Modelagem de dados pluviométricos no DF por meio de cadeias de ordem variável estocasticamente perturbadas

Abstract

Neste trabalho modelamos dados pluviométricos no Distrito Federal por meio de Cadeias de Ordem Variável Estocasticamente perturbadas. Inicialmente, estudamos o estimador utilizado neste trabalho, por meio de simulações onde constatamos a eficiência do estimador. Consideramos um alfabeto de tamanho três para os modelos de ordem variável e, para verificar o comportamento do estimador em amostras contaminadas, utilizamos três árvores conhecidas. Para a contaminação da amostra, consideramos dois modelos de pertubação. No primeiro modelo consideramos uma cadeia com alfabeto de tamanho três em que, a cada instante de tempo, um dos símbolos pode ser modicado com uma probabilidade pequena e ?xada. No segundo modelo o processo perturbado assume aleatoriamente o valor da cadeia original ou uma função que depende deste valor, com probabilidade pequena e fixada. Os modelos de contaminaçãoo foram comparados através das simulações de amostras perturbadas de processos conhecidos. Pela simplicidade do primeiro modelo de contaminação foi possível recuperar a árvore de contextos do processo original mesmo com alta probabilidade de contaminação. Enquanto o outro modelo, recuperamos a árvore de contextos do processo original apenas quando a probabilidade de perturbação era suficientemente pequena. Em seguida, estudamos o comportamento de chuvas do Distrito Federal, propomos modelos pluviométricos para prever a possibilidade do próximo dia ser sem chuva, chuva moderada ou chuva forte, dado as informações de pluviosidade dos dias anteriores.