Probabilidade e Estatística Aplicada à Hidrologia

UNIVERSIDADE DE VORA
DEPARTAMENTO DE ENGENHARIA RURAL
PROBABILIDADE E ESTATSTICA
APLICADA HIDROLOGIA
Rita Cabral Guimares
2011
Estatstica e Probabilidade Aplicada Hidrologia
ESTATSTICA E PROBABILIDADE APLICADA HIDROLOGIA

1. Introduo
Nenhum processo hidrolgico puramente determinstico, isto ,
no possvel determinar com exactido a realizao desse processo,
pois ele est sujeito aco de factores aleatrios. Por exemplo,
apesar de ser possvel prever com alguma antecedncia a ocorrncia de
precipitao, no possvel determinar qual a quantidade exacta de
precipitao que ir ocorrer.
Este
facto,
parece
estabelecer
uma
dificuldade
bsica
no
planeamento e gesto de qualquer sistema hidrolgico, uma vez que para

planear
processos
gerir
que
dificuldade
fundamental
integram
pode
ser
esse
conhecer
sistema
ultrapassada,
comportamento futuro
hidrolgico.
No
considerando
entanto,
que
os
dos
esta
processos
hidrolgicos so processos estocsticos, isto , processos governados

pelo
menos
em
parte
por
factores
aleatrios.
Se
so
processos
estocsticos podem ser tratados recorrendo s leis de probabilidade e

estatstica, sendo possvel determinar qual a probabilidade duma
realizao
desses
intervalos.
Por
processos
exemplo,
se
se
situar
chover,
dentro
de
pode-se
determinados
determinar
com
antecedncia qual probabilidade de ocorrer um determinado valor de

precipitao.
2. Distribuies de Frequncia
Em estatstica populao designa um conjunto de elementos com
alguma caracterstica comum, por exemplo: os rios portugueses ou as
precipitaes
estatstica
populaes
anuais
se
estas
ocupa
que
numa
bacia
do
estudo
podem
ser
hidrogrfica.
das
Pode-se
propriedades
finitas
ou
das
infinitas
dizer
que
populaes,
conforme
for
finito ou infinito o nmero dos seus elementos. No entanto, e porque a

observao de toda a populao nem sempre possvel, o estudo das
propriedades dessa populao tem de ser feito sobre um seu subconjunto
finito que se supe ser representativo e se designa por amostra.
Quando, a partir da informao contida numa amostra, se tiram
concluses,
expressas
em
termos
de
probabilidade,
populao entra-se no domnio da inferncia estatstica.
sobre
toda
Considere-se
uma
amostra
constituda
por
um
determinado
conjunto de dados x1, x 2,..., x n .

A diferena entre o maior e o menor dos valores dos dados,
chama-se amplitude dos dados, I.
I = maior xi menor xi
(2.1)
Para resumir grandes quantidades de dados usual distribui-los

em
classes.
nmero
de
indivduos
pertencentes
cada
classe
denomina-se frequncia absoluta da classe. A razo entre a frequncia

absoluta da classe e a frequncia total (nmero total de valores da
amostra) chama-se frequncia relativa da classe.
distribuio
frequncias
dos
absolutas,
dados
em
chama-se
classes
com
distribuio
as
de
respectivas
frequncias
ou
distribuio emprica e distribuio dos dados em classes com as

respectivas
frequncias
relativas,
chama-se
distribuio
de
frequncias relativas ou distribuio das percentagens. (ver Quadro

2.2. do exemplo 2.1.)
Geralmente, o nmero de classes, m, dever ser entre 5 e 20, no

entanto,
pode
utilizar-se,
para
clculo
do
nmero
de
classes,
frmula sugerida por STURGES:
m = 1 + log2 n = 1 + 3,32193 log10 n
(2.2)
Determinado o nmero de classes e uma vez conhecida a amplitude

dos dados I, a amplitude de cada classe, c, pode ser determinada por:
c =
I
m
(2.3)
Exemplo 2.1
Considerem-se as precipitaes anuais registadas na estao de

Castro DAire durante 79 anos, apresentadas no Quadro 2.1.
A
amplitude
dos
dados,
determina-se
facilmente
(A2.1):
I = 3249,6 870,9 = 2378,7 mm,

o nmero de classes, utilizando a equao (2.2), :
pela
equao
m = 1 + 3,32193 log10 79 = 7 classes,

e a amplitude de cada classe, determina-se recorrendo equao (2.3).
c =
I
2378,7
=
= 340mm
m
7
Isto , a 1 classe ter como limite inferior o valor 870,9 mm e como

limite superior 1210,9 mm (870,9 + 340), a 2 classe ter como limite
inferior 1210,9 mm e como limite superior 1550,9 mm (1210,9 + 340), e
assim sucessivamente at ao limite superior da ltima classe.
O apuramento dos valores pertencentes a cada classe
s
frequncias
absolutas
relativas
de
cada
classe,
que conduz
no
oferece
qualquer dificuldade, considerando que um determinado valor x pertence

a uma classe quando e s quando maior que o limite inferior e menor
ou igual que o limite superior dessa classe.
A
diviso
da
amostra
em
classes
bem
como
as
frequncias
absolutas e relativas de cada classe so apresentadas no Quadro A2.2.
Quadro 2.1. Precipitao anual (mm) em Castro DAire

Ano
Precipitao ordenada
de forma crescente(mm)
870,9
N de ordem
1916/17
Precipitao
(mm)
2118,2
1917/18
1001,2
903,5
1918/19
2093,2
912,8
1919/20
1556,4
915,8
1920/21
1290,6
1001,2
1921/22
1785,4
1039,2
1922/23
1830,2
1055,4
1923/24
2150,2
1076,1
1924/25
1749,6
1127,1
1925/26
2221,6
1144,5
10
1926/27
2024,1
1180,0
11
1927/28
1923,7
1201,0
12
1928/29
1127,1
1239,6
13
1929/30
2630,9
1247,2
14
1930/31
1481,2
1254,0
15
1931/32
1461,0
1275,7
16
1932/33
1334,4
1290,6
17
1933/34
1301,2
1298,7
18
1934/35
1581,0
1300,3
19
1935/36
3249,6
1301,2
20
1936/37
2069,0
1334,4
21
1937/38
1254,0
1344,7
22
1938/39
1974,0
1392,9
23
1939/40
2059,6
1411,7
24
1940/41
2569,6
1422,9
25
1941/42
1520,6
1426,8
26
1942/43
1664,2
1432,0
27
1943/44
1344,7
1442,0
1944/45
915,8
1451,9
29
1945/46
1763,0
1461,0
30
Quadro 2.1. (Cont.)

Ano
28
Precipitao anual (mm) em Castro DAire

Precipitao ordenada
de forma crescente(mm)
1478,1
N de ordem
1946/47
Precipitao
(mm)
2079,3
1947/48
1411,7
1481,2
32
31
1948/49
912,8
1496,4
33
1949/50
1201,0
1504,2
34
1950/51
1903,9
1520,6
35
1951/52
1625,0
1556,4
36
1952/53
1076,1
1567,9
37
1953/54
1275,7
1578,2
38
1954/55
1699,5
1581,0
39
1955/56
2150,9
1585,4
40
1956/57
1039,2
1588,2
41
1957/58
1588,2
1595,9
42
1958/59
1746,1
1603,3
43
1959/60
2563,6
1625,0
44
1960/61
1987,4
1664,2
45
1961/62
1585,4
1689,7
46
1962/63
1832,1
1699,5
47
1963/64
2201,2
1746,1
48
1964/65
1180,0
1749,6
49
1965/66
2806,9
1763,0
50
1966/67
1595,9
1785,4
51
1967/68
1422,9
1826,1
52
1968/69
2280,0
1830,2
53
1969/70
1496,4
1832,1
54
1970/71
1567,9
1903,9
55
1971/72
1300,3
1923,7
56
1972/73
1478,1
1930,1
57
1973/74
1689,7
1974,0
58
1974/75
1239,6
1987,4
59
1975/76
903,5
2000,2
60
1976/77
2314,0
2024,1
61
1977/78
2124,2
2059,6
62
1978/79
2599,1
2069,0
63
1979/80
1451,9
2079,3
64
1980/81
1144,5
2093,2
65
1981/82
1504,2
2118,2
66
1982/83
1426,8
2124,2
67
1983/84
1603,3
2150,2
68
1984/85
2000,2
2150,9
69
1985/86
1578,2
2201,2
70
1986/87
1392,9
2221,6
71
1987/88
1930,1
2280,0
72
1988/89
870,9
2314,0
73
1989/90
1432,0
2563,6
74
1990/91
1442,0
2569,6
75
1991/92
1055,4
2599,1
76
1992/93
1247,2
2630,9
77
1993/94
1826,1
2806,9
78
1994/95
1298,7
3249,6
79
Quadro 2.2. Distribuio de frequncias e distribuio de frequncias

relativas da precipitao anual
Classes de Precipitao Anual
Frequncias
Frequncias
(mm)
absolutas
870,9 - 1210,9
1210,9 - 1550,9
1550,9 - 1890,9
1890,9 - 2230,9
2230,9 - 2570,9
2570,9 - 2910,9
2910,9 - 3250,9
TOTAL
12
23
19
18
3
3
1
79
representao
duma
grfica
relativas
12/79
23/79
19/79
18/79
3/79
3/79
1/79
distribuio
=
=
=
=
=
=
=
de
0,151898734
0,291139241
0,240506329
0,227848101
0,037974684
0,037974684
0,012658228
1
frequncias,
fornece uma viso global da distribuio. Esta representao grfica

pode ser feita atravs de um histograma.
O histograma uma sucesso de rectngulos adjacentes, tendo
cada um deles por base um segmento que corresponde
cada
classe
por
altura
as
respectivas
amplitude de
frequncias
absolutas
ou
relativas.
Na figura 2.1. apresenta-se o histograma das frequncias
absolutas referente ao exemplo 2.1.
Figura 2.1. Histograma das frequncias absolutas para a precipitao
anual em Castro DAire.
Histograma da distribuio de precipitaes
Frequncias absolutas
25
20
15
10
0
870,9 - 1210,9
1210,9 - 1550,9
1550,9 - 1890,9
1890,9 - 2230,9
2230,9 - 2570,9
Precipitao anual (mm)
2570,9 - 2910,9
2910,9 - 3250,9
3. Localizao, Disperso e assimetria

