Hidrologia Estatística

19/07/2021
UNIVERSIDADE ESTADUAL DO MARANHÃO – UEMA

CENTRO DE ESTUDOS SUPERIORES DE BACABAL
CURSO DE ENGENHARIA CIVIL
■ Hidrologia estatística
Professora: Adriana Thays Araújo Alves
Variáveis aleatórias e probabilidade

■ As variáveis hidrológicas chuva e vazão têm como característica básica a grande
variabilidade no tempo.
■ Um das questões mais importantes do estudo da hidrologia é a estimativa da
probabilidade de ocorrência de eventos hidrológicos (chuva ou vazão) de uma
determinada magnitude no futuro com base na análise dos dados do passado.
■ Aplica-se então técnicas de probabilidade e estatística que consideram as
variáveis hidrológicas como variáveis aleatórias
Considera-se
Variáveis Técnicas de
variáveis
hidrológicas: probabilidade e
hidrológicas
precipitação e estatística são
como variáveis
vazão aplicáveis
aleatórias
1
19/07/2021
Variáveis aleatórias e probabilidade
Não podem ser Valores são

Variáveis preditas com associados com
aleatórias exatidão probabilidades de
ocorrências
Podem assumir qualquer valor dentro de valores reais – costuma-

Contínuas se avaliar a probabilidade da variável ser maior ou menor que
determinado valor
Podem assumir apenas determinados valores – em geral números

Discretas
inteiros
Análises exploratórias de dados hidrológicos

■ Objetiva identificar padrões.
■ O tipo de análise exploratória mais utilizada é a tabela de frequências:
– Número de repetições do valor no conjunto de dados da amostra.
– Pode ser absoluta ou relativa.
Fonte: Dornelles e Collischonn (2015)
2
19/07/2021

■ Em alguns casos é mais interessante conhecer os valores da variável que são
maiores que determinado limite:
– Qual o número de anos em que janeiro teve mais de 15 dias?
■ Nesse caso é útil elaborar a tabela de frequências acumuladas

■ No caso de variáveis contínuas são consideras faixas de valores para a contagem
de frequência.
– Exemplo: considerando os dados de chuva anual em um determinado local
(medidos em mm) ao longo de 26 anos, com mínimo 1101 e máxima de
1709, podemos analisar a frequência em intervalos de 100 mm.
■ Como determinar o número de intervalos?
– O número (k) de intervalos em que deve ser dividida uma a mostra é
arbitrário.
– Um critério que pode ser utilizado é por meio da equação:
𝑘= 𝑁
■ Onde N é o tamanho da amostra e k deve ser arredondado para o valor inteiro
mais próximo
3
19/07/2021

■ Histograma
– Gráfico que permite visualizar as tabelas de frequência de forma rápida.
– Utiliza barras verticais para representar as frequências.
– Pode ser feito representando frequências relativas ou absolutas (as figuras
serão iguais, apenas os valores são diferentes).
A curva de permanência
■ É equivalente a um histograma de frequências acumuladas relativas das vazões
de um rio em um determinado local.
■ Expressa a relação entre a vazão e a frequência (estimada empiricamente) com
que essa vazão é superada ou igualada.
■ Pode ser elaborada a partir de dados diários ou dados mensais de vazão.
4
19/07/2021
■ A elaboração da curva de permanecia é uma das análises estatísticas mais
simples e mais importantes na hidrologia.
■ Responde a perguntas como:
– O rio tem uma vazão aproximadamente constante ou extremamente variável
entre os extremos máximo e mínimo?
– Qual é a porcentagem do tempo em que o rio apresenta vazões em
determinada faixa?
– Qual é a porcentagem do tempo em que um rio tem vazão suficiente para
atender determinada demanda?
■ Na prática, a curva de permanência é relativamente fácil de obter desde que
existam dados de vazão.
– Usando a planilha de cálculo Excel a curva de permanência pode ser gerada
calculando os valores dos quantis de 1% a 99% usando a função Percentil.
■ O Percentil 1% corresponde à vazão que é igualada ou superada 99% do tempo.
■ O Percentil 10% corresponde à vazão que é igualada ou superada 90% do tempo.
■ Em alguns casos é aconselhável apresentar a curva de permanecia com eixo
vertical logarítmico, para destacar a faixa de valores de vazão mais baixos.
10
5
19/07/2021
– A vazão de 200 m³/s é igualda ou superada cerca de 50% do tempo.

