INCERTEZA NA ANÁLISE DE FREQUÊNCIA DE VAZÕES MÁXIMAS ANUAIS UTILIZANDO MODELOS ESTACIONÁRIO E NÃO ESTACIONÁRIO APLICADOS À REGIÃO SUL DO BRASIL
|
|
- Manuella Evelyn Minho
- 4 Há anos
- Visualizações:
Transcrição
1 INCERTEZA NA ANÁLISE DE FREQUÊNCIA DE VAZÕES MÁXIMAS ANUAIS UTILIZANDO MODELOS ESTACIONÁRIO E NÃO ESTACIONÁRIO APLICADOS À REGIÃO SUL DO BRASIL Debora Yumi de Oliveira Daniel Bartiko Pedro Luiz Borges Chaffe Porto Alegre, 26 de Julho de 2018 END144
2 ANÁLISE DE FREQUÊNCIA DE VAZÕES INTRODUÇÃO A identificação de tendências em séries temporais fluviométricas levaram ao desenvolvimento de modelos não estacionários para a análise de frequência de eventos extremos incerteza associada à detecção e estimativa de tendência nas séries históricas disponíveis incerteza intrínseca ao se realizar qualquer previsão de cenários futuros Ainda não existe um consenso quanto à utilização de modelos estacionários ou modelos não estacionários para a estimativa das vazões associadas a diferentes tempos de retorno 5
3 OBJETIVO INTRODUÇÃO Comparar o desempenho de modelos estacionário e não estacionário aplicados à análise de frequência de cheias de séries temporais relativas à região Sul do Brasil, considerando a incerteza na estimativa dos parâmetros dos dois modelos 6
4 MATERIAIS E MÉTODOS
5 SELEÇÃO DAS SÉRIES MATERIAIS E MÉTODOS CRITÉRIOS DE SELEÇÃO (1) Mínimo 30 anos de dados (2) Séries com dados referentes ao ano de 2005 (3) Verificação do percentual de falhas MUDANÇA ABRUPTA TOTAL DE 131 SÉRIES Teste de Pettitt aplicado às séries de máximas anuais TENDÊNCIA MONOTÔNICA Teste de Mann-Kendall aplicado às séries de máximas anuais 8
6 SELEÇÃO DAS SÉRIES MATERIAIS E MÉTODOS CRITÉRIOS DE SELEÇÃO (1) Mínimo 30 anos de dados (2) Séries com dados referentes ao ano de 2005 (3) Verificação do percentual de falhas MUDANÇA ABRUPTA TOTAL DE 131 SÉRIES Teste de Pettitt aplicado às séries de máximas anuais TENDÊNCIA MONOTÔNICA Teste de Mann-Kendall aplicado às séries de máximas anuais Quilômetros 9
7 X SELEÇÃO DAS SÉRIES MATERIAIS E MÉTODOS CRITÉRIOS DE SELEÇÃO (1) Mínimo 30 anos de dados (2) Séries com dados referentes ao ano de 2005 (3) Verificação do percentual de falhas TOTAL DE 131 SÉRIES PONTO DE MUDANÇA ABRUPTA MUDANÇA ABRUPTA Teste de Pettitt aplicado às séries de máximas anuais TENDÊNCIA MONOTÔNICA Teste de Mann-Kendall aplicado às séries de máximas anuais Tempo 10
8 SELEÇÃO DAS SÉRIES MATERIAIS E MÉTODOS CRITÉRIOS DE SELEÇÃO (1) Mínimo 30 anos de dados (2) Séries com dados referentes ao ano de 2005 (3) Verificação do percentual de falhas MUDANÇA ABRUPTA TOTAL DE 131 SÉRIES Teste de Pettitt aplicado às séries de máximas anuais TENDÊNCIA MONOTÔNICA Teste de Mann-Kendall aplicado às séries de máximas anuais 11
9 ANÁLISE DE FREQUÊNCIA MATERIAIS E MÉTODOS A distribuição lognormal foi utilizada na análise de frequência de vazões extremas log ( Q) N(, ) 10 t FUNÇÃO DENSIDADE DE PROBABILIDADE DA DISTRIBUIÇÃO NORMAL f ( x) = 1 2 ² e ( x )² 2 ² 12
10 ANÁLISE DE FREQUÊNCIA MATERIAIS E MÉTODOS Dois modelos para análise de frequência de cheias foram considerados: modelo estacionário (ST) e modelo não estacionário (NS) log ( Q) N(, ) 10 t MODELO ESTACIONÁRIO t = MODELO NÃO ESTACIONÁRIO = + t t 0 θ = {, } θ = { 0,, } 13
11 ANÁLISE DE FREQUÊNCIA MATERIAIS E MÉTODOS Dois modelos para análise de frequência de cheias foram considerados: modelo estacionário (ST) e modelo não estacionário (NS) log ( Q) N(, ) 10 t MODELO ESTACIONÁRIO MODELO NÃO ESTACIONÁRIO t = = + t t 0 θ = {, } 0 θ = {,, } 0 Luke et al. (2017) 0 14