Aspectos fundamentais para a caracterizao das distribuies de
frequncia so a localizao, disperso e assimetria.
Far-se-
distino
entre
as
grandezas
avaliadas
partir
da
populao parmetros - das grandezas calculadas com base na amostra

estatsticas -. Assim, os parmetros sero representados por letras
gregas ( , , ,...) e as estatsticas sero representadas por letras
latinas ( x, S, g,...).
3.1 Localizao
a) Mdia
O mais importante parmetro de localizao a mdia ou valor
mdio e representa o cento de gravidade do sistema.
A mdia de uma amostra constituda por x1, x 2,..., x n , designa-se
por x e para dados no classificados, define-se por,
n
xi
i =1
x =
Para
dados
classificados,
(3.1)
utiliza-se,
para
clculo
da
mdia,
expresso,
m
jx'j
x =
classe,
x'j
ponto
onde m nmero de classes , j

cada
j =1
mdio
fjx'j
(3.2)
j =1
representa a frequncia absoluta de

de
cada
classe
fj
frequncia
relativa de cada classe. A esta ltima expresso d-se o nome de mdia

ponderada.
b) Mediana
Considere-se
definir-se
como
uma
o
amostra,
valor
central
crescente, x1 x 2 ,..., x n .
x1, x 2,..., x n ,
da
amostra
mediana,
ordenada
por
pode
ordem
Assim, a mediana, M, pode definir-se por duas expresses:
Se a amostra tem nmero impar de dados, n = 2k + 1 , e a mediana

vem,
M = x k +1
para n = 2k + 1
(3.3)
Se a amostra tem nmero par de dados, n = 2k , e a mediana vem,
M =
xk + xk +1
2
para n = 2k
(3.4)
c) Moda
A moda de uma amostra x1, x 2,..., x n , define-se como o valor mais

frequente
da
hidrologia,
amostra.
pois
em
amostras
medida
de
de
dados
localizao
hidrolgicos
menos
usada
em
(precipitaes,
caudais, etc) pouco provvel que haja valores exactamente iguais. No

entanto para clculo da moda, Mod, pode utilizar-se a expresso,
Mod = x 3(x M )
(3.5)
Exemplo 3.1 Clculo da mdia, mediana e moda

Castro DAire (Quadro 2.1.) e a respectiva distribuio de frequncias
e distribuio de frequncias relativas (Quadro 2.2.)
a) clculo da mdia
Utilizando a equao (3.1) vem,

n
xi
x =
i =1
2118,2 + ... + 1298,7

= 1672,5mm
79
A mdia ponderada determina-se utilizando a equao (A3.2),
jx'j
x =
j=1
870,9 + 1210,9
2910,9 + 3250,9
12 + ... +
1
2
2
=
= 1677,9mm
79
x =
fjx'j
j=1
870,9 + 1210,9
2910,9 + 3250,9
=
0,1519 + ... +
0,1266 = 1677,9mm
2
2
b) clculo da mediana
Uma vez que n impar, utiliza-se a equao (A3.3) para clculo
da mediana,
n = 79 k =
M = x k +1
78
n 1
=
= 39
2
2
= x40 = 1585,4mm
b) clculo da moda
Utilizando a expresso (3.5), vem,
Mod = x 3(x M ) = 1672,5 3(1672,5 1585,4) = 1411,2mm .

Para esta distribuio de precipitaes, tem-se que,
x > M > Mod
3.2 Disperso
A disperso pode definir-se como a posio dos dados em relao
a uma referncia fixa. Quando esta referncia a mdia, a disperso
indica o modo como os dados se espalham volta do valor mdio.
a) Desvio Padro
Uma importante medida de disperso o desvio padro que mostra

o
comportamento
disperso
do
grande,
conjunto
os
de
desvios
desvios
dos
em
dados
relao
em
relao
mdia.
Se
mdia
so
grandes e o desvio padro ser elevado. O contrrio tambm se verifica

quando os desvios so pequenos.
O desvio padro de uma amostra constituda por
x1, x 2,..., x n ,
designa-se por S e para dados no classificados, define-se por,
(xi
S = +
i =1
x )2
(3.6)
10
Para dados classificados, vem,
j (x'j
m
as
amostras
)2
j=1
S = +
Quando
(3.7)
so
pequenas,
utiliza-se
desvio
padro
corrigido,
n
(xi
x )2
i =1
S = +
(3.8)
n 1
j (x'j
m
j =1
S = +
n 1
)2
(3.9)
Ao quadrado do desvio padro, chama-se varincia,s2, e para

amostras pequenas vem,
(xi
S2 =
x )2
i =1
n 1
(3.10)
b) Desvio Mdio
Outra forma de analisar o conjunto de desvios em relao mdia
considerar o mdulo dos desvios. Isto conduz ao conceito de desvio
mdio, d, onde os desvios perdem o sinal, e quanto maior o valor do
desvio mdio, mais as observaes se afastam da mdia da amostra. O
desvio mdio de uma amostra x1, x 2,..., x n determina-se, para dados no
classificados, por,
n
xi
d =
e para dados classificados por,
i =1
x
(3.11)
11
j x'j
d =
j =1
(3.12)
b) Coeficiente de Variao
um parmetro adimensional que mede a variabilidade da amostra
e define-se por,
Cv =
S
100%
x
(3.13)
Quanto maior o coeficiente de variao, maior o desvio padro

em relao mdia, isto , mais dispersos esto os dados em torno da
mdia.
d) Varivel Reduzida
A varivel reduzida, z, mede o desvio, de cada observao da

amostra
x1, x 2,..., x n ,
em
padro.
uma
portanto,
relao
mdia
quantidade
em
unidades
abstracta
de
desvio
independente
das
unidades usadas.
zi =
Assim,
total
de
xi x
S
variveis
(3.14)
reduzidas
da
amostra,
de
i = 1,2,..., n , apresenta mdia nula e desvio padro igual unidade.

Isto ,
n
zi
z =
i =1
(zi
Sz = +
= 0,0
(3.15)
z )2
i =1
n 1
= 1,0
(3.16)
Exemplo 3.2 Clculo do desvio padro, desvio mdio, coeficiente de

variao e varivel reduzida
12

Castro DAire (Quadro 2.1.) e a respectiva distribuio de frequncias
e distribuio de frequncias relativas (Quadro 2.2.)
a) clculo do desvio padro
Utilizando a equao (A3.8) vem,

n
(xi
x )2
i =1
S = +
= +
n 1
(2118,2 1672,5)2 + ... + (1298,7 1672,5)2

79 1
= 479,4mm
e utilizando a equao (A3.9) vem,
j (x'j
m
)2
j =1
S = +
= +
n 1
12 (1040,9 1672,5)2 + ... + 1 (3080,9 1672,5)2

= 460,0mm
79 1
b) clculo do desvio mdio
Utilizando a equao (A3.11) vem,

n
xi
d =
i =1
2118,2 1672,5 + ... + 1298,7 1672,5

79
= 381,8mm
e utilizando a equao (A3.12),

m
j x'j
d =
j=1
x
=
12 1040,9 1672,5 + ... + 1 3080,9 1672,5
c) clculo do coeficiente de variao
Utilizando a equao (3.13) vem,
Cv =
S
479,4
100 =
100 = 28,7%
x
1672,5
d) clculo da varivel reduzida
79
= 367,0mm
13
Utilizando a equao (3.14) as variveis reduzidas de cada uma

das observaes da precipitao anual, so as apresentadas no Quadro
3.1. O valor mdio e o desvio padro foram calculados pelas equaes
(3.15) e (3.16), respectivamente.
Quadro 3.1. Variveis reduzidas da precipitao anual em Castro DAire

Ano
1916/17
Precipitao
(mm)
2118,2
0,9
1917/18
1001,2
-1,4
1918/19
2093,2
0,9
1919/20
1556,4
-0,2
1920/21
1290,6
-0,8
1921/22
1785,4
0,2
1922/23
1830,2
0,3
1923/24
2150,2
1,0
1924/25
1749,6
0,2
1925/26
2221,6
1,1
1926/27
2024,1
0,7
1927/28
1923,7
0,5
1928/29
1127,1
-1,1
1929/30
2630,9
2,0
1930/31
1481,2
-0,4
1931/32
1461,0
-0,4
1932/33
1334,4
-0,7
1933/34
1301,2
-0,8
1934/35
1581,0
-0,2
1935/36
3249,6
3,3
1936/37
2069,0
0,8
1937/38
1254,0
-0,9
1938/39
1974,0
0,6
1939/40
2059,6
0,8
1940/41
2569,6
1,9
1941/42
1520,6
-0,3
1942/43
1664,2
0,0
1943/44
1344,7
-0,7
1944/45
915,8
-1,6
1945/46
1763,0
0,2
1946/47
2079,3
0,8
1947/48
1411,7
-0,5
1948/49
912,8
-1,6
1949/50
1201,0
-1,0
1950/51
1903,9
0,5
1951/52
1625,0
-0,1
1952/53
1076,1
-1,2
1953/54
1275,7
-0,8
1954/55
1699,5
0,1
1955/56
2150,9
1,0
1956/57
1039,2
-1,3
1957/58
1588,2
-0,2
Zi
14
Quadro
3.1.
1958/59
1746,1
0,2
1959/60
2563,6
1,9
1960/61
1987,4
0,7
1961/62
1585,4
-0,2
1962/63
1832,1
0,3
1963/64
2201,2
1,1
1964/65
1180,0
-1,0
(Cont.)
Variveis reduzidas
Castro DAire
Ano
da
1965/66
Precipitao
(mm)
2806,9
2,4
1966/67
1595,9
-0,2
1967/68
1422,9
-0,5
1968/69
2280,0
1,3
1969/70
1496,4
-0,4
1970/71
1567,9
-0,2
1971/72
1300,3
-0,8
1972/73
1478,1
-0,4
1973/74
1689,7
0,0
1974/75
1239,6
-0,9
1975/76
903,5
-1,6
1976/77
2314,0
1,3
1977/78
2124,2
0,9
1978/79
2599,1
1,9
1979/80
1451,9
-0,5
1980/81
1144,5
-1,1
1981/82
1504,2
-0,4
1982/83
1426,8
-0,5
1983/84
1603,3
-0,1
1984/85
2000,2
0,7
1985/86
1578,2
-0,2
1986/87
1392,9
-0,6
1987/88
1930,1
0,5
1988/89
870,9
-1,7
1989/90
1432,0
-0,5
1990/91
1442,0
-0,5
1991/92
1055,4
-1,3
1992/93
1247,2
-0,9
1993/94
1826,1
0,3
1994/95
1298,7
-0,8
Mdia
1672,5
0,0
Desvio Padro
479,4
1,0
precipitao
anual
em
Zi
3.3 Assimetria
Assimetria o grau de desvio, ou afastamento da simetria, de

uma distribuio.
Quando
se
trabalha
com
distribuies
de
frequncias,
assimetria pode ser estudada considerando a posio relativa dos trs
15
parmetros
de
distribuies
localizao:
mdia,
(Figura
simtricas
mediana
3.1),
estes
moda.
Assim,
trs
nas
parmetros
coincidem. Nas distribuies assimtricas positivas (desviadas para a

direita)(Figura
assimtricas
3.2),
negativas
mdia>mediana>moda
(desviadas
para
nas
distribuies
esquerda)(Figura
3.3),
mdia<mediana<moda.
A assimetria avalia-se pelo coeficiente de assimetria, g, sendo

o
valor
deste
coeficiente
positivo
nos
desvios
para
direita
negativo nos desvios para a esquerda.

n
n
g =
(xi
x )3
i =1
(n 1)(n 2)S 3
Figura 3.1. Distribuio simtrica
Distribuio Simtrica
Mdia
Mediana
Moda
Figura 3.2. Distribuio assimtrica positiva
(3.17)
16
Distribuio Assimtrica Positiva
Moda Mediana Mdia
Figura 3.3. Distribuio assimtrica negativa

