SEISMICIDAD

1. En modelos de sismicidad.

La formulación racional de las decisiones de ingeniería en áreas sísmicas requiere descripciones

cuantitativas de la sismicidad. Estas descripciones deben ajustarse a sus intenciones aplicaciones:
en algunos casos, las intensidades simultáneas durante cada terremoto tienen que se puede
predecir en varios lugares, mientras que en otros es suficiente para hacer evaluaciones
independientes de los efectos probables de los terremotos en cada uno de esos lugares.

El segundo modelo es adecuado para la selección de parámetros de diseño de individuos.

componentes de un sistema regional (las estructuras en una región o país) cuando no existe una
interacción significativa entre la respuesta o el daño de varios de estos componentes individuales,
o entre cualquiera de ellos y el sistema en su conjunto. En otras palabras, se aplica. cuando el daño
-o utilidad negativa- infligida al sistema por un terremoto puede ser Tomado simplemente como la
adición de las pérdidas en los componentes individuales.

La linealidad entre los valores monetarios y las utilidades implícitas en el segundo modelo es No
siempre aplicable. Tal es el caso, por ejemplo, cuando una parte significativa de la riqueza nacional
o del sistema de producción se concentra en un área relativamente estrecha, o cuando la falla de
los componentes de la línea de vida puede interrumpir las acciones de emergencia y alivio
simplemente después de un terremoto. La evaluación del riesgo para todo el sistema regional debe
ser basados en modelos de sismicidad del primer tipo, es decir, modelos que predicen
simultáneamente intensidades en varios lugares durante cada evento; con el fin de tomar
decisiones, La no linealidad entre los valores monetarios y los servicios públicos se puede
contabilizar mediante Transformaciones de escala adecuadas. Estos modelos también son de
interés para las compañías de seguros, cuando la distribución de probabilidad de la pérdida máxima
en una región determinada durante un El intervalo de tiempo dado debe ser estimado.

Cualquiera que sea la categoría a la que pertenece un problema de riesgo sísmico, requiere la
predicción de las distribuciones de probabilidad de ciertas características de movimiento del suelo
(como aceleración o velocidad máxima del terreno, densidad espectral, respuesta o espectros de
Fourier, duración) en un sitio determinado durante un solo choque o de los valores máximos de
algunas de esas características en terremotos que ocurren durante intervalos de tiempo
determinados. Cuando la referencia intervalo tiende a infinito, la distribución de probabilidad del
valor máximo de un determinado la característica se acerca a la de su máximo valor posible. Porque
diferentes sistemas o los subsistemas son sensibles a diferentes características de movimiento del
suelo, el término intensidad característica se utilizará a lo largo de este capítulo para significar un
parámetro o conjunto particular de los parámetros de un movimiento sísmico, en términos de los
cuales se debe predecir la respuesta. Así, cuando se trata de la probabilidad de falla de una
estructura, la intensidad puede ser medido alternativamente —con diferentes grados de correlación
con la respuesta estructural— por la ordenada del espectro de respuesta para el período
correspondiente y amortiguación, la aceleración máxima del terreno, o la velocidad máxima del
suelo.

En general, la información instrumental local no es suficiente para estimar las distribuciones de

probabilidad de las características de intensidad máxima, y debe hacerse uso de ellas. datos sobre
medidas subjetivas de intensidades de terremotos pasados, de modelos de sismicidad local y de
expresiones que relacionan las características con la magnitud y el sitio a la fuente distancia. Los
modelos de sismicidad local consisten, al menos, en expresiones que relacionan magnitudes. de
terremotos generados en volúmenes dados de la corteza terrestre con sus períodos de retorno. La
mayoría de las veces, se requiere una descripción más detallada de la sismicidad local, incluidas las
estimaciones de la magnitud máxima que se puede generar en estos volúmenes, como, así como
modelos probabilísticos (procesos estocásticos) de las posibles historias de sísmica Eventos
(definidos por magnitudes y coordenadas).

Este capítulo trata los diversos pasos a seguir en la evaluación del riesgo sísmico en sitios donde la
información, aparte de los registros instrumentales directos de intensidades Se debe utilizar:
identificar fuentes potenciales de actividad cerca del sitio, formular modelos matemáticos de
sismicidad local para cada fuente, obtener la contribución de cada uno. fuente de riesgo sísmico en
el sitio y sumando contribuciones de las diversas fuentes y combinando información obtenida de la
sismicidad local de fuentes cercanas al sitio con datos En intensidades instrumentales o subjetivas
observadas en el sitio.

Los pasos anteriores consideran el uso de información proveniente de fuentes de diferente

naturaleza. Los valores cuantitativos que se derivan de allí están generalmente ligados a una gran
incertidumbre. márgenes, Por lo tanto, exigen una evaluación probabilística, aunque no siempre
pueden interpretarse en términos de frecuencias relativas de resultados de experimentos dados.
Así, Los geólogos hablan de la magnitud máxima que se puede generar en un área determinada,
evaluada observando las dimensiones de los accidentes geológicos y extrapolando las observaciones
de otras regiones cuya evidencia disponible permite calificar como similar a la uno de interés; Las
estimaciones producidas son obviamente inciertas, y el grado de incertidumbre debe expresarse
junto con el valor más probable. Siguiendo casi líneas paralelas, algunos geofísicos estiman la
energía que puede ser liberada por un solo choque en un área determinada al hacer suposiciones
cuantitativas sobre las dimensiones de la fuente, La amplitud de la dislocación y la caída del estrés,
en consonancia con los modelos tectónicos de la región y, de nuevo, con comparaciones con áreas
de características tectónicas similares.

Las incertidumbres adjuntas a las estimaciones del tipo que se acaba de describir son, en general,
extremadamente grandes: algunos estudios relacionan el área de ruptura de falla, la caída de
tensión y la magnitud (Brune, 1968) muestra que, considerando que no hay caídas de estrés
inusualmente altas, no toma dimensiones de fuente muy grandes para obtener magnitudes de 8.0
y mayores, y esos estudios son Prácticamente restringido a los tipos más simples de desplazamiento
de fallas. No está claro, por lo tanto, que los límites realistas siempre pueden asignarse a magnitudes
potenciales en áreas determinadas o que, cuando esto sea factible, esos límites son suficientemente
bajos, de modo que el diseño de las estructuras resistir las intensidades correspondientes es
económicamente sólido, particularmente cuando la ocurrencia de esas intensidades no es muy
probable en un futuro próximo. Porque las incertidumbres en magnitudes máximas factibles y en
otros parámetros, definir leyes de magnitud de corriente puede ser tan importante como sus valores
medios cuando se trata de hacer racional En las decisiones de diseño sísmico, esas incertidumbres
deben reconocerse explícitamente y explicarse mediante criterios probabilísticos adecuados. Un
corolario es que la geofísica. Las estimaciones basadas en los parámetros de sismicidad deben ir
acompañadas de las correspondientes medidas de incertidumbre.
Las estimaciones de riesgo sísmico a menudo se basan solo en información estadística (observada
magnitudes y coordenadas hipocentral). Cuando se hace esto, se descuida una gran cantidad de
información geofísica relevante, mientras que la predicción probabilística del futuro es hecho para
confiar en una muestra que a menudo es pequeña y de poco valor, especialmente si el período de
muestreo es corto en comparación con el período de retorno deseable de los eventos capaces de
dañar severamente un sistema dado.

El criterio defendido aquí pretende unificar los enfoques anteriores y racionalmente asimilar las
piezas de información correspondientes. Su filosofía consiste en utilizando la evidencia geológica,
geofísica y cualquier otra evidencia no estadística disponible para producir un conjunto de
suposiciones alternativas concernientes a un proceso matemático (proceso estocástico) Modelo de
sismicidad en un área fuente determinada. Se asigna una distribución de probabilidad inicial. al
conjunto de hipótesis, y la información estadística se utiliza para mejorar esa asignación de
probabilidad. El criterio se basa en la aplicación del teorema de Bayes, también Llamado el teorema
de las probabilidades de las hipótesis. Dado que las estimaciones de riesgo dependen En gran parte
en modelos conceptuales de los procesos geofísicos involucrados, y estos son conocido con
diferentes grados de incertidumbre en diferentes zonas de la corteza terrestre, aquellos las
estimaciones se derivarán de modelos de procesos estocásticos con formas o parámetros inciertos.
El grado en que se pueden reducir estas incertidumbres depende de las limitaciones del estado del
arte de las ciencias geofísicas y del esfuerzo que se puede poner en práctica. Recopilación e
interpretación de información geofísica y estadística. Esto es un problema económico que debe ser
manejado, formal o informalmente, por los criterios deToma de decisiones bajo incertidumbre.

2. Atenuación de intensidad.

Criterios disponibles para la evaluación de la contribución de potenciales sísmicos. Las fuentes de

riesgo en un sitio hacen uso de las expresiones de atenuación de intensidad que se relacionan
Características de intensidad con magnitud y distancia del sitio a la fuente. Dependiendo de la
aplicación prevista, la característica de intensidad que debe predecirse puede expresarse en una
serie de maneras, que van desde un índice subjetivo, como el Mercalli modificado intensidad, a una
combinación de una o más medidas cuantitativas de la sacudida del suelo (ver Capítulo 1).

Un número de expresiones para la atenuación de varias características de intensidad con La

distancia se ha desarrollado, pero hay poco acuerdo entre la mayoría de ellos (Ambraseys, 1973).
Esto se debe en parte a las discrepancias en las definiciones de algunos parámetros, en los rangos
de valores analizados, en las propiedades de propagación de onda reales de la Formaciones
geológicas situadas entre la fuente y el sitio, en los mecanismos de choque dominantes y en las
formas de las expresiones analíticas adoptadas a priori.

La mayoría de los estudios de atenuación de intensidad se refieren a la predicción de las

características del terremoto en rocas o terrenos firmes, y suponen que estas características,
debidamente modificadas términos de factores de amplificación del suelo dependientes de la
frecuencia, deben constituir la base para estimando sus contrapartes sobre suelo blando.
Observaciones sobre la influencia del suelo. las propiedades en el daño del terremoto apoyan el
supuesto de una fuerte correlación entre los tipos de suelo local y. Intensidad en un choque dado.
Intentos analíticos predecir las características de los movimientos en el suelo dados aquellos en
tierra firme o en la roca de fondo sin embargo, no han tenido demasiado éxito (Crouse, 1973;
Hudson y Udwadia, 1973; Salt, 1974), con la excepción de algunos casos peculiares, como Ciudad de
México (Herrera et al., 1965), donde las condiciones locales favorecen el cumplimiento de los
supuestos implícitos Modelos analíticos. Los siguientes párrafos se centran en la predicción de
intensidades en Tierra firme; La influencia del suelo local se discute en el Capítulo 4.

