ENFOQUE INTEGRAL PARA LA EVALUACIÓN

PROBABILISTA DEL RIESGO (CAPRA): INICIATIVA

INTERNACIONAL PARA LA EFECTIVIDAD DE LA
GESTIÓN DEL RIESGO DE DESASTRE

O.D. Cardona1, M.G. Ordaz2, E. Reinoso2, L.E. Yamín3 y A.H. Barbat3

1
Universidad Nacional de Colombia, Manizales. odcardona@[Link]
2
Universidad Nacional Autónoma de México (UNAM), México D.C.
3
Universidad de los Andes,CEDERI, Bogotá, Colombia
4
Universidad Politécnica de Cataluña, Barcelona, España alex_barbat@[Link]
 

RESUMEN

El entendimiento del riesgo de desastre debido a eventos naturales, como los terremotos, crea
poderosos incentivos para que los países desarrollen opciones y herramientas de planeación
para reducir los daños potenciales. Esta ha sido la razón por la que el modelo de evaluación
de riesgo CAPRA fue desarrollado, con el apoyo técnico y financiero del Banco Mundial, el
Banco Interamericano de Desarrollo y la Estrategia Internacional de las Naciones Unidas para
la Reducción de los Desastres. CAPRA es una metodología y una plataforma de información
técnico-científica, que la integran una serie de herramientas para la evaluación y comunicación
de riesgo en diferentes niveles territoriales. Este modelo permite la evaluación de pérdidas en
elementos expuestos utilizando métricas probabilistas tales como la curva de probabilidad de
excedencia, la pérdida anual esperada y la pérdida máxima probable; medidas útiles para
análisis del riesgo multiamenaza. La plataforma está conceptualmente orientada para facilitar
el proceso de toma de decisiones; utilizando CAPRA es posible diseñar instrumentos de
transferencia de riesgo y realizar la evaluación de relaciones probabilistas de beneficio-costo,
facilitando una herramienta innovadora para los tomadores de decisiones y para analizar los
beneficios de las estrategias de mitigación del riesgo, como el reforzamiento de edificaciones
existentes. Este modelo es útil para planeación urbana, para realizar escenarios de pérdida
para planes de emergencia, para sistemas de alerta, para mecanismos de evaluación de
pérdidas en tiempo real y para la evaluación holística de riesgo de desastre utilizando
indicadores, lo que facilita la gestión integral del riesgo por parte de los diferentes actores de la
toma de decisiones para la reducción de riesgo. CAPRA ha sido utilizado en Colombia,
México, Perú, Bolivia, Ecuador, Guyana, Jamaica, los países de Centro América, España,
Nepal y sus experiencias son una contribución para el actual desarrollo del Global Earthquake
Model (GEM).Ejemplos de la aplicación del modelo en diferentes países, descripciones del
wiki y herramientas de visualización disponibles fueron creados para ilustrar las capacidades
de esta innovadora plataforma de arquitectura y código fuente abierto. Se ilustra la aplicación
del CAPRA en el caso sísmico; sin embargo también se han realizado aplicaciones para
tsunami, huracanes, inundaciones, deslizamientos y volcanes.

Palabras clave: Riesgo sísmico, daño de edificios, aseguramiento, reducción del riesgo,
análisis costo beneficio, escenarios de pérdidas.

ABSTRACT

Understanding disaster risk due to hazard events, such as earthquakes, creates powerful
incentives for countries to develop planning options and tools to reduce potential damages.
This has been the reason why CAPRA, the risk evaluation model described in this paper, was
developed with the technical and financial support of the World Bank, the Inter-American
Development Bank (IDB) and the International Strategy of United Nations for Disaster
Reduction (ISDR). CAPRA is a techno-scientific methodology and information platform,
composed of tools for the evaluation and communication of risk at various territorial levels. This
model allows the evaluation of probabilistic losses on exposed elements using probabilistic
metrics, such as the exceedance probability curve, expected annual loss and probable
maximum loss, useful for multi-hazard/risk analyses. The platform is conceptually oriented to
facilitate decision making; using CAPRA is possible to design risk transfer instruments, the
evaluation of probabilistic cost-benefit ratio, providing an innovative tool for decision makers to
analyze the net benefits of the risk mitigation strategies, such as building retrofitting. This
model is useful for land use planning, loss scenarios for emergency response, early warning,
on-line loss assessment mechanisms, and for the holistic evaluation of disaster risk based on
indicators that facilitates the integrated risk management by the different stakeholders involved
in risk reduction decision-making. CAPRA has been used in Colombia, Mexico, Peru, Bolivia,
Ecuador, Guyana, the Central American countries, Spain, Nepal, and its experiences are a
contribution for the current development of the Global Earthquake Model (GEM). Examples of
application of the model in the different countries, descriptions of the wiki and visualization
tools available are made to illustrate the capabilities of this innovative open architecture ad
open source platform using as example earthquakes, nevertheless similar application can be
made for tsunami, hurricanes, floods, landslides and volcanoes.

Keywords: Seismic risk, building damage, insurance, risk reduction, cost-benefit analysis,
loss scenarios.

MODELO PROBABILISTA DE RIESGO

La frecuencia de eventos sísmicos catastróficos es particularmente baja y por lo tanto la

disponibilidad de datos históricos es limitada. Considerando la posibilidad de futuros eventos
altamente destructivos, la estimación del riesgo se debe enfocar en modelos probabilistas que
puedan utilizar la limitada información disponible para predecir, de la mejor manera, futuros
escenarios y para considerar la alta incertidumbre involucrada en el análisis. Por lo tanto, la
estimación del riesgo debe ser prospectiva, anticipando eventos científicamente creíbles que
podrían ocurrir en el futuro. Los fundamentos sismológicos y de ingeniera son necesarios para
desarrollar modelos de predicción de terremotos que permitan evaluar el riesgo de que se
presenten pérdidas como resultado de un evento catastrófico. Dado que existen grandes
incertidumbres inherentes en los modelos, relacionados con las características de severidad y
frecuencia de los eventos, y por lo tanto en las pérdidas causadas como consecuencia de
estos eventos, el modelo de riesgo sísmico debe estar basado en formulaciones probabilistas
que incorporen esta incertidumbre en la estimación del riesgo. El modelo probabilista del
riesgo que está construido con base en una serie de módulos, cuantifica las pérdidas
potenciales causadas por sismos como se ilustra en la Figura 1.

MÓDULO DE AMENAZA SÍSMICA

El módulo de amenaza define la frecuencia y severidad de la peligrosidad en un lugar

específico. El estudio se complementa mediante el análisis de las frecuencias históricas de los
eventos y revisando los estudios científicos sobre la severidad y frecuencia realizados en la
zona de interés. Una vez que se han establecido los parámetros de la amenaza, se generan
series de eventos estocásticos para definir la frecuencia y severidad de miles de eventos
estocásticos. En el caso de sismos, este módulo analiza la intensidad en un lugar una vez que
ocurre un evento de la serie estocástica, mediante la modelación de la atenuación del evento
desde donde se produce hasta el sitio en consideración; y evalúa qué tan propensas son las
condiciones de sitio locales para la amplificación o la reducción del impacto. La amenaza
sísmica se expresa en términos de tasas de excedencia de valores de intensidad sísmica (a).
Los cálculos consideran la contribución de los efectos de todas las fuentes sísmicas
localizadas en cierta área de influencia.
  
Figura 1. Modelo probabilista de riesgo y aplicaciones para la gestión del riesgo de desastre.
 
Una vez identificadas las fuentes sísmicas, se asigna un modelo de ocurrencia de los
sismos que se presentan en dicha zona. En la mayoría de los casos todas las fuentes
sísmicas se modelan siguiendo un proceso de Poisson en donde  (M) representa las tasas
de actividad para cada sistema de fallas. Dado que las fuentes sísmicas son volúmenes, el
epicentro no sólo puede ocurrir en el centro de las fuentes, sino que pueden también ocurrir,
con igual probabilidad, en cualquier punto dentro del volumen correspondiente. Por lo tanto,
para la simulación de los grupos de eventos, se definen subfuentes mediante la subdivisión
de las fuentes sísmicas, dependiendo de la distancia hipocentral (R0) en diversas formas
geométricas. Para cada subdivisión, la sismicidad de las fuentes se considera concentrada
en sus centros de gravedad. Adicionalmente el modelo considera los efectos de atenuación
de las ondas sísmicas mediante las leyes de atenuación probabilistas y espectrales, que
incluyen diferentes tipos de fuente y los efectos locales de amplificación basados en los
estudios de microzonificación y otra información complementaria disponible. Dado que la
intensidad calculada se considera como una variable aleatoria con una distribución
lognormal, el valor de incertidumbre correspondiente (σLna) es tenido en cuenta para incluir la
variabilidad asociada. Suponiendo que la variable de intensidad tiene una distribución
lognormal, dada la magnitud (M) y la distancia (R0), la probabilidad de una intensidad
sísmica dada (a), Pr (A>a|M, Ri) se calcula de la siguiente forma:
       
