195

7 – ANÁLISE DE EVENTOS EXTREMOS

7.1 - Introdução

Como foi apresentado nos Capítulos 2, 3 e 4, a grandeza das chuvas ou das

vazões utilizadas nos projetos de manejo dos recursos hídricos depende do período de
retorno (T) exigido pelo projeto (obra). Uma vez que se disponha de uma série de
dados, a análise dos extremos consistirá em associar a magnitude do evento a um
período de retorno, facilitando a escolha da grandeza do evento que será utilizado no
dimensionamento da obra (DALRYMPLE, 1960).
Os eventos podem ser classificados em máximos e em mínimos. Como
exemplos de eventos máximos têm-se as vazões, as precipitações, as cotas de enchente,
os volumes intra-anuais de reservatórios, as durações de veranicos, etc. Precipitações e
vazões exemplificam os eventos mínimos (ASSIS et al., 1996).
No Capítulo 2 foi realizada uma análise preliminar de extremos envolvendo
chuvas máximas anuais de 24 horas de duração. Dispunha-se de 10 valores que foram

colocados em ordem decrescente e, em seguida, foi aplicada a expressão , que

associava a magnitude da chuva (X) ao período de retorno(T), como é recordado na

Figura 7.1.

Figura 7.1- Interpolação linear da chuva de período de retorno T = 5 anos, e

extrapolação da chuva de T = 50 anos, por meio do uso de uma função
estatística.
 196

Para a obtenção da chuva de T = 5 anos, realizou-se uma interpolação linear

entre os valores de T = 3,7 anos e T = 5,5 anos. Considerando-se que a correlação entre
X e T não é linear, essa solução poderia ser melhorada, caso se conhecesse a função de
correlação.
Para a obtenção da chuva de T= 50 anos há necessidade de se fazer uma
extrapolação, pois o último dado está relacionado a T = 11 anos. Essa extrapolação
exige, também, uma função estatística que correlacione X com T.
O que será visto neste capítulo será, justamente, a obtenção dessas funções, para
o caso de eventos máximos e de eventos mínimos. Para isso, entretanto, é necessário
discutir-se previamente alguns conceitos iniciais.

7.2 - Conceitos iniciais

7.2.1 - Série de dados

Existem, basicamente, três tipos de séries de dados passíveis de ser trabalhados:

séries total, parcial e anual.

a) Série total: é aquela que utiliza todos os dados medidos. É usada por alguns autores
para se definir critério de drenagem subterrânea para fins agrícolas, por exemplo. Tem a
desvantagem de exigir que se opere com um número grande de dados e de não garantir
que um dado seja independente do outro, o que é uma exigência da análise estatística.

b) Série parcial: é obtida selecionando-se todos os valores a partir de um determinado

limite. É usada quando o número de anos da série não é suficientemente grande para a
análise; nesse caso, a série parcial aumenta a massa de dados a ser analisada. Tem o
inconveniente de, ainda, não garantir a independência dos dados.

c) Série anual: é obtida selecionando-se o valor mais extremo de cada ano. É o tipo de
série mais usada, pois garante que todos os eventos sejam independentes. Nesse texto,
dar-se-á preferência a esse tipo de série.
 197

7.2.2 - Probabilidade de excedência (P) e período de retorno (T)

Quando se trabalha com eventos máximos (enxurradas, por exemplo), a
probabilidade de excedência será a probabilidade de ocorrer maior ou igual, o que será
representado por . Como já visto no Capítulo 2, o período de retorno (T) será dado

por . Assim, quanto maior for a magnitude do evento, mais raro ele se torna,

ou seja, menor a e, consequentemente, maior T.

Quando se trabalha com eventos mínimos (estiagens, por exemplo), a
probabilidade de excedência será a probabilidade de ocorrer menor ou igual, o que será
representado por . De forma análoga, o período de retorno (T) será dado por

. Assim, quanto menor for a magnitude do evento, mais raro ele se torna, ou

seja, quanto menor , maior T.

7.2.3 - Risco de falha (J)

É a probabilidade de ocorrer ao longo da

vida útil de uma obra (N anos), pelo menos uma vez.
A expressão que fornece o valor de J pode ser obtida da seguinte forma:
P → é a probabilidade de ocorrer em um determinado ano;
(1 – P) → é a probabilidade de não ocorrer em um determinado ano;
é a probabilidade de não ocorrer em N anos;
é a probabilidade de ocorrer, pelo menos 1 vez, em N anos = J

Assim:

equação 7.1

Exemplo: para uma obra calculada com T = 10 anos, qual o risco de falha (J) para uma
vida útil de 1, 5, 10 e 100 anos?

Solução:
 198

Para N = 1 ano →

Para N = 5 anos →

Para N = 10 anos → J = 65,13 %

Para N = 100 anos → J = 99,997 %

Exemplo: para uma barragem com uma vida útil estimada em 50 anos, qual deve ser o
período de retorno usado para o dimensionamento de seu vertedor, caso se deseje um
risco de falha de apenas 1 por cento ?

Solução:

Colocando-se T em evidência a partir da equação 7.1, obtém-se a equação 7.2:

equação

7.2

Assim, aplicando-se a equação 7.2 →

7.2.4- Probabilidade obtida por fórmulas empíricas e por modelos de distribuição

de frequência.

Quando se utiliza uma fórmula empírica para a obtenção da probabilidade de

excedência, tem-se como resultado uma relação apenas pontual entre X versus (PouT).
Como exemplo dessas expressões pode-se citar:
 199

Nessas fórmulas “m” representa o número da ordem decrescente dos dados para
máximos, e o número da ordem crescente dos dados para mínimos; “n” representa o
número de dados.
Já os modelos de distribuição de frequência descrevem toda a curva que
relaciona X versus (P ou T), ou seja, são equações que mostram como X varia em
função de (P ou T) (HOSKING e WALLIS, 1997; NAGHETTINI e PINTO, 2007).
Conforme o fenômeno hidrológico, existe um modelo que é mais adequado para a sua
descrição, conforme se exemplifica na Tabela 7.1.

