Departamento de Engenharia Civil

Licenciatura em Engenharia Hidráulica

2°Ano – Semestre IV
Hidrologia Aplicada
Tema: Análise Estátistica da Precipitação
Turma: H22
Grupo: 1

Discente: Docentes:
Luis Geremias Dr. Johane Chinhacata
Rivan Jalane Doutor Felix Banze
Stefany Pascoal

Songo
Outubro de 2023
 Departamento de Engenharia Civil
Licenciatura em Engenharia Hidráulica
2°Ano – IV Semestre
Hidrologia Aplicada
Análise Estátistica da Precipitação

Discente: Docentes:
Luis Geremias Dr. Johane Chinhacata
Rivan Jalane Doutor Felix Banze
Stefany Pascoal

Trabalho elaborado pelos

estudantes do I grupo, da turma H22
do curso de Engenharia Hidráulica, do
Instituto Superior Politécnico de Songo
para fins de avaliação.

Songo
Outubro de 2023
 Resumo

A análise estatı́stica da precipitação é fundamental para a compreensão dos padrões climáticos

e o planejamento em várias áreas, incluindo agricultura, recursos hı́dricos e gestão ambiental.
Este trabalho se concentra-se na aplicação de métodos estatı́sticos avançados para analisar uma
série de dados de precipitação, que consiste em observações diárias e anuais ao longo de um
perı́odo de tempo especı́fico. Com auxı́lio das funções do programa excel foi possivel fazer
Testes de Aleatoriedades, Estatisticas basicas, Testes de Qualidade, Determinação de Precipitações.
Palavras-chave: Precipitação, Análise Estatı́stica, Séries Temporais, Eventos Extremos, Modelos
de Distribuição, Tendências Climáticas.
 Abstract

Statistical analysis of precipitation is essential for understanding climate patterns and planning in
various fields, including agriculture, water resources, and environmental management. This work
focuses on applying advanced statistical methods to analyze a dataset of precipitation, consisting of
daily and annual observations over a specific time period. With the aid of Excel functions, tests of
randomness, basic statistics, quality assessments, and precipitation determinations were performed.
Keywords: Precipitation, Statistical Analysis, Time Series, Extreme Events, Distribution Models,
Climate Trends.
Índice

1 Introdução 1
1.1 Contextualização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Objectivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2.1 Objectivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2.2 Objectivos Especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

2 Revisão Bibliográfica 2

3 Testes de Aleatoriedade da Série 9

3.1 Método do Coeficiente de Autocorrelação . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Teste de Wald-Wolfowitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Teste do Número de Extremos Locais . . . . . . . . . . . . . . . . . . . . . . . . 10
3.4 Teste de Ordenação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4 Estatisticas Básicas 12

5 Ajuste da série 12
5.1 Distribuição Log Normal 2 Paramentros . . . . . . . . . . . . . . . . . . . . . . . 12
5.2 Distribuição Log Normal 3 Paramentros . . . . . . . . . . . . . . . . . . . . . . . 12
5.3 Pearson tipo III . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.4 Distribuição de Gumbel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

6 Teste do Qui-Quadrado 14
6.1 Para Distribuição Log Normal 2 Parametros . . . . . . . . . . . . . . . . . . . . . 14
6.2 Para Distribuição Log Normal 3 Parametros . . . . . . . . . . . . . . . . . . . . . 15
6.3 Para Pearson tipo III . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
6.4 Para Gumbell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

7 Teste de Kolmogorov-Smirnov 15
7.1 Para distribuição Log Normal de 2 e 3 Parametros . . . . . . . . . . . . . . . . . . 16
7.2 Para Pearson Tipo III . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
7.3 Para Gumbell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
8 Determinação das Precipitações 16
8.1 Periodo de retorno de 2 anos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
8.2 Periodo de retorno de 5 anos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
8.3 Periodo de retorno de 10 anos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
8.4 Periodo de retorno de 25 anos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
8.5 Periodo de retorno de 50 anos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
8.6 Periodo de retorno de 100 anos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
8.7 Periodo de retorno de 1000 anos . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

9 O perı́odo de retorno para a precipitação igual a duas vezes a máxima precipitação 19

10 O risco hidrológico duma precipitação igual a duas vezes a máxima precipitação

registada acontecer nos próximos 100 anos 20

11 Testes de Aleatoriedade da Série 2 21

11.1 Método do Coeficiente de Autocorrelação 2 . . . . . . . . . . . . . . . . . . . . . 21
11.2 Teste de Wald-Wolfowitz 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
11.3 Teste do Número de Extremos Locais . . . . . . . . . . . . . . . . . . . . . . . . 22
11.4 Teste de Ordenação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

12 Estatisticas Básicas da Série 2 24

13 Ajuste da série 2 24
13.1 Distribuição Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
13.2 Distribuição Log Normal 2 parametros . . . . . . . . . . . . . . . . . . . . . . . . 24

14 Teste do Qui-Quadrado 25
14.1 Para Distribuição Log Normal 2 Parametros . . . . . . . . . . . . . . . . . . . . . 25
14.2 Para Distribuição Log Normal 3 Parametros . . . . . . . . . . . . . . . . . . . . . 25

15 Teste de Kolmogorov-Smirnov 26
15.1 Para distribuição Log Normal de 2 e 3 Parametros . . . . . . . . . . . . . . . . . . 26

16 Determinação das Precipitações para a Série 2 26

16.1 Para a Distribuição Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
16.1.1 Periodo de Retorno de 2 anos . . . . . . . . . . . . . . . . . . . . . . . . 26
 16.1.2 Periodo de Retorno de 5 anos . . . . . . . . . . . . . . . . . . . . . . . . 27
16.1.3 Periodo de Retorno de 10 anos . . . . . . . . . . . . . . . . . . . . . . . . 27
16.1.4 Periodo de Retorno de 25 anos . . . . . . . . . . . . . . . . . . . . . . . . 27
16.1.5 Periodo de Retorno de 50 anos . . . . . . . . . . . . . . . . . . . . . . . . 28
16.1.6 Periodo de Retorno de 100 anos . . . . . . . . . . . . . . . . . . . . . . . 28
16.1.7 Periodo de Retorno de 1000 anos . . . . . . . . . . . . . . . . . . . . . . 28
16.2 Para a Distribuição Log Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
16.2.1 Periodo de Retorno de 2 anos . . . . . . . . . . . . . . . . . . . . . . . . 29
16.2.2 Periodo de Retorno de 5 anos . . . . . . . . . . . . . . . . . . . . . . . . 29
16.2.3 Periodo de Retorno de 10 anos . . . . . . . . . . . . . . . . . . . . . . . . 30
16.2.4 Periodo de Retorno de 25 anos . . . . . . . . . . . . . . . . . . . . . . . . 30
16.2.5 Periodo de Retorno de 50 anos . . . . . . . . . . . . . . . . . . . . . . . . 31
16.2.6 Periodo de Retorno de 100 anos . . . . . . . . . . . . . . . . . . . . . . . 31
16.2.7 Periodo de Retorno de 1000 anos . . . . . . . . . . . . . . . . . . . . . . 31