2.1. Atenuación de intensidad en terreno firme.

Cuando isoseismals (líneas que unen sitios que muestran la misma intensidad) de un choque dado
son basado solo en las intensidades observadas en condiciones de suelo homogéneas, tales como
suelo (suelos compactos) o lecho de roca, son aproximadamente elípticos y las orientaciones de los
los ejes correspondientes a menudo se correlacionan con las tendencias geológicas locales o
regionales (Figs. 1- 3). En algunas regiones, por ejemplo, cerca de fallas importantes en el oeste de
los Estados Unidos, esas las tendencias están bien definidas y las correlaciones son lo
suficientemente claras como para permitir la predicción de intensidad en los campos cercanos y
lejanos en términos de magnitud y distancia a la generación Fallo o al centroide del volumen
liberador de energía. En otras regiones, como lanEl este de los Estados Unidos y la mayor parte de
México, los isosismos parecen alargarse sistemáticamente en una dirección que es una función de
las coordenadas epicentral (Bollinger, 1973; Figueroa, 1963). En ese caso, la intensidad debe
expresarse en función de la magnitud y las coordenadas de la fuente y el sitio. Para la mayoría de
las áreas del mundo, la intensidad debe predecirse en términos de expresiones simples y más burdas
que dependen solo de la magnitud y la distancia Del sitio al hipocentro instrumental. Esto se debe
a un conocimiento inadecuado de las condiciones geotectónicas y de información limitada sobre el
volumen donde se encuentra la energía. Liberado en cada choque.
Una comparación de las tasas de atenuación de intensidades en terreno firme para choques en el
oeste y el este de América del Norte ha revelado diferencias sistemáticas entre Esas tarifas (Milne y
Davenport, 1969). Esta es la fuente de una debilidad básica, pero a menudo inevitable, de la mayoría
de las expresiones de atenuación de intensidad, porque están basadas en datos heterogéneos,
registrados en diferentes zonas, y la naturaleza misma de sus aplicaciones implica que se sabe
menos sobre posibles desviaciones sistemáticas en una zona determinada, Como consecuencia de
la escasez de información local, se otorga mayor importancia a Predicciones con respecto a las
observaciones.

2.1.1 Intensidades de Mercalli modificadas

Un análisis de las intensidades de Mercalli modificado en terreno firme informado sobre terremotos
ocurridos en México en las últimas décadas lleva a la siguiente expresión relacionando magnitud M,
distancia hipocentral R (en kilómetros) e intensidad I (Esteva, 1968):

………………………………………………………………. (1)

El error de predicción, definido como la diferencia entre la intensidad observada y la calculada, se

distribuye aproximadamente de manera normal, con una desviación estándar de 2.04, lo que
significa que existe una probabilidad del 60% de que una intensidad observada sea superior a un
grado mayor o menor que su valor predicho.
2.1.2 Aceleraciones y velocidades máximas del terreno

Se describirán algunas de las expresiones disponibles. Su comparación mostrará cuán cauteloso

debe proceder un diseñador que intente usarlos. Housner estudió la atenuación de las aceleraciones
máximas del terreno en varias regiones de Estados Unidos y presentó sus resultados gráficamente
(1969) en términos de longitud de falla (en gire una función de magnitud), formas de isoseismals y
áreas experimentando intensidades Mayor que los valores dados (Fig. 4 y 5).

Mostró que las intensidades se atenúan más rápido con la distancia en la costa oeste que en El resto
del país. Esta comparación está de acuerdo con Milne y Davenport (1969), que realizó un análisis
similar para Canadá. De observaciones de fuerte terremotos en California y en la Columbia Británica,
desarrollaron la siguiente expresión para a, la aceleración máxima del terreno, como una fracción
de la gravedad:

………………………………………………………………. (2)

Aquí, R es la distancia epicentral en kilómetros. La aceleración varía aproximadamente como

𝑒 1.64𝑀 𝑅−2 para R grande, y como 𝑒 0.54𝑀 donde R se acerca a cero. Esto refleja en cierta medida el
hecho de que la energía se libera no en un solo punto, sino desde un volumen finito. Después El
estudio de Davenport (1972) lo llevó a proponer la expresión:
El error estadístico de esta ecuación se estudió ajustando una probabilidad log normal Distribución
a los ratios de aceleraciones observadas a calculadas. Una desviación estándar de Se encontró 0.74
en los logaritmos naturales de esos ratios. Esteva y Villaverde (1973), sobre la base de las
aceleraciones reportadas por Hudson (1971, 1972a, b), expresiones derivadas para aceleraciones y
velocidades máximas del terreno, como sigue:

Aquí v es la velocidad máxima del terreno en cm / seg y los otros símbolos significan lo mismo que
encima. La desviación estándar del logaritmo natural de la relación entre la intensidad observada y
la predicha es de 0,64 para las aceleraciones y de 0,74 para las velocidades. Si se juzga por este
parámetro, eqs. 3 y 4 parecen igualmente confiables. Sin embargo, como se muestra en la Fig. 6, su
media Los valores difieren significativamente en algunos rangos.

Con la excepción del eq. 2, todas las expresiones de atenuación anteriores son productos de una
función de R y una función de M. Esta forma, que es aceptable cuando las dimensiones de la fuente
liberadora de energía son pequeñas en comparación con R, es inadecuada cuando tratar con fuentes
sísmicas cuyas dimensiones son del orden de distancias hipocentral moderadas y, a menudo,
mayores que ellas. Aunque los errores de ecuación (probabilidad distribuciones de la relación de
intensidades observadas a predichas) han sido evaluadas por Davenport (1972) y Esteva y Villaverde
(1973), su dependencia de M y R tiene no ha sido analizado Porque las estimaciones de riesgo
sísmico son muy sensibles a la atenuación. Expresiones en el rango de grandes magnitudes y
distancias cortas, estudios más detallados. deben emprenderse, con el objetivo de mejorar esas
expresiones en el rango mencionado, y al evaluar la influencia de M y R en el error de ecuación. La
información sobre los registros de movimiento fuerte probablemente será escasa para esos
estudios, y por lo tanto, tendrán que ser En gran parte basado en modelos analíticos o físicos de la
generación y propagación de ondas sísmicas. Aunque últimamente se han logrado avances
significativos en esta dirección. (Trifunac, 1973) los resultados de tales modelos apenas han influido
en la práctica de estimación de riesgo sísmico porque han permanecido desconocidos o
imperfectamente Apreciado por los ingenieros encargados de las decisiones correspondientes.
2.1.3 espectros de respuesta

La aceleración y el desplazamiento máximos del terreno son indicadores bastante buenos de la

respuesta de las estructuras que poseen, respectivamente, frecuencias naturales muy altas y muy
pequeñas. La velocidad máxima se correlaciona con la respuesta de los sistemas de período
intermedio, pero la correlación es menos precisa que la que vincula los parámetros anteriores; Por
lo tanto, es natural. formular criterios de evaluación de riesgo sísmico y diseño de ingeniería en
términos de espectro espectral. Ordenadas Predicción del espectro de respuesta para una magnitud
dada e hipocentral o sitio a falla la distancia generalmente implica un proceso de dos pasos, según
el cual la aceleración máxima del terreno, la velocidad y el desplazamiento se estiman inicialmente
y luego se utilizan como valores de referencia Para la predicción de las ordenadas del espectro de
respuesta. Que el segundo paso en el proceso sea representado por la operación. 𝑦𝑠 =𝛼𝑦𝑔 dónde 𝑦𝑠
Es una ordenada de la respuesta. espectro para un periodo natural y una relación de
amortiguamiento dados, y 𝑦𝑔 es un parámetro (como el pico

aceleración o velocidad en el terreno) que se puede obtener directamente del historial de tiempo
registro de un choque dado independientemente de las propiedades dinámicas de los sistemas cuya
respuesta se debe predecir. Para M y R dados, 𝑦𝑔 es aleatorio y también lo es 𝑦𝑠 /𝑦𝑔 =α el significado
y desviación estándar de 𝑦𝑠 depende de los de 𝑦𝑔 y α y sobre el coeficiente de correlación de las
últimas variables. Como se muestra arriba, 𝑦𝑔 Solo se puede predecir dentro de amplio límites de
incertidumbre, a menudo más amplios que los vinculados a 𝑦𝑠 (Esteva y Villaverde, 1973). Los
coeficiente de variación de 𝑦𝑠 dado M y R puede ser más pequeño que el de 𝑦𝑔 solo si α y 𝑦𝑔 están
correlacionados negativamente, lo que suele ser el caso: cuanto mayor es la desviación de un valor
observado de 𝑦𝑔 con respecto a su expectativa para M y R dados, es probable que la menor ser α.
En otras palabras, parece que en el rango intermedio de los períodos naturales los valores esperados
de ordenadas espectrales para relaciones de amortiguamiento dadas pueden predecirse
directamente en términos de magnitud y distancia focal con márgenes más estrechos (o como
máximo) de incertidumbre que las relacionadas con las velocidades máximas predichas del terreno.
Para las gamas de muy Los períodos naturales cortos o muy largos, las amplitudes máximas del
movimiento del suelo y las ordenadas espectrales se aproximan entre sí y, por lo tanto, sus errores
estándar son casi iguales.

McGuire (1974) ha derivado expresiones de atenuación para los valores condicionales. (dados M y
R) de la media y de varios percentiles de las distribuciones de probabilidad de las ordenadas de los
espectros de respuesta para determinados períodos naturales y relaciones de amortiguamiento.
Esas expresiones tienen la misma forma que las ecs. 4 y 5, pero sus parámetros muestran que Las
tasas de atenuación de ordenadas espectrales difieren significativamente de las de pico
Aceleraciones o velocidades del terreno. Por ejemplo, McGuire encuentra que la velocidad máxima
del suelo se atenúa en proporción a (𝑅 + 25)−1.20 una relación de amortiguamiento del 2% se
atenúa en proporción a (𝑅 + 25)−0.59 . Estos resultados se derivan de la forma en que el contenido
de frecuencia cambia con R y llevar a la conclusión de que la relación de velocidad espectral debe
tomarse como una función de M y R.

La Tabla 1 resume las expresiones de atenuación de McGuire y sus coeficientes de variación para
las ordenadas de los espectros de pseudo velocidad y para la aceleración máxima del terreno,
Velocidad y desplazamiento. Expresiones similares fueron derivadas por Esteva y Villaverde. (1973),
pero pretenden predecir solo los máximos de la aceleración esperada y espectros de velocidad,
independientemente de los períodos asociados con esos máximos. No se ha realizado ningún
análisis de la validez relativa de McGuire y Esteva y Villaverde Expresiones para varios rangos de M
y R.

3. Sismicidad local.

El término sismicidad local se usará aquí para designar el grado de actividad sísmica en un volumen
dado de la corteza terrestre; Se puede describir cuantitativamente según a varios criterios, cada uno
proporciona una cantidad diferente de información. Los criterios mas usuales se basan en límites
superiores a las magnitudes de los terremotos que pueden originarse en una fuente sísmica dada,
sobre la cantidad de energía liberada por choques por unidad de volumen y por unidad de tiempo
o en descripciones estadísticas más detalladas del proceso.

