Modelagem estocástica usando a distribuição generalizada de valores extremos e momentos LH: uma abordagem via software livre R
REMAT: Revista Eletrônica da Matemática
Modelagem estocástica usando a distribuição generalizada de valores extremos e momentos LH: uma abordagem via software livre R
Autor Correspondente: Wagner Alessandro Pansera | [email protected]
Palavras-chave: GEV; valores extremos; software livre R; modelagem estocástica
Resumos Cadastrados
Resumo Português:
A distribuição de probabilidade generalizada de valores extremos (GEV) é utilizada na modelagem de extremos naturais, tais como: chuvas intensas, vazões máximas, velocidade do vento e temperatura. Uma questão importante na utilização da GEV é a escolha da metodologia de estimativa de parâmetros. As metodologias comumente utilizadas são a máxima verossimilhança e os momentos convencionais. Contudo, estudos apontam que tais metodologias nem sempre produzem estimativas confiáveis dos parâmetros da GEV. Nesse sentido, é interessante a utilização dos momentos LH, pois caracterizam melhor o caudal superior da distribuição devido ênfase dada aos maiores valores observados. Porém, não existem rotinas computacionais desenvolvidas para utilização da GEV com momentos LH em software livre. Dessa forma, esta pesquisa teve por objetivo desenvolver uma rotina computacional no software livre R para modelagem estocástica por meio da GEV, utilizando momentos LH para estimar seus parâmetros e verificar a qualidade do ajuste. Foram utilizados dados de vazões máximas diárias anuais disponíveis na literatura para demonstrar a aplicabilidade da rotina computacional. Esta pesquisa contribui para disseminar o uso dos momentos LH e facilitar modelagem estocástica de eventos ambientais extremos.
Resumo Inglês:
Generalized Extreme Value (GEV) distribution is used to modeling extreme natural events, such as rainfall, floods, wind speed and temperature. An important issue for GEV use is the choice of parameter estimation methodology. The commonly used methodologies are maximum likelihood and conventional moments. However, studies indicate that such methodologies do not always produce a reliable estimate of GEV parameters. In this sense, it is interesting to use LH moments, as they better characterize the upper tail of the distribution due to the emphasis given to the highest observed values. Nevertheless, there are no computational routines developed for GEV use combined with LH moments in free software. Therefore, this research aimed at developing a computational routine in free software R for stochastic modeling through GEV, using LH moments to estimate its parameters and verify goodness-of-fit. Maximum annual flow data available in the literature was used to demonstrate the applicability of the computational routine. This research contributes to disseminate the use of LH moments and facilitate stochastic modeling of extreme environmental events.
