Академический Документы
Профессиональный Документы
Культура Документы
1 Introdução
O vento tem importância muito grande na atividade humana. Na agricultura, por
exemplo, está diretamente associado ao desenvolvimento das plantas, ao facilitar as trocas
de calor, de dióxido de carbono e de vapor d’água entre a atmosfera e a vegetação, além
de ajudar no processo de polinização das flores e poder ser utilizado como fonte de
energia (energia eólica). Entretanto, quando se registram ventos de velocidades elevadas,
normalmente de curta duração, os seus efeitos passam, geralmente, a ser danosos,
provocando o estímulo excessivo à evapotranspiração, o acamamento das plantas, a queda
1
Departamento de Ciências Exatas, Escola Superior de Agricultura “Luiz de Queiroz” – ESALQ, Universidade
de São Paulo - USP, Caixa Postal 9, CEP: 13418-900, Piracicaba, SP, Brasil. E-mail: sszocchi@esalq.usp.br
2 Material e métodos
Os dados de velocidades máximas mensais de vento a 10 m acima do nível do solo
foram obtidos no período de 1956 a 1971 e de 1974 a 2000, a partir de registros de
anemógrafo do tipo universal, marca Fuess, localizado em Piracicaba (latitude 22°42’30”
S, longitude 47°30’00” W, e altitude 545 m). De cada mês foi selecionado o valor de
velocidade máxima instantânea, para formar a série de valores máximos. Foram utilizados
registros de 42 anos para os meses de janeiro e setembro, e 43 anos para os restantes
meses do ano, devido à indisponibilidade de algumas observações.
Inicialmente foi realizada uma análise exploratória dos dados, que consistiu no
cálculo das medidas de tendência central (média e mediana), de dispersão (variância,
desvio padrão, coeficiente de variação e amplitude interquartilica), de assimetria e
construção de um gráfico de caixas, para a variável aleatória velocidade máxima de vento,
em cada mês do ano. Considerando que uma das pressuposições para que se possam
utilizar os modelos probabilísticos de valores extremos, é que a série de n observações
amostrais (x1, ..., xn) para um certo mês seja aleatória, foi utilizado o teste de chorrilho
definida em, − ∞ < x < µ −σ / ξ para ξ < 0, − ∞ < x < + ∞ para ξ tendendo a zero, µ −σ /ξ
< x < +∞ para ξ > 0, sendo µ , σ e ξ , respectivamente, os parâmetros de locação, escala e
de forma com σ >0.
As distribuições de valores extremos de Fréchet e de Weibull correspondem aos
casos particulares de (1) em que ξ > 0 e ξ < 0, respectivamente. Como limite de F(x) com
ξ tendendo a zero tem-se:
x−µ
F ( x ) = exp − exp − ,
σ
que é a função de distribuição acumulada de Gumbel com parâmetros de escala e de
locação µ e σ respectivamente, com σ >0.
A partir de (1) obtém-se a função densidade de probabilidade da distribuição GVE,
dada por:
1+ξ 1
− −
1 x−µ ξ x−µ ξ
f ( x) = 1+ξ exp − 1+ ξ ,
σ σ σ
definida em, −∞ < x < µ − σ /ξ para ξ < 0 e µ − σ /ξ < x < +∞ para ξ > 0. Como limite de
f(x) com ξ tendendo a zero, tem-se que:
1 x−µ x−µ
f ( x) = exp − exp − exp − ,
σ σ σ
1+ξ 1
− −
1 n xi − µ ξ n xi − µ ξ
L( ) = L( µ , σ , ξ ) = ∏ 1+ξ exp − 1+ ξ ,
σn i =1 σ i =1 σ
1
−
1+ξ n xi − µ n xi − µ ξ
l ( ) = ln [ L ( µ , σ , ξ )] = − n ln σ − ln 1 + ξ − 1+ ξ
ξ i =1 σ i =1 σ
−
1 (2)
n 1+ ξ xi − µ xi − µ ξ
= − ln σ − ln 1 + ξ − 1+ξ ,
i =1 ξ σ σ
que para ξ <0, assume valores diferentes de zero, se todos os valores de xi (i=1, . . . , n)
σ σ
forem menores do que µ − , ou seja, se µ − > x (n ) , sendo x(n) o maior valor da série
ξ ξ
de observações, e para ξ >0, se todos os valores de xi (i=1, . . . , n) forem maiores do que
σ σ
µ− , ou seja, µ − < x (1) , sendo x(1) o menor valor da série de observações. Caso
ξ ξ
contrário L( )=0.