3.1 Expresiones de magnitud-recurrencia

Gutenberg y Richter (1954) obtuvieron expresiones que relacionan las magnitudes de los
terremotos con sus tasas de ocurrencia para varias zonas de la tierra. Sus resultados pueden ser
poner en el formulario:

………………………………………………………………………. (6)

donde λ es el número medio de terremotos por unidad de volumen y por unidad de tiempo que
tiene la magnitud mayor que M y α y β son constantes dependientes de la zona; α varía ampliamente
de un punto a otro, como lo demuestra el mapa de epicentros que se muestra en la Fig. 7, mientras
que β permanece dentro de un rango relativamente estrecho, como se muestra en la Fig. 8. La
ecuación 6 implica una distribución de la energía liberada por choque que es muy similar a la
observada en el Proceso de microfractura de muestras de laboratorio de varios tipos de rocas
sometidas a Incrementando gradualmente la tensión de compresión o flexión (Mogi, 1962; Scholz,
1968). Los valores de β determinados en el laboratorio son del mismo orden que los obtenidos de
eventos sísmicos, y se ha demostrado que dependen de la heterogeneidad de los especímenes y en
su capacidad para rendir localmente. Así, en especímenes heterogéneos hechos de quebradizo.
muchos choques pequeños preceden a una fractura mayor, mientras que en material homogéneo
o plástico materiales el número de choques pequeños es relativamente pequeño. Estos casos
corresponden a Valores β grandes y pequeños, respectivamente. Ninguna relación general es
conocida por el escritor. entre las características β y geotectónicas de las provincias sísmicas:
complejidad de la estructura de la corteza y de gradientes de estrés impide la extrapolación de los
resultados de laboratorio; y los registros estadísticos para zonas relativamente pequeñas de la tierra
no son, por regla general, adecuados para establecer Valores locales de β. La figura 8 muestra que
para magnitudes muy altas la frecuencia observada de eventos es menor que lo predicho por eq. 6.
Además, Rosenblueth (1969) ha demostrado ese β no puede ser más pequeño que 3.46, ya que eso
implicaría una cantidad infinita de energía Liberado por unidad de tiempo. Sin embargo, la Fig. 8
muestra que los valores de β que resultan de las expresiones de ajuste de la forma 6 a los datos
observados son menores que 3.46; por lo tanto, para muy los valores altos de M (por encima de 7,
aproximadamente) la curva debe inclinarse hacia abajo, de acuerdo con Con evidencia estadística.
Expresiones alternativas a eq. Se han propuesto 6, intentando representar más. adecuadamente los
datos observados de magnitud-recurrencia (Rosenblueth, 1964; Merz y Cornell, 1973). La mayoría
de estas expresiones tampoco reconocen la existencia de un superior unido a la magnitud que se
puede generar en una fuente dada. Aunque no precisa todavía se pueden obtener estimaciones de
este límite superior, el reconocimiento de su existencia y de su La dependencia de las características
geotectónicas de la fuente es ineludible. De hecho, el La práctica de la zonificación sísmica en la
Unión Soviética se ha basado en este concepto. (Gzovsky, 1962; Ananiin et al., 1968) y en muchos
países diseñan espectros para muy Estructuras importantes, tales como reactores nucleares o
grandes represas, generalmente se derivan de el supuesto de una intensidad máxima creíble en un
sitio; esa intensidad es ordinariamente obtenido tomando el máximo de las intensidades que
resultan en el sitio cuando en cada uno de las fuentes potenciales de un terremoto con una
magnitud igual al máximo posible El valor para esa fuente se genera en la ubicación más
desfavorable dentro de la misma fuente. Cuando se aplica este criterio, generalmente no se presta
atención a la incertidumbre en la magnitud máxima factible ni la probabilidad de que un terremoto
con eso La magnitud ocurrirá durante un período de tiempo dado. La necesidad de formular
decisiones relacionadas con el riesgo sísmico que tengan en cuenta tanto los límites superiores a las
magnitudes como sus probabilidades de ocurrencia sugiere la adopción de expresiones de
recurrencia de magnitud de la formar:

Donde 𝑀𝐿= la magnitud más baja cuya contribución al riesgo es significativa, 𝑀𝑈= máximo magnitud
factible, y G * (M) = distribución de probabilidad acumulativa complementaria de Magnitudes cada
vez que ocurre un evento (M ≥ 𝑀𝐿 ). Una forma particular de G * (M) que Se presta a derivaciones
analíticas es:

Donde

Como M tiende a 𝑀𝐿 desde arriba, eq. 7 enfoques eq. 6. Adopción de valores adecuados de 𝑀𝑈 y
𝛽1 permiten satisfacer dos condiciones adicionales: la magnitud máxima factible y la tasa de
variación de λ en sus proximidades. Cuando 𝛽1 → ∞, eq. 8 tiende a una expresión propuesta por
Cornell y Vanmarcke (1969). Yegulalp y Kuo (1974) han aplicado la teoría de los valores extremos
para estimar Las probabilidades de que magnitudes dadas se excedan en intervalos de tiempo
dados. Asumen esas probabilidades para ajustarse a una distribución extrema de tipo III dada por:

Aquí 𝐹𝑀𝑚𝑎𝑥 (M l t) indica la probabilidad de que la magnitud máxima observada. en t años es más
pequeño que M, 𝑀𝑈 tiene el mismo significado que arriba, y C y K son zonas Parámetros
dependientes. Esta distribución es consistente con la suposición de que los terremotos con
magnitudes mayores que M tienen lugar de acuerdo con un proceso de Poisson con una tasa media
λ igual a C ( 𝑀𝑈 −𝑀)𝑘 . La ecuación 9 produce recurrencia de magnitud. curvas que se ajustan
estrechamente a los datos estadísticos en los que se basan para magnitudes superiores 5.2 y
períodos de retorno de 1 a 50 años, aunque los valores de MU que resultan de El análisis estadístico
puro no es una medida confiable del límite superior a las magnitudes. ya que en muchos casos
resultan inadmisiblemente altos.

Para magnitudes bajas, solo se detecta una fracción del número de choques que se producen.
Como consecuencia, los valores de λ basados en información estadística se encuentran por debajo
de los calculados De acuerdo con las ecs. 6 y 8 para M más pequeño que aproximadamente 5,5.
Además, la fig. 9, tomada de Yegulalp y Kuo (1974) muestran que el número de choques detectados
se ajusta al extremo tipo III en eq. 9 mejor que la distribución extrema de tipo I implícita en eq. 6,
acoplado con el supuesto de distribución de Poisson del número de eventos. No está claro que parte
de la desviación de la distribución extrema de tipo I se debe a la baja de la baja valores de los niveles
de detectabilidad y qué parte proviene de las diferencias entre los forma real de variación de λ con
M y la dada por eq. 6.

El problema merece atención porque las estimaciones de pérdidas esperadas debido a daños no
estructurales pueden ser sensibles a los valores de λ para pequeñas magnitudes (por ejemplo, más
abajo). 5.5) y porque la evaluación del nivel de actividad sísmica en una región a menudo se realiza
depende de los números registrados de choques de pequeña magnitud y de los niveles de
detectabilidad supuestos, es decir, de las proporciones de números de terremotos detectados y
ocurridos (Kaila y Narain 1971; Kaila et al., 1972, 1974).

Ninguna de las expresiones para λ presentadas en este capítulo posee la propiedad deseable de su
aplicabilidad en varias regiones no superpuestas de la corteza terrestre implica la validez de una
expresión de la misma forma sobre la adición de esas regiones, a menos que se impongan algunas
restricciones en los parámetros de cada λ. Por ejemplo, la adición de expresiones como 6 da lugar a
una expresión de la misma forma solo si β Es igual para todos los términos de la suma. Se pueden
hacer objeciones similares a la ec. 8. en que sigue estas formas se conservarán, sin embargo, ya que
su precisión es consistente con la cantidad de información disponible y su adopción ofrece ventajas
significativas en el Evaluación de la sismicidad regional, como se muestra más adelante.
3.2 Variación con la profundidad.

La profundidad de la actividad sísmica predominante en una región depende de su estructura

tectónica. Por ejemplo, la mayor parte de la actividad en la costa occidental de los Estados Unidos
y Canadá Consiste en choques con profundidades hipocentral en el rango de 20-30 km. En otras
áreas, Como la costa sur de México, los eventos sísmicos se pueden agrupar en dos conjuntos: uno
de pequeños choques poco profundos y uno de terremotos con magnitudes comprendidas en una
amplia gama, y con profundidades cuyo valor medio aumenta con la distancia desde el litoral (fig.
10). La Figura 11 muestra la distribución de la profundidad de los terremotos con una magnitud
superior a 5.9 para todo el cinturón circunpacífico.

3.3 Modelos estocásticos de ocurrencia de terremotos.

Las tasas medias de superación de magnitudes dadas son promedios esperados durante largos
intervalos de tiempo. Para fines de toma de decisiones, los tiempos de ocurrencia del terremoto son
También significativo. En la actualidad, esos tiempos solo se pueden predecir dentro de un contexto
probabilístico.

Deje 𝑡𝑖 (𝑖 = 1, … . , 𝑛) Ser los tiempos desconocidos de ocurrencia de terremotos generados en un

volumen dado de la corteza terrestre durante un intervalo de tiempo dado, y deja que 𝑀𝑖 sea las
magnitudes correspondientes. Por el momento, se asumirá que el riesgo se distribuye de manera
uniforme en todo el volumen dado y, por lo tanto, no se prestará atención a los coordinadores.
Coordenadas de cada choque. Métodos clásicos de análisis de series de tiempo han sido aplicados
por diferentes investigadores que intentaron diseñar modelos analíticos para secuencias aleatorias
de terremotos. Los siguientes enfoques se encuentran a menudo en la literatura:

a) El trazado de histogramas de tiempos de espera entre choques (Knopoff, 1964; Aki, 1963).
b) Evaluación del índice de dispersión de Poisson, es decir, de la relación de la varianza
muestral del número de choques a su valor esperado (Vere-Jones, 1970; Shlien y Toksöz,
1970). Este índice es igual a la unidad para los procesos de Poisson, es más pequeño por casi
secuencias periódicas, y es mayor que uno cuando los eventos tienden a agruparse.
c) Determinación de funciones de autocovarianza, es decir, de funciones que representan la
covarianza de la cantidad de eventos observados en intervalos de tiempo dados, expresada
en términos del tiempo transcurrido entre esos intervalos (Vere-Jones, 1970; Shlien y
Toksöz, 1970). La función de autocovariedad de un proceso de Poisson es un delta de Dirac.
función. Esta característica es característica del modelo de Poisson, ya que no se mantiene
Para cualquier otro proceso estocástico.
d) La función de peligro h (t), definida de modo que h (t) dt es la probabilidad condicional de
que un evento tendrá lugar en el intervalo (t, t + dt) dado que no se han producido eventos
antes de t. Si F (t) es la distribución de probabilidad acumulada del tiempo entre eventos:

Donde
Para el modelo de Poisson, h (t) es una constante igual a la tasa media del proceso.
3.3.1 modelo de Poisson
Los modelos estocásticos de sismicidad más comúnmente aplicados suponen que los
eventos de la ocurrencia de un terremoto constituyen un proceso de Poisson y que los Mi
son independientes e idénticamente distribuidos. Este supuesto implica que la probabilidad
de tener N terremotos con una magnitud superior a M durante el intervalo de tiempo (0, t)
es igual a:

Donde 𝑉𝑀 es la tasa media de excedencia de magnitud M en el volumen dado. Si n es

tomado igual a cero en eq. 11, se obtiene que la distribución de probabilidad de la magnitud
máxima durante el intervalo de tiempo t es igual a exp( −𝑉𝑀 𝑡) si 𝑉𝑀 Está dada por eq. 6, el
Se obtiene distribución de tipo I extrema. Algunas debilidades de este modelo se hacen
evidentes a la luz de la información estadística y del análisis de los procesos físicos
involucrados: la suposición de Poisson implica que la distribución del tiempo de espera para
el próximo evento no se modifica por el conocimiento del tiempo transcurrido desde el
último, mientras que los modelos físicos de forma gradual
La energía acumulada y de liberación repentina requiere un proceso de renovación más
general, como que, a diferencia de lo que sucede en el proceso de Poisson, el tiempo
esperado para el próximo evento disminuye a medida que pasa el tiempo (Esteva, 1974).
Los datos estadísticos muestran que el supuesto de Poisson puede ser aceptable cuando se
trata de grandes shocks en todo el mundo (BenMenahem, 1960), lo que implica una falta
de correlación entre las sismicidades de diferentes regiones; Sin embargo, al considerar
pequeños volúmenes de la tierra, del orden de los que pueden contribuye
significativamente al riesgo sísmico en un sitio, los datos a menudo contradicen el modelo
de Poisson, Por lo general, debido a la agrupación de terremotos en el tiempo: los números
observados de corto los intervalos entre eventos son significativamente más altos que lo
predicho por la distribución exponencial, y los valores del índice de dispersión de Poisson
están muy por encima de la unidad (Figs. 12 y 13). En algunos casos, sin embargo, se han
observado desviaciones en la dirección opuesta: los tiempos de espera tienden a ser más
periódicos, el índice de dispersión de Poisson esmás pequeño que uno, y el proceso se
puede representar mediante un modelo de renovación. Esta condición ha sido reportado,
por ejemplo, en la costa sur de México (Esteva, 1974), y en Las regiones de Karmchatka y
Pamir-Hindu Kush (Gaisky, 1966 y 1967). Los modelos en discusión también fallan en tener
en cuenta la agrupación en el espacio (Tsuboi, 1958; Gajardo y Lomnitz, 1960), por la
evolución de la sismicidad con el tiempo, y por el cambio sistemático. de fuentes activas a
lo largo de accidentes geológicos (Allen, Capítulo 3 de este libro). A cuenta De su simplicidad,
sin embargo, el modelo de proceso de Poisson proporciona una herramienta valiosa para el
formulación de algunas decisiones relacionadas con el riesgo sísmico, en particular de
aquellas que son sensibles solo a la magnitud de los eventos que tienen períodos de retorno
muy largos.