– A vazão que é superada 90% do tempo é de aproximadamente 45 m³/s.
11
■ Alguns pontos da curva de permanência merecem atenção especial:
– A vazão que é superada em 50% do tempo é chamada 𝑄50
■ Corresponde à mediana das vazões diárias
– A vazão que é superada em 90% do tempo é chamada 𝑄90
■ Utilizada como referencia para legislação na área de meio ambiente e recursos
hídricos em muitos estados do Brasil
– A vazão que é superada em 95% é chamada 𝑄95
■ Utilizada para definir a capacidade para produção de energia de forma confiável
em uma usina hidrelétrica construída ou projetada no local
12
6
19/07/2021
■ Os dados de vazão do rio Descoberto em Santo Antônio do Descoberto (G0) foram
organizados na forma de uma curva de permanência (Fig. 14.5). Um
empreendedor solicita outorga de 2,5 m³/s em um ponto próximo ao mesmo rio.
Considerando que a legislação permite outorgar apenas 20% da 𝑄90 a cada
solicitante, responda se é possível atender à solicitação.
Pela curva de permanência 𝑄90 é 7 m³/s:

𝑄𝑚á𝑥 = 0,2 . 7 = 1,4 𝑚3 /𝑠
→ Então a vazão requerida pelo
empreendedor não pode ser atendida.
13
Estatísticas descritivas
■ Para analisar a vazão de um rio ou a precipitação em um local ou região, incluindo
a sua variabilidade temporal, é necessário utilizar alguns valores estatísticos que
resumem, em grande parte, o comportamento hidrológico do tio ou da bacia.
■ Entre as estatísticas mais importantes estão a média, mediana, o desvio padrão,
coeficiente de variação e o coeficiente de assimetria.
– Média
■ Média de toda a série de vazões ou precipitações registradas.
■ Importante na avaliação da disponibilidade hídrica total de uma bacia.
σ𝑛𝑖=1 𝑥𝑖
𝑥ҧ =
𝑛
14
7
19/07/2021
15
– Mediana
■ Valor que é superado em 50% dos pontos da amostra.
■ A média e a mediana podem ter valores relativamente próximos, porém não
necessariamente iguais.
■ A mediana pode ser obtida organizando os N valores 𝑥𝑖 em ordem crescente.
■ Sendo 𝑥𝑘 com k = 1 a N, os valores de x organizados em ordem decrescente, a
mediana é obtida por:
16
8
19/07/2021
– Desvio padrão
■ Medida da dispersão dos valores de uma amostra em torno da média.
■ É dado por:
■ O quadrado do desvio padrão é chamada variância da amostra.
17
– Coeficiente de variação
■ Relação entre o desvio padrão e a média.
■ Medida da variabilidade dos valores em torno da média, relativamente à própria
média.
𝑠
𝑐𝑣 =
𝑥ҧ
18
9
19/07/2021
– Coeficiente de assimetria
■ Valor que caracteriza o quanto uma amostra é assimétrica com relação à média.
■ Uma amostra é simétrica com relação à média se o histograma dos dados revela
o mesmo comportamento de ambos os lados da média.

