COMPARAÇÃO DE DIFERENTES METODOLOGIAS PARA ESTIMATIVA DE CURVAS INTENSIDADE-DURAÇÃO-FREQÜÊNCIA PARA PELOTAS - RS

Tamanho: px
Começar a partir da página:

Download "COMPARAÇÃO DE DIFERENTES METODOLOGIAS PARA ESTIMATIVA DE CURVAS INTENSIDADE-DURAÇÃO-FREQÜÊNCIA PARA PELOTAS - RS"

Transcrição

1 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 agrícolas de obras hdráulcas, onde não se dspõe de dados observados de vazão, é necessáro explorar ao máxmo as nformações relatvas às curvas Intensdade-Duração- Freqüênca (IDF). Dante dsso, é precso obter manera de desenvolver metodologas de estmatvas de curvas IDF, em locas que possuam pouco ou nenhum dado pluvográfco. O objetvo do trabalho fo comparar as metodologas de desagregação de precptações dáras para verfcar o ganho de nformação em termos de curvas IDF, comparadas àquela obtda a partr de dados observados (hstórca). Os métodos utlzados foram: (a) Método das Relações (CETESB, 1979); (b) BELTRAME et al. (1991); (c) ROBAINA & PEITER (1992); (d) Modelo Bartlett-Lews do Pulso Retangular Modfcado (DAMÉ, 2001). Utlzou-se de sére de dados de precptação dára de Pelotas - RS, referente ao período de Para estmar as curvas IDF, a partr dos regstros hstórcos, foram estabelecdas as durações de 15; 30; 60; 360; 720 e mnutos, e os períodos de retorno de 2; 5 e 10 anos. Os valores de ntensdades máxmas foram comparados entre s, pelo teste t de Student, para os coefcentes lnear e angular, e pelo Erro Relatvo Médo Quadrátco. O método que melhor representou as ntensdades máxmas de precptação, nos períodos de retorno de 2 e 10 anos, fo o Método das Relações (CETESB, 1979). PALAVRAS-CHAVE: precptação máxma, método das relações, desagregação de chuva dára. COMPARISON OF DIFFERENT METHODOLOGIES TO ESTIMATE INTENSITY- DURATION-FREQUENCY CURVES FOR PELOTAS - RS, BRAZIL ABSTRACT: Agrcultural projects whch deal wth hydraulc projects and do not possess observed data on outflow need to explore at the most, nformaton about the Intensty-Duraton-Frequency (IDF) curves. Thus, t s necessary to create ways to develop methodologes that estmate IDF curves for locatons that have lttle or no pluvometrc data. The am of ths work was to compare dsaggregaton methodologes for daly precptaton, to verfy the ncrease n qualty nformaton consderng the IDF curves, as compared to those orgnated from observed data (hstorcal records). Four methods were tested: (a) Method of Relatons (CETESB, 1979); (b) one proposed by BELTRAME et al. (1991); (c) one proposed by ROBAINA & PEITER (1992), and (c) the Bartlett- Lews Model of Modfed Rectangular Pulse (DAMÉ, 2001). A data set for daly precptaton n Pelotas-RS for the perod of was used, and to estmate IDF curves through hstorcal records sx tme perods were establshed: 15; 30; 60; 360; 720 and 1,440 mnutes, together wth return perods of 2; 5 and 10 years. Values for maxmum ntenstes were compared through the Student t test for the lnear and angular coeffcents, and through the relatve mean square error. The method that best smulated maxmum precptaton ntensty for the return perods of 2 and 10 years was the Method of Relatons (CETESB, 1979). KEYWORDS: maxmum precptaton, relatonshp method, daly ran dsaggregaton. 1 Eng a Agrícola, Profa. Doutora, Departamento de Engenhara Agrícola, UFPel, Pelotas - RS, Fone: (0XX53) , rtah2o@hotmal.com 2 Eng a Agrícola, Pós-Graduanda em Gestão Regonal de Recursos Hídrcos, Departamento de Engenhara Agrícola, UFPel, Pelotas - RS. Recebdo pelo Conselho Edtoral em: Aprovado pelo Conselho Edtoral em:

2 Ra de C. F. Damé, Clauda F. A. Texera, Vvane S. S. Terra 246 INTRODUÇÃO As chuvas consttuem-se na prncpal entrada de água em uma baca hdrográfca, e a sua quantfcação, bem como o conhecmento da forma como se dstrbu temporal e espacalmente são fundamentas em estudos relaconados à necessdade de rrgação, dsponbldade de água para abastecmento doméstco e ndustral, erosão do solo, controle de nundações, entre outros. Para a caracterzação das precptações, é necessáro conhecer a sua duração, sua ntensdade e sua freqüênca de ocorrênca ou período de retorno (Tr). Essa relação é comumente denomnada de curvas Intensdade-Duração-Freqüênca de ocorrênca (IDF), sendo uma ferramenta utlzada nos processos de transformação chuva-vazão. Nos projetos agrícolas de obras hdráulcas, onde não se dspõe de dados observados de vazão, é necessáro explorar ao máxmo as nformações relatvas à precptação (IDF), bem como ao sstema físco (baca hdrográfca) para a obtenção da vazão de projeto. Entretanto, os dados pluvográfcos não são tão faclmente dsponíves; o que exste em abundânca, são dados pluvométrcos. Dante dessa realdade, é precso desenvolver metodologas de estmatvas de curvas IDF, em locas que possuam pouco ou nenhum dado pluvográfco. Para sso, uma das alternatvas possíves é utlzar uma sére de dados de precptação máxma dára anual do local onde será realzado o estudo hdrológco, que seja representatva, estaconára e homogênea (BRUSA, 2004) para, a partr dessa, obter alturas de chuva com ntervalos de tempo subdáros (DAMÉ, 2001). Obtendo-se dados de precptação dára, assocados aos períodos de retorno de nteresse, pode-se utlzar metodologa de desagregação adequada. Assm, a relação entre as alturas de precptação, em função da duração de desagregação e o período de retorno, orgnam curvas IDF a partr de regstros pluvométrcos. A técnca de desagregação, que é de uso corrente na prátca da Engenhara, basea-se nos coefcentes de desagregação (CETESB, 1979). Anda na forma analítca, encontra-se o trabalho de ROBAINA & PEITER (1992), cujo objetvo fo testar o desempenho de um modelo de desagregação de chuvas ntensas, com a fnaldade de gerar precptações máxmas médas em durações nferores a 24 horas. Exstem, anda, metodologas que envolvem a smulação da precptação em duração sub-horára, e a assocação da sére smulada a modelos estocástcos de desagregação (RODRIGUEZ-ITURBE et al., 1987; KOUTSOYIANNIS & XANTHOPOULOS, 1990; GLASBEY et al., 1995; DAMÉ, 2001), possbltando a obtenção das curvas IDF. No meo centífco, tem-se buscado um modelo de desagregação de chuva dára que leve a obter curvas IDF cujo desvo, comparado às hstórcas, seja admssível de ser utlzado em projetos de obras hdráulcas, ou seja, na estmatva da chuva de projeto, que é um dos dados de entrada em modelos que fazem a transformação chuva-vazão. Sendo assm, a hpótese do presente trabalho é avalar se não há dferença sgnfcatva entre os valores de ntensdades máxmas obtdas a partr de dados hstórcos e aqueles obtdos por desagregação de chuva dára. O objetvo do presente trabalho fo avalar o ganho de nformação em termos de curvas Intensdade-Duração-Freqüênca de ocorrênca (IDF), quando utlzados modelos de desagregação de chuva dára para a obtenção dessas. Para tanto, fo utlzada a curva IDF hstórca do muncípo de Pelotas - RS, e as seguntes metodologas: a) método das relações (CETESB, 1979); (b) BELTRAME et al. (1991); (c) ROBAINA & PEITER (1992), e (d) modelo Bartlett-Lews do Pulso Retangular Modfcado (DAMÉ, 2001). MATERIAL E MÉTODOS A estmatva das curvas IDF hstórcas fo realzada utlzando-se de sére de 17 anos de regstros pluvográfcos de Pelotas - RS (1982 a 1998), obtdos da Estação Agroclmatológca de Pelotas - Convêno EMBRAPA/UFPel, INMET (DAMÉ, 2001). Para a obtenção das duas curvas

3 Comparação de dferentes metodologas para estmatva de curvas ntensdade-duração-freqüênca 247 IDF, a hstórca e a sntétca (obtdas pelos métodos de desagregação de chuva dára), o período temporal fo o mesmo. Para estmar as curvas IDF, a partr dos regstros hstórcos, foram estabelecdas as durações de 15; 30; 60; 360; 720 e mnutos e os períodos de retorno de 2; 5 e 10 anos. Assm, após a letura dos pluvogramas, a partr do software GEDAC - Gerencamento de Dados Contínuos - (PEDROLLO, 1997), foram consttuídas as séres de ntensdades máxmas dáras anuas, nas durações preestabelecdas e, medante a equação de plotagem de Webull (LANNA, 2001), fo obtda a freqüênca de ocorrênca dos valores de ntensdades máxmas para cada duração. Para a aplcação das metodologas de desagregação de CETESB (1979), BELTRAME et al. (1991) e ROBAINA & PEITER (1992), fo necessáro seleconar um modelo teórco de probabldade. Para tanto, usou-se o software WINSTAT (MACHADO & CONCEIÇÃO, 2006), consderando a estmatva dos parâmetros pelo método da máxma verossmlhança e a seleção do modelo pelo papel de probabldade. A partr do modelo probablístco seleconado, foram estmadas as precptações máxmas dáras, para os períodos de retorno prevamente estabelecdos. Para desagregar a chuva dára medante o método das relações (CETESB, 1979), as precptações máxmas dáras, para os períodos de retorno estabelecdos, foram multplcados pelos coefcentes apresentados na Tabela 1, o que permtu gerar pontos sufcentes para defnr as curvas IDF, a partr de regstros pluvométrcos. TABELA 1. Coefcentes de desagregação de dados pluvométrcos (CETESB, 1979). Dsaggregaton coeffcents for the pluvometrc data (CETESB, 1979). Relação de Duração 24 h*/1 da** 12 h/24 h 10 h/24 h 8 h/24 h 6 h/24 h 1 h/24 h Coefcente 1,14 0,85 0,82 0,78 0,72 0,42 Relação de Duração 30 mn/1 h 25 mn/1 h 20 mn/1 h 15 mn/1 h 10 mn/1 h 5 mn/1 h Coefcente 0,74 0,91 0,81 0,70 0,54 0,34 * maor valor de precptação correspondente ao período consecutvo de 24 horas. ** valor compreenddo entre os horáros de precptação pluvométrca. A metodologa empregada por BELTRAME et al. (1991) parte do pressuposto da exstênca de duas relações que tenham valdade regonal ou sub-regonal. A prmera relação permte a estmatva dos valores admensonas com o tempo de retorno Tr, dos totas precptados com qualquer duração d, notados por X(Tr,d)/Xm(d). A segunda relação permte a estmatva da méda dos totas precptados em determnada duração de chuva, Xm(d), como função dessa duração. O produto do fator X(Tr,d)/Xm(d) por Xm(d) fornece a altura máxma precptada para um dado período de retorno e uma dada duração. Os valores de ntensdade máxma para uma dada duração e período de retorno I (Tr,d) são obtdos dvdndo-se X(Tr,d) por d. O método proposto por ROBAINA & PEITER (1992) supõe que exsta uma expressão que defna matematcamente a relação entre o total precptado em um tempo de duração qualquer e o total precptado no período de 24 horas [eq.(1)]: ( t,t ) P( 24) F( t) F( ) P r = T r (1) P(t, Tr) - lâmna total precptada de duração e período de retorno preestabelecdos; P(24) - lâmna precptada méda com duração de 24 horas; F(t) - função de desagregação, e F(Tr) - função do período de retorno. As funções de desagregação e do período de retorno são obtdas pelas seguntes equações:

4 Ra de C. F. Damé, Clauda F. A. Texera, Vvane S. S. Terra 248 F () t = 0, t + 0,1396 ln (1 + 0,3333 t) (2) Nessa expressão, o tempo de duração deve ser expresso em mnutos: r m m r F(T ) = 0,4297 T (3) O expoente m é função da duração da precptação e é obtdo pela segunte expressão: 0,2086 t m = (4) ( t + 4,5969) No método usado por DAMÉ (2001), o autor ajustou os parâmetros do modelo Bartlett-Lews do Pulso Retangular Modfcado (BLPRM) (RODRIGUEZ-ITURBE, 1987) e, com a resposta desse, as séres de precptação na duração de 15 mnutos foram agregadas à duração de 24 horas e usadas no modelo de desagregação proposto por GLASBEY et al. (1995). O modelo BLPRM supõe que o processo de precptação tenha estaconardade mensal, ou seja, que suas característcas estatístcas (méda, varânca, co-varânca, probabldade de ocorrênca de períodos secos) não varem dentro do mês. Logo, a precptação fo smulada para cada um dos 12 meses do ano. Para ncar o processo de smulação, os meses do ano foram dvddos em ntervalos de tempo de 15 mnutos (n t), em que n é o número de ntervalos de tempo ( t) de 15 mnutos exstente em cada mês. Para os meses com 31 das, o valor de n = 2.976, para 30 das n = 2.880, para 29 das n = e para 28 das n = O procedmento de smulação obedeceu à segunte ordem: prmero foram smulados os tempos de níco dos eventos de precptação (TIT ); após, os tempos de níco das células de precptações (TIOC),j, assocadas a cada um dos eventos, e, para cada uma dessas células, foram smuladas as suas durações (D,j ) e respectvas ntensdades (I,j ). Smulação dos tempos de níco dos eventos de precptação (TIT ) Para smular o tempo de níco dos eventos (TIT ), dentro de cada mês, foram gerados valores pseudo-aleatóros com dstrbução exponencal, a partr de valores com dstrbução unforme entre 0 e 1, conforme eq.(5): ( u) Ln TIT = + TIT( 1) (5) λ TIT - tempo de níco do evento ( t), para TIT (n t); - evento 1,2,3...z; u - valores com dstrbução unforme entre 0 e 1, e λ - parâmetro do modelo BLPRM que governa o tempo de orgem dos eventos, t -1. Cada valor de TIT smulado fo comparado ao (n t) do mês. O processo de smulação do TIT termnou quando fo smulado um valor de TIT > (n t). O sgnfcado de um valor de TIT > (n t) é que o evento não pertence ao mês no qual está sendo smulada a precptação. Na smulação do prmero valor de TIT, o valor de TIT (-1) é nulo. Smulação dos tempos de níco das células de precptação (TIOC),j Os tempos em que ocorrem as células de precptação assocadas aos eventos (TIOC,j ) são varáves aleatóras exponencalmente dstrbuídas, assm como os TIT. Logo, a expressão usada na smulação de (TIOC),j fo a eq.(6):

5 Comparação de dferentes metodologas para estmatva de curvas ntensdade-duração-freqüênca ( u) Ln ( TIOC),j = + ( TIOC ),j 1 (6) κη (TIOC),j - tempo de níco de orgem de células de precptação j, assocadas aos eventos ( t); - evento 1,2,3...z; j - célula de precptação 1,2,3...y, assocada ao evento ; κ - parâmetro do modelo BLPRM responsável pela smulação do (TIOC),j, admensonal; η - varável aleatóra assocada a cada evento ( t -1 ), com dstrbução gama, de índce α e parâmetro de escala ν ( t), cuja esperança matemátca e varânca são representadas, respectvamente, por E[η] = α/ν e VAR [η] = α/ν 2. No BLPRM, há um valor de η assocado a cada evento de precptação (η ). O valor de t, no qual ocorreu a prmera célula de precptação (TIOC),1, fo o mesmo do TIT, pos o modelo BLPRM supõe que essa célula tenha orgem com o níco do evento. O posconamento temporal das demas células de precptação (TIOC),2, (TIOC),3,... (TIOC),y, fo determnado por meo da eq.(7), na qual, após um tempo exponencalmente dstrbuído, com méda 1/(φη) ( t), nenhuma célula mas se orgnou. Assm, a cada smulação, o valor de (TIOC),j fo comparado ao tempo de fm de orgem de células (TFOC). O processo de smulação de (TIOC),j termnou quando esse valor fo maor que (TFOC). A eq.(7) ndca a forma de estmar o (TFOC) : ( u) Ln ( TFOC ) = φη + TIT (7) - evento 1, 2,3...z; (TFOC) - tempo de fm de orgem de células de precptação, as quas estão assocadas ao evento, t, e φ - parâmetro do modelo BLPRM, responsável pela smulação do (TFOC), admensonal. Smulação da duração e ntensdade das células de precptação A duração das células de precptação, assocada a cada evento, é consderada uma varável aleatóra com dstrbução exponencal, cuja méda é 1/η ( t). Para smular a duração de cada uma dessas células, foram gerados valores pseudo-aleatóros com dstrbução exponencal, a partr de valores com dstrbução unforme entre 0 e 1, conforme eq.(8): ( u) Ln D,j = η D,j - duração da célula de precptação j, assocada ao evento, t; - evento 1,2,3...z, e j - célula de precptação 1,2,3...y, assocada ao evento. As ntensdades das células também são consderadas varáves aleatóras, com dstrbução exponencal, e seus valores foram obtdos conforme eq.(9): I,j ( u) Ln = 1 µ x 249 (8) (9)

