Discriminante nao linear baseado em mistura de distribuicoes: uma aplicacao no tempo de retorno de observacoes de fluídos máximos heterogéneos na bacia do rio Paranapanema-Brasil

Autores

DOI:

https://doi.org/10.17268/sel.mat.2020.02.06

Palavras-chave:

MGEV, Análises de discriminante, Cheia de bacias hidrográficas, Período de retorno

Resumo

Neste trabalho, vazoes máximas observadas na bacia do rio Paranapanema sao modelados por uma mistura de duas distribuicoes GEV cujas componentes correspondemás subpopulacoes de verao e inverno. A funcao discriminante nao linear permitiu confirmar a hipótese do modelo de mistura. O modelo proposto é entao usado para determinar as probabilidades de excedencias e períodos de retorno associados a vazoes extremas, que sao de fundamental importancia para projetos hidráulicos. Os resultados mostram diferencas significativas quando um modelo de mistura é usado e, portanto, uma abordagem mais coerente com os dados observados.

Referências

Ahmad KE, Abd-Elrahman AM. Updating a nonlinear discriminant function estimated from a mixture of two Weibull distributions. Math. Comput. Modelling. 1994; 19(11):41–51.

Ahmad KE, Jaheen ZF, Modhesh AA. Estimation of a discriminant function based on small sample size from a mixture of two Gumbel distributions. Comm. Statist. Simulation Comput. 2010; 39(4):13–725.

Alila Y, Mtiraoui A. Implications of heterogeneous flood-frequency distributions on traditional stream-discharge prediction techniques. Hydrological Process. 2002; 16:1065–1084.

Amoh RK. Estimation of a discriminant function from a mixture of two inverse Gaussian distributions when the sample size is small. J. Statist. Comp. Simul. 1985; 20:275–286.

Cruvinel EC. Discriminante para mistura de distribuicoes GEV.[ Dissertacao de Mestrado]. Brasilia: Universidade de Brasília. 2017. Disponivel en: http://repositorio.unb.br/handle/10482/24006.

Escalante-Sandoval C. A Mixed distribution with EV1 and GEV components for analyzing heterogeneous samples. Ingeniería, investigación y tecnología. 2007; 8(3):1405-7743.

Girardo G. Volume de chuvas em fevereiro em Sao Paulo já é maior desde 1999[Intenet]. Sao Paulo: O Estado de S. Paulo; 2020[ Consultado em 09 dezembro de 2020]. Recuperado de https://sao-paulo.estadao.com.br/noticias/geral,volume-dechuvas-em-fevereiro-em-sp-ja-e-o-maior-desde-1999,70003194244.

Fiorentino M, Arora K, Singh VP. The two-component extreme value distribution for flood frequency analysis: Derivation of a new estimation method. Stochastic Hydrology and Hydraulics. 1987; 1(3):199–208.

Jenkinson AF. The frequency distribution of anual maximum (or minimum) values of metereological elements. Quarterly J. of the Royal Met. Society. 1995; 8:145–158.

McLachlan GJ, Peel D. Finite Mixture Models. Australia: John Wiley, 2004.

Otiniano CEG, Teixeira ECM. Estimacao dos parámetros da mistura de duas componentes GEV via Algoritmo EM. Tendencias em Matemática Aplicada e Computacional. 2014; 15(1):59–71.

Rossi F, Fiorentino M, Versace P. Two-component extreme value distribution for flood frequency analysis. Water Resour. Res. 1994; 20(7):847–856.

Sultan KS, Al-Moisheer AS. Estimation of a discriminant function from a mixture of two inverse weibull distributions. J. of Statistical Computation and Simulation. 2013; 83(3):405–416.

Singh KP. Hydrologic distributions resulting from mixed populations and their computer simulations. I.A.S.H. 1968; 8:671–681.

Downloads

Publicado

2020-12-25

Como Citar

Guevara Otiniano, C. E., C. Cruvinel, E., & H. Lima, C. (2020). Discriminante nao linear baseado em mistura de distribuicoes: uma aplicacao no tempo de retorno de observacoes de fluídos máximos heterogéneos na bacia do rio Paranapanema-Brasil. Selecciones Matemáticas, 7(02), 242-249. https://doi.org/10.17268/sel.mat.2020.02.06

Edição

v. 7 n. 02 (2020): August - December

Seção

Articles

Licença

Os autores que publicam nesta revista aceitam as seguintes condições:

Os autores mantêm os direitos autorais e atribuem à revista o direito da primeira publicação, com o trabalho registrado com a licença de atribuição Creative Commons Atribución 4.0 Internacional (CC BY 4.0), que permite que terceiros usem o material publicado sempre que mencionarem a autoria do trabalho e os direitos autorais. Primeira publicação nesta revista.
Os autores podem fazer outros acordos contratuais independentes e adicionais para a distribuição não exclusiva da versão do artigo publicada nesta revista (por exemplo, incluí-la em um repositório institucional ou publicá-la em um livro), desde que afirme claramente que o trabalho Foi publicado nesta revista.
É permitido e recomendado aos autores que publiquem seus trabalhos na Internet (por exemplo, em páginas institucionais ou pessoais) antes e durante o processo de revisão e publicação, pois isso pode levar a trocas produtivas e a uma disseminação maior e mais rápida do trabalho. publicado (Consultar: efeito do acesso aberto).