Distribuio Assimtrica Negativa
Mdia Mediana Moda
Exemplo 3.3 Clculo do coeficiente de assimetria
Considerando as precipitaes anuais registadas na estao de

Castro DAire (Quadro A2.1.), o coeficiente de assimetria vem,
g =
79 (2118,2 1672,5)3 + ... + (1298,7 1672,5)3
(79 1)(79 2) 479,4
Como
distribuio
tem
assimetria
= 0,7
positiva,
significa
que
x > M > Mod (j determinado no exemplo 3.1), isto , trata-se de uma

distribuio desviada para a direita.
17
4.Distribuies de Probabilidade
4.1 Varivel aleatria. Funo de distribuio
Chama-se varivel aleatria X

tomar
diferentes
valores
de
a toda a varivel susceptvel de
aos
quais
possvel
afectar
uma
probabilidade. Processo estocstico aqui entendido como uma coleco

ordenada de variveis aleatrias X 1, X 2, X 3,..., X n
e onde a sucesso
cronolgica x1, x 2, x3,..., x n resultante da sua observao, representa

uma nica realizao do processo.
Uma
varivel
aleatria
diz-se
discreta
se
pode
tomar
um
nmero finito de valores, por exemplo: o nmero de dias com chuva numa
semana, ms ou ano, ou o nmero de vezes que o caudal ultrapassou
determinado
valor.
Uma
varivel
aleatria
diz-se
contnua
se
pode
assumir qualquer valor dentro de um determinado intervalo de nmeros

reais, por exemplo: a precipitao anual, a temperatura mdia diria,
etc., podem tomar qualquer valor dentro de um certo intervalo limitado
por um mnimo e por um mximo.
Sendo
uma
varivel
aleatria,
d-se
nome
de
funo
de
distribuio (ou funo de distribuio de probabilidade) da varivel
X funo,
F(x) = P (X x )
(4.1)
que representa a probabilidade de a varivel aleatria X
assumir um
valor inferior ou igual a x .

Facilmente se verifica que a funo de distribuio satisfaz as
seguintes propriedades:
P (X > x ) = 1 P (X x ) = 1 F(x)
(4.2)
P (x1 < X x 2 ) = F(x 2) F (x1 )

Quando
valores
dentro
uma
varivel
aleatria
de
um
conjunto
finito
(4.3)
discreta,
{x1, x 2,...} .
pode
Neste
tomar
caso
comportamento da varivel aleatria definido pela sua funo massa

1
Para
evitar
confuses,
varivel
aleatria
representa-se
por
maisculas, X , e as observaes (ou realizaes) dessa varivel por

minsculas, x .
18
de probabilidade (f.m.p.), que associa uma probabilidade a cada valor

que a varivel pode assumir:
P (x )
P (x1 ) = P (X = x1 )
P (x 2 ) = P (X = x 2 )
se x {x1, x 2,...}
=
=
P1
P2
(4.4)
etc.
e pela sua funo de distribuio acumulada, ou funo de distribuio

(f.d.):
F(x) = P (X x ) =
P (x
com i = 1,2,...
(4.5)
xi x
Quanto probabilidade de uma varivel discreta X tomar um valor

compreendido
num
intervalo
(a, b )
pode
ser
determinada
aplicando
equao (4.3),
P (a < X b ) = F(b) F (a) =
xb
P (x
(4.6)
x >a
Exemplo 4.1 Funo massa de probabilidade e funo de distribuio

para uma varivel discreta
Exemplificando, se para um determinado perodo de tempo o nmero

de dias nublados (X), em dado local, tiver a seguinte funo massa de
probabilidade (f.m.p.):
0,15 se x = 0
0,20 se x = 1
P (x ) = 0,30 se x = 2
0,20 se x = 3
0,15 se x = 4
a funo de distribuio (f.d.) ser:
19
0 se x < 0
0,15 se 0 x < 1
F (x ) =
0,35 se 1 x
0,65 se 2 x
2
3
0,85 se 3 x
1,00 se 4 x
Nas figuras 4.1 e 4.2 esto representados os grficos da f.m.p e

f.d. para o nmero de dias nublados.
Quando X uma varivel aleatria contnua o seu comportamento

definido
pela
sua
funo
densidade
de
probabilidade
(f.d.p.),
que
define a probabilidade mdia da varivel aleatria se situar dentro de

um determinado intervalo.
Figura 4.1 Funo massa de probabilidade para a varivel X

Funo Massa Probabilidade
0,35
0,30
P(x)
0,25
0,20
0,15
0,10
0,05
0,00
1
Figura 4.2 Funo de distribuio para a varivel X
20
F(x)
Funo de distribuio
1,1
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 - 1
1 - 2
2 - 3
3 - 4
>4
Considerando
que
no
intervalo
, x ]
(x, x + x ] ,
probabilidade F(x), ento no intervalo
quantidade
de
a quantidade de
probabilidade ser, de acordo com a equao (A4.3), F (x + x ) F (x ) , e

o
quociente,
F (x + x ) F (x )
ser
quantidade
de
probabilidade
mdia nesse intervalo. O limite,
f (x ) = lim
F (x + x ) F (x )
x 0
se
existir,
representa
= F' (x ) =
densidade
de
dF (x )
(4.7)
dx
probabilidade,
f (x ) .
Donde
resulta que a funo de distribuio (f.d.) de uma varivel contnua

ser,
F (x ) =
Note-se
probabilidade
que,
enquanto
no
f (x ) dx
caso
discreto
(4.8)
f.m.p.
uma
P (x ) = P (X = x ) , no caso contnuo, a f.d.p. f (x ) a
densidade de probabilidade, nunca a probabilidade no ponto x .
Para variveis contnuas:
f(x) > 0
(4.9)
e
+
f(x)d(x) =
(A4.10)
21
Quanto probabilidade de a varivel contnua X

compreendido num intervalo
(a, b )
tomar um valor
pode ser determinada por:
P (a < X < b ) = F(b) F(a) =
f(x)dx
(A4.11)
e a probabilidade de X
tomar um valor particular, a, nula, visto
que:
a
f(x)d(x) =
(4.12)
Exemplo 4.2 Funo densidade de probabilidade e funo de distribuio

para uma varivel contnua.
A precipitao anual em vora uma varivel aleatria contnua,

X,
com
funo
de
distribuio,
F(x),
funo
densidade
de
probabilidade, f(x), dadas por,
F (x ) =
f(x) =
f (x ) dx
(x 651,8)2
1
exp
2 203,5
2(203,5)2
Nas Figuras 4.3 e 4.4 mostra-se a representao grfica destas duas

funes.
Figura 4.3. Funo densidade de probabilidade da varivel X
22
Funo densidade de probabilidade
0,003
f(x)
0,002
0,001
0,000
0
100
200
300
400
500
600
700
800
900
1000 1100 1200 1300
x(precipitao mm)
Figura 4.4- Funo de distribuio da varivel X
F(x)
Funo de distribuio
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
H
0
100
200
300
400
500
600
700
800
900
1000 1100 1200 1300
x (precipitao mm)
Na Figura 4.3, a rea limitada pela curva e pelo eixo dos x

igual a um. A rea a tracejado, correspondente s verticais x = 0 e
x = 400mm , representa a probabilidade da precipitao em determinado

ano ser igual ou menor que 400mm. A rea a tracejado, correspondente
s verticais x = 800mm
e x = 900mm , representa a probabilidade da
precipitao tomar um valor entre 800 e 900 mm.

Na
Figura
4.4.
altura
H,
corresponde
probabilidade
da
precipitao em determinado ano ser igual ou menor que 400mm. A altura

b - a, representa a probabilidade da precipitao tomar um valor entre
800 e 900 mm.
23
5.Distribuies Tericas
Existem muitas distribuies tericas, que servem como modelo
probabilstico de variveis ou fenmenos aleatrios. Considerando que
as
variveis
hidrolgicas
so
aleatrias,
ento
elas
podem
ser
representadas por algum tipo de distribuio terica.

Apresentam-se
de
seguida
as
distribuies
tericas
mais
utilizadas em hidrologia.
5.1 Distribuies Discretas
a) Distribuio Binomial
A distribuio Binomial o modelo probabilstico indicado para

descrever o nmero de sucessos em repetidas provas de Bernoulli.
As
provas
de
Bernoulli
(ou
experincias
de
Bernoulli)
so
sucesses de experincias aleatrias independentes, onde em cada uma

delas s existem dois resultados possveis: realizao de determinado
acontecimento
realizao
do
contrrio
desse
acontecimento.
Considerando um qualquer acontecimento, A, de probabilidade P(A) = p,

a realizao de, A, diz-se sucesso, a realizao do contrrio, A ,
que tem probabilidade P (A ) = 1 p , diz-se insucesso.
Por exemplo, a ocorrncia de precipitao em determinado dia do
futuro, s tem dois resultados possveis: ou chove (sucesso) ou no
chove (insucesso) nesse dia. Ento, a probabilidade de chover p, e a
probabilidade de no chover, ser logicamente 1-p.
Se a varivel aleatria, X, designar o nmero de sucessos em n
provas,
diz-se
que
tem
distribuio
Binomial
escreve-se
simbolicamente B (n, p ) . A sua funo massa de probabilidade ,
P (x ) = P (X = x ) =
n!
p x (1 p )n x ,
x! (n x )!
x = 0,1,..., n
(5.1)
e a sua funo de distribuio ,
F (x ) =
n!
xi! (n xi )! p x (1
xi x
Exemplo 5.1
p )n xi
(5.2)
24
Considerando que em determinado rio ocorre uma cheia por ano e

que a probabilidade desta cheia ser catastrfica 10%, qual a
probabilidade de ocorrncia de 3 destas cheias nos prximos 15 anos?
Neste caso, tem-se,
n = 15 anos
x = 3
p = 0,1
logo, pela equao (5.1) vem,
P (3) = P (X = 3) =
15!
0,13 (1 0,1)15 3 = 0,1285
3! (15 3)!
Isto , nos prximos 15 anos a probabilidade de ocorrncia de 3

cheias catastrficas neste rio de 12,85%.
5.2 Distribuies Contnuas
a) Distribuio Normal
mais
probabilidade
importante
sem
dvida
mais
a
divulgada
distribuio
distribuio
Normal.
contnua
Teoricamente,
de
a
funo de distribuio da soma de n variveis aleatrias tende para a

distribuio Normal quando
aumenta indefinidamente, qualquer que
seja a funo de distribuio de cada uma das variveis aleatrias.