6 Ra de C. F. Damé, Clauda F. A. Texera, Vvane S. S. Terra 250 I,j - ntensdade da célula de precptação j, assocada ao evento, mm t -1, e µ x - parâmetro do modelo BLPRM, que representa a méda das ntensdades das células de precptação assocadas aos eventos, mm t -1. Uma vez smulada a ocorrênca, a ntensdade e a duração das células de precptação em t = 15 mnutos, a ntensdade de cada evento fo obtda somando-se a ntensdade de cada uma das células de precptação. A precptação total mensal fo obtda somando-se o total precptado em cada um dos eventos ocorrdos dentro do mês. Depos de smulada a precptação na duração de 15 mnutos, esses valores foram agregados na duração de 24 horas. Tal procedmento fo feto porque as séres de precptação, nas durações de 15 mnutos e 24 horas, foram usadas na desagregação da precptação dára. Uma vez apresentada a estrutura de smulação do modelo BLPRM, o próxmo passo fo ajustar os parâmetros do modelo. Conforme apresentado, os seus parâmetros são λ, ν, κ, µ x, α, φ. O parâmetro λ ( t -1 ) governa o tempo de orgem dos eventos; κ (admensonal) é responsável pela smulação do tempo de orgem das células de precptação assocadas aos eventos; φ (admensonal) é usado na smulação do tempo em que não mas se orgnam células de precptação; µ x (mm t -1 ) representa a méda das alturas de células de precptação assocadas aos eventos, e α (admensonal) e ν ( t) são parâmetros de forma e escala da dstrbução gama que, na smulação da precptação por meo desse modelo, é usada para smular η ( t -1 ), o qual auxla na estmatva da duração das células de precptação. De posse dos dados desagregados de precptação (mm), na duração de 15 mnutos, esses foram agregados para as durações preestabelecdas. Essas alturas de precptação (mm) foram transformadas em ntensdades (mm h -1 ) e, a partr dessas, obtdas as curvas IDF sntétcas. Uma vez aplcadas as metodologas supractadas, fo necessáro avalar se há ou não dferença sgnfcatva, em nível α de probabldade, entre os valores de ntensdades máxmas hstórcas e os obtdos medante os métodos de desagregação da precptação dára. Para tanto, foram utlzadas as metodologas do teste t de Student com n-k graus de lberdade, sendo n o tamanho da amostra e k o número de varáves explcatvas para os coefcentes lnear e angular, e a metodologa do Erro Relatvo Médo Quadrátco (RMS). A partr do teste t de Student, fo testada a hpótese de nuldade (H 0 ) para os coefcentes lnear (β 0 ) e angular (β 1 ). Assm, se a estatístca do teste t, para ambos os coefcentes, for nferor aos valores de t tabelado para um nível de probabldade (1-α), sendo α = 5%, aceta-se H 0 e entende-se que não há dferença sgnfcatva entre os valores de ntensdades máxmas hstórcas e os valores de ntensdades máxmas, obtdas medante os modelos de desagregação. Também foram avalados os níves de sgnfcânca dos coefcentes lnear (β 0 ) e angular (β 1 ), acetando-se H 0, quando os valores calculados de sgnfcânca, para ambos os coefcentes, forem superores a 5% de probabldade. Os coefcentes β 0 e β 1 do modelo lnear são apresentados na eq.(10), sendo X os valores de ntensdades máxmas hstórcos nas dversas durações e períodos de retorno, e Y os valores obtdos medante a metodologa de desagregação. = β β X (10) Y As hpóteses a serem testadas são: H o : β 0 = 0 H o : β 1 = 1 e : β 0 : β 1 H1 0 A estatístca do teste é: H1 1

7 Comparação de dferentes metodologas para estmatva de curvas ntensdade-duração-freqüênca 251 t βˆ ( βˆ ) = (11) σ β Outra metodologa aplcada fo a estmatva do Erro Relatvo Médo Quadrátco (RMS), que fornece ndcação do grau de precsão dos modelos de desagregação testados, conforme eq.(12): 2 n I s I h = 1 RMS I = h n (12) I s - valores de ntensdades máxmas sntétcos (mm h -1 ), ocorrdos na duração escolhda D (mn) e período de retorno Tr, anos; I h - valores de ntensdades máxmas hstórcos (mm h -1 ), ocorrdos na duração escolhda D (mn) e período de retorno Tr, anos, e n - número de durações utlzadas no estabelecmento das curvas IDF. RESULTADOS E DISCUSSÃO A partr das precptações do muncípo de Pelotas - RS, no período de 1982 a 1998, fo obtda a sére de precptação máxma dára anual, da qual foram estmados os parâmetros do modelo probablístco Gumbel - Extremos Tpo I, por ter sdo esse o que melhor representou o conjunto de dados amostras, vsto a aderênca dos dados hstórcos à reta (Fgura 1). FIGURA 1. Valores de precptação máxma dára anual observada (Y) e os quants obtdos pelo modelo Gumbel de probabldade. Values for the recorded maxmum daly precptaton (Y) and the quantles calculated through Gumbel s probablty model.