12 ANÁLISE DE FREQUÊNCIA MATERIAIS E MÉTODOS A inferência Bayesiana foi utilizada para obtenção dos parâmetros dos modelos ST e NS DISTRIBUIÇÃO A POSTERIORI DISTRIBUIÇÃO A PRIORI p( θ) p( θ X) p( θ) L( θ X) θ p( θx ) θ FUNÇÃO DE VEROSSIMILHANÇA 1 L( θ X i ) = e 2 ² ( X i )² 2 ² L θ X = L θ X1 L θ X 2 L θ X n ( ) ( ) ( ) ( ) pdf da distribuição normal avaliada para cada um dos dados X i = log 10 (Q) 18
13 ANÁLISE DE FREQUÊNCIA MATERIAIS E MÉTODOS MÉTODO 1 Inferência dos parâmetros dos modelos ST e NS a partir da série inteira Comparação realizada a partir dos critérios de informação CRITÉRIO DE INFORMAÇÃO DE AKAIKE CRITÉRIO DE INFORMAÇÃO DE BAYES * AICc 2ln( L ) = + 2 dd ( + 1) ( n d 1) * BIC = 2ln( L ) + d ln( n) 19
14 ANÁLISE DE FREQUÊNCIA MATERIAIS E MÉTODOS MÉTODO 2 Separação de cada uma das séries de dados em duas partes período utilizado para inferência dos parâmetros período para avaliação de desempenho dos modelos Apenas séries com mais de 60 anos foram consideradas 20 séries ESTACIONÁRIO ESTACIONÁRIO ATUALIZADO NÃO ESTACIONÁRIO 26
15 RESULTADOS E DISCUSSÃO
16 ANÁLISE DE FREQUÊNCIA: MÉTODO 1 RESULTADOS E DISCUSSÃO ΔAIC ΔAIC ΔBIC ΔBIC Quilômetros Quilômetros 30
17 ANÁLISE DE FREQUÊNCIA: MÉTODO 1 RESULTADOS E DISCUSSÃO ΔAIC ΔAIC 0 0 O 0 critério - 2 de informação de Bayes (BIC) foi 0-2mais conservador em termos de adição 4-7 de complexidade do que 300 o critério de informação de 0 Akaike (AIC Quilômetros 7-10 Quilômetros c ) ΔBIC ΔBIC 31
18 Frequência Frequência ANÁLISE DE FREQUÊNCIA: MÉTODO 1 RESULTADOS E DISCUSSÃO ΔAIC ΔBIC ΔAIC ΔAIC 0 0 As 0-2séries que apresentaram tendência monotônica 0-2 significativa resultaram em 0 75maiores valores de ΔAIC e ΔBIC Quilômetros 7-10 Quilômetros ΔBIC ΔBIC 32
19 ANÁLISE DE FREQUÊNCIA: MÉTODO 2 RESULTADOS E DISCUSSÃO O modelo não estacionário resultou em maiores valores da função de verossimilhança considerando o conjunto ótimo de parâmetros para algumas séries de dados ESTACIONÁRIO ESTACIONÁRIO ATUALIZADO NÃO ESTACIONÁRIO
20 ANÁLISE DE FREQUÊNCIA: MÉTODO 2 RESULTADOS E DISCUSSÃO Analisando os valores da média do valor da função de verossimilhança em nenhuma série o modelo NS foi superior aos modelos ST e ust ESTACIONÁRIO ESTACIONÁRIO ATUALIZADO NÃO ESTACIONÁRIO
21 ANÁLISE DE FREQUÊNCIA: MÉTODO 2 RESULTADOS E DISCUSSÃO Considerando a única série que apresentou tendência para a série completa e também para a série de calibração, os melhores resultados na validação foram obtidos para o modelo estacionário atualizado ESTACIONÁRIO ESTACIONÁRIO ATUALIZADO NÃO ESTACIONÁRIO 35
22 ANÁLISE DE FREQUÊNCIA: MÉTODO 2 RESULTADOS E DISCUSSÃO Influência da utilização dos modelos ST e ust na estimativa das vazões para diferentes tempos de retorno ESTACIONÁRIO ESTACIONÁRIO ATUALIZADO 36
23 ANÁLISE DE FREQUÊNCIA: MÉTODO 2 RESULTADOS E DISCUSSÃO Influência da utilização dos modelos ST e ust na estimativa das vazões para diferentes tempos de retorno ESTACIONÁRIO Q 100 = m³/s ESTACIONÁRIO ATUALIZADO Q 100 = m³/s 37
24 CONCLUSÃO
25 CONCLUSÃO Considerando a incerteza associada à estimativa dos parâmetros da distribuição, mesmo para séries em que foi verificada a existência de tendência significativa no período de calibração, o modelo não estacionário não apresentou melhor desempenho A presença de tendência na série não é uma condição suficiente para justificar a utilização de um modelo não estacionário na análise de frequência de vazões extremas, e mostra a importância da quantificação da incerteza associada aos parâmetros da distribuição 39