Os estimadores de máxima verossimilhança de µ, σ e ξ foram obtidos pela solução
do sistema de equações não-lineares formado pelas derivadas de primeira ordem da eq.
(2), em relação a cada parâmetro, igualadas a zero, isto é, pela solução de:
1
1 + ξˆ − w i ξˆ
−
1 n
= 0
σˆ i =1 σˆ
n 1 n
(x i − µˆ ) (1 + ξˆ)− w −
i ξ
1
ˆ
− + 2 =0 (3)
σˆ σˆ i =1 wi
n 1 1 (x − µˆ ) (x i − µˆ )
ln (w i ) − i
−
1 − wi ξˆ − =0 ,
i =1 ξˆ 2
ξˆ σˆ wi σˆ w i
x − µˆ
sendo: wi = 1 + ξˆ i .
σˆ
Visto que o sistema de equações (3) não possui solução analítica, foi utilizado o
método de Newton-Raphson para obtenção de uma solução numérica, partindo-se de
valores iniciais para µ, σ e ξ. Dado um valor inicial arbitrário ξo = −0,10 para ξ , propõe-
se como valores iniciais de µo e σo para µ e σ , os valores tais que E(X) = x e Var(X) = s2,
onde x e s2 são, respectivamente, a média e a variância da série de observações. Obtêm-
se assim, as seguintes expressões para os valores iniciais:
σ o ≅ 0,87369 s
1 n xi − µˆ
− exp − −n = 0
σˆ i =1 σˆ
.
1 n xi − µˆ x − µˆ x − µˆ
− i exp − i −n = 0
σˆ i =1 σˆ σˆ σˆ
Esse sistema de equações não possui solução analítica, portanto foi utilizado o
método de Newton-Raphson para obtenção de uma solução numérica, tomando-se como
valores iniciais µo e σo para µ e σ, as soluções obtidas por meio do método dos momentos,
dadas por:
6
µo = x − γ s ≅ x − 0,45005 s
π
e
6
σo = s ≅ 0,77970 s (5)
π
sendo γ a constante de Euler, aproximadamente igual a 0,577216.
Para testar se as observações seguem uma distribuição de valores extremos de
Gumbel, de Fréchet ou de Weibull, basta testar se ξ tende a zero na distribuição GVE, o
que foi feito por meio do teste da razão de verossimilhança modificado (Hosking, 1984).
Assim, para testar a hipótese Ho: ξ = 0 contra Ha : ξ ≠ 0, utiliza-se a estatística de
razão de verossimilhança modificada (TLR* ), dada pela expressão:
2,8
TLR * = 1 − TLR ,
n
sendo n o tamanho da amostra e TLR a estatística de razão de verossimilhança, que tem
distribuição assintótica χ2 com 1 grau de liberdade, e é dada por:
x − µˆ
P ( X > x) = 1 − exp − exp − .
σˆ
O período de retorno estimado (expresso em anos) para o maior valor registrado em
cada um dos meses do ano é dado por:
1
τ= .
