AULA 1 e 2 - Hidrologia Estatística

OBRAS HIDRÁULICAS
ESTATÍSTICA DESCRITIVA e
HIDROLOGIA ESTATÍSTICA
Prof. Marcos André de Oliveira

Engenharia Civil
Universidade Federal de Tocantins
Aspectos Básicos de Estatística Descritiva
O que é Estatística?
Área da Matemática que se preocupa

com a organização, coleta e resumo dos
dados, para auxílio na tomada de
decisões.
Estatística Descritiva
Organização e Resumo dos Dados :
Ex: Medidas Descritivas, Histogramas, “Box Plot” etc.
Estatística Inferencial
Técnicas para obtenção de conclusões sobre a
população a partir da amostra.
Ex: Amostragem, Testes de Hipótese, Regressão,
Correlação etc.
O que é população, o que é amostra?
População é o universo de estudo e amostra
é um subconjunto desse universo.
Subconjunto
O que é Probabilidade?
Área da Matemática que se preocupa

com o estudo da incerteza.
Objetivos da Estatística e da Probabilidade
 O objetivo é aprender a lidar com a

VARIABILIDADE e com a INCERTEZA.
 Essas duas grandezas podem ser medidas:

- A Estatística possui ferramentas para
quantificar e analisar a VARIABILIDADE
- A Probabilidade possui ferramentas para
quantificar e analisar a INCERTEZA.
Exemplo da Presença da Variabilidade
Série de Vazões Diárias
Fontes Potenciais de Variabilidade das vazões?

Com os métodos da estatística é possível formular modelos para
quantificar e estudar a variabilidade.
Exemplo da Presença da Incerteza
DURAÇÃO DE UMA OBRA HIDRÁULICA
(i) Para redução da incerteza associada a previsão da duração das

atividades relacionadas a uma “Obra Hidráulica” (projeto,
construção e operação) são utilizadas estimativas pessimistas,
normal e otimistas para conclusão destas atividades.
(ii) Estimativas x especialistas e experiência = Valor Esperado para
finalização da respectiva atividade.
(iii) As estimativas reduzem a incerteza no planejamento do
cronograma e contribuem para o sucesso de todo projeto.
Distribuições de Freqüência
O que são Distribuições de Freqüência ?

É a forma de organização de dados mais
importante da estatística. Nela os valores e as
suas respectivas freqüências estão posicionados
lado a lado. Os dados e as variáveis utilizados
podem ser discretos ou contínuos. Isso fará com
que seja mudada a forma de representar a
distribuição.
Distribuições de Freqüência - Exemplos
variáveis discretas variáveis contínuas

Classes fi salários No de
xi fi empregados
35  45 5
5 2 80  180 70
45  55 12
7 3 180  250 140
55  65 18
8 4 250  300 140
65  75 14
9 5 300  500 60
75  85 6
11 2 85  95 3 Suponha:
 16  58 Classes = faixa etária
fi = no de pessoas
Distribuições de Freqüência - Observações
• Limites das Classes
A representação do limite das classes poderá trazer diferentes
significados quanto a inclusão ou não dos elementos extremos.
a) 10 12 – Classe compreende os dois valores extremos
b) 10 12 – Classe compreende todos os valores excluindo o
último.
c) 10 12 – Classe compreende todos os valores excluindo o
primeiro.
Por simplificação a notação utilizada na apresentação será  e terá
o mesmo significado do item b).
Distribuições de Freqüência – Observações (Cont.)
• Pontos médios das classes (xi)
1. É a média aritmética entre o limite inferior e o superior da
classe. Dessa forma na classe 10  12, seu ponto médio será 11.
2. Esse ponto médio será muito útil para o cálculo de medidas
descritivas que serão vistas posteriormente.
• Freqüência Acumulada (Fac)

É a soma das freqüências dos valores inferiores ou iguais ao valor dado.
Exemplo: xi 0 1 2 
fi 3 5 2 10
Fac 3 8 10
Contagem
Distribuições de Freqüência – Exemplo altura
Intervalo Contagem
Número Nome Altura (cm) <150 0
1 Pedro Cabral 185 150 a 155 3
2 Charles Darwin 174 155 a 160 10
3 Leonardo da Vinci 173 160 a 165 43
4 Getúlio Vargas 161 165 a 170 120
5 Oscar Schmidt 205 170 a 175 134
6 Chico Mendes 169 175 a 180 76
7 Seu Creysson 168 180 a 185 23

.. 185 a 190 16
... 190 a 195 13
N Elvis Presley 180 195 a 200 6
200 a 205 1
Contagem
Intervalo (cm) Contagem Contagem Acumulada Acumulada relativa

