Estatistica Parte 1-2 PDF

Universidade de São Paulo
PHD 3307 Escola Politécnica

Hidrologia Aplicada Departamento de Engenharia Hidráulica
e Ambiental
Estatística de Extremos
Aula 17 – Parte 1 de 2
Prof. Dr. Arisvaldo Méllo

Prof. Dr. Joaquin Bonnecarrere
Departamento de Engenharia Hidráulica e Ambiental - PHA

Objetivos da Aula
1. Aprender os conceitos de período de retorno e

risco
2. Conhecer aplicações em eventos extremos de
cheias e estiagens.
3. Aprender conceitos de estatística descritiva:
parâmetros da amostra e período de retorno
amostral
4. Rever os conceitos de histograma, função
densidade de probabilidade e função de
probabilidades acumuladas.
5. Rever a distribuição normal.

Curva de Permanência
Curva de Permanência - Vazões Médias Mensais Guarapiranga
50
45
40
35
vazões (m³/s)
30
25
20
15
10
5
0
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
freqüência de excedência (% )
exemplo: a vazão de 5,4 m3/s é igualada ou superada em 90% dos meses

Curva de Permanência - Limitação
?
25
20
Vazões (m3/s)
15
10
0
5
0 10 20 30 40 50 60 70 80 90 100
Freqüência
Frequência de excedência
de excedência (%) (%)
Como se poderia obter a vazão Q5 neste exemplo? A

extrapolação gráfica poderia levar a erros muito grandes...
Departamento de Engenharia Hidráulica e Ambiental - PHA 4
Eventos Hidrológicos como Variáveis Aleatórias
Dados hidrológicos apresentam variações sazonais que podem ser

irregulares e onde ocorrem extremos e diferentes seqüências de valores
 variáveis aleatórias.
NA máximos anuais do Rio Negro em Manaus
30
28
NAmax (m)
26
24
22
20
1903 1908 1913 1918 1923 1928 1933 1938 1943 1948 1953 1958 1963 1968 1973 1978 1983 1988 1993 1998 2003
Variáveis hidrológicas estarão sempre associadas a uma probabilidade de

ocorrência.
Técnicas estatísticas podem ser aplicadas para avaliar a ocorrência de
fenômenos hidrológicos com determinada magnitude.

São Paulo - 1887
Várzea do Carmo
Militão Augusto de Azevedo – Várzea do Carmo

Fonte: exposição: Inundações em São Paulo

São Paulo - 1929
Autor desconhecido

São Paulo - 1940
Rua da Cantareira
Benedito Junqueira Duarte


São Paulo - 1976
Iminência de Galgamento da Barragem do Guarapiranga

Paranapanema - 1983

Santa Catarina - 2008

São Paulo, 2009

Aplicações: dimensionamento de vertedores, canais
de drenagem, obras de proteção contra cheias, etc...
foto com vertedor, pode

ser jurumirim ou outra
do panema...

Também pode ser aplicada ao estudo de secas
(Amazônia, 2005)

Conceito de Período de Retorno
Período de Retorno (ou Tempo de Recorrência) é definido como o
intervalo médio de tempo em que um dado evento é igualado ou
ultrapassado. Numericamente é igual ao inverso da probabilidade.
Quando a ocorrência de um
determinado evento está associada a
um período de retorno igual a 50
1 anos, diz-se que tal evento deve
T ocorrer ou ser superado num tempo
P médio de 50 anos. Fica intrínseco
que sua probabilidade de ocorrência
é igual a 2% (em um ano
QUALQUER).
É um conceito probabilístico (não significa periodicidade!!!)

Conceito de Período de Retorno
q1  1  p Probabilidade de não-ocorrência num ano
qn  1  p  Probabilidade de não-ocorrência em um período “n” (“n”

n
anos)
q j  1  p 
j 1
p Probabilidade da cheia acontecer pela primeira vez
(anos normais, j – 1) e o último ano com cheia
n
E  X    xi p x xi  Valor esperado de uma variável aleatória (X)
i 1

T  E  j    j 1  p 
j 1
p
j 1
 p  21  p  p  31  p  p  41  p  p  
2 3
T  E  x   p  1  1  p 
 
2
 p 1  21  p   31  p   41  p   

2 3
p 1
T 
1  1  p 2 p
1  x n  1  nx  nn  1 / 2x 2  nn  1n  2 / 6x 3  
−2 ∙ −1 1 − 𝑝 = 2 1 − 𝑝
com x  1  p  e n  2
Conceito de Risco Associado a um Período
de Retorno
1 • Período de retorno igual ao inverso da

T probabilidade de ocorrência;
P
q1  1  P • Probabilidade de não-ocorrência num ano;
• Probabilidade de não-ocorrência em um
qn  1  P 
n
período “n” (“n” anos);
• Probabilidade de ocorrência (uma ou mais

n
 1 vezes) de um determinado evento em um
R  1  1   determinado período “n” chamado de
 T horizonte de planejamento. Risco.

