A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://dx.doi.org/10.1590/0102-778620130612 http://hdl.handle.net/11449/114207 |
Resumo: | In this paper we propose to use the Extended Geometric Exponential distribution (EGE) as an alternative model to the commonly used distributions such as Gamma, Weibull, Lognormal among others, for modeling rainfall data. The distribution EGE has been little explored in the literature although it can be applied in many research fields such as biology, demography, and reliability of electronic products and can also be applied to analyze meteorological phenomenon. The EGE distribution has been proposed by Adamidis and collaborators in 2005 and one of its peculiarities is that the hazard function can be increasing or decreasing. Another important characteristic is the easiness to obtain different probability levels which do not demand numerical approaches. Several distributions such as Gamma, Weibull and Lognormal were used to fit the rainfall data measured at Presidente Prudente city. The results showed EGE being the best fit for the data according to the Akaike information criterion, the Kolmogorov-Smirnov test and the Chi-square test. The estimators of the EGE distribution parameters were obtained by the maximum likelihood approach and thus allowing the estimation of monthly rainfall for different probability levels. |
id |
UNSP_d8836cbb36614458cf53e8305c8693a5 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/114207 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricosThe extended geometric exponential distribution applied for modeling rainfall dataDistribuição Exponencial Geométrica Estendidaprecipitação pluvialmáxima verossimilhançaníveis de probabilidadeExtended Geometric Exponential Distributionrainfallmaximum likelihoodprobability levelsIn this paper we propose to use the Extended Geometric Exponential distribution (EGE) as an alternative model to the commonly used distributions such as Gamma, Weibull, Lognormal among others, for modeling rainfall data. The distribution EGE has been little explored in the literature although it can be applied in many research fields such as biology, demography, and reliability of electronic products and can also be applied to analyze meteorological phenomenon. The EGE distribution has been proposed by Adamidis and collaborators in 2005 and one of its peculiarities is that the hazard function can be increasing or decreasing. Another important characteristic is the easiness to obtain different probability levels which do not demand numerical approaches. Several distributions such as Gamma, Weibull and Lognormal were used to fit the rainfall data measured at Presidente Prudente city. The results showed EGE being the best fit for the data according to the Akaike information criterion, the Kolmogorov-Smirnov test and the Chi-square test. The estimators of the EGE distribution parameters were obtained by the maximum likelihood approach and thus allowing the estimation of monthly rainfall for different probability levels.Neste trabalho propõem-se o uso da distribuição Exponencial Geométrica Estendida (EGE) como um modelo alternativo às distribuições comumente utilizadas tais como Gama, Weibull, Lognormal, entre outras, para a modelagem de dados de precipitação pluvial. Pouco explorada na literatura, a distribuição EGE tem se mostrado eficiente em diversos campos de pesquisa como biologia, demografia, confiabilidade de produtos eletrônicos e pode ser aplicada para analisar fenômenos meteorológicos. Proposta por Adamidis e colaboradores em 2005, uma de suas particularidades é que sua função de risco pode ser crescente ou decrescente. Outra característica importante é a facilidade em se obter diferentes níveis de probabilidade, sem a necessidade de recorrer a métodos numéricos. Testou-se o ajustamento da distribuição EGE para a estimação da precipitação pluvial total mensal de Presidente Prudente-SP. Os resultados mostraram que houve um bom ajuste do modelo para os dados ao serem comparados com outros modelos como Gama, Weibull e Lognormal, de acordo com o critério de informação de Akaike, o teste Kolmogorov-Smirnov e o teste Qui-quadrado ao nivel de 5% de significância. A partir do ajustamento da distribuição EGE aos dados, os estimadores dos parâmetros da distribuição foram obtidos através do método de máxima verossimilhança permitindo assim a estimação da precipitação pluvial total mensal para diferentes níveis de probabilidade.Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Estadual Paulista Julio de Mesquita Filho Faculdade de Ciências e TecnologiaUniversidade Estadual Paulista Julio de Mesquita Filho Faculdade de Ciências e TecnologiaSociedade Brasileira de MeteorologiaUniversidade Estadual Paulista (Unesp)Ramos, Pedro Luiz [UNESP]Moala, Fernando Antonio [UNESP]2015-02-02T12:39:20Z2015-02-02T12:39:20Z2014-12-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/article613-620application/pdfhttp://dx.doi.org/10.1590/0102-778620130612Revista Brasileira de Meteorologia. Sociedade Brasileira de Meteorologia, v. 29, n. 4, p. 613-620, 2014.0102-7786http://hdl.handle.net/11449/11420710.1590/0102-778620130612S0102-77862014000400012S0102-77862014000400012.pdf16212695523666970000-0002-2445-0407SciELOreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporRevista Brasileira de Meteorologia0,264info:eu-repo/semantics/openAccess2024-06-18T18:17:52Zoai:repositorio.unesp.br:11449/114207Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T15:12:10.260978Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos The extended geometric exponential distribution applied for modeling rainfall data |
title |
A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos |
spellingShingle |
A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos Ramos, Pedro Luiz [UNESP] Distribuição Exponencial Geométrica Estendida precipitação pluvial máxima verossimilhança níveis de probabilidade Extended Geometric Exponential Distribution rainfall maximum likelihood probability levels |
title_short |
A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos |
title_full |
A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos |
title_fullStr |
A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos |
title_full_unstemmed |
A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos |
title_sort |
A aplicação da distribuição exponencial geométrica estendida para modelagem de dados pluviométricos |
author |
Ramos, Pedro Luiz [UNESP] |
author_facet |
Ramos, Pedro Luiz [UNESP] Moala, Fernando Antonio [UNESP] |
author_role |
author |
author2 |
Moala, Fernando Antonio [UNESP] |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Ramos, Pedro Luiz [UNESP] Moala, Fernando Antonio [UNESP] |
dc.subject.por.fl_str_mv |
Distribuição Exponencial Geométrica Estendida precipitação pluvial máxima verossimilhança níveis de probabilidade Extended Geometric Exponential Distribution rainfall maximum likelihood probability levels |
topic |
Distribuição Exponencial Geométrica Estendida precipitação pluvial máxima verossimilhança níveis de probabilidade Extended Geometric Exponential Distribution rainfall maximum likelihood probability levels |
description |
In this paper we propose to use the Extended Geometric Exponential distribution (EGE) as an alternative model to the commonly used distributions such as Gamma, Weibull, Lognormal among others, for modeling rainfall data. The distribution EGE has been little explored in the literature although it can be applied in many research fields such as biology, demography, and reliability of electronic products and can also be applied to analyze meteorological phenomenon. The EGE distribution has been proposed by Adamidis and collaborators in 2005 and one of its peculiarities is that the hazard function can be increasing or decreasing. Another important characteristic is the easiness to obtain different probability levels which do not demand numerical approaches. Several distributions such as Gamma, Weibull and Lognormal were used to fit the rainfall data measured at Presidente Prudente city. The results showed EGE being the best fit for the data according to the Akaike information criterion, the Kolmogorov-Smirnov test and the Chi-square test. The estimators of the EGE distribution parameters were obtained by the maximum likelihood approach and thus allowing the estimation of monthly rainfall for different probability levels. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-12-01 2015-02-02T12:39:20Z 2015-02-02T12:39:20Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dx.doi.org/10.1590/0102-778620130612 Revista Brasileira de Meteorologia. Sociedade Brasileira de Meteorologia, v. 29, n. 4, p. 613-620, 2014. 0102-7786 http://hdl.handle.net/11449/114207 10.1590/0102-778620130612 S0102-77862014000400012 S0102-77862014000400012.pdf 1621269552366697 0000-0002-2445-0407 |
url |
http://dx.doi.org/10.1590/0102-778620130612 http://hdl.handle.net/11449/114207 |
identifier_str_mv |
Revista Brasileira de Meteorologia. Sociedade Brasileira de Meteorologia, v. 29, n. 4, p. 613-620, 2014. 0102-7786 10.1590/0102-778620130612 S0102-77862014000400012 S0102-77862014000400012.pdf 1621269552366697 0000-0002-2445-0407 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
Revista Brasileira de Meteorologia 0,264 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
613-620 application/pdf |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Meteorologia |
publisher.none.fl_str_mv |
Sociedade Brasileira de Meteorologia |
dc.source.none.fl_str_mv |
SciELO reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808128479080742912 |