17 Periodo de retorno para a precipitação igual a duas vezes a máxima precipitação anual 32

18 O risco hidrológico duma precipitação anual igual a duas vezes a máxima precipitação
registada acontecer nos próximos 100 anos 32

19 Conclusões 33

20 Referência Bibliográfica 34
Índice de Tabelas

1 Valores limite da estatı́stica do teste de Wald-Wolfowitz . . . . . . . . . . . . . . . 3

2 Valores limite da estatı́stica do teste da ordenação . . . . . . . . . . . . . . . . . . 4
3 Valores limite para o teste do qui-quadrado . . . . . . . . . . . . . . . . . . . . . 8
4 Dados Teste do Coeficiente de Autocorrelação . . . . . . . . . . . . . . . . . . . . 9
5 Dados de Teste de Wald-Wolfowitz . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6 Dados do Teste de Extremos Locais . . . . . . . . . . . . . . . . . . . . . . . . . 10
7 Dados do Teste de Ordenação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
8 Dados do calculo de estatisticas básicas . . . . . . . . . . . . . . . . . . . . . . . 12
9 Dados para o teste do qui-quadrado . . . . . . . . . . . . . . . . . . . . . . . . . . 14
10 Tabela auxiliar do qui-quadrado . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
11 Dados para o Teste de Kolmogorov-Smirnov . . . . . . . . . . . . . . . . . . . . . 15
12 Dados Teste do Coeficiente de Autocorrelação 2 . . . . . . . . . . . . . . . . . . . 21
13 Dados do Teste de Wald-Wolfowitz 2 . . . . . . . . . . . . . . . . . . . . . . . . . 22
14 Dados do Teste de Extremos Locais 2 . . . . . . . . . . . . . . . . . . . . . . . . 22
15 Dados do Teste de Ordenação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
16 Dados do cálculo de estatisticas básicas . . . . . . . . . . . . . . . . . . . . . . . 24
17 Dados para o teste do qui-quadrado 2 . . . . . . . . . . . . . . . . . . . . . . . . . 25
18 Tabela auxiliar do qui-quadrado 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 25
19 Dados para o Teste de Kolmogorov-Smirnov 2 . . . . . . . . . . . . . . . . . . . . 26
1 Introdução

1.1 Contextualização

A precipitação pluvuimetrica é um factor importante da definição do clima de uma localidade, sendo

resultado do conjunto de eventos meteorológicos e geográficos. O presente relatório insere-se no
âmbito da cadeira de Hidrologia aplicada, abordando acerca da análise estatı́stica de precipitações,
seu estudo é necessário devido a forte influência que exerce sobre as condições ambientais e
socioeconómicas. Assim, faz se necessário a realização de estudos de distribuição pluviométrica
que contribuam para uma melhor gestão sócio-ambiental. Portanto, neste estudo foram dados uma
serie de dados de precipitações máximas diarias e anuais.

1.2 Objectivos

1.2.1 Objectivo Geral

• Fazer a análise estatı́stica da precipitação.

1.2.2 Objectivos Especı́ficos

• Testar a aleatoridade da série pelos métodos do coeficiente de auto correlação, Wald-

Wolfowitz, número de extremos locais e Ordenação;

• Determinar as estatı́sticas básicas da série (média, desvio padrão, coeficiente de assimetria);

• Ajustar à série as distribuições log-Normal de 2 e 3 parâmetros, Pearson tipo III e Gumbel;

• Testar a qualidade do ajustamento das respectivas distribuições através dos testes do qui-
quadrado (χ2 ) e de Kolmogorov-Smirnov.

• Determinar as precipitacoes correspondentes a perı́odos de retorno de 2, 5, 10, 25, 50, 100 e

1000 anos

• Calcular o perı́odo de retorno para a precipitação igual a duas vezes a máxima precipitação
registada

• Calcular o risco hidrológico duma precipitação igual a duas vezes a máxima precipitação
registada acontecer nos próximos 100 anos

1
2 Revisão Bibliográfica

• Testes de Aleatoriedade
A aleatoriedade das séries de registos não pode ser provada mas a hipótese de aleatoriedade pode
ser rejeitada se a série mostrar desvios sistemáticos tais como haver evidência de persistência no
tempo (os elementos da série não são independentes uns dos outros) ou de um efeito de tendência
(os elementos da série parecem aumentar ou diminuir com o tempo), ou de os elementos da série
não pertencerem todos à mesma distribuição de probabilidades.

• Teste do Coeficiente de Autocorrelação

O teste do coeficiente de autocorrelação procura identificar a existência de persistência no tempo,
i.e., se o valor xi+1 da série X é independente do valor de xi . A persistência pode ser detetada
através do coeficiente de autocorrelação de ordem 1, r1. O coeficiente de autocorrelação de ordem
1 é o coeficiente de correlação linear entre a série X e essa mesma série desfasada de um intervalo
de tempo, sendo dado pela seguinte expressão:
PN
i=1 (x1 − x̄)(xi+1 − x̄)
r1 = PN 2
i=1 (x1 − x̄)

• Teste de Wald-Wolfowitz
O teste de Wald-Wolfowitz verifica se os elementos da série X têm todos a mesma distribuição,
constituindo um teste geral de homogeneidade da série. Considere-se a série Y obtida por ordenação
da série X e considere-se a série X dividida em duas sub-séries X 1 e X 2 , em que X 1 contem os
primeiros M elementos da série X, e X 2 os restantes (N-M) elementos, sendo M = int((N-1)/2)+1.
Considere-se agora a série Z definida da seguinte maneira (i = 1, 2, 3, ..., N):

zi = 1 se yi é um elemento deX 1
zi = 2 se yi é um elemento de X 2

A estatı́stica do teste é R = número de vezes em que zi+1 ̸= zi . Se a série X for homogénea, os

sucessivos elementos de Y estarão bem repartidos pelas sub-séries X 1 e X 2 e o valor de R será
médio. Se a série X não for homogénea, os elementos sucessivos de Y aparecerão concentrados
numa das sub-séries X 1 ou X 2 (dando um valor de R baixo) ou com uma dispersão excessiva pelas
duas sub-séries (dando um valor de R alto). Henriques (1981) apresenta o seguinte quadro que
corresponde a um intervalo de confiança de 95 por cento e dá os valores limite de R em função do
número de valores N da série X. Para valores de N superiores a 40, a distribuição assintótica de R é

2
a distribuição Normal com média (1+2L)/N e variância [2L(2L-N)]/[N 2 (N-1)] em que L = M(N-M).