Exemplo
• Uma obra de proteção contra inundações foi projetada com

período de retorno de 50 anos. Durante os primeiros 49 anos
de operação da obra não se observou nenhuma vazão maior
ou igual à vazão de projeto. A probabilidade de que no 50º
ano ocorra uma vazão maior ou igual à vazão de projeto será?
1
 1 
R  1  1    0,02  2%
 50 

Exemplo
Qual o risco que a canalização do rio Tamanduateí tem

de falhar pelo menos uma vez durante sua vida útil,
estimada em 50 anos? A obra foi projetada para T = 500
anos.
50
 1 
R  1  1    0,095  9,5%
 500 

Exemplo
Qual o risco de ocorrência (uma ou mais vezes) de um

determinado evento em um período igual ao seu
período de retorno (n=T)?
5 anos: R  1  1  1 / 5  0,672  67,2%
5
50 anos: R  1  1  1 / 50   0,636  63,6%

50
100 anos: R  1  1  1 / 100   0,634  63,4%

100
1000 anos: R  1  1  1 / 1000   0,632  63,2%

1000
T
lim lim  1 1
R(T )  1  1    1   63,2%
T  T   T e

Risco x T

repetindo:
“Período de Retorno”
é um conceito probabilístico,
NÃO significa periodicidade!!!

Riscos Intrínsecos
casamento terminar em divórcio
morrer fazendo roleta russa
morte por câncer
ter o carro roubado/furtado em São Paulo
morrer de infarto
morrer assasinado
morrer em acidente de carro
incêndio em casa (de qualquer proporção)
ter a casa roubada/furtada
morrer atropelado em São Paulo
ser assaltado em São Paulo
bater carro(dia de chuva) emSão Paulo
bater carro(dia sem chuva) em São Paulo
acidente doméstico (escada)
acidente doméstico (garrafa)
acidente doméstico (brinquedo)
acidente doméstico (copo)
acid.dom. (ferramenta elétrica) RISCO DE VIVER
escorregar em tapete
morte por acidente dom
ser atingido por um raio
ganhar na lot esportiva
morte acid. aéreo
acidente aéreo
supersena
ser atingido por avião
1E-08 1E-07 1E-06 1E-05 1E-04 1E-03 1E-02 1E-01 1E+00

Qual é a vazão de projeto?
É um dos problemas mais comuns (e importantes)

em hidrologia, uma vez que involve diretamente as
dimensões da obra (e portanto, seu custo) e o risco
que esta obra tem de falhar durante sua vida útil.
Valores usuais de T (anos)
Obras de microdrenagem 2 a 10
Obras de macrodrenagem 25 a 100
Barragens 1000 a 10000

Determinação de Condições Extremas
 Em alguns estudos faz-se necessária a determinação

de condições extremas, por exemplo a vazão de cheia
com período de retorno de 10000 anos.
 Verifica-se também a necessidade de determinação

de vazões mínimas, seja para fins de abastecimento,
navegação, geração de energia, ambientais, etc.

Seleção da Amostra
Séries temporais: contínuas, máximos, mínimos, médias
Vazões médias mensais do Guarapiranga: 1910-2004
60
50
40
vazão (m³/s)
30
20
10
0
1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
tempo (meses)

Séries de vazões diárias

Séries de Vazões Máximas

Séries de Vazões Máximas
Séries anuais: valores máximos de cada

ano a partir de séries diárias (um ponto por
ano => série de valores independentes)

Ano Calendário x Ano Hidrológico
Máxima 1988
Máxima 1987
as máximas de 1987 e 1988 não são independentes...

