Análise Estatística

Os fenômenos hidrológicos apresentam variabilidade quanto a dinâmica dos processos que os envolvem. As respostas de entradas e saídas de um sistema, neste caso a bacia hidrográfica, variam no tempo e no espaço, dificultando assim, a descrição e o entendimento de cada uma das partes compreendidas. Nesse sentido, técnicas matemáticas têm sido utilizadas na tentativa de expressar e simular a dinâmica hídrica concernente aos ambientes, principalmente as que recorram a fundamentos e métodos associados a Estatística.

Crespo (2001) conceitua estatística como uma área da matemática aplicada que subsidia métodos para coleta, organização, descrição, análise e interpretação de dados e para o uso dos mesmos na tomada de decisões diante do objeto estabelecido. No que se refere a coleta, a organização e a descrição de dados, estas estão relacionadas ao que se denomina estatística descritiva. Por outro lado, a análise e a interpretação dessas variáveis ficam sob a responsabilidade da estatística indutiva ou inferencial.

Alguns autores ainda utilizam dois tipos de concepções atribuídas ao significado da palavra estatística, como explica Bruni (2009). Para o referido autor quando a palavra é utilizada no plural - estatísticas - exprime qualquer coleção consistente de dados numéricos, agrupados com a finalidade de gerar informações para o desenvolvimento de um objetivo. Já, quando a palavra é utilizada no singular - estatística - proporciona a construção de uma idéia associada a atividade humana especializada ou a um corpo de técnicas, ou, também a uma metodologia construída para coleta, classificação, apresentação, análise e interpretação de dados quantitativos e a aplicação de tais dados no processo de tomada de decisões.

Em estudos hidrológicos, por exemplo, um dos objetivos da aplicação de técnicas estatísticas é permitir na sua totalidade a compreensão da natureza dos processos ambientais. Nesse mesmo foco, Andriotti (2003) em seus estudos contextualiza o que se denomina inferência estatística. Tal, refere-se ao nome dado à generalização dos resultados encontrados para uma parte da amostra em direção ao todo, ou seja, para o universo ou população da pesquisa, sendo ainda o arcabouço de procedimentos empregados na verificação da comprovação de uma hipótese para a população a partir dos dados disponíveis em uma amostra.

Quando o objetivo da pesquisa envolve o entendimento acerca da espacialidade dos dados utilizados para compreensão dos fenômenos em meio a sua materialização no próprio espaço, alguns autores, como visto nos estudos de Bettini (2007), já afirmam, que a partir desta premissa, já utiliza-se então, dos processos relacionados a Geoestatísca para solução das problemáticas.

De acordo com Bettini (2007) a Geoestatística é um ramo da estatística aplicada que formula e estabelece modelos para entender os fenômenos naturais, cujos constituintes alteram em função da localização espacial dos pontos de observação. Os principais conceitos atribuídos a tal, referem-se a variável aleatória (VA), as distribuições de probabilidade de variáveis

aleatórias discretas e contínuas, uni e multivariadas, bem como os seus modelos e parâmetros necessários para categorização e desenvolvimento das técnicas matemáticas aplicadas. Já para Yamoto e Landim (2013) a Geoestatísca consiste no fornecimento de um conjunto de técnicas necessárias para a análise de uma aparente eventualidade dos dados. Pelo contrário, em relação a uma possível estruturação espacial, apresenta sim uma configuração, permitindo também uma função de correlação espacial.

As vantagens reconhecidas da Geoestatística sobre outras técnicas convencionais de predição são as seguintes: o estudo da variabilidade espacial (a análise de um variograma é a única técnica disponível para medir a variabilidade espacial de uma variável regionalizada), sua suavização (a estimação geoestatísca suaviza ou faz a regressão de valores preditos, baseada na proporção da variabilidade total da amostra levada em conta pelas variações aleatórias; quanto maior for a variabilidade da amostra, menos as observações individuais representam a sua vizinhança imediata e mais elas são suavizadas, com maior incerteza associada), o desagrupamento (ou efeito de anular as concentrações localizadas de observações), a determinação da anisotropia (os comportamentos na variabilidade nas diferentes direções são considerados), a precisão (a Krigagem fornece valores precisos sobre as áreas ou pontos a serem avaliados) e a incerteza (estimativa obtida por meio da Krigagem associa a margem de erro que acompanha a estimativa). (ANDRIOTTI, 2003, p.92).

Uma das possíveis formas de análise estatística dos dados hidrológicos está associada a representação numérica da variável aleatória selecionada. Esta, por sua vez, quantifica as relações físicas por meio de distribuições de frequências e de parâmetros numéricos sumariados nos sistemas equacionais desenvolvidos. No quadro 2, por exemplo, apresenta-se um conjunto de algumas técnicas matemáticas referenciado por Lanna (2004) em suas pesquisas na descrição dos processos de representação numérica.

Quadro 2 - Processos estatísticos de representação numérica

Conceito Definição

Tendência Central Esta característica é relacionada com a parte central do histograma de frequências. Existe, às vezes, uma tendência de que o número de ocorrências seja maior nesta parte central, significando que a variável aleatória costuma ocorrer com maior frequência nos intervalos centrais. Os parâmetros estatísticos que o representam são: média aritmética, moda, mediana, variança e desvio padrão.

Simetria Uma distribuição simétrica é aquela que apresenta simetria em relação a um eixo vertical que passa pelo valor modal, ou seja, o valor com maior frequência. Nesta situação a média, a mediana e a moda são iguais. Relação entre duas

variáveis

A expressão numérica da relação entre duas variáveis requer um coeficiente cujo valor atribua uma nota à qualidade do ajuste a uma tendência. Algumas possibilidades são descritas pela aplicação de determinados métodos como: co-variança amostral, coeficiente de correlação, regressão linear simples e regressão linear múltipla

Fonte: Adaptado de Lanna (2004). Org. Maciel, S. A. (2016).

No mesmo intuito da aplicação de relações matemáticas por meio de técnicas estatísticas para compreensão das relações ambientais-espaciais, Zavattini e Boin (2013) explicam os processos de variabilidade ou dispersão de dados climáticos por meio do emprego do desvio quartílico (ou quartis), do desvio padrão e do coeficiente de variação. Todavia, estes autores ainda apresentam ressalvas, pois é necessário também aplicar outras medidas de variabilidade além destas já mencionadas, antes de se concluir quais são os anos, estações dos anos ou meses habituais ou excepcionais de uma determinada série temporal.