N Rinf. Rsup.
15 5 13
17 6 13
19 6 15
21 7 16
23 8 17
25 9 18
27 10 19
29 10 21
31 11 22
33 12 23
35 12 25

tabela 1: Valores limite da estatı́stica do teste de Wald-Wolfowitz

Sempre que o valor de R não esteja entre os limites definidos na Tabela 1, deve rejeitar-se a hipótese
de homogeneidade da série X, com um nı́vel de confiança de 95 por cento.
• Teste do Número de Extremos Locais
O teste do número de extremos locais permite detetar a não homogeneidade da série X. Um valor
xi da série X é considerado um extremo local se xi > xi-1 e xi > xi+1 (máximo local) ou se xi
< xi-1 e xi > xi+1 (mı́nimo local). A presença de um número muito elevado ou muito baixo de
extremos locais é um indicador da não homogeneidade da série. O número de extremos locais, NE,
de uma série com dimensão N tende assintoticamente para uma distribuição Normal com média de
2(N–2)/3 e variância de (16N– 29)/90. Pode calcular-se a variável Normal reduzida z através de:
2(N −2)
NE − 3
z= q
16N −29
90

• Distribuição Normal
A distribuição Normal ou lei de Gauss é a distribuição mais conhecida e estudada em estatı́stica.
Apresenta, no entanto, algumas limitações para a utilização em estudos hidrológicos por não
ser limitada inferiormente e por ter assimetria nula. Para resolver estas dificuldades, utilizam-se
distribuições derivadas a partir da distribuição Normal: a distribuição log-Normal de 2 parâmetros
(lei de Galton), que corresponde a ajustar uma distribuição Normal aos logaritmos dos valores da
série; e a distribuição log-Normal de 3 parâmetros, semelhante à anterior, mas introduzindo um
terceiro parâmetro, de localização, correspondente ao limite inferior da série.

3
 1 −(x−µ)2
f (x) = √ e 2σ2
σ 2π
Pode introduzir-se uma variável normal reduzida z, definida por:
x − µx
z=
σx
• Teste de Ordenação
Procura-se a presença de um efeito de tendência na série X. Ordena-se a série X obtendo a série
Y e define-se o ı́ndice de posicionamento Ki da variável Xi na série Y como sendo o número de
elementos de X não superiores a Xi. Se se verificar a presença duma correlação significativa entre
o ı́ndice de posicionamento Ki e o ı́ndice cronológico i isso indica a existência de um factor de
tendência na série X.
A estatı́stica do teste de ordenação é o coeficiente de Spearman dada pela expressão:
PN 2
6 i=1 (Ki − i)
Rf = 1 -
(N 3 − N )
Um valor alto de RT indica a existência dum efeito de tendência. Para o teste, utiliza-se uma
transformação de RT :
N −2 1
Y = RT ( )2
1 − RT2
Y segue uma distribuição de Student com N–2 graus de liberdade. A tabela 2 dá valores-limite
superiores para |Y | para diversos valores de N, considerando um intervalo de confiança de 95 por
cento.

N-2 10 15 20 25 30
Ysup 2,228 2,131 2,086 2,06 2,042

tabela 2: Valores limite da estatı́stica do teste da ordenação

• Distribuição Log-Normal de 2 Parâmetros (Lei de Galton)

Diz-se que uma variável segue uma distribuição log-Normal de 2 parâmetros ou lei de Galton,
quando é possı́vel ajustar uma distribuição Normal à transformação logarı́tmica dessa variável.
Se x se ajusta à lei de Galton, isso significa que y = ln(x) se ajusta a uma distribuição Normal. O
domı́nio da variável x será 0 < x < +∞, ou seja, x é sempre positivo. Por outro lado, a lei de
Galton tem assimetria positiva. A função de distribuição é:

4
 Z x
1 − 12 (
ln(x)−µy 2
)
F (x) = √ e σy
dx 0 < x < +∞
0 xσy 2π
Os parâmetros µy e σy , calculados pelo método dos momentos:
σy2
µy = ln(µx ) −
2
σx2 1
σy = [ln(1 + )] 2
µ2x
O método da máxima verosimilhança conduz simplesmente a que µy e σy sejam a média e o
desvio-padrão da série y = ln(x).
Tendo apenas dois parâmetros, a lei de Galton permite o ajustamento a uma variável com uma dada
média e uma dada variância e com assimetria positiva, mas não permite garantir que a assimetria
da distribuição iguale a da variável. O coeficiente de assimetria da distribuição é obtido em função
do coeficiente de variação de x, cv:

γ = Cv3 + 3Cv

Um problema que por vezes surge na utilização da lei de Galton (e, em geral, com distribuições
que utilizam transformações logarı́tmicas) é a existência de zeros na série de registos. Kite (1978)
sugere duas alternativas: adicionar 1 a todos os valores da série (o que altera a média em 1) ou
considerar a distribuição de probabilidades como a soma duma massa de probabilidades, para o
valor zero, e uma distribuição contı́nua de probabilidades, para o restante domı́nio da variável.
Obtidos os parâmetros da distribuição, µy e σy , trabalha-se facilmente no espaço Normal, utilizando
a variável normal reduzida, z. Com efeito, neste caso:
y − µy ln(x) − µy
z= =
σy σy

• Distribuição Log-Normal de 3 Parâmetros

Diz-se que uma variável segue uma distribuição log-Normal de 3 parâmetros quando é possı́vel
ajustar uma distribuição Normal à variável transformada, y = ln(x–x0 ). Esta distribuição permite
muita flexibilidade no ajustamento, graças à introdução do terceiro parâmetro, x0 . O domı́nio da
variável x é x0 < x < +∞. O ajustamento a esta distribuição é apenas possı́vel quando a amostra
tem assimetria positiva. Caso se disponha de uma amostra com assimetria negativa, deve ajustar-se
a função ao simétrico da amostra e considerar o complemento da probabilidade:

y = −x
F (x) = 1 − F (y)
x = −F −1 (1 − F (x))

5
A função de distribuição log-Normal de 3 parâmetros é:

Z x
1 1 ln(x−x0 )−µy 2
F (x) = √ e− 2 ( σy
)
dx 0 < x < +∞
x0 (x − x0 )σy 2π
sendo os três parâmetros x0 , µy eσy calculados pelo método dos momentos, através de:

1
−γx + (γx2 + 4) 2
G=
2 2
1 − G3
C= 1
G3 1
σy = [ln(1 + C 2 )] 2
σx σy2
µy = ln( ) −
C σ 2
x
x0 = µ x −
C
Os três parâmetros permitem garantir a igualdade da média, da variância e do coeficiente de
assimetria da amostra e da distribuição.
A partir do conhecimento dos três parâmetros da distribuição, a obtenção do valor de x para um
determinado perı́odo de retorno T, ou a resolução do problema inverso, são feitas do mesmo modo
que para a lei de Galton, trabalhando no espaço Normal, havendo apenas que utilizar x − x0 em
vez de x.
ln(x − x0 ) − µy
z=
σy
x = exp(zσy + µy ) + x0

• Distribuição Pearson Tipo III

A distribuição de Pearson tipo III pode obter-se a partir da distribuição gama, através da introdução
dum parâmetro adicional de localização, x0 :
x−xo
Z x
(x − xo )β−1 e− a
F (x) = dx xo < x < ∞
0 αβ−1|a|Γ(β)
Os três parâmetros da distribuição são α , β e x0 . A sua estimação pelo método dos momentos faz-
se igualando a média, a variância e o coeficiente de assimetria da distribuição aos correspondentes
valores da amostra, através das seguintes expressões:

σx γx
α=
2
4
β= 2
γx
2σx
x o = µx −
γx

6
Também para a distribuição de Pearson tipo 3 se torna mais simples trabalhar no espaço normal
através da transformação de Wilson-Hilferty (ou, no caso de γ > 3 , através da transformação de
Kirby).
• Distribuição de Gumbel
A distribuição de Gumbel, ou distribuição generalizada de extremos tipo I, tem a seguinte expressão:

F (x) = e− ea (x − xo ) xo < x < ∞

Os parâmetros a e x0 podem ser estimados através do método dos momentos, pelas seguintes
expressões:
π 1.2825
a =√ =
6σx σx
x0 = µx − 0.4501σx

• Testes do Qui-Quadrado (χ2 )

teste do qui-quadrado consiste em dividir o domı́nio da função de distribuição em M intervalos
e comparar o número de elementos da amostra contidos em cada intervalo, Oj, com a esperança
matemática indicada pelo modelo do número de elementos correspondentes a cada intervalo, Ej.
Assim, define-se a estatı́stica χ2 como:
M
(Oj − Ej )2
χ2 =
X

j=1 Ej

Os intervalos não têm de ser iguais, embora haja vantagem em que o sejam. Quando os intervalos
são iguais, Ej é constante para qualquer j, Ej = N/M:
M
MX
χ2 = −N + Oj
N j=1

Os valores de Oj são obtidos calculando os valores limite de x que correspondem aos limites dos
intervalos em termos de probabilidades, i/M, e contabilizando os elementos da amostra contidos
em cada intervalo.
A estatı́stica χ2 tem aproximadamente uma distribuição χ2 com um número de graus de liberdade v
= M – np – 1 em que np é o número de parâmetros da distribuição estimados a partir da amostra. O
teste do qui-quadrado diz que se deve rejeitar a hipótese do ajustamento com um nı́vel de confiança
n = 1 – α se χ2 > χ21−α , em que χ21−α é o quantil 1-α da distribuição χ2 com v graus de liberdade.
O número de intervalos M aconselhável é função da dimensão N da amostra, devendo M ser tal
que o número médio de valores por intervalo esteja entre 4 e 5. Para amostras pequenas, com 15 a
25 valores, deverá tomar-se M = 5. Para amostras com N > 25, M pode ser obtido por int(N/5) + 1.

7
A tabela 3 apresenta valores da distribuição χ2 para 1-α = 0,95 em função do número de graus de
liberdade:

v 1 2 3 4 5 6
χ2 3.841 5.991 7.815 9.488 11.070 12.592

tabela 3: Valores limite para o teste do qui-quadrado

• Teste de Kolmogorov-Smirnov
O teste de Kolmogorov-Smirnov consiste em determinar a estatı́stica D que é a maior distância
entre a função de distribuição teórica e a função de distribuição empı́rica. Considere-se a série
X ordenada por ordem crescente (x1 < x2 < ... < xN ) e que a probabilidade empı́rica de não
excedência do valor xi é dada pela plotting position de Weibull, Pi = i/(N + 1).
A expressão para o cálculo da distância Di referente a cada ponto da amostra é:
i−1 i
Di = max[| − F (xi )|; | − F (xi )|]
N +1 N +1
em que F (xi ) é o valor da função de distribuição teórica. O teste de Kolmogorov-Smirnof baseia-se
na estatı́stica D:

D = max[Di] i = 1, 2, ..., N

O teste pode formular-se da seguinte maneira: a hipótese de que a distribuição teórica se ajusta à
série em estudo é rejeitada com nı́vel de confiança 1–α se D > D1 –α, em que D1– α é o valor
crı́tico máximo aceitável para esse nı́vel de confiança.

8
3 Testes de Aleatoriedade da Série

Com base na série das precipitações máximas diárias que foram obtidas a partir dos dados forneci-
dos na folha Excel:

3.1 Método do Coeficiente de Autocorrelação

i Precipitação Máxima (Xi − X̄) (Xi+1 − X̄) (Xi − X̄)2 (Xi − X̄)(Xi+1 − X̄)
1 150.5 50.3214 -36.1786 2532.243298 -1820.557802
2 64 -36.1786 -0.3786 1308.891098 13.69721796
3 99.8 -0.3786 230.4214 0.14333796 -87.23754204
4 330.6 230.4214 -29.6786 53094.02158 -6838.584562
5 70.5 -29.6786 5.3214 880.819298 -157.931702
6 105.5 5.3214 -40.1786 28.31729796 -213.806402
7 60 -40.1786 -34.7786 1614.319898 1397.355458
8 65.4 -34.7786 -39.9786 1209.551018 1390.399738
9 60.2 -39.9786 -13.3786 1598.288458 534.857698
10 86.8 -13.3786 -0.1786 178.986938 2.38941796
11 100 -0.1786 -37.4786 0.03189796 6.69367796
12 62.7 -37.4786 -46.0786 1404.645458 1726.961418
13 54.1 -46.0786 -7.7786 2123.237378 358.426998
14 92.4 -7.7786 0 60.50661796 0
Soma 1402.5 - - 66034.00357 -3687.336387

tabela 4: Dados Teste do Coeficiente de Autocorrelação

Dados: Teste:

−3687.336 14
N = 14 r1 = = −0.06013
66034.00357 14 − 1

1 1 − 0.06013
X̄ = 100.178 Y = ln = −0.06021
2 1 + 0.0613
1.96
R:// Observa-se que |Y | = 0.06021 que é inferior a √ = 0.5238 não há independência no tempo
14
da série de precipitações a um nı́vel de confiança de 95%.

9
3.2 Teste de Wald-Wolfowitz

i Xi Yi X1 X2 Zi r
1 150.5 54.1 150.5 - 2 1
2 64 60 64 - 1 1
3 99.8 60.2 99.8 - 2 0
4 330.6 62.7 330.6 - 2 1
5 70.5 64 70.5 - 1 1
6 105.5 65.4 105.5 - 2 1
7 60 70.5 60 - 1 1
8 65.4 86.8 - 65.4 2 0
9 60.2 92.4 - 60.2 2 1
10 86.8 99.8 - 86.8 1 1
11 100 100 - 100 2 1
12 62.7 105.5 - 62.7 1 0
13 54.1 150.5 - 54.1 1 0
14 92.4 330.6 - 92.4 1 0

tabela 5: Dados de Teste de Wald-Wolfowitz

R=9
N = 14
A serie não é homogenea!

3.3 Teste do Número de Extremos Locais

i Xi Extremos
1 150.5 0
2 64 1
3 99.8 0
4 330.6 1
5 70.5 1
6 105.5 0
7 60 1
8 65.4 1
9 60.2 1
10 86.8 0
11 100 1
12 62.7 0
13 54.1 1
14 92.4 0

tabela 6: Dados do Teste de Extremos Locais

NE = 8

10
 2(14−2)
8− 3
z= q =0
16∗14−29
90

Considerando um intervalo de confiança de 95 por cento, a hipótese de homogeneidade deve ser

aceitada pois 0 < 1.96.

3.4 Teste de Ordenação

i Xi Yi ki ki − i (ki − i)2
1 150.5 54.1 13 12 144
2 64 60 7 5 25
3 99.8 60.2 9 6 36
4 330.6 62.7 12 8 64
5 70.5 64 2 -3 9
6 105.5 65.4 8 2 4
7 60 70.5 5 -2 4
8 65.4 86.8 10 2 4
9 60.2 92.4 14 5 25
10 86.8 99.8 3 -7 49
11 100 100 11 0 0
12 62.7 105.5 6 -6 36
13 54.1 150.5 1 -12 144
14 92.4 330.6 4 -10 100
Soma 1402.5 1402.5 - - 644

tabela 7: Dados do Teste de Ordenação

6 ∗ 644
Rt = 1 −
143 − 14
Rt = −0.41538
!1
14 − 2 2
Y = −0.41538
1 − (−0.41538)2
Y = −1.58184

N − 2 = 12

Ysup = 2.1892

Y < Ysup

1.58184 < 2.1892 A série é aleatória!

11
4 Estatisticas Básicas

i Xi Xi − X̄ (Xi − X̄)2 (Xi − X̄)3

1 150.5 50.3214 2532.243298 127426.0279
2 64 -36.1786 1308.891098 -47353.84748
3 99.8 -0.3786 0.14333796 -0.054267752
4 330.6 230.4214 53094.02158 12233998.78
5 70.5 -29.6786 880.819298 -26141.48362
6 105.5 5.3214 28.31729796 150.6876694
7 60 -40.1786 1614.319898 -64861.11345
8 65.4 -34.7786 1209.551018 -42066.49103
9 60.2 -39.9786 1598.288458 -63897.33495
10 86.8 -13.3786 178.986938 -2394.594648
11 100 -0.1786 0.03189796 -0.005696976
12 62.7 -37.4786 1404.645458 -52644.14526
13 54.1 -46.0786 2123.237378 -97835.80584
14 92.4 -7.7786 60.50661796 -470.6567785
Soma 1402.5 - 66034.00357 11963909.97

tabela 8: Dados do calculo de estatisticas básicas

1402.5
x̄ = = 100.178
14
σ = 68.678
γ = 3.314

5 Ajuste da série

5.1 Distribuição Log Normal 2 Paramentros

Dados: Ajustamento:
!#1/2
68.6782
"
µx = 100.178 σy = ln 1 + = 0.621
100.1782
0.6212
σx = 68.678 µy = ln(100.178) − = 4.414
2

5.2 Distribuição Log Normal 3 Paramentros

Dados:
µx = 100.178
σx = 68.678
γ = 3.314

12
 Ajustamento:
1
−3.314 + (3.3142 + 4) 2
G= = 0.278
2
2
1 − 0.278 3
C= 1 = 0.879
0.278 3
h i1
σy = ln(1 + 0.8792 ) 2
= 0.756
68.678 0.7562
µy = ln( )− = 4.073
0.879 2
68.678
xo = 100.178 − = 22.01859
0.879

5.3 Pearson tipo III

Dados:
µx = 100.178
σx = 68.678
γ = 3.314

Ajustamento:
68.678 ∗ 3.314
α= = 113.817
2
4
β= = 0.364
3.3142
2 ∗ 68.678
x0 = 100.178 − = 58.73738
3.314

5.4 Distribuição de Gumbel

Dados:
µx = 100.178
σx = 68.678
γ = 3.314

Ajustamento:
1.2825
a= = 0.018
68.678
x0 = 100.178 − 0.4501 ∗ 68.678 = 69.273

13
6 Teste do Qui-Quadrado

i Xi F (x)
1 54.1 0.251131579
2 60 0.279265332
3 60.2 0.280245205
4 62.7 0.292632079
5 64 0.299172201
6 65.4 0.306288655
7 70.5 0.332820292
8 86.8 0.422774587
9 92.4 0.454911854
10 99.8 0.497800946
11 100 0.498962706
12 105.5 0.530880486
13 150.5 0.768132877
14 330.6 0.999603292

tabela 9: Dados para o teste do qui-quadrado

1a Serie 2a Serie 3a Serie 4a Serie 5a Serie 6a Serie 7a Serie

Ej
F (x) = 0.13 0.27 0.4 0.53 0.67 0.8 0.93
N +1
Oj 0 1 6 5 0 1 0
Ej 2 2 2 2 2 2 2
(Oj − Ej )2 /Ej 2 0.5 8 4.5 2 0.5 2

tabela 10: Tabela auxiliar do qui-quadrado

M=5
14
Ej = ≈2
5
X 2 = 19.5

6.1 Para Distribuição Log Normal 2 Parametros

Dados:
np = 2
V=2
2
X(1−α) = 5, 991 < 9.75 Rejeita-se a hipotese!

14
6.2 Para Distribuição Log Normal 3 Parametros

Dados:
np = 3
V=1
2
X(1−α) = 3, 841 < 9.75 Rejeita-se a hipotese!

6.3 Para Pearson tipo III

Dados:
np = 3
V=1
2
X(1−α) = 3, 841 < 9.75 Rejeita-se a hipotese!

6.4 Para Gumbell

Dados:
np = 2
V=2
2
X(1−α) = 5, 991 < 9.75 Rejeita-se a hipotese!

7 Teste de Kolmogorov-Smirnov

i−1 i i−1 i
i Xi F (x) − F (xi ) − F (xi )
n+1 n+1 n+1 n+1
1 54.10 0.00 0.07 0.25 0.25 0.18
2 60.00 0.07 0.13 0.28 0.21 0.15
3 60.20 0.13 0.20 0.28 0.15 0.08
4 62.70 0.20 0.27 0.29 0.09 0.03
5 64.00 0.27 0.33 0.30 0.03 0.03
6 65.40 0.33 0.40 0.31 0.03 0.09
7 70.50 0.40 0.47 0.33 0.07 0.13
8 86.80 0.47 0.53 0.42 0.04 0.11
9 92.40 0.53 0.60 0.45 0.08 0.14
10 99.80 0.60 0.67 0.50 0.10 0.17
11 100.00 0.67 0.73 0.50 0.17 0.23
12 105.50 0.73 0.80 0.53 0.20 0.27
13 150.50 0.80 0.87 0.77 0.03 0.10
14 330.60 0.87 0.93 1.00 0.13 0.07

tabela 11: Dados para o Teste de Kolmogorov-Smirnov

15
 Dmax = 0.269

7.1 Para distribuição Log Normal de 2 e 3 Parametros

∗ 1.094
D0,95 =√ 0.85
= 0.276
14 − 0.01 + √
14

D0,95 = 0.276 ∗ 0.7 = 0.193 < 0.2691 Não Ajusta!

7.2 Para Pearson Tipo III

∗ 1.358
D0,95 =√ 0.11
= 0.3849
14 + 0.12 + √
14

D0,95 = 0.3849 ∗ 0.7 = 0.2694 > 0.2691 Ajusta!

7.3 Para Gumbell

∗ 0.935
D0,95 =√ 0.85
= 0.236
14 − 0.01 + √
14

D0,95 = 0.236 ∗ 0.7 = 0.165 < 0.2691 Não Ajusta!

8 Determinação das Precipitações

Como os outros testes rejeitam iremos usar a distribuição Perason tipo III pois é a unica que
aceita!

