| Resumo: | De acordo com [2], a frequência e a intensidade de eventos extremos climáticos têm aumentado nas últimas décadas, afetando diferentes partes do planeta e produzido enormes perdas econômicas e de vidas. A preocupação com esses eventos tem conduzido a um número crescente de publicações sobre a Teoria de Valores Extremos (TVE) nos últimos trinta anos. Nesse sentido, por descrever adequadamente tanto valores mínimos extremos quanto máximos extremos, a distribuição Gumbel tem sido utilizada frequentemente na solução de importantes problemas em vários campos de pesquisa [1]. Os estimadores mais utilizados para a obtenção das estimativas dos parâmetros da distribuição Gumbel são os Estimadores de Máxima Verossimilhança e Estimadores de Momentos. É desejável que as estimativas dos parâmetros sejam precisas e acuradas para que os modelos expliquem de forma adequada os dados. Para comparar a qualidade do ajuste do parâmetro posição e do parâmetro escala do modelo Gumbel, foram feitas via simulações, 2.000 séries de dados, com parâmetros posição 10, 20, 40 e 60, parâmetros escala 5, 10, 20, 30 e 40, e tamanhos amostrais 10, 30, 50, 80 e 150. Os algoritmos implementados foram utilizados na avaliação da acurácia e da precisão das estimativas dos parâmetros da distribuição Gumbel. Como não há uma forma analítica para se determinar os estimadores dos parâmetros do modelo, a acurácia e a precisão foram avaliadas através do erro quadrático médio (EQM) e do viés médio relativo (VMR). Os cálculos e simulações foram realizados utilizando-se o software R. Na aplicação prática foram utilizados os dados climáticos obtidos junto à estação convencional do posto agrometeorológico da ESALQ/USP, no período de 1917 a 2015. Observou-se o VMR e o EQM das estimativas dos parâmetros posição da distribuição Gumbel para os dois métodos analisados foram parecidos, assim estes possuem precisão e acurácia parecidas na estimação do parâmetro posição. Por outro lado, os valores encontrados para o VMR e para o EQM das estimativas do parâmetro escala do modelo Gumbel obtidos a partir do método Método da Máxima Verossimilhança foram menores que os valores encontrados pelo Método dos Momentos. Concluiu-se então que o Método da Máxima Verossimilhança prediz modelos que se ajustem melhor ao conjunto de dados. |