@MASTERSTHESIS{ 2022:2029326956,
 	title = {Avaliação de diferentes prioris na estimação dos parâmetros da distribuição GEV e na predição de quantis extremos},
 	year = {2022},
 	url = "https://bdtd.unifal-mg.edu.br:8443/handle/tede/1987",
 	abstract = "A abordagem bayesiana tem sido muito aplicada em estudos de valores extremos devido a
 possibilidade da redução da incerteza nas estimativas. Contudo, a maneira de se elicitar uma
 estrutura a priori informativa, quando se trata de valores extremos ajustados por meio da
 distribuição generalizada de valores extremos (GEV), ainda não está completamente
 estabelecida. Deste modo, objetivou-se, neste trabalho, avaliar diferentes estruturas a priori
 em uma abordagem Bayesiana da distribuição GEV ajustada à dados de máximos
 provenientes de simulação e de dados reais de precipitação máxima. As estruturas a priori
 utilizadas foram: distribuições Normais Trivariadas com matrizes de variância e covariância
 multiplicadas por 1, 4, distribuição Normal Trivariada não-informativa; distribuição Gama
 para diferenças de quantis extremos, com diferentes variabilidades. Para o caso com dados
 simulados, avaliou-se a estimação dos parâmetros e de quantis com o modelo GEV associado
 a cada uma dessas estruturas a priori, com respeito aos respectivos valores reais, através de
 viés e viés médio relativo percentual em diferentes cenários de simulação e tamanhos
 amostrais. E para os dados reais, objetivou-se avaliar, através de acurácia e precisão das
 estimativas dos níveis de retorno, o desempenho das referidas estruturas a priori em uma
 abordagem Bayesiana para ajustar a distribuição GEV a dados de precipitações diárias
 máximas anuais de São João da Boa Vista-SP, no período de 1971 a 2017. Utilizou-se como
 priori dados de precipitação máxima anual de Lavras-MG e Silvianópolis-MG, comparando-
 se o critério de informação deviance (DIC), acurácia, erro médio de predição e amplitude
 média intervalar das predições de precipitações máximas dos modelos. Quanto aos principais
 resultados do caso simulado, observou-se que distribuições a priori com menor variabilidade,
 produzem estimativas mais precisas de todos os parâmetros da distribuição GEV,
 considerando pequenos tamanhos amostrais. Nos cenários em que se simulou dados de
 precipitação o modelo com priori Gama apresentou menor viés de parâmetros e níveis de
 retorno. Para os dados reais, pelo critério DIC, não houve diferenças substanciais entre os
 modelos. O modelo com estrutura a priori normal trivariada com matriz de variâncias e
 covariâncias multiplicada por 4, com informações a priori de Silvianópolis, forneceu
 estimativas de níveis de retorno mais precisas e acuradas.",
 	publisher = {Universidade Federal de Alfenas},
 	scholl = {Programa de Pós-Graduação em Estatística Aplicada e Biometria},
 	note = {Instituto de Ciências Exatas}
}