O Ajuste e Teste da Significância de Tendências Lineares em Dados com Distribuição Gumbel
|
|
- Osvaldo Galvão Sequeira
- 6 Há anos
- Visualizações:
Transcrição
1 RBRH - Revsta Braslera de Recursos Hídrcos Volume 8 n.1 Jan/Mar 003, O Ajuste e Teste da Sgnfcânca de Tendêncas Lneares em Dados com Dstrbução Gumbel Robn T. Clarke IPH/UFRGS. Endereço para correspondênca: Av. Venânco Ares, 1001/ Porto Alegre, RS - clarke@ph.ufrgs.br Recebdo: 04/0/0 - revsão: 03/04/0 - aceto: 09/07/0 RESUMO Os procedmentos hdrológcos extensvamente utlzados no cálculo de eventos com período de retorno de T anos em dados com dstrbução Gumbel, supõem que a seqüênca dos dados usados para ajustar a dstrbução permanece estaconára pelo tempo. Quando se suspeta nãoestaconardade, seja como conseqüênca de mudanças no uso do solo ou no clma, a abordagem comum é testar a sgnfcânca da tendênca por um de dos métodos: regressão lnear, que supõe que os dados no regstro seguem dstrbução Normal cuja méda possvelmente vara com tempo; ou um teste não-paramétrco como o de Mann-Kendall, que nada supõe sobre a dstrbução populaconal. Isto é, a hpótese de dstrbução Gumbel para os dados é abandonada temporaramente enquanto se faz o teste de tendênca, mas é adotada novamente nos casos em que se constata a tendênca não ser sgnfcatva. Na seqüênca, os eventos de período de retorno T anos são calculados. Isto não parece lógco. O presente trabalho descreve um modelo alternatvo no qual a méda da dstrbução Gumbel possvelmente vara em tempo; supõe-se que a tendênca temporal, se exstr, pode ser descrta adequadamente por um únco parâmetro β, o qual é estmado a partr de Máxma Verossmlhança (MV). A varânca assntótca da estmatva MV, ˆβ MV, é comparada com a varânca da tendênca ˆβ RL calculada a partr de regressão lnear (RL); constatou-se que a varânca da estmatva RL é 64% maor. Amostras smuladas por uma dstrbução Gumbel padronzada e seleconadas aleatoramente, foram modfcadas pela superposção de tendêncas lneares e conhecdas de dferentes gradentes, e em seguda foram comparadas às potêncas de três testes da sgnfcânca da tendênca (Máxma Verossmlhança, Regressão Lnear, e o teste não-paramétrco de Mann-Kendall). O teste MV revelou-se sempre mas potente do que os outros dos testes, para qualquer valor da tendênca (postva) β. A potênca do teste Mann-Kendall fo sempre menor. Palavras-chave: tendênca; dstrbução Gumbel; teste de sgnfcânca. INTRODUÇÃO A análse de eventos extremos de varáves hdrometeorológcas é prátca muto freqüente do cotdano de hdrólogos e meteorologstas. Quatro exemplos das varáves utlzadas em tas análses são: a) vazão máxma anual em ros; b) a mínma anual da méda de 7 vazões dáras consecutvas; c) as ntensdades máxmas anuas das ntensdades de precptação com duração 5 mnutos, 10 mnutos,...; d) a velocdade máxma anual do vento. Análses destas varáves servem de base para mportantes decsões em projetos de barragens, no planejamento urbana, e no cálculo de rscos de seguros, sendo o objetvo das análses o cálculo da freqüênca com que esses eventos são gualados ou ultrapassados. O ponto de partda para mutas destas análses é o ajuste de uma dstrbução Valor Extremo (EV), de tpo aproprado, aos valores de uma seqüênca observada de máxmas (ou mínmas) anuas; após ajuste, a dstrbução utlza-se no cálculo do período de retorno de eventos extremos especfcados e/ou no cálculo dos eventos de período de retorno especfcado (Stednger et al., 1993). Qualquer análse deste tpo supõe que a seqüênca observada de valores máxmos (ou mínmas) anuas é estaconára, com cada valor da seqüênca de uma dstrbução hpotétca de tpo EV cujas característcas estatístcas permanecem constantes no decorrer do tempo. Entretanto, se mudanças no clma (Vnnkov et al., 1990; Guttman et al., 199; Grosman & Easterlng, 1994; Changnon & Kunkel, 1995; Olsen et al., 1999; Douglas et al., 000), ou no uso do solo (Brujnzeel, 1990 e 1996; Sahn e Hall, 1996), causem modfcações graduas na seqüênca observada, a suposção básca da dstrbução EV constante torna-se nválda e a prevsão da freqüênca de ocorrênca de futuros eventos extremos é um problema muto mas complexo. Além dsto, o relatóro Clmate Change 001: Impacts, Adaptaton and Vulnerablty do Intergovernmental Panel for Clmate Change (IPCC, 001) alerta sobre as mudanças clmátcas no século atual, enfatzando as mudanças na varabldade do clma e na freqüênca e ntensdade de alguns fenômenos clmátcos. Estas prevsões, que são apresentadas com uma confança cada vez maor, mplcam afrmar que a estaconardade estatístca, necessára para mutas análses hdrológcas, não pode ser suposta a pror devendo-se esperar que a dsponbldade espacal e temporal de recursos hídrcos possa alterar em consonânca com as mudanças do clma regonal. Isto tem uma mportânca enorme para um país como o 71