8 Ra de C. F. Damé, Clauda F. A. Texera, Vvane S. S. Terra 252 A varável reduzda da dstrbução de Gumbel fo obtda pela aplcação da função de máxma verossmlhança. Os valores encontrados para os parâmetros da dstrbução Gumbel, α representando a escala, e µ a posção, foram 0,04296 e 75,30677, respectvamente. Assm, aplcando-se a Função Cumulatva de Probabldade, para os períodos de retorno de 2; 5 e 10 anos, as alturas de lâmna estmadas foram 83,2; 109,3 e 126,5 mm, respectvamente. Na Tabela 2, encontram-se os valores de ntensdades máxmas (mm h -1 ) obtdos da curva IDF hstórca, pelo Método das Relações (CETESB, 1979), BELTRAME et al. (1991), ROBAINA & PEITER (1992) e pelo modelo Bartlett-Lews do Pulso Retangular Modfcado (DAMÉ, 2001), para as durações e períodos de retorno preestabelecdos. TABELA 2. Valores de ntensdades máxmas (mm h -1 ) obtdos da curva IDF hstórca da cdade de Pelotas - RS, pelo Método das Relações (CETESB, 1979), BELTRAME et al. (1991), ROBAINA & PEITER (1992) e DAMÉ (2001), para as dferentes durações (D) e períodos de retorno (Tr). Values for maxmum precptaton ntensty (mm h -1 ), calculated by the Relatonshps Method (CETESB, 1979), BELTRAME et al. (1991), ROBAINA & PEITER (1992) e DAMÉ (2001) for dfferent duraton (D) and return perods (Tr), derved from the IDF curve on hstorcal recorded data from the cty of Pelotas - RS, Brazl. Tr D Hstórca Método das Relações BELTRAME ROBAINA & DAMÉ (CETESB, 1979) et al. (1991) PEITER (1992) (2001) (anos) (mn) (mm h -1 ) ,4 82,5 93,2 81,6 76, ,6 59,0 63,4 54,6 56, ,6 39,8 38,3 34,7 38, ,4 11,4 10,7 9,4 9, ,2 6,7 6,4 5,5 6, ,7 4,0 3,7 3,3 3, ,9 146,5 115,6 124,1 100, ,2 77,5 78,4 84,6 75, ,7 52,3 49,6 54,5 61, ,5 15,0 14,2 14,9 14, ,3 8,8 8,5 8,8 8, ,6 5,2 4,9 5,2 4, ,0 125,5 130,0 160,5 106, ,4 89,6 88,6 111,0 88, ,6 60,6 57,1 72,1 75, ,7 17,3 16,5 19,8 15, ,1 10,2 9,9 11,7 10, ,6 6,0 5,7 6,9 5,6 Os resultados do teste t aplcados aos coefcentes lnear e angular, bem como os respectvos níves de sgnfcânca para cada um dos métodos de desagregação estudados são apresentados na Tabela 3. Observa-se que, para o período de retorno de 2 anos, a hpótese de nuldade fo aceta, vsto que não houve dferença sgnfcatva, a 5% de probabldade, e, portanto, as quatro metodologas estudadas são consderadas adequadas para a obtenção das curvas IDF. Os resultados dos níves de sgnfcânca, tanto para β 0 como para β 1, podem ser expressos pela sentença: a varação entre os valores de ntensdades máxmas hstórcos e obtdos medante os métodos de desagregação de precptação dára não fo sgnfcatva. No entanto, os valores do Erro Relatvo Médo Quadrátco (RMS), encontrados na Tabela 4, ndcam que o método das Relações (CETESB, 1979) e de BELTRAME et al. (1991) foram os que apresentaram maor grau de precsão, comparados aos demas, vsto os menores valores percentuas: 6,34 e 8,67%, respectvamente.

9 Comparação de dferentes metodologas para estmatva de curvas ntensdade-duração-freqüênca 253 No entanto, o Método das Relações é de mas fácl aplcação do que o de BELTRAME et al. (1991), pos este necessta que se conheça o mapa das solnhas de precptações ntensas médas para 24 horas, bem como as equações de precptações ntensas dadas em função da duração e do período de retorno. O método das relações necessta apenas que a sére de precptações máxmas dáras seja ajustada a uma dstrbução teórca de probabldade e, uma vez essa eleta, aplca-se sobre esse valor os coefcentes de desagregação (CETESB, 1979), que são amplamente conhecdos na bblografa (Tabela 1). TABELA 3. Resultados obtdos com o ajuste lnear (Y = β 0 + β 1 X) entre os valores de ntensdades máxmas (mm h -1 ) obtdos da curva IDF hstórca da cdade de Pelotas - RS, pelo Método das Relações (CETESB, 1979) 1, BELTRAME et al. (1991) 2, ROBAINA & PEITER (1992) 3 e DAMÉ (2001) 4, para os períodos de retorno de 2; 5 e 10 anos. Values for the lnear ft model (Y = β 0 + β 1 X) between the maxmum precptaton ntensty (mm h -1 ), as calculated through the IDF curve on hstorcal records for the cty of Pelotas - RS, and return perods of 2,5 and 10 years. Values for maxmum precptaton ntensty were obtaned by the Method of Relatonshps (CETESB, 1979), BELTRAME et al. (1991), ROBAINA & PEITER (1992) and DAMÉ (2001). Tr (anos) Método β 0 β 1 t(β 0 ) t(β 1 ) Sgnfcânca (p) (β 0 ) 1 0,6328 0,9935 0,6360 0,0065 0,5527 0, ,6293 1,1223 1,4503 0,1088 0,2067 0, ,2836 0,9796 1,3097 0,0208 0,2472 0,9842 Sgnfcânca (p) (β 1 ) 4 0,5238 0,9316 0,5601 0,0731 0,5995 0, ,8448 1,1683 4,0769 0,1416 0,0096 0, ,0584 0,9698 1,0902 0,0311 0,3253 0, ,2083 1,0459 1,1545 0,0438 0,3005 0, ,8402 0,8685 3,2432 0,1501 0,0229 0, ,0961 1,0340 1,0593 0,3286 0,3379 0, ,6493 1,0599 2,4919 0,0563 0,0550 0, ,5109 1,3198 2,6545 0,2418 0,0450 0, ,7576 0,9317 2,9073 0,0720 0,0335 0,9454 β 0 e β 1 : coefcentes lnear e angular do ajuste lnear; t tab (5 %) = 2,5706; Probabldade: 5%. Consderando o período de retorno de 5 anos, tanto o teste t(β 0 ) como o da sgnfcânca (β 0 ) ndcaram que os métodos das relações (CETESB, 1979) e o utlzado por DAMÉ (2001) apresentaram dferenças sgnfcatvas a 5% de probabldade, entre os valores hstórcos e sntétcos de ntensdades máxmas de precptação. Os valores de RMS encontrados (Tabela 4) confrmam a rejeção de H 0. Os resultados encontrados são contradtóros no que se refere ao método das relações para o período de retorno de 5 anos, uma vez que, nesse período, a hpótese de nuldade fo rejetada, e para 2 e 10 anos fo aceta (Tabela 3). TABELA 4. Valores de erro relatvo médo quadrátco (RMS) dos dados de ntensdade máxma de precptação obtdos pelos métodos utlzados, comparados a IDF hstórca. Mean square relatve error (RMS) from data on maxmum precptaton ntensty calculated from dfferent methods when compared to IDF hstorcal records. Método das Relações BELTRAME et al. ROBAINA & DAMÉ Tr (CETESB, 1979) (1991) PEITER (1992) (2001) (anos) RMS (%) 2 6,34 8,67 12,51 10, ,10 7,67 6,49 8, ,89 6,81 21,48 12,59 Méda 7,78 7,72 13,49 10,53