Ano Hidrológico
Ano hidrológico
Ano calendário

Cálculo das Estatísticas Básicas
 Estatísticas são números calculados a partir de

uma amostra de dados que resume características
importantes de um conjunto de dados. Parâmetros
estatísticos são características de uma população.
 média, desvio padrão, mediana, moda, assimetria...
 São utilizados na estimativa dos parâmetros das
distribuições de probabilidades empregadas para o
ajuste de dados hidrológicos amostrais, tais com
chuvas intensas, níveis d’água, vazões máximas e
mínimas, etc.

Média
Vazões médias mensais do Guarapiranga: 1990-1999
50
40
n
x
vazão (m³/s)
30
i
x i 1 20
n 10
0
01/1990 01/1991 01/1992 01/1993 01/1994 01/1995 01/1996 01/1997 01/1998 01/1999
tempo (meses)
Mede a tendência central de uma distribuição

Médias mensais
Média das vazões mensais do Guarapiranga (1910-2004)
25
20
vazão (m³/s)
15
10
0
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Desvio Padrão
 x  x 
n
2
Mede o grau de dispersão em
i
relação à média
s i 1
n 1
pequeno S
f(x)
grande S

Mediana e Moda
 Mediana: corresponde a um percentil 50% (valor
acima do qual situam-se metade dos dados)
 Moda: É o valor mais frequente
Moda
Moda
Mediana Média
50% dos dados 50% dos dados

Coeficiente de Assimetria
n
n  x i  x 
3 Mede a diferença entre os
dois lados da distribuição
g i 1
n  1n  2s 3
em torno da média
g>0
concentração
de valores à
direita
f(x)
g<0
concentração
de valores à
esquerda

Cálculo das Estatísticas Básicas - Exemplo
ano hidrológico Qmax
Oct/38 Sep/39 575.5 média 517.6
Oct/39 Sep/40 415.4 máximo 1010.3
Oct/40 Sep/41 473.8 mínimo 235.8
Oct/41 Sep/42 461.4 desvio padrão 173.2 Exemplo: Posto
Oct/42 Sep/43 670.0 mediana 490.0
Oct/43 Sep/44 409.4 assimetria 0.59 Fluviométrico Ponte
Oct/44 Sep/45 350.0 curtose -0.01 Nova do Paraopeba
Oct/45
Oct/46
Oct/47
Oct/48
Oct/49
Oct/50
Oct/51 Sep/46
Sep/47
Sep/48
Sep/49
Sep/50
Sep/51
Sep/52 318.4
492.8
519.4
770.8
356.0
706.0
410.6 (40800001)
Oct/52
Oct/53
Oct/54
Oct/55
Oct/56
Oct/57
Oct/58 Sep/53
Sep/54
Sep/55
Sep/56
Sep/57
Sep/58
Sep/59 279.7
292.9
649.8
358.5
706.0
236.9
392.3
Oct/59
Oct/60
Oct/61
Oct/62
Oct/63
Oct/64
Oct/65 Sep/60
Sep/61
Sep/62
Sep/63
Sep/64
Sep/65
Sep/66 419.2
822.1
317.0
510.6
768.4
573.6
739.8
Oct/66
Oct/67
Oct/68
Oct/69
Oct/70
Oct/71
Oct/72 Sep/67
Sep/68
Sep/69
Sep/70
Sep/71
Sep/72
Sep/73 485.3
467.6
466.4
348.9
235.8
541.3
455.1 A=5762 Km²
Oct/73
Oct/74
Oct/75
Oct/76
Oct/77
Oct/78
Oct/79 Sep/74
Sep/75
Sep/76
Sep/77
Sep/78
Sep/79
Sep/80 456.4
356.1
274.2
560.7
771.2
855.4
541.3
Oct/80
Oct/81
Oct/82
Oct/83
Oct/84
Oct/85
Oct/86 Sep/81
Sep/82
Sep/83
Sep/84
Sep/85
Sep/86
Sep/87 434.0
608.4
675.8
554.9
1010.3
430.1
527.6
Oct/87
Oct/88
Oct/89
Oct/90
Oct/91
Oct/92
Oct/93 Sep/88
Sep/89
Sep/90
Sep/91
Sep/92
Sep/93
Sep/94 552.0
246.1
476.4
893.5
823.7
424.5
540.5
Oct/94 Sep/95 620.1 amostra e estatísticas
Oct/95 Sep/96 669.9
Oct/96 Sep/97
Oct/97 Sep/98 294.9
Oct/98 Sep/99 396.7
Oct/99 Sep/00 506.2
Oct/00 Sep/01 489.8
Oct/01 Sep/02 378.8
Oct/02 Sep/03 506.2
Oct/03 Sep/04 668.5
Oct/04 Sep/05 620.1