2 O Ajuste e Teste da Sgnfcânca de Tendêncas Lneares em Dados com Dstrbução Gumbel Brasl, com mas de 90% da sua energa gerada por hdrelétrcas e com demandas crescentes nas áreas de rrgação, abastecmento urbano e navegação. A ênfase deste trabalho é sobre aspectos da detecção e estmação das mudanças na freqüênca e ntensdade de alguns fenômenos clmátcos acma ctado segundo relatóro do IPCC. Dos procedmentos típcos para detectar a exstênca de uma tendênca numa seqüênca de valores extremos anuas são: (1) a análse de regressão (por exemplo, Salas, 1993); e () métodos não-paramétrcos, freqüentemente por meo do teste Mann-Kendall (Hrsch et al.,1993). Nenhum dos dos leva em conta os fatos de que (a) na ausênca de qualquer tendênca, os valores em uma seqüênca hdrológca ou meteorológca de valores extremos anuas, pode-se esperar terem uma dstrbução de tpo EV; (b) na presença de uma tendênca, ela será superposta em dados com dstrbução tpcamente do tpo EV. No caso do procedmento (1), supõe-se que os dados da seqüênca têm dstrbução Normal N(µ,σ ) com µ constante quando nexste tendênca, e com µ da forma µ = µ t = β 0 + β 1 t+... quando exste tendênca, sendo t =1,... N o tempo em anos. No caso do procedmento (), usando-se o teste Mann-Kendall, ncalmente não se supõe nenhuma forma explícta para a dstrbução dos dados; entretanto, se o teste não confrmar a exstênca de uma tendênca, uma dstrbução do tpo EV é então ajustada aos dados, para que se estmem os períodos de retorno de eventos extremos. Portanto, do ponto de vsta lógco, nem a análse de regressão nem testes Mann-Kendall são satsfatóros quando uma tendênca, se exstr, é superposta em dados cuja dstrbução é fundamentalmente EV. Dos trabalhos recentes (Clarke, 00a e b) tratam da detecção e estmação de tendêncas em seqüêncas de máxmos anuas de varáves hdrológcos, as quas podem ser supostas possuírem dstrbução Gumbel (Clarke, 00a) ou Webull (Clarke, 00b) na ausênca de tendêncas temporas. O prmero trabalho formula o problema da estmação de tendêncas em dados com dstrbução de Gumbel através do ajuste de um Modelo Lnear Generalzado (GLM) e apresenta um procedmento teratvo para a estmação dos parâmetros da tendênca; o segundo trabalho (Clarke, 00b) modfca este procedmento teratvo para permtr estmação de tendêncas e testes de sgnfcânca dos parâmetros de uma tendênca, em seqüêncas cuja dstrbução fundamental é Webull ou uma dstrbução EV Generalzada (sto é, com dstrbução GEV). O objetvo do presente trabalho é apresentar resultados analítcos, e de smulações, os quas complementam e estendem os resultados anterormente apresentados para a dstrbução Gumbel; um segundo trabalho apresentará os resultados correspondentes para a dstrbução Webull. Mesmo que a ênfase do trabalho é a detecção e estmação de tendêncas temporas em dados com dstrbução Gumbel, os resultados têm uma mportante aplcação adconal, na análse de seqüêncas extraídas de uma dstrbução Gumbel para as quas nenhuma tendênca exste: ou em outras palavras, em casos nos quas procura-se elucdar as relações entre uma varável Gumbel e varáves concomtantes explcatvas. Um exemplo é o segunte: para uma seqüênca de ntensdades máxmas anuas de precptação (sem tendênca temporal), com duração uma hora, sera nteressante relaconar as ntensdades observadas às condções meteorológcas e.g., a velocdade e dreção do vento quando da ocorrênca da ntensdade máxma. A abordagem apresentada aqu tem relevânca neste contexto também, sendo substtuída a varável t, que denota tempo, pela velocdade V do vento (por exemplo). O trabalho anterormente referencado (Clarke, 00a) estende esta análse a um número qualquer de varáves concomtantes. A varânca da estmatva, obtda por regressão lnear, do parâmetro de uma tendênca lnear: dados com dstrbução Gumbel Consdera-se o caso no qual, na ausênca de uma tendênca temporal, os dados têm dstrbução Gumbel com função densdade de probabldade dada por: f Y (y; u, α) = α exp[-α(y - u) - exp{-α(y - u)}] - < y < (1) com méda u +γ/α, e varânca π /6α. Após superposção de uma tendênca lnear, esta dstrbução modfca-se para a forma: f Y (y; u, α, β) = α exp[-α(y - u - β t) - exp{-α(y - u - β t)}] - < y < (1a) sendo t a varável tempo. Assm, a méda da varável aleatóra Gumbel Y t é (u +γ/α)+βt. O constante de Euler γ tem valor aproxmado γ Dadas N observações y 1, y,... y N da varável Y aos tempos t =t 1, t,... t N, deseja-se estmar o parâmetro β em (1a) e determnar se sua magntude justfque rejeção da hpótese nula H 0 : β =0 em favor da hpótese alternatva H 1 : β 0. Ao estmar β por regressão lnear, obtém-se: β RL = y (t t )/ (t t ) () e pode-se verfcar que, para as observações y 1, y,... y N com dstrbução dada por (1a), o estmador () é não-tendencoso: sto é, E[ ˆβ ]=β, e a varânca do estmador é: RL var[ β ] = π /(6α S tt ) (3) RL sendo S tt o denomnador em (). Se as observações y t representam uma seqüênca contínua de anos, ndexada por {1, 7