■ No Excel usa-se a chamada DISTORÇÃO para calcular o coeficiente de assimetria.
19
Análise de frequência de eventos hidrológicos extremos

■ Objetiva-se a probabilidade de ocorrência de valores acima ou abaixo de algum
valor de referência.
■ Exemplo prático - análise de cheia
– Trabalha-se com a probabilidade da ocorrência de um evento vazão maior ou
igual à vazão necessária para inundar a cidade.
■ Exemplo prático 2 – evento de estiagem
– Trabalha-se com a probabilidade da ocorrência de uma vazão menor que a
mínima necessária ao abastecimento da cidade.
■ Para a análise da frequência de eventos extremos pode-se utilizar a metodologia
Análise de Séries de Duração Anual.
20
10
19/07/2021

■ Análise de Séries de Duração Anual
– Analisa-se a frequência de eventos extremos a partir da séries temporais de
dados de uma certa variável, buscando-se os máximos ou mínimos valores de
cada ano e trabalhando apenas com esses valores.
– A vazão de um rio é uma variável que se modifica de forma contínua no
tempo e pode ser representada em um hidrograma.
– Na análise de valores extremos baseados em séries de duração anual os
hidrogramas são analisados ano a ano, buscando-se o maior valor de cada
ano (caso se deseje analisar magnitude de cheias) ou menor valor de cada
ano (caso se esteja analisando eventos de estiagem).
21
– Uma vez identificados os valores máximos, a análise de frequência segue

utilizando apenas esses valores, que são considerados independentes entre
si.
22
11
19/07/2021

■ Ano hidrológico
– Definido como o período de 12 meses que se estende do inicio do período
chuvoso até o final do período seco.
■ Probabilidade e tempo de retorno de eventos extremos
– Em análises hidrológica de eventos extremos são úteis a probabilidade de
excedência e o tempo de retorno de uma dada vazão
1
𝑇𝑅 =
𝑃
TR = tempo de retorno em anos

P = probabilidade de ocorrer um evento igual ou superior em um ano qualquer
23

– A probabilidade anual de excedência de uma determinada vazão é a
probabilidade dessa vazão ser igualada ou superada em um ano qualquer.
– O tempo de retorno de uma vazão 𝑄𝑚á𝑥 é o intervalo médio de tempo, em
anos, que decorre entre duas ocorrências subsequentes de uma vazão maior
ou igual a 𝑄𝑚á𝑥 .
24
12
19/07/2021

■ Risco associado a eventos hidrológicos extremos
– Em hidrologia é mais adequado considerar o risco como a probabilidade de
ocorrência de um evento multiplicada pelas consequência desse evento.
– Eventos mais severos, de menor probabilidade, tipicamente resultam em
consequências mais graves, ao passo que eventos menos severos, cuja
probabilidade de ocorrência é mais alta, têm consequências menos graves.
– Em hidrologia costuma se definir, de forma subjetiva, ou através de
recomendações oficiais de agências ou órgãos do governo, uma separação
entre riscos aceitáveis e riscos inaceitáveis.
25
– A curva “Figura 14.11” mostra que eventos com poucas consequências

graves e probabilidade alta são tolerados, enquanto eventos com muitas
consequências graves e probabilidade alta não são tolerados.
26
13
19/07/2021

– Projetos de estruturas hidráulicas sempre são elaborados admitindo a
possibilidade de falhas
– A probabilidade admitida pode ser maior ou menor, dependendo do tipo de
estrutura.
– Para obras de drenagem podem ser adotados os seguintes tempos de retorno
de acordo com a região e os prejuízos esperados em caso de inundação (São
Paulo):
■ Obras de microdrenagem: tempo de retorno de 2 a 10 anos;
■ Obras de macrodrenagem: tempo de retorno de 25 a 50;
■ Obras de drenagem em regiões onde se prevê prejuízos de alta magnitude, como
corredores de tráfego: tempo de retorno de 100 anos;
■ Obras de drenagem em regiões de interesse estratégico, como área de hospitais,
bombeiros, centros de controle e de emergência: tempo de retorno de 500 anos.
27

– Alguns outros valores para TR em função da estrutura.
28
14
19/07/2021

■ Métodos de análise de frequência de eventos hidrológicos extremos
– Existem duas formas de atribuir probabilidades e tempos de retorno às
vazões máximas e mínimas:
■ métodos empíricos: a partir da observação das variáveis aleatórias.
■ métodos analíticos: considera-se que os dados hidrológicos sejam aleatórios e
que sigam uma determinada distribuição de probabilidade analítica como uma
distribuição normal, por exemplo.
– Permite explorar melhor as amostras relativamente pequenas de dados hidrológicos.
29