<150 0 0 0/445 = 0,00
150 a 155 3 3 3/445 = 0,01
155 a 160 10 13 13/445 = 0,03
160 a 165 43 56 56 /445 = 0,13
165 a 170 120 176 176 /445 = 0,40
170 a 175 134 310 310 /445 = 0,70
175 a 180 76 386 386 /445 = 0,87
180 a 185 23 409 409 /445 = 0,92
185 a 190 16 425 425 /445 = 0,96
190 a 195 13 438 438 /445 = 0,98
195 a 200 6 444 444 /445 = 1,0
200 a 205 1 445 445 /445 = 1,0
Contagem
Intervalo (cm) Acumulada Probabilidade de uma

relativa pessoa ser menor 100 %
<150 0,00 0%
Probabilidade
150 a 155 0,01 1%
155 a 160 0,03 3%
160 a 165 0,13 13 %
165 a 170 0,40 40 %
170 a 175 0,70 70 % Altura
175 a 180 0,87 87 %
180 a 185 0,92 92 %
185 a 190 0,96 96 %
190 a 195 0,98 98 % Se uma pessoa for escolhida
195 a 200 1,00 100 % aleatoriamente da população, a
200 a 205 1,00 100 %
chance de que esta pessoa
seja menor do que 180 cm é de
87 %.
Definição
O que são Medidas Descritivas ?
São medidas que podem ser obtidas sobre

conjuntos de dados numéricos, de forma a
trazer informações sobre esses dados.
Tipos de Medidas Descritivas
Posição Dispersão Assimetria Achatamento

Medidas de Posição
Média Aritmética
Média para dados agrupados
Mediana
Moda
Média Geométrica
Percentil, Decil, Quartil
Escore Z
Medidas de Posição - Média Aritmética
X i
Média (  )  i 1
n
Exemplo:
Medidas de Posição - Média Aritmética
Medidas de Posição - Média para Dados
Agrupados
n
X i  fi
Média  i 1
n
fi 1
i
Onde fi são as freqüências absolutas de cada categoria

Medidas de Posição - Média para Dados
Agrupados
Exemplo 1
Retorno de Carteiras: Calcular o retorno total de uma
carteira de investimentos que possui as seguintes
características: Carteira formada pelas ações A, B, C
e D nas proporções 10%, 15%, 30%, 45%,
respectivamente. Os retornos obtidos em cada ação
foram respectivamente 2%, 5%, -3%, 10%.
Solução: O cálculo a ser feito segue a fórmula.
(10x 2 + 15x 5 + 30x (-3) + 45x 10) / 100 = 4,55%
Medidas de Posição - Mediana
• Posição central da seqüência, para número ímpar de
elementos.
• Média aritmética dos dois elementos na posição central
da seqüência, para número par de elementos.
• Os números devem estar dispostos em ordem crescente.
Exemplo 2:
A = {24, 27, 32, 34, 34, 34, 56} Mediana !!
B = {12, 13, 14, 15, 16, 17} Mediana = 14,5 !!

Medidas de Posição - Mediana
• É o valor que divide a amostra ou população em duas
partes iguais.
Exemplo 3:
n (número de elementos) = 11 é
xi fi ímpar. Assim, o elemento central
será o 6º. Nesse caso a
1 1
mediana será 3.
2 3
3 5 6º elemento, classe que
4 2 contém a mediana
 11
Medidas de Posição – Mediana variável
contínua
1º Passo: Calcula-se a ordem n/2. Como a variável é contínua, não se
preocupe se n é par ou ímpar.
2º Passo: Utiliza-se a fórmula:
Onde:
lMd = limite inferior da classe Md.
n 
  f h n = tamanho da amostra.
Med  lMd   2  f = soma das freqüências

FMd anteriores à classe Md.
h = amplitude da classe Md.
FMd= Freqüência da classe Md.
Medidas de Posição – Mediana variável
contínua
Exemplo 4: Dada a distribuição amostral, calcular a mediana
Classes Fi 1º Passo: Como n = 58 a mediana será o 29º
35  45 elemento. A classe da mediana Md será a 3ª, pois
5
contém o 29º elemento.
45  55 12
55  65 18 2º Passo: Utiliza-se a fórmula.
65  75 14 lMd = 55, n = 58, f = 17, h = 10; FMd = 18
75  85 6
 58 
85  95 3   17  10
 58 Md  55   2   61,67
18
Medidas de Posição – Quartil, Decil, Percentil
Após formadas as seqüências de números, dos
percentis, decis e quartis poderá ser dito:
• O quartil divide a seqüência em 4 partes
• Os decis em 10 partes (cada uma contendo