Por esta razo a distribuio Normal adapta-se bem a um grande nmero
de
variveis
hidrolgicas,
nomeadamente
precipitao
anual
escoamento anual, resultantes da soma de um grande nmero de variveis

aleatrias.
Uma
varivel
aleatria
com
uma
funo
densidade
de
probabilidade,
f(x) =
( x )2
2 2
< x < +
(5.3)
diz-se que tem distribuio Normal com parmetros e , e escreve-se

simbolicamente, ( , ) . Os parmetros
n
= x =
xi
i =1
(xi
e = S = + i =1
e , so determinados por,
x )2
n 1
A sua funo de distribuio dada por,
25
F(x) =
(x )2
2 2
dx
(5.4)
Para se efectuar o estudo da distribuio Normal necessrio

passar distribuio Normal Reduzida, visto que os valores da funo
densidade
de
probabilidade
de
distribuio
so
dados atravs
de
tabelas em funo dos valores reduzidos. Isto consegue-se fazendo uma

mudana de varivel de modo a que a nova varivel tenha valor mdio
igual a zero e desvio padro igual unidade. Isto , transforma-se a
varivel
com ( , ) numa varivel Z
com (0,1) . Z
a varivel
reduzida, e dada por,
Z =
(5.5)
Ao realizar-se esta transformao, estandardiza-se a varivel X

e neste caso a sua funo densidade de probabilidade ,
f(z) =
1
2
z2
2
< z < +
(5.6)
e a sua funo de distribuio,
F(z) =
1
2
z2
2 dz
(5.7)
Os valores de f (z) e F (z) so dados por tabelas em funo de z .

Ver tabelas para a distribuio Normal, apresentadas no ponto 9.
Na figura 5.1 apresentam-se o grfico da funo densidade, f (z) ,
bem como os valores das ordenadas para os respectivos valores de z e
na figura 5.2 o grfico da funo distribuio, F (z) . A altura H na
figura 5.2 a probabilidade acumulada correspondente rea tracejada
na figura 5.1.
Fig. 5.1. Funo densidade probabilidade (0,1)
26
0,5
f(z)
0,4
0,3
0,2
f(z)
-3.0
0.004
-2.5
0.018
-2.0
0.054
-1.5
0.130
-1.0
0.242
-0.5
0.352
0.0
0.399
0.5
0.352
1.0
0.242
1.5
0.130
2.0
0.054
2.5
0.018
3.0
0.004
F(z)
-3.0
0.0013
-2.5
0.0062
-2.0
0.0228
-1.5
0.0668
-1.0
0.1587
-0.5
0.3085
0.0
0.5000
0.5
0.6915
1.0
0.8413
1.5
0.9332
2.0
0.9772
2.5
0.9938
3.0
0.9987
0,1
0,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
Fig. 5.2. Funo de distribuio probabilidade (0,1)
F(z)
1,0
H
0,5
0,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
Como se pode verificar pelas Figuras 5.1 e 5.2, a distribuio

Normal uma distribuio simtrica, isto caracteriza-se por ter uma
densidade de probabilidade simtrica em relao mdia, que ao
mesmo tempo mediana e moda. Isto significa que a probabilidade mdia
que a varivel aleatria tem de se situar no intervalo
, ] igual
probabilidade mdia que ela tem de se situar no intervalo
[,+ ) .
Como se pode observar na figura 5.3 e comprovar com as tabelas

(Ver 9), a rea total limitada pela curva e pelo eixo dos x unitria
(100%). Tambm se pode observar que 50% da distribuio Normal 50%
correspondem ao intervalo
, ] . Isto significa que a probabilidade
27
mdia de a varivel aleatria tem de se situar no intervalo

igual
50%.
Ou,
por
outras
palavras,
probabilidade
, ]
mdia
de
varivel aleatria ser igual ou inferior ao valor mdio 50%. Tambm

se
pode
observar
correspondem
intervalo
ao
na
figura
intervalo
que
68.26%
],
que
da
distribuio
95.44%
correspondem
2 ] e que 99.74% correspondem ao intervalo
significando,
obviamente,
que
probabilidade
normal
mdia
da
ao
3 ] ,
varivel
aleatria aumenta medida que o intervalo alarga. (Ver 9)
Figura 5.3 - reas compreendidas pela curva Normal reduzida (%)
0.13%
2.15%
-3
0.13%
13.59%
-2
2.28%
34.13%
-1
15.87%
34.13%
13.59%
1
84.13%
0
50.00%
2.15%
2
97.72%
0.13%
3
99.87%
b) Distribuio Log - Normal
uma generalizao da distribuio normal, tornada assimtrica

por uma mudana da varivel, Y = ln X . Se uma varivel aleatria Y ,
tem distribuio normal, ento a varivel X, diz-se Log normal, e a
sua funo densidade ,
f(x) =
1
x 2
(y y )2
2 y2
x > 0
(5.8)
28
onde,
so, respectivamente a mdia e o desvio padro da

n
Y = ln X ,
varivel
y = Sy = +
(yi
dados
por
y = y =
yi
i =1
y )2
i =1
n 1
distribuio
Log
normal
ajusta-se
bem
variveis
hidrolgicas resultantes da multiplicao de muitas variveis. Isto ,

n
se
X = X 1X 2...X n ,
ento
ln Xi
Y = ln X =
i =1
Yi ,
que
para
i =1
grande, tende para a distribuio normal.
c) Distribuio Gama
Diz-se que uma varivel aleatria X, tem distribuio Gama com

parmetros
e , simbolicamente, G ( , ) , quando a respectiva funo
densidade de probabilidade da forma,
f(x) =
x 1e x
( )
x, , > 0
(5.9)
onde ( ) , a funo Gama dada por,
( ) = ( 1)!
> 0
(5.10)
Os parmetros e , so determinados, por,
x2
Sx2
1
Cv 2
(5.11)
e,
x
S x2
(5.12)
A distribuio Gama frequentemente aplicada na determinao da

probabilidade da precipitao para duraes de dias, semanas, meses, e
at anos.
29
d) Distribuio de Pearson tipo III
A distribuio de Pearson tipo III, tambm chamada distribuio

Gama
de
trs
parmetros,
introduz
um
terceiro
parmetro,
, na
distribuio Gama.
Uma varivel aleatria X, tem distribuio Pearson tipo III com
parmetros
, quando a respectiva funo densidade de
probabilidade da forma,
f(x) =
(x ) 1 e (x )
( )
(5.13)
Os parmetros , e , podem ser determinados por,
= ,
g
=
(5.14)
Sx
(5.15)
= x Sx
A
distribuio
Pearson
tipo
III
(5.16)
aplicada
para
descrever
distribuio de probabilidade dos picos de mxima cheia anual.
e) Distribuio Log - Pearson tipo III

Se Y = ln X , segue a distribuio de Pearson tipo III, ento
diz-se que X tem distribuio Log - Pearson tipo III, e tem como
funo densidade de probabilidade,
f(x) =
(y ) 1 e (y )
( )
ln x
(5.17)
Os parmetros , e , podem ser determinados por,
2
=
gy
(5.18)
30
Sy
(5.19)
= y Sy
(5.20)
A distribuio Log - Pearson tipo III utilizada para descrever

a distribuio de frequncias dos caudais de cheia.
f) Distribuio Assimpttica de Extremos Tipo I Gumbel
Tambm conhecida por distribuio de Gumbel, bastante aplicada

a
acontecimentos
mximos,
por
exemplo,
distribuio
dos
caudais
mximos anuais, ou a distribuio das precipitaes mximas anuais.

Uma
parmetros
varivel
aleatria
u,
X,
quando
tem
distribuio
respectiva
Gumbel,
com
densidade
de
de
funo
probabilidade da forma,
f(x) =
x u
x u
e
< x < +
(5.21)
e a funo distribuio da forma,
F(x) = e
x u
> 0
(5.22)
Os parmetros, e u , podem ser determinados por,
6S x
(5.23)
u = x 0,5772
Utilizando a varivel reduzida, y =
x u
(5.24)
, vem para a funo de
distribuio,
F(x) = e e
(5.25)
31
No Quadro 5.1 apresentam-se, o resumo das distribuies tericas

contnuas de probabilidade mais utilizadas em Hidrologia.
Quadro
5.1
Distribuio
Distribuies tericas contnuas

utilizadas em Hidrologia.
F. densidade de
Probabilidade
f(x) =
Normal
Log Normal
f(x) =
x 2
( x )2
2 2
de
Intervalo
probabilidade
Equaes dos
parmetros
< x < + = x , = S x
(y y )2
2 y2
x > 0
y = y ,
y = Sy
y = ln x
x 1e x
( )
f(x) =
Gama
onde
gama
x > 0
( ) = funo
x2
Sx2
1
Cv 2
x
S x2
2
Pearson
III
(x ) 1e (x )
Tipo f(x) =
( )
f(x) =
Log Pearson
Gumbel
5.3
(y ) 1 e (y )
( )
ln x
y = ln x
f(x) =
x u
x u
S
2
= , = x ,
g
= x Sx
2
=
gy
= y
S
, = y ,
Sy
6S x
,
u = x 0,5772
< x < + =
Exerccios de aplicao
Admitindo que a precipitao anual em determinado local, uma

varivel
aleatria
X,
com
distribuio
normal
com
parmetros
= 570mm e = 120mm , N (570;120) , determinar a probabilidade de um

valor de precipitao x 600mm .
32
com N (570;120) na varivel reduzida
Transformando a varivel X
Z com N (0,1) vem,

z =
600 570
= 0,25
120
Para obter o correspondente valor de F(z), pode-se recorrer
tabela A9.2:
Pela tabela, para z = 0,25 vem F(z) = 0,5987

Isto probabilidade de a varivel X, assumir um valor x 600mm
de 59,87%.
b) Distribuio Log - Normal
Considerando que o caudal anual de determinado curso de gua,

uma
varivel
y = 5,06146
aleatria
e
com
X,
y = 0,58906 ,
distribuio
determinar
Log
Normal,
probabilidade
de
com
se
verificar um valor de caudal inferior a x 150m 3s 1 .
Fazendo
uma
mudana
na
varivel,
tal
que
Y = ln X
vem,
y = ln x = ln 150 = 5,01064, donde a varivel reduzida Z ,
z =
5,01064 5,06146
= 0,09
0,58906
Para
obter
correspondente
valor
de F(z),
utiliza-se a
tabela
A9.2:
Para Z = 0,09 vem, F(z) = 1 F(z) = 1 0,5359 = 0,4641
Que significa que a probabilidade de se verificar um valor de caudal

inferior a x 150m 3s 1 de 46,41%.
c) Distribuio de Gumbel
33
Os caudais mximos instantneos anuais num determinado curso de
x = 226,5m 3s 1
gua seguem a distribuio de Gumbel, com mdia,

3 1
desvio padro, S = 141,8m s
. Determine a probabilidade de ocorrer um
valor de caudal x 300m 3s 1

Os parmetros,
e u , podem ser determinados pelas equaes (5.23) e
(5.24),
6Sx
=
6 141,8
= 110,6
u = x 0,5772 = 226,5 0,5772 110,6 = 162,7

Utilizando a varivel reduzida y =
x u
300 162,7
= 1,24141 , a
110,6
probabilidade pretendida, pode ser determinada por aplicao da

equao (5.25),
F(x) = e e
= e e
1,24141
= 0,749 = 74,9% .
6. As Distribuio Tericas e as Variveis Hidrolgicas

Quando
se
afirma
que
as
variveis
hidrolgicas
podem
ser
representadas por algum tipo conhecido de distribuio, no quer dizer

que elas sigam perfeitamente essas distribuies tericas. Obviamente
que,
quando
se
trata
de
variveis
reais,
existem
limitaes,
que
tornam o ajuste perfeito impossvel. Por exemplo, como j referido, a

precipitao anual uma varivel que segue a distribuio normal. No
entanto, a varivel aleatria normal, pode assumir qualquer valor no
intervalo
( ,+ ) ,
enquanto que a precipitao apenas pode assumir
valores positivos ou nulos. Alm disso, como se viu, a distribuio

normal uma distribuio simtrica, enquanto que a distribuio de
precipitao anual tende a ser assimtrica positiva.
Assim,
determinada
quando
varivel
se
dispe
de
hidrolgica,
uma
o
amostra
objectivo
de
valores
determinar
de
uma
qual
distribuio terica que melhor se ajusta distribuio emprica.