1 − F ( x)
100 Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004
x p = F −1 (1 − p ) = µ −
σ
ξ
{1 − [− ln (1 − p )] −ξ } (7)
x p = F −1 (1 − p ) = µ − σ { ln [− ln (1 − p ) ] } (8)
I.C .( x p ) = xˆ p ± z α / 2 Var ( xˆ p ) ,
sendo α o nível de significância, zα/2 o valor tal que P( |Z|< zα/2) = 1−α, e Z, uma variável
com distribuição normal padronizada e Var(xp), a variância associada ao nível de retorno
xp. Esse método baseia-se no fato de a distribuição de ˆ = ( ˆ , ˆ, ˆ) , ser assintoticamente
normal com média = ( , , ) , e matriz de variâncias e covariâncias dada pelo inverso
da matriz de informação de Fisher. Por outro lado, o nível de retorno (7) pode ser
linearizado por meio de expansão de primeira ordem em série de Taylor em torno de um
ponto inicial, correspondente ao vetor de estimativas dos parâmetros µˆ ,σˆ e ξˆ , ou seja,
∂x p ∂x p ∂x p
x p ≅ xˆ p +
∂µ
(µ − µˆ ) +
∂σ
(σ − σˆ ) +
∂ξ
(ξ − ξˆ)
=ˆ =ˆ =ˆ
Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004 101
3 Resultados e discussão
Os meses de setembro a dezembro apresentam, em média, os valores mais altos de
velocidade máxima de vento, sendo outubro, o mês que mostra, em média, o maior valor
(74,62 km.h−1) (Tabela 1). Além dos meses citados anteriormente, também apresentam em
média, valores altos (acima de 60 km.h−1), janeiro, fevereiro e março. Isto é devido ao
aquecimento diurno ser maior nesses períodos do ano (Vianello e Alves, 1991),
provocando a penetração de linhas de instabilidade, com mudanças bruscas no regime de
vento, que pode passar de calmo (<1 km.h−1) a vendaval (88 a 101 km.h−1).
−1
Tabela 1 - Estatísticas descritivas da variável aleatória velocidade máxima mensal (km.h )
de vento, nos períodos de 1956 a 1971 e de 1974 a 2000, em Piracicaba, SP
(Fonte: Departamento de Ciências Exatas, ESALQ/USP)
Coeficiente Coeficiente
Desvio Amplitude
Mês Média Mediana Variância de de variação
padrão interquartílica
assimetria (%)
Jan. 68,84 68,40 158,79 12,60 14,76 0,60 18,30
Fev. 67,98 64,80 140,63 11,86 16,20 0,61 17,40
Mar. 63,73 61,56 181,26 13,46 16,92 0,39 21,10
Abr. 57,93 54,00 207,84 14,42 20,52 0,96 24,90
Mai. 58,91 55,44 279,53 16,72 28,80 0,70 28,40
Jun. 57,09 53,64 234,47 15,31 22,68 1,15 26,80
Jul. 54,89 51,84 167,98 12,96 19,08 0,67 23,60
Ago. 57,74 54,72 158,88 12,60 19,08 0,36 21,80
Set. 70,76 67,86 257,34 16,04 22,86 0,45 22,70
Out. 74,62 73,00 281,25 16,77 25,20 0,79 22,50
Nov. 72,70 69,12 334,79 18,30 19,08 1,61 25,20
Dez. 70,67 68,40 190,61 13,81 14,04 1,11 19,50
102 Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004
Janeiro
80
D ezem bro Fevereiro
70
50
O utubro 40 Abril
Agosto Ju nho
Julho M édia
M edia na
FIGURA 1 - Gráfico de radar para representar as medidas de tendência central média e mediana, da
variável velocidade máxima de vento (km.h−1) em cada um dos meses do ano, em
Piracicaba, SP (Fonte: Departamento de Ciências Exatas, ESALQ/USP).
160
140
)
-1
Velocidades máximas de vento (km h
120
100
80
60
40
20
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
Meses do ano
FIGURA 2 - Gráficos de caixa (box plot) para a variável velocidade máxima de vento para cada um
dos meses do ano, em Piracicaba, SP (Fonte: Departamento de Ciências Exatas,
ESALQ/USP).
Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004 103
Tabela 2 - Números totais de valores menores (n1) e maiores (n2) do que a mediana,
estatísticas do teste de corrilho (v) e valores críticos do teste com um nível de
significância 5%, para cada um dos meses do ano, em Piracicaba, SP (Fonte:
Departamento de Ciências Exatas – ESALQ – USP)
Como uma segunda etapa, foi ajustada a distribuição GVE, cujas estimativas dos
parâmetros µ, σ e ξ, obtidas por meio do método de máxima verossimilhança, e suas
respectivas variâncias e covariâncias estimadas, para cada um dos meses do ano, são
apresentadas na Tabela 3.
Tabela 3 - Estimativas dos parâmetros da distribuição generalizada de valores extremos e
as respectivas variâncias e covariâncias estimadas para dados de velocidade
máxima mensal (km.h−1) de vento, nos períodos de 1956 a 1971 e de 1974 a
2000, para cada um dos meses do ano, em Piracicaba, SP (Fonte: Departamento
de Ciências Exatas, ESALQ/USP)
104 Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004
Nota-se que as estimativas pontuais do parâmetro de forma ( ξˆ ) estão próximas a
zero, para todos os meses do ano, o que corresponderia à distribuição de Gumbel
(Tabela 3). Entretanto, devido às estimativas serem menores do que zero em 8 dos 12
meses, poder-se-ia pensar na utilização da distribuição de Weibull para esses meses. Essa
distribuição, segundo Simiu e Heckert (1996) e Holmes e Moriarty (1999), é a mais
apropriada para representar fenômenos ambientais, como a velocidade máxima de ventos,
devido ao fato de possuir uma cauda superior com limite finito. Por outro lado, para os
meses restantes, as estimativas pontuais do parâmetro de forma são maiores do que zero,
correspondendo à distribuição de Fréchet, que não é indicada pelos autores por apresentar
cauda superior com limite infinito, podendo conduzir a predições ilimitadas de níveis de
retorno. Comentam, ainda que essa distribuição pode surgir devido a velocidades
decorrentes de diferentes tipos de ventos (quanto ao seu mecanismo de origem), ou a
possíveis erros na amostragem para amostras pequenas. Sugerem, nesse caso, que se opte
pela distribuição de Gumbel, que apesar de apresentar cauda superior com limite infinito,
levam a predições de níveis de retorno inferiores aos obtidos quando se utiliza a
distribuição de Fréchet. Para decidir entre uma das três distribuições componentes da
distribuição GVE, ou seja, para se testar a hipótese de igualdade do parâmetro ao valor
zero, optou-se pelo teste da razão de verossimilhança.
Comparando-se os valores da estatística TLR* apresentados na Tabela 4, com o valor
tabela do de χ2 com um grau de liberdade e 5 % de significância, dado por χ21; 0,05 = 3,84,
conclui-se que a distribuição de Gumbel é a mais adequada para modelar os dados de
velocidade máxima de vento considerados. Essa conclusão é reforçada pelo fato de o
valor nulo de ξ, que corresponde à distribuição de Gumbel, estar compreendido dentro dos
limites do intervalo de confiança para ξ (Tabela 4).
Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004 105
Durante o procedimento de estimação dos parâmetros das distribuições GVE e de
Gumbel, houve sempre uma rápida convergência por meio do método de Newton-
Raphson, proporcionada pela boa seleção dos valores iniciais dos parâmetros, obtidos por
meio de (4) e (5).
106 Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004
Tabela 6 - Resultados do teste de Kolmogorov-Smirnov para verificação da qualidade do
ajuste da distribuição de Gumbel aos dados de velocidade máxima mensal
(km.h−1) de vento, nos períodos de 1956 a 1971 e de 1974 a 2000, para cada um
dos meses do ano, em Piracicaba, SP (Fonte: Departamento de Ciências Exatas,
ESALQ/USP)
Diferença máxima
Mês Número de dados (n)
absoluta (D)
Dn, 0,05
Jan. 42 0,05 0,133
Fev. 43 0,07 0,132
Ma. 43 0,07 0,132
Abr. 43 0,11 0,132
Mai. 43 0,11 0,132
Jun. 43 0,12 0,132
Jul. 43 0,09 0,132
Ago. 43 0,08 0,132
Set. 42 0,06 0,133
Out. 43 0,07 0,132
Nov. 43 0,07 0,132
Dez. 43 0,06 0,132
Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004 107
Tabela 7 - Probabilidades de ocorrência de rajadas máximas mensais de vento com
velocidade acima de 40, 50, 60, 70, 80, 90 e 100 km.h−1, a 10 m acima do nível
do solo, para cada um dos meses do ano, em Piracicaba, SP (Fonte:
Departamento de Ciências Exatas, ESALQ/USP)
108 Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004