3 RBRH - Revsta Braslera de Recursos Hídrcos Volume 8 n.1 Jan/Mar 003, Tabela 1. Médas de conjuntos de 600 amostras geradas aleatoramente a partr de uma dstrbução Gumbel padronzada (u =0, a =1) com tendênca lnear b superposta do tamanho ndcado. N = 30 Médas das estmatvas do parâmetro de tendênca β (gual a aumentos em E[Y] de 0, ½ σ, σ e σ através o período de regstro artfcal gual a N = 30) β = 0: β = 0,0137: β = 0,0475: β = 0,0855: RL: - 0, , , ,08353 (± 0,0 113) (± 0,0 108) (± 0,0 115) (± 0,0 105) MV: - 0, , , ,08368 (± 0,0 3 99) (± 0, ) (± 0, ) (± 0, ) N = 50 Médas das estmatvas do parâmetro de tendênca β (gual a aumentos em E[Y] de 0, ½ σ, σ e σ através o período de regstro artfcal gual a N = 50) β = 0: β = 0,018: β = 0,0564: β = 0,0513: RL: + 0, , , ,05131 (± 0, ) (± 0, ) (± 0, ) (± 0,0 3 58) MV: + 0, , , ,0515 (± 0, ) (± 0, ) (± 0, ) (± 0, )... N}, então S tt =N(N -1)/1. Ao estmar os três parâmetros em (1a) pelo método do Máxmo da Verossmlhança (MV) e, supondo que as observações y t sejam ndependentes entre s, a matrz de covarânca assntótca dos três parâmetros θ =[θ 1, θ, θ 3 ]=[α, u, β], denotada por E[- lnl/ θ θ j ] -1, é dada pelo nverso de: N(1 + I )/ α NI1 I1 t Nα α NI t 1 I t α α 1 t t sendo I 1 =1-γ, I = π /6-γ+γ. Com a ndexação anual {1,... N} e denotando o estmador MV por ˆβ MV, a nversão desta matrz resulta na segunte expressão: (4) var[ β ] = 1/[α N(N - 1)] (5) MV Assm, pode-se notar que: var[ β RL ]/var[ β ] = π /6 1,64 MV Esse resultado aproxmado mostra que, quando a seqüênca de observações é sufcentemente extensa, a varânca do estmador regressão lnear do parâmetro de tendênca lnear β é 64% maor do que a do estmador MV. A expressão assntótca de var[ ˆβ MV ] utlzada na obtenção deste resultado é aproprada para o caso em que N tende para o nfnto. Uma questão que surge medatamente dz respeto ao comportamento das estmatvas MV de β quando a seqüênca de valores anuas é do tamanho geralmente encontrado na prátca; nesse contexto, é possível que um resultado assntótco não seja aproprado para amostras de pequeno tamanho. Alem dsto, teorcamente, os estmadores MV tem dstrbução assntotcamente gaussana, a qual é usada para calcular ntervalos de confança para os parâmetros estmados por MV; portanto, é necessáro estabelecer se a suposção de Normaldade é também acetável no caso de amostras fntas de pequeno tamanho. As seções a segur descrevem os métodos de smulação utlzados para responder a estas perguntas. Metodologa empregada na comparação das varâncas do coefcente de tendênca lnear b estmado por: a) regressão lnear; b) máxma verossmlhança; amostras de N =30 e N =50 Amostras de tamanho N=30 e N=50 foram geradas a partr de uma dstrbução Gumbel padronzada com u=0, α =1 na Equação(1); estas amostras foram consderadas como representatvas dos períodos de regstro hdrológco, para os quas são plausíves tendêncas temporas. Na ausênca de tendênca, a varânca da dstrbução Gumbel padronzada é σ = π /6 e, portanto, o desvo padrão é portanto aproxmadamente σ =1,85. As tendêncas lneares superpostas em dados smulados foram correspondentes aos aumentos de ½ σ, σ e σ, dstrbuídos ao longo do comprmento N do regstro artfcal. Assm com N=50 e σ =1,85, uma tendênca com coefcente de tendênca lnear gual a β = fo superposta aos 50 valores da dstrbução Gumbel padronzada 73
4 O Ajuste e Teste da Sgnfcânca de Tendêncas Lneares em Dados com Dstrbução Gumbel Tabela. Varâncas dos conjuntos de 600 amostras aleatóras geradas a partr de uma dstrbução Gumbel padronzada (u=0, a =1) com tendênca lnear superposta b do tamanho ndcado. N = 30 Varâncas das estmatvas do parâmetro β de tendênca lnear (gual a aumentos em E[Y] de 0, ½ σ, σ e σ através o período de regstro artfcal de tamanho N = 30) β = 0: β = 0,0137: β = 0,0475: β = 0,0855: RL: 0, , , , MV: 0, , , , RL/MV: Razão 1,47 1,48 1,39 1,46 N = 50 Varâncas das estmatvas do parâmetro β de tendênca lnear (gual a aumentos em E[Y] de 0, ½ σ, σ e σ através o período de regstro artfcal de tamanho N = 50) β = 0: β = 0,018: β = 0,0564: β = 0,0513: RL: 0, , , , MV: 0, , , , RL/MV: Razão 1,5 1,58 1,54 1,68 (50 x0,0565 =1,85). Portanto, as