@MASTERSTHESIS{ 2019:1548887574,
 	title = {Modelagem de temperatura máxima não estacionária de Piracicaba (SP): uma abordagem bayesiana},
 	year = {2019},
 	url = "https://bdtd.unifal-mg.edu.br:8443/handle/tede/1550",
 	abstract = "A temperatura é um dos fenômenos que vêm sendo estudadas e debatidos por muitos
 pesquisadores sobre os aumentos (tendências) percebidos nas intensidades das temperaturas
 nas últimas décadas, e a ocorrência de temperaturas máximas, que é conhecido como evento
 extremo originado principalmente por o aquecimento global, e que estão relacionados à baixa
 probabilidade de ocorrência (eventos raros), e sendo de elevado impacto devido aos imensos
 prejuízos que eles podem causar. A teoria dos valores extremos desempenha um papel
 fundamental na modelagem de eventos raros que se tornaram tema de notória relevância nas
 últimas décadas. O presente estudo tem por objetivo modelar, via inferência Bayesiana, a
 temperatura máxima de Piracicaba-SP utilizando funções lineares e não lineares para
 incorporar a tendência no parâmetro de posição da distribuição generalizada de valores
 extremos (GEV). Foram utilizadas como prioris as distribuições normal e uniforme para
 elicitação da informação. A obtenção das marginais das distribuições a posteriori foi utilizada
 o método Monte Carlo via cadeias de Markov. Foram selecionadas as melhores distribuições
 analisando o fator de Bayes e critérios de decisão, Critério de Informações do Desvio (DIC) e
 o erro médio de predição (EMP). A distribuição GEV incorporando tendência não linear no
 parâmetro de posição mostrou ser eficiente na previsão de temperatura máxima mensal (TMM)
 de Piracicaba-SP e apresentando resultados mais precisos, razoáveis e com menores erros de
 previsão, verificou-se que nos meses janeiro a março e agosto e setembro, a melhor
 distribuição foi a GEV estacionária. Nos meses de abril a junho e outubro, a melhor
 distribuição foi a GEV não estacionária com tendência linear e com tendência não-linear para
 os meses julho, novembro e dezembro. Em quatro dos meses a priori informativa propiciou
 resultados mais precisos. As temperaturas máximas esperadas para diferentes tempos de
 retorno foram preditas.",
 	publisher = {Universidade Federal de Alfenas},
 	scholl = {Programa de Pós-Graduação em Estatística Aplicada e Biometria},
 	note = {Instituto de Ciências Exatas}
}