3.3.2 modelos de gatillo

El análisis estadístico de los tiempos de espera entre terremotos no favorece la adopción
del modelo de Poisson o de otras formas de procesos de renovación, como los que asuma
que los tiempos de espera son mutuamente independientes con distribuciones lognormal
o gamma (Shlien y Toksöz, 1970). Se han desarrollado modelos alternativos, la mayoría de
ellos. del 'tipo de disparo' (Vere-Jones, 1970), es decir, el proceso general de generación de
terremotos se considera como la superposición de una serie de series de tiempo, cada una
con una diferente origen, donde los tiempos de origen son los eventos de un proceso de
Poisson. En general, sea N el número de eventos que tienen lugar durante el intervalo de
tiempo (0, t), 𝑡𝑚 = hora de origen de la serie mth, 𝑊𝑚 (t 𝑡𝑚 ) el número correspondiente
de eventos hasta el instante 𝑡1 y 𝑛𝑡 el número aleatorio de series de tiempo iniciadas en el
intervalo (0, t). El número total de eventos. que ocurren antes del instante t es entonces:

Si los tiempos de origen se distribuyen de acuerdo con un proceso homogéneo de Poisson

con la tasa media v, y todas las 𝑊𝑚 son procesos estocásticos distribuidos de manera
idéntica con respecto a (t - 𝑡𝑚 ), se puede demostrar (Parzen, 1962) que se puede obtener
la media y la varianza de N
desde:

Parzen (1962) da también una expresión para la función de generación de probabilidad. 𝜓𝑁

(Z; t) de la distribución de N en términos de 𝜓𝑤 (Z; t, τ), la función generadora de cada uno
de los procesos componentes:
Donde:

y la función de probabilidad de masa de N se puede obtener de 𝜓𝑁 (Z; t) recordando que:

Expandiendo 𝜓𝑁 en la serie de potencias de Z, y tomando P {N = n} igual al coeficiente de

𝑍 𝑛 en Esa expansión. Por ejemplo, si es de interés calcular P {N = 0}, la expansión de
𝜓𝑁 (Z; t) en una serie de Taylor con respecto a Z = 0 lleva a:

donde el primo significa derivado con respecto a Z. De la definición de 𝜓𝑁 , P {N = 0} = 𝜓𝑁

(0; t).

Debido a que los procesos componentes de las series de tiempo de tipo 'disparador'
aparecen superpuestos en muestra de historias, su representación analítica generalmente
implica el estudio de una serie de Modelos alternativos, estimación de sus parámetros, y
comparación de modelo y muestra. Propiedades - a menudo propiedades de segundo orden
(Cox y Lewis, 1966).
Modelos Vere-Jones. La aplicabilidad de algunos modelos generales de 'disparador' para
representar procesos de sismicidad local fue discutida en un documento exhaustivo de
Vere-Jones (1970), quienes los calibraron principalmente contra registros de actividad
sísmica en Nueva Zelanda. Además de los procesos de Poisson simples y compuestos
(Parzen, 1962), consideró los modelos de NeymanScott y Bartlett-Lewis, los cuales asumen
que los terremotos ocurren en grupos y que el número de eventos en cada grupo es
estocásticamente independiente de su hora de origen. En el modelo Neyman-Scott, el
proceso de agrupaciones se asume estacionario. y Poisson, y cada grupo está definido por
𝑝𝑁 , la función de probabilidad de su número de eventos, y Λ (t), la función de distribución
acumulada del tiempo de un evento. Corresponde a un grupo dado, medido desde el origen
del grupo. La Bartlett-Lewis El modelo es un caso especial del primero, donde cada grupo es
un proceso de renovación que finaliza. Después de un número finito de renovaciones. En
estos modelos la probabilidad condicional de un evento. que tiene lugar durante el intervalo
(t, t + dt), dado que el grupo está formado por N descargas, es igual a Nλ (t) dt, donde λ (t)
= ∂Λ (t) / ∂t.

Debido a que los grupos se superponen en el tiempo, no se pueden identificar y separar

fácilmente. La estimación de los parámetros del proceso se realiza asumiendo diferentes
conjuntos de aquellos Parámetros y evaluación de la bondad de ajuste correspondiente con
los datos observados. Vere-Jones comparó varias formas alternativas del modelo de
Neyman-Scott. con datos observados sobre la base de estadísticas de primer y segundo
orden: funciones de peligro, Distribuciones de intervalo (en forma de espectros de potencia)
y curvas de tiempo de varianza.
El registro estadístico comprende alrededor de mil terremotos de Nueva Zelanda.
con magnitudes mayores a 4.5, registradas desde 1942 hasta 1961. Las Figuras 13-15
muestran Los resultados del análisis de las perturbaciones someras de Nueva Zelanda, así
como la comparación de Datos observados con varios modelos alternativos. El proceso de
orígenes del cluster es Poisson. en todos los casos, pero las distribuciones de tamaños de
conglomerados (N) y de tiempos de eventos dentro de conglomerados difieren entre las
distintas instancias: en el modelo de Poisson no se realiza conglomerado (La distribución de
N es una función delta de Dirac centrada en N = 1), mientras que en los modelos exponencial
y de ley de potencia, la distribución de N es extremadamente sesgada hacia N = 1, y Λ (t) se
toma respectivamente como 1 - 𝑒 −ƛ𝑡 and 1 − [𝑐/(𝑐 + 𝑡)]𝛿 para t ≥ 0, y como cero para
t <0, donde λ, c, y δ son parámetros positivos. En las Figs. 13-15, δ = 0.25, c = 2.3días, y λ =
0.061 choques / día. La importancia de la agrupación se evidencia por la alta valor del índice
de dispersión de Poisson en la Fig. 13, mientras que no se puede obtener una periodicidad
significativa inferir de la Fig. 14. Ambas figuras muestran que el modelo de ley de potencia
proporciona el mejor ajuste A las estadísticas de las muestras. Un análisis similar para los
choques profundos de Nueva Zelanda muestra mucho menos agrupamiento: el índice de
dispersión de Poisson es igual a 2, y la función de peligro es Casi constante con el tiempo.

Aún así, los datos reportados por Gaisky (1967) tienen funciones de peligro que sugieren
modelos donde los orígenes del clúster, así como los propios clústeres, pueden estar
representados por procesos de renovación. Los períodos medios de retorno son del orden
de varios meses, y por lo tanto estos procesos no corresponden, al menos en la escala de
tiempo, al proceso de alternancia períodos de actividad y quiescense de algunas estructuras
geológicas citadas por Kelleher et al. (1973), que han conducido al concepto de "brechas
sísmicas temporales", que se analiza a continuación.

Modelos de gatillo simplificados. Shlien y Toksöz (1970) propusieron un particular simple

caso del proceso Neyman-Scott; Aglomeraron todos los terremotos que tuvieron lugar.
durante intervalos de tiempo no superpuestos de una longitud determinada y los definió
como agrupaciones para que λ (t) era una función delta de Dirac. Trabajando con intervalos
de un día, asumieron el número de eventos por grupo que se distribuirán de acuerdo con el
Pareto discreto ley y aplicó un criterio de máxima verosimilitud a la información que consta
de 35 000 terremotos reportados por el USCGS desde enero de 1971 hasta agosto de 1968.
El modelo La propuesta representa razonablemente bien tanto la distribución del número
de terremotos En intervalos de un día y el índice de dispersión. Sin embargo, debido a la
suposición de que no El clúster dura más de un día, el modelo no representa la función de
autocorrelación de los números diarios de choques por pequeños retrasos. El grado de
agrupamiento se muestra a ser una función regional, y disminuir con el valor del umbral de
magnitud y con la profundidad focal.

Aftershock secuencias. Los procesos de activación descritos se han calificado como

representaciones razonables de la actividad sísmica regional, incluso cuando las secuencias
de réplicas y los enjambres de terremotos se suprimen de los registros estadísticos, por
arbitrario que sea La supresión puede ser. Las instancias más significativas de agrupamiento
están relacionadas, sin embargo, a las secuencias de réplicas que a menudo siguen shocks
poco profundos y rara vez intermedios y eventos profundos. Persistencia de grandes
números de réplicas por algunos días o semanas. ha propiciado el análisis estadístico
detallado de esas secuencias desde el siglo pasado. Omori (1894) señaló la disminución en
la tasa media de ocurrencia de réplica con t, el tiempo transcurrido desde el choque
principal; expresó esa tasa como inversamente proporcional a t + q, donde q es una
constante empírica. Utsu (1961) propuso una expresión más general, proporcional a
(𝑡 + 𝑐)−𝜁 donde ζ es una constante; La propuesta de Utsu es consistente con la expresión
de ley de poder para (t) presentada anteriormente.

Lomnitz y Hax (1966) propusieron un modelo de agrupamiento para representar secuencias

de réplica; Es una versión modificada del modelo de Neyman y Scott, donde el proceso de
los orígenes de los grupos no son homogéneos de Poisson con una tasa media decayendo
de acuerdo Con la ley de Omori, la cantidad de eventos en cada grupo tiene una distribución
de Poisson, y Λ (t) es exponencial. Todos los resultados y métodos de análisis descritos por
Vere-Jones. (1970) para el proceso estacionario de orígenes de clúster se puede aplicar a
los no estacionarios Caso a través de una transformación de la escala de tiempo. Ajuste de
parámetros a cuatro réplicas Las secuencias se realizaron mediante el uso de la información
de segundo orden de la muestra. Definido en una escala de tiempo transformada. Aplicando
este criterio a los conjuntos sísmicos que tienen magnitudes por encima de los diferentes
valores de umbral se observó que el grado de agrupación disminuye a medida que aumenta
el valor de umbral.

La magnitud del impacto principal influye en el número de réplicas y la distribución de sus

magnitudes y, aunque la tasa de actividad disminuye con el tiempo, la distribución de
magnitudes permanece estable a lo largo de cada secuencia (Lomnitz, 1966; Utsu, 1962;
Drakopoulos, 1971). La ecuación 6 representa bastante bien la distribución de Magnitudes
observadas en la mayoría de las secuencias de réplica. Los valores de β varían de 0.9 a 3.9 y
disminuir a medida que aumenta la profundidad. Dado que los valores de β para los
terremotos regulares (principales) son Generalmente se estima a partir de números
relativamente pequeños de choques generados a lo largo de la corteza volúmenes mucho
más amplios que los activos durante las secuencias de réplica, ninguna relación tiene
Establecido entre los valores β para series de ambos tipos de eventos. Los parametros de
La expresión de Utsu para la descomposición de la actividad de réplica con el tiempo se ha
estimado para varias secuencias, por ejemplo, las que siguen al terremoto de Aleutia del 9
de marzo, 1957, el terremoto de Alaska Central del 7 de abril de 1958 y el sureste de Alaska.
terremoto del 10 de julio de 1958 (Utsu, 1962), con magnitudes iguales a 8.3, 7.3 y 7.9,
respectivamente; c (en días) fue 0,37, 0,40 y 0,01, mientras que ζ fue 1,05, 1,05 y 1,13,
respectivamente. Drakopoulos estudió la relación del número total de réplicas cuya
magnitud excede un valor dado con la magnitud del choque principal. (1971) para 140
secuencias de réplica en Grecia desde 1912 hasta 1968. Sus resultados pueden ser
expresado por N (M) = A exp (-βM), donde N (M) es el número total de réplicas con magnitud
mayor que M, y A es una función de 𝑀0 La magnitud del choque principal:

La formulación de modelos de procesos estocásticos para secuencias de terremotos dadas

es factible una vez que esta relación y la ley de deterioro de la actividad estén disponibles
para la fuente de interés. Para la estimación del riesgo sísmico en un sitio determinado, la
distribución espacial de réplicas puede ser tan significativo como la distribución de
magnitudes y la variación temporal de la actividad, Particularmente para fuentes de
dimensiones relativamente grandes.

