Tidpunkter för stora jordbävningar

Fallstudier i statistiskt tänkande

Justin Bois

Lecturer, Caltech

Modeller för jordbävningstidpunkter

  • Exponentiell: Jordbävningar sker som en Poissonprocess

  • Gaussisk: Jordbävningar sker med en väldefinierad period
Fallstudier i statistiskt tänkande

Jordbävningar i stabila kontinentala regioner

1 Datakälla: USGS Earthquake Catalog for Stable Continental Regions
Fallstudier i statistiskt tänkande

Nankai-graven

Fallstudier i statistiskt tänkande

Jordbävningar i Nankai-graven

Datum Magnitud
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
Fallstudier i statistiskt tänkande

ECDF för tid mellan Nankai-skalv

Fallstudier i statistiskt tänkande

Formella ECDF:er

ECDF(x) = andel datapunkter $\le$ x

Fallstudier i statistiskt tänkande

Formella ECDF:er

Fallstudier i statistiskt tänkande

Formella ECDF:er

Fallstudier i statistiskt tänkande
# 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')

Fallstudier i statistiskt tänkande
# 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))
Fallstudier i statistiskt tänkande

Modell för Nankai-graven

Fallstudier i statistiskt tänkande

Nu kör vi en övning!

Fallstudier i statistiskt tänkande

Preparing Video For Download...