Tabela 9 - Níveis de retorno (km.h− ) estimados e limites inferior (LI) e superior (LS) de
1
LI x̂ p LS LI x̂ p LS LI x̂ p LS LI x̂ p LS
Jan. 73,02 78,71 84,40 79,31 86,59 93,86 92,88 103,92 114,95 98,57 111,24 123,92
Fev. 71,64 76,83 82,03 77,35 84,02 90,69 89,67 99,82 109,98 94,84 106,51 118,18
Mar. 68,73 75,04 81,35 75,85 83,91 91,97 91,25 103,43 115,61 97,71 111,69 125,66
Abr. 61,31 67,03 72,75 67,38 74,78 82,19 80,47 91,85 103,23 85,95 99,06 112,17
Mai. 63,28 70,29 77,29 70,75 79,80 88,84 86,87 100,73 114,60 93,62 109,59 125,55
Jun. 60,76 66,80 72,84 67,22 75,03 82,84 81,14 93,13 105,12 86,97 100,78 114,59
Jul. 58,87 64,51 70,15 65,07 72,32 79,56 78,46 89,49 100,53 84,07 96,76 109,45
Ago. 61,96 67,70 73,44 68,32 75,68 83,03 82,06 93,23 104,39 87,82 100,64 113,47
Set. 75,49 82,66 89,83 83,15 92,37 101,60 99,68 113,76 127,84 106,61 122,80 138,99
Out. 79,96 87,40 94,83 88,14 97,64 107,15 105,82 120,20 134,59 113,22 129,74 146,26
Nov. 77,44 84,43 91,42 85,17 94,16 103,14 101,86 115,57 129,29 108,86 124,63 140,40
Dez. 74,77 80,51 86,25 81,15 88,51 95,87 94,92 106,12 117,32 100,69 113,56 126,43
Conclusões
A distribuição generalizada de valores extremos com parâmetro ξ = 0, que
corresponde à distribuição de valores tipo I ou de Gumbel, é adequada para estudar o
comportamento da velocidade máxima de vento em todos os meses do ano, em Piracicaba.
As maiores velocidades máximas de vento e os maiores níveis de retorno registram-
se nos meses de setembro a dezembro. Ventos com velocidade acima dos 60 km.h-1,
considerados muito fortes, e com probabilidade de ocorrência superior a 0,5 apresentam-
se também neste período do ano.
Agradecimentos
Esta pesquisa foi realizada com o apoio da Coordenação de Aperfeiçoamento de
Pessoal de Nível Superior (CAPES) - Programa Estudante, Convênio de Pós-Graduação
da Fundação.
BAUTISTA, E.A.L.; ZOCCHI, S.S.; ANGELOCCI, L.R. Fitting the generalized extreme
value distribution (GEV) to the maximum wind speed data in Piracicaba, São Paulo,
Brazil. Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004.
ABSTRACT: The extreme value theory plays a fundamental role in modeling events associated to
very small probabilities or rare events. The aim of the probabilistic models based on this theory
is to predict, from a set of maximum values of an environmental process recorded on a relatively
Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004 109
short period (e.g. 30 years), the expected maximum values in a greater period (50, 100 or more
years). For the specific case of wind, these values are very useful, for example, for the planning
and development of civil structures. This work is concerned with the fitting of the generalized
extreme value (GEV) distribution to the maximum wind speeds recorded monthly during a 43-
year period (1956 to 1971 and 1974 to 2000) in Piracicaba, SP (Brazil). For the estimation of
parameters of the GVE distribution, the method of the maximum likelihood was used. The fitting
to the data was evaluated through the quantil-quantil graph and the Kolmogorov-Smirnov test.
From the initial fitting of the GEV distribution, we concluded that the Gumbel distribution was
the most suitable to model the maximum wind speed for all months. It was observed that the
September to December period presented the highest values of maximum wind speed. This period
also showed winds with speeds above 60 km.h-1, considered as very strong. Finally, we obtained
the return levels for the return periods of 5, 10, 50 and 100 years, and we constructed their
respective 95% confidence intervals, through the delta method.
KEYWORDS: Return level; return period; confidence interval.
Referências
ABILD, J.; ANDERSEN, E.Y.; ROSBJERG, D. The climate of extreme winds at the
Great Belt of Denmark. J. Wind Eng. Industr. Aerodynam., Amsterdan, v.41, p.521-32,
1992.