Tabela 7.1 - Fenômenos hidrológicos e suas funções de densidade de probabilidade

FENÔMENOS DISTRIBUIÇÕES

1- Precipitação total anual - Normal

2- Precipitação mensal -Log-normal

-Gama
3- Períodos estiagem - Harmônica

4- Evapotranspiração -Beta

5- Eventos extremos máximos -Gumbel

6- Eventos extremos mínimos - Weibull

7.3 – Modelo de distribuição de Gumbel

7.3.1 - As equações

Conhecido na Matemática como distribuição de Fisher e Tippet tipo I, foi

aplicado pela primeira vez na Hidrologia pelo hidrólogo Gumbel. Trata-se de uma
distribuição bastante usada na Europa para descrever eventos máximos, podendo,
também, ser aplicada para mínimos, mas com desempenho pior do que para máximos.
As equações de 7.3 a 7.4 representam esta distribuição:
 200

Gumbel para máximos → equação 7.3

Gumbel para mínimos → equação 7.4

Em que:
X - magnitude do evento hidrológico;
Mo - moda da distribuição;
α - parâmetro que faz as vezes do desvio padrão; e
T - período de retorno, anos.
As equações 7.3 e 7.4 também podem ser apresentadas nas formas das equações
7.5 e 7.6, simplesmente colocando-se o período de retorno (T) em evidência:

Gumbel para máximos → equação 7.5

Gumbel para mínimos → equação 7.6

Para eventos máximos, α e Mo podem ser calculados pelas equações 7.7 e 7.8:

equação 7.7

equação 7.8

Para eventos mínimos, α e Mo podem ser calculados pelas equações 7.9 e 7.10:

equação 7.9

equação 7.10

σx é o desvio padrão da série = ; Xmédio representa a média

da série de dados. Os valores de Yn (média reduzida) e σ n (desvio padrão reduzido)

podem ser obtidos nas Tabelas 7.2 e 7.3, respectivamente.
Tabela 7.2 - Média reduzida (Yn) em função do número de dados (n)
 201

n 0 1 2 3 4 5 6 7 8 9
10 0.4952 0.4996 0.5035 0.5070 0.5100 0.5128 0.5157 0.5181 0.5202 0.5220
20 0.5236 0.5252 0.5268 0.5283 0.5296 0.5309 0.5320 0.5332 0.5343 0.5353
30 0.5336 0.5371 0.5380 0.5388 0.5396 0.5402 0.5410 0.5418 0.5424 0.5481
40 0.5436 0.5442 0.5448 0.5453 0.5458 0.5463 0.5468 0.5473 0.5477 0.5481
50 0.5485 0.5489 0.5493 0.5497 0.5501 0.5504 0.5508 0.5511 0.5515 0.5518
60 0.5521 0.5524 0.5527 0.5530 0.5533 0.5535 0.5538 0.5540 0.5543 0.5545
70 0.5548 0.5550 0.5552 0.5555 0.5557 0.5559 0.5561 0.5563 0.5565 0.5567
80 0.5569 0.5570 0.5572 0.5574 0.5576 0.5578 0.5580 0.5581 0.5583 0.5585
90 0.5586 0.5587 0.5589 0.5591 0.5592 0.5593 0.5595 0.5596 0.5598 0.5599
100 0.5600
150 0.5635
200 0.5672

Tabela 7.3 – Desvio padrão reduzido (σ n) em função do número de dados (n)

n 0 1 2 3 4 5 6 7 8 9
10 0.9496 0.9676 0.9833 0.9971 1.0095 1.0206 1.0316 1.0411 1.0493 1.0565
20 1.0628 1.0696 1.0754 1.0811 1.0811 1.0864 1.0915 1.0961 1.1004 1.1086
30 1.1124 1.1159 1.1193 1.1226 1.1255 1.1285 1.1313 1.1339 1.1363 1.1388
40 1.1413 1.1436 1.1458 1.1480 1.1499 1.1519 1.1538 1.1557 1.1574 1.1590
50 1.1607 1.1623 1.1638 1.1658 1.1667 1.1681 1.1696 1.1708 1.1721 1.1734
60 1.1747 1.1759 1.1770 1.1782 1.1793 1.1803 1.1814 1.1824 1.1834 1.1844
70 1.1854 1.1863 1.1873 1.1881 1.1890 1.1898 1.1906 1.1915 1.1923 1.1930
80 1.1938 1.1945 1.1953 1.1959 1.1967 1.1973 1.1980 1.1987 1.1994 1.2001
90 1.2007 1.2013 1.2020 1.2026 1.2032 1.2038 1.2044 1.2049 1.2055 1.2066
100 1.2065
150 1.230
200 1.236
Exemplo: uma série de dados de vazões máximas anuais registradas em um posto
fluviométrico se adapta bem ao modelo de Gumbel e apresenta 30 anos de dados,
possuindo as seguintes características:

*média = 297,85 m3/s

 202

*desvio padrão = 89,65 m3/s

Caso se utilize uma vazão máxima de 1.000 m 3/s como base para o
dimensionamento de uma dada estrutura, qual o risco de falha para uma vida útil de 25
anos ?