10 Ra de C. F. Damé, Clauda F. A. Texera, Vvane S. S. Terra 254 Uma hpótese a ser consderada é que os valores relatvos ao teste t e as RMS são resultados de valores médos das ntensdades máxmas, consderando as ses durações estabelecdas. No entanto, observando-se a Tabela 2, verfca-se que as maores dferenças entre os valores de ntensdades máxmas hstórcos e sntétcos ocorrem nas menores durações (15; 30 e 60 mn), o que pode estar contrbundo para a rejeção da hpótese de nuldade no período de retorno de 5 anos. As séres geradas pela metodologa de modelagem estocástca de smulação de precptação, Bartlett-Lews do Pulso Retangular modfcado, e de desagregação de precptação dára apresentada por DAMÉ (2001), não representaram os valores de ntensdades máxmas hstórcos, quando os períodos de retorno foram de 5 e 10 anos. A smulação da precptação fo realzada na duração de 15 mnutos, e os parâmetros estmados para cada um dos 12 meses do ano, no período de 1982 a 1998; em ses anos ocorreram eventos de El Nño (1982, 1983, 1987, 1992, 1997 e 1998). Quando ocorreram esses fenômenos, as alturas (mm) e as ntensdades (mm h -1 ) de precptação foram maores que as normas. Além dsso, a sua ocorrênca fo de alta ntensdade em apenas alguns meses do ano. Há que se consderar que os parâmetros do modelo foram estmados pelo método dos momentos, o que corrobora o ncremento das ncertezas, ao nvés do método da máxma verossmlhança, que, embora sendo clássco na estmatva de parâmetros, segundo RODRIGUEZ-ITURBE et al. (1987), não é adequado no caso do modelo BLPRM, pos a função verossmlhança tende a enfatzar a dealzação nerente ao modelo, no que dz respeto à trajetóra dos eventos em tempo contínuo. À semelhança de DAMÉ (2001), para o período de retorno de 10 anos, o modelo proposto por ROBAINA & PEITER (1992) não representou os valores hstórcos de ntensdades máxmas de precptação (Tabela 3), e o desvo em relação a esses fo de 21,48% (Tabela 4). No trabalho de ROBAINA (1996), utlzando o mesmo modelo, os desvos máxmos encontrados entre as precptações estmadas e as observadas em 32 localdades do Ro Grande do Sul foram em torno de 15%, o que fez com que o autor consderasse o modelo adequado para a estmatva de precptações máxmas anuas médas de duração menor que 24 horas. CONCLUSÕES Para a sére de precptação analsada, o método que representou a amostra de dados de ntensdades máxmas de precptação para a localdade de Pelotas - RS, nos períodos de retorno de 2 e 10 anos, fo o Método das Relações (CETESB, 1979), sendo esse, portanto, o recomendado para desagregar a precptação dára. Houve ganho de nformação em termos de curva IDF quando utlzados os métodos das relações e o proposto por BELTRAME et al. (1991), para os períodos de retorno de 2 e 10 anos. O método de desagregação de precptação dára proposto por ROBAINA & PEITER (1991), para o período de retorno de 10 anos, não apresentou ganho de nformação em termos de curvas IDF. O método das relações possu maor facldade de aplcação do que o proposto por BELTRAME et al. (1991). O modelo Bartlett-Lews do Pulso Retangular modfcado e de desagregação de precptação dára apresentada por DAMÉ (2001) não apresentou ganho de nformação em termos de curvas IDF para os períodos de retorno de 5 e 10 anos. REFERÊNCIAS BELTRAME, L.F.S.; LANNA, A.E.L.; LOUZADA, J.A.S. Chuvas ntensas. Porto Alegre: IPH- UFRGS, p. BRUSA, L.C. Aprmoramento estatístco da regonalzação de vazões máxmas e médas: aplcação a bacas hdrográfcas do Ro Grande do Sul e Santa Catarna f. Tese (Doutorado em