 1 MED ( A | M , R0 )            (1)
Pr( A  a | M , R0 )   ln 

 ln a a   
 
Donde () es la distribución normal estándar, MED(A|M, R0) es el valor de medio de la
variable de intensidad (dado por la ley de atenuación correspondiente) y σLna es la desviación
estándar del logaritmo natural de la intensidad (a). Esta metodología basada en (Esteva,
1970; Ordaz, 2000) genera eventos sísmicos estocásticos como ubicaciones aleatorias
dentro de las fuentes sísmicas modeladas, calcula la función de densidad de probabilidad de
la intensidad sísmica (a) para un lugar específico, y, si se requiere agrega las contribuciones
de todas las fuentes y magnitudes para calcular la tasa de excedencia de intensidad, como
se ilustra en la figura 2. De estas tasas de excedencia de la intensidad, es posible
determinar el espectro de amenaza uniforme para un sitio específico basado en el valor
calculado de la intensidad (e.g. aceleración pico del suelo, aceleración espectral, etc.)
asociado a un período de retorno definido. Por lo tanto, un espectro de amenaza uniforme
se puede determinar al unir los puntos de intensidad calculados de la figura 2 para una tasa
de excedencia dada (inverso del período de retorno).
 
 
 0.1 10

Tasa de excedencia [1/año]

Periodo de Retorno [años]
1 1
 
 
  10 0.1
 
 
100 0.01
 
 
1000   0.001
1 10 100 1000
 
Aceleración [cm/s²]

Figura 2. Tasas de excedencia para el parámetro de intensidad de amenaza sísmica en roca

 
Si el procedimiento descrito se realiza para diferentes sitios dentro de una ciudad, y la
variable de intensidad seleccionada es calculada para un período de retorno de 475 años de
período de retorno, es posible construir mapas de la ciudad para diferentes intensidades
sísmicas a nivel de suelo incluyendo los efectos de sitio de la microzonificación sísmica de la
ciudad.
 
 
 
 
 
 
 
 
 
 
 
 

Figura 3. Mapa de microzonificación de amenaza sísmica usando el código abierto de modelación

multi-amenaza/riesgo de la plataforma CAPRA
 
MÓDULO DE EXPOSICIÓN

Los valores de exposición de los “activos en riesgo” se obtienen de fuentes

secundarias de datos disponibles como bases de datos existentes o como resultado de
aplicar procedimientos simplificados basados en información macroeconómica y social
general, como la densidad de población, estadísticas de construcción o información más
específica. Este “proxy” se utiliza cuando no existen datos disponibles sitio por sitio.

Con base en la información disponible se construye una base de datos basada en un

SIG y se completa con la información específica requerida, usando por ejemplo las
herramientas de internet para búsqueda de datos. La exposición también se puede construir
usando imágenes de teledetección remota y digitalización de polígonos, líneas, puntos,
usando herramientas de dibujo como se ilustra en la figura 4.

Adicionalmente, la base de datos de exposición se puede crear usando la información

catastral, cuando está disponible. Las rutinas especiales permiten la visualización de la
información de la base de datos. La figura 5 presenta ejemplos de mapas de una base de
datos de una ciudad de Colombia usada para el análisis de todas las edificaciones en el
área urbana, construyendo un modelo de más de un millón de ítems.
 
 
 
 
 
 
 
Figura 4. Modelación de la exposición usando herramientas de CAPRA y Google Earth
 
 
 
 
 
 
 
 
 
 
 
 

Figura 5. Visualizador de exposición de CAPRA mostrando información de los edificios de la ciudad

obtenida de la base de datos catastral.
 
Para calcular los efectos en la población, también se utiliza información relacionada con
la ocupación de los edificios. Igualmente se definen la máxima ocupación y el porcentaje de
ocupación a diferentes horas del día con el fin de obtener diferentes escenarios en el tiempo
de la ocurrencia de eventos. Cuando no se dispone de la información específica de ocupación,
se usa la densidad de ocupación aproximada para cada tipo estructural para completarla.