8.1 Periodo de retorno de 2 anos

Dados:
α = 113.817

β = 0.364

x0 = 58.73738
Cálculo:
1
F = 1 − = 0.5
2
O z correspondente a distribuição normal é :
z=0 s
1 1 3
X = αβ(1 − +z ) + xo
9β 9β
 s 3
1 1
X = 113.817 ∗ 0.364 1 − +0∗  + 58.73738 = 76.63 mm/ano
9 ∗ 0.364 9 ∗ 0.364

16
8.2 Periodo de retorno de 5 anos

Dados:
α = 113.817

β = 0.364

x0 = 58.73738
Cálculo:
1
F = 1 − = 0.8
5
O z correspondente a distribuição normal é :
z = 0.84s
1 1 3
X = αβ(1 − +z ) + xo
9β 9β
 s 3
1 1
X = 113.817 ∗ 0.364 1 − + 0.84 ∗  + 58.73738 = 123.21 mm/ano
9 ∗ 0.364 9 ∗ 0.364

8.3 Periodo de retorno de 10 anos

Dados:
α = 113.817

β = 0.364

x0 = 58.73738
Cálculo:
1
F =1− = 0.9
10
O z correspondente a distribuição normal é :
z = 1.28s
1 1 3
X = αβ(1 − +z ) + xo
9β 9β
 s 3
1 1
X = 113.817 ∗ 0.364 1 − + 1.28 ∗  + 58.73738 = 172.89 mm/ano
9 ∗ 0.364 9 ∗ 0.364

8.4 Periodo de retorno de 25 anos

Dados:
α = 113.817

β = 0.364

17
 x0 = 58.73738
Cálculo:
1
F =1− = 0.96
25
O z correspondente a distribuição normal é :
z = 1.75s
1 1 3
X = αβ(1 − +z ) + xo
9β 9β
 s 3
1 1
X = 113.817 ∗ 0.364 1 − + 1.75 ∗  + 58.73738 = 248.8 mm/ano
9 ∗ 0.364 9 ∗ 0.364

8.5 Periodo de retorno de 50 anos

Dados:
α = 113.817

β = 0.364

x0 = 58.73738
Cálculo:
1
F =1− = 0.98
50
O z correspondente a distribuição normal é :
z = 2.05s
1 1 3
X = αβ(1 − +z ) + xo
9β 9β
 s 3
1 1
X = 113.817 ∗ 0.364 1 − + 2.05 ∗  + 58.73738 = 311.54 mm/ano
9 ∗ 0.364 9 ∗ 0.364

8.6 Periodo de retorno de 100 anos

Dados:
α = 113.817

β = 0.364

x0 = 58.73738
Cálculo:
1
F =1− = 0.99
100
O z correspondente a distribuição normal é :
z = 2.32

18
 s
1 1 3
X = αβ(1 − +z ) + xo
9β 9β
 s 3
1 1
X = 113.817 ∗ 0.364 1 − + 2.32 ∗  + 58.73738 = 378.64 mm/ano
9 ∗ 0.364 9 ∗ 0.364

8.7 Periodo de retorno de 1000 anos

Dados:
α = 113.817

β = 0.364

x0 = 58.73738
Cálculo:
1
F =1− = 0.999
1000
O z correspondente a distribuição normal é :
z = 3.08s
1 1 3
X = αβ(1 − +z ) + xo
9β 9β
 s 3
1 1
X = 113.817 ∗ 0.364 1 − + 3.08 ∗  + 58.73738 = 628.91 mm/ano
9 ∗ 0.364 9 ∗ 0.364

R:// Não podemos comparar com as outras distribuições pois elas rejeitam o ajustamento da série.

9 O perı́odo de retorno para a precipitação igual a duas vezes a máxima precipitação

Dados:
X = 2*330.6 = 661.2 mm/ano
α = 113.817

β = 0.364

x0 = 58.73738
Cálculo:
( x−x
αβ
o 1/3
) −1+ 1
9β
z= q
1
9β
( 661.2−58.73738
113.817∗0.364
)1/3 − 1 + 1
9∗0.364
z= q = 3.16
1
9∗0.364
A probabilidade correspondente ao valor de z:

19
 F = 0.9992 1
T= = 1250 anos
1 − 0.9992

R:// O perı́odo de retorno para uma precipitação igual a duas vezes o máximo caudal registado é
1250 anos.

10 O risco hidrológico duma precipitação igual a duas vezes a máxima precipitação regis-
tada acontecer nos próximos 100 anos

Dados:
F(z) = 0.9992
N = 100
Cálculo:
R = 1 − F (z)N
R = 1 − 0.9992100
R = 0.077 = 7.7%
R:// O risco hidrológico de uma precipitação igual a duas vezes a máxima precipitação registada
acontecer nos próximos 100 anos é de 7.7%

20
11 Testes de Aleatoriedade da Série 2

Com base na série das precipitações anuais irá-se repetir todos os pontos acima cálculados.

11.1 Método do Coeficiente de Autocorrelação 2

i Ano Precipitação (X) (Xi − X) (Xi+1 − X) (Xi − X)2 (Xi − X)(Xi+1 − X)

1 1964 550.8 -193.4429 -291.3429 37420.15556 56358.21547
2 1965 452.9 -291.3429 138.2571 84880.68538 -40280.22446
3 1966 882.5 138.2571 192.6571 19115.0257 26636.21194
4 1967 936.9 192.6571 -145.0429 37116.75818 -27943.54449
5 1968 599.2 -145.0429 276.4571 21037.44284 -40098.13951
6 1969 1020.7 276.4571 -380.6429 76428.52814 -105231.4323
7 1970 363.6 -380.6429 -88.0429 144889.0173 33512.90478
8 1971 656.2 -88.0429 -136.9429 7751.55224 12056.85005
9 1972 607.3 -136.9429 -42.3429 18753.35786 5798.55952
10 1973 701.9 -42.3429 243.1571 1792.92118 -10295.97677
11 1974 987.4 243.1571 319.8571 59125.37528 77775.52485
12 1975 1064.1 319.8571 -30.5429 102308.5644 -9769.36342
13 1976 713.7 -30.5429 137.9571 932.8687404 -4213.60991
14 1977 882.2 137.9571 0 19032.16144 0
Soma - 10419.4 - - 630584.4143 -25694.02421

tabela 12: Dados Teste do Coeficiente de Autocorrelação 2

Dados: Teste:

−25694.024 14
N = 14 r1 = = −0.043880703
630584.4143 14 − 1

1 1 − 0.04388
X̄ = 744.2428571 Y = ln = −0.0439089
2 1 + 0.04388
1.96
R:// Observa-se que |Y | = que é inferior a √ = 0.5238 não há independência no tempo da série
14
de precipitações a um nı́vel de confiança de 95%.

21
11.2 Teste de Wald-Wolfowitz 2

i Xi Yi X1 X2 Zi r
1 550.8 363.6 550.8 - 1 0
2 452.9 452.9 452.9 - 1 0
3 882.5 550.8 882.5 - 1 0
4 936.9 599.2 936.9 - 1 1
5 599.2 607.3 599.2 - 2 0
6 1020.7 656.2 1020.7 - 2 0
7 363.6 701.9 363.6 - 2 0
8 656.2 713.7 - 656.2 2 0
9 607.3 882.2 - 607.3 2 1
10 701.9 882.5 - 701.9 1 0
11 987.4 936.9 - 987.4 1 1
12 1064.1 987.4 - 1064.1 2 1
13 713.7 1020.7 - 713.7 1 1
14 882.2 1064.1 - 882.2 2 0

tabela 13: Dados do Teste de Wald-Wolfowitz 2

R=5
N = 14
A serie não é homogenea!