■ Chuvas anual e distribuição normal
– A chuva total anual em um determinado posto pluviométrico pode ser
considerada uma variável aleatória, com distribuição aproximadamente
normal.
– Essa suposição permite explorar melhor amostras relativamente pequenas,
com apenas 30 anos, por exemplo, para estimar valores com tempo de
retorno mais altos.
– A distribuição normal se aplica a muitos tipos de dados.
– Um gráfico da função densidade de probabilidade da distribuição normal rem
uma forma de sino e é simétrica em relação à média, que é o valor central.
– A forma em sino indica que existe uma probabilidade maior de ocorrerem
valores próximos à média, do que valores extremos mínimo e máxima.
– A função densidade de probabilidade (FDP) da distribuição normal é uma
expressão que depende de dois parâmetros: média e desvio padrão.
30
15
19/07/2021

– FDP:
■ Em que μ𝑥 é a média da população e σ𝑥 é o desvio padrão.

– Se μ𝑥 é igual a 0 e σ𝑥 é 1:
■ Onde z é a variável aleatória com média 0 e desvio padrão 1.

■ Cujo gráfico é:
31
■ A área total sob a curva é 1.

■ A área em cinza representa a probabilidade de ocorrência de um valor maior do
que z e menor do que z, respectivamente.
■ A área sob a curva pode ser calculado por tabelas que relacionam o valor de z
com a probabilidade de ocorrer um valor maior ou menor que z.
■ Existem também tabelas que fornecem valores da área entre 0 a z ou de –z a z.
32
16
19/07/2021

■ No programa Excel é possível obter os valores das probabilidades utilizando a
função DIST.NORMP(z) – fornece o valor da probabilidade de ocorrer um valor
inferior a z.
■ Lembrando a relação entre probabilidade e tempos de retorno é interessante
saber os valores de z que correspondem a valores específicos de probabilidade
como 0,1, 0,01 e 0,001 – correspondem aos tempos de retorno de 10, 100 e
1000 anos.
■ Uma variável aleatória x com média μ𝑥 e desvio padrão σ𝑥 pode ser transformada
em uma variável aleatória z, com média zero e desvio padrão igual a 1 pela
equação:
33
34
17
19/07/2021
35
36
18
19/07/2021
Análise de frequência empírica de vazões máxima

■ Selecionando-se apenas as vazões máximas de cada ano em um determinado
local é obtida a série de vazões máximas desse local e é possível realizar análises
estatísticas relacionando vazão com probabilidade.
■ Na análise de frequências empíricas de vazões máximas, estimativas de
probabilidade são atribuídas a cada um dos valores observados, depois que esses
valores foram organizados em ordem decrescente.
37
– A probabilidade de que cada um dos valores de vazão venha a ser igualado

ou superado pode ser estimada a partir do valor correspondente a m (ordem)
e do tamanho da amostra (N).
38
19
19/07/2021
39

■ Usando a fórmula de Weibull as probabilidades das vazões máximas no exemplo
do Rio Cuiabá são apresentadas na tabela seguinte.
40
20
19/07/2021
Análise de frequências de vazões máximas com base em

distribuições teóricas – log-normal
■ Supõem-se que os valores de vazões máximas sigam uma determinada
distribuição de probabilidade teórica para extrapolar a análise de eventos
extremos para tempos de retorno maiores.
■ Essa metodologia analítica permite explorar melhor as amostras relativamente
pequenas de dados hidrológicos.
■ Aplicação de distribuição normal para vazões máximas:
– Vazões máximas segundo uma distribuição normal poderiam ser estimadas
por:
𝑥 = 𝑥ҧ + 𝐾. 𝑠
■ Em que x é vazão máxima para dada probabilidade; 𝑥ҧ é a média das vazões
máximas anuais; s é o desvio padrão das vazões máximas anuais. O valor de K é
obtido de tabelas de distribuição normal (equivalente ao z nas tabelas A e B ao
final).
41

