Abordagem Bayesiana na Proposição de um Modelo de Regressão para a Velocidade do Vento em Fortaleza-CE

  • Érika F. Morais
  • Sílvio F. A. Xavier Júnior
  • Diego V. de S. Ferreira
Palavras-chave: Análise de Regressão, Velocidade do vento, Distribuição a priori

Resumo

Neste trabalho utilizamos a Análise de Regressão Linear Múltipla para modelar a velocidade do vento na cidade de Fortaleza-CE,  com o objetivo de encontrar um modelo estatístico capaz de tornar possível a realização de previsões para o comportamento dos ventos. Para o estudo foi analizado o banco de dados fornecido pelo INMET. O modelo de regressão linear gerado apresentou um bom ajuste de acordo com o gráfico de resíduos, e as variáveis explicativas deste modelo apresentaram uma correlação linear moderada com a variável de interesse, o que pode ser confirmado com o coeficiente de determinação encontrado que mostra que 53$\%$ da variância da velocidade do vento é explicada pela variação da temperatura e da umidade. Além de que o método bayesiano, também indicou que o ajuste em questão é adequado.

Referências

BLASCO, A.; PILES, M.; VARONA, L . Bayesian Analysis of the effect of selection for growth rate on growth curves in rabbits Genet. Sel. Evol., Valencia, v. 35, p. 21 - 41, 2003.

FRIEDMAN, J.; BARRET, S.C.H. Wind of change: new insights on the ecology and evolution of pollination and mating in wind pollinated plants. Annals of Botany, p. 1515-1527, 2009.

INMET - Instituto Nacional de Meteorologia. Monitoramento das estac¸oes convencionais. Disponível em: http://www.inmet.gov.br/sim/sonabra/convencionais.php. Acesso em: 26 de janeiro de 2012.

JONGEJANS, E.; TELENIUS, A. Field experiments on seed dispersal by wind in ten umbelliferous species (Apiaceae). Plant Ecology, p. 67-78, 2004.

JONSSON, P. Wind erosion on sugar beet fields in Scania, souther Sweden. Agricultural and Forest Meteorology, p. 141-157, 1992.

PIMENTA, F.; KEMPTON, W.; GARVINE, R. Combining meteorological stations and satellite data to evaluate offshore wind power resource of Southeastern Brazil. Renewable Energy, p.2375-2387, 2008.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2012. Dispon´ıvel em: http://www.R-project.org/.

SECITECE - Secretaria da Ciência, Tecnologia e Educação Superior do Ceará. Disponível em: http://www.sct.ce.gov.br/index.php/noticias/57469. Acesso em: 31 de março de 2011.

SIMOES, N. R. Estimadores de Bayes: aplicação ao modelo de regressão linear simples. Dissertação de Mestrado em Estatística e Experimentação Agronômica - Universidade de São Paulo, Piracicaba, SP., 138 f., 1981.

VARONA, L.; MORENO, C.; GARCIA CORTES, L. A.; ALTARRIBA, J. Multiple trait genetic analysis of underlying biological variables of production functions. Livestock Production Science, Amsterdam, v. 47, p. 201 - 209, 1997.

Publicado
17-10-2014