Vous êtes sur la page 1sur 10

ESTIMATIVAS DOS PARÂMETROS DA DISTRIBUIÇÃO GAMA DE

DADOS PLUVIOMÉTRICOS DO MUNICÍPIO DE LAVRAS, ESTADO


DE MINAS GERAIS 1

VALÉRIA ANDRADE VILLELA AMARANTE BOTELHO 2


AUGUSTO RAMALHO DE MORAIS 3

RESUMO - Este trabalho apresenta as estimativas dos julho, agosto) e maiores nos meses mais chuvosos (no-
parâmetros da distribuição de probabilidade gama vembro, dezembro, janeiro) e aumentam de valor à me-
ajustada aos dados de precipitação pluvial de Lavras- dida que o tamanho do período aumenta. As estimati-
MG, coletados de janeiro de 1966 a dezembro de 1996 vas do parâmetro de escala (β) foram menores nos pe-
e agrupados em onze períodos: dados diários, 1-3, 1-6, ríodos de 1-3 e 1-6 nos meses mais secos (junho, julho,
1-9, 1-12, 1-15, 1-18, 1-21, 1-24, 1-27 e totais mensais. agosto); nos outros meses, não houve uma tendência
As estimativas do parâmetro de forma (α), de modo ge- definida quanto ao aumento dos períodos; os maiores
ral, são menores nos meses menos chuvosos (junho, valores ocorreram nos meses mais chuvosos.
TERMOS PARA INDEXAÇÃO: Distribuição gama, estimativas de parâmetros, precipitação pluviométrica, chuva.

ESTIMATES OF THE GAMMA DISTRIBUTION PARAMETERS FOR


RAINFALL DATA MEASURED IN LAVRAS, MINAS GERAIS
ABSTRACT - This work presents an estimate July and August) and greater in rainy months
of parameters of the gamma distribution ajusted for (November, December and January) increasing in value
daily rainfall precipitation data for Lavras - MG, as the size of the period increased. The estimates for the
collected from January 1966 to December 1996 and parameters of the (β) scale were smaller in the periods 1-3
clustered for eleven periods: daily data, 1-3, 1-6, 1-9, 1- and 1-6 in the driest months (June, July and August), and
12, 1-15, 1-18, 1-21, 1-24, 1-27 and also for the in the others months, there wasn’t a fixed tendency with an
monthly total. The estimates for the parameters of increase of the lenght of the period; the greatest value
appearance (α) were smaller in drier months (June, occurred in the wettest rainy months.
INDEX TERMS: Gamma distribution, rainfall.

INTRODUÇÃO pluvial é o elemento regulador na agricultura, sendo


que a quantidade de chuva, assim como a sua distribui-
A sobrevivência dos seres vivos está ligada, entre
ção em certa localidade, pode determinar o tipo de ati-
outros fatores, à sua alimentação e, conseqüentemente,
vidade agrícola a ser desenvolvida.
à produção agrícola. A chuva, como principal fonte de
O conhecimento do comportamento das precipi-
água para a agricultura, tem, às vezes, comprometido o
tações pode fornecer subsídio para determinar períodos
desenvolvimento, a colheita, a industrialização, o ar-
críticos predominantes na região, tendo-se condições de
mazenamento e a distribuição da produção agrícola,
fornecer informações que visem a reduzir as conse-
pois apresenta uma variação não uniforme, ora com
qüências causadas pelas flutuações de chuva, secas,
grandes períodos de estiagem, ora com consideráveis
quer pelo emprego de irrigação ou implantação de cul-
aguaceiros de curta duração, que superam a capacidade
turas mais adaptadas ao regime pluviométrico.
de retenção de água pelo solo, provocando enchentes e
inundações. Na literatura encontram-se algumas distribui-
As produções agrícolas são funções de elementos ções de freqüências que podem ser úteis no estudo de
probabilísticos no sentido de que elas dependem entre dados climatológicos, principalmente no estudo das
outros fatores das variáveis climáticas, tais como quan- precipitações pluviais. Dessas distribuições, uma que
tidade total de chuva, distribuição pluviomética, tempe- tem sido usada com sucesso é a distribuição gama com
ratura e umidade relativa do ar. Dessas, a precipitação dois parâmetros.

1. Extrato da Dissertação de Mestrado do primeiro autor


2. MS Agronomia - Área de Concentração: Estatística e Experimentação Agropecuária;
3. Professor Dr. Departamento de Ciências Exatas / UNIVERSIDADE FEDERAL DE LAVRAS (UFLA), Caixa Postal
37, 37 200-000 - Lavras, MG.
698