11 Comparação de dferentes metodologas para estmatva de curvas ntensdade-duração-freqüênca 255 Engenhara de Recursos Hídrcos e Saneamento Ambental) - Unversdade Federal do Ro Grande do Sul, Porto Alegre, CETESB. COMPANHIA DE TECNOLOGIA DE SANEAMENTO AMBIENTAL. Drenagem urbana: manual de projeto. São Paulo, p. DAMÉ, R.C.F. Desagregação de precptação dára para estmatva de curvas ntensdadeduração-frequênca f. Tese (Doutorado em Engenhara de Recursos Hídrcos e Saneamento Ambental) - Insttuto de Pesqusas Hdráulcas, Unversdade Federal do Ro Grande do Sul, Porto Alegre, GLASBEY, C.A.; COOPER, G.; McGECHAN, M.B. Dsaggregaton of daly ranfall by condtonal smulaton from a pont-process model. Journal of Hydrology, Amsterdam, v.165, n.1-4, p.1-9, KOUTSOYIANNIS, D.; XANTHOPOULOS, T. A dynamc model for short-scale ranfall dsaggregaton. Hydrologcal Scences Journal, Oxford, v.35, n.3, p , LANNA, A.E. Elementos de estatístca e probabldades. In: TUCCI, C.E.M. Hdrologa: Cênca e aplcação. Porto Alegre: Ed. Unversdade/ABRH, p MACHADO, A.A.; CONCEIÇÃO, A.R. WnStat: sstema de análse estatístca para Wndows. Unversdade Federal de Pelotas, Dsponível em: Acesso: 4 fev OCCHIPINTI, A.G.; SANTOS, P.M. Relações entre as precptações máxmas de um da e de 24 horas na cdade de São Paulo. São Paulo: IAG/USP, PEDROLLO, O.C. GEDAC: Gerencamento de dados contínuos. Manual do usuáro. Versão 1.0. Porto Alegre: IPH-UFRGS, p. ROBAINA, A.D. Modelo para geração de chuvas ntensas no Ro Grande do Sul. Revsta Braslera de Agrometeorologa, Santa Mara, v. 4, n.2, p.95-8, ROBAINA, A.D.; PEITER, M.X. Modelo de desagregação e de geração de chuvas ntensas no RS. In: CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA, 21.; SIMPÓSIO DE ENGENHARIA AGRÍCOLA DO CONE SUL, 1., 1992, Santa Mara. Anas Santa Mara: Socedade Braslera de Engenhara Agrícola, p RODRIGUEZ-ITURBE, I.; COX, D.R.; ISHAM, V. A pont process model for ranfall: further developments. Proceedngs of the Royal Socety of London, Seres A, v.417, p , 1987.

4 Critérios para Avaliação dos Cenários

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 mais

Análise da precipitação máxima e relação intensidade-duração-freqüência para Mossoró-RN

Análise 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 mais

RELAÇÃO INTENSIDADE-DURAÇÃO-FREQUÊNCIA PARA PRECIPITAÇÃO EXTREMA EM MOSSORÓ - RN

RELAÇÃO 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 mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS 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 mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. 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 mais

Cadeia de Markov no preenchimento de falhas de dados diários de precipitação no Rio Grande do Sul

Cadeia de Markov no preenchimento de falhas de dados diários de precipitação no Rio Grande do Sul ISSN 2236-4420 Cadea de Markov no preenchmento de falhas de dados dáros de precptação no Ro Grande do Sul ¹ Clauda Fernanda Almeda Texera-Gandra, ¹ Gsele Machado da Slva, ¹ Rta de Cássa Fraga Damé, 2 Luz

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

MODELOS PROBABILÍSTICOS AJUSTADOS A DADOS DE PRECIPITAÇÃO MÁXIMA DIÁRIA ANUAL OBSERVADA E GERADA

MODELOS PROBABILÍSTICOS AJUSTADOS A DADOS DE PRECIPITAÇÃO MÁXIMA DIÁRIA ANUAL OBSERVADA E GERADA XLIII Congresso Braslero de Engenhara Agrícola - CONBEA 2014 Centro de Convenções Arquteto Rubens Gl de Camllo - Campo Grande -MS 27 a 31 de julho de 2014 MODELOS PROBABILÍSTICOS AJUSTADOS A DADOS DE PRECIPITAÇÃO

Leia mais

3 A técnica de computação intensiva Bootstrap

3 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 mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 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 mais

O problema da superdispersão na análise de dados de contagens

O 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 mais

TENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO

TENDENCIAS 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 mais

MOQ-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 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 mais

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade

Leia mais

O problema da superdispersão na análise de dados de contagens

O 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 mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão 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 mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os 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 mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO 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 mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa 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 mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É 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 mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação 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 mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS 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 mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

PROGRAMA COMPUTACIONAL PARA GERAÇÃO DE SÉRIES SINTÉTICAS DE PRECIPITAÇÃO 1

PROGRAMA COMPUTACIONAL PARA GERAÇÃO DE SÉRIES SINTÉTICAS DE PRECIPITAÇÃO 1 PROGRAMA COMPUTACIONAL PARA GERAÇÃO DE SÉRIES SINTÉTICAS DE PRECIPITAÇÃO 1 SIDNEY S. ZANETTI 2, FERNANDO F. PRUSKI 3, MICHEL C. MOREIRA 4, GILBERTO C. SEDIYAMA 3, DEMETRIUS D. SILVA 5 RESUMO: Desenvolveu-se

Leia mais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais

Avaliação 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 mais

2 Incerteza de medição

2 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 mais

Estatística I Licenciatura MAEG 2006/07

Estatística 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

VALIDAÇÃO DO MODELO ClimaBR EM RELAÇÃO AO NÚMERO DE DIAS CHUVOSOS E À PRECIPITAÇÃO TOTAL DIÁRIA

VALIDAÇÃO DO MODELO ClimaBR EM RELAÇÃO AO NÚMERO DE DIAS CHUVOSOS E À PRECIPITAÇÃO TOTAL DIÁRIA VALIDAÇÃO DO MODELO ClmaBR EM RELAÇÃO AO NÚMERO DE DIAS CHUVOSOS E À PRECIPITAÇÃO TOTAL DIÁRIA SIDNEY S. ZANETTI 1, VICENTE DE P. S. DE OLIVEIRA 2, FERNANDO F. PRUSKI 3 RESUMO: Este trabalho fo realzado

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO 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 mais

Testes não-paramétricos

Testes 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 mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO 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 mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito 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 mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Desenvolvimento de equações Intensidade-Duração-Frequência sem dados pluviográficos em regiões semiáridas

Desenvolvimento de equações Intensidade-Duração-Frequência sem dados pluviográficos em regiões semiáridas Desenvolvmento de equações Intensdade-Duração-Frequênca sem dados pluvográfcos em regões semárdas Vcente Fechne Sobrnho 1, Joselson O. Rodrgues 2, Luz A. R. Mendonça 3, Eunce M. de Andrade 4 & Paulo R.

