Академический Документы
Профессиональный Документы
Культура Документы
AMH
DE
H I D R U LI C A
AMH
Instituto de Ingeniera, Universidad Nacional Autnoma de Mxico. Circuito Escolar S/N, Edificio 5,
Ciudad Universitaria, Del. Coyoacn, Mxico D.F., Mxico. C.P. 04510
2
Facultad de Ciencias, Universidad Nacional Autnoma de Mxico. Circuito Exterior S/N, Ciudad Universitaria,
Del. Coyoacn, Mxico D.F., Mxico. C.P. 04510
mavilesr@iingen.unam.mx, igonzalezg@iingen.unam.mx, ana.meda@ciencias.unam.mx, rsilvac@iingen.unam.mx
Introduccin
El constante inters por la preservacin de los recursos
naturales y culturales, as como el desarrollo de los recursos
econmicos de las zonas costeras, ha impulsado la realizacin
de diversos tipos de anlisis de riesgos en dichas zonas, ya que
stas se encuentran amenazadas por una amplia gama de
fenmenos
naturales
tales
como
los
eventos
hidrometeorolgicos. En la actualidad, son sujeto de estudio y
anlisis diversos tipos de riesgo costero, en particular el riesgo
de inundacin y erosin, resultado directo de la ocurrencia de
fenmenos como la sobreelevacin por marea y el impacto del
viento, especialmente aquellos considerados como extremos
debido al alto impacto que tienen en la sociedad y la
economa.
Este estudio se realiza mediante la aplicacin de la Teora de
Valores Extremos, la cual es una parte de la probabilidad que
se utiliza para la estimacin de la distribucin de los valores
mximos de una muestra. Esta teora surge de la necesidad de
modelar aquellas observaciones que se separan mucho de la
media, y que tienen poca probabilidad de ocurrencia. Es decir,
se concentra en responder preguntas probabilsticas y
estadsticas sobre valores muy altos o muy bajos en los datos.
Esto se puede analizar de manera univariada, es decir,
estudiando cada variable por separado, o multivariada, ya que
existe una gran variedad de situaciones concernientes con
eventos extremos que tienen un inherente carcter
multivariado.
Como ya se mencion, en el contexto oceanogrfico, se tiene
un especial inters en la evaluacin del riesgo asociado con
fenmenos hidrometeorolgicos extremos, que son, con
frecuencia, consecuencia de un cmulo de eventos extremos
actuando conjuntamente por diversos componentes fsicos y/o
espaciales y como resultado se tiene asociada una estructura
de dependencia.
El anlisis multivariado de eventos extremos constituye un
sobresaliente tema de estudio en distintos campos de
aplicacin en los ltimos aos. Los estudios realizados han
sido comnmente abordados bajo modelos bivariados. Entre
los primeros trabajos en el anlisis bivariado de valores
extremos se encuentran los de Galambos (1987), Resnick
(1987), Kotz and Nadarajah (2000), Coles (2001), Reiss and
Thomas (2001), entre otros. En la literatura ms reciente se
tiene a Beirlant et al. (2004), De Haan and Ferreira (2006) y
Resnick (2007). Por otro lado, existen diversas alternativas
equivalentes para caracterizar la estructura de dependencia;
es continua,
,
para
(2)
y
,
(3)
para
. A
se le conoce como la Distribucin
Generalizada de Valores Extremos (DGVE). Al parmetro
se le llama parmetro de forma, mientras que a
y
de
localizacin y escala, respectivamente. A la DGVE con
parmetros
y
se le conoce como DGVE estndar.
El parmetro
es llamado parmetro de forma ya que
determina la clase de distribucin que representa la DGVE
como sigue: para
, se dice que la distribucin es de tipo
Frchet, si
se dice que es de tipo Weibull, y si
se
XXIII C ON G R E S O N A C I O N A L
AMH
cuando
; y para
(6)
para
DE
H I D R U LI C A
AMH
es
(7)
si y slo si
. Este resultado es la base para la
aproximacin de la distribucin de los excesos sobre umbrales
suficientemente altos mediante la DGP. El teorema nos da
bases tericas para esperar que si elegimos un umbral
adecuado, las observaciones que se encuentren por encima
mostrarn un comportamiento tipo Pareto.
Se conocen varias propiedades de la DGP, una de ellas es
sobre su funcin media de excesos que se define como
.
(8)
(9)
(10)
donde
son las
excedencias observadas
sobre , y
es el valor mximo de las
(Coles 2001).
Es decir, esta grfica relaciona a cada umbral
con la
esperanza emprica de los excesos sobre dicho umbral. Por la
propiedad de la DGP antes mencionada, sabemos que sobre un
umbral
para el cual la DGP proporcione una aproximacin
vlida a la distribucin de los excesos, la funcin media de
excesos debera comportarse de manera lineal en .
XXIII C ON G R E S O N A C I O N A L
AMH
DE
H I D R U LI C A
AMH
Sea
) elementos en
. Si
son vectores aleatorios independientes e
idnticamente distribuidos (i.i.d) de dimensin d. Se define el
vector de mximos,
=(
(16)
La funcin de distribucin de
evaluada en
(17)
Con
, Rakonczai (2009).