Estudando os dados pluviométricos do municí- quantidades de chuva. O teste aplicado foi o qui-
pio de Itaguaí-RJ, Vivaldi (1973) deu ênfase aos as- quadrado. Constatou, ainda, que no período de 1-3 dos
pectos teóricos dos métodos dos momentos e da máxi- meses de baixa precipitação, como agosto, outubro e
ma verossimilhança usados na obtenção dos estimado- novembro, as freqüências esperadas não estavam de
res dos parâmetros; foram desenvolvidas fórmulas para acordo com as observadas, essa discrepância possivel-
determinação da variância dos estimadores e evidenci- mente foi causada pela redução do tamanho da amostra;
ou-se a necessidade da aplicação do método de máxima portanto, nesse período, a distribuição gama não apre-
verossimilhança, sendo que o mesmo já havia sido su- sentou bons resultados.
gerido por Thom (1958). Assis (1991) elaborou modelos teóricos para
Utilizando-se dados de 30 anos (1949-1978), descrever a quantidade de chuva diária em Pelotas-RS,
Frizzone (1979) estimou as precipitações dependentes com base na distribuição binomial negativa truncada e
para a região de Viçosa-MG, em períodos de 5, 10, 15 e na distribuição de probabilidade gama. Ao analisar os
30 dias, utilizando cinco modelos para cálculo da dis- totais semanais de chuva de Pelotas-RS, corresponden-
tribuição de freqüência. Os resultados mostraram que a tes ao período de 1893 a 1991, concluiu-se que a quan-
distribuição gama incompleta pode ser usada para se tidade de chuva nas semanas com chuva pode ser ade-
estudar a distribuição das precipitações em períodos de quadamente representada pela função de distribuição de
5 a 30 dias na referida região. probabilidade gama.
Friedman e Janes (1957) estudaram o problema O estudo das precipitações diárias e agrupadas
da determinação de estimativas de probabilidade de em vários períodos através da distribuição gama pode
precipitação pluvial e evidenciaram o fato de que são fornecer informações probabilísticas que possibilitem
necessários dados de, no mínimo, 30 anos para que o um planejamento racional do aproveitamento da água.
tamanho da amostra seja representativo. Assim, constituiu objetivo deste trabalho a obtenção de
Castro Neto, Sediyama e Villela (1980b) ajusta- estimativas dos parâmetros (α e β) da distribuição
ram uma função potencial aos dados diários de chuva gama ajustada aos dados de precipitações pluviais diá-
para a região de Lavras-MG, para identificarem os me- rias e agrupadas em vários períodos para a região de
ses que apresentam maiores probabilidades de ocorrên- Lavras - MG.
cia de períodos secos. De maneira semelhante, Castro
Neto, Sediyama e Villela (1980a) verificaram que as MATERIAL E MÉTODOS
maiores probabilidades de períodos chuvosos prolonga-
Os dados utilizados no presente estudo foram
dos em Lavras-MG ocorreram nos meses de novembro
fornecidos pela Área de Agrometeorologia do Departa-
a março. Castro Neto e Silveira (1981a) estudaram a
mento de Engenharia e oriundos da Estação Climatoló-
precipitação para Lavras-MG em períodos mensais, ba-
gica Principal de Lavras-MG, situada no campus da
seada na função de distribuição de probabilidade gama,
Universidade Federal de Lavras, em Lavras, Estado de
concluindo que as menores precipitações prováveis fo-
Minas Gerais, em convênio com o Instituto Nacional de
ram encontradas nos meses de junho, julho e agosto e
Meteorologia (INMET). A Estação Climatológica de
as maiores nos meses de outubro a março; afirmaram,
Lavras está situada à latitude de 21014’S, longitude de
também, que a precipitação mensal não é indicada
45000’W e altitude de 918,84 metros (Brasil, 1992) e
como base para o dimensionamento de sistemas de irri-
altitude da cuba do barômetro de mercúrio de 920 me-
gação complementar. Do mesmo modo, Castro Neto e
tros. Segundo a classificação de Köppen, que pode ser
Silveira (1981b), Castro Neto e Silveira (1983) estuda-
encontrada em Vianello e Alves (1991), entre outros, o
ram a precipitação provável em períodos de quinze e
clima da região é do tipo Cwa, temperado úmido (com
dez dias respectivamente, através da distribuição gama,
verão quente e inverno seco), caracterizado por um total
concluindo que é possível a utilização de irrigação su-
de chuvas no mês mais seco de 23,4 mm e do mês mais
plementar na região contando-se com a precipitação
chuvoso de 295,8 mm, por uma temperatura média do
provável, o que diminuirá o custo de instalação e opera-
mês mais quente de 22,1o C e a do mês mais frio de
ção de sistemas de irrigação.
Galate (1987) estudou o ajuste da distribuição 15,8o C, sendo a temperatura média anual de 19,4o C, a
gama incompleta aos dados de precipitação pluvial do precipitação total anual de 1529,7 mm, a evaporação
município de Belém-PA, utilizando dados de 1953 a total no ano de 1034,3 mm e a umidade relativa média
1986 e os dados agrupados em dez períodos; verificou anual de 76,2%; a nebulosidade é máxima no verão e
que a distribuição gama ajustou-se bem aos dados, em mínima no inverno, com média anual de 4,8 de céu co-
razão da hipótese nula não ser rejeitada em 97,5% dos berto (de 0-10), de acordo com Brasil (1992). As obser-
períodos estudados, o que comprova a eficiência da vações referem-se às precipitações pluviais diárias ex-
distribuição gama para a obtenção de estimativas de pressas em altura de lâmina d’água (mm), abrangendo

