DETERMINACIÓN DE LA AMENAZA SÍSMICA EN SANTANDER

MEDIANTE EL ANÁLISIS DE VALORES EXTREMOS

JHON ALEXANDER GUZMÁN MANRIQUE

YORLADY VELA ARENAS

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DE INGENIERÍA
PROYECTO CURRICULAR DE INGENIERÍA CATASTRAL Y GEODESIA

BOGOTÁ D C, COLOMBIA
Junio de 2015
DETERMINACIÓN DE LA AMENAZA SÍSMICA EN SANTANDER
MEDIANTE EL ANÁLISIS DE VALORES EXTREMOS

JHON ALEXANDER GUZMÁN MANRIQUE

YORLADY VELA ARENAS

PROYECTO DE GRADO PRESENTADO COMO REQUISITO PARA

OPTAR AL TÍTULO DE: INGENIERO CATASTRAL Y GEODESTA

Director:
Luis Fernando Santa Guzmán
Ingeniero Catastral y Geodesta
Estadı́stico
Ms. C. en Geomática

Codirector
Luis Fernando Gómez Rodrı́guez
Ingeniero Catastral y Geodesta
Ingeniero Mecánico

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DE INGENIERÍA
PROYECTO CURRICULAR DE INGENIERÍA CATASTRAL Y GEODESIA

BOGOTÁ D C, COLOMBIA
Junio de 2015
“No malgastes tu tiempo, pues de
esa materia está formada la vida”

Benjamin Franklin
 Agradecimientos

Primero y antes que todo queremos darle las gracias a Dios, por estar dı́a a dı́a en
nuestras vidas, por guiarnos, orientarnos, cuidarnos y por ser un pilar fundamental
para esta meta que estamos alcanzando en nuestras vidas.

De ante mano queremos expresar nuestros sinceros agradecimientos a Luis Fernando

Santa Guzmán y a Luis Fernando Gómez Rodrı́guez, a los dos por su dedicación,
paciencia, aportes y sus valiosas colaboraciones a lo largo del desarrollo de este
trabajo; ası́ mismo al Dr. Francisco Ramón Zúñiga Dávila del Centro de Geociencias
de la Universidad Nacional Autónoma de México por su colaboración, preocupación
y sugerencias que brindaron un avance significativo en este proyecto. De igual manera
queremos agradecer al revisor de este trabajo Luis Eduardo Castillo Méndez por su
tiempo y observaciones que fortalecieron en varios aspectos al trabajo.

Quiero agradecerle a mis padres Luis Jaime Guzmán Vergara y

Marı́a Alicia Manrique Avellaneda por su compañı́a
en mi formación ética, académica y en los
momentos difı́ciles de mi vida.
Por su preocupación y apoyo, dado que por ellos he alcanzado
esta meta y es un anhelo que han tenido
desde que yo era niño.

Jhon Alexander Guzmán Manrique

A mis padres Oliva Arenas y José Miguel Vela por brindarme todo el amor,
cariño, por todo su esfuerzo, dedicación y entera confianza.
Gracias por su paciencia y esos consejos sabios que tienen
para cada momento de mi vida, por ayudarme a cumplir
mis sueños, mis metas y por su gran apoyo.
Gracias porque por ustedes soy lo que soy. Los amo.

Yorlady Vela Arenas

 Resumen

La teorı́a de valores extremos es una rama de la estadı́stica que se ha desarrollado

en las dos últimas décadas, la cual se encarga de analizar fenómenos asociados a
valores muy altos o muy bajos. En este trabajo se aplica técnicas e inferencia es-
tadı́stica para el estudio de la magnitud (Ml). El propósito del trabajo es modelar
la magnitud máxima anual de cada una de las provincias sismotectónicas del depar-
tamento de Santander e identificar qué tipo de familia se le asocia a cada una de
ellas, con base en información espacio temporal de los eventos sı́smicos principales
(o mainshock) del catálogo de sismicidad del departamento, comprendido entre los
años 1993 a 2015. Para ello se utilizará herramientas como MATLAB (2014a), R
(3.0.2) y CRISIS 2007. Determinar los niveles de amenaza sı́smica en el departa-
mento de Santander, posibilita una adecuada planeación y aplicación de medidas
preventivas y correctivas para reducir el riesgo ocasionado por la ocurrencia de un
sismo.

Palabras clave: Evento sı́smico, teorı́a de valores extremos, provincia sismotectóni-

ca, mapa de amenaza sı́smica.

Abstract

The extreme value theory is a branch of statistics that has developed over the past
two decades, which is responsible for analyzing phenomena associated with very
high or very low values. In this work will be applied statistical inference techniques
for studying the magnitude (Ml). The purpose of this work is to model the maxi-
mum annual amount of each of the seismotectonic provinces Santander department
and identify what kind of family is associated to each one, based on information
spatiotemporal major seismic events (or mainshock) of seismicity catalog of the
department, between the years 1993 to 2015. It will be use tools like MATLAB
(2014th), R (3.0.2) and CRISIS 2007, to determine the levels of seismic hazard in
the department of Santander will be used, enabling adequate planning and imple-
mentation of preventive and remedial measures to reduce the risk caused by the
occurrence of an earthquake.

Keywords: Seismic Event, extreme value theory, seismotectonic province, seismic

hazard map.
 CONTENIDO

1. Introducción 7
2. Problema 7
2.1. Título 7
2.2 Definición del problema 7
2.3 Justificación 9
2.2. Objetivos 10
2.2.1. General 10
2.2.2. Específicos 10
3 Antecedentes 11
4 Marco teórico 13
4.1. Sismicidad 13
4.2. Filtrado de eventos sísmicos 16
4.3. Teoría de valores extremos 19
4.3.1 Formulación del modelo 19
4.3.2 Distribuciones límite para valores extremos 20
4.3.3 Distribución de valores extremos generalizada 21
4.3.4 Estimación de los parámetros por máxima verosimilitud 24
5 Metodología 25
5.2. Descripción de la zona de estudio 25
5.2.1 Tectónica 25
5.2.2 Estructuras. 26
5.3. Materiales y Métodos 27
5.3.1 Catálogo de sismicidad instrumental 27
5.4. Magnitudes máximas 28
5.5. Amenaza Sísmica 28
5.5.1 Mapas de Amenaza Sísmica 30
6 Resultados 32
6.1. Catálogo resultante 32
6.2 Catálogo de magnitudes máximas por provincia sismotectónica asociados al
esquema tectónico 33
6.3. Análisis de valores extremos por provincias 34
6.4. Mapas de Amenaza Sísmica 37
7 Conclusiones 44
8 Anexos 45
9 Referencias bibliográficas 48
 LISTA DE FIGURAS

Figura 1: Mapa de Amenaza sísmica para Colombia 14

Figura 2: Localización Geográfica Departamento 25
Figura 3: Esquema tectónico del departamento de Santander 26
Figura 4: Mapa geológico generalizado departamento de santander 27
Figura 5: Eventos sísmico premonitorios, principales, replicas 1992- 2015 28
Figura 6: Diagrama de flujo determinación de amenaza sísmica 31
Figura 7:Eventos sismicos principales 1993 – 2015 25
Figura 8: Magnitudes máximas y fallas 33
Figura 9: Diagrama de dispersión eventos máximos 1993 – 2015 34
Figura 10: Grafico Probabilístico, Cuantiles, de Retorno y Densidad 36
Figura 11: Mapa de Amenaza Sísmica. Periodo de Retorno 10 años. 39
Figura 12: Mapa de Amenaza Sísmica. Periodo de Retorno 50 años. 40
Figura 13: Mapa de Amenaza Sísmica. Periodo de Retorno 100 años. 41
Figura 14: Mapa de Amenaza Sísmica. Periodo de Retorno 500 años. 42
1 Introducción

Determinar los niveles de amenaza sı́smica posibilita una adecuada planeación y apli-
cación de medidas preventivas y correctivas para reducir el riesgo ocasionado por la
ocurrencia de un sismo, mediante la elaboración de planes relacionados con el uso
del suelo, normas de diseño y construcción, crecimiento urbano, etc. Para determinar
dichos niveles es posible aplicar la teorı́a de valores extremos, que es comúnmente
empleada para desarrollar técnicas y modelos, que describen los sucesos menos co-
munes y cuyo objetivo es analizar valores extremos observados y predecir valores
extremos en el futuro.

Aunque en sismologı́a se han realizado muy pocos estudios asociados con la teorı́a de
valores extremos, se pretende mostrar esta metodologı́a como otra alternativa para
determinar la amenaza sı́smica. Muchos autores afirman que la teorı́a tiene alrededor
de 80 años de antigüedad, y sus primeras aplicaciones se enfocaron en la ingenierı́a
civil. En Colombia solo se ha realizado un estudio de amenaza sı́smica utilizando la
teorı́a de valores extremos, pero está enfocada hacia las construcciones, es por ello,
que se considera de suma importancia estimar probabilidades de que se presente un
sismo de gran magnitud, que pueda provocar interrupción y daños en las actividades
socioeconómicas y de infraestructura e incluso la pérdida de vidas humanas.

Esta metodologı́a, en general se encarga de analizar fenómenos asociados a valores

muy altos o muy bajos de la variable de interés en este caso la magnitud del evento
sı́smico. En consecuencia, el propósito del proyecto es aplicar la teorı́a de valores
extremos para modelar el comportamiento espacial de los eventos sı́smicos, con el
fin de realizar una predicción de la amenaza que pueda ser representada por medio
de un mapa y mostrar las zonas del departamento de Santander más propensas a
presentar sismos de gran magnitud, lo cual sirve para tener conocimiento de donde
implementar planes de mitigación y gestión del riesgo.

6
2 Problema

2.1 Tı́tulo

Determinación de la amenaza sı́smica en Santander mediante el análisis de valores

extremos.