três tendêncas β =0,018, β =0,0565 e β =0,0513, correspondentes a ½ σ, σ e σ, foram em ordem crescente de magntude, muto embora, tenham sdo dstntas nos casos N=30 e N=50 porque estes dos regstros têm comprmentos dferentes. Após geração das amostras com estas característcas, os coefcentes de tendênca lnear β foram estmados por: a) regressão lnear (RL); e b) Máxma Verossmlhança (MV); as estmatvas assm obtdas são doravante denotadas por RL1, MV1. Com um únco parâmetro β a ser estmado, tera sdo possível utlzar qualquer dos város procedmentos conhecdos (por exemplo Newton-Raphson, ou smplex) para soluconar a equação MV para este parâmetro; entretanto, é computaconalmente vantajoso colocar o procedmento MV de estmação na forma de um Modelo Lnear Generalzado (MLG), cujos parâmetros são estmados pelo algortmo Mínmos Quadrados com Pesos Calculados Iteratvamente (em nglês: Iteratvely-Weghted Least Squares, IWLS) apresentado por McCullagh e Nelder (1983) e Green (1984). Uma dscussão sobre este procedmento, no contexto da estmação de parâmetros de tendêncas, bem como sobre as vantagens computaconas advndas do seu uso, fo apresentada em um trabalho recente (Clarke, 00a). Aqu, é sufcente notar que, quando é necessáro estmar mas de um parâmetro de tendênca, a convergênca é mas rápda com IWLS e que os softwares dsponíves comercalmente permtem o uso de IWLS junto com testes de hpóteses sobre os parâmetros da tendênca. As Tabelas 1 e apresentam as médas e varâncas dos conjuntos de 600 amostras geradas com os dos tamanhos de amostra (N =30, N=50) e os dferentes valores do parâmetro de tendênca β, únco no presente caso. Os Erros de Tpo II dos testes, e portanto as potêncas dos testes, podem ser calculados dferentemente do método acma apresentado. No caso do procedmento que utlza a regressão lnear, a estatístca geralmente utlzada é t= ˆβ RL / (var( ˆβ RL )), senda esta comparada com o valor tabelado da estatístca t de Student com N- graus de lberdade. Quando são geradas amostras smuladas com parâmetro de tendênca β postvo, a estatístca t pode ser calculada e a proporção das amostras nas quas a hpótese nula H 0 : β =0 não é rejetada, é uma estmatva do Erro Tpo II do teste. Semelhantemente para o procedmento MV: a estatístca u= ˆβ MV (var ˆβ MV ) pode ser comparada, usando a teora Normal, com os valores tabulados u =1,645 and u=1,96 aproprados para testes unlateral e blateral respectvamente, sendo var [ ˆβ MV ]=1/[ ˆα N(N -1)], sen- do αˆ, a estmatva MV do parâmetro de escala. Para valores não-nulos de β, usados na smulação das amostras, a proporção das amostras para as quas a hpótese nula H 0 : β =0 não é rejetada estma o Erro Tpo II do teste. Estes métodos alternatvos para calcular os Erros Tpo II, e portanto as potêncas dos testes RL e MV, são denotados por RL e ML, para dstngu-los dos procedmentos RL1, ML1 anterormente descrtos. As característcas destes testes são apresentadas na Tabela 3, a qual mostra as dferenças entre os Erros Tpo II dos procedmentos RL1 e RL e entre MV1 e MV. Para estabelecer se é razoável consderar como Normalmente dstrbuídas as estmatvas MV do parâmetro de tendênca lnear β, em amostras de tamanho N=30 e N=50, os quants das 600 estmatvas foram calculadas e plotados contra os quants da dstrbução Normal padronzada. Um gráfco lnear confrmara conformdade com a 74
5 RBRH - Revsta Braslera de Recursos Hídrcos Volume 8 n.1 Jan/Mar 003, hpótese de que as estmatvas têm dstrbução Normal. Estes gráfcos são apresentados nas Fguras 1 e. Esta seção descreveu como foram obtdas as característcas das estmatvas RL e MV do parâmetro de tendênca lnear β. O teste não-paramétrco Mann-Kendall (MK) de tendênca, anterormente menconado, é um teste para a sgnfcânca estatístca de tendênca (não necessaramente lnear) sem fornecer uma estmatva da magntude da tendênca. A seção a segur descreve os procedmentos usados na comparação das potêncas de testes de sgnfcânca da hpótese nula H 0 : β =0, contra a hpótese alternatva unlateral H 1 : β >0, e a hpótese alternatva blateral H 1 : β 0, sob as abordagens RL, MV e MK. Metodologa empregada na comparação das potêncas dos testes (a) MV, (b) RL, (c) MK da hpótese nula tendênca ausente (b =0) contra as hpóteses alternatvas b >0 e b 0 As potêncas dos três testes foram comparadas por smulação. No caso dos testes MV1 e RL1, a regão crítca correspondente ao erro de 5% fo calculada pela smulação de 600 amostras, todas com a dstrbução (1) na qual β =0. Assm, o tamanho do teste fo 0,05 em todos os casos. Para cada amostra gerada, as estmatvas ˆβ MV e ˆβ RL do coefcente de tendênca foram calculadas, juntamente