Fórmulas:

Solução:

σ n = 1,1124; Yn = 0,5362; α = 0,01241; Mo = 254,637; T = 10.404,6 anos;

J = 0,0024 = 0,24%

Exemplo: uma série anual de vazões mínimas médias de 7 dias consecutivos se adapta
bem a distribuição de Gumbel e apresenta 30 anos de dados, possuindo as seguintes
características:
*média = 60,49 m3/s
*desvio padrão = 15,43 m3/s
Calcule a Q7,10

Fórmulas:

Solução:
 203

Yn = 0,5362; σn = 1,1124; α = 0,0721; Mo = 69,93; X = Q7,10 = 38,72 m3/s

7.3.2 - O uso do papel de Gumbel

O grau de ajuste dos dados ao modelo de Gumbel pode ser avaliado,
visualmente, por meio do uso de um papel, que possui no eixo das abscissas uma escala
correspondente ao modelo, e no eixo das ordenadas uma escala decimal comum (Figura
7.2).

Figura 7.2 - Papel de Gumbel usado para se visualizar o ajuste dos dados ao modelo

Para se utilizar o papel, plotam-se 3 pontos calculados pelo modelo de Gumbel e

traça-se uma reta que, obrigatoriamente, passará pelos 3 pontos. Em seguida, plotam-se
os pontos calculados por uma fórmula empírica, como Kimball, por exemplo; os
desvios destes pontos em relação à reta dará uma idéia da qualidade do ajuste. O
exemplo a seguir explica melhor o procedimento.

Exemplo: o Quadro a seguir apresenta as vazões máximas anuais registradas em um

posto fluviométrico durante um período de 15 anos, bem como as vazões médias
mínimas de 7 dias consecutivos. Os dados estão nas colunas (2) e (3) respectivamente.
 204

Pede-se:
1) Completar o Quadro, colocando as vazões máximas em ordem decrescente, as vazões
mínimas em ordem crescente, e calculando os valores do período de retorno (T) pela
expressão de Kimball.
2) Plotar os pares de valores (Q x T) relativos às vazões máximas e mínimas nos papéis
de Gumbel.
3) Obter as expressões analíticas para máximos e mínimos e traçar retas, com 3 pontos
relativos a essas expressões, nos papéis de Gumbel.
4) Por intermédio da expressão analítica para máximos, estimar as vazões máximas para
períodos de retorno de 10, 25 e 100 anos.
5) Por intermédio da expressão analítica para mínmos, estimar a Q7,10.
6) Caso se utilize uma vazão máxima de 800 m3/s como base para o dimensionamento
de uma dada estrutura de controle, qual o risco de falha para uma vida útil de 30 anos ?
7) Qual a vazão mínima de 7 dias consecutivos esperada nos próximos 20 anos com
20% de risco de falha de não abastecimento ?

(1) (2) (3) (4) (5) (6) (7)

Ano Qmax (m3/s) Q7min (m3/s) Qmax [decresc] Qmin [cresc] m T = (n+1)/m
1950 556,8 66,3
1951 370,4 68,5
1952 305,4 70,3
1953 102,1 49,6
1954 219,5 45,9
1955 174,5 45,5
1956 122,4 64,0
1957 295,6 81,3
1958 335,4 95,3
1959 258,8 67,7
1960 376,8 61,4
1961 337,4 45,2
1962 292,2 60,9
1963 457,8 44,6
1964 262,6 40,8
Solução:
1)

(1) (2) (3) (4) (5) (6) (7)

Ano Qmax (m3/s) Q7min (m3/s) Qmax [decresc] Qmin [cresc] m T = (n+1)/m
1950 556,8 66,3 556,8 40,8 1 16,0
1951 370,4 68,5 457,8 44,6 2 8,0
1952 305,4 70,3 376,8 45,2 3 5,3
1953 102,1 49,6 370,4 45,5 4 4,0
 205

1954 219,5 45,9 337,4 45,9 5 3,2

1955 174,5 45,5 335,4 49,6 6 2,7
1956 122,4 64,0 305,4 60,9 7 2,3
1957 295,6 81,3 295,6 61,4 8 2,0
1958 335,4 95,3 292,2 64,0 9 1,8
1959 258,8 67,7 262,6 66,3 10 1,6
1960 376,8 61,4 258,8 67,7 11 1,5
1961 337,4 45,2 219,5 68,5 12 1,3
1962 292,2 60,9 174,5 70,3 13 1,2
1963 457,8 44,6 122,4 81,3 14 1,1
1964 262,6 40,8 102,1 95,3 15 1,07

2)

2) (Continuação)
 206

3) (Máximos) → σ n = 1,0206; Yn = 0,5128; Xmédio = 297,85 m3/s ; σ x = 119,65 m3/s;

α = 0,00853; Mo = 237,72 m3/s.
Para T=1,1 anos → X = 135,2 m3/s;
Para T=3,0 anos → X = 343,6 m3/s;
Para T=15,0 anos → X = 551,2 m3/s.

(Mínimos)→ σ n = 1,0206; Yn = 0,5128; Xmédio = 60,49 m3/s; σ x = 15,43 m3/s;

α = 0,0661; Mo = 68,243 m3/s.
Para T=1,1 → X = 81,5 m3/s;
Para T=3,0 → X = 54,6 m3/s
Para T=15,0 → X = 27,8 m3/s.

4)
Para T=10 anos → X = 501,54 m3/s;
Para T=25 anos → X = 612,69 m3/s;
Para T=100 anos → X = 777,01 m3/s.
5)
Para T=10 anos → X = Q7,10 = 34,20 m3/s
 207

6)

7)

Para T=90,13 anos → X = 0,23 m3/s

7.4 - Distribuição de Log-Pearson Tipo III

É uma das distribuições mais usadas nos Estados Unidos para o ajuste de vazões
máximas (GENOVEZ, 1991). Não possui papel especial para verificação visual da
qualidade do ajuste como a distribuição de Gumbel. Assim, caso se deseje testar a
qualidade do ajuste, deve-se utilizar um teste estatístico de aderência, que será abordado
no final deste Capítulo.