10% dos elementos)
• Os percentis em 100 partes (cada uma
contendo 1% das observações)
Medidas de Posição – Quartil
O% 25% 50% 75% 100%
Q1 Q2 Q3
Q1 = 1º Quartil, deixa 25% dos elementos.
Q2 = 2º Quartil, coincide com a mediana, deixa 50% dos elementos.
Q3 = 3º Quartil, deixa 75% dos elementos.
Obs: Os elementos da amostra devem estar em ordem crescente

Medidas de Posição – Decil
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
D1 D2 D3 D4 D5 D6 D7 D8 D9
São os valores que dividem a série em 10 (dez) partes

iguais. Os procedimentos de cálculo são muito parecidos
com os quartis.
Medidas de Posição – Percentil
0% 1% 2% 3% ..... 50% ..... 97% 98% 99% 100%
P1 P2 P3 P50 P97 P98 P99
São os valores que dividem a série em 100 (cem) partes

iguais. Os procedimentos de cálculo são muito parecidos
com os quartis e decis.
Percentis – Variáveis Discretas
1. Observe que quartis e decis podem ser vistos como percentis. Por
isso, se você aprende a calcular os percentis também aprenderá a
calcular os decis e quartis.
2. Percentis de N medidas podem ser estimados da seguinte

maneira: para o p-ésimo percentil (90% ~ 0,9, p.ex.) faça o produto
p(N+1) igual a um número da forma k + d onde k é um inteiro e d
um número decimal.
Onde:
Y ( p)  Y[ k ]  d  Yk 1  YK   Y[k] indica o k-ésimo elemento

ordenado.
Y(p) indica o p-ésimo
percentil.
Quartil – Variáveis Discretas - Exemplo
Exemplo 5: Determinar Q1 e Q3 da seqüência abaixo:
B = {12, 13, 14, 15, 16, 17}
1º Passo: Calcula-se p (n +1). É fácil ver que n = 6 e os valores de p de
referência são 0,25 e 0,75.
Para p = 0,25, teremos 0,25(6+1) = 1,75
Para p = 0,75, teremos 0,75(6+1) = 5,25
2º Passo: Assim, 1,75º elemento será a referência para Q1. Da mesma

forma o 5,25º elemento será a referência para Q3. Entretanto, o que
está sendo procurado são os valores em que, abaixo deles, teremos
aproximadamente 25% e 75% das observações, respectivamente. Para
achar esses valores utilizamos a fórmula sugerida.
Quartil – Variáveis Discretas - Exemplo
3º Passo: Aplica-se a fórmula para Q1e Q3
Q1  Y1  0,75 Y2  Y1 
Q1  Y[1]  0,75 Y[ 2]  Y[1]   12  (0,75)  12,75
Q3  Y5  0,25 Y6  Y5 
Q3  Y[5]  0,25 Y[6]  Y[5]   16  (0,25)  16,25
Calcule Q2 como exercício e verifique o resultado.

Quartil – Variáveis Contínuas
Determinação de Q1:
n 
1º Passo: Calcula-se n / 4
  f h
2º Passo: Identifica-se a classe Q1.
Q1  lQ1   4 
3º Passo: Aplica-se a fórmula FQ1
Determinação de Q3:
 3n 
1º Passo: Calcula-se 3n / 4
  f h
2º Passo: Identifica-se a classe Q3. Q3  lQ3   4 
3º Passo: Aplica-se a fórmula FQ3
Exemplo 6: Dada a distribuição, determinar os quartis (Q1 e Q3) e a mediana.
1º Passo: Calcula-se n / 4, n / 2 e 3n / 4.
Classes fi
n = 56 >>>> 56/4 =14º (Q1) >> 56/2 = 28º (Md) >>
7  17 6
3.56/4 = 42º (Q3)
17  27 15
27  37 20 2º Passo: Identifica-se a classe Q1, Q3 e Mediana.
37  47 10
3º Passo: Usam-se as fórmulas.
47  57 5
 56 Para Q1 temos: lQ1= 17, n = 56, f = 6, h = 10, FQ1= 15
Para Md temos: lMd= 27, n = 56, f = 21, h = 10, FMd= 20
Para Q3 temos: lMd= 37, n = 56, f = 41, h = 10, FQ3= 10

Determinação de Q1: Determinação de Q3:
 56   3  56 
  6  10   41 10
Q1  17   4   22,33 Q3  37   4   38
15 10
Determinação da Mediana
 56 
  21 10
M d  27   2   30,5
20
Decil – Variáveis Contínuas
1º Passo: Calcula-se i · n / 10, 2º Passo: Identifica-se a classe Di
onde i = 1, 2, 3, …, 9
3º Passo: Aplica-se a fórmula

