade propriamente dita é obtida pela integração da

função densidade de probabilidade (FDP), gerando a Função
Cumulativa de Probabilidades (FCP). A probabilidade de
não-excedência é obtida pela integração da FDP de − ∞ a um valor
específico X. A probabilidade de excedência é obtida com base na
equação 1, já que a integração da FDP de − ∞ a + ∞ é igual a 1. Desta
forma, tem-se para a probabilidade de não excedência:
 42

Para facilitar a generalização desta relação (valor e

probabilidade), propõem-se a distribuição normal padrão, que utiliza a
chamada variável reduzida ou padrão z, que mede o desvio de uma
variável em relação à média, em termos do desvio padrão, ou seja:
 43

Observa-se que z faz o papel de KTR conforme equação geral

proposta por Vem Te Chow. Verifica-se, portanto, que a variável KTR é
equivalente a z. A distribuição normal passa a ser DN (0,1) que é a
distribuição normal padrão e sua FCP calculada por:

Em que z é a variável reduzida.

 44

Observa-se que esta função não apresenta solução analítica.

Desta forma, pode-se utilizar a tabela de distribuição de Gauss ou
tabela de z. Esta tabela fornece os valores de probabilidade,
normalmente de − ∞ até o valor de z que corresponde ao valor da
variável x, sendo este valor z obtido pela equação abaixo. Além desta
metodologia, pode-se trabalhar com uma aproximação razoável,
utilizando a equação abaixo:
 45

Os valores para as constantes são:

– a0 = 0,33267
– a1 = 0,43618
– a2 = -0,12017
– a3 = 0,9373

Devido à simetria da curva normal a série pode ser dividida em

valores “menores que” e “maiores que” a média. Deve-se ressaltar que
variáveis afastadas da média do mesmo valor (com os mesmos
desvios) têm o mesmo tempo de recorrência, independente de ser
menor ou maior que a média. Assim, se 2 valores da variável X (X1 e
X2) distam da média, o mesmo desvio, tem-se o mesmo tempo de
retorno para ambas. Numa situação busca se a possibilidade de um
valor menor que a média voltar a se repetir e noutra, um valor maior
que a média. O cálculo de TR será feito considerando as seguintes
situações:
• Para valores menores que a média, objetiva-se conhecer o valor de
não excedência;
• Para valores maiores que a média, objetiva a probabilidade destes
valores serem superados;46
Pelas equações abaixo, tem-se, respectivamente, a forma de
cálculo de TR para cada situação:

47
Exemplo

Se a precipitação total anual média é de 1000 mm e o desvio

padrão, 200 mm, qual o TR para as precipitações de 1200 mm e 800
mm.

48
49
50
Exemplo de Aplicação 4.1

• Com base em dados referentes às alturas pluviométricas anuais de

Lavras, • MG, no período de 1914-1943, 1946-1949 e 1951-1991,
obter: • a) Distribuição de freqüência (tabela e gráfico), média,
mediana, moda, desvio padrão
• e coeficiente de assimetria.
• b) Utilize a distribuição de Gauss para calcular os valores
máximos e mínimos
• esperados para os tempos de retorno de 10, 50, 100 e 1000 anos. •
c) Compare as freqüências observada e teórica, associadas às
precipitações de
• 1068,1 mm e 2042,2 mm.

51
52
53
54
55
56
57
58
59