Procedimento:

1) Calculam-se os logarítimos das vazões;

2) Calculam-se Média[Log Q] e Desvio Padrão [Log Q] = σ [Log Q];

3) Calcula-se o coeficiente de assimetria “g” pela equação 7.11:

equação

7.11

4) Finalmente, aplica-se a equação 7.12, ou seja :

 208

; em que K é uma função de (g,T)→ Tabela

7.4
Ou
equação 7.12

Tabela 7.4 – Parâmetro K da distribuição de Log-Pearson Tipo III

Período de retorno (ano): T
Coeficiente de assimetria 2 10 25 50 100 200
(g) Probabilidade (%)
50 10 4 2 1 0.5
3.0 -0.396 1.180 2.278 3.152 4.051 4.970
2.5 -0.360 1.250 2.262 3.048 3.845 4.652
2.0 -0.307 1.302 2.219 2.912 3.605 4.298
1.8 -0.282 1.318 2.193 2.848 3.499 4.147
1.6 0.254 1.329 2.163 2.780 3.388 3.990
1.4 -0.225 1.337 2.128 2.076 3.271 3.828
1.2 -0.195 1.340 2.087 2.626 3.149 3.661
1.0 -0.164 1.340 2.043 2.542 3.022 3.489
1.0 -0.164 1.340 2.043 2.542 3.022 3.489
0.9 -0.148 1.339 2.018 2.498 2.957 3.401
0.8 -0.132 1.336 1.993 2.453 2.891 3.312
0.7 -0.116 1.333 1.967 2.407 2.824 3.223
0.6 -0.099 1.328 1.939 2.359 2.755 3.132
0.5 -0.083 1.323 1.910 2.311 2.686 3.041
0.4 0.066 1.317 1.880 2.261 2.615 2.949
0.3 0.050 1.309 1.849 2.211 2.544 2.856
0.2 -0.033 1.301 1.818 2.159 2.472 2.763
0.1 -0.017 1.292 1.785 2.107 2.400 2.670
0 0 1.282 1.751 2.054 2.326 2.576
-0.1 0.019 1.270 1.716 2.000 2.252 2.482
-0.2 0.033 1.285 1.680 1.945 2.178 2.388
-0.3 0.050 1.245 1.643 1.890 2.104 2.294
-0.4 0.066 1.231 1.606 1.834 2.029 2.201
-0.5 0.083 1.216 1.567 1.777 1.955 2.108
-0.6 0.099 1.200 1.528 1.720 1.880 2.016
-0.7 0.116 1.183 1.488 1.663 1.806 1.926
-0.8 0.132 1.166 1.448 1.06 1.733 1.837
-0.9 0.148 1.147 1.407 1.549 1.660 1.749
-1.0 0.164 1.128 1.366 1.492 1.588 1.664
-1.2 0.195 1.086 1.282 1.379 1.449 1.507
-1.4 0.225 1.041 1.198 1.270 1.318 1.351
-1.6 0.254 0.994 1.116 1.166 1.197 1.216
-1.8 0.282 0.945 1.035 1.069 1.087 1.097
-2.0 0.307 0.895 0.959 0.980 0.990 0.995
-2.5 0.360 0.771 0.793 0.798 0.799 0.800
 209

-3.0 0.396 0.660 0.666 0.666 0.667 0.667

Exemplo:

Sendo dada uma série de 15 anos de vazões máximas anuais de um rio, calcular
a vazão para um período de retorno de 100 anos pelo método de Log-Pearson Tipo III.

Dados:
Média (Log Q) = 2,4359
σ (Log Q) = 0,1992

Solução:

Interpolando-se linearmente na Tabela 7.4 ( g = - 0,837; T = 100 anos) → K = 1,706

Usando a equação 7.12 :

7.5 - Distribuição de Gumbel-Chow

É um método simplificado para eventos máximos, indicado para quando se

deseja fazer uma estimativa rápida (equação 7.13).

equação
7.13

O parâmetro K é um fator de frequência, que pode ser obtido na Tabela 7.5, em

função do número de dados da série (N) e do período de retorno (T).
 210

Tabela 7.5 - Fator de freqüência K = f (N, T)

Período de Recorrência (T, anos)
N/T 5.00 10.00 15.0 20.0 25.0 50.0 100.0
10 1.058 1.848 2.289 2.606 2.817 3.538 4.323
11 1.028 1.809 2.242 2.553 2.789 3.516 4.238
12 1.013 1.777 2.202 2.509 2.741 3.436 4.166
13 0.996 1.748 2.168 2.470 2.699 3.045 4.015
14 0.981 1.728 2.138 2.437 2.663 3.260 4.032
15 0.957 1.703 2.112 2.410 2.632 3.321 4.005
16 0.955 1.632 2.037 2.379 2.691 3.283 3.959
17 0.913 1.661 2.066 2.355 2.575 3.250 3.921
18 0.934 1.619 2.017 2.335 2.552 3.223 3.883
19 0.926 1.626 2.032 2.317 2.533 3.190 3.860
20 0.919 1.623 2.018 2.302 2.517 3.179 3.836
21 0.911 1.613 2.001 2.236 2.500 3.157 3.810
22 0.905 1.603 1.992 2.272 2.484 3.138 3.787
23 0.833 1.533 1.980 2.259 2.470 3.121 3.765
24 0.893 1.534 1.960 2.247 2.457 3.101 3.747
25 0.983 1.575 1.958 2.235 2.44 3.033 3.729
26 0.833 1.563 1.910 2.224 2.422 3.074 3.711
27 0.879 1.560 1.911 2.215 2.422 3.061 3.605
29 0.570 1.347 1.924 2.195 2.402 3.037 3.667
30 0.866 1.541 1.917 2.168 2.293 3.026 3.653
31 0.863 1.535 1.910 2.180 2.385 3.015 3.641
32 0.890 1.530 1.904 2.173 2.377 3.005 3.629
33 0.856 1.525 1.897 2.163 2.269 2.906 3.618
34 0.853 1.520 1.892 2.160 2.362 2.937 3.608
35 0.851 1.516 1.886 2.152 2.354 2.979 3.598
36 0.812 1.511 1.831 2.147 2.349 2.971 3.508
37 0.915 1.507 1.876 2.142 2.314 2.063 3.579
38 0.813 1.503 1.871 2.137 2.33 2.957 3.571
39 0.810 1.499 1.867 2.131 2.331 2.950 3.563
40 0.829 1.495 1.862 2.126 2.326 2.913 3.554
41 0.834 1.492 1.858 2.121 2.321 2.936 3.517
42 0.834 1.450 1.854 2.117 2.316 2.930 3.539
43 0.832 1.483 1.850 2.112 2.311 2.924 3.522
44 0.830 1.482 1.846 2.103 2.307 2.919 3.526
45 0.828 1.478 1.812 2.104 2.303 2.913 3.519
 211