MÓDULO DE VULNERABILIDAD

La pérdida (L) se define como una variable aleatoria, las funciones de vulnerabilidad describen
la variación de momentos estadísticos de pérdida para diferentes valores de demanda sísmica.
Se asume usualmente que la distribución de probabilidad de pérdida es una Beta, donde los
momentos estadísticos corresponden a la media (usualmente se refiere a la Relación Media de
Daño, RMD) y la desviación estándar. La distribución Beta pL|S(L) se define como sigue:

 ( a  b) a 1
p L| S ( L )  L (1  L ) b 1
 ( a )  (b ) (2)

donde es la función Gamma y los parámetros a y b son:

                
 
a
1  1 c 2
( L | S ) E ( L| S )              (3)
  c 2 (L | S )                 
 
  1  E(L | S )
 b  a              (4) 
  E(L | S )
donde E(L|S) es la pérdida media o el valor esperado y c(L|S) es el coeficiente de variación
de la pérdida dada una demanda sísmica, S (nótese que c(L|S)=SD(L|S)/E(L|S) donde SD(L|S)
es la desviación estándar de la pérdida dada una demanda sísmica S).

Las funciones de probabilidad proporcionan toda la información necesaria para

calcular la probabilidad de alcanzar o exceder un valor de pérdida, dada una demanda
sísmica. La pérdida se define usando escalas numéricas en lugar de escalas cualitativas
como para los estados de daño ([Link] relación entre el costo de reparación y el valor de
reemplazo del inmueble) que permite su uso directo en los cálculos probabilistas de riesgo y
pérdida. La probabilidad de alcanzar o exceder un valor de pérdida se calcula como sigue:
  

l

Pr( L  l | S )  pL|S ( L)dL  
 
 
 
 
 
 
 
 
 
 
 
 
   
(5)

 
donde l es un valor de pérdida en el dominio de la variable aleatoria L, y S es la demanda
sísmica.

Este módulo cuantifica el daño causado en cada tipo de activo por la ocurrencia de un
evento de cierta intensidad (Miranda 1999). La clasificación de los activos se basa en la
combinación de los materiales de construcción, el tipo de construcción (es decir,
combinación muro y cubierta), uso de la edificación, número de pisos y edad. La estimación
del daño se mide en términos de la Relación Media de Daño, RMD, que es la relación entre
el costo esperado de reparación y el costo de reemplazo de la estructura. Una curva de
vulnerabilidad se puede obtener de relacionar el RMD y la intensidad sísmica que se puede
expresar en términos de la aceleración máxima (e.g. para edificaciones de 1 y 2 pisos), la
aceleración espectral, la velocidad, la deriva o el desplazamiento (para edificaciones de más
de 2 pisos) en cada sitio. Dado un valor de intensidad sísmica para un tipo estructural
específico, el RMD se calcula con la Ecuación 6 (Miranda, 1999, Ordaz, 2000):


  i  
E (  |  i )  1  expln 0.5   (6) 
   0  
                

donde    es la pérdida,  0 y  i son los parámetros de vulnerabilidad estructural que depende
de la tipología estructural y del año de construcción y E(.) es el valor esperado. Por
definición,  es la relación entre el costo de reparación y el costo total del edificio, un valor
entre 0 a 1. Utilizando la aceleración espectral es posible determinar la deriva máxima no
lineal de la siguiente forma (Miranda, 1997):
2
 1  2  3  4   N  
 =  
i 2
S (T)
a T  N  (7)
4  Nh

donde  β1  es la relación entre el desplazamiento lateral máximo en el nivel superior de la

estructura y el desplazamiento espectral;  β2 es la relación entre la distorsión máxima entre
pisos y la distorsión global de la estructura, β3 es la relación entre el desplazamiento máximo
lateral inelástico y el desplazamiento máximo del modelo elástico, β4 es la relación entre los
factores β2 elástico e inelástico, ρ y n son factores para estimar el periodo fundamental de la
estructura a partir del número de pisos, N; h es la altura de capa piso, que depende de la
tipología estructural, la localización geográfica y el año de construcción, Sa(T) es la
aceleración espectral que depende del periodo de vibración fundamental de la estructura, el
amortiguamiento estructural y la amenaza sísmica en el sitio. Varios tipos de construcción
están incluidos en el sistema para diferentes tipos de intensidades. La figura 6 presenta un
ejemplo de una curva de vulnerabilidad.
 1.0
E(L|Sa)
0.9

Loss(Repair cost / Replacement value)
SD(L|Sa)
0.8

  0.7

  0.6

  0.5

  0.4

  0.3

0.2
 
0.1
 
0.0
0.0 0.2 0.4
  0.6 0.8 1.0
 
PGA(g)

 
Figura 6. Función de vulnerabilidad usada para un tipo de construcción. Cálculo del daño basado en
la aceleración del suelo.

El daño estructural en edificios e infraestructura debido a sismos frecuentemente está

representado por funciones de vulnerabilidad que relacionan la probabilidad de alcanzar o
exceder cierto estado de daño y la demanda sísmica en términos de intensidades en roca o
espectrales. La construcción de funciones o curvas de vulnerabilidad para un sistema
estructural dado requiere la definición del parámetro crítico de movimiento del terreno y la
identificación de los estados de daño esperados.

Suponga que hay N estados de daño identificados (ds) para un sistema estructural.
Luego la probabilidad de alcanzar o exceder el ith estado de daño (Pi), dada la intensidad
del movimiento del terreno (S) es:
Pi  Pr DS  ds i | S                    (8)
 
donde DS es una variable aleatoria de daño en el vector de estado de daño {ds0, ds1, … , dsN}.
En otras palabras, las curvas de fragilidad definen la probabilidad de que el daño global
esperado d de una estructura iguale o exceda un estado de daño dado, ds, como una función
de un parámetro cuantificando la severidad de la acción sísmica. Este parámetro puede ser
el desplazamiento espectral Sd. Por lo tanto, las curvas de fragilidad están completamente
definidas dibujando P[d>ds] en las ordenadas y el desplazamiento espectral Sd en las
abscisas. Si se asume que las curvas de vulnerabilidad siguen una distribución de
probabilidad lognormal, se pueden definir completamente por sólo dos parámetros, que en
este caso, son el desplazamiento medio espectral Sd dsy la desviación estándar  ds corres-
pondiente. Los estados de daño típicos y las curvas de vulnerabilidad se ilustran en la figura 7.
 
  1.0

  0.9
0.8
 
0.7
 
Pr(DS>=ds|Sd)

0.6
0.5  
0.4   Pr(DS>=Slight)
0.3   Pr(DS>=Moderate)
0.2 Pr(DS>=Severe)
 
0.1 Pr(DS>=Collapse)
0.0
 
0 0.1 0.2   0.3 0.4 0.5
Sd (m)
 

Figura 7. Curvas de fragilidad para un tipo de construcción. El cálculo de probabilidad de daño

basado en el desplazamiento espectral.
 
 Las funciones de vulnerabilidad describen la pérdida de una manera apropiada para el
cálculo del riesgo. Sin embargo, las curvas de fragilidad y las matrices de probabilidad de
daño (MPD) daño han sido ampliamente utilizadas en todo el mundo debido a la descripción
integral del comportamiento estructural de las demandas sísmicas. Relaciones entre estas
estimaciones se pueden establecer. Los estados de daño en las curvas de fragilidad y las
MPD están frecuentemente definidos para caracterizar un estado físico de la estructura. Los
estados físicos son cualitativos y simplemente descriptivos del daño esperado. Para cálculos
rigurosos de pérdida, una escala numérica del costo del daño, por ejemplo en términos de la
relación del costo de reparación y el costo de reemplazo debe estar relacionado a los
estados de daño definidos.

Suponiendo que hay N estados de daño identificados (ds) para un sistema estructural.
Para cada estado de daño, un valor de pérdida (L) es asignado. En otras palabras, cuando
la estructura alcanza un estado de daño ds el propietario tendrá que pagar el costo de
reparación L. Por lo tanto, los momentos estadísticos de pérdida se pueden calcular de la
siguiente manera:
  N                       

 
  
E ( L | S )  Li Pr( DS  dsi | S )
 
i 0
               
  
 
 
(9)

  N


SD2 ( L | S )   Li   E(L |  S )2 Pr( DS  ds  i | S )           (10)
  i 0
 
donde E(L|S) es la pérdida promedio y SD(L|S) y la desviación estándar de la pérdida dada
una demanda sísmica S, y Pr(DS=dsi|S) es la probabilidad discreta de alcanzar un estado de
daño ds.

El sistema también permite el uso de modelos de vulnerabilidad existentes en

diferentes formatos (Figura 8). Se pueden definir curvas de vulnerabilidad específicas para
los contenidos y para los costos de interrupción de actividades.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 8. Diferentes formatos usados por CAPRA. Incluyen curvas de capacidad (pushover), curvas
de fragilidad y funciones de vulnerabilidad.
 