ANGELOCCI, L.R.; WIENDL, F.W.; ARRUDA, H.V. Probabilidades mensais de
ocorrência de rajadas de vento na região de Piracicaba. In: CONGRESSO BRASILEIRO
DE AGROMETEOROLOGIA, 9., Campina Grande, 1995. Anais... Campina Grande:
Sociedade Brasileira de Agrometeorologia, UFPB, 1995. p.498-500.
CAMPOS, H. Estatística experimental não paramétrica. 4.ed. Piracicaba: ESALQ, 1983.
388p.
CONOVER, W.J. Practical nonparametric statistics. 2.ed. New York: John Wiley, 1980.
493p.
CRUTCHER, H.L. A note on the possible misuse of the Kolmogorov-Smirnov test. J.
Appl. Metereol., Boston, v.14, p.1600-3, 1975.
DÍAZ, J.F. Introducción a los métodos no paramétricos. Xalapa: Universidad
Veracruzana, Facultad de Estadística e Informática, 1999. 134p.
FISHER, R.A.; TIPPETT, L.H.C. Limiting forms of the frequency distributions of the
largest or smallest member of a sample. Proc. Camb. Philos. Soc., New York, v.24,
p.180-90, 1928.
GRIGORIU, M. Estimates of extreme wind from short records. J. Struct. Eng., New York,
v.110, p.1467-83, 1984.
GUSELLA, V. Estimation of extreme winds from short-term records. J. Struct. Eng., New
York, v.117, p.375-90, 1991.
HOLMES, J.D.; MORIARTY, W.W. Application of the generalized Pareto distribution to
extreme value analysis in wind engineering. J. Wind Eng. Industr. Aerodynam.,
Amsterdan, v.83, p.1-10, 1999.
HOSKING, J.R.M. Testing whether the shape parameter is zero in the generalized
extreme-value distribution. Biometrika, London, v.71, p.367-74, 1984.
110 Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004
JENKINSON, A.F. The frequency distribution of the annual maximum (or minimum)
values of meteorological elements. Q. J. R. Meteorol. Soc., Brackneel, v.81, p.158-71,
1955.
LILLIEFORS, H.W. On the Kolmogorov-Smirnov test for normality with mean and
variance unknown. J. Am. Stat. Assoc., Alexandria, v.62, p.399-402, 1967.
NATIONAL WEATHER SERVICE. The Beaufort wind force scale. Disponível em:
<http://www.crh. noaa.gov/lot/webpage/beaufort>. Acesso em: 20 fev. 2002.
RAYNAL, J.A. Sobre el uso del dominio de atracción para la identificación de valores
extremos para máximos. Ing. Hidráulica México, México, v.12, p.57-62, 1997.
SHARMA, P.; KHARE, M.; CHAKRABARTI, S.P. Application of extreme value theory
for predicting violations of air quality standards for an urban road intersection. Transport.
Res., New York, v.23, p.133-9, 1999.
SIMIU, E.; FILLIBEN, J. Probability distribution of extreme wind speeds. J. Struct. Eng.,
New York, v.102, p.1861-77, 1976.
SIMIU, E.; HECKERT, N.A. Extreme wind distribution tails: A peak over threshold
approach. J. Struct. Eng., New York, v.122, p.539-47, 1996.
SMITH, R.L. Maximum likelihood estimation in a class of nonregular cases. Biometrika,
London, v.72, p.67-92, 1985.
TUBELIS, A.; NASCIMENTO, F.J. do. Meteorologia descritiva: fundamentos e
aplicações brasileiras. São Paulo: Nobel, 1984. p.145-65: Vento.
VIANELLO, R.L.; ALVES, A.R. Meteorologia básica e aplicações. Viçosa: UFV, 1991.
449p.
WALSHAW, D. Getting the most from your extreme wind data: a step by step guide. J.
Res. Nat. Stand. Technol., Washington, v.99, p.399-411, 1994.
ZAR, J.H. Biostatistical analysis. 4.ed. New Jersey: Prentice Hall, 1999. p.583-7.
Recebido em 10.04.2003.
Aprovado após revisão em 30.03.200.
Rev. Mat. Estat., São Paulo, v.22, n.1, p.95-111, 2004 111