– Por outro lado, como observa-se na figura seguinte, vazões máximas não
seguem uma distribuição normal.
■ Para superar esse problema outras distribuições podem ser utilizadas como o Log-
normal.
– Supõe que os logaritmos das vazões seguem uma distribuição normal.
42
21
19/07/2021

■ Utilizar a distribuição log-normal para analisar vazões máximas equivale a assumir
que, embora os valores de vazões máximas não sigam uma distribuição normal,
os logaritmos desses valores podem ser aproximados por uma distribuição
normal.
■ Ou seja:
log(𝑥) = 𝑙𝑜𝑔𝑥 + 𝐾. 𝑠log(𝑥)
onde log(x) é o logaritmo da vazão máxima; 𝑙𝑜𝑔𝑥 é a média dos logaritmos das
vazões máximas anuais observadas; 𝑠log(𝑥) é o desvio padrão dos logaritmos das
vazões máximas observadas. K é obtido por tabelas (K é equivalente ao z dado nas
tabelas).
– Usando o Excel: INV.NORMAL(P-1). P é a probabilidade de excedência.
43

■ Para o cálculo – log-normal:
– Obter vazões máximas de N anos;
– Calcular os logaritmos das vazões máximas;
– Calcular a média e o desvio padrão dos logaritmos das vazões máximas;
– Obter o valor de z para a probabilidade correspondente ao tempo de retorno
considerado (exemplo 100 anos);
– Obter o valor do logartimo da vazão de tempo de retorno de 100 abis a partir
da equação:
log(𝑥) = 𝑙𝑜𝑔𝑥 + 𝐾. 𝑠log(𝑥)
– Obter o valor da vazão através da função inversa do logaritmo.
44
22
19/07/2021

■ Aplicação – log-normal:
45

■ Aplicação – log-normal:
46
23
19/07/2021

■ Esse procedimento pode ser repetido para outros valores de TR, e o resultado
pode ser apresentado na forma de um gráfico, relacionando vazão com tempo de
retorno.

47

distribuições teóricas – Log-Pearson Tipo III
■ Descrita por três parâmetros: média, desvio padrão e o coeficiente de assimetria.
■ Equação para estimar a vazão máxima:
log(𝑥) = 𝑙𝑜𝑔𝑥 + 𝐾(𝑇,𝐺) . 𝑠log(𝑥)
Em que 𝐾(𝑇,𝐺) depende do coeficiente de assimetria dos dados e pode ser obtido na
“tabela C” ou por meio da fórmula:
1 3 1
𝐾(𝑇,𝐺) = 𝑧 + 𝑧 2 − 1 . 𝑓 + 𝑧 − 6. 𝑧 . 𝑓 2 − 𝑧 2 − 1 . 𝑓 3 + 𝑧. 𝑓 4 + . 𝑓 5
3 3
Onde z é obtido com base em uma tabela de distribuição normal, considerando a

probabilidade P=1/T, ou pela função INV.NORMP(1-P) do Excel, o P é a probabilidade.
48
24
19/07/2021

– O valor de f pode ser obtido a partir do coeficiente de assimetria pela
equação:
𝐺
𝑓=
6
Onde G é o coeficiente de assimetria, que pode ser obtido pela equação já definida
ou usando a função DISTORÇÃO do Excel.
– A equação 𝐾(𝑇,𝐺) é aproximada e deve ser utilizada somente quando os
valores de G se situam ente -2 e +2 e para tempos de retorno menores que
100 anos.
49