Onde:
 in  lDi = limite inferior da classe Di.
  f h i = 1, 2, …,9
Di  lDi   10 
n = tamanho da amostra.
FDi
f = soma das freqüências anteriores
à classe Di.
h = amplitude da classe Di.
FDi= Freqüência da classe Di.
Percentil – Variáveis Contínuas
1º Passo: Calcula-se i · n / 100, 2º Passo: Identifica-se a classe Pi
onde i = 1, 2, 3, …, 99
3º Passo: Aplica-se a fórmula

Onde:
 in  lDi = limite inferior da classe Pi.
  f h i = 1, 2, …,9
Pi  lPi   100 
n = tamanho da amostra.
FPi
f = soma das freqüências anteriores
à classe Pi.
h = amplitude da classe Pi.
FPi= Freqüência da classe Pi.
Medidas de Posição: Exemplo Decil e Percentil
Exemplo 7: Determinar o 4o decil e 72o percentil da seguinte distribuição
classes fi 1º Passo: Calcula-se i · n / 10

49 8 e i · n / 100.
9  14 12 i  n 4  40
Classe D4 ParaD4 ,   16o
14  24 14 Classe P72 10 10
19  24 3 i  n 72  40
ParaP72 ,   28,8o
 40 100 100
2º Passo: Identifica-se a classe Pi
Analisando a quantidade de elementos é possível identificar

facilmente as classes que contém os percentis e decis.
3º Passo: Aplicam-se as fórmulas
Para D4 : lD4  9,  f  8, n  40, h  5, FD4  12
Para P72 : lP72  14,  f  20, n  40, h  5, FD4  17
 4  40   72  40 
  8  5   20 5
D4  9   10   12,33 P72  14  
100   16,89
12 17
classes fi Conclusão:
49 8
Nessa distribuição o valor 12,33 divide a
9  14 12 amostra em duas partes: uma com 40% dos
14  24 14 elementos e outra com 60% dos elementos. O
19  24 valor 16,89 indica que 72% da distribuição está
3
abaixo dele e 28% acima
 40
Medidas de Posição - Moda
Valor mais freqüente na seqüência
Exemplo 8:
C = {3, 5, 9, 9, 6, 9} A moda dessa seqüência é o número 9.
Exemplo 9:
xi 243 245 248 251 307

fi 7 17 23 20 8
A moda dessa distribuição é o número 248.

Para dados agrupados em classes existem alguns
métodos. Nos focaremos na Fórmula de Czuber.
1º - Fórmula de Czuber
1º Passo: Identifica-se a classe modal (que possui maior freqüência)
2º Passo: Utiliza-se a fórmula.
l = limite inferior da classe Modal.
1 1 = diferença entre a freqüência da classe

Mo  l  h modal e a imediatamente anterior.
1   2 2 = diferença entre a freqüência da classe
modal e a imediatamente posterior.
h = amplitude da classe.
Exemplos – Fórmula de Czuber
Exemplo 10 - Determinar a moda para a distribuição
classes 01 12 23 34 45 

fi 3 10 17 8 5 43
1º Passo: Identifica-se a classe modal, no caso a 3ª.

7
l = 2, 1 = 17 - 10 = 7
Mo  2  1  2,44
h = 1, 2 = 17 - 8 = 9 79
Exemplo 11 - Determinar a moda para a distribuição
salários 80  180 180  250 250  300 300  500
Nº empregados 70 140 140 60
Como as amplitudes das classes são diferentes é preciso calcular as

densidades modais (fi / hi). O maior valor de densidade determinará a
classe modal.
salários fi fi / h
80  180 70 70/100 = 0,7
180  250 140 140/70 = 2,0
250  300 140 140/50 = 2,8 classe modal.
300  500 60 60/200 = 0,3
Exemplo 11 - Determinar a moda para a distribuição (Cont.)
salários 80  180 180  250 250  300 300  500
Nº empregados 70 140 140 60
1º Passo: Identifica-se a classe modal, no caso a 3ª.
l = 250, 1 = 2,8 – 2,0 = 0,8

0,8 Mo  250   50  262,12
h = 50, 2 = 2,8 – 0,3 = 2,5 0,8  2,5
Medidas de Posição – Média Geométrica
1
 n
 n
MG    X i 
 i 1 
Medidas de Posição – Escore Z
O escore z associado a X, irá medir a distância entre X e a

média (m) em unidades de desvio padrão (s)
X 
z

Ou seja, quantos desvios padrões (σ) X está distante
da média (μ).
Medidas de Dispersão
• Amplitude
• Desvio Médio
• Variância e Desvio Padrão
Medidas de Dispersão - Amplitude
Para uma seqüência de valores, a