Depois de ajustar um conjunto de variveis hidrolgicas a uma qualquer
34
distribuio
probabilstica
terica
da
conhecida,
amostra
pode
ser
grande
parte
resumida
da
por
essa
informao
distribuio
terica e pelos respectivos parmetros.
ajustamento
de
um
modelo
de
distribuio
distribuio
emprica de variveis hidrolgicas, habitualmente analisado com base

em testes de hipteses estatsticos.
6.1 Testes de Hipteses
Os
testes
de
hipteses
constituem
uma
rea
de
extrema
importncia na Estatstica Aplicada Hidrologia. Quando se pretende

saber
se
uma
determinada
varivel
aleatria
segue
uma
qualquer
distribuio terica, utiliza-se um teste de hipteses.
O estabelecimento de um teste de hipteses consta das seguintes

etapas:
1 - Formulao da hiptese a ser testada, H 0 - Hiptese nula
2 - Formulao da hiptese alternativa, H 1
3 - Seleco da estatstica amostral a ser utilizada
4 - Estabelecimento da regra de deciso, em funo de uma constante
c.
5 - Seleco do nvel de significncia,
6 - Utilizao da estatstica amostral para determinar o valor da
constante c, de modo a que, quando H 0 for verdadeira, haja uma
probabilidade de se rejeitar esta hiptese.
7 - Rejeio ou aceitao da hiptese H 0 , se a estatstica amostral
observada
cair,
respectivamente,
na
regio
de
rejeio
(crtica), ou na regio de aceitao.
Ao tomar uma destas duas decises, pode-se cometer dois tipos de

erros: erro de primeira espcie erro que se comete quando se rejeita
H 0 , sendo ela verdadeira e erro de segunda espcie erro que se

comete quando se aceita H 0 , sendo ela falsa.
A probabilidade
de se cometer um erro de primeira espcie,
chama-se nvel de significncia do teste. A probabilidade
de se
cometer um erro de segunda espcie, chama-se nvel de confiana do

teste. A regio crtica (Fig. 6.1) do teste o conjunto dos valores
35
de uma estatstica que determinam a rejeio de H 0 , de acordo com uma

regra pr estabelecida.
Figura 6.1. Diferentes tipos de regies crticas
/2
/2
De um modo geral,
num
costuma
fazer
fixar
variam em sentido contrrio. O que se

nvel
conveniente
(5%,
1%,
etc.)
procurar, dentro de todas as regies de nvel , aquela que minimiza
, isto , aquela que maximiza 1 , chamada potncia do teste. Um

melhor teste de nvel aquele a que corresponde uma maior potncia.
a) Teste do Qui-Quadrado
teste
ajustamento,
do
onde
2 , um teste de adequao
Qui-Quadrado,
se
pretende
determinar
se
uma
dada
do
distribuio
terica razovel face aos dados disponveis. Assim, as hipteses a

testar so,
H 0 : A funo de distribuio F(x)

H 1 : A funo de distribuio no F(x)
O teste do Qui-Quadrado, faz uma comparao entre o nmero real
de
observaes
nmero
esperado
de
observaes
que
caiem
nas
respectivas classes, atravs do clculo da estatstica,
c2 =
j=1
que
assimptoticamente
tem
(O j
E j )2
(6.1)
Ej
distribuio
de
Qui-Quadrado
com
= m p 1 graus de liberdade, sendo m o nmero de classes, p o

nmero de parmetros a estimar a partir da amostra, O j o nmero de
observaes na classe j, e E j o nmero de observaes que seriam de
esperar, na classe j, atravs da distribuio terica.
36
decomposio
efectivo
terico
por
da
amostra
classe
em
no
classes,
seja
deve
inferior
ser
5,
tal
ou
que
pode
ser
utilizada a equao (A2.2) de STURGES.

As classes devem ser escolhidas de forma a que cada intervalo de
classe corresponda uma probabilidade igual, (classes equiprovveis),
n
.
m
donde E j =
A hiptese H 0 rejeitada se c2 for maior que 12 ;

para um determinado nvel de significncia
tabelado,
graus de liberdade.
(Tabela A9.3).
a) Teste de Kolmogorov - Smirnov
Uma
Smirnov.
alternativa
um
ao
teste,
teste
onde
do
no
2 , o teste de Kolmogorov
se
estimam
parmetros
para
distribuio emprica. Para a realizao deste teste, deve considerarse,

1
F (x )
a funo terica da distribuio acumulada admitida como
hiptese nula, H 0 ;
2 F0 (x )
a funo de distribuio acumulada para os dados amostrais
i
;
n
3 D = max F (x ) F0 (x ) , a estatstica utilizada;
4 Se, para um determinado nvel de significncia , o valor D for
maior ou igual ao valor D tabelado (Tabela 9.4), a hiptese H 0
rejeitada.
7 Anlise Frequencial em Hidrologia

Nos sistemas hidrolgicos existem muitas vezes eventos extremos,
tais como secas ou cheias. O valor de um acontecimento extremo
inversamente proporcional sua frequncia de ocorrncia, isto , um
acontecimento extremo ocorre com menos frequncia do que um evento
moderado.
objectivo
da
anlise
frequencial
em
hidrologia
relacionar a magnitude dos valores extremos com a sua frequncia de

ocorrncia, atravs da utilizao de distribuies de probabilidade.
Os resultados desta anlise podem ser usados em vrios problemas de
engenharia,
tais
como,
dimensionamento
estruturas de controlo de cheias, etc.
de
barragens,
pontes,
37
Para
efectuar
posicionamento
grfico
anlise
dos
frequencial
na
dados
pode-se
recorrer
de
distribuio
forma
uma
ao
cumulativa de probabilidade ou utilizar tcnicas analticas baseadas

em factores de frequncia.
Em qualquer dos casos torna-se necessrio introduzir a noo de
perodo de retorno.
7.1 Perodo de Retorno e Risco Hidrolgico
Perodo de retorno, T , de uma varivel X, define-se como o

nmero de anos que deve, em mdia, decorrer para que o valor dessa
varivel ocorra ou seja superado.
Designando a probabilidade de a varivel aleatria X assumir um
valor inferior ou igual a x , por probabilidade de no excedncia, F (x )
com, F(x) = P (X x ) - Equao (A.1) e designando a probabilidade de a
varivel aleatria X assumir um valor superior a x , por probabilidade
de
excedncia
G (x ) ,
com
G (x ) = P (X > x ) = 1 P (X x ) = 1 F(x)
Equao (4.2), pode exprimir-se o perodo de retorno por,
T =
Risco
hidrolgico,
1
1
=
G (x )
1 F (x )
R,
(7.1)
funo
do
perodo
de
retorno
representa a probabilidade de um valor x da varivel aleatria X ser

excedido em pelo menos uma vez em n anos sucessivos. Exprime-se por,
R =
n
1
= 1 1
T
T
= 1 (1 G (x ))n
(7.2)
7.2 Anlise Frequencial por Posicionamento grfico
Considere-se uma amostra

dados
amostrais,
uma
x1, x 2, x3,..., x n , atribuindo a estes
probabilidade
emprica
F(x) = P (X x )
G (x ) = P (X > x ) , possvel marcar estes pares de valores
[x, G (x )]
Este
[x, F (x )]
ou
ou
em grficos de modo a poder-se efectuar a anlise frequencial.
mtodo
utiliza-se
tambm
para
avaliar
ajustamento
de
uma
qualquer distribuio terica de probabilidade distribuio emprica

dos dados amostrais.
38
A funo de distribuio de uma determinada distribuio terica

pode ser representada graficamente num papel de probabilidade adequado
a essa distribuio. Em tal papel, as ordenadas representam os valores
da
varivel
excedncia
as
abcissas
representam
F(x) = P (X x ) ,
probabilidade
probabilidade
de
de
no
excedncia
G (x ) = P (X > x ) , o perodo de retorno T , ou a varivel reduzida y . As

escalas das ordenadas e das abcissas so feitas de tal modo, que a
funo de distribuio terica aparece representada por uma recta.
Sendo
assim,
se
os
dados
amostrais,
afectados
da
respectiva
probabilidade emprica, se ajustam recta da distribuio terica,

ento pode-se afirmar que a distribuio emprica segue a distribuio
terica
considerada.
Nesse
caso,
possvel
efectuar
extrapolaes
para valores extremos.
Suponha-se que se dispe de todas as observaes de uma varivel

aleatria. Se as
observaes ( x ) forem classificadas por ordem
crescente, a probabilidade emprica de X
tomar valores inferiores ou
iguais a um determinado xi ser:
F(x) = (P (X xi )) =
i
n
(7.3)
onde i o n. de ordem do valor na amostra. Se as n observaes ( x )

forem classificadas por ordem decrescente, a probabilidade emprica de
X tomar valores iguais ou superiores a um determinado xi ser:

G(x) = (P (X > xi )) =
i
n
(7.4)
Neste caso, o menor valor da populao teria uma probabilidade

igual a zero e o maior valor uma probabilidade igual a um. No entanto,
a afectao de probabilidade a uma amostra mais delicada, pois no
h a certeza de que ela contenha o menor e o maior valor da populao
desconhecida. Das vrias frmulas existentes para afectar cada valor
da amostra de uma probabilidade emprica, utilizar-se- a de WEIBULL,
por ser a mais generalizada,
F(x) = (P (X xi )) =
i
n + 1
(7.5)
para os n dados classificados por ordem crescente e
G(x) = (P (X > xi )) =
i
n + 1
para os n dados classificados por ordem decrescente.
(7.6)
39
7.3 Anlise Frequencial por Factores de Frequncia
anlise
frequencial
pode
ser
feita
recorrendo
tcnicas
analticas baseadas em factores de frequncia.

CHOW et al (1988) prope a seguinte frmula geral para a anlise
hidrolgica de frequncias,
xT = x + K T S
(7.7)
onde, xT , o valor do acontecimento associado a determinado perodo

de retorno, K T , o factor de frequncia que funo do perodo de
retorno,
T,
do
tipo
de
distribuio
de
probabilidade
ser
utilizada na anlise.
Se a varivel em anlise y = ln x , o mesmo mtodo pode ser
utilizado, aplicado aos logaritmos dos dados,
yT = y + K T S y
(7.8)
O factor de frequncia proposto por VEN TE CHOW aplicvel a

muitas
distribuies
de
probabilidade
utilizadas
na
anlise
hidrolgica de frequncias. Para uma determinada distribuio terica,

possvel determinar uma relao, K T , entre o factor de frequncia
e
correspondente
perodo
de
retorno,
relao
esta
que
pode
ser
expressa por tabelas ou em termos matemticos.