3.3.3 Modelos de procesos de renovación.

Los modelos de gatillo descritos se basan en información sobre terremotos con

magnitudes por encima de umbrales relativamente bajos registrados durante intervalos de
tiempo de a lo sumo diez años. Los grados de agrupación observados y las distribuciones de
tiempos entre agrupaciones. no se puede extrapolar a umbrales de mayor magnitud e
intervalos de tiempo más largos sin estudio adicional.

La información disponible muestra, sin lugar a dudas, que la agrupación significativa es la

regla, en Al menos cuando se trata de choques poco profundos. Sin embargo, hay un terreno
considerable para discusión sobre la naturaleza del proceso de orígenes de agrupaciones
durante intervalos del orden de Un siglo o más. Si bien la falta de datos estadísticos dificulta
la formulación de modelos de sismicidad válidos durante largos intervalos de tiempo, la
consideración cualitativa de los procesos físicos de generación de terremotos puede
apuntar a modelos que al menos son consistentes con El estado del conocimiento de las
ciencias geofísicas. Por lo tanto, si la energía de tensión almacenada en una región crece de
una manera más o menos sistemática, la función de riesgo debería crecer con la el tiempo
transcurrido desde el último evento, y no permanece constante como el supuesto de
Poisson implica El concepto de una función de riesgo creciente es consistente con las
conclusiones de Kelleher et al. (1973) sobre la teoría de la activación periódica de brechas
sísmicas. Esta La teoría está parcialmente respaldada por los resultados de un análisis casi
cualitativo de la migración de Actividad sísmica a lo largo de una serie de estructuras
geológicas. Una instancia es proporcionada por el Costa sur de México, una de las regiones
más activas del mundo. Grande poco profunda los choques son generados probablemente
por la interacción de la masa continental y las Placa de cocos oceánica ductiva que la
sustenta y por fallas de compresión o flexión.de este último (capítulo 2). Los datos
sismológicos muestran importantes brechas de actividad a lo largo del Costa durante el
presente siglo y no se sabe mucho sobre la historia anterior (Fig. dieciséis). A lo largo de
estas brechas, las estimaciones de riesgo sísmico basadas únicamente en las intensidades
observadas son bastante bajo, aunque no se observa una diferencia significativa en la
estructura geológica de estas regiones con respecto al resto de la costa, salvo algunas fallas
transversales que Divide la formación continental en varios bloques. Sin mirar la estadística.
los registros de un geofísico asignarían el mismo riesgo en toda el área. Sobre la base de
datos de sismicidad, Kelleher et al. han concluido que la actividad migra a lo largo de la
región, en de tal manera que grandes terremotos tienden a ocurrir en brechas sísmicas, lo
que implica que La función de riesgo crece con el tiempo desde el último terremoto.
Fenómenos similares tienen observado en otras regiones; De particular interés es la falla
del norte de Anatolia, donde La actividad ha cambiado sistemáticamente a lo largo de este
a oeste durante los últimos cuarenta años. (Allen, 1969).

Las conclusiones relativas a la activación de brechas sísmicas son controvertidas porque la

Los periodos de observación no han superado un ciclo de cada proceso. Sin embargo, esos
Las conclusiones apuntan a la formulación de modelos estocásticos de sismicidad que
reflejan características plausibles de los procesos geofísicos.

Estas consideraciones sugieren el uso de modelos de procesos de renovación para

representar secuencias de choques individuales o de agrupaciones. Tales modelos se
caracterizan porque los tiempos entre eventos son independientes y distribuidos de manera
idéntica. El proceso de Poisson es un modelo de renovación particular para el cual la
distribución del tiempo de espera es exponencial. Se logra una generalidad más amplia, sin
mucha pérdida de capacidad de cálculo matemático, si se supone que los tiempos
intermedios se distribuirán de acuerdo con una función gamma:

que se convierte en la distribución exponencial cuando k = 1. Si k <1, los intervalos cortos

son más frecuente y el coeficiente de variación es mayor que en el modelo de Poisson; Si
k> 1, lo contrario es cierto. Shlien y Toksöz (1970) encontraron que los modelos gamma eran
incapaces de representar las secuencias de choques individuales que analizaron; pero estos
autores manejaron intervalos de tiempo al menos un orden de magnitud más cortos que
los mencionados en esta sección.
Sobre la base de la función de riesgo estimada a partir de secuencias de pequeños choques
en el Hindu-Kush, Vere-Jones (1970) deduce la validez del 'proceso de renovación de
sucursales' modelos, en los que los intervalos entre centros de clúster, así como aquellos
entre clúster Miembros, constituyen procesos de renovación.
Debido a la escasez de información estadística, las comparaciones fiables entre modelos
alternativos deberán basarse parcialmente en la simulación del proceso de almacenamiento
y Liberación de energía de la tensión (Burridge y Knopoff, 1967; Veneziano y Cornell, 1973).

3.4 Influencia del modelo de sismicidad en el riesgo sísmico.

Los valores nominales de las inversiones realizadas en un instante dado aumentan con el
tiempo cuandocolocándolos a tasas de interés compuestas, es decir, al capitalizarlas. Su
valor real -y no solo la nominal- también crecerá, siempre que la tasa de interés sobrepase
inflación. Por el contrario, con el fin de tomar decisiones de diseño, los valores nominales
de Los servicios públicos esperados y los costos infligidos en el futuro deben convertirse en
o valores actualizados, que pueden compararse directamente con los gastos iniciales. Las
descripciones de riesgo sísmico en un sitio son insuficientes para ese propósito a menos que
las distribuciones de probabilidad de los tiempos de ocurrencia de diferentes intensidades
-o magnitudes en fuentes vecinas- están estipuladas; esto conlleva más que simples gráficos
de magnitud de corriente o incluso que las estimaciones de magnitud máxima factible.

Inmediatamente después de la ocurrencia de un gran terremoto, el riesgo sísmico es

anormal alto debido a la actividad de réplica y a la probabilidad de que el daño infligido por
la principal El choque puede haber debilitado las estructuras naturales o artificiales si se
toman medidas de emergencia. No se toma a tiempo. Cuando la actividad de réplica ha
cesado y los sistemas dañados han sido reparado, se alcanza un nivel de riesgo normal, que
depende de las funciones de densidad de probabilidad de los tiempos de espera a los
terremotos dañinos subsiguientes.

A modo de ilustración, supongamos que un factor fijo y determinista daño conocido 𝐷0

ocurre cuando una magnitud por encima de un valor dado se genera en una fuente dada. Si
f (t) es la función de probabilidad-densidad del tiempo de espera hasta la ocurrencia del
evento dañino, y si el nivel de riesgo es lo suficientemente bajo como para que solo la
primera el fallo es preocupante, el valor esperado del costo actualizado de los daños es (ver
Capítulo 9):

donde γ es el coeficiente de descuento (o interés compuesto) y la barra superior denota la

expectativa. Si el proceso es Poisson con una tasa media v, entonces f (t) es exponencial y D
≅ 𝐷0 v / γ; Sin embargo, si ocurren eventos dañinos en grupos y la mayoría del daño
producido por cada grupo corresponde a su primer evento, el cálculo de D debería hacer
uso de la tasa media v correspondiente a los grupos, en lugar de la aplicable a eventos
individuales. La Tabla 2 muestra una comparación del riesgo sísmico determinado bajo la
supuestos alternativos de un modelo de Poisson y gamma (k = 2), ambos con el mismo
período medio de retorno, k / v (Esteva, 1974).

Tres descripciones de riesgo se presentan como funciones del tiempo 𝑡0 ranscurrido desde
el último evento dañino: 𝑇1 , el tiempo esperado para el siguiente evento, medido desde el
instante 𝑡0 el valor esperado del costo actual de falla calculado a partir de la ec. 20, y la
función de peligro (o tasa media de falla). Dado que se descuida la agrupación, el riesgo de
ocurrencia de réplica debe incluirse en 𝐷0 o superpuesta a la que se muestra en la tabla.
Esta tabla muestra diferencias muy significativas entre los niveles de riesgo para ambos
procesos. A pequeños valores de 𝑡0 , el riesgo es menor para el proceso de gamma, pero
crece con el tiempo, hasta que anula que para el proceso de Poisson, que permanece
constante. Las diferencias mostradas afectan claramente las decisiones de ingeniería.

4. Evaluación de la sismicidad local.

Solo excepcionalmente pueden las relaciones de magnitud-recurrencia para pequeños

volúmenes de La corteza terrestre y las funciones de correlación estadística del proceso de
generación de terremotos. Derivarse exclusivamente del análisis estadístico de los choques
registrados. En la mayoría de los casos esto la información es demasiado limitada para ese
propósito y no siempre refleja datos geológicos evidencia. Dado que este último, así como
su conexión con la sismicidad, está plagado de Los márgenes de incertidumbre, la
información de diferente naturaleza debe ser evaluada, su incertidumbre. Se analizaron, y
se llegaron a conclusiones consistentes con toda la información. A continuación se presenta
un criterio probabilístico que cumple esto: sobre la base de datos geotectónicos y de los
modelos conceptuales de los procesos físicos involucrados, se puede hacer un conjunto de
supuestos alternativos con respecto a las funciones en cuestión (repetición de la magnitud,
tiempo, y correlación de espacio) y una distribución de probabilidad inicial asignada al
mismo; estadístico la información se utiliza para juzgar la probabilidad de cada supuesto, y
se obtiene una distribución de probabilidad posterior. Cómo la información estadística
contribuye a la posterior. Las probabilidades de los supuestos alternativos dependen de la
extensión de esa información y En el grado de incertidumbre que implican las
probabilidades iniciales. Así, si geológico la evidencia apoya la confianza en un supuesto
particular o rango de supuestos, la información estadística no debe modificar en gran
medida las probabilidades iniciales. Si en el otro Por otro lado, está disponible un registro
estadístico largo y confiable, que prácticamente determina la forma y parámetros del
modelo matemático seleccionado para representar la sismicidad local.

4.1 Estimación bayesiana de la sismicidad.

Las estadísticas bayesianas proporcionan un marco para la inferencia probabilística que

explica para probabilidades previas asignadas a un conjunto de modelos hipotéticos
alternativos de un fenómeno dado, así como para muestras estadísticas de eventos
relacionados con ese fenómeno. diferente a en los métodos convencionales de inferencia
estadística, los métodos bayesianos dan peso a las medidas de probabilidad obtenidas de
muestras o de otras fuentes; números, coordenadas y las magnitudes de los terremotos
observados en intervalos de tiempo determinados sirven para determinar la probable
validez de cada uno de los modelos alternativos de sismicidad local que pueden postularse
con base en evidencia geológica. Cualquier criterio destinado a sopesar información de
diferente naturaleza y diferentes grados de incertidumbre debería llevar a una
probabilística conclusión consistente con el grado de confianza adjunto a cada fuente de
información. Esto se logra mediante métodos bayesianos.