Amplitude será a diferença entre
o maior e o menor valor.
Medidas de Dispersão – Desvio Médio
O desvio médio para uma seqüência com
n elementos e média  será:
X i 
DM  i 1
n
Medidas de Dispersão – Variância
A variância será determinada pela equação abaixo
n
(X i  ) 2
 2 i 1
Onde:
N
N = número de elementos existente na população.
μ = média da população
σ2 = variância da população
Medidas de Dispersão – Variância Amostral
A variância da amostra será determinada pela equação
abaixo n
(X i  x) 2
s 
2 i 1
Onde: n 1
S2 = variância amostral
n = é o número de elementos da amostra em estudo
x = média da amostra
Medidas de Dispersão – Variância para dados
agrupados
A variância será determinada pela equação abaixo
n n
(X i   )  fi
2
(X i  x )  fi
2
 2 i 1
s2  i 1
Onde: N n 1
N = número de elementos existente na população.
μ = média da população n = tamanho da amostra.

σ2 = variância da população
fi = freqüência de cada um dos elementos Xi
Medidas de Dispersão – Variância para dados
agrupados
Desenvolvendo as fórmulas anteriores é possível chegar
aos seguintes resultados.
1 
 2   X i2 f i 
 X i f i 2


Essas fórmulas
N facilitarão bastante

N 
o cálculo manual
s2 
1  X f 
 X i2 f i   i i 
 2

n 1  n 

Medidas de Dispersão – Desvio-Padrão
O DESVIO PADRÃO SERÁ DADO PELA RAIZ
QUADRADA DA VARIÂNCIA
1 1
 n 2 
2
 n 2 
2
  ( X i  )    ( X i  x) 
   i 1  s   i 1 
 N   n 1 
   
   
O resultado será válido também para o desvio-padrão
amostral.
Medidas de Dispersão – Desvio-Padrão
1
 n
 2
  ( X i  x )2 
s   i 1 
 n 1 
 
 
Variância Amostral versus Variância da População
Na prática o valor de μ raramente é conhecido.

Por isso, o valor x é utilizado como substituto. No
entanto, as observações xi, tendem a ser mais
próximas do seu valor x , do que da média
populacional μ. Para compensar isso, usa-se n -1
como divisor em vez de n. A utilização de n traria
distorções na medida de variabilidade.
Exemplo de Aplicação do Desvio-Padrão e Variância
Exemplo 12: Calcule a variância e o desvio-padrão para
a seguinte distribuição amostral.
xi 5 7 8 9 11
fi 2 3 4 5 2
Solução: Para calcular a variância amostral será utilizado o

resultado a seguir, já conhecido.
A tabela será montada
1   X 
f
2
 de forma a facilitar os
s2 
n 1 

 X i2 f i 
n
i i
 cálculos e as
 substituições na

fórmula.
Exemplo 12: Calcule a variância e o desvio-padrão para
a seguinte distribuição amostral.
xi 5 7 8 9 11 
fi 2 3 4 5 2 16
xi fi 10 21 40 36 22 129
xi2 fi 50 147 320 324 242 1.083
1 
 X i f i 
 X f 2

 s 
1   
129 
2
s  1.083    2,86
2 2 i i 2
n 1  n  16  1  16 
 
s  2,86  1,69
Exemplo 13: Calcule a média e o desvio-padrão para a
seguinte distribuição amostral.
classes 24 46 6  8 8  10 10  12
fi 2 4 7 4 3
Solução:
classes 24 46 68 8  10 10  12 
fi 2 4 7 4 3 20
xi 3 5 7 9 11
xi fi 6 20 49 36 33 144
xi2 fi 18 100 343 324 363 1.148
Exemplo 13: Calcule a média e o desvio-padrão para a
seguinte distribuição amostral.
classes 24 46 6  8 8  10 10  12
fi 2 4 7 4 3
Solução (Cont.):
144 s 
1  144 2

x  7,2 1.148    5,86
2
20 20  1  20 
s  5,86  2,42
Medidas de Assimetria
• Denomina-se assimetria o grau de afastamento de uma
distribuição da unidade de simetria
Eixo de simetria
Média  Mediana  Moda

• Em uma distribuição assimétrica positiva, ou assimétrica à
direita:
Moda  Mediana  Média

• Em uma distribuição assimétrica negativa, ou assimétrica
à esquerda:
Média  Mediana  Moda

