Академический Документы
Профессиональный Документы
Культура Документы
Marcelo Hartman
Fernando A. Moala
RESUMO
1
1. INTRODUÇÃO
2
2. MATERIAL E MÉTODO
0 (B l 9ß :) œ :" /B:š B 9
: /B:š : ››,
B 9
(1)
T œ T Ö\ B× œ 1 /B:š /B:š : ››
B 9
, (2)
3
Figura 1: Gráfico da densidade (1) e função de probabilidade (2) da
distribuição Gumbel para 9 œ 0.
:8 /B:š /B:š : ››
8
" 8 _ B3 9
PÐ9ß : | BÑ œ : ÐB 9) (3)
3œ"
/B:š : ›
8
8 _ B3 9
_ œ 691 P(9ß : | B) œ 8691Ð:) : ÐB 9) (4)
3œ"
e as equações de verossimilhança tornam-se
/B:š : ›
8
`_ 8 " B3 9
`9 œ : : (5)
3œ"
: /B:š : ›.
8
`_ 8 8 _ " B3 9 B3 9
e `: œ : :# ÐB 9) : (6)
3œ"
4
`_
e substituindo isto em `: œ 0 obtemos
B3 /B:š :s3 ›
8
B
3œ"
_
:
s B œ 0. (8)
/B:š :s3 ›
8
B
3œ"
se:
Para encontrar 9 s podemos então determinar :
s como solução de (8) e então
s em (7). Uma vez que (8) não pode ser resolvido analiticamente para :
obter 9 s,
deveríamos usar um método numérico, por exemplo Método de Newton-Raphson.
De (2), o estimador de máxima verossimilhança da probabilidade T é dado por
/B:š /B:š s ››
B 9s
s œ"
T . (9)
:
A estimação pontual não permite julgar qual a possível magnitude do erro que
estamos cometendo, isto é, não nos dá uma idéia acerca da maior ou menor diferença
entre a estimativa do parâmetro que estamos interessado em estimar e seu verdadeiro
valor. Então, a inferência pode ser complementada com a construção de intervalos de
confiança, de forma que valores dentro do intervalo seriam melhores estimadores dos
parâmetros do que valores fora do intervalo.
A estimação com intervalos de confiança para os parâmetros do modelo pode
ser obtida pela aproximação normal assintótica dos estimadores de máxima
verossimilhança, isto é,
Ð9sß : sß :
sÑ µ R# ÒÐ9ß :Ñß M " Ð9 sÑÓ , (11)
8 8
M (9ß :) œ –
< (2)Ó —
:2 :2 Ò1+<(1)Ó
8 8 # , (12)
:2 Ò1+<(1)Ó :2 Ò1+<(2)
.
e <(5 ) é a função digama <(5 ) œ .5 >(5 ) (veja Lawless,1982).
Assim as regiões de confiança conjunta aproximadas para 9 e : podem ser
obtidas. Intervalos de confiança individuais aproximados para os parâmetros 9 e :
com coeficiente de confiança 100(1 α)% são dados por
5
s
9 D α# É@+<Ð9
sÑ 9 s
9 D α# É@+<Ð9
sÑ (13)
D α# È@+<Ð: D α# È@+<Ð:
e
:
s sÑ : :
s sÑ (14)
onde – —œM
@+<Ð9sÑ sß :
-9@Ð9 sÑ " sß :
Ð9 s Ñ.
sß :
-9@Ð9 sÑ @+<Ð:sÑ
???????????
/B:œ /B:œ :
8
" 8 B3 9
:Ð9ß :lBÑ œ :8 5 : ÐB 9Ñ (10)
3œ"
6
:Ð9lBÑ œ - '! 5 /B: œ /B:œ : . :
8
∞ " 8 B3 9
:8 : ÐB 9Ñ (11)
3œ"
e
:Ð:lBÑ œ - ' 5 /B: œ /B:œ : . 9
8
∞ " 8 B3 9
∞ :8 : ÐB 9Ñ (12)
3œ"
sendo
œ '! ' ∞ :8" 5 /B:œ /B:œ : . 9 . :
8
" ∞ ∞ 8 B3 9
- : ÐB 9Ñ
3œ"
' :# :Ð:lBÑ. :
e
:" e :# ß tal que, :" œ !Þ*&
7
4. RESULTADOS E DISCUSSÃO
Tabela 1: Estimação pontual do parâmetro 9 de acordo com os meses para as quatro prioris
Mês Jeffreys Reference Uniforme EMV
Janeiro 40.3448 (3.2987) 40.3791 (3.2374) 40.6987 (3.6382) 41.452 (***)
Fevereiro 41.8011 (3.7985) 41.9167 (3.7430) 41.8324 (3.5924) 43.374 (***)
Março 29.5562 (2.1793) 29.7062 (2.0422) 29.7292 (2.1928) 30.241 (***)
Abril 22.3563 (2.1386) 22.2582 (2.1881) 22.5213 (2.1471) 22.461 (***)
Maio 23.4990 (2.4147) 23.8457 (2.5623) 23.7920 (2.6112) 23.952 (***)
Junho 15.7421 (2.2348) 15.7962 (2.3828) 15.9308 (2.2796) 16.467 (***)
Julho 9.8996 ( 2.0990) 10.000 (2.0031) 10.2051 (2.0947) 10.101 (***)
Agosto 8.2888 (1.5225) 8.3464 (1.6535) 8.3603 (1.5415) 8.662 (***)