Ciênc. agrotec., Lavras, v.23, n.3, p.697-706, jul./set., 1999


699

n
um período de janeiro de 1966 a dezembro de 1996,
num total de 31 anos. Os dados foram agrupados em L( x1 , x2 ,..., x n ; α , β) = ∏
1
β Γ (α)
α ( x i ) e( − x / β )
α −1

i =1
onze períodos dentro de cada mês, com exceção do mês α −1
n
= β [Γ ( α ) ] − n ∏ ( x i ) e (
de fevereiro, quando foram usados dez períodos. Os pe- − nα − ∑ xi /β
)
ríodos foram constituídos por agrupamentos de dados (5)
i =1
da seguinte maneira: dados diários, 1-3, 1-6, 1-9, 1-12,
aplicando logaritmo natural obtém-se:
1-15, 1-18, 1-21, 1-24, 1-27, 1-31. (em que, por exem-
plo, 1-3 significa tomar períodos contendo totais de da- ln L ( x1 , x,..., x n ; α , β ) = − nα ln (β ) − n ln[Γ (α )] + (α − 1) ln (∑ ln xi ) −
∑ x (6)
i

β
dos de 3 em 3 dias).
Uma variável aleatória contínua x com ( 0 ≤ x <
derivando-se parcialmente em relação aos parâmetros α
∞) se distribui segundo uma distribuição gama de pa-
e β e igualando-se a zero, fica:
râmetros α > 0 e β > 0 se sua função de densidade de
probabilidade é:
 ∂ln L( x1 , x 2 ,..., x n ; α , β ) Γ ' ( α∃ )
 1
n

 x α −1e − x / β , 0 < x < ∞  = −n − n ln β∃ + ∑ ln xi = 0


f ( x) = β α Γ ( α ) (1)  ∂α Γ (α∃ ) i =1 (7)

n

∂ln L( x1 , x 2 ,..., x n ; α , β ) − nα∃ ∑
0 , c.c.  xi
 = ∃ + i =∃1 2 = 0
 ∂β β β
Se X é uma variável aleatória com distribuição gama de
parâmetros α e β, então o estimador da média (primeiro
simplificando, obtém-se:
momento em relação à origem) é:
m1 = αβ (2)
 Γ ' (α∃ ) n

− n Γ (α∃ ) − n ln β + ∑ ln x i = 0

e o estimador da variância (segundo momento em rela-  i =1 (8)

ção à média) é: ∃ X
µ2 = V(X)= αβ
2
(3) β = α∃

A proporção de valores nulos (Q) em cada perí- Em (8), na primeira equação, dividindo-se am-

odo foi estimada usando-se o estimador: bos os membros por n e substituindo β por X , obtém-se:
m α∃
∃ =
Q (4) Γ ' ( α∃ ) 1 n
n ln α∃ − = ln X − ∑ ln x (9)
Γ (α∃ ) n i =1
em que: m = número de zeros em uma série climatoló-
gica; n = tamanho da amostra. A expressão Γ' (α ∃ ) / Γ (α
∃ ) é chamada função
Um grande problema encontrado em trabalhos
que envolvem a distribuição gama é a estimação dos digama de α
∃ , representada por ψ( α ∃ ) e suas derivadas
parâmetros α e β, devido à complexidade e extensão ψ’( α
∃ ) e ψ’’( α
∃ ) são chamadas funções trigama e te-
dos cálculos envolvidos. Vários métodos podem ser tragama, respectivamente.
usados, como o método dos quadrados mínimos, o mé-
todo dos momentos e o da máxima verossimilhança. A equação (9) pode ser representada por:
Porém, todos possuem limitações, seja por problemas 1 n
matemáticos ou por produzirem estimativas ineficien- ln α∃ − ψ (α∃ ) = ln x − ∑ ln x i (10)
n i =1
tes. O método dos quadrados mínimos apresenta uma
série de dificuldades quando aplicado à distribuição Fazendo-se
gama, e não é recomendado. Os métodos da máxima 1 n
verossimilhança e o dos momentos são os mais comu- A = ln x − ∑ ln x j
n j=1
(11)

mente utilizados, mas, segundo Thom (1958), deve-se em que n = número de anos com dados de precipitação;
preferir o da máxima verossimilhança devido às suas xj = altura de chuva no período; x = altura média de
melhores propriedades. chuva no período.
Para a distribuição gama a função de verossi-
milhança é: Então (10) fica:

Ciênc. agrotec., Lavras, v.23, n.3, p.697-706, jul./set., 1999


700

ln α∃ − ψ(α∃ ) = A (12)
Sendo F(x) a probabilidade de ocorrência de
uma precipitação menor ou igual a x, então ela pode ser
A dificuldade do método reside na resolução
obtida através de sua função de distribuição de probabi-
da equação (12), de onde obtém-se o estimador de
lidade acumulada:
α∃ , pois (12) é uma equação implícita em α∃ . Mas x
1
∫ u(α −1)e − u / βdu
pode ser resolvida com alguma álgebra e uso de re-
cursos computacionais. A função digama ψ (α ∃) β Γ( α ) 0
P(X≤x) = F(x) = α (19)

