Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas

Detalhes bibliográficos
Autor(a) principal: Cavalcante, Matheus Ferreira Marques
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: https://bdm.unb.br/handle/10483/24475
Resumo: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018.
id UNB-2_4b0834c06d7d16ca2fd4a33d7c55232b
oai_identifier_str oai:bdm.unb.br:10483/24475
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Cavalcante, Matheus Ferreira MarquesMoreira, LucasCAVALCANTE, Matheus Ferreira Marques. Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas. 2018. viii, 33 f., il. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2018.https://bdm.unb.br/handle/10483/24475Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018.Neste trabalho modelamos dados pluviométricos no Distrito Federal por meio de Cadeias de Ordem Variável Estocasticamente perturbadas. Inicialmente, estudamos o estimador utilizado neste trabalho, por meio de simulações onde constatamos a eficiência do estimador. Consideramos um alfabeto de tamanho três para os modelos de ordem variável e, para verificar o comportamento do estimador em amostras contaminadas, utilizamos três árvores conhecidas. Para a contaminação da amostra, consideramos dois modelos de pertubação. No primeiro modelo consideramos uma cadeia com alfabeto de tamanho três em que, a cada instante de tempo, um dos símbolos pode ser modicado com uma probabilidade pequena e ?xada. No segundo modelo o processo perturbado assume aleatoriamente o valor da cadeia original ou uma função que depende deste valor, com probabilidade pequena e fixada. Os modelos de contaminaçãoo foram comparados através das simulações de amostras perturbadas de processos conhecidos. Pela simplicidade do primeiro modelo de contaminação foi possível recuperar a árvore de contextos do processo original mesmo com alta probabilidade de contaminação. Enquanto o outro modelo, recuperamos a árvore de contextos do processo original apenas quando a probabilidade de perturbação era suficientemente pequena. Em seguida, estudamos o comportamento de chuvas do Distrito Federal, propomos modelos pluviométricos para prever a possibilidade do próximo dia ser sem chuva, chuva moderada ou chuva forte, dado as informações de pluviosidade dos dias anteriores.Submitted by Jaedna Lins (jaednalins@bce.unb.br) on 2020-06-10T02:09:07Z No. of bitstreams: 1 2018_MatheusFerreiraMarquesCavalcante_tcc.pdf: 400902 bytes, checksum: a10f9f1ce2b965c305174b851d1492eb (MD5)Approved for entry into archive by Biblioteca Digital de Monografias Gerência (bdm@bce.unb.br) on 2020-07-21T19:41:48Z (GMT) No. of bitstreams: 1 2018_MatheusFerreiraMarquesCavalcante_tcc.pdf: 400902 bytes, checksum: a10f9f1ce2b965c305174b851d1492eb (MD5)Made available in DSpace on 2020-07-21T19:41:48Z (GMT). No. of bitstreams: 1 2018_MatheusFerreiraMarquesCavalcante_tcc.pdf: 400902 bytes, checksum: a10f9f1ce2b965c305174b851d1492eb (MD5)In this work we model the pluviosity data in Distrito Federal through Stochastically Disturbed Variable Order Chains. Initially, we studied the estimator used in this work, by simulations where we veri ed the e ciency of the estimator. An alphabet of size three was considered for this work and to verify the behavior of the estimator in contaminated samples, we used three previously known trees. For sample contamination, we considered two perturbation models. In the rst model, the value at any instant, can be modi ed with a small and xed probability. In the second case, the disturbed process randomly assumes the value of the original chain or a function that depends on this value, with a small and xed probability. The contamination models were compared by simulations of disturbed samples from known processes. Due to the simplicity of the rst contamination model, it was possible to recover a tree of contexts from the original process even with high probability of contamination. While the other model, it retrieved the tree of contexts correctly when it had small values of disturbance. Next, we study the behavior of the rainfalls of the Distrito Federak, and propose pluviometric models to predict the possibility of a next day will not rain or will have moderate rain or heavy rain, given the information of pluviosity from the previous days.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar meu trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessVariáveis aleatóriasÁrvore de contextoProcesso estocásticoMeteorologiaModelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2020-07-21T19:41:48Z2020-07-21T19:41:48Z2018-07-04porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/24475/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2018_MatheusFerreiraMarquesCavalcante_tcc.pdf2018_MatheusFerreiraMarquesCavalcante_tcc.pdfapplication/pdf400902http://bdm.unb.br/xmlui/bitstream/10483/24475/1/2018_MatheusFerreiraMarquesCavalcante_tcc.pdfa10f9f1ce2b965c305174b851d1492ebMD5110483/244752020-07-21 16:41:48.052oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712020-07-21T19:41:48Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas
title Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas
spellingShingle Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas
Cavalcante, Matheus Ferreira Marques
Variáveis aleatórias
Árvore de contexto
Processo estocástico
Meteorologia
title_short Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas
title_full Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas
title_fullStr Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas
title_full_unstemmed Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas
title_sort Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas
author Cavalcante, Matheus Ferreira Marques
author_facet Cavalcante, Matheus Ferreira Marques
author_role author
dc.contributor.author.fl_str_mv Cavalcante, Matheus Ferreira Marques
dc.contributor.advisor1.fl_str_mv Moreira, Lucas
contributor_str_mv Moreira, Lucas
dc.subject.keyword.pt_BR.fl_str_mv Variáveis aleatórias
Árvore de contexto
Processo estocástico
Meteorologia
topic Variáveis aleatórias
Árvore de contexto
Processo estocástico
Meteorologia
description Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018.
publishDate 2018
dc.date.submitted.none.fl_str_mv 2018-07-04
dc.date.accessioned.fl_str_mv 2020-07-21T19:41:48Z
dc.date.available.fl_str_mv 2020-07-21T19:41:48Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CAVALCANTE, Matheus Ferreira Marques. Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas. 2018. viii, 33 f., il. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2018.
dc.identifier.uri.fl_str_mv https://bdm.unb.br/handle/10483/24475
identifier_str_mv CAVALCANTE, Matheus Ferreira Marques. Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas. 2018. viii, 33 f., il. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2018.
url https://bdm.unb.br/handle/10483/24475
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/24475/2/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/24475/1/2018_MatheusFerreiraMarquesCavalcante_tcc.pdf
bitstream.checksum.fl_str_mv 21554873e56ad8ddc69c092699b98f95
a10f9f1ce2b965c305174b851d1492eb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1801493117740777472

Registros relacionados