46 0.826 1.476 1.899 2.100 2.208 2.933 3.513

47 0.824 1.474 1.826 2.095 2.291 3.903 2.507
48 0.821 1.471 1.832 2.093 2.200 2.893 3.501
49 0.821 1.469 1.830 2.090 2.297 2.891 3.403
50 0.820 1.463 1.827 2.096 2.283 2.859 3.490
51 0.818 1.464 1.824 2.063 2.280 2.885 3.486
52 0.817 1.462 1.821 2.030 2.276 2.281 3.541
53 0.815 1.459 1.818 2.077 2.273 2.875 3.474
54 0.814 1.457 1.816 2.074 2.270 2.873 3.741
55 0.813 1.453 1.813 2.071 2.267 2.869 3.467
56 0.812 1.453 1.811 2.069 2.264 2.863 3.462
57 0.819 1.451 1.898 2.063 2.261 2.802 3.459
58 0.809 1.419 1.895 2.054 2.258 2.833 3.454
59 0.808 1.428 1.894 2.061 2.256 2.055 3.450
60 0.194 1.446 1.892 2.059 2.263 2.852 3.456

Exemplo:

Sendo dada uma série de 15 anos de vazão máxima com Xmédio = 297,85 m 3/s e
σ x = 119,65 m3/s, estime a vazão máxima para um período de retorno T = 100 anos,
pelo método de Gumbel-Chow.

Solução:

Utilizando a Tabela 7.5 → K(15, 100) = 4,005

Utilizando a equação 7.13

7.6 - Distribuição de Weibull

É a distribuição que, geralmente, fornece o melhor ajuste para vazões mínimas

(HAAN, 1994).
 212

7.6.1 - O coeficiente de assimetria (γ) da distribuição de Weibull

O valor de γ é dado pelas equações 7.14 e 7.15:

equação 7.14

Sendo:

equação 7.15

O coeficiente de assimetria γ pode assumir valores positivos ou negativos,

conforme é ilustrado na Figura 7.3.

Figura 7.3- Coeficiente de assimetria (γ) da distribuição de Weibull, positivo e

negativo.

7.6.2- Parâmetros da distribuição de Weibull

 213

equação 7.16

equação 7.17

equação
7.18

equação 7.19

Sendo:

Tabela 7.6 – Parâmetros da distribuição de Weibull como função do coeficiente de

assimetria (γ)
γ 1/ A( B(
-1.000 0.02 0.446 40.005
-0.971 0.03 0.44 26.987
-0.971 0.04 0.442 20.481
-0.867 0.05 0.439 16.576
-0.638 0.10 0.425 8.737
-0.254 0.20 0.389 4.755
0.069 0.30 0.346 3.370
0.359 0.40 0.297 2.364
0.631 0.50 0.246 2.159
0.896 0.60 0.193 1.815
1.160 0.70 0.142 1.549
1.430 0.80 0.092 1.334
1.708 0.90 0.044 1.154
2.000 1.00 0.000 1.000
2.309 1.10 -0.040 0.867
2.640 1.20 -0.077 0.752
2.996 1.30 -0.109 0.652
3.382 1.40 -0.136 0.563
3.802 1.50 -0.160 0.486
4.262 1.60 -0.180 0.418
4.767 1.70 -0.196 0.359
5.323 1.80 -0.280 0.308
5.938 1.90 -0.217 0.263
6.619 2.00 -0.224 0.224
 214

7.374 2.10 -0.227 0.190

8.214 2.20 -0.229 0.161
Exemplo:

As descargas mínimas anuais de um rio possuem média de 125 m 3/s, desvio

padrão de 50 m3/s e coeficiente de assimetria γ = 1,4. Usando a distribuição de Weibull,
avalie a probabilidade da vazão mínima anual ser menor que 100 m3/s.

Solução:

Exemplo:

Achar o coeficiente de assimetria (γ) para a série de 15 anos de vazões mínimas

anuais fornecidas a seguir:
ANO Qmin (m3/s) ANO Qmin (m3/s)
1950 66,3 1958 95,3
1951 68,5 1959 67,7
1952 70,3 1960 61,4
1953 49,6 1961 45,2
1954 45,9 1962 60,9
1955 45,5 1963 44,6
1956 64,0 1964 40,8
1957 81,3
 215

Solução:
Xmédio = 60,49
σ x = 15,43
M3 = 2.020,86
γ = 0,6797

7.7 - Distribuição Log-normal

Tal como a distribuição de Gumbel, pode ser usada para máximos ou para
mínimos. É bastante usada, também, para o cálculo da precipitação efetiva quinzenal
esperada, durante o período de estiagem de uma região, visando o cálculo de irrigação
complementar (BERNARDO, 1982).