XXIII C ON G R E S O N A C I O N A L
AMH
DE
H I D R U LI C A
AMH
Altura
Velocidad
Estimadores
Intervalos
0.33256
(0.12465 , 0.54033)
2.78268
(2.57314 , 2.99243)
0.75476
(0.57444 , 0.93522)
0.60683
(0.35321 , 0.86024)
9.99688
(9.48751 , 10.5071)
1.82127
(1.29228 , 2.35093)
(19)
Para estimar los periodos de retorno asociados a los cuantiles
de la DGVE, se invirtieron las expresiones en (18) y (19) y se
evaluaron en
para hallar el valor
para el cual
, es decir, aquel valor para el cual la
probabilidad de que el mximo valor anual lo exceda sea . A
este valor se le conoce como el nivel de retorno asociado al
periodo de retorno
aos, ya que el nivel
se
espera ser excedido en promedio una vez cada
aos.
AMH
XXIII C ON G R E S O N A C I O N A L
DE
H I D R U LI C A
AMH
Intervalos
0.74942
(0.6799 , 0.8242)
0.05732
(0.0034 , 0.1233)
0.8603
(0.6002 , 1.2200)
0.2547
(0.0172 , 0.5939)
1.6470
(1.2568 , 2.1353)
0.3989
(0.2088 , 0.6476)
724
Altura
80
Velocidad
147
AMH
XXIII C ON G R E S O N A C I O N A L
DE
H I D R U LI C A
AMH
(24)
Parmetros
(25)
Para la grfica de niveles de retorno se procede de manera
similar al modelo de mximos por bloque, graficando los
periodos de retorno (en aos) contra los niveles de retorno
asociados con escala logartmica en el eje de las abscisas.
Adicionalmente se incluyen las posiciones estimadas de los
2.8106
0.2163 0.7666
10.1848
0.3787 1.9701
AIC
445.819
Desviacin
431.819
2.4063
XXIII C ON G R E S O N A C I O N A L
AMH
DE
H I D R U LI C A
AMH
, (26)
(29)
con
con
(30)
(27)
(28)
Tabla 4. Ajuste del modelo bivariado negativo logstico
Parmetros
2.8018
0.2322 0.7567
10.176
0.3947 1.9468
AIC
446.8938
Desviacin
432.8938
1.7212
(31)
Conclusiones
La Teora de Valores Extremos puede ayudar a mejorar las
medidas preventivas ante sucesos que causan consecuencias
extremas gravosas, brindando informacin que permita
mejorar la cuantificacin de los riesgos hidrometeorolgicos
para la optimizacin de toma de decisiones, gestin de reas
susceptibles a este tipo de riesgos y llevar una adecuada
modelacin de los agentes externos y erradicar en lo posible
las incertidumbres inherentes a la modelacin de los
fenmenos naturales; en ingeniera martima, el xito en el
diseo de estructuras depende esencialmente de la adecuada
seleccin de las condiciones ambientales a las que puede verse
sometida garantizando que dicho elemento no llegue a los
estados lmites de falla a lo largo de su vida til.
En el anlisis de los datos especficos se obtuvieron
expresiones para las distribuciones lmite que describen el
AMH
XXIII C ON G R E S O N A C I O N A L
DE
H I D R U LI C A
AMH
http://cran.rproject.org/web/packages/ismev/ismev.pdf. 200914-07.
GILLI M., KLLEZI E. An Application of Extreme Value
Theory for Measuring Risk. Department of Econometrics,
University of Geneva and FAME, Geneva, Switzerland,
febrero 2003, 24 pp.
HOSKING J. R.., WALLIS J.R. Water resources research. A
comparison of unbiased and plotting-position estimators of L
moments. Vol. 31, No. 8. Agosto 1995, pp. 2019-2025.
JOE, H. Multivariate Extreme-Value Distributions with
applications to environmental data, The Canadian Journal of
Statistics, Vol. 22, No. 1, 1994, pp. 47-64.
JOE, H., SMITH, R., y WEISSMAN, I. Bivariate threshold
methods for extremes, Journal of the Royal Statistical Society,
Vol. 54, No. 1, 1992, pp. 171-183.
KATZ, R., PARLANGE, M., y NAVEAU, P., Statistics of
extremes in hydrology, Advances in Water Resources, Vol. 25,
2002, pp. 1287-1304.
McNEIL, A., FREY, R., y EMBRECHTS, P. Quantitative
Risk Management: concepts, techniques, and tools Princeton
University Press, 2005, 529 pp.
NIST/SEMATECH e-Handbook of Statistical Methods. [en
lnea]. Abril 2012. [citado en agosto de 2014]. Disponible en
http://www.itl.nist.gov/div898/handbook/.
PFAFF B., MCNEIL A. J., STEPHENSON A. Package evir
(Version 1.7) [en lnea]. Extreme Values in R. Febrero 2013
[citado en agosto de 2014] Disponible en: http://cran.rproject.org/web/packages/evir/evir.pdf.
RAKONCZAI, P., On modelling and prediction of
multivariate extremes with applications to environmental
data. Tesis de licenciatura en ciencias matemticas, Suecia,
2009, 109 pp.
Referencias