com o quantl de 95% (no caso da hpótese alternatva unlateral, H 1 : β >0) ou com os quants de,5% e de 97,5% (no caso da hpótese alternatva blateral, H 1 : β 0). Para os procedmentos RL1 e MV1, estes quants defnram as regões das quas o Erro Tpo I sto é, o erro que ocorre quando uma hpótese nula verdadera H 0 : β =0 é rejetada fo conhecdo e gual a 5% (sto é, em 5% de um número muto grande de amostras com a dstrbução (1), a estmatva βˆ do coefcente de tendênca lnear cara na regão crítca, resultando na conclusão que exste uma tendênca, mesmo que de fato ela não exsta. Após defnção das regões crítcas, grupos de 600 amostras foram geradas novamente com valores conhecdos de β, desta feta dferentes de zero, e com os valores apresentados na Tabela 1. As estmatvas ˆβ MV e ˆβ RL foram calculadas para cada uma das amostras geradas, assm como as proporções das 600 amostras, cujas estatístcas de testes localzaram-se na regão de acetação da hpótese nula. Estas proporções são estmatvas dos Erros Tpo II sto é, as probabldades de que amostras seleconadas aleatoramente da dstrbução (1a), com parâmetro de tendênca β não nulo, resultem em estmatvas ˆβ e ML ˆβ LR que recaam dentro da regão de acetação da hpótese nula H 0 : β =0, mesma que esta hpótese seja de fato falsa. Assm, o tamanho da regão crítca fo fxado em 5%. Entretanto o Erro Tpo II podera ser, e o fo, constatado como dferente para os procedmentos dstntos de Tabela 3. Potêncas dos procedmentos de teste LR1, LR, MK, ML1 e ML. Todos os testes são de tamanho 0,05. Potêncas são para alternatvas unlateras e blateras, e com dos tamanhos de amostra N =30 e N=50. Hpótese alternatva blateral, H1: β 0 N = 30 β = 0,0137 β = 0,0475: β = 0,0855: RL1: 0,167 0,3633 0,8550 (± 0,0136) (± 0,0196) (± 0,0144) RL: 0,1017 0,3790 0,8650 (± 0,013) (± 0,0198) (± 0,0140) MK: 0,0683 0,1517 0,7150 (± 0,010) (± 0,0146) (± 0,0184) MV1: 0,1383 0,4483 0,9700 (± 0,0141) (± 0,003) (± 0,0070) MV: 0,1717 0,5000 0,9700 (± 0,0154) (± 0,004) (± 0,0070) N = 50 β = 0,018: β = 0,0564: β = 0,0513: RL1: 0,317 0,6433 0,9867 (± 0,017) (± 0,0196) (± 0,0047) RL: 0,1750 0,5133 0,9733 (± 0,0155) (± 0,004) (± 0,0066) MK: 0,0500 0,17 0,9093 (± 0,0089) (± 0,0170) (± 0,0117) MV1: 0,533 0,7333 0,9967 (± 0,0178) (± 0,0180) (± 0,003) MV: 0,567 0,7383 0,9967 (± 0,0178) (± 0,0179) (± 0,003) Hpótese alternatva unlateral, H1: β > 0 N = 30 β = 0,0137: β = 0,0475: β = 0,0855: RL1: 0,1800 0,4817 0,9100 (± 0,0157) (± 0,003) (± 0,0117) RL: 0,1733 0,4783 0,9333 (± 0,0154) (± 0,004) (± 0,010) MK: 0,0767 0,17 0,8050 (± 0,0109) (± 0,0170) (± 0,016) MV1: 0,350 0,5883 0,9850 (± 0,0173) (± 0,001) (± 0,0050) MV: 0,567 0,6167 0,9850 (± 0,0178) (± 0,0198) (± 0,0050) N = 50 β = 0,018: β = 0,0564: β = 0,0513: RL1: 0,317 0,7367 0,9917 (± 0,0191) (± 0,0180) (± 0,0037) RL: 0,767 0,6667 0,9917 (± 0,0183) (± 0,019) (± 0,0037) MK: 0,1100 0,3313 0,9583 (± 0,018) (± 0,019) (± 0,008) MV1: 0,3317 0,8067 0,9983 (± 0,019) (± 0,0161) (± 0,0017) MV: 0,3583 0,867 0,9983 (± 0,0196) (± 0,0154) (± 0,0017) 75
6 O Ajuste e Teste da Sgnfcânca de Tendêncas Lneares em Dados com Dstrbução Gumbel Fgura 1. Gráfcos em papel de probabldade normal para as estmatvas Máxma Verossmlhança do parâmetro b de tendênca lnear, calculadas a partr de conjuntos de 600 amostras de tamanho N =30 e geradas aleatoramente da dstrbução Gumbel padronzada (u =0, a =1) com tendênca lnear superposta: parâmetro de tendênca b =0, b =0,0137, b =0,0475, b =0,0855. teste e os Erros Tpo II são relaconados à potênca de um teste pela relação potênca =1 Erro Tpo II. Assm, quanto maor o Erro Tpo II, tanto menor será a potênca do teste. Testes potentes têm pequenos Erros Tpo II, embora a magntude do Erro do Tpo II dependa no valor verdadero, porem desconhecdo, de β na hpótese alternatva H 1. No caso dos procedmentos RL and MV, os valores crítcos dos testes não foram determnados por smulação, mas sm pelos valores tabelados usuas da estatístca t de Student no caso de RL, e dos valores usuas da dstrbução Normal N(0,1) no caso do procedmento MV, como apresentado na seção anteror. Entretanto, os Erros de Tpo II, e portanto a potênca de cada teste, foram determnados pela smulação de conjuntos de 600 amostras e pela quantfcação das proporções de amostras cujas estmatvas caíram fora da regão crtca assm determnada. Para o teste Mann-Kendall, o procedmento fo semelhante a o usado para RL e MV, mesmo que o teste MK não forneça uma estmatva do coefcente de tendênca. No teste MK, a estatístca Z é calculada de tal modo que, na ausênca de tendênca e com amostras do tamanho N =30 e N =50, usadas neste trabalho, sua dstrbução de probabldades pode ser bem aproxmada pela dstrbução Normal padronzada N(0, 1). Assm, em cada das 600 amostras geradas com β =0 segundo a dstrbução (1), a estatístca Z fo calculada e os quants foram obtdos de forma a defnr as regões crítcas de tamanho 5%. Ao comparar a estatístca de teste com os desvos aproprados da dstrbução Normal padronzada, as regões crítcas 5% deveram ser 76