• Para calcular a assimetria existem duas fórmulas
principais:
1º Coeficiente de Pearson
x  Mo x  Mo
AS  AS 
 s
Se a distribuição é simétrica:
2º Coeficiente de Pearson
• AS = 0, simétrica
Q1  Q3  2M d
AS  • AS > 0, assimétrica positiva
Q3  Q1 • AS < 0, assimétrica negativa
Medidas de Assimetria – Cálculo de AS
Exemplo 14: Dada a distribuição, determinar os 2 Coeficientes de Pearson
Classes fi Do exemplo 5 já temos os valores de Q1, Md e Q3

7  17 6 Q1= 22,33 Md = 30,5 Q3 = 38
17  27 15
Para calcular a moda usamos a fórmula de Czuber
27  37 20
5
37  47 10 Mo  27  10  30,33
47  57 5 5  10
 56 Para calcular o desvio-padrão será necessário
montar a tabela de cálculo:
Exemplo 14: Dada a distribuição, determinar os 2 Coeficientes de Pearson
tabela de cálculo:
Classes fi xi xi fi xi2fi
s 
1  1722 2

69268 
2

7  17 6 12 72 10368 160  1  160 
17  27 15 22 330 7260
27  37 20 32 640 20480 s 2  319,08
37  47 10 42 420 17640
47  57 5 52 260 13520
 56 160 1722 69268
Para achar os dois Coeficientes de Pearson:
x  Mo 10,76  30,33
AS  AS   0,061
s 319,08
Q1  Q3  2M d 22,33  38  2  30,5
AS  AS   0,0427
Q3  Q1 38  22,33
Conclusão: A distribuição é assimétrica negativa.

Coeficientes de assimetria: outros
Medidas de Achatamento - Curtose
Denomina-se curtose o grau achatamento de uma
distribuição.
• Uma distribuição nem chata nem delgada é chamada de

mesocúrtica.
• Uma distribuição delgada é chamada de leptocúrtica.
• Uma distribuição achatada é chamada de platicúrtica.

• Para medir o grau de achatamento (Curtose) utiliza-se o
coeficiente Onde:
Q3  Q1 P90 = 90º percentil
K
2  P90  P10  P10 = 10º percentil
Se K = 0,263 diz-se que a curva corresponde à distribuição de

freqüência mesocúrtica.
Se K > 0,263 diz-se que a curva corresponde à distribuição de
freqüência platicúrtica.
Se K < 0,263 diz-se que a curva corresponde à distribuição de
freqüência leptocúrtica.
Gráficos
• Histogramas
• Gráficos Ogiva (Freqüência Cumulativa)
• Gráficos Setoriais
• “Boxplot”
Gráficos – Histograma
O Histograma é a representação gráfica dos Diagramas de
Freqüência.
Classes fi 20
18
35  45 5 16
45  55 12 14
12
55  65 18 10
65  75 8
14
6
75  85 6 4
85  95 3 2
0
 58 35 40 45 50 55 60 65 70 75 80 85 90 95
Polígono de freqüência
Classes fi 20
18
35  45 5 16
45  55 12 14
12
55  65 18 10
65  75 14 8
6
75  85 6 4
85  95 3 2
0
 58 35 40 45 50 55 60 65 70 75 80 85 90 95
Gráficos – Gráficos Setoriais (“Pizza”)
Gráficos – “Boxplot”
O BoxPlot é uma representação

gráfica que fornece várias
características importantes de um
conjunto de dados tais como:
centro, dispersão, desvio da
simetria, e “outliers” (observações
longe do seio dos dados).
“Box Plot” Distância do
último ponto
inferior a 1,5IQR
depois de q3
Terceiro Quartil (q3)
Segundo Quartil (Mediana)

“Outliers”
Primeiro Quartil (q1)
Faixa interquartil (IQR) = q3-q1
Distância do
primeiro ponto
superior a 1,5IQR
antes de q1
Gráficos – “Boxplot” - Exemplo
Exemplo 15: Para a seqüência de dados abaixo, desenhar o “Boxplot”
B = {12, 13, 14, 15, 16, 17}
Vale observar que essa é a mesma seqüência de dados do exemplo 5 e
para ela já foram calculados todos os quartis. Assim:
Q1 = 12,75 ; Q2 = 14,5 ; Q3 = 16,25
1,5(IQR)  1,5(Q3 - Q1)  1,5(16,25 – 12,75)  1,5(IQR) = 5,25
O último elemento da seqüência (17) estará abaixo de 1,5(IQR) depois