Para determinar o valor de xT (Equao 7.7), ento necessrio
calcular os parmetros estatsticos para a distribuio proposta e
determinar para um dado perodo de retorno, o factor de frequncia.
Seguidamente descreve-se a relao terica
K T , para vrias
distribuies de probabilidade.
O factor de frequncia pode ser expresso por,
KT =
xT
= z
(7.9)
que a mesma expresso da varivel normal reduzida Z , definida na

equao (5.5), e que se encontra tabelada (Tabela A9.2).
40
b) Distribuio Log Normal
Para a distribuio Log Normal O factor de frequncia pode ser

expresso por,
KT =
onde
yT y
(7.10)
y = ln x . Este factor de frequncia aplica-se equao (7.8)
c) Distribuio Pearson Tipo III
O factor de frequncia para esta distribuio, expresso por

meio de uma tabela em funo do coeficiente de assimetria, g, e do
perodo de retorno, T. (Tabela 9.5)
d) Distribuio Log - Pearson Tipo III
Igual
ao
caso
anterior,
no
entanto,
factor
de
frequncia
obtido pela tabela dever ser aplicado equao (7.8).
e) Distribuio de Gumbel (Extremos tipo I)
Para esta distribuio, o factor de frequncia determinado

por,
KT =
6
T

0,5772 + lnln

T 1
(7.11)
Para expressar T, em termos de K T , utiliza-se a seguinte equao,
T =
1 e
0,5772 + t
6
(7.12)
8 Exerccios de Aplicao
8.1 Ajustamento de uma distribuio emprica distribuio Normal
41
Verificar o ajustamento das precipitaes anuais ocorridas na

estao meteorolgica de Castro DAire (Quadro 2.1) distribuio
Normal.
Esta
verificao
pode
ser
feita
de
duas
maneiras:
por
posicionamento grfico dos dados ou atravs de um teste de adequao

do ajustamento.
a) Posicionamento grfico (Ver ponto 7.2)
funo
de
distribuio
da
distribuio
Normal
pode
ser
representada graficamente num papel de probabilidade Normal . Em tal

papel, as ordenadas representam os valores da varivel X e as abcissas
representam
F(x) = P (X x )
probabilidade
ou
G (x ) = P (X > x ) . As
escalas das ordenadas e das abcissas so feitas de tal modo, que a

funo de distribuio terica aparece representada por uma recta.
Assim, num papel de probabilidade normal, qualquer distribuio normal
ter
como
grfico
uma
linha
recta,
correspondendo
mdia
dessa
distribuio ao ponto 50% e um desvio padro para cada lado da mdia,

aos pontos 15.87% e 84.13%, respectivamente (ver Figura 5.2 e 5.3).
Neste caso2 a recta da distribuio normal terica desenha-se no
papel normal unindo os trs pares de pontos,
(x S;15,87%) = (1193,1;15,87%)
(x;50%) = (1672,5;50%)
(x + S;) = (2151,9;84,13%)
Esta
recta
corresponde
distribuio
Normal
terica,
se
os
valores da amostra, afectados da respectiva probabilidade emprica,

ajustarem recta, ento pode-se afirmar que a srie de precipitaes
anuais segue a distribuio Normal.
Para atribuir uma probabilidade emprica aos valores da amostra,

utiliza-se
expresso
(7.5),
que
probabilidade
de
no
excedncia, F(x), para os n valores da amostra, ordenados de forma

crescente. Quadro 8.1.
A
recta
distribuio
terica
emprica
de
da
probabilidade
precipitao
Normal
anual
esto
os
valores
da
representados
na
A mdia e o desvio padro foram determinados no Exemplo 3.1 e 3.2 e

so, respectivamente x = 1672,5mm e S = 479,4mm
42
Figura 8.1, onde se pode verificar o ajustamento recta, donde se

pode afirmar que a srie de precipitaes em estudo tem distribuio
Normal.
Quadro 8.1 Probabilidade de no excedncia, F(x), para os valores de

precipitao anual em Castro Dire.
Ano
Prec.
(xi)
Prec.ordenada
(xi)
F(x)
1916/17
2118,2
870,9
1,3
1917/18
1001,2
903,5
2,5
1918/19
2093,2
912,8
3,8
1919/20
1556,4
915,8
5,0
1920/21
1290,6
1001,2
6,3
1921/22
1785,4
1039,2
7,5
1922/23
1830,2
1055,4
8,8
1923/24
2150,2
1076,1
10,0
1924/25
1749,6
1127,1
11,3
1925/26
2221,6
1144,5
10
12,5
1926/27
2024,1
1180,0
11
13,8
1927/28
1923,7
1201,0
12
15,0
1928/29
1127,1
1239,6
13
16,3
1929/30
2630,9
1247,2
14
17,5
1930/31
1481,2
1254,0
15
18,8
1931/32
1461,0
1275,7
16
20,0
1932/33
1334,4
1290,6
17
21,3
1933/34
1301,2
1298,7
18
22,5
1934/35
1581,0
1300,3
19
23,8
1935/36
3249,6
1301,2
20
25,0
1936/37
2069,0
1334,4
21
26,3
1937/38
1254,0
1344,7
22
27,5
1938/39
1974,0
1392,9
23
28,8
1939/40
2059,6
1411,7
24
30,0
1940/41
2569,6
1422,9
25
31,3
1941/42
1520,6
1426,8
26
32,5
1942/43
1664,2
1432,0
27
33,8
1943/44
1344,7
1442,0
28
35,0
1944/45
915,8
1451,9
29
36,3
1945/46
1763,0
1461,0
30
37,5
1946/47
2079,3
1478,1
31
38,8
1947/48
1411,7
1481,2
32
40,0
1948/49
912,8
1496,4
33
41,3
1949/50
1201,0
1504,2
34
42,5
1950/51
1903,9
1520,6
35
43,8
1951/52
1625,0
1556,4
36
45,0
1952/53
1076,1
1567,9
37
46,3
1953/54
1275,7
1578,2
38
47,5
1954/55
1699,5
1581,0
39
48,8
1955/56
2150,9
1585,4
40
50,0
1956/57
1039,2
1588,2
41
51,3
Quadro
8.1
Ano
(cont.) Probabilidade de no excedncia, F(x), para os

valores de precipitao anual em Castro Dire.
i
F(x)
1957/58
Prec.
1588,2
1595,9
42
52,5
1958/59
1746,1
1603,3
43
53,8
1959/60
2563,6
1625,0
44
55,0
(xi)
Prec.ordenada
(xi)
43
1960/61
1987,4
1664,2
45
56,3
1961/62
1585,4
1689,7
46
57,5
1962/63
1832,1
1699,5
47
58,8
1963/64
2201,2
1746,1
48
60,0
1964/65
1180,0
1749,6
49
61,3
1965/66
2806,9
1763,0
50
62,5
1966/67
1595,9
1785,4
51
63,8
1967/68
1422,9
1826,1
52
65,0
1968/69
2280,0
1830,2
53
66,3
1969/70
1496,4
1832,1
54
67,5
1970/71
1567,9
1903,9
55
68,8
1971/72
1300,3
1923,7
56
70,0
1972/73
1478,1
1930,1
57
71,3
1973/74
1689,7
1974,0
58
72,5
1974/75
1239,6
1987,4
59
73,8
1975/76
903,5
2000,2
60
75,0
1976/77
2314,0
2024,1
61
76,3
1977/78
2124,2
2059,6
62
77,5
1978/79
2599,1
2069,0
63
78,8
1979/80
1451,9
2079,3
64
80,0
1980/81
1144,5
2093,2
65
81,3
1981/82
1504,2
2118,2
66
82,5
1982/83
1426,8
2124,2
67
83,8
1983/84
1603,3
2150,2
68
85,0
1984/85
2000,2
2150,9
69
86,3
1985/86
1578,2
2201,2
70
87,5
1986/87
1392,9
2221,6
71
88,8
1987/88
1930,1
2280,0
72
90,0
1988/89
870,9
2314,0
73
91,3
1989/90
1432,0
2563,6
74
92,5
1990/91
1442,0
2569,6
75
93,8
1991/92
1055,4
2599,1
76
95,0
1992/93
1247,2
2630,9
77
96,3
1993/94
1826,1
2806,9
78
97,5
1994/95
1298,7
3249,6
79
98,8
b) Teste do Qui-Quadrado, 2 (Ver ponto 6.1)

Para melhor ajuizar da qualidade do ajustamento da distribuio
normal distribuio emprica de precipitaes anuais, utiliza-se o
teste de hiptese do 2 .
As hipteses a testar so,
Figura 8.1. Distribuio das Precipitaes anuais
44
H 0 : A funo de distribuio normal

H 1 : A funo de distribuio no normal
O nmero de classes, m, para esta amostra 7 (determinado no Exemplo
2.1)
Uma
vez
que
necessrio
trabalhar
com
as
tabelas
para
distribuio Normal, utilizar-se- a varivel reduzida z.

Como as classes devem ser equiprovveis vem para a probabilidade
de cada classe,
F(z) =
1
= 0,1428
7
F(z4)=4/7
F(z3)=3/7
F(z5)=5/7
F(z2)=2/7
F(z6)=6/7
F(z1)=1/7
F(z7)=1
z1
z2
z3
z4
z5
Z6
Os zi sero calculados, a partir dos valores F(zi) conhecidos,

por consulta da tabela 9.2. A partir de zi determina-se facilmente os
x = 1672,5mm e S = 479,4mm .
intervalos das classes, xi, sabendo que

Como se mostra no Quadro 8.2.
Quadro 8.2 Clculo dos intervalos e limites das classes

zi
F(zi)
zi
xi = zi S + x
z1
1/7 = 0,1429
-1,0674
1160,8
z2
2/7 = 0,2857
-0,5659
1401,2
z3
3/7 = 0,4286
-0,18
1586,2
z4
4/7 = 0,5714
0,18
1758,8
z5
5/7 = 0,7143
0,5659
1943,8
z6
6/7 = 0,8571
1,0674
2184,2
45
Com estes elementos pode-se construir o Quadro 8.3 e calcular o
c2 =
j=1
(O j
Ej
Ej
)2
(Equao 6.1).
Quadro 8.3 Teste do Qui-quadrado

Lim. de Classe
N
de
elementos
esperados
em
cada
classe
(Ej)
N
de
elementos
observados
em
cada
classe
(Oj)
11,2857
11,2857
11,2857
11,2857
11,2857
11,2857
11,2857
79
10
13
17
9
8
12
10
79
<=1160,8
1160,8 - 1401,2
1401,2 - 1586,2
1586,2 - 1758,8
1758,8 - 1943,8
1943,8 - 2184,2
>2184,2
TOTAL
(Oj
Ej
Ej
0,1465
0,2604
2,8933
0,4629
0,9566
0,0452
0,1465
4,9114
Da tabela 9.3 vem, para = 0,05 e = m p 1 = 7 2 1 = 4 graus

de liberdade,
02,95;4 = 9,49
Como c2 = 4,9114 < 02,95;4 = 9,49 pode-se dizer que a hiptese de
normalidade no rejeitada, o que vem confirmar a anlise grfica
feita na alnea anterior.
8.2 Ajustamento de uma distribuio emprica distribuio de Gumbel
Verificar o ajustamento das precipitaes dirias mximas anuais

ocorridas na estao meteorolgica de Castro DAire (Quadro 8.4)
distribuio de Gumbel.
A verificao do ajustamento ir ser realizada de duas formas: por

posicionamento grfico dos dados ou atravs de um teste de adequao
do ajustamento.
a) Posicionamento grfico (Ver ponto 7.2)
Tal como a distribuio Normal, tambm a distribuio de Gumbel

pode
ser
representada
por
uma
recta
quando
desenhada
no
papel
de
Gumbel. Neste papel, as ordenadas representam os valores da varivel X
46
e as abcissas representam a probabilidade F(x) = P (X x ) e a varivel
y =
reduzida
trs
x u
. Para traado da recta basta unir, por exemplo,
(xi, y i )
pontos
escolhidos,
xi = u + y i . Para tal
com
necessrio determinar os parmetros

determinados
em
funo
da
mdia
e u , que como j se viu so

do
desvio
padro
da
amostra
dirias
mximas
(Equaes A5.23 e A5.24).