7.7.1- Log-normal para máximos

Procedimento

1) Calcular os logarítimos de Qi;

2) Calcular Média (Log Qi) e σ (Log Qi);

3) Arbitrar 3 valores de Q e calcular ;

4) Por meio da Tabela da Lei Normal, achar e, em seguida, achar

.

5) Plotar os 3 pontos no papel Log-normal e traçar uma reta para verificar, visualmente,
a qualidade do ajuste (Figura 7.4).
 216

Figura 7.4 – Distribuição de pontos no papel Log-normal

Exemplo:
Sendo dados:

Q = 5.000 L/s;
Média (Log Qi) = 3,183;
σ (Log Qi) = 0,149

Calcular a probabilidade de excedência para a vazão 5.000 L/s.

Solução:

Consultando-se a Tabela 7.7 a seguir, obtém-se

 217

Assim,

Exemplo:
 218

Sendo dados:

Q = 1.000 L/s
Média (Log Qi) = 3,183
σ (Log Qi) = 0,149

Calcular a probabilidade de excedência associada a vazão de 1.000 L/s

Solução:

Exemplo:

Complete o quadro a seguir, calculando a probabilidade P(x ≥ X) para as três

vazões indicadas. Plote esses pontos no papel Log-normal, trace uma reta e,
graficamente, ache as vazões máximas para períodos de retorno de 10, 25 e 100 anos.

Anos Qmax(m3/s) Qmax Log(Qmax) u P(x ≥ X)

decresc(m3/s) (%)
1950 556,8
1951 370,4
1952 305,4
1953 102,1
1954 219,5
1955 174,5
1956 122,4
1957 295,6
1958 335,4
1959 258,8
1960 376,8
1961 337,4
1962 292,2
1963 457,8
1964 262,6
Média →
Desvio Padrão →
 219

Resposta:

Q10 = 475 m3/s

Q25 = 600 m3/s
Q100 = 775 m3/s
 220

7.7.2- Log-Normal para mínimos

Procedimento

1) Calcular os logarítimos de Qi;

2) Calcular Média(Log Qi) e σ (Log Qi);

3) Arbitrar 3 valores de Qi e calcular ;

4) Por meio da Tabela da Lei Normal achar ;e

5) Plotar os 3 pontos no papel Log-normal e traçar uma reta. Plotando-se todos os

pontos calculados por Kimball, pode-se fazer uma avaliação visual da dispersão (Figura
7.5).

Figura 7.5 - Representação de dados de mínimos no papel Log-normal

 221

Exemplo:
Completar o quadro a seguir, calculando a probabilidade P(x ≤ X) para as três
vazões indicadas. Em seguida, plotar esses pontos no papel Log-normal, traçar uma reta
e, graficamente, achar a Q 7, 10.

Anos Q 7 min Q 7 min Log(Q 7 min) u P(x ≤ X) (%)

(m3/s) cresc(m3/s)

1950 66,3

1951 68,5

1952 70,3

1953 49,6

1954 45,9

1955 45,5

1956 64,0

1957 81,3

1958 95,3

1959 67,7

1960 61,4

1961 45,2

1962 60,9

1963 44,6

1964 40,8

Média →

Desvio Padrão →
 222

Resposta: Q7-10 ≈ 42 m3/s

 223

7.8- Teste de aderência de Kolmogorov-Smirnov

Esse teste serve para avaliar se uma dada função de distribuição de

probabilidades se ajustou bem às frequências pontuais de uma série histórica de dados
máximos ou mínimos. O teste de Kolmogorov-Smirnov pressupõe que, se duas sub-
amostras são de uma mesma população, as distribuições de probabilidades acumuladas
das duas sub-amostragens devem estar muito próximas. Se duas distribuições
acumuladas são “muito discrepantes” em determinado ponto, então as sub-amostras
podem ser de populações diferentes. Assim, um grande desvio entre a probabilidade
calculada por Kimball e a probabilidade calculada pela função escolhida é uma
indicação para se rejeitar a hipótese Ho (de serem da mesma população), ou seja, um
grande desvio caracteriza que o ajuste da distribuição escolhida para explicar os dados
não foi bom (PRUSKI et al., 2006).
O teste é baseado nos desvios da distribuição da amostra de eventos calculados
pontualmente P(x) [Kimball, por exemplo] em relação à função de distribuição
contínua escolhida Po(x)[Gumbel, por exemplo]. Assim:

Dn = Max │P(x) – Po(x) │ 7.20

Em que:

Dn - máximo módulo dos desvios entre as probabilidades, decimal;

P(x) – probabilidade acumulada calculada por fórmula pontual [Kimball, por exemplo],
decimal;
Po(x) – probabilidade acumulada calculada por função de distribuição de frequência
[Weibull, por exemplo].

O teste requer que o valor de Dn calculado pela fórmula 7.20 seja menor que Dn
tabelado (Tabela 7.8). Se isto acontecer, aceita-se Ho (probabilidades são da mesma
população), significando que houve um bom ajuste da função escolhida às
probabilidades calculadas pontualmente. Caso contrário, rejeita-se Ho, indicando que se
deve procurar outra função de distribuição de frequência para se ajustar os dados.
Ao se analisar os dados da Tabela 7.8 verifica-se que os valores críticos de Dn,
para o nível de significância de 20%, são menores do que para 5 ou 1% e, em função
 224

disso, existe uma maior probabilidade das sub-amostras serem diferentes. Isto significa
que, ao tomar-se o nível de 20% o teste se torna mais rigoroso.