aparece tabulada em algumas publicações, como em sendo: F(x) = probabilidade de ocorrer um valor X ≤ x,
Abramowits e Stegun (1970), mas para poucos valo- ou probabilidade de ocorrer uma quantidade de preci-
res. Porém, pode ser obtida através do desenvolvi- pitação igual ou inferior a x; X = variável aleatória
mento em série de: contínua que representa os valores das precipitações;
Γ(α) = função gama incompleta; α = parâmetro de
m
1 B2 K forma da variável aleatória X; β = parâmetro de escala
ψ ( α ) = ln(α ) − −∑ (13)
2α K =1 ( 2 Kα 2 K ) da variável aleatória X (mm); e = base do logaritmo
neperiano (2,718...); x = quantidade de chuva, em mm.
em que BK são os números de Bernoulli ( B2 = 1/6,
B4 = - 1/30, ...). Através do desenvolvimento de (19), fazendo-se
uso da série de Taylor, obtém-se:
Desenvolvendo-se a expressão (13), obtém-se:


 t t2 t3  (20)
F( t ) = 1 + + + +Κ 
α∃Γ(α∃ )e t  α∃ + 1 (α∃ + 1)(α∃ + 2) (α∃ + 1)(α∃ + 2)(α∃ + 3) 
ψ ( α) ≅ ln( α ) −
1

1
+
1

1
+
1

1

(14)
2α 12 α 2 120α 4 252α 6 240α 8 132α10
que é uma expressão que permite o cálculo aproximado
Calculando-se a derivada de (14), tem-se a fun- da probabilidade de ocorrência de um valor menor ou
ção trigama, ou seja: ∃
igual a t, de onde obtém-se x = t β .
1 1 1 1 1 1 5 (15)
ψ ' ( α) ≅ + + − + − + +Κ
α 2α 2 6α 3 30α 5 42 α 7 30α 9 66α 11 Os estimadores obtidos pelo método da máxima
verossimilhança têm variâncias e covariâncias, dadas por:
que será usada no cálculo das variâncias.
β 2 ψ ' (α∃ )
∃ (α
∃) =
α∃
, V∃ (β∃) = e
Das equações (10), (11), (12) e (14), tem-se
que uma aproximação para a função digama é
V
[
∃ ' (α
n αψ ∃) − 1 ] [∃ ' (α
n αψ ∃) − 1 ]
1 1
ψ (α∃ ) ≅ ln(α∃) − − (16)
−β ∃
2α∃ 12α∃ 2 ∃ α
Cov ∃ =
∃, β ( ) n[αψ ∃ ) − 1]
(21)
Substituindo a expressão de ψ (α ∃ ) de (16) ∃ ' (α

em (12), um estimador aproximado do parâmetro α


pode ser obtido através da resolução da seguinte Para amostras grandes, um intervalo de confian-
equação: ça aproximado pode ser construído, para os parâmetros
α∃ e β∃ . Como se observa, a variância das estimativas é
12Aα∃ 2 − 6α∃ − 1 = 0 (17) inversamente proporcional ao tamanho da amostra, in-
dicando que quanto maior n, menor será o intervalo de
Como xi > ln xi, tem-se A > 0, o discriminante confiança.
da equação (17) será maior que 36. Então, para satisfa- Na descrição dos resultados, as estimativas dos
zer a condição α > 0 (por definição), a solução que inte- valores de α, entre os períodos, não foram comparadas
ressa será: estatisticamente, pois os dados de um período estão re-
lacionados (dependentes) com os de outros períodos.
Por exemplo, período de 1-12 inclui os dados dos perí-
1 + 1 + 4A / 3 ∃ x
α∃ = e β= (18) odos 1-3, 1-6, 1-9. E, entre meses, as estimativas tam-
4A α∃ bém não foram estatisticamente comparadas.

Ciênc. agrotec., Lavras, v.23, n.3, p.697-706, jul./set., 1999


701

RESULTADOS E DISCUSSÃO As estimativas de β foram menores para os da-


dos diários, quando comparadas com as obtidas para os
Observa-se uma variabilidade muito grande dos dados agrupados; mas entre aquelas dos dados agrupa-
dados de precipitações totais mensais e anuais (Tabela dos, houve uma tendência de serem menores nos perío-
1) para a região de Lavras-MG; por exemplo: no mês dos de 1-3 e 1-6 nos meses menos chuvosos, como ju-
de janeiro, considerado um mês de muita chuva, ocorre- nho, julho e agosto, e nos outros meses não houve uma
ram precipitações mensais que variaram de 76 mm tendência definida à medida que o tamanho dos perío-
(1976) até 718 mm (1992), e em julho, as precipitações dos foram aumentando. Para os dados agrupados, as
variaram de 0 a 94 mm; a maior precipitação média estimativas variaram de 3,0616 (1-3 de julho) até
mensal ocorreu em dezembro, com 284,6 mm, e a me- 78,2397 (1-18 de fevereiro). Para Vivaldi (1973), as es-
nor, no mês de julho, com 20,2 mm. A precipitação to- timativas de β não apresentaram nenhuma tendência
tal anual média foi de 1534 mm, sendo que no ano de em relação ao tamanho dos períodos dentro de cada
1990 ocorreu a menor precipitação anual (1034 mm), mês, com valores que variaram de 0,844 (em julho) até
com menores precipitações em outubro e dezembro e a 9,128 (em janeiro). Considerou-se, ainda, que houve
maior precipitação ocorreu no ano de 1983, com 2568 predominância de valores maiores nos meses mais chu-
mm; nesse ano, houve uma maior regularidade de pre- vosos, resultado semelhante aos encontrados neste tra-
cipitações mensais durante o ano, com chuvas de até balho. Já Galate (1987), havia observado que, em geral,
127 mm no mês de junho, considerado como um mês nos meses menos chuvosos os valores de β∃ foram mai-
de pouca precipitação (seco). ores. Estimativas da variância aumentaram rapida-
Para os dados diários, verificou-se que, nos me- mente com o crescimento dos valores de β∃ , sendo este
ses de maiores precipitações como janeiro e dezembro,
um indicador da variabilidade dos dados, visto que va-
as estimativas de α (parâmetro de forma) foram meno-