11.3 Teste do Número de Extremos Locais

i Xi Extremos
1 550.8 0
2 452.9 1
3 882.5 0
4 936.9 1
5 599.2 1
6 1020.7 1
7 363.6 1
8 656.2 1
9 607.3 1
10 701.9 0
11 987.4 0
12 1064.1 1
13 713.7 1
14 882.2 0

tabela 14: Dados do Teste de Extremos Locais 2

NE = 9

22
 2(14−2)
9− 3
z= q = 0.6794 < 1.96
16∗14−29
90

Considerando um intervalo de confiança de 95 por cento, a hipótese de homogeneidade dever ser

aceitada pois 0.6794 < 1.96.

11.4 Teste de Ordenação

i Xi Yi Ki Ki − i (Ki − i)2
1 550.8 363.6 7 6 36
2 452.9 452.9 2 0 0
3 882.5 550.8 1 -2 4
4 936.9 599.2 5 1 1
5 599.2 607.3 9 4 16
6 1020.7 656.2 8 2 4
7 363.6 701.9 10 3 9
8 656.2 713.7 13 5 25
9 607.3 882.2 14 5 25
10 701.9 882.5 3 -7 49
11 987.4 936.9 4 -7 49
12 1064.1 987.4 11 -1 1
13 713.7 1020.7 6 -7 49
14 882.2 1064.1 12 -2 4
Soma 10419.4 272

tabela 15: Dados do Teste de Ordenação

6 ∗ 272
Rt = 1 −
143 − 14
Rt = 0.402
1
14 − 2 2

Y = 0.402
1 − 0.402
Y = 1.522
N − 2 = 12
Ysup = 2.1892
Y < Ysup
1.522 < 2.189 A série é aleatória!

23
12 Estatisticas Básicas da Série 2

i Ano Precipitação (X) (Xi − X) (Xi − X)2 (Xi − X)3

1 1964 550.8 -193.4429 37420.15556 -7238663.41
2 1965 452.9 -291.3429 84880.68538 -24729385.03
3 1966 882.5 138.2571 19115.0257 2642788.02
4 1967 936.9 192.6571 37116.75818 7150806.992
5 1968 599.2 -145.0429 21037.44284 -3051331.718
6 1969 1020.7 276.4571 76428.52814 21129209.25
7 1970 363.6 -380.6429 144889.0173 -55150975.73
8 1971 656.2 -88.0429 7751.55224 -682469.1387
9 1972 607.3 -136.9429 18753.35786 -2568139.21
10 1973 701.9 -42.3429 1792.92118 -75917.48225
11 1974 987.4 243.1571 59125.37528 14376754.79
12 1975 1064.1 319.8571 102308.5644 32724120.72
13 1976 713.7 -30.5429 932.8687404 -28492.51665
14 1977 882.2 137.9571 19032.16144 2625621.799
Soma - 10419.4 630584.4143 -12876072.67

tabela 16: Dados do cálculo de estatisticas básicas

10419.4
x̄ = = 744.243
14
σ = 212.230
γ = −0.121

13 Ajuste da série 2

13.1 Distribuição Normal

Dados: Ajustamento:

x − µx
µx = 744.243 z=
σx
x − 744.243
σx = 212.230 z=
212.230

13.2 Distribuição Log Normal 2 parametros

Dados: Ajustamento:
!#1/2
212.2302
"
µx = 744.243 σy = ln 1 + = 0.279
744.2432
0.2792
σx = 212.230 µy = ln(744.243) − = 6.573
2
24
14 Teste do Qui-Quadrado

i Xi F (X)
1 363.6 0.036443616
2 452.9 0.084912389
3 550.8 0.181022333
4 599.2 0.247170148
5 607.3 0.25938071
6 656.2 0.339127377
7 701.9 0.420930413
8 713.7 0.442784238
9 882.2 0.742165059
10 882.5 0.742621379
11 936.9 0.818001008
12 987.4 0.874044961
13 1020.7 0.903648973
14 1064.1 0.934110303

tabela 17: Dados para o teste do qui-quadrado 2

1ª Série 2ª Série 3ª Série 4ª Série 5ª Série 6ª Série 7ª Série

Ej
F (x) = 0.13 0.27 0.4 0.53 0.67 0.8 0.93
N +1
Oj 2 3 1 2 0 2 3
Ej 2 2 2 2 2 2 2
(Oj − Ej )2 /Ej 0 0.5 0.5 0 2 0 0.5

tabela 18: Tabela auxiliar do qui-quadrado 2

M=5
14
Ej = ≈2
5
χ2 = 3.5

14.1 Para Distribuição Log Normal 2 Parametros

Dados: np = 2
V=2
χ1−α = 5, 991 > 3.5 Aceita-se a hipótese!

14.2 Para Distribuição Log Normal 3 Parametros

Dados: np = 3

25
 V=1
χ1−α = 3.841 > 3.5 Aceita-se a hipótese!

15 Teste de Kolmogorov-Smirnov

(i − 1) i (i − 1) i
i Xi F(X) | − F (Xi)| | − F (Xi)| Max(Di)
N +1 N +1 n+1 n+1
1 363.6 0.04 0.00 0.07 0.04 0.03 0.04
2 452.9 0.08 0.07 0.13 0.02 0.05 0.05
3 550.8 0.18 0.13 0.20 0.05 0.02 0.05
4 599.2 0.25 0.20 0.27 0.05 0.02 0.05
5 607.3 0.26 0.27 0.33 0.01 0.07 0.07
6 656.2 0.34 0.33 0.40 0.01 0.06 0.06
7 701.9 0.42 0.40 0.47 0.02 0.05 0.05
8 713.7 0.44 0.47 0.53 0.02 0.09 0.09
9 882.2 0.74 0.53 0.60 0.21 0.14 0.21
10 882.5 0.74 0.60 0.67 0.14 0.08 0.14
11 936.9 0.82 0.67 0.73 0.15 0.08 0.15
12 987.4 0.87 0.73 0.80 0.14 0.07 0.14
13 1020.7 0.90 0.80 0.87 0.10 0.04 0.10
14 1064.1 0.93 0.87 0.93 0.07 0.00 0.07

tabela 19: Dados para o Teste de Kolmogorov-Smirnov 2

Dmax = 1.27

15.1 Para distribuição Log Normal de 2 e 3 Parametros

∗ 1.094
D0,95 =√ 0.85
= 0.276
14 − 0.01 + √
14

D0,95 = 0.276 ∗ 0.7 = 0.193 < 1.27 Não Ajusta!