50
25
19/07/2021

■ Para o cálculo – Log-Pearson Tipo III:
– Obter vazões máximas de N anos;
– Calcular os logaritmos das vazões máximas;
– Calcular a média, o desvio padrão e o coeficiente de assimetria dos logartmos
das vazões máximas;
– Obter o valor de z para a probabilidade correspondente ao tempo de retorno
considerado (exemplo 100 anos) – função INVNORMP no Excel ou as “Tabela
A” e “B”.
– Obter o valor de f ela equação
𝐺
𝑓=
6
– Obter o valor 𝐾(𝑇,𝐺) pela “Tabela C” ou pela equação
1 1
𝐾(𝑇,𝐺) = 𝑧 + 𝑧 2 − 1 . 𝑓 + 𝑧 3 − 6. 𝑧 . 𝑓 2 − 𝑧 2 − 1 . 𝑓 3 + 𝑧. 𝑓 4 + . 𝑓 5
3 3
51

– Obter o valor do logaritmo da vazão de tempo de retorno de 100 anos a partir
da equação
log(𝑥) = 𝑙𝑜𝑔𝑥 + 𝐾(𝑇,𝐺) . 𝑠log(𝑥)
– Obter o valor da vazão através da função inversa do logaritmo
52
26
19/07/2021

distribuições teóricas – Gumbel
■ A probabilidade de que uma determinada vazão venha a ser igualada ou superada
em um no qualquer pode ser estimada usando a distribuição de Gumbel, de
acordo com a equação:
−𝑏
𝑃 = 1 − 𝑒 −𝑒
Onde P é a probabilidade; e é a base dos logaritmos naturais e b é dado por:
1
𝑏= (𝑥 − 𝑥ҧ + 0,45𝑠)
0,7797𝑠
Onde x é a vazão máxima; 𝑥ҧ é a média das vazões máximas anuais; s é o desvio

padrão das vazões máximas anuais.
53

distribuições teóricas – Gumbel
■ Combinando as equações anteriores, a vazão para um dado tempo de retorno TR
(em anos) pode ser obtida pela equação:
𝑇𝑅
𝑥 = 𝑥ҧ − 𝑠 0,45 + 0,7797. 𝑙𝑛 𝑙𝑛
𝑇𝑅 − 1
Onde x é o valor da vazão máxima desejada; TR é o tempo de retorno em anos; s é o

desvio padrão das vazões máximas anuais e 𝑥ҧ é a média das vazões máximas
anuais.
54
27
19/07/2021
Análise de frequências de vazões mínimas

■ Semelhante à análise de vazões máximas, com o ressalva que se quer determinar
a probabilidade de ocorrência de vazões iguais ou menores do que um
determinado limite.
■ Se análise utilizando probabilidades empíricas: organizar dados em ordem
crescente.
– O valor m = 1 é atribuído ao menor valor da série de mínimos anuais.
■ Normalmente as análises estatísticas de vazões mínimas são realizadas sobre as
vazões mínimas de 7 dias, 15 dias ou 30 dias de duração
– Para cada ano do registro hidrológico encontra-se a vazão mínima média de D
dias (médias móveis de D dias).
– Os outros procedimentos assemelham-se aos descritos para as vazões
máximas.
55
Análise de frequências de vazões mínimas

■ Pode-se utilizar as estimativas empíricas dos eventos observado, usando as
fórmulas da “Tabela 14.5”, ou supondo que as vazões mínimas seguem uma
distribuição de probabilidades teóricas.
56
28
19/07/2021
Análise de vazões mínimas usando distribuições teóricas

■ A distribuição normal não é adequada para analisar a frequência de vazões
mínimas
– Assimetria da distribuição real;
– Há um limite físico inferior das vazões mínimas, que é 𝑄𝑚𝑖𝑛 = 0
■ Um distribuição que mostra-se adequada para análise das vazões mínimas é a
distribuição de Weibull.
57
Análise de vazões mínimas usando distribuições teóricas –

distribuição de Weibull
■ Adequada para a estimativa de vazões mínimas de alto tempo de retorno.
■ Equações:
Onde G é o coeficiente de assimetria; Г(.) é a função Gama.
58
29
19/07/2021

■ Uma dificuldade da aplicação da distribuição de Weibull é a necessario de calcular
o valor da função Gama. O valor da função Gama é dada por:
– No Excel calcula-se o valor do logaritmo da função gama através da função

LNGAMA(x), que equivale ao logaritmo natural Г(x).
59

■ Exemplo: Analise as vazões mínimas anuais observadas no rio Piquiri, no
município de Iporá (PR) usando a distribuição de Weibull.
60
30

Hidrologia Estatística

Enviado por

Dados do documento

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

Hidrologia Estatística

Enviado por

Direitos autorais:

Formatos disponíveis

19/07/2021

UNIVERSIDADE ESTADUAL DO MARANHÃO – UEMA

Professora: Adriana Thays Araújo Alves

Variáveis aleatórias e probabilidade

Variáveis aleatórias e probabilidade

Não podem ser Valores são

Podem assumir qualquer valor dentro de valores reais – costuma-

Podem assumir apenas determinados valores – em geral números

Análises exploratórias de dados hidrológicos

Fonte: Dornelles e Collischonn (2015)

Análises exploratórias de dados hidrológicos

Fonte: Dornelles e Collischonn (2015)

Análises exploratórias de dados hidrológicos

Análises exploratórias de dados hidrológicos

Fonte: Dornelles e Collischonn (2015)

Fonte: Dornelles e Collischonn (2015)

Fonte: Dornelles e Collischonn (2015)

– A vazão de 200 m³/s é igualda ou superada cerca de 50% do tempo.

Pela curva de permanência 𝑄90 é 7 m³/s:

Fonte: Dornelles e Collischonn (2015)

Fonte: Dornelles e Collischonn (2015)

■ O quadrado do desvio padrão é chamada variância da amostra.

Fonte: Dornelles e Collischonn (2015)

Análise de frequência de eventos hidrológicos extremos

Análise de frequência de eventos hidrológicos extremos

Análise de frequência de eventos hidrológicos extremos

Fonte: Dornelles e Collischonn (2015)

– Uma vez identificados os valores máximos, a análise de frequência segue

Análise de frequência de eventos hidrológicos extremos

TR = tempo de retorno em anos

Análise de frequência de eventos hidrológicos extremos

Análise de frequência de eventos hidrológicos extremos

Análise de frequência de eventos hidrológicos extremos

Fonte: Dornelles e Collischonn (2015)

– A curva “Figura 14.11” mostra que eventos com poucas consequências

Análise de frequência de eventos hidrológicos extremos

Análise de frequência de eventos hidrológicos extremos

Fonte: Dornelles e Collischonn (2015)

Análise de frequência de eventos hidrológicos extremos

Análise de frequência de eventos hidrológicos extremos

Análise de frequência de eventos hidrológicos extremos

■ Em que μ𝑥 é a média da população e σ𝑥 é o desvio padrão.

■ Onde z é a variável aleatória com média 0 e desvio padrão 1.

Análise de frequência de eventos hidrológicos extremos

Fonte: Dornelles e Collischonn (2015)

■ A área total sob a curva é 1.

Análise de frequência de eventos hidrológicos extremos

Análise de frequência de eventos hidrológicos extremos

Fonte: Dornelles e Collischonn (2015)

Análise de frequência de eventos hidrológicos extremos

Análise de frequência empírica de vazões máxima

Análise de frequência empírica de vazões máxima

Fonte: Dornelles e Collischonn (2015)

– A probabilidade de que cada um dos valores de vazão venha a ser igualado

Análise de frequência empírica de vazões máxima

Fonte: Dornelles e Collischonn (2015)

Análise de frequência empírica de vazões máxima

Fonte: Dornelles e Collischonn (2015)

Análise de frequências de vazões máximas com base em

Análise de frequências de vazões máximas com base em

Fonte: Dornelles e Collischonn (2015)

Análise de frequências de vazões máximas com base em

log(𝑥) = 𝑙𝑜𝑔𝑥 + 𝐾. 𝑠log(𝑥)