res do que nos meses de poucas precipitações, como em riância é diretamente proporcional ao quadrado de β .
junho, julho e agosto (Tabelas 2, 3, 4, 5 e 6). Essas es- Nas Tabelas 2 a 5 também estão contidos os va-
timativas variaram de 0,5158 (novembro) a 6,2619 lores estimados das médias e variâncias dos dados nos
(julho), sugerindo que os dados diários possuem uma diferentes períodos de dois meses mais chuvosos (janei-
certa assimetria principalmente nos meses mais chuvo- ro e fevereiro) e dois meses menos chuvosos (junho e
sos. Já para o parâmetro de escala β, os maiores valores julho), verificando-se que à medida que a precipitação
numéricos ocorreram nos meses de maiores incidência média aumenta, em função do aumento do tamanho dos
de chuvas, com estimativas de 0,1042 (julho) até períodos, a variância também aumenta, indicando que
17,0345 (janeiro), sugerindo uma maior amplitude dos em períodos maiores os dados são mais inconsistentes,
dados nos meses mais chuvosos. isto é, as precipitações mensais são mais irregulares do
De modo geral, ao aumentar o tamanho do perí- que as precipitações diárias ou do período de 1-3 dias
odo, as estimativas dos valores de α ∃ aumentaram em por exemplo. Observa-se também que as variâncias são
conseqüência da diminuição da assimetria. As estimati- menores nos meses menos chuvosos em conseqüência
vas de α ∃ para os dados agrupados variaram de 0,4545 ∃
dos menores valores de β e de α ∃ . Os erros padrões
(em 1-12 de junho) até 6,8419 (em 1-31 de dezembro),
das estimativas dos parâmetros α e β (Tabelas 2 a 5)
valores esses que estão próximos aos encontrados por
apresentaram uma tendência em aumentar seus valores
Vivaldi (1973), que havia encontrado estimativas que
à medida que houve um aumento no tamanho do perío-
variaram de 0,631 a 10,746, sendo que desses valores
do; conseqüência da maior variabilidade dos dados
apenas três foram maiores que 6,8419, que foi a esti-
quando estes são agrupados em períodos maiores, mos-
mativa encontrada neste trabalho.
trando que em períodos menores as estimativas possu-
Para os dados agrupados nos períodos, observou-
em uma precisão melhor do que nos períodos maiores.
se que, de um modo geral, nos meses mais chuvosos
Um resultado bastante interessante foi a proporção de
(outubro, novembro, dezembro e janeiro), as estimativas
valores nulos da amostra. Em geral, observou-se que ao
do parâmetro α apresentaram valores, em geral, maio-
aumentar o tamanho do período, as estimativas da pro-
res que os obtidos nos meses menos chuvosos, como ju-
∃ ) diminuíram, o que já era
porção de valores nulos ( Q
nho, julho e agosto. Isso pode ser explicado pela pro-
nunciada assimetria nos períodos dos meses mais secos, esperado. Já nos meses mais secos, como junho e
visto que a assimetria é inversamente proporcional a α. julho (Tabelas 4 e 5), em todos os períodos houve
Nos meses de menor ocorrência de chuva, as estimati-
vas de α não apresentaram uma tendência definida com
o aumento do tamanho do período (Tabelas 4 e 5).
Ciênc. agrotec., Lavras, v.23, n.3, p.697-706, jul./set., 1999
702

TABELA 1 - Totais mensais e anuais das precipitações pluviométricas de janeiro de 1966 a dezembro de 1996 em
Lavras - MG.