Setembro 16.8620 ( 1.9260) 17.0958 (1.9906) 17.1347 (1.9829) 16.955 (***)
Outubro 30.7425 (2.5618) 30.8538 (2.6583) 31.1642 (2.5428) 31.085 (***)
Novembro 33.4887 (2.8639) 33.4625 (3.0045) 33.5220 (2.9537) 34.581 (***)
Dezembro 35.7262 (2.6995) 35.8045 (2.8064) 35.8905 (2.8384) 36.694 (***)
Tabela 2: Estimação pontual do parâmetro : de acordo com os meses para as quatro prioris
Mês Jeffreys Reference Uniforme EMV
Janeiro 21.2506 (2.3359) 21.5358 (2.3781) 21.7879 (2.6346) 23.314 (***)
Fevereiro 24.4684 (2.6753) 24.5734 (2.7313) 24.7660 (2.6825) 27.303 (***)
Março 13.6275 (1.5284) 13.7793 (1.6368) 13.9312 (1.5329) 14.342 (***)
Abril 14.2526 (1.5360) 14.3032 (1.6451) 14.6745 (1.6650) 14.115 (***)
Maio 15.9403 (1.8032) 16.1326 (1.8989) 16.3048 (1.8966) 15.798 (***)
Junho 15.1305 (1.7780) 15.1294 (1.7133) 15.3002 (1.6772) 16.058 (***)
Julho 13.4163 (1.8360) 13.7832 (1.7990) 14.0160 ( 1.8431) 12.970 (***)
Agosto 9.8217 (1.2134) 9.9346 (1.2123) 9.9504 (1.2539) 10.241 (***)
Setembro 12.3854 (1.5234) 12.5618 (1.4879) 12.6616 (1.5703) 11.554 (***)
Outubro 16.3029 (1.6921) 16.4024 (1.9783) 16.7171 (2.0489) 16.127 (***)
Novembro 17.8615 (1.9528) 18.0532 (2.0117) 18.3787 (2.1879) 19.446 (***)
Dezembro 17.0839 (1.8229) 17.1414 (1.7479) 17.4788 (1.8851) 18.291 (***)
????????????
8
Tabela 3: Estimação intervalar do parâmetro 9 de acordo com os meses para as
quatro prioris
Mês Jeffreys Reference Uniforme EMV
Janeiro (33.8477;46.8125) (34.1148;46.6131) (34.1206;47.7325) (35,98;46,92)
Fevereiro (34.1749;49.3806) (34.6299;49.7554) (34.8331;49.0666) (37,02;49,72)
Março (25.5655;33.7104) (25.8340;33.9930) (26.0021;34.3115) (26,87;33,60)
Abril (17.9152;26.6853) (17.9758;26.3725) (18.4127;26.6607) (19,15;25,76)
Maio (18.8800;28.3575) (19.2307;28.8409) (18.6033;29.0466) (20,28;27,62)
Junho (11.5508;20.0808) (11.3091;20.2276) (11.2405;20.2117) (12,73;20,20)
Julho (5.6800;13.7461) (6.1397;13.6607) (5.7920;14.3867) (7,06;13,14)
Agosto (5.3239;11.2954) (5.1913;11.2886) (5.3474;11.5658) (6,24;11,09)
Setembro (13.1674;20.5451) (13.2554;21.1165) (13.3702;21.4859) (14,27;19,64)
Outubro (26.0433;35.9277) (26.0140;35.9696) (26.4976;36.5081) (27,30;34,87)
Novembro (27.8625;38.8684) (27.3918;39.2929) (27.1868;39.3335) (29,93;39,23)
Dezembro (30.5434;40.7359) (30.3648;41.2225) (30.7153;41.3824) (32,36;41,02)
9
Podemos concluir que devido ao tamanho expressivo da amostra, 57 anos, os
resultados, praticamente, tanto na abordagem Bayesiana, como na abordagem
frequentista, são similares. Muito embora a medida de incerteza acerca dos intervalos
de confiança sejam levemente menor, a interpretação dos resultados é diferente, pois
os intervalos de credibilidade expressam de forma probabilística a pertinência do
parâmetro ou não ao intervalo.
Os gráficos abaixo mostram claramente o comportamento dos dados via
MCMC, nota-se também a grande similaridade das prioris utilizadas para todos os
meses. As taxas de aceitação ficam em torno 35% - 55% para o parâmetro 9 e 15% -
35% para o parâmetro :. Todas a cadeias passaram no teste de convergência de
Geweke (1992)
******
10
As precipitações diárias máximas prováveis para os tempos de retorno de 2, 5,
10, 25 e 50 anos, que foram calculadas aplicando-se a distribuições em estudo, para os
períodos mensal e anual são apresentados na Tabela 2 ABAIXO.
11
5. REFERÊNCIAS
??????
12