de Q3. E o primeiro (12) estará acima de 1,5(IQR) antes de Q1. Assim,
será possível desenhar o gráfico seguinte.
17 Q3 = 16,25
Q2 = 14,5
12 Q1 = 12,75
Exemplo 16: Interprete os dados representados pelo “Boxplot” abaixo
1. 50% do conjunto de
dados (entre Q1 e Q3) está
entre ± 16 e ± 25.
2. Presença de assimetria
positiva.
3. Presença de “outliers”
4. Outras
Hidrologia Estatística
Obras Hidráulicas x Vazões
Eventos Hidrológicos
Vazões diárias, mensais e anuais
Vazões máximas
Vazões mínimas
Curva de permanência
Vazões extremas
Eventos Hidrológicos
• Dados hidrológicos variáveis aleatórias.
•Variáveis hidrológicas estarão sempre associadas a uma

probabilidade de ocorrência.
•Técnicas estatísticas podem ser aplicadas para avaliar a

ocorrência de fenômenos hidrológicos com determinada magnitude.
Vazões diárias, mensais e anuais
(séries temporais)
Vazões Máximas
Dimensionamento de estruturas e dispositivos hidráulicos:

- Barragens e Vertedores.
- Canais e Galerias.
- Dispositivos de transição do escoamento.
- Tomada d’água.
- Comportas e descarregadores de fundo.
- Estruturas e obras de dissipação de energia.
- Obras provisórias.
Vazões Máximas
Dimensionamento de estruturas de drenagem;

Dimensionamento de sistemas contra cheias;
Análises de risco de inundações;
Dimensionamento de pontes.
Etc.
Vazões Máximas
Vazões Máximas
Vazões Máximas
Cheia do Rio Lontra em 1997 - CGH Corujão (Araguaína – TO)

Vazões Máximas
Palmas – TO (2013)
Vazões Máximas
Paranapanema 1983
Vazões Máximas
Santa Catarina 2008

Vazões Mínimas
Segurança Hídrica;
Disponibilidade hídrica em períodos críticos;
Qualidade de água;
Vazão ecológica;
Escassez de água e conflitos de usos.
Vazões Mínimas
Vazões Mínimas
Curva de Permanência (Forma)
Área; geologia; clima; solos; vegetação; urbanização; reservatórios

Curva de Permanência (Forma)
Curva de Permanência (Aplicações)
• A curva de permanência permite conhecer melhor o
regime do rio;
• Dimensionamentos Hidráulicos;
• Estabelecimento de critérios de “vazão ecológica”, nos
Sistemas Estaduais e Federais de Gestão de Recursos
Hídricos:
“Define-se uma vazão de referência (curva de permanência
de vazões ou ajuste de probabilidade de ocorrência de vazões
mínimas, Q90 ou Q7,10, por exemplo) e arbitra-se um percentual
máximo desta vazão que pode ser outorgado”.
Curva de Permanência x Vazões Mínimas
Estado / Ato Critério da vazão de referência Vazão
Residual
O valor de referência será a descarga regularizada anual com garantia
de 90%. O somatório dos volumes a serem outorgados corresponde a
Bahia 80% da vazão de referência do manancial; 95% das vazões
Decreto no 6296 regularizadas com 90% de garantia, dos lagos naturais ou barragens
de 21 de março de 1997 implantados em mananciais intermitentes e, nos casos de
abastecimento humano, pode - se atingir 95%. 20% das
vazões
regularizad
Ceará O valor de referência será a descarga regularizada anual com garantia
as deverão
Decreto no 23.067 de 90%. O somatório dos volumes a serem outorgados corresponde a
escoar
de 11 fevereiro de 1994 80% da vazão de referência do manancial e nos casos de
para
abastecimento humano, pode-se atingir 95%.
jusante.
Rio Grande do Norte O valor de referência será a descarga regularizada anual com garantia
Decreto no 13.283 de 90%. O somatório dos volumes a serem outorgados não poderá
de 22 de março de1997 exceder 9/10 da vazão regularizada anual com 90% de garantia.
ESTADO Vazão de referência Vazão Máxima Outorgável Vazão Remanescente

PR 50% Q7,10 50% Q7,10
Q7,10
MG 30% Q7,10 70% Q7,10
PE
80% Q90 20% Q90
BA
PB Q90
RN 90% Q90 10% Q90
CE
Vazões de referência, máximas outorgáveis e remanescentes definidas por órgãos

ambientais de Estados Brasileiros.
Q90 = 40 m3/s
A vazão deste rio é superior a 40 m3/s em 90 % do tempo.