Sea 𝐻𝑖 (i = 1, ..., n) un conjunto completo de supuestos mutuamente excluyentes con

respecto a un fenómeno dado, imperfectamente conocido, y sea A el resultado observado
de tal fenómeno. Antes de observar el resultado A asignamos una probabilidad inicial P
(Hola) a cada hipótesis. Si P (A / Hi) es la probabilidad de A en caso de que la hipótesis Hi
sea verdadera, luego el teorema de Bayes (Raiffa y Schlaifer, 1968) establece que:

El primer miembro de esta ecuación es la probabilidad (posterior) de que se asuma 𝐻𝑖 Es

cierto, dado el resultado observado A. En la evaluación del riesgo sísmico, el teorema de
Bayes se puede usar para mejorar las estimaciones iniciales de λ (M) y su variación con la
profundidad en un área determinada, así como las de los parámetros que definen la forma
de λ (M) o, de manera equivalente, la distribución condicional de Magnitudes dada la
ocurrencia de un terremoto. Para ese propósito, tome λ (M) como la producto de una
función de frecuencia 𝜆𝐿 = A (𝑀𝐿 ) por una función de forma G * (M, B), igual a la distribución
complementaria condicional de magnitudes dada la ocurrencia de un terremoto con M ≥
𝑀𝐿 , donde 𝑀𝐿 es la magnitud del conjunto de datos estadísticos utilizados en la estimación,
y B es el vector de los parámetros (inciertos) B, ..., Br que definen la forma de λ (m). Por
ejemplo, si λ (M) se toma como dado por eq. 8, B es un vector de tres elementos iguales
respectivamente a β, 𝛽1 y 𝑀𝑈 ; si eq. Se adopta 9, B se define por k y 𝑀𝑈 ;. La distribución
inicial de la sismicidad está expresada en este caso por la articulación inicial. Función de
densidad de probabilidad de 𝜆𝐿 y B: f '(𝜆𝐿 , B). Lo observado a partir de A puede ser
expresado por las magnitudes de todos los terremotos generados en una fuente dada
durante un intervalo de tiempo dado. Por ejemplo, supongamos que se observaron N
terremotos durante el tiempo. intervalo t y que sus magnitudes eran 𝑚1….. 𝑚2…. 𝑚𝑁 La
expresión de Bayes toma la formar:

donde f "(.) es la función de densidad de probabilidad posterior, y l y b son variables ficticias

que representan todos los valores que pueden ser tomados por λL y B, respectivamente.
Por lo general, 𝜆𝐿 puede formularse independientemente de los otros parámetros. El hecho
observado es luego expresado por 𝑁𝐿 , el número de terremotos con una magnitud superior
a 𝑀𝐿 durante el tiempo t, y se obtiene la siguiente expresión, como primer paso en la
estimación de λ (M):

4.1.1 Probabilidades iniciales de modelos hipotéticos.

Donde la información estadística es escasa, las estimaciones de sismicidad serán muy

sensibles. a las probabilidades iniciales asignadas a modelos hipotéticos alternativos; las
opiniones de geólogos y geofísicos sobre modelos probables, sobre los parámetros de estos
modelos, y los márgenes correspondientes de incertidumbre deben ser interpretados
adecuadamente y expresado en términos de una función f ', como lo requieren las
ecuaciones similares a 22 y 23. Idealmente, estas opiniones deberían basarse en la
formulación de fuentes potenciales de terremotos y en su comparación con estructuras
geotectónicas posiblemente similares. Esto suele ser hecho por geólogos, más
cualitativamente que cuantitativamente, cuando estiman 𝑀𝑈 . Las estimaciones iniciales de
𝜆𝐿 rara vez se hacen, a pesar de la importancia de este parámetro para el Diseño de
estructuras moderadamente importantes (ver Capítulo 9).

El análisis de la información geológica debe considerar los detalles locales así como los
generales. Estructura y evolución. En algunas áreas está claro que todas las fuentes
potenciales de terremotos pueden ser identificados por fallas de superficie, y sus
desplazamientos en tiempos geológicos recientes medidos. Cuando se pueden estimar los
desplazamientos medios por unidad de tiempo, el orden de magnitud de la fluencia y de la
energía liberada por los choques y por lo tanto de los intervalos de recurrencia de Se pueden
establecer magnitudes dadas (Wallace, 1970; Davies y Brune, 1971), el Incertidumbre
correspondiente evaluada, y una distribución de probabilidad inicial asignada. El hecho de
que las relaciones de magnitud-recurrencia estén solo débilmente correlacionadas con el
tamaño de Los desplazamientos recientes se reflejan en grandes incertidumbres
(Petrushevsky, 1966).
La aplicación del criterio descrito en el párrafo anterior puede ser inviable o inadecuada en
muchos problemas, como en áreas donde la abundancia de fallas de diferentes tamaños,
edades y actividades, y la precisión insuficiente con la que se coordinan las coordenadas
determinado excluye una diferenciación de todas las fuentes. La sismicidad regional puede
entonces ser evaluado bajo el supuesto de que al menos parte de la actividad sísmica se
distribuye en un volumen dado más que concentrado en faltas de diferente importancia. Lo
mismo la situación se enfrentaría al tratar con zonas activas donde no hay evidencia
superficial de movimientos. Por lo tanto, la consideración del comportamiento general de
complejos geológicos las estructuras suelen ser más significativas que el estudio de detalles
locales.
No se ha trabajado mucho en el análisis del comportamiento general de las grandes
estructuras geológicas con respecto a la energía que puede esperarse que se libere por
unidad volumen y por unidad de tiempo en porciones dadas de esas estructuras.
Investigaciones importantes y sin embargo, se deben esperar aplicaciones ya que, como
resultado de la contribución de la teoría de la platetectónica a la comprensión de los
procesos tectónicos a gran escala, la se están determinando los valores de algunas de las
variables correlacionadas con la liberación de energía, y se puede usar al menos para
obtener órdenes de magnitud de la actividad esperada a lo largo de la placa fronteras
Mucho menos entendido son las ocurrencias de choques en regiones aparentemente
inactivas de escudos continentales y el comportamiento de bloques continentales
complejos o regiones de plegamiento intenso, pero incluso allí se esperan algunos avances
en el estudio de acumulación de tensiones en la corteza.
El conocimiento de la estructura geológica puede servir para formular la probabilidad inicial.
distribuciones de sismicidad incluso cuando el uso cuantitativo de información geofísica
parece más allá del alcance. Distribuciones de probabilidad iniciales de los parámetros de
sismicidad local 𝜆𝐿 , B en el pequeños volúmenes de la corteza terrestre que contribuyen
significativamente al riesgo sísmico en un sitio, pueden asignarse por comparación con la
sismicidad promedio observada en áreas más amplias de características tectónicas
similares, o donde el alcance y la integridad de la información estadística justifican
estimaciones confiables de curvas de magnitud-recurrencia (Esteva, 1969). En De esta
manera podemos, por ejemplo, utilizar la información sobre la distribución promedio de las
profundidades de los terremotos de diferentes magnitudes a lo largo de una provincia
sísmica paran estimar la distribución correspondiente en un área de esa provincia, donde la
actividad ha estado bajo durante el intervalo de observación, aunque no haya ninguna razón
geofísica aparente para explicar la diferencia. De manera similar, el valor esperado y el
coeficiente de variación de 𝜆𝐿 en un área dada de sismicidad moderada o baja (como un
continental) escudo) se puede obtener de las estadísticas de los movimientos originados en
todos los supuestos Regiones estables o asísmicas en el mundo.

La importancia de las probabilidades iniciales en las estimaciones de riesgo sísmico, frente

al peso dado a la información puramente estadística, se hace evidente en el ejemplo de la
Fig. 16: si la teoría de Kelleher sobre la activación de brechas sísmicas es cierta, el riesgo es
mayor en brechas que en cualquier otro lugar a lo largo de la costa; Si los modelos de
Poisson se consideran representativos del proceso de liberación de energía, el alcance de la
información estadística es suficiente para fundamentar la hipótesis de riesgo reducido en
las brechas. Debido a que ambos modelos siguen siendo controvertidos, y representan a lo
sumo dos posiciones extremas con respecto a las propiedades de la realidad proceso, las
estimaciones de riesgo necesariamente reflejarán opiniones subjetivas.

4.1.2 Significado de la información estadística

Estimación de 𝜆𝐿 . Aplicación de eq. 23 para estimar 𝜆𝐿 independientemente de otros

parámetros se discutirá primero, porque es un problema relativamente simple y porque 𝜆𝐿
Es usualmente más incierto que 𝑀𝑈 y mucho más que β.
Un modelo tal como lo define la ec. Se supondrá que se aplicarán 19. Si las posibles
suposiciones relativas a los valores de 𝜆𝐿 constituyen un intervalo continuo, las
probabilidades iniciales de las hipótesis alternativas se pueden expresar en términos de una
densidad de probabilidad función de 𝜆𝐿 . Si, además, se hace un cierto supuesto con respecto
a la forma de este función de densidad de probabilidad, solo se deben asumir los valores
iniciales de E (𝜆𝐿 ) y V (𝜆𝐿 ). Es ventajoso asignar a v = k / E (T) una distribución gamma.
Entonces, si ρ y µ son los parámetros de esta distribución inicial de v, si se supone que k se
conoce, y si el el resultado observado se expresa como el tiempo transcurrido durante n +
1 eventos consecutivos (terremotos con magnitud ≥ 𝑀𝐿 ), aplicación de eq. 23 lleva a la
conclusión de que la función de probabilidad posterior de v también es gamma, ahora con
los parámetros ρ + nk y µ + 𝑡𝑛 . Los valores iniciales y posteriores esperados de v son
respectivamente iguales a ρ / µ, y a (ρ + nk) /( µ + 𝑡𝑛 ) . Cuando la incertidumbre inicial sobre
v es pequeña, ρ y µ serán grandes y los valores iniciales y posteriores esperados de v no
diferirán mucho. En el otro Por otro lado, si solo la información estadística se considera
significativa, se deben dar ρ y µ valores muy pequeños en la distribución inicial, y E (v), y por
lo tanto 𝜆𝐿 , serán prácticamente Definido por n, k y tn. Esto significa que las estimaciones
iniciales de los geólogos no solo deben incluya los valores esperados o más probables de los
diferentes parámetros, pero también declaraciones sobre los rangos de valores posibles y
grados de confianza adjuntos a cada uno.

En el caso estudiado anteriormente solo se utilizó una parte de la información estadística.

En la mayoría de los casos, especialmente si la actividad sísmica ha sido baja durante el
intervalo de observación, Se proporciona información significativa por la duración de los
intervalos transcurridos desde el iniciación de observaciones al primero de los n + 1 eventos
considerados, y desde el último de Estos eventos hasta el final del período de observación.
Aquí, la aplicación de eq. 23 lleva a Expresiones ligeramente más complicadas que las
obtenidas cuando solo se trata de información sobre
se utiliza 𝑡𝑛 .