7 RBRH - Revsta Braslera de Recursos Hídrcos Volume 8 n.1 Jan/Mar 003, Fgura. Normal plots para as estmatvas Máxma Verossmlhança do parâmetro b de tendênca lnear, calculadas a partr de conjuntos de 600 amostras de tamanho N =50 e geradas aleatoramente da dstrbução Gumbel padronzada (u =0, a =1) com tendênca lnear superposta: parâmetro de tendênca b =0, b =0,018, b =0,0565, b =0, Z >1.96 no caso do teste blateral (H 1 : β 0) e Z >1.645 para o teste unlateral (H 1 : β >0). Neste estudo as 600 amostras seleconadas da dstrbução (1) resultaram, no caso de testes blateras, em regões crítcas de <Z<1.94 e <Z<1.974 para as amostras com N =30 e N =50 respectvamente e, no caso de testes unlateras, as regões crítcas foram Z>1.647 e Z>1.601 com N=30 e N=50. Igualmente ao caso dos procedmentos MV e RL, os conjuntos de 600 amostras com os valores de β apresentados na Tabela 1 foram utlzados para estabelecer as proporções, das 600 amostras geradas, nas quas a estatístca Z do teste MK fcou fora da regão crítca, sendo esta proporção uma estmatva do Erro de Tpo II. A Tabela 3 apresenta a potênca para amostras dos tamanhos N =30 e N =50, com hpóteses alternatvas H 1 unlateras e blateras, obtdos para os cnco testes RL1, MV1, MK, RL e MV. DISCUSSÃO As Tabelas 1 e apresentam as médas e varâncas dos valores estmados do únco parâmetro de tendênca lnear β, estmado por RL e por MV, e com os tamanhos de amostra N =30 e N =50, obtdas pela geração de conjuntos de 600 amostras artfcas. Para os dos tamanhos de amostra, a Tabela 1 mostra que as estmatvas MV são efetvamente não-tendencosas (mesmo que com N = 30 e β = 0, a méda das estmatvas MV de β é bem maor que o dobro das estmatvas RL, anterormente demonstradas a ser nãotendencosas). Entretanto com N = 30 e valores postvos de β, as médas RL e MV são quase guas. Por outro lado, a Tabela mostra que exstem dferenças marcantes entre as varâncas que resultam das dos procedmentos de estmação; para ambos os tamanhos de amostra N =30 e N =50, 77
8 O Ajuste e Teste da Sgnfcânca de Tendêncas Lneares em Dados com Dstrbução Gumbel e com todos os valores do parâmetro de tendênca β, as varâncas pelo procedmento MV são bem menores do que as varâncas das estmatvas RL; observe que para cada tamanho de amostra, a razão var[ ˆβ RL ]/var[ ˆβ MV ] é menor do que seu valor assntótco 1,64, sendo aproxmadamente 1,45 com N=30, e maor, 1,58 aproxmadamente, com N=50. Isto sugere que, quando o tamanho do regstro N é menor do que os mas aproprados para a estmação do valor assntótco, anda exste um ganho consderável na precsão das estmatvas MV relatvamente à precsão obtda com RL, mesmo que a redução na varânca seja menor do que no caso assntótco. Um ponto nteressante refere-se às varâncas de ˆβ LR e de ˆβ ML quando a tendênca verdadera é zero, ou seja β =0. Demonstrou-se que var[ ˆβ RL ] = π /[N(N -1)] = 0, e 0, quando N =30 e N =50 respectvamente, sendo os valores de tempo t separados por ntervalos guas; as varâncas de ˆβ RL obtdas com os dos conjuntos de 600 amostras smuladas são próxmas a estes valores, 0, e 0, respectvamente. Da mesma forma, var[ ˆβ MV ]= /[α N(N -1)]; com N=30, N=50 e α =1, esta varânca tem valores 0, e 0, As varâncas de ˆβ MV obtdas nas smulações foram 0, e 0, respectvamente. Sobre a Normaldade das estmatvas MV de β, as Fguras 1 e não evdencam ser naproprada a suposção de Normaldade da dstrbução das estmatvas ˆβ MV, mesmo com amostras tão pequenas quanto N =30. A Tabela 3, que apresenta as potêncas dos procedmentos RL1, RL, MK, ML1 e ML, mostra que os Erros Tpo II são maores no caso do teste Mann-Kendall, sendo a dferença entre este e RL, MV especalmente grande para valores maores do coefcente de tendênca lnear β. Como era de se esperar, a potênca é maor quando N =50 do que quando N =30, porque mas dados permtem maor dscrmnação; com todos os cnco testes, a potênca aumenta com os valores maores de β, como também era de se esperar. Para todos os valores de β e para os dos tamanhos de amostra, os testes MV são mas potentes do que ambos os procedmentos MK or RL; as dferenças entre MV e RL não são muto grandes quando β é pequeno, mas são maores quando β também é maor. CONCLUSÃO MV ˆβ RL Dscute-se neste trabalho o caso no qual as