A
mdia
desvio
padro
das
precipitaes
anuais em Castro DAire , so respectivamente x = 89,6mm e S = 24,9mm

,
donde
os
parmetros
6 24,9
so,
= 19,4
u = 89,6 0,5772 19,4 = 78,4 .

Para traado da recta terica, basta atribuir valores a y, obter
os correspondentes valores de x e marcar estes pares de valores no
papel de Gumbel. Por exemplo,
yi
xi = u + y i
-1
59,0
78,4
97,8
Com os pares
(59,0;1) , (78,4;0)
(97,8;1)
desenha-se a recta da Figura
8.2.
Para atribuir uma probabilidade emprica aos valores da amostra,

utiliza-se
expresso
(7.5),
que
probabilidade
de
no
excedncia, F(x), para os n valores da amostra, ordenados de forma

crescente. Estes valores, apresentados no Quadro 8.4, foram marcados
no papel de Gumbel (Fig. 8.2), onde se pode verificar o ajustamento
recta terica, donde se pode afirmar que a srie de precipitaes em
estudo segue a distribuio de Gumbel.
Quadro 8.4 Precipitao diria mxima anual (mm) em Castro DAire e

Probabilidade de no excedncia, F(x).
i
F(x)
1916/17
Ano
Prec.
199,4
49,6
1,3
1917/18
49,6
52,6
2,5
1918/19
120,4
53,3
3,8
1919/20
105,0
53,4
5,0
1920/21
73,6
54,3
6,3
1921/22
72,4
59,1
7,5
(xi)
Prec.ordenada
(xi)
47
Quadro 8.4 (Cont.) Precipitao diria mxima anual (mm) em Castro

DAire e Probabilidade de no excedncia, F(x)
Ano
Prec.
(xi)
Prec.ordenada
(xi)
F(x)
1922/23
99,6
62,3
8,8
1923/24
79,8
64,6
10,0
1924/25
98,6
65,6
11,3
1925/26
102,0
66,5
10
12,5
1926/27
82,0
67,3
11
13,8
1927/28
99,3
67,4
12
15,0
1928/29
52,6
69,7
13
16,3
1929/30
101,2
71,0
14
17,5
1930/31
98,2
71,2
15
18,8
1931/32
77,8
72,2
16
20,0
1932/33
53,4
72,4
17
21,3
1933/34
65,6
72,4
18
22,5
1934/35
100,8
72,6
19
23,8
1935/36
105,8
73,6
20
25,0
1936/37
101,6
73,6
21
26,3
1937/38
82,6
73,8
22
27,5
1938/39
161,4
74,5
23
28,8
1939/40
72,4
74,9
24
30,0
1940/41
130,8
75,1
25
31,3
1941/42
84,9
75,2
26
32,5
1942/43
111,2
75,8
27
33,8
1943/44
124,0
77,4
28
35,0
1944/45
83,4
77,8
29
36,3
1945/46
73,6
78,4
30
37,5
1946/47
78,4
78,8
31
38,8
1947/48
99,6
79,1
32
40,0
1948/49
64,6
79,8
33
41,3
1949/50
80,4
80,4
34
42,5
1950/51
78,8
82,0
35
43,8
1951/52
99,0
82,6
36
45,0
1952/53
90,6
83,4
37
46,3
1953/54
93,0
83,6
38
47,5
1954/55
71,0
83,7
39
48,8
1955/56
121,2
84,4
40
50,0
1956/57
54,3
84,9
41
51,3
1957/58
104,4
84,9
42
52,5
1958/59
88,6
86,6
43
53,8
1959/60
84,9
88,5
44
55,0
1960/61
86,6
88,6
45
56,3
1961/62
59,1
90,2
46
57,5
1962/63
72,6
90,6
47
58,8
1963/64
118,8
91,1
48
60,0
1964/65
90,2
92,5
49
61,3
1965/66
111,0
93,0
50
62,5
1966/67
140,6
93,1
51
63,8
1967/68
83,7
96,8
52
65,0
1968/69
67,4
98,2
53
66,3
1969/70
84,4
98,6
54
67,5
1970/71
66,5
99,0
55
68,8
1971/72
69,7
99,3
56
70,0
1972/73
96,8
99,6
57
71,3
48
Quadro 8.4 (Cont.) Precipitao diria mxima anual (mm) em Castro

DAire e Probabilidade de no excedncia, F(x)
Ano
Prec.
(xi)
Prec.ordenada
(xi)
F(x)
1973/74
74,9
99,6
58
72,5
1974/75
91,1
100,8
59
73,8
1975/76
73,8
101,2
60
75,0
1976/77
83,6
101,6
61
76,3
1977/78
125,5
102,0
62
77,5
1978/79
119,3
104,4
63
78,8
1979/80
75,8
105,0
64
80,0
1980/81
79,1
105,8
65
81,3
1981/82
92,5
111,0
66
82,5
1982/83
93,1
111,2
67
83,8
1983/84
77,4
113,4
68
85,0
1984/85
88,5
117,5
69
86,3
1985/86
74,5
118,8
70
87,5
1986/87
72,2
119,3
71
88,8
1987/88
117,5
120,4
72
90,0
1988/89
75,1
121,2
73
91,3
1989/90
71,2
124,0
74
92,5
1990/91
62,3
125,5
75
93,8
1991/92
67,3
130,8
76
95,0
1992/93
75,2
140,6
77
96,3
1993/94
113,4
161,4
78
97,5
1994/95
53,3
199,4
79
98,8
x
S
=
=
=
=
89,6
89,6
24,9
24,9
19,4
19,4
78,4
78,4
b) Teste de Kolmogorov - Smirnov (Ver ponto 6.1)

Para melhor ajuizar da qualidade do ajustamento da distribuio
de Gumbel distribuio emprica de precipitaes mximas anuais,
utilizar-se-
teste
de
Kolmogorov
Smirnov,
seguindo os
passos
descritos na alnea b) do ponto 6.1:
Admite-se
F(x) = e
que
x u
= e
Funo
x 78,4

e 19,4
2 Considera-se que F0(x) =
de
distribuio
de
Gumbel,
a hiptese nula, H 0 ;
i
i
=
a funo de distribuio para os
n
79
valores da amostra;
3 Calcula-se a estatstica D = max F (x ) F0 (x ) ;
4 Rejeita-se H 0 , se para um nvel de significncia = 0,05 , o valor
de D for maior ou igual ao valor D tabelado (Tabela 9.4).
Figura 8.2. Distribuio das Precipitaes dirias mximas anuais
49
50
No Quadro 8.5 mostram-se os passos necessrios para efectuar

este teste, j explicado no ponto 6.1.
Pela anlise do Quadro 8.5, pode-se concluir que a hiptese nula

no rejeitada, uma vez que o max F (x ) F0 (x ) = 0,0545 inferior ao
indicado
na
tabela
9.4
1,36
= 0.1125 , o que vem confirmar a

79
anlise grfica feita na alnea anterior.
Quadro
8.5
Teste de Kolmogorov - Smirnov para ajustamento das

precipitaes dirias mximas anuais (mm) distribuio
de Gumbel.
x 78,4
( yi )
i
F (x ) F0 (x )
yi = i
F0(x) =
F(x) = e e
19,4
79
xi
ordenada
49,6
-1,48
0,013
0,012
0,0005
52,6
-1,33
0,025
0,023
0,0024
53,3
-1,29
0,038
0,026
0,0118
53,4
-1,29
0,051
0,027
0,0239
54,3
-1,24
0,063
0,031
0,0318
59,1
-0,99
0,076
0,067
0,0088
62,3
-0,83
0,089
0,101
0,0127
64,6
-0,71
0,101
0,131
0,0296
65,6
-0,66
0,114
0,145
0,0310
10
66,5
-0,61
0,127
0,158
0,0316
11
67,3
-0,57
0,139
0,170
0,0312
12
67,4
-0,57
0,152
0,172
0,0201
13
69,7
-0,45
0,165
0,209
0,0448
14
71,0
-0,38
0,177
0,232
0,0545
15
71,2
-0,37
0,190
0,235
0,0453
16
72,2
-0,32
0,203
0,253
0,0504
17
72,4
-0,31
0,215
0,257
0,0414
18
72,4
-0,31
0,228
0,257
0,0287
19
72,6
-0,30
0,241
0,260
0,0196
20
73,6
-0,25
0,253
0,278
0,0252
21
73,6
-0,25
0,266
0,278
0,0125
22
73,8
-0,24
0,278
0,282
0,0036
23
74,5
-0,20
0,291
0,295
0,0038
24
74,9
-0,18
0,304
0,302
0,0014
25
75,1
-0,17
0,316
0,306
0,0103
26
75,2
-0,16
0,329
0,308
0,0211
27
75,8
-0,13
0,342
0,319
0,0225
28
77,4
-0,05
0,354
0,349
0,0050
29
77,8
-0,03
0,367
0,357
0,0100
30
78,4
0,00
0,380
0,368
0,0113
31
78,8
0,02
0,392
0,376
0,0164
32
79,1
0,04
0,405
0,382
0,0234
33
79,8
0,07
0,418
0,395
0,0228
51
Quadro 8.5 (Cont.) Teste de Kolmogorov - Smirnov para ajustamento das