26 MUITO OBRIGADA!
INCERTEZA NA ANÁLISE DE FREQUÊNCIA DE VAZÕES MÁXIMAS ANUAIS UTILIZANDO MODELOS ESTACIONÁRIO E NÃO ESTACIONÁRIO APLICADOS À REGIÃO SUL DO BRASIL
INCERTEZA NA ANÁLISE DE FREQUÊNCIA DE VAZÕES MÁXIMAS ANUAIS UTILIZANDO MODELOS ESTACIONÁRIO E NÃO ESTACIONÁRIO APLICADOS À REGIÃO SUL DO BRASIL Debora Yumi de Oliveira 1 ; Daniel Bartiko 2 & Pedro Luiz
Leia maisDebora Yumi de Oliveira, Pedro Luiz Borges Chaffe, João Henrique Macedo Sá. Florianópolis, 27 de novembro de 2017
Debora Yumi de Oliveira, Pedro Luiz Borges Chaffe, João Henrique Macedo Sá Florianópolis, 27 de novembro de 2017 CONCENTRAÇÃO DE SUBSTÂNCIAS NA ÁGUA INTERCEPTAÇÃO VAZÃO EM RIOS INTERMITENTES Variável Série
Leia maisIDENTIFICAÇÃO DOS PARÂMETROS DE UM MODELO DE INTERCEPTAÇÃO UTILIZANDO UM ALGORITMO DE CALIBRAÇÃO AUTOMÁTICA
IDENTIFICAÇÃO DOS PARÂMETROS DE UM MODELO DE INTERCEPTAÇÃO UTILIZANDO UM ALGORITMO DE CALIBRAÇÃO AUTOMÁTICA Debora Yumi de Oliveira Orientador: Prof. Dr. Pedro Luiz Borges Chaffe Coorientador: Me. João
Leia maisAna Clara Lazzari Franco, Debora Yumi de Oliveira, Nadia Bernardi Bonumá
Ana Clara Lazzari Franco, Debora Yumi de Oliveira, Nadia Bernardi Bonumá Requisitos computacionais Discretização espacial/temporal Split-Sample Test Calibração Validação Intervalos diferentes Mesmo passo
Leia maisUtilizando a função auto.arima em modelos de séries temporais
Utilizando a função auto.arima em modelos de séries temporais Erasnilson Vieira Camilo 1 2 Marina Rodrigues Maestre 1 Rick Anderson Freire Mangueira 1 Elias Silva de Medeiros 1 Cristian Villegas 1 1 Introdução
Leia maisAnálise comparativa entre métodos estatístico e rede neural aplicados em séries temporais
Análise comparativa entre métodos estatístico e rede neural aplicados em séries temporais Ana Paula de Sousa José Elmo de Menezes Introdução As formas funcionais dos modelos de previsão das redes neurais
Leia maisMetodologia de inversão
6 Metodologia de inversão Nesta tese, a transformação de velocidades em pressão de poros é encarada como um problema de inversão. Pela natureza do problema, essa transformação apresenta caráter não único
Leia maisAplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia maisESTATÍSTICA BAYESIANA
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS PET MATEMÁTICA Orientadora: Rosângela Helena Loschi ESTATÍSTICA BAYESIANA Marina Muniz de Queiroz INTRODUÇÃO A estatística clássica associa
Leia maisInferência Bayesiana - Aula 1 -
Inferência Bayesiana - Aula 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Paradigmas Bayesiano Introdução Fazer inferência
Leia maisRede Neural com Atraso de Tempo Aplicada à Previsão Mensal de Vazões na Bacia Hidrográfica do Rio Piancó
Rede Neural com Atraso de Tempo Aplicada à Previsão Mensal de Vazões na Bacia Hidrográfica do Rio Piancó Camilo A. S. de Farias Celso A. G. Santos Alcigeimes B. Celeste Estrutura da Apresentação Motivação
Leia maisInferência Bayesiana - Aula 3 -
Inferência Bayesiana - Aula 3 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística Os problemas de estimação e teste de hipóteses podem ser vistos como problemas de decisão.