Ano jan. fev. mar. abr. mai. jun. jul. ago. set. out. nov. dez. Total
1966 515 237 224 24 12 0 5 9 32 168 265 303 1794
1967 393 284 115 26 1 28 0 0 5 123 258 210 1443
1968 196 192 76 29 2 2 3 43 67 108 81 372 1170
1969 254 175 148 50 33 43 5 25 20 115 292 269 1428
1970 345 256 106 72 17 24 26 55 57 144 223 102 1427
1971 259 56 150 87 3 109 1 0 49 131 295 446 1585
1972 197 259 204 45 33 0 94 18 73 188 417 199 1727
1973 202 117 112 172 60 35 8 27 42 149 134 257 1316
1974 212 64 426 62 35 72 0 5 15 111 72 325 1399
1975 173 269 47 50 18 5 25 0 50 107 332 225 1301
1976 76 228 127 84 123 22 69 107 196 105 166 337 1641
1977 250 24 279 88 5 7 0 42 128 51 273 107 1256
1978 410 129 90 31 100 23 46 0 43 156 219 201 1448
1979 205 380 204 80 86 0 82 71 73 166 236 350 1933
1980 489 202 61 148 9 83 0 13 45 61 229 251 1589
1981 282 77 117 41 25 51 0 22 54 220 253 231 1373
1982 352 188 343 23 16 9 22 2 44 179 136 507 1820
1983 238 377 246 216 141 127 57 6 369 184 194 414 2568
1984 172 69 101 110 47 0 0 33 113 67 233 268 1212
1985 448 161 225 8 21 3 0 2 61 76 263 392 1659
1986 126 259 148 28 90 1 80 81 18 38 140 509 1518
1987 205 136 179 109 57 21 4 0 92 57 169 402 1431
1988 138 256 112 32 34 23 10 0 53 181 154 190 1181
1989 270 361 273 45 0 41 31 6 72 59 123 271 1554
1990 114 120 115 68 93 1 40 43 71 91 181 97 1034
1991 543 203 119 101 2 0 7 0 47 190 102 215 1529
1992 718 144 238 111 94 4 14 25 158 144 230 132 2011
1993 194 275 139 63 28 54 0 22 55 48 102 229 1209
1994 421 212 274 24 198 10 4 0 0 146 227 317 1833
1995 200 340 125 65 66 1 1 0 39 116 192 442 1585
1996 147 310 129 54 85 17 0 18 149 91 336 253 1589

Ciênc. agrotec., Lavras, v.23, n.3, p.697-706, jul./set., 1999


703

TABELA 2 - Estimativas dos parâmetros (α e β), proporção de valores nulos (Q), média ( m ∃ ) e variância (S2) das
∃ e de ∃ , obtidos para as precipitações diárias e agrupadas em dez
precipitações observadas e erros padrões de α
.

Períodos α∃ β∃ ∃
Q ∃
m S2 S(α∃ ) ()
S β∃

Diários 0,5358 17,0345 0,4027 9,1 284,3240 0,0039 0,7611


1–3 0,6178 44,5983 0,1710 27,6 1228,8094 0,0147 3,3929
1–6 0,8369 65,8419 0,0710 55,1 3628,0919 0,0686 7,9083
1–9 1,3741 62,1412 0,0108 85,4 5306,1266 0,1818 9,8913
1 – 12 1,6307 70,1047 0 114,3 8014,3507 0,2682 13,4728
1 – 15 1,9883 69,2887 0 137,8 9545,6771 0,3315 13,1301
1 – 18 3,0818 54,3698 0 167,6 9110,0324 0,7443 14,2609
1 – 21 3,9444 48,6679 0 192,0 9342,5658 0,9625 12,6653
1 – 24 3,7255 61,3709 0 228,6 14031,6761 0,9071 15,9969
1 – 27 4,0962 62,5370 0 256,2 16019,7318 1,0009 16,2581
1 – 31 4,3271 65,3900 0 282,9 18502,0396 1,0594 16,9763

TABELA 3 - Estimativas dos parâmetros (α e β), proporção de valores nulos (Q), média ( m ∃ ) e variância (S2) das
∃ e de β∃ , obtidos para as precipitações diárias e agrupadas nos nove
precipitações observadas e erros padrões de α
períodos para o mês de fevereiro.

Períodos α∃ β∃ ∃
Q ∃
m S2 S(α∃ ) ()
S β∃

Diários 0,5384 13,3981 0,4828 7,2 170,30 0,0042 0,6266

1–3 0,6159 35,1929 0,2115 21,7 762,8169 0,0153 2,8226

1–6 0,8111 54,3049 0,0968 44,1 2391,9519 0,0686 7,1877

1–9 1,2590 51,6504 0,0215 65,0 3358,7146 0,1650 8,2826

1 – 12 1,5082 58,4260 0 88,1 5148,3877 0,2465 11,2998

1 – 15 1,7806 64,8902 0 115,5 7497,6402 0,4167 17,5200

1 – 18 1,7853 78,2397 0 139,7 10928,6259 0,4179 21,1202

1 – 21 2,1393 73,6752 0 157,6 11612,1955 0,5067 19,6569

1 – 24 2,6653 66,1202 0 176,2 11652,3740 0,6392 17,4452

1 – 28 3,3769 57,7717 0 195,1 11270,6378 0,8189 15,1048

Ciênc. agrotec., Lavras, v.23, n.3, p.697-706, jul./set., 1999


704

TABELA 4 - Estimativas dos parâmetros (α e β), proporção de valores nulos (Q), média ( m ∃ ) e variância (S2) das
∃ e de β∃ , obtidos para as precipitações diárias e agrupadas nos dez
precipitações observadas e erros padrões de α
períodos para o mês de junho.
Períodos α∃ β∃ ∃
Q ∃
m S2 S(α∃ ) ()
S β∃