2.2 Definición del problema

Ünal y Celebbioglu,1 mencionan que los terremotos son los fenómenos que han oca-
sionado en el mundo las más grandes pérdidas de vidas humanas y daños a los
bienes. Hoy en dı́a se acepta que es imposible saber dónde y cuándo se producen los
eventos sı́smicos y mucho menos predecir sus magnitudes, sin embargo los estudios
de la estadı́stica existentes en los campos de la Geofı́sica, la Geologı́a y la Ingenierı́a
en sismos, muestran que se puede estimar de manera probabilı́stica los parámetros
de los posibles eventos y la gravedad de los movimientos de tierra ocasionados por
estos, sobre la base de estas estimaciones es posible producir una explicación de la
distribución de los futuros movimientos que puedan ocurrir en un sitio y ası́ adop-
tar varias medidas de prevención logrando que el número de afectados y daños se
reduzcan en cierta medida.

El departamento de Santander está ubicado en la zona andina que es en sı́ una

zona de riesgo sı́smico en Colombia. Los andes de Colombia hacen parte del Cin-
turón de Fuego del Pacı́fico, una de las zonas sı́smicamente más activas del planeta.
La convergencia de las placas Suramericana, de Nazca y del Caribe, hace que este
emplazamiento tectónico resulte complejo y que Colombia esté sometida a una serie
de movimientos sı́smicos procedentes de diversas fuentes.2

“Pese a que existen en el mundo varias metodologı́as para la predicción de este

tipo de amenaza, estas presentan ciertas variaciones en sus resultados y mapas.”3
Según Velasco y González4 , en los estudios realizados hasta el momento, son pocos
los que emplean el método de análisis de valores extremos para estimar probabilida-
des de ocurrencia de futuros sismos, ésta tan sólo se empezó a desarrollar durante las
últimas décadas, por lo cual, se busca con este estudio implementar su aplicación,
pues es una técnica que sólo tiene en cuenta los valores máximos y mı́nimos de las
observaciones históricas.

1
ÜNAL, Serpil y ÇELEBIOGLU, Salih. A Markov Chain Modelling Of The Earthquakes Oc-
curing In Turkey. Gazi University Journal of Science.2010. P 263-274
2
DUQUE, GONZALO. Aspectos geofisicos de los andes de Colombia. 2007
3
GARZÓN, PABLO. Evaluación de la Amenaza Sı́smica de Colombia mediante análisis de
valores extremos históricos. Bogotá D.C. 2011
4
VELASCO, Fernando y GONZÁLEZ, Sergio. Teorı́a de valores extremos: Una introducción

7
2.3 Justificación

La teorı́a de valores extremos se ha desarrollado rápidamente en las últimas dos

décadas tanto desde el punto de vista metodológico como en las aplicaciones. La
mayorı́a de los estudios estadı́sticos tratan de la modelación del promedio de la
distribución de la variable de interés, que se estima a partir de la media muestral.
Velasco y Hernández,5 indican que la teorı́a de los valores extremos el interés prin-
cipal no está en este, sino en los valores más bajos o más altos de la variable bajo
estudio, es decir, el interés está en los eventos asociados a la cola de la distribución.
De igual manera que Coles y Pericchi,6 concluyen que la teorı́a de valores extremos
es una metodologı́a adecuada para calcular probabilidades de eventos futuros. Estos
autores afirman que la teorı́a de valores extremos describe sucesos menos comunes
lo que la hace una disciplina única, analizando valores máximos y mı́nimos de la va-
riable de interés, y a partir de estos predecir valores a futuro de una manera práctica
teniendo en cuenta los atributos de la variable en estudio.

Suarez,7 menciona que en la capital del departamento no existen estudios en detalle

de la sismicidad histórica espacial que sirvan como base para el estudio del compor-
tamiento sı́smico futuro. Es por ello que por medio de esta metodologı́a se busca
obtener las probabilidades de que pueda ocurrir un evento sı́smico con una mag-
nitud dada, en un área especı́fica del departamento. En este contexto el Ingeniero
Catastral y Geodesta es el profesional que tiene la capacidad de investigar y realizar
el análisis espacial del recurso tierra, que permita estimar modelos estadı́sticos para
la elaboración de mapas, en este caso asociados con la amenaza sı́smica, lo que po-
sibilita la correcta identificación de las zonas con mayor amenaza, dado que podrı́a
ser de gran ayuda para la toma de decisiones de las autoridades municipales, para
el control urbano y para la programación de proyectos especı́ficos.

5
VELASCO, Fernando, GONZÁLEZ, Sergio.op.cit,p 60
6
COLES, Stuard y PERICCHI, Luis,op,cit.p30
7
SUAREZ,op.cit, Pg 35

8
2.4 Objetivos

2.4.1 General

Determinar el comportamiento espacial y la amenaza de eventos sı́smicos registrados

en el departamento de Santander a través de la teorı́a de valores extremos.

2.4.2 Especı́ficos

Estimar los niveles de amenaza sı́smica empleando la Teorı́a de Valores Extre-

mos.

Identificar las zonas con mayor probabilidad de ocurrencia sı́smica de futuros

eventos.

9
3 Antecedentes

El Instituto Nacional de prevención sı́smica,8 indica que la Tierra ha sufrido a lo

largo del tiempo geológico terremotos, el interés por los sismos se remonta a miles de
años. En China se disponen escritos desde hace 3.000 años, que describen el impacto
de los movimientos sı́smicos, tal como se perciben hoy en dı́a. También historiadores
griegos y romanos elaboraron crónicas de la antigüedad, las cuales dan cuenta de
la destrucción de pueblos y ciudades debido a los terremotos. A su vez registros
japoneses y de Europa oriental, con 1.600 años de antigüedad, también describen
en detalle los efectos de los sismos sobre la población. Por su parte, en América se
cuenta con textos mayas y aztecas, que refieren también a este fenómeno natural;
existiendo documentos de la época colonial, que detallan los principales eventos que
afectaron las regiones americanas. En Colombia el primer sismo registrado data del
año 1566, cuando los pueblos de Popayán y Cali fueron estremecidos por un fuerte
temblor, sin embargo, en la ciudad de Bucaramanga se tienen registros de eventos
desde el 16 de Enero de 1644.

Dentro de los estudios realizados a nivel mundial se destacan algunos de los más im-
portantes, como el de Garcı́a,9 trabajo de investigación realizado en España titulado
“Caracterización y análisis de peligrosidad sı́smica en el Sureste de España ”donde
definen el riesgo sı́smico como la probabilidad de que la ocurrencia de un terremoto
provoque la pérdida de vidas humanas y económicas, donde buscan determinar la
relación que existe entre la ocurrencia de los sismos y su tamaño, para adaptar este
conocimiento a los requerimientos de una estimación de la peligrosidad sı́smica que
pueda ser empleada posteriormente en estudios de riesgos sı́smicos. De igual manera
Cobanoglu y Bozdag,10 realizan un estudio en la región del Mediterráneo Orien-
tal para estimar la repetición de terremotos en esta área. Aplican varios métodos
estadı́sticos, que se han desarrollado con este fin; distribuciones Gamma, Weibull,
Markov, Poisson y Gumbel, ya que son los métodos que se utilizan con más frecuen-
cia en este sentido, y que sirven para explicar la relación entre la magnitud y la
frecuencia de estos eventos.

Según Ünal, Çelebioglu, Özmen,11 dentro de los modelos probabilı́sticos presentados

para evaluar el riesgo de amenaza sı́smica en Turquı́a, están las Cadenas de Markov,
basados en el modelamiento de probabilidades de estados de transición (relacionados
a la presencia o ausencia de terremotos), y el modelo de Poisson usado para computar
la probabilidad de ocurrencia de los terremotos. El propósito de este estudio es mos
8
INSTITUTO NACIONAL DE PREVENCIÓN SÍSMICA, Historia Sismológica, Argentina,
INPRES. 2011, Pg. 5
9
GARCÍA, Julián. Caracterización y análisis de peligrosidad sı́smica en el sureste de España.
Universidad Complutense. Madrid. 2005
10
IBRAHIM Çobanoglu y SAZIYE Bozdag. Statistical approaches to estimating the recurrence
of earthquakes in the eastern Mediterranean region. ?stanbul Üniv. Müh. Fak. Yerbilimleri Dergisi.
2006.
11
ÜNAL, Serpil; ÇELEBIOGLU, Salih y ÖZMEN, Biilent. Seismic hazard assessment of Turkey
by statistical approaches. Turkish Journal of Earth Sciences. 2014

10
trar que la ocurrencia de los terremotos en Turquı́a puede ser modelada satisfactoria-
mente por ambos métodos. Los resultados obtenidos de las distribuciones estimadas
de los terremotos para los próximos 5 años tomando como periodo de inicio el año
2006, arrojaron que la probabilidad de que no hayan terremotos con magnitudes
mayores a 4 en cualquier región de Turquı́a es del 28 %.

Mostafaei y Kordnoori,12 han realizado otro estudio en donde aplican un modelo

semi-Markov para predecir la probabilidad de ocurrencia de terremotos en la región
de la falla de Alborz norte de Irán. En este estudio la ocurrencia de terremotos
fueron examinadas en tres dimensiones tiempo, magnitud y espacio mediante la de-
terminación de probabilidades conjuntas. El modelo semi-Markov, sugiere que la
probabilidad del siguiente terremoto en un lugar especı́fico (en una pequeña área) o
con una magnitud especial depende del lugar o la magnitud del anterior terremoto
respectivamente, se concluye que mediante estos estudios es posible proporcionar
información útil sobre estudio de riesgos.

Por otro lado Orosco y Haarala,13 estiman la amenaza sı́smica sobre la ciudad de Sal-
ta (Argentina), haciendo uso de una metodologı́a probabilı́stica, que se realizó sobre
el catálogo filtrado de réplicas, el cual debe considerarse sólo el movimiento prin-
cipal que define el evento sı́smico. Los resultados muestran que cada falla tiene un
terremoto máximo posible, donde en forma probabilı́stica se esperan magnitudes en
las fallas de la zona sismogénica 1 mayores a 8, dada por las caracterı́sticas fı́sicas
de la misma que hace que sea capaz de liberar hasta una determinada cantidad de
energı́a. De igual manera en Venezuela, Quijada, Gajardo, y Franke,14 realizan una
evaluación para el análisis de la amenaza sı́smica, la cual se calcula a partir del
teorema de probabilidad total para un año, se presentan cuatro mapas con los re-
sultados de amenazas sı́smicas, dos de ellos muestran la probabilidad de excedencia
de 10 % para 50 y 100 años, los otros dos mapas son derivados de los anteriores y
representan parámetros caracterı́sticos de la amenaza sı́smica.

Desarrollar estudios de sismicidad en cualquier región del territorio colombiano, obli-

ga a iniciar con la revisión de la obra del padre Jesús Emilio Ramı́rez, denominada
“Historia de los terremotos en Colombia”, que se publicó en 1969, citada por Es-
pinosa,15 donde compila los principales datos sobre los sismos ocurridos en el paı́s
desde los tiempos de la conquista (siglo XVI) hasta 1963. De los 597 sismos que se
registran para todo el territorio nacional, 111 aparecen ubicados con epicentro en
algún lugar del departamento de Santander. Garzón,16

12
MOSTAFAEI, Hamidreza y KOORDNORI, Shaghayegh. The application of the semi-Markov
Model in Predicting the Earthquake Occurrences in Alborz Fault Region, Northern Iran
13
OROSCO, Lia y HAARALA, Mika. Estimación de la peligrosid ad sı́smica que afecta a la
ciudad de Salta. 2010
14
QUIJADA, Peggy; GAJARDO, Enrique y FRANKE, Mathias. Evaluación de amenaza sı́smica
de Venezuela para el nuevo mapa de zonificación. 2005
15
ESPINOSA, Armando. La sismicidad histórica en Colombia. Revista Geográfica Venezolana.
2000. P 1
16
GARZÓN, Pablo. op.cit.p 6

11
realizó un estudio de amenaza sı́smica para Colombia, en donde se emplea la teorı́a
estadı́stica de valores extremos. Realiza esta evaluación con el fin de identificar los
niveles de aceleración sı́smica en el área. Los resultados obtenidos fueron mapas
de amenaza sı́smica generados para un 10 % de probabilidad de excedencia en un
periodo de 50 años, mediante el mismo se pretende mostrar otra metodologı́a para
determinar amenazas sı́smicas, basándose en la hipótesis de que la sismicidad se-
guirá en el futuro el mismo comportamiento fenomenológico que la serie histórica
analizada.

La teorı́a de valores extremos se ha implementado en varios campos del saber, es el

caso del estudio elaborado por Gloria Elena Maggio,17 titulado “Análisis Estadı́stico
de Valores extremos Aplicaciones en Hidrologı́a” el de Pérez y Garcı́a,18 de la Uni-
versidad de Alcalá de Henares titulado “Aplicación de la teorı́a del valor extremo
al ajuste y modelación de catástrofes”, el de Coles y Pericchi,19 del departamento
de matemáticas de la Universidad de Bristol titulado “Anticipating Catastrophes
Through Extreme Value Modeling”, entre otros.

Dentro de los estudios, Salcedo Hurtado,20 menciona que hasta ahora este depar-
tamento, no ha sido escenario de terremotos catastróficos. Es importante destacar
que desde 1930, y como promedio, en el transcurso de cada 5 años, ocurren por lo
menos dos sismos que son sentidos en la ciudad entre 1950 y 1976. Esta región es
una de las regiones más sismo activas de todo el territorio Colombiano, su alta tasa
de producción en sismos en los últimos años la ubica como una de las de mayor
riesgo sı́smico en todo el mundo.

La teorı́a de valores extremos tiene muchas aplicaciones, entre ellas predecir fenóme-
nos pocos frecuentes, por ejemplo los eventos meteorológicos tales como velocidades
de vientos, niveles de caudales de rı́os y precipitaciones, tal como en el estudio
realizado por Castillo y Ruiz21 sobre las precipitaciones máximas. Omey, Mallor y
Nualart,22 mencionan otras aplicaciones, como el estudio de la longevidad de la vida
humana, la gestión de tráfico (en telecomunicaciones), la resistencia de materiales
(respecto a este caso, Galambos dice que la fuerza de una lámina de metal es el mı́ni-
mo de las fuerzas de las piezas que forman la lámina), la concentración de ozono y
la Geologı́a.

17
MAGGIO, Elena. Análisis estadı́stico de valores extremos. Aplicaciones en hidrologı́a. Noldor
S.R.L. Buenos Aires.
18
PÉREZ, Marı́a y GARCÍA, Almudena. Aplicación de la teorı́a del valor extremo al ajuste y
modelación de catástrofes. España. 2004
19
COLES, Stuard y PERICCHI, Luis, Anticipating catastrophes through extreme value mode-
lling - Coles - 2003 - Journal of the Royal Statistical Society: Series C (Applied Statistics) - Wiley
Online Library
20
SALCEDO, Elkin. Estudio de sismicidad histórica en la región de Bucaramanga (Colombia).
Rev Acad. Colomb. Cienc. 1999
21
CASTILLO, Elı́as y RUIZ, Luis. Precipitaciones máximas en España: Estimaciones basadas
en métodos estadı́sticos. Servicio de Publicaciones Agrarias, Ministerio de Agricultura. Madrid
22
OMEY, Edward; MALLOR, Fermı́n, NUALART, Eulalia. An introduction to statistical mo-
delling of extreme values.2009. Pamplona. P. 50

12
4 Marco teórico

Para poder cumplir con los objetivos propuestos en este proyecto es necesario rea-
lizar una revisión de los conceptos fundamentales de la sismologı́a y la estadı́stica,
indispensables para comprender el fenómeno en estudio y ası́ poder determinar la
amenaza sı́smica en el departamento de Santander.

4.1 Sismicidad

Un sismo es un término utilizado por la US Geological Survey23 para describir un

deslizamiento repentino de una falla o la actividad volcánica o magmática, u otros
cambios súbitos en la tierra, que sacudan el suelo debido a la energı́a sı́smica radia-
da, resultado de estos movimientos.

La tectónica de placas y la actividad volcánica son la principal causa por la que

se producen los terremotos, aunque existen otros factores que pueden dar lugar a
temblores de tierra como son el desprendimientos de rocas en las laderas de las mon-
tañas, hundimiento de cavernas, variaciones bruscas en la presión atmosférica por
ciclones e incluso actividad humana. Estos últimos mecanismos generan eventos de
baja magnitud que generalmente caen en el rango de microsismos, temblores que
sólo pueden ser detectados por sismógrafos, instrumento que registra el movimiento
del suelo causado por el paso de una onda sı́smica.24 La sismologı́a es una de las
ramas de la Geofı́sica que según el Servicio Geológico Colombiano25 se encarga de
estudiar los terremotos y los fenómenos asociados a ellos tal como su origen, dura-
ción, distribución geográfica, fuerza entre otros aspectos.

De acuerdo con Ramiro Velazquez26 el territorio colombiano está influenciado por

tres grandes placas tectónicas (fragmentos de la litósfera o capa externa de la tierra)
que convergen en él y en donde se han producido infinidad de fallas. Son las placas de
Nazca, de Suramérica y la del Caribe, más la de Cocos en el oeste de Centroamérica
que presiona la primera. En Santander27 la actividad sı́smica por ser bien definida,
se denomina “nido” o “enjambre sı́smico de Bucaramanga”, y está localizado 50 km
al sur de Bucaramanga, en donde se registra un promedio diario de cinco sismos de
baja magnitud en la escala de Richter.

23
US GEOLOGICAL SURVEY. En lı́nea. Disponible en http://www.usgs.gov/
24
UNAM. Sociedad Mexicana de Ingenierı́a Sı́smica. En lı́nea. Disponible en
http://www.smis.org.mx/htm/sm5.htm.
25
Servicio Geologico Colombiano. En lı́nea. Disponible en
http://seisan.sgc.gov.co/RSNC/index.php/material-educativo/conceptos-basicos
26
VELASQUEZ, Ramiro. De porqué tiembla tanto en la zona de Santander. 2015.
En lı́nea. Disponible en http://www.elcolombiano.com/de-porque-tiembla-tanto-en-la-zona-de-
santander-GX1473383
27
GIDROT. Grupo de Investigación sobre Desarrollo Regional y Ordenamiento Territorial. U.
Industrial de Santander. Santander 2030, Diagnostico dimensión biofı́sico ambiental territorial de
Santander.

13
El nido sı́smico de Bucaramanga ha sido catalogado como una de las zonas de mayor
actividad sı́smica en el mundo.

Para una serie de sismos ocurridos en una zona y en un tiempo limitado, el sismo
de esta serie con mayor magnitud generalmente se lo conoce como sismo princi-
pal (o mainshock), los sismos precedentes como premonitores (o foreshock) y a los
posteriores como réplicas (o aftershock). Un sismo denominado inicialmente princi-
pal puede ser premonitor si el siguiente sismo de la serie tiene una magnitud mayor.28

La Asociación Colombiana de Ingenierı́a Sı́smica29 considera la amenaza sı́smica

como un fenómeno fı́sico asociado con un sismo, tal como el movimiento fuerte del
terreno o la falla del mismo, que tiene el potencial de producir una pérdida. Mediante
el análisis probabilı́stico esto se puede ilustrar por medio de una curva o un mapa
de amenaza sı́smica. (ver Figura 1).

Figura 1: Mapa de Amenaza sı́smica para Colombia

(Fuente: INGEOMINAS, 1997)

En general la amenaza sı́smica se mide en niveles o magnitudes, medidas de la

cantidad de energı́a liberada, que indica el tamaño real del sismo, que no es tradi-
cionalmente usado para identificar el tamaño del evento sı́smico.30

28
SERVICIO GEOLÓGICO COLOMBIANO. En lı́nea. disponible en
ttp://seisan.sgc.gov.co/RSNC/index.php/material-educativo
29
ASOCIACIÓN COLOMBIANA DE INGENIERÍA SÍSMICA. Estudio general de amenaza
sı́smica, comité AIS -300: Amenaza Sı́smica. 2009
30
ZUÑIGA, RAMON. Sismologı́a. Universidad Nacional Autónoma de México, 2011.

14
La energı́a sı́smica liberada en cada terremoto, se mide en una escala que crece de
forma potencial o semilogarı́tmica, denominada Escala de Richter, de manera que
cada punto de aumento puede significar un aumento de diez o más veces mayor. El
gran mérito del Dr. Charles F. Richter consiste en asociar la magnitud del terremoto
con la amplitud de la onda sı́smica, lo que redunda en propagación del movimiento
en un área determinada. Esta escala también es conocida como escala de magnitud
local (Ml). La fórmula matemática se expresa como:31

ML = logA + 3 (1)

La magnitud del sismo se define como el promedio de las magnitudes calculadas en

tantas estaciones como sea posible.

Tabla 1: Escala Richter efectos del terreno.

Magnitud Efectos del terremoto

Menos de 3.5 Generalmente no se siente, pero es registrado
3.5 - 5.4 Se siente, pero solo causa daños menores
5.5 - 6.0 Ocasiona daños ligeros a los edificios
6.1 - 6.9 Puede ocasionar daños severos en áreas pobladas
7.0 - 7.9 Terremoto mayor, causa graves daños
8.0 o mayor Gran terremoto, destrucción total a áreas pobladas cercanas

Fuente: Sociedad Mexicana de Ingenierı́a Sı́smica

Un sismo puede tener diferentes intensidades refiriéndose a los efectos o daños pro-
ducidos en las estructuras y en la sensación percibida por la gente, esto depende: 32

1. La energı́a del terremoto.

2. La distancia de la falla donde se produjo el terremoto
3. La forma como las ondas llegan al sitio en que se registra (oblicua, perpendicular,
etc.)
4. Las caracterı́sticas geológicas del material subyacente del sitio donde se registra
la Intensidad
5. Cómo la población sintió o dejó registros del terremoto.

Se expresa en números romanos y es proporcional, de modo que una Intensidad IV

es el doble de II.

31
AMAYA, Juan. Gestión del Riesgo en Medellı́n. Universidad Nacional de Colombia. Sede
Medellı́n. 2012.
32
AMAYA, op.cit.p20

15
4.2 Filtrado de eventos sı́smicos

En este proyecto se tiene en cuenta sólo los eventos sı́smicos principales. La Uni-
versidad Nacional Autónoma de México citado por Cárdenas y Garzón33 , se debe
realizar un filtrado de eventos, pues solo debe considerarse el movimiento principal
que define el evento sı́smico. Para ello se realiza la Desagrupación (Declustering)
del catálogo, que consiste en separar un catálogo sı́smico en premonitorios, eventos
principales y réplicas, lo cual es ampliamente usado en sismologı́a particularmente
en evaluación de peligrosidad sı́smica y en modelos de predicción de terremotos. Los
métodos declustering deben basarse en un modelo conceptual de lo que es un sismo
principal.34

Para este proceso se utiliza el paquete Zmap (Version 6), desarrollado por Stefan
Wiemer Director del Servicio Sismológico suizo y que según la Universidad Autóno-
ma de México35 es un paquete escrito en la plataforma MATLAB, que permite la
eliminación de eventos dependientes. El algoritmo para realizar el declustering es
el de Gardner y Knopoff (1974), el cual consistente en ir colocando una ventana
espacial y temporal alrededor de cada evento, con unas dimensiones dependientes
de la magnitud de dicho evento. Entre los eventos identificados, se toma el de ma-
yor magnitud como evento principal, dichos eventos se van estudiando por orden
cronológico, por lo tanto, el evento con el que se inicia el algoritmo puede no ser el
de mayor magnitud, en cuyo caso las dimensiones de la ventana espacio-temporal
aumentarán en función de la nueva magnitud del evento identificado como principal.
Las dimensiones de la ventana espaciotemporal que se considera para cada evento,
Gardner y Knopoff (1974) propusieron una dependencia del logaritmo de la distan-
cia espacial (DE) y de la distancia temporal (DT), lineal con la magnitud Mw, es
decir:36

log De = aE − M w + bE (2)

log DT = aT − M w + bT (3)

Esta eliminación de los terremotos más pequeños produce un catálogo filtrado que
tiene un valor b más bajo que el catálogo original. La implementación de la rutina
tı́picamente resulta en la eliminación de al menos 2/3 de los terremotos del catálo-
go.37

33
GARZÓN, Yineth y CARDENAS, Cristian. Modelo de poisson para la ocurrencia y magnitud
espacio temporal de los sı́smos en Colombia. Bogotá. 2010.p 24
34
ORTIZ OSCAR, Sismotectónica y peligrosidad sı́smica en Ecuador. 2012
35
UNAM. Universidad Nacional Autónoma de México. En lı́nea.Disponible en
http://www.unam.mx/
36
Calculo de la peligrosidad sı́smica leyes de atenuación. Cap 3. Catálogo Sı́smico. n.d
37
Calculo de la peligrosidad sı́smica leyes de atenuación. op,cit.p 81

16
El número de registros de eventos sı́smicos que ocurren en el mundo varı́a con la
magnitud. Las observaciones fueron cuantificadas por Gutenberg y Richter en los
años 40 mediante una relación logarı́tmica frecuencia – magnitud38

log N = a − bM (4)

Donde N es la cantidad de terremotos con magnitud mayor que M ocurridos en un

tiempo dado. Esta distribución se describe de manera lineal, con constantes a y b
según el modelo establecido. Exponencialmente la ecuación se puede expresar de la
siguiente manera:

λM = 10a−bM = eα−βM (5)

Para poder obtener las relaciones Gutenberg – Richter para cada una de las pro-
vincias sismotectónicas se identificó el comportamiento de los eventos en cada una
de las zonas, determinando los parámetros del mejor modelo mediante el software R.

Los parámetros que definen el nivel de peligrosidad en un modelo de amenaza sı́smi-

ca se conocen como parámetros de movimiento del terreno; estos parámetros definen
la intensidad del movimiento sı́smico en el sitio de análisis; aunque existen varios
parámetros, para la estimación de la amenaza se hace por medio de las denominadas
funciones de atenuación, las cuales son relaciones donde se puede determinar valores
de aceleración a nivel de roca a partir de la distancia focal (fuente-sitio), la magnitud
sı́smica y el tipo de mecanismo focal de ruptura.39 En la tabla 2 se muestran las
ecuaciones de atenuación utilizadas en el “Estudio general de Amenaza Sı́smica de
Colombia”las cuales fueron implementadas en el Software CRISIS 2007, para cada
una de las provincias tectónicas explicadas posteriormente.

Tabla 2: Ecuaciones de atenuación

Fuente: “Estudio general de Amenaza sı́smica de Colombia”, AIS (1996)

38
GARZÓN, PABLO. Evaluación de la Amenaza Sı́smica de Colombia mediante análisis de
valores extremos históricos. Bogotá D.C. 2011
39
GARZÓN, PABLO. op.cit.p12

17
Dónde:
ah : Máxima aceleración horizontal del terreno cm/seg 2
M : Magnitud de Richter del sı́smo, calculada utilizando ondas de superficies (M s)
r: Distancia más corta entre el lugar y la zona de ruptura (km)
Con el fin de determinar las zonas en las cuales existe mayor probabilidad de que se
presente un sismo de gran magnitud, y cuyas fuerzas sı́smicas probablemente pue-
dan afectar construcciones y/o edificaciones, se incorporan en este análisis y en la
plataforma CRISIS 2007 el Perı́odo de Retorno, que indica el tiempo en años en el
que se espera que la intensidad del movimiento sobrepase el nivel de referencia.40
Matemáticamente se expresa como:

1
T = √ (6)
1− 1−p
t

Dónde:

P : Probabilidad de Ocurrencia
t: Periodo de vida útil de la edificación
Para la definición de los perı́odos de retorno a evaluar, es necesario entonces definir
la probabilidad de ocurrencia y la vida útil de la edificación asociada. De manera
que los mapas probabilı́sticos que se presentarán como resultado final de este análi-
sis, sean una herramienta concreta para la gestión del riesgo del Departamento de
Santander.
Bajo este contexto la estadı́stica es una herramienta que puede ser utilizada para
predecir el comportamiento futuro de una variable, es aquı́ donde la teorı́a de valores
extremos resulta de gran interés para analizar los movimientos sı́smicos, donde se
ha constituido como una rama de la estadı́stica relevante para varios campos de la
ciencia, y que durante estos últimos 50 años, se ha desarrollado rápidamente tanto
desde el punto de vista metodológico como de las aplicaciones.41 De acuerdo con
Duarte,42 esta teorı́a estudia las desviaciones de la media de las distribuciones de
probabilidad, debido a que en algunos casos los eventos que producen valores extre-
mos se pueden tomar en cuenta como si fueran de baja probabilidad pero de alto
impacto, es por ello que juega un papel importante en el análisis de datos debido
a que precisamente toma en cuenta la cola de la distribución de los valores extremos.

40
SANTIBAÑEZ, Oscar. op,cit.p 146
41
IBAÑEZ, Alejandro. Análisis estadı́stico de valores extremos y aplicaciones. 2011. Universidad
de Granada
42
DUARTE, Nestor. La teoria del valor extremo en el mercado de las aseguradoras, tesis, Uni-
versidad Nacional de Colombia. Bogota?..2009

18
El fenómeno aleatorio que se desea modelar son los eventos sı́smicos en Santander.
Es decir, se tiene interés en una distribución de probabilidad para el valor más alto
de la magnitud de los eventos durante el periodo de un año, por el contexto del
problema, es razonable utilizar alguna de las distribuciones de la teorı́a de valores
extremos, descritas a continuación, donde se propone usar alguno de los modelos
(Gumbel, Weibull o Frechet) asociados a la DVEG, para modelar los eventos sı́smi-
cos en Santander y realizar un análisis a partir de estos, teniendo en cuenta las fallas,
geologı́a y caracterı́sticas geomorfológicas de la provincia.

4.3 Teorı́a de valores extremos

4.3.1 Formulación del modelo

El propósito de la teorı́a se centra en el estudio del comportamiento estadı́stico

donde se establece43

Mn = max[X1 .......Xn ] (7)

Donde [X1 .......Xn ] es un conjunto de variables aleatorias independientes e idéntica-

mente distribuidas (iid) con función de distribución F . Usualmente la variable Xi
representa los valores de un proceso medido en una escala de tiempo regular y es el
máximo del proceso observado en unidades de tiempo n. De manera que Mn repre-
senta el máximo sobre n unidades de tiempo dentro del proceso de observación. En
particular si n es el número de observaciones en el año, entonces Mn corresponde al
máximo anual.

En teorı́a, se puede obtener la distribución de Mn en forma exacta para todos los

valores de n.

P (Mn ≤ z) = P (X1 ≤ z....., Xn ≤ z) (8)

= P (X1 ≤ z).....P (Xn ≤ z)

= F (z)n

Sin embargo, mencionan que esto no es muy útil en la práctica donde usualmente
F es desconocida. Se podrı́a estimar F usando los datos observados y entonces
sustituir esta estimación en (8). Desafortunadamente pequeñas discrepancias de F
pueden producir grandes diferencias para (F (z))n .

43
MOLINA, Gilberto. Teorı́a de Valores de Extremos Aplicada a la Gestión de Riesgos en Inun-
daciones. Sonora, México. 2010

19
 Para estos autores un enfoque alternativo es aceptar que F es desconocida y buscar
aproximar familias de modelos a la distribución de (F (z))n que se pueda estimar
sobre la base de los datos extremos solamente. Esto es similar a la práctica habitual
de la aproximación de una muestra de promedios a través de la distribución nor-
mal, justificada por el teorema del lı́mite central. Los argumentos son esencialmente
análogos al de teorema de lı́mite central solamente que para una muestra de valores
extremos.

Para lograr esto, Molina44 establece que no es suficiente considerar el comportamien-

to, cuando n tiende a infinito (n → ∞), si se define uF como el valor más pequeño
para z tal que F (z) = 1, entonces:


n 0 si z ≤ uF
lı́m F (z) = δ(z) = (9)
n−→∞ 1 si z ≥ uF

Es decir, F n tiende en distribución, cuando (n → ∞), a la distribución de la va-

riable aleatoria degenerada δ(z) que toma el valor UF con probabilidad 1. Utilizar
distribución concentrada en un punto para aproximar la distribución de Mn no re-
sulta informativo. Esta dificultad se evita al permitir una normalización lineal de la
variable Mn

Mn − bn
Mn∗ = (10)
an

Para sucesiones de constantes {an > 0} y {bn }

4.3.2 Distribuciones lı́mite para valores extremos

“El siguiente teorema tomado de Embrechts et al. (1997, p. 121), fue propuesto en
1928 por Fisher y Tippett y probado rigurosamente por Gnedenko en 1943. Este
teorema permite aproximar la distribución de una normalización lineal de Mn ”.45

El teorema 6.2.1 de Fisher y Tipper, supone que existen sucesiones de constantes

{an > 0} y {bn } tales que:

 
Mn − bn
P ≤ z = F n (an z + bn ) −→ G(z) (11)
an

Donde G es una distribución que no está concentrada en un punto (no degenerada).

44
MOLINA, Gilberto. op, cit.p.21
45
MOLINA, Gilberto. op,cit.p 22

20
Entonces G pertenece a una de las siguientes tres familias de distribuciones:
   
z−u
I. G(z) = exp −exp − si z  R (Gumbel) (12)
σ



 0 si z ≤ µ
 −β !
II. G(z) = z−u (F réchet) (13)
exp −

σ
si z > µ

  β !!
 z−u
exp − − si z < µ

III. G(z) = σ (W eibull) (14)

1 si z ≥ µ


Donde σ > 0, µ  R, y β > 0 son parámetros.

Las distribuciones asintóticas del teorema 6.2.1 son llamadas Distribuciones de Va-
lores Extremos (DVE) y de forma individual las familias las de tipo I son la familia
de Gumbel; las de tipo II la de Fréchet, y las de tipo III la de Weibull.

El teorema 6.2.1 implica que cuando Mn pueda ser estabilizada con sucesiones
{an > 0} y {bn } adecuadas, la correspondiente normalización de la variable Mn∗
tiene una distribución lı́mite que debe de ser una de los tres tipos de distribución
para valores extremos. La parte esencial de este resultado es que los tres tipos de
distribuciones I, II y III son los únicos limites posibles para la distribución de Mn∗ ,
independientemente de la distribución F de la población.

El teorema de Fisher y Tippett se puede usar para justificar la suposición de que

Mn tiene una DVE. Las densidades asociadas a las DVE para máximos obtienen de
manera directa 6.2.1 derivando respectivamente cada distribución.

4.3.3 Distribución de valores extremos generalizada

“R. Von mises en 1954 y A. F. Jenkinson en 1955 propusieron una reformulación del
Teorema 6.2.1 en la cual combinan las familias de distribuciones Gumbel, Fréchet y
Weibull en una única familia de distribuciones”.46

− 1 
 

  
z−a c

G(z) = exp − 1 + c (15)

 b 


46
MOLINA, Gilberto. op,cit.p 26

21
Definido en z tal que 1 + c( z−a
b
) > 0, donde a  R, b > 0 y c  R.

La distribución (15) es conocida como Distribución de Valores Extremos Generali-

zada (DVEG). La distribución tiene tres parámetros, un parámetro de localización
a, un parámetro de escala b y un parámetro de forma c. En esta reparametrización,
la distribución Fréchet corresponde al caso c > 0, la distribución Weibull al caso c
< 0 y la distribución Gumbel al caso c = 0, que se interpreta como el lı́mite de (15)
cuando c −→ 0.

Las relaciones de los parámetros de la DVEG con los parámetros de las DVE son
las siguientes:

Gumbel : σ = b, u = a (16)

1 b b
F réchet : β = , σ = , u = a − (17)
c c c

−1 −b b
W eibuul : β = ,σ = ,u = a − (18)
c c c

Ası́, el teorema 6.2.1 puede ser reformulado de la siguiente forma:

Teorema 6.3.1 Suponga que existen sucesiones {an > 0} y {bn } tales que:

 
Mn − bn
P 6 z = F n (an z + bn ) −→ G(z) (19)
an

Donde G es una distribución que no está concentrada en un punto. Entonces, G es

un miembro de la familia DVEG

− 1 
 

  
z−a c

G(z) = exp − 1 + c (20)

 b 


Para z tal que 1 + c( z−a

b
) > 0, donde a  R, b > 0 y c  R.

22
La densidad del modelo DVEG con parámetros (a, b, c) y c 6= 0, está dada por

−1+ 1  1
   
    − 
1 z−a c 
 z−a c

g(z; a, b, c) = 1 + c  exp − 1 + c (21)
b b 
 b 


Para z tal que 1 + c( z−a

b
)>0

Cuando c = 0 la densidad está dada por

  
1 a−z a−z
g(z; a, b) = exp −exp + para z  R (22)
b b b

Según Molina,47 nótese que el soporte de la función de densidad de la DVEG depen-

de de los tres parámetros (a, b, c), mientras que para la familias Weibull y Fréchet
sólo depende de un parámetro u al cual se le llama parámetro umbral.

El cuantil de la probabilidad acumulada p de la DVEG está dado por la expresión:

  
b
a − (1 − (−log(p))−c ) para c 6= 0


c
Qp = (23)


a − b{log[−log(1 − p)]} para c = 0


Sin duda, contar con la DVEG es de gran utilidad pues con solo estimar uno de sus
parámetros (el parámetro c), se obtiene información acerca de cuál modelo utilizar.
Además, permite aplicar técnicas de inferencia estadı́stica para cuantificar la incer-
tidumbre al elegir un modelo.

De igual manera como se resalta el interés de las distribuciones para los máxi-
mos también lo pueden ser para los mı́nimos. Los resultados para los mı́nimos
son inmediatos, basta considerar que los correspondientes resultados para Mn Si
Yi = −Xi , para i ={1,,,,n}, M̄n =min{X1 .......Xn } y Mn = min{Y1 .......Yn },
entonces M̄n = −Mn . Por lo tanto. Para n grande,

P Mn ≤ z = P − Mn ≤ z
= PMn ≥ −z
= 1 - P−Mn ≤ −z (24)

47
MOLINA, Gilberto. op,cit.p 27

23
De esta manera a partir de (24) es posible deducir la DVEG para mı́nimos y luego
reformular el teorema el 6.2.1 y 6.3.1.

A continuación de este ı́tem se describe el método utilizado para la estimación de

los parámetros de este trabajo y de igual manera las técnicas estadı́sticas para la
valuación del modelo.

4.3.4 Estimación de los parámetros por máxima verosimilitud

Según Coles y Pericchi,48 ratifican lo expuesto por Molina donde afirman que la es-
timación de los parámetros al ser desconocidos hay que estimarlos; existen muchas
técnicas distintas para hacer dichas estimaciones, pero la preferible es la estimación
por máxima verosimilitud.

De acuerdo con Ibañez,49 la estimación se hace por bloques, y lo que se quiere

maximizar es la siguiente función (logaritmo de la verosimilitud):

  m    X m   − 1
1 X zi − a zi − a c
L(a, b, c) = −mlogb− 1 + log = 1 + c − = 1+c
c i=1 b i=1
b

Con la condición de que

 
zi − a
1+c > 0, i = 1, ..., m
b

Mientras que en el caso de que c=0, la función a maximizar es la siguiente:

m m   
X X zi − a
L(a, b) = −mlog(b) − (zi − ab) − exp − (26)
i=1 i=1
b

48
COLES, Stuard y PERICCHI, Luis,op,cit.p35
49
IBAÑEZ .Alejandro. Análisis estadı́stico de valores extremos y aplicaciones. Universidad de
Granada. España. 2011

24
5 Metodologı́a

5.2 Descripción de la zona de estudio

El Departamento de Santander está localizado en la parte septentrional de la cordi-

llera Oriental, limitando con los Departamentos de Norte de Santander y Boyacá al
Oriente, Antioquia y Bolı́var al Oeste, Boyacá al sur y Cesar y Norte de Santander
al Norte. La ciudad de Bucaramanga es su capital. De acuerdo con la proyección
geodésica del IGAC, Santander está comprendido entre latitud Norte 05◦ 42’ y 08◦ 0’
con longitud entre 72◦ 26’ y 74◦ 32’ , con una extensión de 30,537 km2 , que represen-
tan el 2.7 % de la extensión total de Colombia y el 40 % de la Región Nororiental.50

Figura 2: Localización Geográfica Departamento de Santander

Fuente: Elaboración propia

5.2.1 Tectónica

El nororiente colombiano de los Andes es un territorio geológicamente complejo y

tectónicamente dinámico; su conformación está relacionada con la interacción de
las placas tectónicas Nazca, Caribe y Suramérica. Por encontrarse dentro de este
dominio, el área de Santander despierta gran interés y genera discusiones sobre su
origen y su conformación geológica.51

50
UT - UNIMINERIA. Programa de aprovechamiento sostenible de minerales ? pasm ? en el
departamento de Santander. 2009
51
GIDROT. op,cit.p 19

25
La caracterización tectónica el territorio de Santander está subdividida en tres pro-
vincias tectónicas como son la del macizo de Santander, que está conformada por
los bloques de Floresta, Cucutilla, Pamplona y de Ocaña; la del valle medio del
Magdalena, y la de la cordillera oriental, que se diferencian por su estilo estructural,
sus plegamientos anticlinales y sinclinales, el tipo de roca, y la cantidad de fallas
inversas y de cabalgamiento. (ver Figura 3.)

Figura 3: Esquema tectónico del departamento de Santander

Fuente: Santander 2030 diagnóstico dimensión biofı́sico

Ambiental territorial de Santander

5.2.2 Estructuras

El territorio santandereano se caracteriza por presentar tres estilos estructurales di-

ferenciables, los cuales identifican tres regiones estructuralmente bien definidas del
departamento: uno de fallamiento en bloques en la región oriental; otro de plega-
mientos en la región central, y el graben del Magdalena, en la región occidental.52

52
GIDROT. op,cit.p 23

26
 Figura 4: Mapa Geológico Generalizado Departamento de Santander

Fuente: Santander 2030

5.3 Materiales y métodos

5.3.1 Catálogo de sismicidad instrumental

El catálogo de sismicidad que se utilizó en el proyecto son los registros obtenidos

por los sismógrafos y publicados por la Red Sismológica Nacional de Colombia,53
correspondientes al departamento de Santander , donde se hizo la consulta de los
datos pertinentes para el estudio de caso, teniendo en cuenta los siguientes aspectos:

Rango de tiempo: 1993/01/06 a 2015/03/11

Rango de coordenadas geográficas (grados)

Longitud: 74◦ 31’ 43.706”W a 72◦ 29’ 1.847”W

Latitud: 5◦ 42’ 21.589”N a 8◦ 8’ 44.705”N
Rango de Magnitud (Ml): 0.5 a 6.3

El catálogo está conformado por un total de 83217 eventos, que corresponden a los
sismos premonitorios (foreshock), principales (mainshock) y replicas (aftershock) de
la región. (Figura 5). Donde fue necesario implementar Zmap (Version 6.0), el cual
es un conjunto de subrutinas para el análisis sistemático de datos de sismicidad y
catálogos sı́smicos, que mejora la definición y la resolución de anomalı́as en la tasa
de sismicidad de una región dada.

53
INSTITUTO COLOMBIANO DE GEOLOGÍA Y MINERÍA, En lı́nea.Disponible en
http://www.sgc.gov.co/

27
Figura 5: Eventos sı́smicos Premonitorios, Principales, Replicas.
Departamento de Santander 1992–2015

Fuente: Elaboración propia

5.4 Magnitudes máximas

Para el desarrollo del proyecto se implementó el software R (versión 3.0.2) y el

paquete extRemes, donde se determina el potencial de un terremoto de una región
especı́fica, donde se identifica a partir de diagramas de dispersión las magnitudes
máximas, dichas medidas seleccionadas constituyen los sucesos extremos. Para este
caso el tamaño del bloque es de 1 año teniendo en cuenta que si se selecciona bloques
demasiado pequeños se puede inducir tendencias y bloques demasiado grandes se
generan pocos máximos. Dichos sucesos pueden ser generados por una falla particular
de la zona54 . Posteriormente se procede a determinar la DVEG y ajustar los datos
a modelo más adecuado.

5.5 Amenaza sı́smica

Para el desarrollo de la metodologı́a de Valores Extremos existe una diversidad

de modelos computacionales y aplicaciones en software que permiten aplicar es-
ta teorı́a de manera sencilla. En este proyecto se utilizará el programa CRISIS
200755 desarrollado en el Instituto de Ingenierı́a de la UNAM. CRISIS 2007 es el
módulo de cálculo de amenaza sı́smica y por tsunami de CAPRA (sistema de in-
formación geográfica orientado a los cálculos de riesgo basados en el peligro, la
exposición y datos de vulnerabilidades fı́sicas). Permite la definición completa de
un
54
IBAÑEZ .Alejandro. Análisis estadı́stico de valores extremos y aplicaciones. Universidad de
Granada. España. 2011
55
M. Ordaz, A. Aguilar y J. Arboleda. CRISIS 2007. Módulo de cálculo de amenaza sı́smica de
CAPRA

28
modelo de amenaza probabilista, la evaluación de amenaza uniforme. Fue desarrolla-
do en el Instituto de Ingenierı́a de la UNAM, por M. Ordaz, A. Aguilar y J. Arboleda.

La ventaja de utilizar esta plataforma radica en la sencilla aplicación de parámetros

sı́smicos a través de una interfaz gráfica que permite modelar los parámetros de un
terremoto de gran magnitud que define la sismicidad de una fuente sismogénica de
acuerdo con el modelo empleado.56

Para determinar la amenaza sı́smica empleando la plataforma CRISIS 2007, se re-

quiere el ingreso de una serie de entradas que definen la región en estudio y los
parámetros sı́smicos que caracterizan la ocurrencia de eventos sı́smicos asociadas
a ésta. Para ello es necesario contar con la información de la región de estudio y
de la sismicidad del lugar, tal como listado de sitios donde se calculará la amenaza
sı́smica, el número de fuentes sı́smicas que afectan al área en estudio, las caracterı́sti-
cas geométricas de las fuentes sı́smicas y las caracterı́sticas de sismicidad de dichas
fuentes.

De manera general los pasos para determinar la amenaza sı́smica en dicho software,
fueron los siguientes:

Definición de lı́mites de región en Estudio

Definición de los sitios de cálculo de la amenaza
Definición de la geometrı́a de la fuente sı́smica
Definición de la sismicidad de las fuentes sı́smicas
Definición de las leyes de atenuación
Definir los parámetros globales de calculo
Definir el tipo de resultado a obtener

Para determinar los lı́mites de la región CRISIS 2007 permite integrar mapas del
área en estudio y de sitios localizados dentro del área, los cuales fueron georreferen-
ciados con anterioridad y cargados en formato shapeFile (*:shp). Los sitios que se
seleccionaron para calcular las tasas de excedencia, fue una malla con un incremento
de aproximadamente 2 x 2 Km, que cubre toda la región de estudio y que permite
definiciones más detalladas de los resultados.
La modelación probabilista de la amenaza sı́smica que realiza el software CRISIS
2007 en general se realiza mediante la determinación de escenarios estocásticos en las
coordenadas del área de estudio asignadas, que se basa en la integración de frecuen-
cias de ocurrencia de cualquier parámetro de intensidad sı́smica de las ecuaciones
de atenuación que están en función de la distancia y la magnitud sı́smica.

56
SANTIBAÑEZ, Oscar. Evaluación del Peligro Sı́smico Uniforme en la Región de los Rı́os
Usando Enfoques Probabilista Y Determinista. Valdivia – Chile . 2013

29
5.5.1 Mapas de amenaza sı́smica

La plataforma CRISIS 2007 genera mapas de peligro sı́smico probabilı́stico (unifor-

me), de manera que represente los valores alcanzados de aceleración e intensidad
para cada sitio del Departamento de Santander, asociado a los niveles sı́smicos que
se han definido anteriormente. La información de dichos mapas se extrae en archi-
vos de texto para que a través del uso de la plataforma ArcGIS, se puedan generar
mapas en el formato que se presentan los anexos correspondientes, con la inclusión
del nivel de amenaza, datos geográficos, localización de municipios, etc.57

Tabla 3: Nivel de Amenaza Sı́smica en función de la

aceleración máxima (m/s2 )..

Fuente: Santibañez, Oscar. op,cit.p 151

Los lı́mites anteriores corresponden al estudio en términos de la aceleración máxi-
ma. Para la evaluación en función de la intensidad máxima, el nivel de amenaza se
ajustará de acuerdo al criterio de división y la amplitud de cada nivel de amena-
za empleado para el caso de la aceleración. De esta forma, los mapas de Amenaza
sı́smica representan el grado de amenaza de acuerdo a los lı́mites que se indican en
la tabla 4.

Tabla 4: Grado de Amenaza Sı́smica de acuerdo a aceleración máxima

horizontal e intensidad máxima.
Grado de amenaza Aceleración máxima Intensidad máxima
sı́smica horizontal (g) (IMM)
Bajo 0 a 0,08 I a IV
Moderado 0,08 a 0,25 IV a VI
Alto 0,25 a 0,41 VI a VIII
Muy alto 0,41 hacia arriba VIII hacia arriba
Fuente: Santibañez, Oscar. op,cit.p 152

En cuanto a la simbologı́a de colores que se utilizará, ésta será la indicada en cada

mapa pero en términos generales corresponde a una degradación de colores desde
rojo a verde en función de un descenso de valores máximo a mı́nimos respectiva-
mente.

57
SANTIBAÑEZ, Oscar. op,cit.p 151

30
A continuación se muestra el procedimiento realizado para determinar la amenaza
sı́smica en el departamento de Santander.

Figura 6: Diagrama de flujo determinación de amenaza sı́smica

31
6 Resultados

6.1 Catálogo resultante

Una vez realizado el proceso de declustering y eliminados los eventos que a consi-
deración del investigador no deben ser tenidos en cuenta los cuales podrı́an ser una
fuente de error, se obtiene el catálogo final, el catálogo que se usará para el análisis
de amenaza sı́smica en la región. La tabla resume el número de eventos obtenidos
después de aplicar estos procedimientos.

El resultado de este proceso es un catálogo conformado por los eventos principales.

Tabla 5: Catalogo resultante eventos sı́smicos

Eventos iniciales 83217

Declustering 2069
Eventos eliminados manualmente 62 62

Una vez finalizado el procedimiento se obtuvieron 2069 eventos de un total de 83155,

lo que representa un 2.48 % del total.

Figura 7: Eventos sı́smicos principales.

Departamento de Santander 1993 – 2015

Fuente: Zmap (Versión 6)

Sobre el catalogo resultante producto del declustering, se determinaron cuáles son

las magnitudes máximas por año, teniendo certeza de que estos son los registros
de los movimientos principales, con estos datos se realizó el análisis de valores ex-
tremos para cada provincia sismotectónica presentados a continuación, debido a
caracterı́sticas intrı́nsecas de cada una de ellas, lo que implica que se comporten de
diferente manera.

32
Con el catálogo de magnitudes máximas por provincia sismotectónica se realizó una
superposición entre estos eventos y el esquema tectónico, asociando ası́ a cada una
de las fallas de la región un evento sı́smico, determinando ası́ que fallas son activas
y cuáles no. (Ver figura 8)

6.2 Catálogo de magnitudes máximas por provincia asociados al es-

quema tectónico

Las 33 Fallas que fueron tenidas en cuenta para determinar la amenaza, son aquellas
fallas que por lo menos tienen asociado un evento sı́smico principal, en un radio no
mayor a 3 km, con lo cual se puede considerar como falla activa.

Figura 8: Magnitudes máximas y fallas

Fuente: Elaboración propia

Con respecto a la sismicidad de las fuentes o modelo de ocurrencia, es decir, al in-

greso de parámetros que describen el número y magnitud de los sismos asociados a
cada fuente sismogénica en el perı́odo de tiempo estudiado, CRISIS 2007 permite
elegir entre dos modelos de ocurrencia de sismos, su principal diferencia radica en
que un modelo considera que la ocurrencia de sismos es independiente del tiempo,
mientras que en el segundo modelo si existe una dependencia.58 Se seleccionó que el
mejor modelo era aquel que asume que la ocurrencia de los sismos es independiente
del tiempo. Para ello se ingresaron los parámetros obtenidos para cada provincia
tectónica y se asociaron a cada una de las fuentes que se determinaron como acti-
vas, los datos asociados a la sismicidad a dichas fuentes fueron los obtenidos en el
análisis de valores extremos. (Ver tabla 8)

58
SANTIBAÑEZ, Oscar. op,cit.p 96

33
6.3 Análisis de valores extremos por provincias

Al obtener la depuración de los datos se selecciona el mayor valor por año en cada
una de las provincias desde 1993 a 2015, y se procede a realizar los diagramas de
dispersión.

Figura 9: Diagrama de dispersión eventos máximos 1993 – 2015

Se calcula el nivel de retorno para cada una de las provincias con base en el número
de eventos máximos (ver figura 9), en donde el valle Medio Magdalena y la cordillera
Oriental tienen un total de 23 eventos máximos, y el Macizo Santander 19, por lo
1
tanto para las dos primeras provincias el nivel de retorno es p = = 0,043 y para
23
1
la última es p = = 0,052.
19

El fenómeno aleatorio que se desea modelar son los eventos sı́smicos para las tres
provincias, donde se tiene interés en una distribución de probabilidad para el valor
más alto durante el periodo de un año. Es coherente y razonable utilizar alguna
de las tres familias de la teorı́a de valores extremos, ecuaciones (12), (13) y (14),
que están asociadas a la DVEG. Cabe recordar que el modelo Gumbel es una de
las distribuciones más simples de la familia de valores extremos generalizada en el
sentido que tan solo cuenta con dos parámetros, en cambio los modelos Weibull
y Fréchet tienen tres parámetros, por lo tanto se exploró si para cada provincia
tectónica el modelo Gumbel puede ser el más adecuado o no. Se estiman los valores
que maximizan la función de verosimilitud del vector de parámetros (a,b,c) de la
DVEG para las tres provincias:

Tabla 6: Valores que maximizan la función de verosimilitud.

34
El parámetro localización â hace referencia a la media de los datos extremos en
cada una de las provincias, donde se identifica que la Cordillera Oriental tiene una
media mayor a las otras dos provincias indicando que en esta región se han eviden-
ciado sismos con magnitudes mayores. La escala b̂ es un parámetro que proporciona
información de la distribución, en cuanto esta sea más grande, más amplia será la
distribución, donde se puede deducir que la cordillera oriental es la más amplia. Por
último el parámetro de la forma nos dice el comportamiento de los datos y cuál de
las tres familias es la indicada para estos. Como se puede observar el parámetro ĉ
es negativo en los dos primeros casos, lo que indica que el modelo Weibull es el más
adecuado para estos datos, para el tercer caso indica que el modelo Fréchet es el
adecuado. Sin embargo, en los tres casos el parámetro ĉ esta cercano a cero, lo cual
puede sugerir que el modelo Gumbel también puede ser el adecuado para los datos.
Se debe tener en cuenta que un estimador puntual no proporciona la información
acerca de esta incertidumbre en la estimación, para este caso se realizó las interpre-
taciones visuales y teóricas para contrastar y determinar cuál de los modelos es el
más adecuado para cada provincia.

Prueba de hipótesis

Se utilizó el estadı́stico de prueba de la razón de verosimilitud para cada provincia,

se obtiene que para el valle medio magdalena es 0,68 , para la cordillera oriental es
17,49 con un p − valor de 0,043 y para el macizo Santander es 0,93 con un p − valor
de 0,052. La región crı́tica para las provincias son sus niveles de retorno, por lo tanto
para el Valle medio Magdalena existe evidencia estadı́stica para no rechazar Ho , lo
que indica que el mejor modelo que se ajusta a los datos es Gumbel, de manera
similar se da en el Macizo Santander donde no se rechaza Ho , sin embargo, para la
Cordillera Oriental si existe evidencia estadı́stica para rechazar Ho , es decir el mejor
modelo que se ajusta es el de Weibull, tal como se evidencio con el parámetro ĉ.

Pruebas significancia p valor

Para no rechazar Ho se espera que el p valor sea mayor a cada uno de los niveles de
retorno, donde p − valor para el valle medio magdalena es 0,40, para la cordillera
oriental es 2,87e(−5) y para el macizo Santander es 0,33.

Ası́, como se ha previsto el p − valor encontrado en los tres casos el único que refleja
evidencia en contra del modelo Gumbel es la provincia de la Cordillera Oriental, de
esta manera este p-valor denota que los datos contienen evidencia en contra de la
hipótesis nula, por lo tanto considerando cada una de las evidencias por los métodos
de valuación del modelo se decide que el modelo Weibull es el adecuado para explicar
la magnitud para esta provincia.

35
A continuación se definen los parámetros del modelo que fueron estimados mediante
el método de máxima verosimilitud.

Tabla 7: Parámetros del modelo

Los parámetros de los dos modelos se asocian a los valores maximizados, en el cual
ˆ
el µ̂ se relaciona con el parámetro localización, el β̂ a la escala y por ultimo sigma
a la forma.

También se observa el grafico probabilı́stico, el grafico de cuantiles, el grafico de

densidad y el grafico de niveles de retorno de cada una de las provincias, donde se
aprecia que en la función de densidad de la cordillera oriental tiene un comporta-
miento exponencial, ya que la forma se aproxima a 1.5 y la escala a 1 generando
ası́ este comportamiento diferente a las otras dos funciones de densidad. En la gra-
fico probabilı́stico y de cuantiles se observa que los datos tienden a la lı́nea recta
sugiriendo de manera visual que el modelo Gumbel y Weibull son los adecuados para
cada provincia respectiva.

Figura 10: Grafico Probabilı́stico, Cuantiles, de Retorno y Densidad

Con base al gráfico de niveles de retorno se obtiene las estimaciones de eventos

sı́smicos con mayor magnitud en cada uno de los periodos de retorno, en el cual se
construyó el intervalo de confianza de dichos periodos y los cuales fueron introducidos
en CRISIS 2007, para la generación de los mapas de amenaza sı́smica, los cuales son:

36
 Tabla 8: Estimación de magnitudes (Ml) máximas para diferentes periodos de
retorno

A continuación se presentan los mapas de amenaza sı́smica para periodos de retorno

de 10, 50,100 y 500 años estimados para el departamento de Santander.

6.4 Mapas de Amenaza Sı́smica

Las condiciones de amenaza en el departamento de Santander están definidas por

ciertas caracterı́sticas tales como la topografı́a, geologı́a, estratigrafı́a, las provincias
tectónicas, estructuras (fallas geológicas) entre otros. En las figuras 11, 12, 13 y 14,
se observa un comportamiento anómalo en la parte norte y el centro del departa-
mento, en el cual se identifica que la amenaza sı́smica es muy alta. Esto se debe a
que la topografı́a en esta parte del departamento tiene una elevación alta, de igual
manera predominan rocas ı́gneas metamórficas y depósitos cuaternarios que están
ampliamente distribuidos hacia el occidente del departamento que pueden represen-
tar una amenaza potencial a la amplificación sı́smica. Además se localizan varias
fallas geológicas, donde geográficamente conforman la cadena montañosa de las es-
tribaciones occidentales de la cordillera oriental, en donde se destacan estructuras
anticlinales y sinclinales amplias, limitadas por fallas inversas y de cabalgamiento
con inclinación hacia el oriente.

Sin embargo la mayorı́a de eventos sı́smicos registrados se asocian de manera pro-

babilı́stica a diversas fallas, se puede identificar que dichos eventos máximos están
correlacionados a las fallas definidas, esto se debe a que este tipo de fallas se gene-
ran por tensión horizontal, generando fracturas donde los bloques cambian de nivel,
sobre todo en el sentido vertical y de esta forma hace que la superficie terrestre se
desplace hacia abajo, con esto se puede corroborar que en la parte norte y centro
del departamento se evidencie una amenaza sı́smica muy alta.

37
En el sur del departamento se puede apreciar que la amenaza sı́smica oscila entre
niveles bajo a moderado, dado que la provincia valle medio Magdalena y cordille-
ra oriental forman una topografı́a definida de relieve suave, también se caracteriza
tectónicamente por un estilo estructural de plegamiento donde las estructuras anti-
clinales y sinclinales son amplias y suaves, limitadas por fallas inversas escalonadas
lo que permite que el nivel de amenaza sea relativamente moderado o bajo. Además
los eventos registrados en esta zona se asocian a fallas en su mayorı́a de tipo inversa
que a comparación de las fallas definidas tienen una amenaza menor.

Con este breve diagnostico se puede brindar soportes tanto a nivel visual (mapas) y
numérico (valores extremos esperados en diferentes periodos de retorno) para que las
autoridades tomen ciertas medidas sobre las zonas que presentan mayores niveles de
amenaza sı́smica, por ejemplo el municipio de Bucaramanga y la mesa de los Santos
ubicados en la parte centro del departamento.

38
Figura 11: Mapa de Amenaza Sı́smica. Periodo de Retorno 10 años

39
Figura 12: Mapa de Amenaza Sı́smica. Periodo de Retorno 50 años

40
Figura 13: Mapa de Amenaza Sı́smica. Periodo de Retorno 100 años

41
Figura 14: Mapa de Amenaza Sı́smica. Periodo de Retorno 500 años

42
7 Conclusiones

La teorı́a de valores extremos es una metodologı́a pertinente para estimar los

niveles de amenaza sı́smica, a partir de eventos observados se pueden estimar
magnitudes a futuro. Los modelos Weibull y Gumbel son los más adecuados
para modelar el comportamiento espacial de los eventos sı́smicos registrados
desde 1993 a 2015 en el departamento de Santander, debido a que se evidencia
en la zona centro en el departamento una alta concentración de sismos de gran
magnitud.

Se identificó que la zona con mayor probabilidad de ocurrencia sı́smica en

un futuro es hacia el norte de la provincias tectónicas (cordillera oriental,
valle medio magdalena y Macizo Santander), esto se debe a la geologı́a y
caracterı́sticas geomorfológicas de las provincias, además a su cercanı́a relativa
al nido de Bucaramanga.

43
8 Anexos

44
45
46
47
48
49
9 Referencias bibliográficas

[1] Alejandro Ibañez. (2011). Analisis estadistico de valores extremos y aplicaciones.

Universidad de Granada, España. Recuperado a partir de
http://masteres.ugr.es/moea/pages/tfm1011/analisisestadisticodevaloresextremosyaplicaci
ones

[2] Amaya, Juan. (2012). Gestión del riesgo sísmico en Medellín. Universidad Nacional
de Colombia.

[3] Beguería, S. (2002). Revisión de métodos paramétricos para la estimación de la

probabilidad de ocurrencia de eventos extremos en Climatología e Hidrología: El uso de
series de excedencias y su comparación con las series de máximos anuales [Capítulo de
libro]. Recuperado 23 de octubre de 2014, a partir de
http://digital.csic.es/handle/10261/9859

[4] Blanco, E. (2012). Análisis de tendencias, en valores extremos de variables

meteorológicas importantes para la agricultura. Instituto de enseñanza e investigación en
ciencias agricolas, Mexico. Recuperado a partir de
http://www.biblio.colpos.mx:8080/xmlui/handle/10521/1728

[5] Cardona, O., & Ordaz, M. (2009). Estudio General de Amenaza sismica de Colombia.
Bogotá D.C, Colombia: Comite AIS-300 Amenaza sismica. Recuperado a partir de
http://www.understandrisk.org/sites/default/files/EstudioGeneraldeAmenazaSsmicadeCol
ombia2009_UR%20%281%29.pdf

[6] Chang, S.-M., & Genton, M. (2007). Extreme Value Theory and Order Statistics, 13.

[7] Coles, S., & Pericchi, L. (2009). Anticipating catastrophes through extreme value
modelling - Coles - 2003 - Journal of the Royal Statistical Society: Series C (Applied
Statistics) - Wiley Online Library. Recuperado 23 de octubre de 2014, a partir de
http://onlinelibrary.wiley.com/doi/10.1111/1467-9876.00413/abstract

[8] Duarte, N. (2009). La teoria del valor extremo en el mercado de las aseguradoras.
Universidad Nacional de Colombia, Bogotá D.C, Colombia. Recuperado a partir de
http://www.bdigital.unal.edu.co/2249/1/LA_TEOR%C3%8DA_DEL_VALOR_EXTRE
MO_EN_EL_MERCADO_DE_LAS_ASEGURADORAS-
N%C3%A9stor_Duarte_Velasco.pdf

[9] Elkin de Jesús Salcedo Hurtado. (1999). Estudio de sismicidad histórica en la región de
Bucaramanga (Colombia), 16.
[10] García, J. (2005). Caracterización y análisis de peligrosidad sísmica en el sureste de
España. Universidad Complutense, Madrid. Recuperado a partir de PDF.

[11] Gloria Elena Maggio. (s. f.). Análisis estadístico de valores extremos. Aplicaciones en
hidrología. Noldor S.R.L. Recuperado a partir de
http://www.noldor.com.ar/noldorweb/consultor/Variables_extremas.pdf

[12] Grasso, S., & Maugeri, M. (2009). The road map for seismic risk analysis in a
Mediterranean city. Soil Dynamics and Earthquake Engineering, 29(6), 1034-1045.
doi:10.1016/j.soildyn.2008.12.001

[13] INGEOMINAS. (s. f.). Microzonificacion sísmica del área metropolitana de

Bucaramanga. Bogotá D.C, Colombia.

[14] Instituto Nacional de prevención sísmica. (2011). Historia Sismologíca (p. 5).
Argentina. Recuperado a partir de
http://www.inpres.gov.ar/docentes/Historia%20de%20la%20Sismolog%C3%ADa.pdf

[15] Molina Aguilar, G. (2010). Teoría de Valores de Extremos Aplicada a la Gestión de

Riesgos en Inundaciones. Universidad de Sonora, Mexico. Recuperado a partir de PDF.

[16] Molina, E., Marroquín, G., Escobar, J., Talavera, E., Rojas & Climent, Camacho, E.,
& Lindholm, C. (2008). Evaluación regional de la amenaza sísmica en centro America (p.
86). España: Universidad Politecnica de Madrid.

[17] Mostafaei, H., & Koordnori, S. (2013). The application of the semi-Markov Model in
Predicting the Earthquake Occurrences in Alborz Fault Region, Northern Iran, 6(IV), 13.

[18] Orosco, L., & Haarala, M. (2010). Estimación de la peligrosid ad sísmica que afecta a
la ciudad de Salta, 72-106.

[19] Pablo Antonio Garzón Casares. (2011). Evaluación de la Amenaza Sísmica de

Colombia mediante análisis de valores extremos históricos. Universidad Nacional de
Colombia, Bogotá D.C, Colombia. Recuperado a partir de
http://www.bdigital.unal.edu.co/5110/1/299996.2011_pte._1.pdf

[20] Pérez, M., & García, A. (2004). Aplicación de la teoría del valor extremo al ajuste y
modelación de catástrofes (p. 14). España: Universidad Carlos III de Madrid &
Universidad de Alcalá de Henares. Recuperado a partir de
http://www.mapfre.com/documentacion/publico/i18n/catalogo_imagenes/grupo.cmd?path
=1026232

[21] Quijada, P., Gajardo, E., & Franke, M. (2005). Evaluación de amenaza sísmica de
Venezuela para el nuevo mapa de zonificación, 6.
[22] Santibáñez, Andres. (2013). Evaluación del peligro sísmico uniforme en la región de
los ríos usando enfoques Probabilista y determinista. Valdivia – Chile.

[23] Saziye Bozdag Ibrahim Çobanoglu. (2006). Statistical approaches to estimating the
recurrence of earthquakes in the eastern Mediterranean region. İstanbul Üniv. Müh. Fak.
Yerbilimleri Dergisi, 19(1), 91-100.

[24] Secretaria de Planeacion. (s. f.). Diagnóstico dimensión biofísico ambiental territorial
de Santander (p. 250). Bucaramanga: Universidad Industrial de Santander. Recuperado a
partir de
https://www.uis.edu.co/webUIS/es/investigacionExtension/documentos/docInteres/Tomo
%20I%20Dimension%20Biofisica%20Ambiental.pdf

[25] Suarez, J. (s. f.). Amenaza sísmica para el Área metropolitana de Bucaramanga.
Colombia: Geotécnologias S.A.S. Recuperado a partir de
http://www.erosion.com.co/estudios-sismicos-de-sitio/128-amenaza-sismica-para-el-area-
metropolitana-de-bucaramanga.html

[26] Teoría de valores extremos: Una introducción1. (s. f.). Recuperado a partir de
http://www.publicaciones.ujat.mx/publicaciones/revista_dacb/Acervo/v6n1OL/v6n1a2-
ol/v6n1a2-ol.html

[27] Ünal, S., & Çelebioglu, S. (2010). A Markov Chain Modelling Of The Earthquakes
Occuring In Turkey. Gazi University Journal of Science, 263-274.

[28] ÜNAL, S., Çelebioglu, S., & Özmen, B. (2014). Seismic hazard assessment of Turkey
by statistical approaches. Turkish Journal of Earth Sciences, (23), 350-360.

[29] Velasco, F., & González, S. (s. f.). Teoría de valores extremos: Una introducción.
Recuperado 23 de octubre de 2014, a partir de
http://www.publicaciones.ujat.mx/publicaciones/revista_dacb/Acervo/v6n1OL/v6n1a2-
ol/v6n1a2-ol.html

[30] Wang, J.-P., Chan, C.-H., & Wu, Y.-M. (2011). The distribution of annual maximum
earthquake magnitude around Taiwan and its application in the estimation of catastrophic
earthquake recurrence probability. Natural Hazards, 59(1), 553-570. doi:10.1007/s11069-
011-9776-x