Leia maisAnálise Bayesiana de Dados - Aula 1 -
Análise Bayesiana de Dados - Aula 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Paradigmas Bayesiano Introdução Fazer inferência
Leia maisMarkov Switching Models. Profa. Airlane Alencar. Depto de Estatística - IME-USP. lane. Ref: Kim e Nelson (1999) e Hamilton (1990)
Markov Switching Models Profa. Airlane Alencar Depto de Estatística - IME-USP www.ime.usp.br/ lane Ref: Kim e Nelson (1999) e Hamilton (1990) 1 Objetivo Mudança nos parâmetros de um modelo de regressão
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Escolha de modelos Até aqui assumimos que z
Leia maisANÁLISE BAYESIANA APLICADA À HIDROLOGIA
DIA 1 ANÁLISE BAYESIANA APLICADA À HIDROLOGIA Pedro Luiz Borges Chaffe, Debora Yumi de Oliveira e Paula Cunha David Florianópolis, 28 e 30 de novembro de 2017 SOBRE O MINICURSO Dia 28/11/2017 (14h-17h)
Leia maisAnálise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Análise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
Leia maisAlgoritmos de Aprendizado
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Back Propagation Radial Basis Functions (RBFs) Competitive Learning Hopfield Algoritmos de Aprendizado Regra de Hebb Perceptron
Leia maisGeração de cenários de energia renovável correlacionados com hidrologia: uma abordagem bayesiana multivariada.
Geração de cenários de energia renovável correlacionados com hidrologia: uma abordagem bayesiana multivariada [alessandro@psr-inc.com] Conteúdo Introdução Estimação não paramétrica (Kernel density) Transformação
Leia maisCARACTERIZAÇÃO HIDROLÓGICA DO RIO GRANDE NA UHE ÁGUAS VERMELHAS
UNIVERSIDADE FEDERAL DE ALAGOAS UFAL CARACTERIZAÇÃO HIDROLÓGICA DO RIO GRANDE NA UHE ÁGUAS VERMELHAS Carlos Alberto Inacio da Silva Mestrando em Recursos Hídricos e Saneamento INTRODUÇÃO Cheias e Estiagens
Leia mais5 Resultados e conclusões
5 Resultados e conclusões As conclusões alcançadas neste trabalho serão analisadas separadamente a fim de proporcionar maior clareza e entendimento facilitando identificar o cumprimento dos objetivos propostos
Leia maisMétodo para Classificação: - Naïve Bayes.
Método para Classificação: - Naïve Bayes. Modelagem statística (Bayesiana): Contrariamente ao 1R, usa todos os atributos; Duas premissas: Atributos igualmente importantes; Atributos estatisticamente independentes
Leia maisMapeamento de áreas de inundação em três municípios localizados na bacia do rio Itajaí
Mapeamento de áreas de inundação em três municípios localizados na bacia do rio Itajaí Gustavo Andrei Speckhann Orientador: Prof. Dr. Pedro Luiz Borges Chaffe Coorientador : Prof. Dr. Roberto Fabris Goerl
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Motivação Por exemplo, queremos analisar a série
Leia maisFlávia M. D. Marquitti
Flávia M. D. Marquitti Sumário: - Herbivoria - defesas da planta - 3 cenários - modelo de estudo - Método - coleta de dados - 3 modelos - escolha de modelo - Resultados - Discussão Sumário: - Herbivoria
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Inferência com dimensão variável Modelos com
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Objetivo Dada M classes ω 1, ω 2,..., ω M e um
Leia maisDISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA RESUMO
APLICAÇÕES DE DISTRIBUIÇÕES DISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA Danielle Peralta 1, Josmar Mazucheli 1, Isabelle Picada Emanuelli 2 e Robson Marcelo Rossi 1 1 Departamento de Estatística,
Leia maisAPLICABILIDADE DE MODELOS DE GERAÇÃO DE VAZÕES SAZONAIS APRESENTANDO DEPENDÊNCIA DE LONGO TERMO
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL CENTRO TECNOLÓGICO UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO APLICABILIDADE DE MODELOS DE GERAÇÃO DE VAZÕES SAZONAIS APRESENTANDO DEPENDÊNCIA DE LONGO TERMO
Leia mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisClassificação dos Exames Nacionais 2011/2012 de Matemática A. Abordagem Bayesiana
Classificação dos Exames Nacionais 2011/2012 de Matemática A Abordagem Bayesiana Pedro Martins Ricardo Cotrim Lisboa, 8 Julho 2015 Fórum Estatístico, DGGEC Sumário 1 2 3 4 5 6 7 8 9 10 Motivação e Objetivos
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisModelos Bayesianos. Ernesto F. L. Amaral Magna M. Inácio
1 Modelos Bayesianos Ernesto F. L. Amaral Magna M. Inácio 09 de dezembro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica (DCP 859B4) Objetivos 2 Apresentar
Leia maisInferência Bayesiana para testes acelerados "step-stress" simples com dados de falha sob censura tipo II e distribuição Gama
Inferência Bayesiana para testes acelerados "step-stress" simples com dados de falha sob censura tipo II e distribuição Gama Karlla Delalibera Chagas pósmac, Unesp Presidente Prudente, Brasil karlladelalibera@gmail.com
Leia maisTeoria de decisão Bayesiana e clássica: determinação de preços
Teoria de decisão Bayesiana e clássica: determinação de preços Mário Hissamitsu Tarumoto 1 Luan Cauê Cherubini 2 Olga L.Anglas R.Tarumoto 1 1 Introdução A teoria da decisão é uma abordagem sistemática
Leia mais03/06/2014. Tratamento de Incertezas TIC Aula 18. Conteúdo Inferência Estatística Clássica
Tratamento de Incertezas TIC-00.176 Aula 18 Conteúdo Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2014.1/tic-00.176
Leia maisCC-226 Aula 05 - Teoria da Decisão Bayesiana
CC-226 Aula 05 - Teoria da Decisão Bayesiana Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Classificador Bayesiano Considerando M classes C 1... C M. N observações x j. L atributos
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Estimação
Leia mais10. Aplicação das Técnicas de Probabilidade e Estatística em Hidrologia
10.1. Determinação do valor de projeto Em favor da segurança, geralmente as obras de recursos hídricos são dimensionadas para valores extremos ou característicos que garantam ao mesmo tempo a segurança
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisDistribuição de massa das Estrelas de Nêutrons
(IAG - USP) Distribuição de massa das Estrelas de Nêutrons 13 de abril de 2018 1 / 19 Distribuição de massa das Estrelas de Nêutrons Lívia Silva Rocha Universidade de São Paulo Instituto de Astronomia,
Leia maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia maisModulo I. Séries Temporais: ARIMA
UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA Modulo I Séries Temporais: ARIMA Curso: Bacharelado em Estatística Disciplina: Estatística Aplicada Nome: Verena
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisAplicações de inferência bayesiana aproximada para modelos gaussianos latentes espaço temporais
Aplicações de inferência bayesiana aproximada para modelos gaussianos latentes espaço temporais Orientador: Paulo Justiniano Ribeiro Jr Universidade Federal do Paraná Programa de Pós-Graduação em Métodos
Leia mais1 O que é Teoria da Decisão?