Tabela 7.8- Valores críticos de Dn para o teste de Kolmogorov-Smirnov

Tamanho da Nível de significância para Dn = max │P(x) – Po(x) │

amostra (n) α=20% α=15% α=10% α=5% α=1%
1 0,900 0,925 0,950 0,975 0,995
2 0,684 0,726 0,776 0,842 0,929
3 0,565 0,597 0,642 0,708 0,828
4 0,494 0,525 0,564 0,624 0,733
5 0,446 0,474 0,510 0,565 0,669
6 0,410 0,436 0,470 0,521 0,618
7 0,381 0,405 0,438 0,486 0,577
8 0,358 0,381 0,411 0,457 0,543
9 0,339 0,360 0,388 0,432 0,514
10 0,322 0,342 0,368 0,410 0,490
11 0,307 0,326 0,352 0,391 0,468
12 0,295 0,313 0,338 0,375 0,450
13 0,284 0,302 0,325 0,361 0,433
14 0,274 0,292 0,314 0,349 0,418
15 0,266 0,283 0,304 0,338 0,404
16 0,258 0,274 0,295 0,328 0,392
17 0,250 0,266 0,286 0,318 0,381
18 0,244 0,259 0,278 0,309 0,371
19 0,237 0,252 0,272 0,301 0,363
20 0,231 0,246 0,264 0,294 0,356
25 0,210 0,220 0,240 0,270 0,320
30 0,190 0,200 0,220 0,240 0,290
35 0,180 0,190 0,210 0,230 0,270
>35
 225

Exemplo:
Utilizando os dados do exemplo do item 7.7.2, termine de preencher a Tabela
abaixo e verifique se o ajuste das Q7,min ao modelo Log-Normal obteve aderência pelo
teste de Kolmogorov-Smirnov, para um nível de significância de 20%.

Anos Q7,min Q7,min Po(x) [≤] P(x) = Dn = Max

(m3/s) (cresc.) (decimal) (m / n+1) │Po(x) – P(x)│
1950 66,3 40,8 0,007215 0,0625 0,0097
1951 68,5 44,6 0,1357 0,1250 0,0107
1952 70,3 45,2 0,1469 0,1875 0,0406
1953 49,6 45,5 0,1539 0,250 0,0961
1954 45,9 45,9 0,1611 0,3125 0,1541
1955 45,5
1956 64,0
1957 81,3
1958 95,3
1959 67,7
1960 61,4
1961 45,2
1962 60,9
1963 44,6
1964 40,8
Resposta:
D15(calculado) = 0,2139; D15(tabelado – 20%) = 0,266
Como D15(calc) < D15(tab) → aceita-se Ho → O ajuste à distribuição Log-Normal foi
satisfatório.

7.8 - Exercícios propostos

a)Uma precipitação intensa tem um tempo de recorrência de 5 anos.

1o-Qual a probabilidade de ocorrência (em intensidade igual ou superior) no próximo
ano ?
 226

2o-Qual a probabilidade de ocorrência (em intensidade igual ou superior) durante os

próximos 3 anos ?
Resposta: 20%; 48%

b)Em uma seção transversal de um rio, a probabilidade anual de ocorrência de uma

cheia catastrófica é de 10%. Qual a probabilidade de que tal cheia não venha a ocorrer
nos próximos 5 anos ? Resposta: 59,05%

c)Entre os registros de enchentes de um rio, existe um que apresenta um período de

retorno de 10 anos. Qual é a probabilidade de que uma enchente igual ou superior não
se repita em qualquer período de 10 anos ?
Resposta: 35%.

d)Qual o risco assumido ao se esperar que, dentro de um período qualquer de 10 anos,

não ocorrerá nenhuma chuva igual ou maior que aquela correspondente a um período de
retorno de 10 anos ?
Resposta: 35%

e)Sabe-se que em uma área a ser drenada se pode esperar uma chuva intensa de 100 mm
em 24 horas. Qual o risco de falha de um canal (dreno) interceptor nesta área, projetado
para 20 anos de uso, causado por uma chuva igual ou mais intensa ? Usar relação I-D-F
de Piracicaba (Pg. 61)
Resposta: 27%.

f)Em uma certa região onde as chuvas são uniformemente distribuídas, existe uma
chance de 60% de que choverá em qualquer dia.
1o- Qual a probabilidade de não chover dois dias sucessivos ?
2o- Qual a probabilidade de chover 3 dias seguidos ?
3o- Qual a probabilidade de chover uma vez por semana ?
Resposta: 16%; 21,6%; 99,84%.

g)Tem-se à disposição uma série anual das enchentes de um rio, com 20 anos de
registro, contendo valores de Q(m3/s) e os respectivos tempos de retorno T(anos),
calculados pela expressão de Kimball.
 227

No de ordem (m) Q(m3/s) Período de retorno – T (anos)

1 680 21
2 620 10,5
3 570 7,1
20 190 1,05

Estime qual será o valor da enchente esperado pelo menos uma vez, dentro de 10 anos,
com um risco de falha de 78%.
Resposta: Q ≈ 570 m3/s

h) São dadas as vazões médias diárias máximas anuais (m 3/s) do rio Jaguari, bacia do
rio Piracicaba, medidas em um posto em Jaguariúna - SP, com área de captação de
2.220 Km2. Calcular as vazões prováveis de enchentes para os períodos de retorno de 50
e 100 anos, pelos métodos de Gumbel, Gumbel-Chow, Log-Pearson Tipo III e Log-
normal.

