Biblioteca Digital de Teses e Dissertações PÓS-GRADUAÇÃO SCTRICTO SENSU Programa de Mestrado Profissional em Matemática em Rede Nacional
Use este identificador para citar ou linkar para este item: http://bdtd.uftm.edu.br/handle/tede/819
Tipo: Dissertação
Título: Análise da precipitação mensal provável para a fazenda Esmeril - Patrocínio-MG
Autor(es): CARDOSO, Israel
Primeiro Orientador: SILVA, Flávio Molina da
Resumo: O ajuste de modelos probabilístico aos dados diários de chuva além de fornecer um resumo sucinto destes dados, representa uma técnica eficiente para a análise dessas informações. Este trabalho tem como objetivo verificar se a média diária de cada mês da região da fazenda Esmeril situada no município de Patrocínio-MG, do período de 2000 a 2012, se ajusta a uma função de distribuição Normal, prever a quantidade pluviométrica de determinados meses utilizando a distribuição Normal e verificar os dados da série temporal estudando seu comportamento pluviométrico neste intervalo de treze anos usando os conceitos de Séries Temporais. Primeiramente foi verificado que os dados se ajustaram a função de distribuição pelo teste de Kolmogorov-Smirnov com nível de significância de 5%. Após verificar a aderência dos valores à distribuição normal, foi feita uma previsão usando o Teorema Central do Limite para os dez meses iniciais de cada intervalo, porém este método não se mostrou muito eficiente. O estudo da série temporal mostrou que os dados pluviométricos do período do intervalo considerado para as variáveis total mensal, média diária de cada mês, total semanal e média diária de cada semana não possuem tendência, tem sazonalidade e apresentam variações irregulares.
Abstract: The adjustment of probabilistic models to daily rainfall data and provide a brief summary of these data is an efficient technique for the analysis of this information. This study aims to determine if the daily average for each month of Emery Farm area in the municipality of Patrocínio-MG, from 2000 to 2012, adjusts a Normal distribution function, predict the rainfall amount of certain months using Normal distribution and verify the data of the time series studying its rainfall behavior in this interval of thirteen years using the concepts of time series. First it was found that the data set the distribution function using the Kolmogorov-Smirnov test with 5% significance level. After checking the adherence of values to the normal distribution, a prediction using the Central Limit Theorem for the first ten months of each interval was made, but this method was not very efficient. The study of the time series showed that the rainfall data of the range of the period considered for the total monthly variable daily average of each month, weekly total and daily average of each week have no tendency has seasonality and have irregular variations.
Palavras-chave: Séries temporais.
Teorema central do limite.
Probabilidade.
Precipitação.
Time Series.
Central limit theorem.
Probability.
Precipitation.
CNPq: Matemática
Idioma: por
País: Brasil
Editor: Universidade Federal do Triângulo Mineiro
Sigla da Instituição: UFTM
metadata.dc.publisher.department: Instituto de Ciências Exatas, Naturais e Educação - ICENE::Curso de Licenciatura em Matemática
metadata.dc.publisher.program: Programa de Mestrado Profissional em Matemática em Rede Nacional
Citação: CARDOSO, Israel. Análise da precipitação mensal provável para a fazenda Esmeril - Patrocínio-MG. 2016. 42f . Dissertação (Mestrado em Matemática) - Programa de Mestrado Profissional em Matemática em Rede Nacional, Universidade Federal do Triângulo Mineiro, Uberaba, 2016 .
Tipo de Acesso: Acesso Aberto
metadata.dc.rights.uri: http://creativecommons.org/licenses/by-nc-nd/4.0/
URI: http://bdtd.uftm.edu.br/handle/tede/819
Data do documento: 22-Fev-2016
Aparece nas coleções:Programa de Mestrado Profissional em Matemática em Rede Nacional

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissert Israel Cardoso.pdfDissert Israel Cardoso750,07 kBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons