ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANA
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista Brasileira de Climatologia (Online) |
Texto Completo: | https://revistas.ufpr.br/revistaabclima/article/view/73763 |
Resumo: | O presente estudo teve como objetivo modelar via abordagem Bayesiana a temperatura máxima mensal de Piracicaba em São Paulo-Brasil, utilizando funções lineares e não-lineares para incorporar a tendência no parâmetro de posição da distribuição generalizada de valores extremos (GEV). Foram analisadas distribuições a priori informativas e não informativas e para a obtenção das distribuições marginais a posteriori foi utilizado o método Monte Carlo via cadeias de Markov. Analisando o fator de Bayes e critérios de seleção, verificou-se que nos meses janeiro a março e agosto e setembro, a melhor distribuição foi a GEV estacionária. Nos meses de abril a junho e outubro, a melhor distribuição foi a GEV não estacionária com tendência linear e com tendência não-linear para os meses julho, novembro e dezembro. Em quatro dos meses a priori informativa propiciou resultados mais precisos. As temperaturas máximas esperadas para diferentes tempos de retorno foram preditas. |
id |
ABCLIMA-1_d3e967b6ea7c5da3a16cd8d9c4618212 |
---|---|
oai_identifier_str |
oai:revistas.ufpr.br:article/73763 |
network_acronym_str |
ABCLIMA-1 |
network_name_str |
Revista Brasileira de Climatologia (Online) |
repository_id_str |
|
spelling |
ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANATendência; nível de retorno; intervalo de credibilidade; distribuição GEV; prioris.O presente estudo teve como objetivo modelar via abordagem Bayesiana a temperatura máxima mensal de Piracicaba em São Paulo-Brasil, utilizando funções lineares e não-lineares para incorporar a tendência no parâmetro de posição da distribuição generalizada de valores extremos (GEV). Foram analisadas distribuições a priori informativas e não informativas e para a obtenção das distribuições marginais a posteriori foi utilizado o método Monte Carlo via cadeias de Markov. Analisando o fator de Bayes e critérios de seleção, verificou-se que nos meses janeiro a março e agosto e setembro, a melhor distribuição foi a GEV estacionária. Nos meses de abril a junho e outubro, a melhor distribuição foi a GEV não estacionária com tendência linear e com tendência não-linear para os meses julho, novembro e dezembro. Em quatro dos meses a priori informativa propiciou resultados mais precisos. As temperaturas máximas esperadas para diferentes tempos de retorno foram preditas.Universidade Federal do ParanáCAPESUniversidade Federal de Alfenas.Aguirre, Alberto Frank LázaroNogueira, Denismar AlvesBeijo, Luiz Alberto2020-09-21info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufpr.br/revistaabclima/article/view/7376310.5380/abclima.v27i0.73763Revista Brasileira de Climatologia; v. 27 (2020)2237-86421980-055X10.5380/abclima.v27i0reponame:Revista Brasileira de Climatologia (Online)instname:ABClimainstacron:ABCLIMAporhttps://revistas.ufpr.br/revistaabclima/article/view/73763/41616Direitos autorais 2020 Alberto Frank Lázaro Aguirreinfo:eu-repo/semantics/openAccess2020-09-21T11:52:21Zoai:revistas.ufpr.br:article/73763Revistahttps://revistas.ufpr.br/revistaabclima/indexPUBhttps://revistas.ufpr.br/revistaabclima/oaiegalvani@usp.br || rbclima2014@gmail.com2237-86421980-055Xopendoar:2020-09-21T11:52:21Revista Brasileira de Climatologia (Online) - ABClimafalse |
dc.title.none.fl_str_mv |
ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANA |
title |
ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANA |
spellingShingle |
ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANA Aguirre, Alberto Frank Lázaro Tendência; nível de retorno; intervalo de credibilidade; distribuição GEV; prioris. |
title_short |
ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANA |
title_full |
ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANA |
title_fullStr |
ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANA |
title_full_unstemmed |
ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANA |
title_sort |
ANÁLISE DA TEMPERATURA MÁXIMA DE PIRACICABA (SP) VIA DISTRIBUIÇÃO GEV NÃO ESTACIONÁRIA: UMA ABORDAGEM BAYESIANA |
author |
Aguirre, Alberto Frank Lázaro |
author_facet |
Aguirre, Alberto Frank Lázaro Nogueira, Denismar Alves Beijo, Luiz Alberto |
author_role |
author |
author2 |
Nogueira, Denismar Alves Beijo, Luiz Alberto |
author2_role |
author author |
dc.contributor.none.fl_str_mv |
CAPES Universidade Federal de Alfenas. |
dc.contributor.author.fl_str_mv |
Aguirre, Alberto Frank Lázaro Nogueira, Denismar Alves Beijo, Luiz Alberto |
dc.subject.por.fl_str_mv |
Tendência; nível de retorno; intervalo de credibilidade; distribuição GEV; prioris. |
topic |
Tendência; nível de retorno; intervalo de credibilidade; distribuição GEV; prioris. |
description |
O presente estudo teve como objetivo modelar via abordagem Bayesiana a temperatura máxima mensal de Piracicaba em São Paulo-Brasil, utilizando funções lineares e não-lineares para incorporar a tendência no parâmetro de posição da distribuição generalizada de valores extremos (GEV). Foram analisadas distribuições a priori informativas e não informativas e para a obtenção das distribuições marginais a posteriori foi utilizado o método Monte Carlo via cadeias de Markov. Analisando o fator de Bayes e critérios de seleção, verificou-se que nos meses janeiro a março e agosto e setembro, a melhor distribuição foi a GEV estacionária. Nos meses de abril a junho e outubro, a melhor distribuição foi a GEV não estacionária com tendência linear e com tendência não-linear para os meses julho, novembro e dezembro. Em quatro dos meses a priori informativa propiciou resultados mais precisos. As temperaturas máximas esperadas para diferentes tempos de retorno foram preditas. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-09-21 |
dc.type.none.fl_str_mv |
|
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://revistas.ufpr.br/revistaabclima/article/view/73763 10.5380/abclima.v27i0.73763 |
url |
https://revistas.ufpr.br/revistaabclima/article/view/73763 |
identifier_str_mv |
10.5380/abclima.v27i0.73763 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://revistas.ufpr.br/revistaabclima/article/view/73763/41616 |
dc.rights.driver.fl_str_mv |
Direitos autorais 2020 Alberto Frank Lázaro Aguirre info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Direitos autorais 2020 Alberto Frank Lázaro Aguirre |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Universidade Federal do Paraná |
publisher.none.fl_str_mv |
Universidade Federal do Paraná |
dc.source.none.fl_str_mv |
Revista Brasileira de Climatologia; v. 27 (2020) 2237-8642 1980-055X 10.5380/abclima.v27i0 reponame:Revista Brasileira de Climatologia (Online) instname:ABClima instacron:ABCLIMA |
instname_str |
ABClima |
instacron_str |
ABCLIMA |
institution |
ABCLIMA |
reponame_str |
Revista Brasileira de Climatologia (Online) |
collection |
Revista Brasileira de Climatologia (Online) |
repository.name.fl_str_mv |
Revista Brasileira de Climatologia (Online) - ABClima |
repository.mail.fl_str_mv |
egalvani@usp.br || rbclima2014@gmail.com |
_version_ |
1754839542460841984 |