seqüêncas de dados hdrológcos podem ser supostas ndependentes e com dstrbução de Gumbel, possvelmente com méda que vara com tempo. Fo suposto que a tendênca temporal na méda desta dstrbução Gumbel pode ser adequadamente representada por um únco parâmetro β, a ser estmado pelo método do Máxmo da Verossmlhança (MV). A varânca assntótca do estmador MV, denotado por ˆβ, fo comparada com a varânca do estmador no qual a tendênca é estmada por regressão lnear (RL); assntotcamente (sto é, quando o tamanho da amostra de dados é sufcentemente grande) a varânca de ˆβ LR é 64% maor do que a varânca de ˆβ ML. Tendêncas lneares de dferentes valores foram superpostas às amostras aleatóras com dstrbução Gumbel padronzada, e as potêncas de três procedmentos para testar a sgnfcânca de tendênca (Máxma Verossmlhança, Regressão Lnear e o teste não-paramétrco Mann-Kendall) foram comparadas. O procedmento MV sempre fo mas potente, tendo procedmento MK sdo o menos potente por uma margem substancal. AGRADECIMENTOS O autor oferece seus snceros agradecmentos aos dos revsores anônmos, pelas mutas correções ao texto em português. REFERÊNCIAS BRUIJNZEEL, L. A. (1990). Hydrology of most tropcal forests and effects of converson: a state of knowledge revew. IHP/IAHS/ UNESCO: Pars p.4. BRUIJNZEEL, L. A. (1996). Predctng the hydrologcal mpacts of land cover transformaton n the humd tropcs: the need for ntegrated research. In: Amazonan Deforestaton and Clmate, p.15-55, Eds. J. H. C. Gash; Cª Nobre, J. M. Roberts and R. L. Vctora. John Wley & Sons Lmted, Chchester. CHANGNON, S. A. & KUNKEL, K. E. (1995). Clmate-related fluctuatons n mdwestern floods durng J. Water Resour. Plann. Mgmt, 11(4), CLARKE, R. T. (00a). Estmatng tme trends n Gumbeldstrbuted data by means of generalzed lnear models. Water Resour. Res. (a ser publcado) CLARKE, R. T. (00b). Estmatng trends n data from the webull and a GEV dstrbuton. Water Resour. Res. (a ser publcado) DOUGLAS, E. M.; VOGEL, R. M. & KROLL, C. N. (000). Trends n floods and low flows n the Unted States: mpact of spatal correlaton. J. Hydrology 40, 1-, GREEN, P. J. (1984). Iteratvely reweghted least squares for maxmum lkelhood estmaton, and some robust and resstant alternatves (wth dscusson). J. R. Statst. Soc B 46, GROISMAN, P. Y. & EASTERLING, D. R. (1994). Varablty and trends n total precptaton and snowfall over the Unted States and Canada. J. Clm., 7, GUTTMAN, N. B.; WALLIS, J. R. & HOSKING, J. R. M. (199). Regonal temporal trends of precptaton quantles n the US. Research report RC (80774) IBM Research Dvson, Yorktown Heghts, NY. HIRSCH, R. M.; HELSEL, D. R.; COHN, T. A. & GILROY, E. J. (1993). Statstcal analyss of hydrologc data, Chapter 17 of 78
9 RBRH - Revsta Braslera de Recursos Hídrcos Volume 8 n.1 Jan/Mar 003, Handbook of Hydrology, Ed. In Chef: D R Madment, p IPCC (001). Report, Clmate Change. Report of workng group II mpact, adaptaton and vulnerablty. MCCULLAGH, P. & NELDER, J. A. (1983). Generalzed lnear models ( nd edton) Chapman & Hall, London. OLSEN, J. R.; STEDINGER, J. R.; MATALAS, N. C. & STAKHIV, E. Z. (1999). Clmate varablty and flood frequency estmaton for the upper Msssspp and lower Mssour rvers. J. Am. Water Resour. Assoc., 35(6), SAHIN, V. & HALL, M. J. (1996). The Effects of afforestaton and deforestaton on water yelds. Jour. of Hydrol., 178, p SALAS, J. D. (1993). Analyss and modelng of hydrologc tme seres, Chapter 19 of Handbook of Hydrology. Ed. In Chef: D R Madment, p STEDINGER, J. R.; VOGEL, R. M. & FOUFOULA-GEORGIOU, E. (1993). Frequency analyss of extreme events, Chapter 18 of Handbook of Hydrology. Ed. In Chef: D R Madment, p VINNIKOV, K. Y.; GROISMAN, P. Y. & LUGINA, K. M. (1990). Emprcal data on contemporary global clmate change (temperature and precptaton). J. Clm., 3, Fttng and Testng the Sgnfcance of Lnear Trends n Gumbel-Dstrbuted Data ABSTRACT The wdely-used hydrologcal procedures for calculatng events wth T-year return perods from data that follow a Gumbel dstrbuton assume that the data sequence from whch the Gumbel dstrbuton s ftted remans statonary n tme. If non-statonarty s suspected, whether as a consequence of changes n land-use practces or clmate, t s common practce to test the sgnfcance of trend by ether of two methods: lnear regresson, whch assumes that data n the record have a Normal dstrbuton wth mean value that possbly vares wth tme; or a non-parametrc test such as that of Mann-Kendall, whch makes no assumpton about the dstrbuton of the data. Thus, the hypothess that the data are Gumbel-dstrbuted s temporarly abandoned whle testng for trend, but s re-adopted f