Histogramas

Distribuições de Probabilidade

Ordenando...
Ordem cronológica Ordem decrescente de Qmáx

Ano Qmáx Ano Qmáx ordem
1990 1445 1995 3089 1
1991 1747 1997 2234 2
1992 1287 1993 1887 3
1993 1887 1991 1747 4
1994 1490 1996 1737 5
1995 3089 1999 1517 6
1996 1737 1994 1490 7
1997 2234 1998 1454 8
1998 1454 1990 1445 9
1999 1517 1992 1287 10

Probabilidade de uma vazão ser excedida...
i i: ordem
P N: número de anos
N
Ano Qmáx ordem Probabilidade
1995 3089 1 0.10
1997 2234 2 0.20
1993 1887 3 0.30
1991 1747 4 0.40
1996 1737 5 0.50
1999 1517 6 0.60
1994 1490 7 0.70
1998 1454 8 0.80
1990 1445 9 0.90
1992 1287 10 1.00
Incoerente!

Ordenação e Estimação
 Posições de Plotagem e Distribuição

Probabilística Empírica
 seja x1, x2, x3,..., xi,..., xn-1, xn uma série em ordem
decrescente de N vazões (diária máxima em
cada ano)
 a posição de plotagem do i-ésimo valor da
amostra é a probabilidade empírica P(xi)
atribuída a esse valor xi (0 < P(xi) < 1)
 Probabilidade de excedência ou posição de
plotagem de Weibull (existem outras...):
i
P ( xi ) 
N 1
(para valores mínimos a série ficaria em ordem crescente...)
Probabilidade de uma vazão ser excedida...
i i: ordem
P
N 1 N: número de anos
Ano Qmáx ordem Probabilidade Tempo de retorno

1995 3089 1 0.09 11.0
1997 2234 2 0.18 5.5
1993 1887 3 0.27 3.7
1991 1747 4 0.36 2.8
1996 1737 5 0.45 2.2
1999 1517 6 0.55 1.8
1994 1490 7 0.64 1.6
1998 1454 8 0.73 1.4
1990 1445 9 0.82 1.2
1992 1287 10 0.91 1.1

Probabilidade de excedência

Probabilidade de excedência

Vazões máximas do Rio Cuiabá
Ano Q máx
1984 1796.8
1985 1492.0
1986 1565.0
1987 1812.0
1988 2218.0
1989 2190.0
1990 1445.0
1991 1747.0

Vazões máximas do Rio Cuiabá
T = 5 anos =>
Q entre 2190 e
2218 m³/s
Ano Vazão (m3/s) Ordem Probabilidade TR (anos)

1988 2218.0 1 0.11 9.0
1989 2190.0 2 0.22 4.5
1987 1812.0 3 0.33 3.0
1984 1796.8 4 0.44 2.3
1991 1747.0 5 0.56 1.8
1986 1565.0 6 0.67 1.5
1985 1492.0 7 0.78 1.3
1990 1445.0 8 0.89 1.1

Problemas com a probabilidade empírica...
Se uma cheia de T = 100 anos ocorrer em uma série com 10

anos, será atribuído um período de retorno de 11 anos a esta
cheia (!)
Como estimar vazões com T alto, usando séries de relativamente poucos anos?
Supor que os dados correspondem a uma distribuição de frequência conhecida.
Distribuição Normal
Função de distribuição de Função acumulada de

probabilidades de não
probabilidade
excedência
 x   2  x
f x  
1
exp  F x    f x dx  P  X  x 
 2  2 
2


Exemplo: chuvas totais anuais

Exemplo: chuvas totais anuais
O total de chuva que cai ao longo de um ano pode ser

considerado uma variável aleatória com distribuição
aproximadamente normal. Esta suposição permite
explorar melhor amostras relativamente pequenas,
com apenas 20 anos, por exemplo.

Usando a distribuição normal:
 Calcular a média
 Calcular o desvio padrão
 Obter os valores de vazões para
probabilidades associadas a cada período
de retorno

Ajuste da Distribuição Normal aos dados do Rio Cuiabá de
1967 a 1999
Subestima!