 
MODULO DE DAÑO Y PÉRDIDA

Como es conocido, normalmente el riesgo se calcula utilizando la tasa de excedencia

de los valores de pérdida,  (p). Esta cantidad es el número esperado de sismos por unidad
de tiempo, que producirá pérdidas iguales o mayores que p. Esto se calcula usando el
teorema de la probabilidad total.
 Events
     

  
  ( p ) 
i 1
Pr( P  p Event i)FA ( Event i)           (11)

 
donde Pr(P>p | Event i) es la probabilidad de excedencia de pérdida dado que ocurre el
evento i y FA(Evento i) es la frecuencia anual de ocurrencia del evento i. Las funciones de
vulnerabilidad son usadas para calcular Pr(P>p | Event i). Normalmente, un evento sería
específico en términos, de, al menos, su magnitud y su ubicación hipocentral. Por lo tanto,
con el fin de calcular Pr(P>p | Event i) se hacen las siguientes consideraciones:

Se asume que dada la ocurrencia del evento i, con magnitud y ubicación hipocentral
conocidas, la intensidad en el sitio donde se encuentra la estructura es una variable aleatoria
lognormal con mediana y desviación estándar logarítmica que en general depende de la
magnitud y de la distancia entre la fuente y el sitio. Bajo esta suposición, la probabilidad
requerida Pr (P>p|Event i) es calculada encadenando dos distribuciones condicionales:
          

  
 Pr(P  p | Event)  Pr(P  p | Sa) p (Sa | M , R)dSa
0
SA
          (12)

 
donde  pSA (Sa|M,R) es la función de densidad de probabilidad de intensidad Sa dado que un
sismo de una intensidad dada sucede a una distancia R desde la fuente al sitio. Como se
mencionó Sa|M,R frecuentemente se asume que tiene una distribución lognormal, con
mediana y desviación estándar logarítmica que depende de M y R, y se calculan usando el
modelo de predicción del movimiento del terreno seleccionado por el analista. El primer
término de la integral es, obviamente, calculado usando la relación de vulnerabilidad que
describe el comportamiento de la estructura bajo análisis.  La ecuaciones anteriores dan un
indicador claro de cómo las incertidumbres en la vulnerabilidad se propagan a través del
análisis del riesgo.

En este módulo entonces, para calcular las pérdidas, la relación del daño obtenido en el
módulo de vulnerabilidad se traduce a pérdida económica multiplicando la proporción de daño
por el valor en riesgo. Esto se hace para cada clase de activo en cada ubicación. Luego las
pérdidas son agregadas como se requiere (Ordaz et al., 1998; 2000). El módulo de pérdida
estima las pérdidas netas. Pueden ser útiles para información de seguros teniendo en cuenta
por ejemplo el deducible, la suma asegurada, etc. Las métricas de riesgo producidas por el
modelo proporcionan a los encargados del riesgo y a los tomadores de decisiones información
esencial requerida para manejar los futuros riesgos. Las principales métricas para la
estimación del riesgo son las siguientes:

Pérdida Anual Promedio: La PAP es la pérdida anual esperada. Matemáticamente, la

PAP es la suma de los productos de las pérdidas esperadas por evento y la probabilidad de
ocurrencia anual de dicho evento para todos los eventos estocásticos considerados en el
modelo de pérdida. En términos probabilistas, la PAP es la esperanza matemática de la
pérdida anual. La pérdida anual esperada, también es conocida como prima pura cuando esta
se expresa como la tasa del valor de reemplazo del activo, definida como la pérdida que
podría ocurrir en un año, suponiendo que el proceso de ocurrencia de amenazas es
estacionario y que las estructuras afectadas son inmediatamente restauradas después del
evento. Se puede calcular como se muestra a continuación (Ordaz, et al, 1998; Ordaz, 1999):
  Events            

 
PAP 
 
i 1
       
E ( P Event i)FA ( Event i)             (13)

 
donde PAP es la pérdida anual promedio, E(P/Event i) es el valor de la pérdida esperada del
evento i, y FA (Evento i) es la frecuencia de ocurrencia anual del evento i. La frecuencia anual
de ocurrencia de los eventos depende de los resultados de la estimación de la amenaza. El
valor esperado de la pérdida, dada la ocurrencia de un evento particular, depende de la
vulnerabilidad del elemento expuesto.

