Modelagem estatística da precipitação mensal e anual e no período seco para o estado de Minas Gerais Statistical modeling of monthly, annual and dry season mean precipitation for the State of Minas Gerais

葡萄牙语. Objetivou-se, com o presente estudo, ajustar modelos lineares para predição da precipitação média mensal (no período úmido) e anual e no período seco, baseados nas coordenadas geográficas (latitude e longitude) e altitude para o Estado de Minas Gerais. Aplicaram-se dados diários de precipitação, provenientes da Agência Nacional de Águas (ANA) de 209 estações meteorológicas, das quais 197 foram usadas para ajuste dos modelos e 12 para sua validação final. O coeficiente de determinação ajustado (r²), o erro médio absoluto (%), a tendência das estimativas (%) e significância dos parâmetros, foram considerados na avaliação dos modelos. De maneira geral, os modelos apresentaram bons parâmetros estatísticos de validação, com r² maior que 0,70, erro médio menor que 10% e tendência não significativa (< 2% em relação à média). O modelo para o período seco, por sua vez, apresentou maior superestimativa que os demais, mostrando que outras variáveis associadas aos aspectos topográficos, podem ser necessárias para um modelo mais preciso. Apesar desta situação, os modelos se apresentam em condições de aplicação prática constituindo-se em uma ferramenta importante para o manejo ambiental no Estado.<br>This study aimed at adjusting statistical linear models for prediction of total mean precipitation associated to monthly (in the wet season), annual and dry season periods, based on geographical coordinates (latitude and longitude) and altitude for the State of Minas Gerais, Brazil. Daily precipitation data from the "Agência Nacional de Águas" (ANA) for 209 pluviometric stations were applied, 197 for modeling adjustment and 12 for final validation. Coefficient of determination adjusted (r²), mean absolute error (%), prediction bias (%) and estimated parameters significance were considered for evaluation of models. The monthly and annual precipitation models presented good statistical validation coefficients, with r² greater than 0.70, mean error smaller than 10% and bias not significant (< 2% in relation to mean value). However, the dry season model presented an overestimation of precipitation, showing that more variables associated to topographic characteristics would be necessary to produce a more accurate model. Nevertheless, the adjusted models present good conditions for practical applications, forming an important tool for environmental management in the State of Minas Gerais.