Ajuste da Distribuição Normal aos dados do Rio Guaporé
de 1940 a 1995
Subestima!

Problema
a distribuição de frequência de vazões máximas não é normal...

Problema
a distribuição de frequência de vazões máximas não é normal...

Exercício

Exercício


Estatistica Parte 1-2 PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Estatistica Parte 1-2 PDF

Загружено:

Авторское право:

Доступные форматы

Universidade de São Paulo

PHD 3307 Escola Politécnica

Prof. Dr. Arisvaldo Méllo

Departamento de Engenharia Hidráulica e Ambiental - PHA

1. Aprender os conceitos de período de retorno e

Departamento de Engenharia Hidráulica e Ambiental - PHA

Curva de Permanência - Vazões Médias Mensais Guarapiranga

exemplo: a vazão de 5,4 m3/s é igualada ou superada em 90% dos meses

Como se poderia obter a vazão Q5 neste exemplo? A

Dados hidrológicos apresentam variações sazonais que podem ser

Variáveis hidrológicas estarão sempre associadas a uma probabilidade de

Departamento de Engenharia Hidráulica e Ambiental - PHA

Militão Augusto de Azevedo – Várzea do Carmo

Departamento de Engenharia Hidráulica e Ambiental - PHA

Departamento de Engenharia Hidráulica e Ambiental - PHA

Benedito Junqueira Duarte

Departamento de Engenharia Hidráulica e Ambiental - PHA

Departamento de Engenharia Hidráulica e Ambiental - PHA

Departamento de Engenharia Hidráulica e Ambiental - PHA

Departamento de Engenharia Hidráulica e Ambiental - PHA

Departamento de Engenharia Hidráulica e Ambiental - PHA

foto com vertedor, pode

Departamento de Engenharia Hidráulica e Ambiental - PHA 13

Departamento de Engenharia Hidráulica e Ambiental - PHA 14

É um conceito probabilístico (não significa periodicidade!!!)

q1  1  p Probabilidade de não-ocorrência num ano

qn  1  p  Probabilidade de não-ocorrência em um período “n” (“n”

 p 1  21  p   31  p   41  p   

1 • Período de retorno igual ao inverso da

• Probabilidade de ocorrência (uma ou mais

Departamento de Engenharia Hidráulica e Ambiental - PHA

• Uma obra de proteção contra inundações foi projetada com

Departamento de Engenharia Hidráulica e Ambiental - PHA

Qual o risco que a canalização do rio Tamanduateí tem

Departamento de Engenharia Hidráulica e Ambiental - PHA

Qual o risco de ocorrência (uma ou mais vezes) de um

50 anos: R  1  1  1 / 50   0,636  63,6%

100 anos: R  1  1  1 / 100   0,634  63,4%

1000 anos: R  1  1  1 / 1000   0,632  63,2%

Departamento de Engenharia Hidráulica e Ambiental - PHA

Departamento de Engenharia Hidráulica e Ambiental - PHA

Departamento de Engenharia Hidráulica e Ambiental - PHA 22

1E-08 1E-07 1E-06 1E-05 1E-04 1E-03 1E-02 1E-01 1E+00

É um dos problemas mais comuns (e importantes)

Valores usuais de T (anos)

Obras de macrodrenagem 25 a 100

Barragens 1000 a 10000

Departamento de Engenharia Hidráulica e Ambiental - PHA

 Em alguns estudos faz-se necessária a determinação

 Verifica-se também a necessidade de determinação

Departamento de Engenharia Hidráulica e Ambiental - PHA

Séries temporais: contínuas, máximos, mínimos, médias

Vazões médias mensais do Guarapiranga: 1910-2004

Departamento de Engenharia Hidráulica e Ambiental - PHA

Departamento de Engenharia Hidráulica e Ambiental - PHA

Departamento de Engenharia Hidráulica e Ambiental - PHA

Séries anuais: valores máximos de cada

Departamento de Engenharia Hidráulica e Ambiental - PHA

as máximas de 1987 e 1988 não são independentes...

Departamento de Engenharia Hidráulica e Ambiental - PHA

 Estatísticas são números calculados a partir de

Departamento de Engenharia Hidráulica e Ambiental - PHA

Vazões médias mensais do Guarapiranga: 1990-1999