Diários 1,6867 0,5189 0,9012 0,9 17,2730 0,0718 0,0257

1–3 0,5850 4,4933 0,7968 2,6 11,8110 0,0111 0,3444

1–6 0,4868 10,7991 0,6645 5,3 56,7709 0,0058 1,2498

1–9 0,4583 17,6142 0,5591 8,1 142,1922 0,0054 2,7060

1 – 12 0,4545 23,8153 0,4839 10,8 257,7781 0,0063 4,4983

1 – 15 0,4965 26,4714 0,3871 13,1 347,9149 0,0102 4,8020

1 – 18 0,4703 33,4447 0,3871 15,7 526,0531 0,0107 8,7921

1 – 21 0,4771 35,6533 0,3226 17,0 606,4694 0,0116 9,3112

1 – 24 0,4649 46,5651 0,3226 21,6 1008,0466 0,0100 12,3070

1 – 27 0,5147 47,0479 0,2258 24,2 1139,2910 0,0176 11,8873

1 – 30 0,6053 46,4260 0,1613 26,3 1304,6476 0,0419 10,4651

TABELA 5 - Estimativas dos parâmetros (α e β), proporção de valores nulos (Q), média ( m ∃ ) e variância (S2) das
∃ e de β∃ , obtidos para as precipitações diárias e agrupadas nos dez
precipitações observadas e erros padrões de α
períodos para o mês de julho.
Períodos α∃ β∃ ∃
Q ∃
m S2 S(α∃ ) ()
S β∃

Diários 6,2619 0,1042 0,9126 0,7 13,2860 0,2784 0,0048

1–3 0,6531 3,0616 0,8226 2,0 6,1218 0,0193 0,2335

1–6 0,5033 7,9451 0,7097 4,0 31,7706 0,0070 0,9062

1–9 0,4683 13,3832 0,6237 6,3 5,3602 0,0060 2,0352

1 – 12 0,4753 19,1477 0,5161 9,1 174,2613 0,0080 3,5419

1 – 15 0,4836 20,6705 0,4516 10,0 206,6276 0,0088 3,7937

1 – 18 0,5389 19,9825 0,3871 10,8 215,1829 0,0226 4,9603

1 – 21 0,5158 29,7328 0,3226 15,3 455,9875 0,0178 7,5061

1 – 24 0,4998 36,4244 0,3226 18,2 663,1031 0,0150 9,3181

1 – 27 0,4991 37,6732 0,3226 18,8 708,3577 0,0149 9,6429

1 – 31 0,5162 39,1710 0,2581 20,2 792,0404 0,0179 9,8856

Ciênc. agrotec., Lavras, v.23, n.3, p.697-706, jul./set., 1999


705

TABELA 6 - Estimativas dos parâmetros α e β para os demais meses.

março abril maio agosto


Períodos α∃ β∃ α∃ β∃ α∃ β∃ α∃ β∃

Diários 0,5246 10,6059 0,6458 3,5756 0,7708 2,0566 3,8543 0,1824

1-3 0,5217 31,6258 0,4879 14,1977 0,5056 8,9972 0,6713 3,1370

1-6 0,6986 47,2334 0,5258 26,3515 0,4874 18,6672 0,5406 7,7906

1-9 0,9048 53,1135 0,6031 36,0542 0,5219 23,8584 0,5097 11,6542

1 - 12 1,3701 50,0790 0,7762 38,6847 0,5567 32,3372 0,4833 16,5341

1 - 15 1,6198 50,1291 0,9850 35,1634 0,6346 35,8439 0,4981 21,1407

1 - 18 3,9309 26,6259 1,9738 27,2516 0,5320 48,0564 0,4980 22,6271

1 - 21 4,0073 31,0360 2,0372 28,4542 0,6623 47,9276 0,5055 29,9249

1 - 24 4,2154 32,5541 2,1880 27,4461 0,7451 48,3239 0,5387 29,6650

1 - 27 4,0730 37,3944 2,4265 26,8824 0,7953 46,9724 0,5559 32,0578

Mensais 4,4874 38,4400 2,5502 27,1650 0,8665 57,0271 0,5675 38,3810

setembro outubro novembro dezembro

α∃ β∃ α∃ β∃ α∃ β∃ α∃ β∃
Diários 0,6151 4,0076 0,5635 6,9618 0,5158 13,4266 0,5435 16,7743