precipitaes
dirias
mximas
anuais
(mm)
distribuio de Gumbel.
i
xi
x 78,4
( yi )
i
F (x ) F0 (x )
yi = i
F0(x) =
ordenada
F(x) = e e
19,4
79
34
80,4
0,10
0,430
0,406
0,0241
35
82,0
0,19
0,443
0,436
0,0067
36
82,6
0,22
0,456
0,447
0,0082
37
83,4
0,26
0,468
0,462
0,0061
38
83,6
0,27
0,481
0,466
0,0151
39
83,7
0,27
0,494
0,468
0,0259
40
84,4
0,31
0,506
0,481
0,0258
41
84,9
0,34
0,519
0,490
0,0294
42
84,9
0,34
0,532
0,490
0,0421
43
86,6
0,42
0,544
0,520
0,0245
44
88,5
0,52
0,557
0,553
0,0044
45
88,6
0,53
0,570
0,554
0,0154
46
90,2
0,61
0,582
0,581
0,0015
47
90,6
0,63
0,595
0,587
0,0077
48
91,1
0,66
0,608
0,595
0,0124
49
92,5
0,73
0,620
0,617
0,0031
50
93,0
0,75
0,633
0,625
0,0082
51
93,1
0,76
0,646
0,626
0,0193
52
96,8
0,95
0,658
0,679
0,0211
53
98,2
1,02
0,671
0,698
0,0269
54
98,6
1,04
0,684
0,703
0,0194
55
99,0
1,06
0,696
0,708
0,0118
56
99,3
1,08
0,709
0,712
0,0029
57
99,6
1,09
0,722
0,716
0,0060
58
99,6
1,09
0,734
0,716
0,0186
59
100,8
1,16
0,747
0,730
0,0168
60
101,2
1,18
0,759
0,735
0,0247
61
101,6
1,20
0,772
0,739
0,0328
62
102,0
1,22
0,785
0,744
0,0409
63
104,4
1,34
0,797
0,770
0,0275
64
105,0
1,37
0,810
0,776
0,0340
65
105,8
1,41
0,823
0,784
0,0386
66
111,0
1,68
0,835
0,830
0,0051
67
111,2
1,69
0,848
0,832
0,0162
68
113,4
1,81
0,861
0,848
0,0123
69
117,5
2,02
0,873
0,875
0,0020
70
118,8
2,08
0,886
0,883
0,0030
71
119,3
2,11
0,899
0,886
0,0129
72
120,4
2,17
0,911
0,892
0,0196
73
121,2
2,21
0,924
0,896
0,0281
74
124,0
2,35
0,937
0,909
0,0275
75
125,5
2,43
0,949
0,916
0,0337
76
130,8
2,70
0,962
0,935
0,0268
77
140,6
3,21
0,975
0,960
0,0143
78
161,4
4,28
0,987
0,986
0,0011
79
199,4
6,24
1,000
0,998
0,0019
52
8.3 Anlise Frequencial
Relativamente
8.3.1
precipitaes
anuais
em
Castro
DAire
(Exerccio 8.1), determinar: a precipitao associada a um perodo de

retorno
de
100
anos;
perodo
de
retorno
do
maior
valor
de
precipitao.
Depois de se ter verificado (Exerccio 8.1) que as precipitaes
anuais
em
Castro
DAire
seguem
distribuio
Normal
possvel
efectuar a anlise frequencial pretendida. Para esta a anlise pode-se

recorrer
ao
distribuio
posicionamento
cumulativa
grfico
de
dos
dados
probabilidade
ou
na
forma
utilizar
de
uma
tcnicas
analticas baseadas em factores de frequncia.
a) Anlise Frequencial por Posicionamento grfico
Utilizando a Equao (7.1) possvel determinar a probabilidade

de no excedncia correspondente a um perodo de retorno igual a 100
anos,
T =
Com
1
1
1
F(x) = 1
= 1
= 0,99 = 99%
1 F (x )
T
100
este
valor
possvel
tirar
da
recta
terica
Normal,
correspondente valor de X. Para F(x) = 99% vem que x 2770mm
(Ver
Figura A8.1). Isto a precipitao associada a um T = 100 anos,

2770 mm.
maior
valor
de
precipitao
anual
em
Castro
DAire
x = 3249,6mm (Ver Quadro A8.1). Com este valor pode-se ler na recta
terica o correspondente valor de F(x). Pela leitura da Figura A8.1.
vem, para x = 3249,6mm um valor de F(x) 99,95% .
Donde, o perodo de retorno de um valor de precipitao 3249,6mm ,
T =
1
1
=
= 2000 anos.
1 F (x )
1 0,9995
b) Anlise Frequencial por Factores de Frequncia
Sabendo que o factor de frequncia,
K T , para a distribuio
Normal, igual varivel reduzida z, (Equao 7.9), a Equao (7.7)

transforma-se em,
xT = x + zS
(7.13)
53
que para a distribuio em estudo ,
xT = 1672,5 + z 479,4
(7.14)
Um perodo de retorno igual a 100 anos corresponde a uma probabilidade

de
no
excedncia
de
99%.
Consultando
tabela
9.2,
vem
para
F(z) = 0,99 um valor de z = 2,33 , donde da equao (7.14) vem que a

precipitao associada a um T = 100 anos ,
xT = 1672,5 + 2,33 479,4 = 2789,5mm

O maior valor de precipitao anual em Castro DAire x = 3249,6mm .
Resolvendo a equao (A7.14) em ordem a z, vem,
3249,6 = 1672,5 + z 479,4 z =
Pela Tabela A9.2, para
3249,6 1672,5
= 3,29
479,4
z = 3,29
vem
F(z) = 0,9995 , e o perodo de
retorno do valor 3249,6 mm ,
T =
1
1
=
= 2000 anos.
1 F (x )
1 0,9995
8.3.2 Relativamente s precipitaes dirias mximas anuais em Castro

DAire
(Exerccio
8.2),
determinar:
precipitao
dirias
mxima
associada a um perodo de retorno de 100 anos; o perodo de retorno do

maior valor de precipitao.
Depois de se ter verificado (Exerccio 8.2) que as precipitaes

dirias
mximas
anuais
em
Castro
DAire
seguem
distribuio
de
Gumbel possvel efectuar a anlise frequencial pretendida.
a) Anlise Frequencial por Posicionamento grfico
Pela recta terica da distribuio de Gumbel (Figura 8.2), vem

para
100
anos,
aproximadamente 170 mm.
uma
precipitao
diria
mxima
anual
de
54
maior
valor
de
precipitao
diria
mxima
anual
em
Castro
DAire x = 199,4mm (Ver Quadro 8.4). Com este valor pode-se ler na
recta terica o correspondente valor de T. Pela leitura da Figura
A8.2. vem, para x = 199,4 mm um valor de T 450
anos.
b) Anlise Frequencial por Factores de Frequncia
Para esta distribuio, a equao (7.7) ,
xT = 89,6 + K t 24,9
(7.15)
Sabendo que o factor de frequncia, K T , para a distribuio de

Gumbel, dado pela Equao (A7.11), vem para um perodo de retorno de
100 anos,
KT =
6
100
= 3,137
0,5772 + ln ln

100 1
Por (7.15) vem uma precipitao diria mxima anual de,
xT = 89,6 + 3,137 24,9 = 167,7mm

O maior valor de precipitao diria mxima anual ,
x = 199,4mm ,
resolvendo a Equao (7.15), em ordem a K T vem,
199,4 = 89,6 + K t 24,9 K t =
199,4 89,6
= 4,410
24,9
Para determinar o perodo de retorno do, maior valor de precipitao

diria mxima anual, basta resolver a Equao (7.12)
T =
1 e
0,5772 + t
6
=
1 e
4,410
0,5772 +
= 510 anos.

Probabilidade e Estatística Aplicada à Hidrologia

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Probabilidade e Estatística Aplicada à Hidrologia

Uploaded by

Copyright:

Available Formats

UNIVERSIDADE DE VORA

DEPARTAMENTO DE ENGENHARIA RURAL

Rita Cabral Guimares

Estatstica e Probabilidade Aplicada Hidrologia

ESTATSTICA E PROBABILIDADE APLICADA HIDROLOGIA

planeamento e gesto de qualquer sistema hidrolgico, uma vez que para

hidrolgicos so processos estocsticos, isto , processos governados

estocsticos podem ser tratados recorrendo s leis de probabilidade e

antecedncia qual probabilidade de ocorrer um determinado valor de

finito ou infinito o nmero dos seus elementos. No entanto, e porque a

populao entra-se no domnio da inferncia estatstica.

Rita Cabral Guimares

Estatstica e Probabilidade Aplicada Hidrologia

conjunto de dados x1, x 2,..., x n .

Para resumir grandes quantidades de dados usual distribui-los

denomina-se frequncia absoluta da classe. A razo entre a frequncia

distribuio emprica e distribuio dos dados em classes com as

frequncias relativas ou distribuio das percentagens. (ver Quadro

Geralmente, o nmero de classes, m, dever ser entre 5 e 20, no

frmula sugerida por STURGES:

m = 1 + log2 n = 1 + 3,32193 log10 n

Determinado o nmero de classes e uma vez conhecida a amplitude

Considerem-se as precipitaes anuais registadas na estao de

I = 3249,6 870,9 = 2378,7 mm,

Rita Cabral Guimares

Estatstica e Probabilidade Aplicada Hidrologia

m = 1 + 3,32193 log10 79 = 7 classes,

Isto , a 1 classe ter como limite inferior o valor 870,9 mm e como

qualquer dificuldade, considerando que um determinado valor x pertence

absolutas e relativas de cada classe so apresentadas no Quadro A2.2.

Quadro 2.1. Precipitao anual (mm) em Castro DAire

Rita Cabral Guimares

Estatstica e Probabilidade Aplicada Hidrologia

Quadro 2.1. (Cont.)

Precipitao anual (mm) em Castro DAire

Rita Cabral Guimares

Estatstica e Probabilidade Aplicada Hidrologia

Quadro 2.2. Distribuio de frequncias e distribuio de frequncias

fornece uma viso global da distribuio. Esta representao grfica

Histograma da distribuio de precipitaes

Precipitao anual (mm)

Rita Cabral Guimares

Estatstica e Probabilidade Aplicada Hidrologia

3. Localizao, Disperso e assimetria

populao parmetros - das grandezas calculadas com base na amostra

onde m nmero de classes , j

representa a frequncia absoluta de

relativa de cada classe. A esta ltima expresso d-se o nome de mdia

Rita Cabral Guimares

Estatstica e Probabilidade Aplicada Hidrologia

Assim, a mediana, M, pode definir-se por duas expresses:

Se a amostra tem nmero impar de dados, n = 2k + 1 , e a mediana

Se a amostra tem nmero par de dados, n = 2k , e a mediana vem,

A moda de uma amostra x1, x 2,..., x n , define-se como o valor mais

caudais, etc) pouco provvel que haja valores exactamente iguais. No

Exemplo 3.1 Clculo da mdia, mediana e moda

Utilizando a equao (3.1) vem,

2118,2 + ... + 1298,7

A mdia ponderada determina-se utilizando a equao (A3.2),

Rita Cabral Guimares

Estatstica e Probabilidade Aplicada Hidrologia

Mod = x 3(x M ) = 1672,5 3(1672,5 1585,4) = 1411,2mm .