Modelagem estocástica usando a distribuição generalizada de valores extremos e momentos LH: uma abordagem via software livre R
DOI:
https://doi.org/10.35819/remat2021v7i2id5106Palavras-chave:
GEV, valores extremos, software livre R, modelagem estocásticaResumo
A distribuição de probabilidade generalizada de valores extremos (GEV) é utilizada na modelagem de extremos naturais, tais como: chuvas intensas, vazões máximas, velocidade do vento e temperatura. Uma questão importante na utilização da GEV é a escolha da metodologia de estimativa de parâmetros. As metodologias comumente utilizadas são a máxima verossimilhança e os momentos convencionais. Contudo, estudos apontam que tais metodologias nem sempre produzem estimativas confiáveis dos parâmetros da GEV. Nesse sentido, é interessante a utilização dos momentos LH, pois caracterizam melhor o caudal superior da distribuição devido ênfase dada aos maiores valores observados. Porém, não existem rotinas computacionais desenvolvidas para utilização da GEV com momentos LH em software livre. Dessa forma, esta pesquisa teve por objetivo desenvolver uma rotina computacional no software livre R para modelagem estocástica por meio da GEV, utilizando momentos LH para estimar seus parâmetros e verificar a qualidade do ajuste. Foram utilizados dados de vazões máximas diárias anuais disponíveis na literatura para demonstrar a aplicabilidade da rotina computacional. Esta pesquisa contribui para disseminar o uso dos momentos LH e facilitar modelagem estocástica de eventos ambientais extremos.
Downloads
Referências
ABU EL-MAGD, N. A. T. TL-moments of the exponentiated generalized extreme value distribution. Journal of Advanced Research, v. 1, n. 4, p. 351-359, 2010. DOI: https://doi.org/10.1016/j.jare.2010.06.003.
COLES, S. An introduction to statistical modeling of extreme values. London: Springer, 2001. 209 p.
GILLELAND, E.; RIBATET, M.; STEPHENSON, A. G. A software review for extreme value analysis. Extremes, v. 16, n. 1, p. 103-119, 2013. DOI: https://doi.org/10.1007/s10687-012-0155-0.
HOSKING, J. R. M. L-Moments: Analysis and Estimation of Distributions Using Linear Combinations of Order Statistics. Journal of the Royal Statistical Society: Series B (Methodological), v. 52, n. 1, p. 105-124, 1990. Disponível em: https://www.jstor.org/stable/2345653. Acesso em: 9 ago. 2021.
HOSKING, J. R. M.; WALLIS, J. R.; WOOD, E. F. Estimation of the Generalized Extreme-Value Distribution by the Method of Probability-Weighted Moments. Technometrics, v. 27, n. 3, p. 251-261, 1985. DOI: https://doi.org/10.1080/00401706.1985.10488049.
JENKINSON, A. F. The frequency distribution of the annual maximum (or minimum) values of meteorological elements. Quarterly Journal of the Royal Meteorological Society, v. 81, n. 348, p. 158-171, abr. 1955. DOI: https://doi.org/10.1002/qj.49708134804.
KATZ, R. W.; PARLANGE, M. B.; NAVEAU, P. Statistics of extremes in hydrology. Advances in Water Resources, v. 25, n. 8-12, p. 1287-1304, ago./dez. 2002. DOI: https://doi.org/10.1016/S0309-1708(02)00056-8.
MARTINS, E. S.; STEDINGER, J. R. Generalized maximum-likelihood generalized extreme-value quantile estimators for hydrologic data. Water Resources Research, v. 36, n. 3, p. 737-744, 1 mar. 2000. DOI: https://doi.org/10.1029/1999WR900330.
NAGHETTINI, M.; PINTO, E. J. A. Hidrologia estatística. Belo Horizonte: CPRM. 2007. 552 p.
PANSERA, W. A. Distribuição generalizada de chuvas máximas no Estado do Paraná. Orientador: Benedito Martins Gomes. Coorientadores: Marcio Antonio Vilas Boas e Miguel Angel Uribe-Opazo. 2013. 94 f. Tese (Doutorado em Engenharia Agrícola) - Programa de Pós-Graduação em Engenharia Agrícola, Universidade Estadual do Oeste do Paraná, Cascavel, 2013. Disponível em: http://tede.unioeste.br/handle/tede/2626. Acesso em: 9 ago. 2021.
QUEIROZ, M. M. F.; CHAUDHRY, F. H. Analysis of extreme hydrological events using GEV distribution and LH moments. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 10, n. 2, p. 381-389, 2006. DOI: https://doi.org/10.1590/S1415-43662006000200020.
R CORE TEAM. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2021. Disponível em: http://www.R-project.org. Acesso em: 27 abr. 2021.
RAO, A. R.; HAMED, K. H. Flood Frequency Analysis. Boca Raton, Flórida: CRC Press, 2000. 350 p.
WANG, Q. J. Approximate goodness-of-fit tests of fitted generalized extreme value distributions using LH moments. Water Resources Research, v. 34, n. 12, p. 3497-3502, 1 dez. 1998. DOI: https://doi.org/10.1029/98WR02364.
WANG, Q. J. LH moments for statistical analysis of extreme events. Water Resources Research, v. 33, n. 12, p. 2841-2848, 1997. Disponível em: https://agupubs.onlinelibrary.wiley.com/doi/pdf/10.1029/97WR02134. Acesso em: 9 ago. 2021.
WICKHAM, Hadley. Advanced R. Boca Raton, Florida: CRC, 2015. 456 p.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2021 REMAT: Revista Eletrônica da Matemática
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os autores detêm os direitos autorais dos artigos publicados e concedem à REMAT o direito de primeira publicação e distribuição de partes ou do trabalho como um todo com o objetivo de promover a revista. Os autores são autorizados a distribuir a versão publicada do artigo, como por exemplo em repositórios institucionais, desde que façam menção de publicação inicial nesta revista a partir da disponibilização do DOI do artigo.
Os artigos são publicados sob a licença Creative Commons Attribution 4.0 International License (CC BY 4.0). Isso permite que o conteúdo seja utilizado para criação de novos trabalhos, tanto para fins comerciais quanto não comerciais, desde que seja feita a devida atribuição ao autor original, conforme especificado na licença.
Como Citar
https://orcid.org/0000-0002-0893-7426