the trend proves to be not sgnfcant, when events wth T-year return perods are then calculated. Ths s llogcal. The paper descrbes an alternatve model n whch the Gumbel dstrbuton has a (possbly) tme-varant mean, the tme-trend n mean value beng determned, for the present purpose, by a sngle parameter β estmated by Maxmum Lkelhood (ML). The large-sample varance of the ML estmate ˆβ ML s compared wth the varance of the trend ˆβ LR calculated by lnear regresson; the latter s found to be 64% greater. Smulated samples from a standard Gumbel dstrbuton were gven supermposed lnear trend of dfferent magntudes, and the power of each of three trend-testng procedures (Maxmum Lkelhood, Lnear Regresson, and the non-parametrc Mann- Kendall test) were compared. The ML test was always more powerful than ether the Lnear Regresson test, or Mann-Kendall, whatever the (postve) value of the trend β; the power of the MK test was always least, for all values of β. Key words: trend; Gumbel dstrbuton; sgnfcance test. 79
4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisTENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO
TENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO Danelson Jorge Delgado Neves 13, Jeane Rafaele Araúo Lma 1, Lncoln Elo de Araúo 2, Pedro Vera de Azevedo 1 1 UFCG DCA, Campna Grande
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisEstatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard
Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia mais(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:
1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisCAPÍTULO 7 TESTES DE HIPÓTESES
CAPÍTULO 7 TESTES DE HIPÓTESES Além dos métodos de estmação de parâmetros e de construção de ntervalos de confança, os testes de hpóteses são procedmentos usuas da nferênca estatístca, útes na tomada de
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisCAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples
CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisAnálise da precipitação máxima e relação intensidade-duração-freqüência para Mossoró-RN
87 ISSN: 2316-4093 Análse da precptação máxma e relação ntensdade-duração-freqüênca para Mossoró-RN Herlon Bruno Ferrera Barreto 1, Wesley de Olvera Santos 2, Francsco Gllard Chaves Frere, José Espínola
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisRELAÇÃO INTENSIDADE-DURAÇÃO-FREQUÊNCIA PARA PRECIPITAÇÃO EXTREMA EM MOSSORÓ - RN
RELAÇÃO INTENSIDADE-DURAÇÃO-FREQUÊNCIA PARA PRECIPITAÇÃO EXTREMA EM MOSSORÓ - RN Herlon Bruno Ferrera Barreto 1, Geraldo Magela Perera 2, Flavnícus Perera Barreto 3, Francsco Gllard Chaves Frere 4, Prscla
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisEstatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia maisUMA REPARAMETRIZAÇÃO PARA A FUNÇÃO DE CONFIABILIDADE CONSIDERANDO O MODELO DE REGRESSÃO VALOR EXTREMO COM DADOS DE TEMPO DE VIDA ACELERADO
UMA REPARAMETRIZAÇÃO PARA A FUNÇÃO DE CONFIABILIDADE CONSIDERANDO O MODELO DE REGRESSÃO VALOR EXTREMO COM DADOS DE TEMPO DE VIDA ACELERADO Vera Luca D. TOMAZELLA José Carlos FOGO 2 RESUMO: Neste trabalho,
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisCOMPARAÇÃO DE DIFERENTES METODOLOGIAS PARA ESTIMATIVA DE CURVAS INTENSIDADE-DURAÇÃO-FREQÜÊNCIA PARA PELOTAS - RS
COMPARAÇÃO DE DIFERENTES METODOLOGIAS PARA ESTIMATIVA DE CURVAS INTENSIDADE-DURAÇÃO-FREQÜÊNCIA PARA PELOTAS - RS RITA DE C. F. DAMÉ 1, CLAUDIA F. A. TEIXEIRA 1, VIVIANE S. S. TERRA 2 RESUMO: Nos projetos
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia maisANÁLISE DE SOBREVIVÊNCIA UTILIZANDO DENSIDADES A PRIORI COM DADOS AMPLIADOS
ANÁLISE DE SOBREVIVÊNCIA UTILIZANDO DENSIDADES A PRIORI COM DADOS AMPLIADOS Josenldo de Souza CHAVES Josemar RODRIGUES 2 RESUMO: Neste trabalho, apresentamos uma análse Bayesana para dados clíncos exponencas
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisUM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS
UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o
Leia maisRegressão Linear Simples. Frases. Roteiro
Regressão Lnear Smples Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 4 Rotero. Modelagem de Relação. Modelo Lnear
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia mais(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa)
Bussab&Morettn Estatístca Básca Capítulo 6 Problema zˆ,5, 55x αˆ : a acudade vsual méda estmada para recém-nascdos (zero anos de dade) é,5; βˆ : a acudade vsual méda estmada dmnu,55 a cada ano,5; 9,5;
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia mais(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
Leia mais