Documentos de Académico
Documentos de Profesional
Documentos de Cultura
BOGOTÁ D C, COLOMBIA
Junio de 2015
DETERMINACIÓN DE LA AMENAZA SÍSMICA EN SANTANDER
MEDIANTE EL ANÁLISIS DE VALORES EXTREMOS
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
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.
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.
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.
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
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.
6
2 Problema
2.1 Tı́tulo
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.
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
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
2.4.2 Especı́ficos
9
3 Antecedentes
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.
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 %.
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.
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.
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
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
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)
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
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)
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.
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.
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.
n 0 si z ≤ uF
lı́m F (z) = δ(z) = (9)
n−→∞ 1 si z ≥ uF
Mn − bn
Mn∗ = (10)
an
“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
Mn − bn
P ≤ z = F n (an z + bn ) −→ G(z) (11)
an
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
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.
“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.
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
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
− 1
z−a c
G(z) = exp − 1 + c (20)
b
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
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.
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.
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
zi − a
1+c > 0, i = 1, ..., m
b
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
5.2.1 Tectónica
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.)
5.2.2 Estructuras
52
GIDROT. op,cit.p 23
26
Figura 4: Mapa Geológico Generalizado Departamento de Santander
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
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.
De manera general los pasos para determinar la amenaza sı́smica en dicho software,
fueron los siguientes:
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
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.
31
6 Resultados
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.
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)
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.
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.
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:
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
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.
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.
36
Tabla 8: Estimación de magnitudes (Ml) máximas para diferentes periodos de
retorno
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
43
8 Anexos
44
45
46
47
48
49
9 Referencias bibliográficas
[2] Amaya, Juan. (2012). Gestión del riesgo sísmico en Medellín. Universidad Nacional
de Colombia.
[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
[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
[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.
[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