1-3 0,4606 17,6246 0,5400 21,9502 0,5876 35,3968 0,6747 40,6021

1-6 0,4913 30,1043 0,6921 34,2550 0,7993 52,0401 1,1708 46,7977

1-9 0,5142 40,8079 0,9335 36,2173 1,2345 50,7338 1,4357 57,7906

1 - 12 0,5508 47,9410 1,3269 35,3849 1,5012 55,6585 2,6014 39,9018

1 - 15 0,6664 55,4872 1,9093 31,0412 2,8464 36,5330 3,6086 37,9570

1 - 18 0,5403 70,8574 1,7921 38,0540 3,6836 31,9130 4,4010 31,1888

1 - 21 0,6808 66,8077 2,1789 38,2329 4,4337 32,8821 5,1322 31,4471

1 - 24 0,6979 75,6768 3,1370 29,9353 4,5754 36,5245 5,7445 36,1387

1 - 27 1,0261 61,3442 3,6745 27,6038 4,9067 38,2922 6,6370 37,5036

Mensais 1,3627 54,2720 5,5973 21,7240 6,2570 33,2630 6,8419 42,1830

Ciênc. agrotec., Lavras, v.23, n.3, p.697-706, jul./set., 1999


706

estimativas de Q não nulas, sendo que em junho, no pe- vosos em Lavras, Minas Gerais. Ciência e Prática,
ríodo 1-30 (mensal), ocorreu uma proporção de 0,1613, Lavras, v.4, n.1, p.56-65, jan./jun., 1980a.
indicando que em 16,13% dos meses de junho não
CASTRO NETO, P.; SEDIYAMA, G. C.; VILLELA,
ocorreram nenhuma precipitação durante o mês todo e
E. A. Probabilidade de ocorrência de períodos secos
que, para esse mesmo período, em 25,81% dos meses
em Lavras, Minas Gerais. Ciência e Prática, La-
de julho não foram registradas nenhuma precipitação,
vras, v.4, n.1, p.46-55, jan./jun., 1980b.
fato importante para a agropecuária nessa época. Vival-
di (1973) já havia verificado que a ocorrência de valo- CASTRO NETO, P.; SILVEIRA, J. V. Precipitação
∃ foi freqüente nos períodos de 1-5 e
res elevados de Q provável para Lavras, Região Sul de Minas Gerais,
baseada na função de distribuição de probabilidade
1-10, principalmente nos meses mais secos.
gama. I. Períodos mensais. Ciência e Prática, La-
Observa-se em janeiro e fevereiro (Tabelas 2 e
vras, v.5, n.2, p.144-151, jul./dez., 1981a.
3) que à medida que aumenta-se o período, as estimati-
vas de Q∃ diminuíram, e nos períodos de 1-12 ou maio- CASTRO NETO, P.; SILVEIRA, J. V. Precipitação
provável para Lavras, Região Sul de Minas Gerais,
res foram nulas, indicando que houve nesses períodos
baseada na função de distribuição de probabilidade
alguma precipitação.
gama. II. Períodos de quinze dias. Ciência e Prática,
CONCLUSÕES Lavras, v.5, n.2, p.152-162, jul./dez., 1981b.

Os resultados encontrados neste trabalho permi- CASTRO NETO, P.; SILVEIRA, J. V. Precipitação
tem concluir que: provável para Lavras-MG, baseada na função de
a) Para dados agrupados nos períodos, em geral, distribuição de probabilidade gama. III. Períodos de
as estimativas dos parâmetros de forma (α) são menores 10 dias. Ciência e Prática, Lavras, v.7, n.1, p.58-
nos meses menos chuvosos e maiores nos meses chuvo- 65, jan./jun., 1983.
sos e aumentam de valor à medida que o tamanho do FRIEDMAN, D. G. ; JANES, B. E. Estimation of
período aumenta, e para os dados diários, as estimativas rainfall probabilities. University of Connecticut
desses parâmetros mostraram-se maiores nos meses de Agricultural Experiment Station Bulletin,
baixas precipitações e menores nos meses de maiores Connecticut, v.332, p.1-22, 1957.
precipitações.
b) As estimativas do parâmetro de escala (β) não FRIZZONE, J. A. Análise de cinco modelos para cál-
apresentaram uma tendência definida com o aumento culo da distribuição e freqüência de precipitação
do tamanho dos períodos. Os maiores valores ocorre- na região de Viçosa-MG. Viçosa: UFV. Imprensa
ram nos meses mais chuvosos. Universitária, 1979. 100p. (Tese - Mestrado em Ir-
rigação e Drenagem).
REFERÊNCIAS BIBLIOGRÁFICAS GALATE, R.S. Estudo das precipitações pluviais no
ABRAMOWITS, M.; STEGUN, I. A. Handbook of município de Belém - PA, através da distribuição
mathematical functions with formulas, graphs, gama. Piracicaba: ESALQ/USP, 1987. 70p. (Tese -
and mathematical tables. New York: Dover, 1970. Mestrado em Estatística e Experimentação Agro-
1046p. nômica).

ASSIS, F. N. de Modelagem da ocorrência e da THOM, H. C. S. A note on the gamma distribution.


quantidade de chuva e de dias secos em Piracica- Monthly Weaher Review, Washington, v.86, n.4,
ba - SP e Pelotas - RS. Piracicaba: ESALQ/USP, p.117-122. 1958.
1991. 134p. (Tese - Doutorado em Solos e Nutrição VIANELLO, R.L.; ALVES, A.R. Meteorologia bási-
de Plantas). ca e aplicações. Viçosa: UFV. Imprensa Universitá-
BRASIL, Ministério da Agricultura e Reforma Agrária. ria, 1991. 449p.
Normais climatológicas (1961-1990). Brasília: VIVALDI, L. J. Utilização da distribuição gama em
MA/SNI/DNMET, 1992. 84p.
dados pluviométricos. Piracicaba: ESALQ/USP,
CASTRO NETO, P.; SEDIYAMA, G. C.; VILLELA, 1973. 77p. ( Tese – Mestrado em Estatística e Expe-
E. A. Probabilidade de ocorrência de períodos chu- rimentação Agronômica )

Ciênc. agrotec., Lavras, v.23, n.3, p.697-706, jul./set., 1999