@MASTERSTHESIS{ 2018:1172529455,
 	title = {Uma abordagem Bayesiana para a modelagem dos ventos máximos de Sorocaba-SP e Bauru-SP},
 	year = {2018},
 	url = "https://bdtd.unifal-mg.edu.br:8443/handle/tede/1159",
 	abstract = "A previsão probabilística da ocorrência de ventos extremos é de grande importância para o planejamento
 de projetos na engenharia agrícola e civil, possibilitando evitar ou diminuir os impactos
 destrutivos. Dessa forma, identificar metodologias que permitam realizar previsões com
 maior eficiência é extremamente necessário. Diante destes fatos, objetivou-se com esse trabalho
 comparar a metodologia Bayesiana, avaliando diferentes distribuições a priori, e da máxima
 verossimilhança na previsão da ocorrência de ventos máximos, por semestre, em Sorocaba-SP e
 Bauru-SP. Avaliou-se, também, o ajuste da distribuição Gumbel e da distribuição Generalizada
 de Valores Extremos aos dados semestrais, de janeiro de 2006 a dezembro de 2016, dos referidos
 lugares. A distribuição normal foi utilizada como priori para a elicitação da informação, na
 metodologia Bayesiana, e as informações a priori, foram obtidas analisando-se os dados de velocidade
 máxima de Piracicaba-SP. Para obtenção das marginais das distribuições a posteriori,
 aplicou-se o método Monte Carlo via Cadeia de Markov utilizando-se os softwares OpenBugs
 e R. Com intuito de avaliar qual a melhor metodologia de estimação e o melhor modelo, foram
 verificados o Deviance Information Criterion, a acurácia, a precisão e o erro médio de predição
 das estimativas dos níveis máximos de ventos para determinados tempos de retorno. As
 distribuições GEV e Gumbel ajustaram-se a séries de dados de velocidade máxima de ventos
 estudadas. A distribuição Gumbel considerando a abordagem Bayesiana com estrutura de variância
 a priori multiplicada por oito, mostrou-se mais eficiente na previsão de ventos máximos
 semestral de Sorocaba-SP. Para Bauru-SP, a distribuição GEV com estrutura de matriz de covariâncias
 multiplicada por oito foi a mais propícia, apresentando resultados mais acurados e
 precisos. A aplicação da inferência Bayesiana levou a resultados mais precisos, acurados e com
 menores erros de previsão, mostrando a eficiência da incorporação de informações a priori no
 estudo de velocidade máxima de ventos. A partir desses resultados, foram feitas as predições
 de ventos máximos em Bauru-SP e Sorocaba-SP, para os tempos de retorno de 2, 5, 10, 25, 50 e
 100 semestres, que podem ajudar no planejamento possibilitando evitar catástrofes na agricultura,
 na construção civil e no setor financeiro da região.",
 	publisher = {Universidade Federal de Alfenas},
 	scholl = {Programa de Pós-Graduação em Estatística Aplicada e Biometria},
 	note = {Instituto de Ciências Exatas}
}