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. 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 mais

6 Modelo Proposto Introdução

6 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 mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

7 Tratamento dos Dados

7 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 mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

SELEÇÃO 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 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

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO 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 mais

Métodos Avançados em Epidemiologia

Métodos 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos 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 mais

Revista Brasileira de Ciências Ambientais AVALIAÇÃO DO DESEMPENHO DOS MÉTODOS EXPEDITOS DE DETERMINAÇÃO DE EQUAÇÕES DE CHUVAS INTENSAS

Revista Brasileira de Ciências Ambientais AVALIAÇÃO DO DESEMPENHO DOS MÉTODOS EXPEDITOS DE DETERMINAÇÃO DE EQUAÇÕES DE CHUVAS INTENSAS Revsta Braslera de Cêncas Ambentas ISSN Eletrônco 2176-9478 Março de 2015 Nº 35 AVALIAÇÃO DO DESEMPENHO DOS MÉTODOS EXPEDITOS DE DETERMINAÇÃO DE EQUAÇÕES DE CHUVAS INTENSAS PERFORMANCE EVALUATION OF METHODS

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

Modelagem 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 mais

Associação entre duas variáveis quantitativas

Associação 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 mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 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 mais

AULA EXTRA Análise de Regressão Logística

AULA 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 mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos 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 mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - 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 mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos 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 mais

TESTE DO QUI-QUADRADO - Ajustamento

TESTE 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 mais

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Avaliação do escoamento anual médio a partir de elementos climáticos P = H + E + SP + S+ SU +EX - R

HIDROLOGIA E RECURSOS HÍDRICOS. Avaliação do escoamento anual médio a partir de elementos climáticos P = H + E + SP + S+ SU +EX - R Avalação do escoamento anual médo a partr de elementos clmátcos Avalação do escoamento anual médo a partr de elementos clmátcos HIDROLOGIA E RECURSOS HÍDRICOS Avalação do escoamento anual médo a partr

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA 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 mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO

ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER Renaldo Bomfm da Slvera 1 Julana Mara Duarte Mol 1 RESUMO Este trabalho propõe um método para avalar a qualdade das prevsões

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 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 mais

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe Avalação da Tendênca de Precptação Pluvométrca Anual no Estado de Sergpe Dandara de Olvera Félx, Inaá Francsco de Sousa 2, Pablo Jónata Santana da Slva Nascmento, Davd Noguera dos Santos 3 Graduandos em

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo 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 mais

Regressão Linear Simples by Estevam Martins

Regressão 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 mais

NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO

NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

Estudo e Previsão da Demanda de Energia Elétrica. Parte II

Estudo e Previsão da Demanda de Energia Elétrica. Parte II Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo

Leia mais

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard

Estatística. 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 mais

Análise de Variância. Comparação de duas ou mais médias

Análise 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 mais

Identidade dos parâmetros de modelos segmentados

Identidade 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 mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística 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 mais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7 Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-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 mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 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 mais

Avaliação de interpoladores para os parâmetros das equações de chuvas intensas no Espírito Santo (doi: /ambi-agua.104)

Avaliação de interpoladores para os parâmetros das equações de chuvas intensas no Espírito Santo (doi: /ambi-agua.104) ISSN = 1980-993X do:10.4136/1980-993x www.agro.untau.br/amb-agua E-mal: amb-agua@agro.untau.br Tel.: (12) 3625-4116 Avalação de nterpoladores para os parâmetros das equações de chuvas ntensas no Espírto

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA 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 mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 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 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) 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 mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 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 mais

Evaluation of regionalization flows models performance at Santa Bárbara River Basin, Goiás, Brazil

Evaluation of regionalization flows models performance at Santa Bárbara River Basin, Goiás, Brazil ISSN = 198-993X do:1.4136/198-993x www.agro.untau.br/amb-agua E-mal: amb-agua@agro.untau.br Tel.: (12) 3625-4116 Avalação do desempenho de equações de regonalzação de vazões na baca hdrográfca do Rberão

Leia mais

Aplicação de um modelo simulado na formação de fábricas

Aplicação de um modelo simulado na formação de fábricas Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo 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 mais

TRANSPORTES. Sessão Prática 9 Modelos de Escolha Discreta Modelo Logit

TRANSPORTES. Sessão Prática 9 Modelos de Escolha Discreta Modelo Logit Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 9 Modelos de Escolha Dscreta Modelo Logt Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl Transportes

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 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 mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: 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 mais

Otimização e Simulação Comparativa de Cenários de Outorga

Otimização e Simulação Comparativa de Cenários de Outorga RBRH Revsta Braslera de Recursos Hídrcos Volume 10 n.3 Jul/Set 2005, 75-91 Otmzação e Smulação Comparatva de Cenáros de Outorga Jussara Cabral Cruz Departamento de Hdráulca e Saneamento UFSM jussara@ct.ufsm.br

Leia mais

5 Implementação Procedimento de segmentação

5 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 mais

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s) 4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. 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 mais