Curva de excedencia de pérdidas. La CEP representa la frecuencia anual con la cual la

pérdida de una cantidad monetaria específica será excedida. Ésta es la métrica más
importante del riesgo catastrófico para los encargados del riesgo, dado que estima la
cantidad de fondos necesarios para alcanzar los objetivos de la gestión del riesgo. La CEP
se puede calcular para el evento mayor en un año o para todos los eventos (acumulados) en
un año. Para los propósitos de la gestión del riesgo, la última estimación es la preferida,
dado que incluye la posibilidad de uno o más eventos severos.
 
Pérdida Máxima Probable, (PML en inglés): La PMP representa la cantidad de pérdida
para una frecuencia anual de excedencia dada, o su inverso, el período de retorno. La curva
de PMP por otro lado está generalmente definida como la PMP en valor económico o en
porcentaje con relación al período de retorno. La PMP de una base expuesta es una tasa de
la cantidad de pérdidas máximas que podrían razonablemente suceder en el conjunto de
elementos expuestos durante la ocurrencia de un evento. Usualmente se usan datos
fundamentales para determinar el tamaño de las reservas que las compañías de seguros
deben mantener con el fin de evitar pérdidas excesivas que pueda sobrepasar su capacidad.
En el modelo se define como la pérdida promedio que podría ocurrir para un periodo de
retorno dado. Por lo tanto, es necesario calcular las tasas de excedencia de las pérdidas
netas del portafolio. Dichas tasas de excedencia no son más que el número de veces en el
año que se espera que un cierto valor de pérdida sea alcanzado o excedido. La tasa de
excedencia de un valor de pérdida dado, p, es calculado como:
            
Event
 ( p) 
 
 
 i 1
         
Pr( P  p Event i)FA ( Event i)           (12)

 
donde  v(p) es la tasa de excedencia de la pérdida, p, Pr (P>p/Event i) es la probabilidad de
excedencia de la pérdida p, cuando ocurre el evento i, y FA es la frecuencia anual de
ocurrencia del evento i. La figura 9 presenta la curva de PMP (PMP para un portafolio de
edificios en una ciudad de Colombia (CEDERI 2005; ERN 2005).

  20
16.4
  14.8
  15 12.6
 
PML (% )

9.5
  10
6.8
 
  3.8
5
 
  0
  0 250 500 750 1,000 1,250 1,500 1,750 2,000
  Return period [years]
 
Figura 9. Ejemplo de una curva de PMP con los resultados de varios periodos de retorno.
 
Dependiendo de la tolerancia del riesgo de los interesados, el encargado del riesgo
puede decidir manejar las pérdidas para un cierto período de retorno (por ejemplo 1 en 300
años). Para ese interesado (por ejemplo una entidad pública o privada), la PMP es la pérdida
de 300 años. Para otro, podría ser 150 años o para otros la de 500 años. Es importante
señalar que es frecuente establecer un programa de insolvencia en un nivel entre uno en 150
años a uno en 200 años, que aproximadamente corresponde al nivel de solvencia requerido
por las compañías BBB+ valoradas por S&P. Sin embargo, otros actores involucrados (e.g.
gobiernos o entidades reguladoras) han escogido períodos de retorno mucho mayores como
la Comisión Mexicana de Aseguramiento, que usa un período de retorno de 1500 años para
definir los márgenes de solvencia de las compañías aseguradoras en México.

Las curvas equivalentes a aquellas de excedencia de pérdidas también pueden ser

generadas para otros parámetros de medición del riesgo como el número máximo probable de
víctimas o heridos en función del período de retorno. Por otro lado, además de los valores
económicos probabilistas también es relevante para el manejo de desastres y la reducción de
la vulnerabilidad contar con escenarios de pérdida por sismos desde una perspectiva determi-
nista, considerando algunos terremotos históricos o eventos futuros. Esto es particularmente
útil para la formulación de un plan de respuesta a emergencia de una ciudad y para la
identificación de edificios y manzanas con concentración de daño potencial. La figura 10
presenta el mapa de daño de la ciudad de Manizales, en Colombia, usando el módulo de daño
y pérdida.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 10. Ejemplo del escenario determinista de daño para un terremoto en una fuente sísmica
específica, calculado usando el CAPRA.
 