Universidade Federal do Paraná Departamento de Estatística Graduação em Estatística Introdução a Teoria da Decisão Prof. Thaís Fonseca 1 O que é Teoria da Decisão? 1.1 Introdução Teoria da decisão, como
Leia mais6 Validação Metrológica
6 Validação Metrológica Com o propósito de facilitar o entendimento do trabalho, o capítulo apresenta conceitos básicos de metrologia e definições relacionadas ao tem objeto da investigação. 6.1. Conceitos
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisInferência Bayesiana para estimação da taxa de falha de bombas de um sistema de resfriamento de uma usina nuclear
Inferência Bayesiana para estimação da taxa de falha de bombas de um sistema de resfriamento de uma usina nuclear Márcio José das Chagas Moura (UFPE) marciocmoura@gmail.com Enrique López Droguett (UFPE)
Leia maisNº Comparação entre dois métodos experimentais para calibração de uma bobina geradora de campo
COMUNICAÇÃO TÉCNICA Nº 174980.1 Comparação entre dois métodos experimentais para calibração de uma bobina geradora de campo Ramon Valls Martin Diego Joriro Nazarre Apresentada no CONGRESSO BRASILEIRO DE
Leia maisAnálise Decisional: integridade e validação Por: Lionel Morgado Susana Silva
Análise Decisional: integridade e validação Por: Lionel Morgado Susana Silva Algoritmos de Diagnóstico e de Auto-Regulação FCTUC 07-08 1 DIAGNÓSTICO DIAGNÓSTICO - em Medicina é o processo analítico de
Leia maisRedes Bayesianas. Prof. Júlio Cesar Nievola PPGIa Escola Politécnica PUCPR
Redes Bayesianas Prof. Júlio Cesar Nievola PPGIa Escola Politécnica PUCPR Raciocínio com Incerteza Incerteza: qualidade ou estado de não ser conhecido com certeza Fontes de incerteza: Ignorância: qual
Leia maisMEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana
MEEMF-2010 Aula 01 Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana O que é inferência estatística? Inferência estatística é o importante ramo da Estatística
Leia maisClassificação de dados em modelos com resposta binária via algoritmo boosting e regressão logística
Classificação de dados em modelos com resposta binária via algoritmo boosting e regressão logística Gilberto Rodrigues Liska 1 5 Fortunato Silva de Menezes 2 5 Marcelo Ângelo Cirillo 3 5 Mario Javier Ferrua
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia maisIntrodução a Inferência Bayesiana
Introdução a Inferência Bayesiana Helio S. Migon IM and COPPE - UFRJ migon@im.ufrj.br 2006 Conteúdo 1. Conceitos Básicos da Inferência 2. Distribuição a Priori 3. Sumariazação 4. Inferência Preditiva 1
Leia maisSimulação Monte Carlo via Cadeias de Markov Aplicada à Previsão Hidrológica Probabilística
Simulação Monte Carlo via Cadeias de Markov Aplicada à Previsão Hidrológica Probabilística Alana Renata Ribeiro, Maurício Felga Gobbi PPGMNE UFPR Curitiba, Brasil alanar89@gmail.com, gobbi@ufpr.br Eduardo
Leia mais10.3 Métodos estatísticos
10.3 Métodos estatísticos O estudo de VAZÕES MÁXIMAS pode ser realizado através de DISTRIBUIÇÕES ESTATÍSTICAS DE VARIÁVEIS CONTÍNUAS Métodos: - Distribuição de Gumbel - Distribuição Exponencial de dois
Leia maisAnálise do volume útil do reservatório de Furnas via modelos de séries temporais
Análise do volume útil do reservatório de Furnas via modelos de séries temporais Cristina Henriques Nogueira 1 3 Thelma Sáfadi 2 1 Introdução A energia elétrica é, sem dúvida, um recurso indispensável
Leia maisComunicaçõ. ções Digitais II. Texto original por Prof. Dr. Ivan Roberto Santana Casella
PTC-43 Comunicaçõ ções Digitais II Texto original por Prof. Dr. Ivan Roberto Santana Casella Representaçã ção o Geométrica de Sinais A modulação digital envolve a escolha de um sinal específico s i (t)
Leia maisModelos bayesianos estáticos globais na construção de tábuas de mortalidade para a macrorregião do sul de Minas Gerais
UNIVERSIDADE FEDERAL DE ALFENAS LARISSA DE ALCÂNTARA MONTEIRO Modelos bayesianos estáticos globais na construção de tábuas de mortalidade para a macrorregião do sul de Minas Gerais Varginha-MG 2016 RESUMO
Leia maisUMA ABORDAGEM DE SISTEMAS LINEARES NA ANÁLISE DO PROCESSO CHUVA-VAZÃO DE UMA SUB-BACIA DO RIO DOS BUGRES Graduanda: Camyla Innocente dos Santos
UMA ABORDAGEM DE SISTEMAS LINEARES NA ANÁLISE DO ROCESSO CHUVA-VAZÃO DE UMA SUB-BACIA DO RIO DOS BUGRES Graduanda: Camyla Innocente dos Santos Orientador: rof. Dr. edro Luiz Borges Chaffe INTRODUÇÃO O
Leia mais4 Modelos Lineares Generalizados
4 Modelos Lineares Generalizados Neste capítulo, serão apresentados arcabouços teóricos dos modelos lineares generalizados (MLGs) e como casos particulares desses modelos são aplicáveis ao problema da
Leia maisAnálise Bayesiana de Dados - Aplicações 1 -
Análise Bayesiana de Dados - Aplicações 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Aplicações da IB : Pressão sistólica
Leia mais3 Modelos Comparativos: Teoria e Metodologia
3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito
Leia maisAjuste de modelos de séries temporais para pressão atmosférica de Uberlândia
Ajuste de modelos de séries temporais para pressão atmosférica de Uberlândia Valiana Alves Teodoro Mirian Fernandes Carvalho Araújo Lúcio Borges de Araújo Introdução Na comercialização de produtos originados
Leia maisIntrodução ao Pensamento Bayesiano via pacote LearnBayes e software R
Introdução ao Pensamento Bayesiano via pacote LearnBayes e software R Renato Santos da Silva Márcia D Elia Branco Universidade de São Paulo - USP Instituto de Matemática e Estatística - IME 12 de Março
Leia maisMODELO LOG-BURR XII PARA DADOS GRUPADOS E CENSURADOS
MODELO LOG-BURR XII PARA DADOS GRUPADOS E CENSURADOS José Nilton da CRUZ 1 Liciana Vaz de Arruda SILVEIRA 2 José Raimundo de Souza PASSOS 2 RESUMO: Dados grupados é um caso particular de dados de sobrevivência
Leia maisMODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013
MODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013 Maria José CharfuelanVillarreal Universidade Federal do ABC OBJETIVO Identificar
Leia maisInferência Bayesiana na distribuição Normal
Inferência Bayesiana na distribuição Normal Diego Ignacio Gallardo Mateluna Instituto de Matemática e Estatística Universidade de São Paulo Março, 2012 Distribuição Normal: Inferência da variância com
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maisGabarito da Lista 2 de Análise de Sobrevivência
Gabarito da Lista 2 de Análise de Sobrevivência Monitor: Sérgio Felipe Prof a.: Marina Silva As questões são do livro: Análise de Sobrevivência Aplicada. Autores: Enrico A. Colosimo & Suely R. Giolo Editora:
Leia maisQuímica Analítica V 1S Prof. Rafael Sousa. Notas de aula:
Química Analítica V 1S 2013 Aula 3: 13-05 05-2013 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Motivação Motivação Por
Leia maisReconhecimento de Padrões/Objetos
Reconhecimento de Padrões/Objetos André Tavares da Silva andre.silva@udesc.br Capítulo 12 de Gonzales Reconhecimento de Padrões (imagem) Objetivo: Interpretar o conteúdo da imagem através de um mapeamento
Leia maisClassificadores. André Tavares da Silva.
Classificadores André Tavares da Silva andre.silva@udesc.br Reconhecimento de padrões (etapas) Obtenção dos dados (imagens, vídeos, sinais) Pré-processamento Segmentação Extração de características Obs.:
Leia maisMétodo de máxima verossimilhança
AULA 2: Método de máxima verossimilhança Um Exemplo Uma espécie tem probabilidade de ocorrência de 5% por sítio. Para uma região com 2 sítios, qual a probabilidade da espécie ocorrer em todos os sítios?
Leia maisPROCEDIMENTO PARA A ESCOLHA DE UMA DISTRIBUIÇÃO
PROCEDIMENTO PARA A ESCOLHA DE UMA DISTRIBUIÇÃO O método de máxima verossimilhança somente deve ser aplicado após ter sido definido um modelo probabilístico adequado para os dados. Se um modelo for usado
Leia maisθ depende de um parâmetro desconhecido θ.
73 Método de Máxima Verosimilhança (Maximum Likelihood) Seja uma variável aleatória (v. a.) cuja densidade de probabilidade depende de um parâmetro desconhecido. Admite-se conhecida a forma de Exemplo
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010
UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NA DETERMINAÇÃO DE VAZÕES MÁXIMAS E MÍNIMAS PARA O RIO ITABAPOANA - ESPÍRITO SANTO/RIO DE JANEIRO LEANDRO CAMPOS PINTO 1, CARLOS ROGÉRIO DE MELLO 2, ANTÔNIO MARCIANO
Leia maisApresentação do método de validação a ser aplicado nos dados do PRODES Cerrado. Leandro Parente (LAPIG/UFG)
Apresentação do método de validação a ser aplicado nos dados do PRODES Cerrado Leandro Parente (LAPIG/UFG) SUMÁRIO ; Análises Complementares; Deforestation Polygon Assessment Tool; Próximos passos; Estimativas
Leia maisIntrodução ao Processamento Estatístico de Sinais
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Departamento de Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisXI SIMPÓSIO DE RECURSOS HÍDRICOS DO NORDESTE
XI SIMPÓSIO DE RECURSOS HÍDRICOS DO NORDESTE Cledeilson Pereira Santos Mestrando em Recursos Hídricos e Saneamento-UFAL João Pessoa 29/11/2012 COMPORTAMENTO HIDROLÓGICO DO RIO TOCANTINS: USINA HIDRELÉTRICA
Leia maisReabilitação e Reforço de Estruturas
Mestrado em Engenharia Civil 2011 / 2012 Reabilitação e Reforço de Estruturas Aula 8: Risco estrutural. Luís Canhoto Neves 0/184 Sumário 1. Introduzir conceitos de análise de risco 2. Avaliar a sua importância
Leia maisrelógio apenas uma vez mediante ao pagamento de uma pequena taxa. Ao encontrarem algum defeito os consumidores devem devolver o relógio pagando
Capítulo 10 Introdução à Teoria de Decisão 10.1 Introdução Na situação geral de decisão temos várias alternativas bem definidas e procuramos pela melhor ação dado o problema que temos em mãos. Além disso
Leia maisRoteiro. Raciocínio Probabilístico. Sistemas Inteligentes. PARTE I - Introdução. Incerteza. Incerteza. Parte I. Parte II. Parte III.
