Zeitpunkt großer Erdbeben

Fallstudien zum statistischen Denken

Justin Bois

Lecturer, Caltech

Modelle für Erdbeben-Timings

  • Exponential: Erdbeben erfolgen wie ein Poisson-Prozess

  • Gaußförmig: Erdbeben treten mit klarer Periodizität auf
Fallstudien zum statistischen Denken

Erdbeben in stabilen Kontinentalregionen

1 Datenquelle: USGS Earthquake Catalog für stabile Kontinentalregionen
Fallstudien zum statistischen Denken

Der Nankai-Graben

Fallstudien zum statistischen Denken

Erdbeben im Nankai-Graben

Datum Magnitude
684-11-24 8.4
887-08-22 8.6
1099-02-16 8.0
1361-07-26 8.4
1498-09-11 8.6
1605-02-03 7.9
1707-10-18 8.6
1854-12-23 8.4
1946-12-24 8.1
Fallstudien zum statistischen Denken

ECDF der Zeiten zwischen Nankai-Beben

Fallstudien zum statistischen Denken

Formale ECDFs

ECDF(x) = Anteil der Datenpunkte $\le$ x

Fallstudien zum statistischen Denken

Formale ECDFs

Fallstudien zum statistischen Denken

Formale ECDFs

Fallstudien zum statistischen Denken
# time_gap is an array of interearthquake times
_ = plt.plot(*dcst.ecdf(time_gap, formal=True))
_ = plt.xlabel('time between quakes (yr)')
_ = plt.ylabel('ECDF')

Fallstudien zum statistischen Denken
# Compute the mean time gap
mean_time_gap = np.mean(time_gap)

# Standard deviation of the time gap
std_time_gap = np.std(time_gap)
# Generate theoretical Exponential distribution of timings
time_gap_exp = np.random.exponential(mean_time_gap, size=100000)

# Generate theoretical Normal distribution of timings
time_gap_norm = np.random.normal(
  mean_time_gap, std_time_gap, size=100000
)
# Plot theoretical CDFs
_ = plt.plot(*dcst.ecdf(time_gap_exp))
_ = plt.plot(*dcst.ecdf(time_gap_norm))
Fallstudien zum statistischen Denken

Modell für den Nankai-Graben

Fallstudien zum statistischen Denken

Lass uns üben!

Fallstudien zum statistischen Denken

Preparing Video For Download...