Vazões Extremas
Vazões Extremas
Vazões com TR alto x séries de dados curta = ???
Supor que os dados correspondem a uma distribuição

de freqüência conhecida:
• Distribuição Normal;
• Log Normal;
• Gumbel;
• Log Pearson III.
Vazões Extremas (Vazões Máximas)
Ajuste da Distribuição Normal aos dados do Rio Cuiabá de 1990 a 1999

Subestima!
Ajuste da Distribuição Normal aos dados do Rio Cuiabá de 1967 a 1999

Distribuição de
Vazões Extremas (Vazões Máximas) freqüência de
vazões máximas é
normal?
Qual o melhor ajuste?
Ajuste da distribuição Log Normal aos dados do Rio Guaporé

Qual o melhor ajuste?
Vazões Extremas (Vazões Mínimas)
Frequência de Vazões Mínimas

Período de Retorno
Risco Associado Importantíssimo para Obras Hidráulicas !!!

AULA 1 e 2 - Hidrologia Estatística

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

AULA 1 e 2 - Hidrologia Estatística

Enviado por

Direitos autorais:

Formatos disponíveis

OBRAS HIDRÁULICAS

Prof. Marcos André de Oliveira

Área da Matemática que se preocupa

Área da Matemática que se preocupa

 O objetivo é aprender a lidar com a

 Essas duas grandezas podem ser medidas:

Fontes Potenciais de Variabilidade das vazões?

DURAÇÃO DE UMA OBRA HIDRÁULICA

(i) Para redução da incerteza associada a previsão da duração das

O que são Distribuições de Freqüência ?

variáveis discretas variáveis contínuas

• Freqüência Acumulada (Fac)

4 Getúlio Vargas 161 165 a 170 120

5 Oscar Schmidt 205 170 a 175 134

6 Chico Mendes 169 175 a 180 76

7 Seu Creysson 168 180 a 185 23

Intervalo (cm) Contagem Contagem Acumulada Acumulada relativa

Intervalo (cm) Acumulada Probabilidade de uma

O que são Medidas Descritivas ?

São medidas que podem ser obtidas sobre

Posição Dispersão Assimetria Achatamento

Onde fi são as freqüências absolutas de cada categoria

B = {12, 13, 14, 15, 16, 17} Mediana = 14,5 !!

Med  lMd   2  f = soma das freqüências

• O quartil divide a seqüência em 4 partes

• Os decis em 10 partes (cada uma contendo

Q1 = 1º Quartil, deixa 25% dos elementos.

Q2 = 2º Quartil, coincide com a mediana, deixa 50% dos elementos.

Q3 = 3º Quartil, deixa 75% dos elementos.

Obs: Os elementos da amostra devem estar em ordem crescente

São os valores que dividem a série em 10 (dez) partes

0% 1% 2% 3% ..... 50% ..... 97% 98% 99% 100%

P1 P2 P3 P50 P97 P98 P99

São os valores que dividem a série em 100 (cem) partes

2. Percentis de N medidas podem ser estimados da seguinte

Y ( p)  Y[ k ]  d  Yk 1  YK   Y[k] indica o k-ésimo elemento

2º Passo: Assim, 1,75º elemento será a referência para Q1. Da mesma

Q1  Y1  0,75 Y2  Y1 

Q1  Y[1]  0,75 Y[ 2]  Y[1]   12  (0,75)  12,75

Q3  Y5  0,25 Y6  Y5 

Q3  Y[5]  0,25 Y[6]  Y[5]   16  (0,25)  16,25

Calcule Q2 como exercício e verifique o resultado.

Para Md temos: lMd= 27, n = 56, f = 21, h = 10, FMd= 20

Para Q3 temos: lMd= 37, n = 56, f = 41, h = 10, FQ3= 10

3º Passo: Aplica-se a fórmula

3º Passo: Aplica-se a fórmula

classes fi 1º Passo: Calcula-se i · n / 10

2º Passo: Identifica-se a classe Pi

Analisando a quantidade de elementos é possível identificar

3º Passo: Aplicam-se as fórmulas

Para D4 : lD4  9,  f  8, n  40, h  5, FD4  12

Para P72 : lP72  14,  f  20, n  40, h  5, FD4  17

xi 243 245 248 251 307

A moda dessa distribuição é o número 248.

1 1 = diferença entre a freqüência da classe

classes 01 12 23 34 45 

1º Passo: Identifica-se a classe modal, no caso a 3ª.

2º Passo: Utiliza-se a fórmula.

Nº empregados 70 140 140 60

Como as amplitudes das classes são diferentes é preciso calcular as

Nº empregados 70 140 140 60

1º Passo: Identifica-se a classe modal, no caso a 3ª.