Roteiro Raciocínio Probabilístico EA072 Inteligência Artificial em Aplicações Industriais Parte I Introdução Parte II Fundamentos da teoria da probabilidade Parte III Redes Parte IV Aprendizado em redes
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 05 / Detecção Binária Baseada em
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 05 / Detecção Binária Baseada em Múltiplas Observações e Detecção com Múltiplas Hipóteses Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa
Leia maisp(x) Note que 1/p(x), que não depende de θ, funciona como uma constante normalizadora
Capítulo 1 Introdução A informação que se tem sobre uma quantidade de interesse θ é fundamental na Estatística. O verdadeiro valor de θ é desconhecido e a idéia é tentar reduzir este desconhecimento. Além
Leia maisPrincípios de Bioestatística Inferência e Intervalo de Confiança
1/24 Princípios de Bioestatística Inferência e Intervalo de Confiança Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela Normal Padrão 2/24 3/24 Inferência
Leia mais4 Parte experimental Desenvolvimento do Método
35 4 Parte experimental Desenvolvimento do Método O vanádio por suas características e baixos níveis no soro levou os experimentos a condições extremas. Conseqüentemente, foram obtidos resultados com maiores
Leia maisClassificação: 1R e Naïve Bayes. Eduardo Raul Hruschka
Classificação: 1R e Naïve Bayes Eduardo Raul Hruschka Agenda: Conceitos de Classificação Técnicas de Classificação One Rule (1R) Naive Bayes (com seleção de atributos) Super-ajuste e validação cruzada
Leia maisLaboratório de Física I TEORIA DE ERROS Prof. Dr. Anderson André Felix Técnico do Lab.: Vinicius Valente
Laboratório de Física I TEORIA DE ERROS Prof. Dr. Anderson André Felix Técnico do Lab.: Vinicius Valente aa.felix@unesp.br vinicius.valente@unesp.br www.iq.unesp.br/laboratoriodefisica Número 1 Grandeza
Leia maisÓbitos por Acidentes de Transporte em Santa Catarina no ano de 2016
Óbitos por Acidentes de Transporte em Santa Catarina no ano de 2016 Modelos Lineares Generalizados Lais Hoffmam Simone Matsubara Willian Meira Yasmin Fernandes Curitiba 2018 Sumário 1. Resumo... 3 2. Introdução...
Leia maisEstruturas Marítimas Utilizando Métodos Probabilísticos de Níveis II e III. Maria Teresa Reis João Alfredo Santos
Verificação da Segurança a de Estruturas Marítimas Utilizando Métodos Probabilísticos de Níveis II e III Maria Teresa Reis João Alfredo Santos SUMÁRIO >Introdução > Conceitos básicos >Software PARASODE-BALI
Leia maisAprendizado Bayesiano
Aprendizado Bayesiano Marcelo K. Albertini 26 de Junho de 2014 2/20 Conteúdo Teorema de Bayes Aprendizado MAP Classificador ótimo de Bayes 3/20 Dois papéis para métodos bayesianos Algoritmos de aprendizado
Leia maisModelos Espaço-Temporais
p. Modelos Espaço-Temporais para Dados de Área Marco A. R. Ferreira (marco@im.ufrj.br) Universidade Federal do Rio de Janeiro http://www.dme.ufrj.br/marco Colaboração com Juan C. Vivar-Rojas p. Organização
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia mais