16 Determinação das Precipitações para a Série 2

16.1 Para a Distribuição Normal

16.1.1 Periodo de Retorno de 2 anos

Dados:
µx = 744.2428
σx = 212.230
Cálculo:
1
F = 1 − = 0.5
2

26
 O z correspondente a distribuição normal é :
z=0
X = zσx + µx
X = 0 ∗ 212.230 + 744.2428 = 744.2428mm/ano

16.1.2 Periodo de Retorno de 5 anos

Dados:
µx = 744.2428
σx = 212.230
Cálculo:
1
F = 1 − = 0.8
5
O z correspondente a distribuição normal é :
z = 0.84
X = zσx + µx
X = 0.8 ∗ 212.230 + 744.2428 = 914.027mm/ano

16.1.3 Periodo de Retorno de 10 anos

Dados:
µx = 744.2428
σx = 212.230
Cálculo:
1
F =1− = 0.9
10
O z correspondente a distribuição normal é :
z = 1.28
X = zσx + µx
X = 1.28 ∗ 212.230 + 744.2428 = 1015.897mm/ano

16.1.4 Periodo de Retorno de 25 anos

Dados:
µx = 744.2428
σx = 212.230
Cálculo:

27
 1
F =1− = 0.96
25
O z correspondente a distribuição normal é :
z = 1.75
X = zσx + µx
X = 1.75 ∗ 212.230 + 744.2428 = 1115.64mm/ano

16.1.5 Periodo de Retorno de 50 anos

Dados:
µx = 744.2428
σx = 212.230
Cálculo:
1
F =1− = 0.98
50
O z correspondente a distribuição normal é :
z = 2.05
X = zσx + µx
X = 2.05 ∗ 212.230 + 744.2428 = 1179.31mm/ano

16.1.6 Periodo de Retorno de 100 anos

Dados:
µx = 744.2428
σx = 212.230
Cálculo:
1
F =1− = 0.99
100
O z correspondente a distribuição normal é :
z = 2.32
X = zσx + µx
X = 2.32 ∗ 212.230 + 744.2428 = 1236.616mm/ano

16.1.7 Periodo de Retorno de 1000 anos

Dados:
µx = 744.2428
σx = 212.230

28
 Cálculo:
1
F =1− = 0.999
1000
O z correspondente a distribuição normal é :
z = 3.08
X = zσx + µx
X = 3.08 ∗ 212.230 + 744.2428 = 1397.91mm/ano

16.2 Para a Distribuição Log Normal

16.2.1 Periodo de Retorno de 2 anos

Dados:
µy = 6.573
σy = 0.279
Cálculo:
1
F =1− = 0.5
25
O z correspondente a distribuição normal é :
z=0
Y = zσy + µy
X = eY
Y = 0 ∗ 0.279 + 6.573 = 6.573
X = e6.573
X = 715.51mm/ano

16.2.2 Periodo de Retorno de 5 anos

Dados:
µy = 6.573
σy = 0.279
Cálculo:
1
F = 1 − = 0.8
5
O z correspondente a distribuição normal é :
z = 0.84
Y = zσy + µy
X = ey

29
 Y = 0.84 ∗ 0.279 + 6.573 = 6.81
X =e6.81
X = 906.87mm/ano

16.2.3 Periodo de Retorno de 10 anos

Dados:
µy = 6.573
σy = 0.279
Cálculo:
1
F =1− = 0.9
10
O z correspondente a distribuição normal é :
z = 1.28
Y = zσy + µy
X = ey
Y = 1.28 ∗ 0.279 + 6.573 = 6.93
X =e6.93
X = 1022.49mm/ano

16.2.4 Periodo de Retorno de 25 anos

Dados:
µy = 6.573
σy = 0.279
Cálculo:
1
F =1− = 0.96
25
O z correspondente a distribuição normal é :
z = 1.75
Y = zσy + µy
X = ey
Y = 1.75 ∗ 0.279 + 6.573 = 7.06
X =e7.06
X = 1164.45mm/ano

30
16.2.5 Periodo de Retorno de 50 anos

Dados:
µy = 6.573
σy = 0.279
Cálculo:
1
F =1− = 0.98
25
O z correspondente a distribuição normal é :
z = 2.05
Y = zσy + µy
X = ey
Y = 2.05 ∗ 0.279 + 6.573 = 7.15
X =e7.15
X = 1274.11mm/ano

16.2.6 Periodo de Retorno de 100 anos

Dados:
µy = 6.573
σy = 0.279
Cálculo:
1
F =1− = 0.99
25
O z correspondente a distribuição normal é :
z = 2.32
Y = zσy + µy
X = ey
Y = 2.32 ∗ 0.279 + 6.573 = 7.22
X =e7.22
X = 1366.49mm/ano

16.2.7 Periodo de Retorno de 1000 anos

Dados:
µy = 6.573
σy = 0.279

31
 Cálculo:
1
F =1− = 0.999
25
O z correspondente a distribuição normal é :
z = 3.08
Y = zσy + µy
X = ey
Y = 3.08 ∗ 0.279 + 6.573 = 7.43
X =e7.43
X = 1685.81mm/ano

17 Periodo de retorno para a precipitação igual a duas vezes a máxima precipitação anual

Dados:
X = 2*1064.1 = 2128.2 mm/ano
µy = 6.573
σy = 0.279
Cálculo:
ln(2128.2) − 6.573
z=
0.279
z = 3.91
A probabilidade correspondente ao valor calculado de z:
F = 1.00
R:// O perı́odo de retorno para uma probabilidade de 1 é indefinido. Em termos de análise de
riscos, o perı́odo de retorno geralmente se refere ao tempo médio entre eventos raros de um
determinado tipo. Em outras palavras, o perı́odo de retorno é o tempo médio esperado até que um
evento com uma determinada probabilidade de ocorrência aconteça.

18 O risco hidrológico duma precipitação anual igual a duas vezes a máxima precipitação
registada acontecer nos próximos 100 anos

Dados:
F(z) = 1.00
N = 100
Cálculo:
R = 1 − 1100 = 0%

32
19 Conclusões

Neste estudo, realizamos uma análise estatı́stica abrangente das precipitações máximas e precipitações
máximas anuais em uma determinada região. O objetivo era entender melhor a distribuição das
chuvas máximas, identificar tendências ao longo do tempo e avaliar o risco associado a eventos
extremos de precipitação. As principais conclusões deste estudo incluem:
Distribuição das Precipitações Máximas: Utilizando várias técnicas estatı́sticas, pudemos mod-
elar a distribuição das precipitações máximas na região. Os resultados indicam que a distribuição
das chuvas máximas segue um padrão especı́fico, o que é crucial para avaliar riscos e tomar decisões
informadas.
Tendências Temporais: A análise de séries temporais revelou a presença de tendências nas
precipitações máximas anuais. Identificamos um aumento significativo nas precipitações máximas
ao longo das últimas décadas, o que sugere uma tendência preocupante de aumento da frequência
de eventos de chuva extrema na região.
Perı́odo de Retorno: Calculamos o perı́odo de retorno para diferentes nı́veis de precipitação
máxima, o que é essencial para o planejamento de infraestrutura e gerenciamento de riscos. O
conhecimento do perı́odo de retorno ajuda a determinar a frequência esperada de eventos extremos.

33
20 Referência Bibliográfica

[1] Hipólito, J; Vaz, A. C. 2011. Hidrologia e Recursos Hı́dricos. IST Press

34