Considerando la posibilidad de eventos altamente destructivos en el futuro, la estimación
del riesgo se debe enfocar en modelos que puedan usar la información disponible limitada
para predecir de la mejor manera posible los escenarios futuros y para considerar la alta
incertidumbre involucrada en el análisis. Como conclusión, dadas las grandes incertidumbres
inherentes en los modelos con relación a las características de la severidad y frecuencia del
evento, y por lo tanto a las pérdidas causadas por tales eventos, el modelo de riesgo de
CAPRA está basado en formulaciones que incorporan esta incertidumbre dentro de la
estimación de la amenaza y el riesgo.
 
CONCLUSIONES

La iniciativa CAPRA proporciona a los diferentes tipos de usuarios con herramientas,

habilidades, información y datos para evaluar el riesgo de desastre. Las aplicaciones de
CAPRA incluyen un conjunto de diversos módulos para los diferentes tipos de amenazas
considerados, un formato estándar para la exposición de los diferentes componentes de la
infraestructura, un modulo de vulnerabilidad con una librería de curvas de vulnerabilidad y un
sistema de información geográfico para el mapeo de la exposición, la amenaza y el riesgo.
Las técnicas probabilistas de CAPRA emplean análisis estadísticos de series de datos
históricas para simular las intensidades y frecuencias de la amenaza a través de todo el
territorio de un país. Esta información de la amenaza se puede combinar con los datos de
exposición y vulnerabilidad, y se puede analizar espacialmente para estimar el daño potencial
resultante. Esta medida se puede expresar en métricas de riesgo cuantificables como la
pérdida máxima probable para un período de retorno dado o como la pérdida anual promedio.
Dado que el riesgo se cuantifica de acuerdo a una metodología rigurosa, los usuarios pueden
tener un mismo lenguaje para la medición y comparar o agregar las pérdidas esperadas de
varias amenazas, incluso en el caso de riesgos climáticos futuros asociados con los
escenarios de cambio climático. La arquitectura de la plataforma se ha desarrollado para que
sea modular, ampliable y abierta, permitiendo la posibilidad de aprovechar varios aportes y
contribuciones. Este enfoque permite que CAPRA sea un instrumento vivo en continuo
desarrollo. La innovación de CAPRA se extiende más allá de la plataforma de modelación del
riesgo; una comunidad de usuarios de la evaluación del riesgo de desastre está creciendo
actualmente en los países, existe capacitación y talleres y se está llevando a cabo una
estrategia completa para futuros desarrollos.
 
REFERENCES

Cardona O.D., Hurtado J.E (2000) Holistic seismic risk estimation of a metropolitan center, in
Proceedings of 12th World Conference of Earthquake Engineering, Auckland.
Cardona, O.D. Ordaz, M.G., Arámbula, S., Yamín, L.E., Mahul, O. and Ghesquiere, F. (2006)
“Detailed earthquake loss estimation model for comprehensive risk management”,
Proceedings of First European Conference on Earthquake Engineering and Seismology,
European Association of Earthquake Engineering EAEE, Geneva.
Cardona, O.D., Ordaz, M.G., Marulanda, M.C., & Barbat, A.H. (2008). Estimation of
Probabilistic Seismic Losses and the Public Economic Resilience: An Approach for a
Macroeconomic Impact Evaluation, Journal of Earthquake Engineering, 12(S2) 1-11,
Taylor & Francis, Philadelphia.
ERN-Colombia, (2005) Definición de la Responsabilidad del Estado, su Exposición ante
Desastres Naturales y Diseño de Mecanismos para la Cobertura de los Riesgos
Residuales del Estado, Reports for DNP, ACCI, the World Bank, Bogotá.
ERN-AL (2010) CAPRA, [Link]
Esteva, L. (1970) Regionalización sísmica para fines de ingeniería; serie azul, Instituto de
Ingeniería, UNAM.
Miranda, E. (1999) Approximate seismic lateral deformation demands on multistory buildings,
Journal of Structural Engineering 125:4, 417-425.
Ordaz, M; Miranda, E; Reinoso, E and Pérez-Rocha, L.E. (1998) Seismic Loss Estimation
Model for México City, Universidad Nacional Autónoma de México, México DF.
Ordaz, M. (2000) Metodología para la Evaluación del Riesgo Sísmico Enfocada a la
Gerencia de Seguros por Terremoto, Universidad Nacional Autónoma de México,
México DF.
CEDERI (2005) Estrategia para Transferencia, Retención, Mitigación del Riesgo Sísmico en
Edificaciones Indispensables y de Atención a la Comunidad del Distrito Capital,
Universidad de Los Andes, Reports for DNP, ACCI, the World Bank, Bogotá.