m Q m Q m Q m Q
1 490,0 10 225,0 19 163,0 28 109,0
2 425,0 11 212,0 20 162,0 29 102,0
3 314,6 12 212,0 21 153,0 30 96,4
4 302,0 13 206,0 22 139,0 31 95,0
5 289,0 14 205,0 23 135,0 32 93,1
6 250,0 15 182,0 24 123,0 33 75,7
7 244,0 16 171,0 25 121,0 34 51,9
8 240,0 17 169,0 26 116,0
9 237,0 18 167,0 27 113,0

Respostas:

Gumbel-Chow → Q50 = 449 m3/s; Q100 = 513 m3/s

Gumbel→ Q50 = 453 m3/s; Q100 = 512 m3/s
Log-Pearson Tipo III→ Q50 = 456 m3/s; Q100 = 516 m3/s
 228

Log-Normal→ Q50 = 458 m3/s; Q100 = 524 m3/s

i)Pretende-se calcular a Q7,10 para o posto fluviométrico de Artemis, no rio Piracicaba,
partindo-se da simplificação de que a média mínima de 7 dias consecutivos (Q7, min)
ocorre sempre durante a segunda quinzena do mês de Setembro, para qualquer que seja
o ano. Calcule Q7,min para cada um dos cinco anos fornecidos (m 3/s) e ajuste ao
modelo de Gumbel para mínimos, para obter a Q7,10.

DIA / ANO 1999 2000 2001 2002 2003

16 104,0 139,5 109,3 44,3 29,8

17 101,3 137,4 94,9 42,3 31,2

18 100,2 130,8 77,7 43,3 34,1

19 97,6 112,5 72,0 42,3 30,7

20 96,0 88,1 71,5 44,3 29,8

21 93,9 68,9 72,5 60,8 28,8

22 92,3 66,9 74,6 68,4 25,5

23 93,9 58,8 72,5 65,9 23,2

24 95,0 54,2 62,3 63,3 22,3

25 95,0 53,2 45,8 61,3 21,4

26 93,4 51,2 42,3 57,3 22,3

27 91,3 50,2 41,4 52,7 22,3

28 88,1 50,7 41,4 49,2 23,2

29 84,5 49,2 39,4 46,3 22,3

30 78,2 59,0 39,5 46,8 22,7

Q 7, min

Dados:

σn = 0,942

Yn = 0,491
 229

média = ?

desvio padrão = = ?

Fórmulas:

Resposta: Q7,10 = 6,6 m3/s

j) Dada uma série de 15 anos de Q7min, com:

Média(Q7,min) = 60,49 m3/s
σ (Q7,min) = 15,43 m3/s
Coeficiente de assimetria = γ = 0,631
Achar o valor da Q7,10, usando a distribuição de Weibull
Resposta: Q7,10 = 41,79 m3/s

k)A tabela a seguir se refere ao exemplo do item 7.3.2 do texto. Termine de preenchê-la
calculando P(x) por Kimball e Po(x) por Gumbel. Em seguida calcule o módulo da
diferença entre essas probabilidades e responda se o ajuste do modelo de Gumbel aos
dados de vazão máxima foi satisfatório, baseado no teste de Kolmogorov-Smirnov, com
uma significância de 20%.
Ano Qmax Qmax m P(x)= Po(x)= Dn =
3
(m /s) Decresc. m / (n+1) Gumbel │P(x)-Po(x)│
1950 556,8 556,8 1 0,0625 0,063643891 0,001143891
1951 370,4 457,8 2 0,125 0,141874868 0,016874868
1952 305,4 376,8 3 0,1875 0,263122023 0,075622023
1953 102,1 370,4 4 0,25 0,27563878 0,02563878
1954 219,5 337,4 5 0,3125 0,34773175 0,03523175
1955 174,5 335,4 6 0,375 0,352509811 0,022490189
1956 122,4 305,4 7 0,4375 0,429593661 0,007906339
1957 295,6
1958 335,4
1959 258,8
1960 376,8
 230

1961 337,4
1962 292,2
1963 457,8
1964 262,6
Resposta: D15(calculado) = 0,1212; D15(tabelado-20%) = 0,266
Assim, como D15(calculado) < D15(tabelado-20%) → Aceita-se Ho, ou seja, o ajuste
ao modelo de Gumbel foi satisfatório.

l)A Tabela a seguir se refere ao exemplo do item 7.3.2 do texto. Termine de preenchê-la
calculando P(x) por Kimball e Po(x) por Gumbel. Em seguida calcule o módulo da
diferença entre essas probabilidades e responda se o ajuste do modelo de Gumbel aos
dados de vazão mínima média de 7 dias consecutivos foi satisfatório, baseado no teste
de Kolmogorov-Smirnov, com uma significância de 20%.

Ano Q7,min Q7,min m P(x)= Po(x)= Dn =

3
(m /s) Cresc. m / (n+1) Gumbel │P(x)-Po(x)│
1950 66,3 40,8 1 0,0625 0,150411966 0,087911966
1951 68,5 44,6 2 0,125 0,189049312 0,064049312
1952 70,3 45,2 3 0,1875 0,19589523 0,00839523
1953 49,6 45,5 4 0,25 0,19939878 0,05060122
1954 45,9 45,9 5 0,3125 0,20415496 0,10834504
1955 45,5 49,6 6 0,375 0,252947942 0,122052058
1956 64 60,9 7 0,4375 0,459612074 0,022112074
1957 81,3 61,4 8 0,5 0,470673114 0,029326886
1958 95,3 64 9 0,5625 0,530193525 0,032306475
1959 67,7
1960 61,4
1961 45,2
1962 60,9
1963 44,6
1964 40,8

Resposta: D15(calculado) = 0,1310; D15(tabelado-20%) = 0,266

Assim, como D15(calculado) < D15(tabelado-20%) → Aceita-se Ho, ou seja, o ajuste
ao modelo de Gumbel foi satisfatório.