El caso particular cuando el registro estadístico no informa eventos durante al menos un

intervalo (0, 𝑡0 ) Aparece frecuentemente en problemas prácticos. La función de
probabilidad-densidad del tiempo 𝑇1 desde 𝑡0 hasta la ocurrencia del primer evento debe
tener en cuenta el desplazamiento correspondiente del eje de tiempo. Además, si el
momento de aparición del último evento antes de que el origen sea desconocido, la
distribución del tiempo de espera de t = 0 al El primer evento coincide con el del exceso de
vida en un proceso de renovación a un valor arbitrario. De t que se acerca al infinito (Parzen,
1962). Para el caso particular cuando la espera. los tiempos constituyen un proceso gamma,
𝑇1 se mide desde t = 0, T es el tiempo de espera entre eventos consecutivos y se sabe que
𝑇1 ≥ 𝑡0 , la función de densidad condicional de τ1 = (𝑇1 - 𝑡0 ) / E (T) viene dada por la ec. 24
(Esteva, 1974), donde µ0 = 𝑡0 / E (T):

Considere ahora las implicaciones del análisis bayesiano cuando se aplica a uno de los
brechas sísmicas en la Fig. 16, bajo las condiciones implícitas en la ec. 24. Se adoptó un
conjunto inicial de supuestos y las probabilidades correspondientes, tal como se describe a
continuación. Desde Estudios previos referidos a toda la costa sur de México, sismicidad
local en la brecha. área (medida en términos de λ para M ≥ 6.5) se representó mediante un
proceso gamma con k = 2. Se adoptó una función de densidad de probabilidad inicial para v
de tal manera que la esperada el valor de λ (6.5) para la región coincidió con su promedio
en toda la provincia sísmica completa. Se consideraron dos valores de ρ: 2 y 10, que
corresponden a coeficientes de variación de 0.71 y 0.32, respectivamente. Los valores en la
Tabla 3 se obtuvieron para la relación de la final a los valores iniciales esperados de v, en
términos de µ0 .
Las dos últimas columnas de la tabla contienen las relaciones de los valores calculados de E
"(𝑇1 ) y E '(T) cuando v se toma como igual respectivamente a su inicial o posterior valor
esperado. Esta tabla muestra que, para ρ = 10, es decir, cuando la incertidumbre se adjunta
a Las suposiciones basadas geológicamente son bajas, el valor esperado del tiempo para el
próximo el evento sigue disminuyendo, de acuerdo con las conclusiones de Kelleher et al.
(1973). Sin embargo, a medida que pasa el tiempo y no se producen eventos, la evidencia
estadística lleva a una reducción en el riesgo estimado, que se muestra en el aumento de
los valores esperados condicionales de 𝑇1 , para ρ = 2, la evidencia geológica es menos
significativa y las estimaciones de riesgo disminuyen en un
tasa más rápida.

4.1.3 Estimación bayesiana de parámetros distribuidos conjuntamente

En el caso general, la estimación de B consistirá en la determinación de la función de

probabilidad conjunta bayesiana posterior de sus componentes, tomando como evidencia
estadística Las frecuencias relativas de las magnitudes observadas. Por lo tanto, si el evento
A se describe como el Aparición de choques de N, con magnitudes 𝑚1,………. 𝑚𝑛 y 𝑏1 i (i = 1,
..., r) son valores que puede ser adoptado por los componentes del vector B que se estiman,
eq. 21 se convierte en:
Las soluciones de forma cerrada para f ", tal como se indican en la ecuación 25, no son
factibles en general. propósito de evaluar el riesgo, sin embargo, estimaciones de los
primeros y segundos momentos posteriores. de f "se puede obtener a partir de la ecuación
25, haciendo uso de las aproximaciones de primer orden disponibles (Benjamin y Cornell,
1970; Rosenblueth, 1975). Así, el valor esperado posterior de 𝐵𝑖 es dado por ʃ f"𝐵𝑖 .(u) u
du, donde f"𝐵𝑖 (𝑢𝑖 ) = ʃ ʃ f"𝐵𝑖 B (𝑢𝑖 ,..., 𝑢𝑟 ) 𝑑𝑢1…… 𝑑𝑢𝑛 y el La integral múltiple es de orden r -
1, porque no se extiende al dominio de 𝐵𝑖 .
Por lo tanto:

donde E 'y E "representan la expectativa inicial y posterior, y el subíndice B significa que

Se toman expectativas con respecto a todos los componentes de B. Del mismo modo, las
siguientes Se pueden obtener momentos posteriores:
Distribuciones marginales. La expectativa posterior de λ (M) es, en algunos casos, todo lo
que se requiere para describir la sismicidad con fines de toma de decisiones. Sin embargo,
a menudo, la incertidumbre en λ (M) también se debe tener en cuenta. Por ejemplo, la
probabilidad de superación de una magnitud dada durante un intervalo de tiempo dado
debe obtenerse como la expectativa de las probabilidades correspondientes sobre todas las
hipótesis alternativas relativas a λ (M). De esta manera se puede demostrar que, si la
ocurrencia de terremotos es un proceso de Poisson y la distribución bayesiana de 𝜆𝐿 es
gamma con media 𝜆𝐿 y el coeficiente de variación 𝑉𝐿 , la distribución marginal del número
de terremotos es binomial negativo con media 𝜆𝐿 . En particular, la probabilidad marginal
de cero eventos durante el intervalo de tiempo t (equivalentemente, la función de
distribución complementaria del tiempo de espera entre eventos) es igual a (1 + 𝑡/𝑡”)−𝑟",
donde 𝑟" = 𝑉𝐿 −2 y 𝑡” = 𝑟"/𝜆𝐿 . La función de probabilidad-densidad marginal del tiempo
de espera, que se debe sustituir en eq. 20, es 𝜆𝐿 (1 + 𝑡/𝑡”)−𝑟"−1 , que tiende a la función de
probabilidad exponencial ya que r " y t" tienden a infinito (y 𝑉𝐿 → 0) mientras que su
relación permanece igual a 𝜆𝐿 .
La incertidumbre bayesiana vinculada a la distribución conjunta de todos los parámetros de
sismicidad (𝜆𝐿 , 𝐵𝑖 , ..., 𝐵𝑟 ) se puede incluir en el cálculo de la probabilidad de ocurrencia de
un evento Z dado tomando la expectativa de esa probabilidad con respecto a todos
parámetros:

Cuando la distribución conjunta de 𝜆𝐿 , B se deriva del análisis bayesiano de una distribución

inicial y un evento observado, A, esta ecuación adopta la forma:

donde 'y "representan inicial y posterior, respectivamente.

Variabilidad espacial. La figura 17 muestra un mapa de las provincias geotectónicas de

México, según F. Mooser. Cada provincia se caracteriza por las características a gran escala
de su estructura tectónica, pero se pueden identificar perturbaciones locales significativas
en los patrones generales. Tomemos, por ejemplo, la zona 1, cuyas características
sismotectónicas se describieron anteriormente, y se muestran esquemáticamente en la Fig.
18 (Singh, 1975): la placa del Pacífico sustenta el bloque continental y se cree que se divide
en varios bloques, separados por fallas transversales a la costa , que se sumerge en
diferentes ángulos. La masa continental también se compone de varios bloques grandes. La
actividad sísmica en la placa subyacente o en su interfaz con la masa continental se
caracteriza por magnitudes que pueden alcanzar valores muy altos y por el aumento de la
profundidad hipocentral media con la distancia desde la costa; Se generan pequeños y
moderados choques de poca profundidad en los propios bloques. La variabilidad de los
datos estadísticos a lo largo de todo el sistema tectónico se discutió anteriormente y es
evidente en la Fig. 10.
La estimación bayesiana de la sismicidad local promediada en todo el sistema es una
cuestión de aplicar la ecuación. 21 o cualquiera de sus formas especiales (ec. 22 y 23),
tomando como evidencia estadística la información correspondiente a todo el sistema. Sin
embargo, las estimaciones de riesgo sísmico son sensibles a los valores de sismicidad local
promediados sobre volúmenes mucho más pequeños de la corteza terrestre; de ahí la
necesidad de desarrollar criterios para la inferencia probabilística de posibles patrones de
variabilidad espacial de la sismicidad a lo largo de zonas tectónicamente homogéneas.

Sobre la base de la información sismotectónica, el sistema que se está considerando puede

subdividirse primero en la placa subyacente y el subsistema de fuentes poco profundas;
Cada subsistema puede entonces ser analizado por separado. Tomemos, por ejemplo, la
placa subyacente y subdividámosla en subzona s de igual volumen suficientemente
pequeñas. Sea 𝑉𝐿 la tasa de excedencia de magnitud 𝑀𝐿 en todo el sistema principal, 𝑉𝐿 𝑖 la
tasa correspondiente en cada subzona y defina pi como 𝑉𝐿 / 𝑉𝐿 , con pi independiente de 𝑉𝐿
(𝑃𝑖 es igual a la probabilidad de que un terremoto que se sabe que se generó en el sistema
general se originó en la subzona i). La información inicial sobre la posible variabilidad
espacial de 𝑉𝐿 𝑖 se puede expresar en términos de una distribución de probabilidad inicial
de 𝑃𝑖 y de la correlación entre 𝑃𝑖 y 𝑃𝑖 para cualquier i y j. Porque Ʃ𝑉𝐿 𝑖 = 𝑉𝐿
uno obtiene ∑ 𝑃𝑖 = 1 Esto impone dos restricciones en la distribución de probabilidad
conjunta inicial de las 𝑃𝑖 : 𝐸′(𝑃𝑖 ) = 1 var ∑ 𝑃𝑖 = 0. Si a todos los 𝑃𝑖 se les asignan
expectativas iguales y se supone que todos los pares 𝑃𝑖 , 𝑃𝑗 , i possess j poseen el mismo
coeficiente de correlación 𝑃𝑖𝑗 = 𝑃′, as restricciones mencionadas conducen a E '(𝑃𝑖 ) = 1 / s
y ρ '= -1 / (s - 1). Los valores posteriores de E (𝑃𝑖 ) y 𝑃𝑖𝑗 se obtienen de acuerdo con los mismos
principios que condujeron a las ecuaciones. 25-28. En este caso, la evidencia estadística se
describe mediante N, el número total de terremotos generados en el sistema y ni (i = 1, ...,
s) los números correspondientes para las subzonas. Dados los 𝑃𝑖 's, la probabilidad de este
evento es la distribución multinomial:

Si los coeficientes de correlación entre las sismicidades de las distintas subzonas se pueden
ignorar, cada pi se puede estimar por separado. Debido a que pi debe estar comprendido
entre 0 y 1, es natural asignarle una distribución de probabilidad inicial beta, definida por
sus parámetros 𝑛′𝑖 y 𝑁′𝑖 , de manera que E '(𝑃𝑖 ) = n'i / 𝑁′𝑖 y var '(𝑃𝑖 ) =𝑛′𝑖 (𝑁′𝑖 - 𝑛′𝑖 ) / [𝑁′2𝑖
(𝑁′𝑖 + 1)] (Raiffa y Schlaifer, 1968). Los parámetros de la distribución posterior serán:

Tomemos, por ejemplo, una zona cuya distribución anterior de𝜆𝐿 se supone gamma con el
valor esperado 𝐼′𝐿 y el coeficiente de variación 𝑉′𝐿 . Supongamos que, sobre la base de la
evidencia geológica y de las dimensiones involucradas, se decide subdividir la zona en cuatro
subzonas de dimensiones iguales; Las consideraciones a priori llevan a la asignación de los
valores esperados y los coeficientes de variación de pi para esas subzonas, por ejemplo, E
'(𝑃𝑖 ) = 0.25, V' (𝑃𝑖 ) = 0.25 (i = 1, ..., 4). De las consideraciones anteriores para s = 4, tome 𝑃′𝑖𝑗
= -1/3 para i ≠ j. Supongamos ahora que, durante un intervalo de tiempo dado t, se
observaron diez terremotos en la zona, de los cuales 0, 1, 3 y 6 ocurrieron respectivamente
en cada subzona. Si se adopta el modelo de proceso de Poisson, 𝜆′𝐿 y 𝑉′𝐿 se pueden
expresar en términos de un número ficticio de eventos n' = V'-2L ocurrieron durante un
intervalo de tiempo ficticio t '= n' /𝜆′𝐿 ; después de observar n terremotos durante un
intervalo t, la media bayesiana y el coeficiente de variación de𝜆𝐿 serán𝜆′′𝐿 = (n '+ n) / (t' +
t), 𝑉′′𝐿 = (𝑛 ′ + 𝑛)−1/2(Esteva, 1968). Por lo tanto:

Las desviaciones locales de la sismicidad en cada subzona con respecto al𝜆𝐿 promedio se
pueden analizar en términos de 𝑃𝑖 (i = 1, ..., 4); El análisis bayesiano de la proporción en que
los diez terremotos se distribuyeron entre las subzonas se realiza de acuerdo con:

Las expectativas que aparecen en esta ecuación deben calcularse con respecto a la
distribución conjunta inicial de los p'is. En la práctica, se requieren aproximaciones
adecuadas. Por ejemplo, la aproximación de primer orden de Benjamin y Cornells (1970)
lleva a E "(𝑃1 ) = 0.226, E" (𝑃4 ) = 0.294.
Si se descuida la correlación entre las sismicidades de la subzona y se analiza de forma
independiente la información estadística de cada subzona, cuando se asigna a p'is funciones
de probabilidad de beta con medias y coeficientes de variación como se definió
anteriormente, se obtiene E "(𝑃1 ) = 0.206, E" (𝑃4 ) = 0.311, que no son muy diferentes de los
obtenidos anteriormente; sin embargo, cuando E '(pi) = 0.25 y V' (𝑃𝑖 ) = 0.5, el primer criterio
conduce a E "(𝑃𝑖 ) = 0.206, E" (𝑃4 ) = 0.314, mientras que el segundo produce 0.131 y 0.416,
respectivamente. Parte de la diferencia puede deberse al descuido de 𝑃′′𝑖𝑗 , pero
probablemente una parte significativa se debe a imprecisiones de la aproximación de primer
orden a las expectativas que aparecen en la ecuación. 32; aproximaciones alternativas son
por lo tanto deseables.
Datos incompletos. Se sabe que la información estadística es bastante confiable solo para
magnitudes por encima de los valores de umbral que dependen de la región considerada,
su nivel de actividad y la calidad de la instrumentación sísmica local y cercana. Incluso los
registros estadísticos incompletos pueden ser significativos al evaluar algunos parámetros
de sismicidad; su uso debe ir acompañado de estimaciones de los valores de detectabilidad,
es decir, de las proporciones de los números de eventos registrados al número total de
eventos en rangos dados (Esteva, 1970; Kaila y Narain, 1971).

5. Sismicidad regional.

El objetivo final de la evaluación de la sismicidad local es la estimación de la sismicidad

regional, es decir, las distribuciones de probabilidad de intensidades en sitios determinados
y las correlaciones probabilísticas entre ellas. Estas funciones se obtienen integrando las
aportaciones de sismicidades locales de fuentes cercanas, y por lo tanto sus estimaciones
reflejan incertidumbres bayesianas vinculadas a esas sismicidades. A continuación, la
sismicidad regional se expresará en términos de tasas medias de superación de las
intensidades dadas; Las descripciones probabilísticas más detalladas implicarían la adopción
de hipótesis específicas sobre las correlaciones de espacio y tiempo de la generación de
terremotos.

5.1 Curvas de intensidad-recurrencia

El caso cuando se descuide la incertidumbre en los parámetros de sismicidad será discutido

primero. Considere una fuente sísmica elemental con volumen dV y sismicidad local λ (M)
por unidad de volumen, R distante de un sitio S, donde se deben estimar las funciones de
intensidad-recurrencia. Cada vez que se genera un choque de magnitud M en esa fuente, la
intensidad en S es igual a:

(véanse las ecuaciones 4 y 5), donde ε es un factor aleatorio e Y e 𝑌𝑝 representan

intensidades reales y pronosticadas, 𝑏1 y 𝑏2 reciben constantes, y g (R) es una función de la
distancia hipocentral. La probabilidad de que un terremoto que se origine en la fuente tenga
una intensidad mayor que y es igual a la probabilidad de que ε 𝑌𝑝 > y. Si 𝑌𝑝 se expresa en
términos de M y se tiene en cuenta la aleatoriedad en ε, se obtiene:

donde v y 𝑣𝑝 son respectivamente tasas medias a las cuales las intensidades reales y
pronosticadas superan los valores dados, α U = y / 𝑦𝑈 , α L = y / 𝑦𝐿 , 𝑦𝑈 y 𝑦𝐿 son las
intensidades predichas que corresponden a 𝑀𝑈 y 𝑀𝐿 , y f ε la función de probabilidad-
densidad de ε. Si eq. Se supone que 33 sostiene:

Sustitución de eq. 35 en 34, junto con la suposición de que ln ε se distribuye normalmente

con la media my la desviación estándar σ conduce a:
φ es la función de distribución acumulativa normal estándar, Qi = 1/2 𝑎2 𝑟𝑖2 + 𝑚𝑟𝑖 , y 𝑢𝑖 = m
+ 𝜎 2 𝑟𝑖 . Merz y Cornell (1973) han presentado expresiones similares para el caso especial de
eq. 8 cuando 𝛽1 → ∞ y para una forma cuadrática de la relación entre magnitud y logaritmo
de la tasa de superación. Las soluciones de forma cerrada en términos de funciones gamma
incompletas se obtienen cuando se supone que las magnitudes poseen distribuciones de
tipo III extremas (la ecuación 9).
Las curvas de intensidad-recurrencia en sitios dados se obtienen mediante la integración de
las contribuciones de todas las fuentes significativas. Las incertidumbres en las sismicidades
locales se pueden manejar describiendo la sismicidad regional en términos de medias y
varianzas de v (y) y estimando estos momentos a partir de la eq. 34 y aproximaciones
adecuadas de primer y segundo momento. Rosenblueth (en preparación) ha discutido la
influencia de estas incertidumbres en las decisiones de diseño.

5.2 Mapas de probabilidad sísmica

Cuando se determinan las funciones de intensidad-recurrencia para un número de sitios con

condiciones de terreno locales uniformes, los resultados se representan convenientemente
mediante conjuntos de mapas de probabilidad sísmica, cada mapa muestra contornos de
intensidades que corresponden a un período de retorno dado. Por ejemplo, las Figs. 19 y 20
muestran las velocidades y aceleraciones máximas del terreno que corresponden a un
período de retorno de 100 años en terreno firme en México. Estos mapas forman parte de
un conjunto que se obtuvo mediante la aplicación de los criterios descritos en este capítulo.
Debido a que la relación de las aceleraciones y velocidades máximas del terreno no
permanece constante en toda la región, los espectros de diseño correspondientes no solo
variarán en escala sino también en forma (contenido de frecuencia); en otras palabras, el
riesgo sísmico generalmente se debe expresar en términos de al menos los valores de dos
parámetros (por ejemplo, como en este caso, las aceleraciones y velocidades máximas del
terreno que corresponden a varios niveles de riesgo (períodos de retorno)).

5.3 Microzoning

Implícito en los criterios anteriores para la evaluación de la sismicidad regional está la

adopción de expresiones de atenuación de intensidad válidas sobre una base firme. La
dispersión de las intensidades reales con respecto a los valores predichos se atribuyó a las
diferencias en los mecanismos de origen. rutas de propagación, y condiciones del sitio local;
al menos el último grupo de variables puede introducir desviaciones sistemáticas en la
relación de intensidades reales a predichas; y los detalles geológicos pueden alterar
significativamente la sismicidad local en una pequeña región, así como los patrones de
radiación energética y, por ende, la sismicidad regional en el vecindario. Estas desviaciones
sistemáticas son el tema de la microzonificación, es decir, de la modificación local de los
mapas de riesgo similares a las Figs. 19 y 20.

La mayor parte del esfuerzo invertido en la microzonificación se ha dedicado al estudio de

la influencia de la estratigrafía local del suelo en la intensidad y el contenido de frecuencia
de los terremotos (ver Capítulo 4). Los modelos analíticos se han limitado prácticamente al
análisis de respuesta de formaciones estratificadas de suelos lineales o no lineales a ondas
de corte de desplazamiento vertical. Los resultados de comparar el comportamiento
observado y predicho han variado de satisfactorios (Herrera et al., 1965) a pobres (Hudson
y Udwadia, 1972).
Las irregularidades topográficas, como colinas o pendientes de formaciones de terreno
firme que subyacen a los sedimentos, pueden introducir perturbaciones sistemáticas
significativas en el movimiento de la superficie, como consecuencia del enfoque de la onda
o la amplificación dinámica. El último efecto probablemente fue el responsable de las
aceleraciones excepcionalmente altas registradas en el contrafuerte de la presa de Pacoima
durante el terremoto de San Fernando de 1971.

La práctica actual de microzonificación determina las intensidades sísmicas o los parámetros

de diseño en dos pasos. Primero, los valores de esos parámetros en terreno firme son
estimados por
medios de expresiones de atenuación adecuadas y luego se amplifican de acuerdo con las
propiedades del suelo local; pero esto implica una decisión arbitraria a la que el riesgo
sísmico es muy sensible: seleccionar el límite entre el suelo y el suelo firme. Un problema
especialmente difícil surge cuando se trata de fijar ese límite con el fin de predecir el
movimiento en la cima de una colina o la estabilidad de la pendiente de un acantilado alto
(Rukos, 1974). Se puede concluir que la formulación racional de la microzonificación para el
riesgo sísmico está todavía en su infancia y que aparecerán nuevos criterios que
probablemente requerirán modelos de atenuación de intensidad que incluyen la influencia
de las perturbaciones sistemáticas locales. Si estos modelos están disponibles o si el proceso
de dos pasos descrito anteriormente es aceptable, se pueden obtener expresiones de
intensidad-recurrencia como en el caso no perturbado, luego de multiplicar el segundo
miembro de la ecuación. 34 por un adecuado factor corrector dependiente de la intensidad.

References

 Aki, K., 1963. Some Problems in Statistical Seismology. University of Tokyo,

Geophysical Institute.
 Allen, C.R., 1969. Active faulting in northern Turkey. Calif. Inst. Tech., Div. Geol. Sci.,
Contrib. 1577.
 Allen, C.R., St. Amand, P., Richter, C.F. and Nordquist, J.M., 1965. Relationship
between seismicity and geologic structure in the southern California region. Bull.
Seismol. Soc. Am., 55 (4): 753-797.
 Ambraseys, N.N., 1973. Dynamics and response of foundation materials in
epicentral regions of strong earthquakes. Proc. 5th World Conf. Earthquake Eng.,
Rome.
 Cox, D.F. and Lewis, P.A.W., 1966. The Statistieal Ana/ysis of Series of Euents.
Methuen, London.
 Esteva, L. and VilIaverde, R., 1973. Seismic risk, design spectra and structural
reliability. Proc. 5th World Conf. Earthquake Eng., Rome, pp. 2586-2597.
 Gajardo, E. and Lomnitz, C., 1960. Seismic provinces of Chile. Proc. 2nd World Conf.
Earthquake Eng., Tokyo, pp. 1529-1540.
 Housner, G.W., 1969. Engineering estimates of ground shaking and maximum
earthquake magnitude. Proc. 4th World Conf. Earthquake Eng., Santiago.
 Hudson, D.E., 1971. Strong Motion Instrumental Data on the San Fernando
Earthquake of February 9, 1971. California Institute of Technology, Earthquake
Engineering Research Laboratory.
 Kaila, K.L. and Narain, H., 1971. A new approach for preparation of quantitative
seismicity maps as applied to Alpide Belt-Sunda Arc and adjoining areas. Bull.
Seismol. Soc. Am., 61 (5): 1275-1291.
 Lomnitz, C., 1966. Magnitude stability in earthquake sequences. Bull. Seismol. Soc.
Am., 56: 247-249.
 Rosenblueth, E., 1964. Probabilistic design to resist earthquakes. Am. Soc. Civ. Eng.,
J. Eng. Mech. Div., 90 (EM5): 189-249.