Prima di illustrare nel dettaglio gli strumenti statistici utilizzati per la ricerca di non stazionarietà all’interno delle serie dei massimi annuali, risulta utile richiamare la teoria degli eventi estremi (Extreme Value Theory, EVT), ovvero la teoria che descrive le possibili distribuzioni di probabilità dei valori estremi di un campione. In campo idrologico-ingegneristico è molto frequente l’applicazione di questa teoria, in quanto per il dimensionamento e la verifica di opere idrauliche si richiede la conoscenza dei valori estremi, più che dei valori medi della distribuzione. In linea teorica, per calcolare il valore di una variabile per un tempo di ritorno molto alto, potrebbe bastare conoscere la distribuzione di probabilità del valore medio orario o giornaliero. Nella pratica, è preferibile effettuare elaborazioni statistiche sui soli valori estremi, in quanto la distribuzione così stimata tende a presentare un minore errore nella valutazione degli eventi più frequenti e un’incertezza maggiore nella stima degli eventi più rari, come nel caso degli estremi. Perciò, per ottimizzare l’errore di stima, si tende ad usare i soli massimi quando l’obiettivo è valutare valori con bassa frequenza di accadimento (ovvero elevato tempo di ritorno). Gli approcci per questo tipo di stima sono essenzialmente due: l’approccio Block Maxima e l’approccio Peak Over Threshold.
4.1.1 Approccio Peak Over Threshold
L’approccio Peak Over Threshold (POT), o analisi delle eccedenze o dei picchi oltre la soglia, è il metodo più opportuno nel caso in cui siano disponibili i valori delle osservazioni istantanee del campione. Nel caso di variabili idrologiche, consiste nell’identificare un valore di soglia x0 nella distribuzione del
44
eventi che superano tale valore possano essere considerati estremi. Si individuano, quindi, tutti gli m intervalli di tempo durante i quali l’intensità si è mantenuta ininterrottamente superiore alla soglia e si assegna all’evento in questione un valore x pari al massimo valore registrato durante l’evento. Su N anni di osservazione si può valutare il numero medio di eventi estremi per anno come segue:
𝜆 =𝑚𝑁 . (4.1.1) Fissato un generico valore di altezza di precipitazione x, è possibile valutare il numero medio di eventi t per i quali viene mediamente superato:
𝑡 =1 − 𝑃(𝑥) (4.1.2)1 dove P(x) è la funzione di probabilità di non superamento.
Poiché λ è il numero medio di eventi estremi durante l’anno, il valore x sarà superato in media una volta ogni T anni con
𝑇 =𝜆. (4.1.3)𝑡 Unendo la (4.1.2) e la (4.1.3), la probabilità di non superamento di x può essere riscritta come
𝑃(𝑥) = 1 −𝜆𝑇. (4.1.4)1 La distribuzione di probabilità delle eccedenze viene spesso identificata con una legge di tipo esponenziale del tipo:
𝑃(𝑥) = 1 − exp [−𝑥 − 𝑥𝑘 ] (4.1.5)0 limitata inferiormente dal valore di soglia x0 e illimitata superiormente, con k
parametro legato alla media della distribuzione μ(x) dalla relazione
𝑘 = 𝜇(𝑥) − 𝑥0. (4.1.6) Il principale limite di questo approccio consiste nell’individuazione del valore di soglia, il quale può presentare elementi di soggettività. Inoltre, deve essere prestata particolare attenzione alla selezione degli eventi al di sopra della soglia per garantirne l’indipendenza. A tal fine viene spesso imposta una distanza
45 temporale minima che gli eventi estremi devono avere per essere considerati indipendenti.
4.1.2 Approccio Block Maxima
Un altro approccio possibile di largo impiego è il metodo Block Maxima, che è stato preso come riferimento per le analisi descritte nei capitoli successivi. L’approccio Block Maxima consiste nell’analisi della distribuzione dei massimi di un campione avente dimensione N. È immediato definire PN(x), ovvero la
probabilità di non superamento del massimo del campione di dimensione N i cui elementi sono stati estratti dalla popolazione della x indipendentemente l’uno dall’altro, conoscendo la distribuzione di probabilità originaria P(x):
𝑃𝑁(𝑥) = 𝑃(𝑥)𝑁 (4.1.7) da cui si ricava la densità di probabilità
𝑝𝑁(𝑥) = 𝑁𝑃(𝑥)𝑁−1𝑝(𝑥). (4.1.8) La grandezza del campione N deve essere necessariamente non troppo piccola, per garantire l’indipendenza dei valori, e nemmeno troppo grande, per non perdere informazioni. È il caso, infatti, dei massimi annuali, che di fatto consiste in un approccio Block Maxima con dimensione del campione N pari a 365 giorni, nel caso di precipitazioni giornaliere, oppure 8760 ore nel caso di precipitazioni orarie. Le distribuzioni più adatte a interpretare le serie dei massimi sono le cosiddette distribuzioni asintotiche del massimo valore, cioè distribuzioni asintotiche alle quali tendono le funzioni PN(x) al tendere a infinito della
dimensione del campione N. A seconda del tipo di forma asintotica, che dipende dalla distribuzione originaria P(x), le distribuzioni di dividono in tre famiglie.
La distribuzione del I tipo, o di Gumbel, è una funzione di probabilità P(x) che tende a 1 esponenzialmente al tendere di x all’infinito. La distribuzione è espressa mediante la seguente legge:
𝑃(𝑥) = 𝑒−𝑒−𝛼(𝑥−𝑢) (4.1.9) 𝑝(𝑥) = 𝛼𝑒−𝑒−𝛼(𝑥−𝑢)−𝛼(𝑥−𝑢)
46
ove α e u sono i due parametri della funzione, definiti come segue:
𝛼 =1,283𝜎(𝑥) (4.1.11) 𝑢 = 𝜇(𝑥) − 0,450𝜎(𝑥) (4.1.12) ove il parametro α controlla la dispersione, mentre u coincide con la moda e controlla la posizione della funzione sull’asse delle ascisse.
La distribuzione del II tipo, o di Fréchet, è una funzione limitata inferiormente e tendente ad 1 asintoticamente, ma molto più lentamente rispetto ad una funzione di Gumbel. La sua funzione e la sua densità di probabilità sono:
𝑃(𝑥) = exp [− (𝑥 − 𝑥𝑢 − 𝑥0 0) −𝑘 ] (4.1.13) 𝑝(𝑥) = exp [− (𝑥 − 𝑥𝑢 − 𝑥0 0) −𝑘 ]𝑢 − 𝑥𝑘 0( 𝑥 − 𝑥0 𝑢 − 𝑥0) −(𝑘+1) (4.1.14) Questa distribuzione ha a tre parametri: x0 che rappresenta il limite inferiore, u e
k (sempre positivo). Se x0 = 0, si ottiene una distribuzione a due parametri. Nel
caso più generale, comunque, le relazioni che legano i parametri ai momenti sono le seguenti:
𝜇(𝑥) = 𝑥0+ (𝑢 − 𝑥0)𝛤 (1 −1𝑘), (4.1.15) 𝜎2(𝑥) = (𝑢 − 𝑥
0)2[𝛤 (1 −𝑘) − 𝛤2 2(1 −1𝑘)] (4.1.16) ove Γ si riferisce alla distribuzione di tipo Gamma. Avendo la funzione tre parametri, occorrerebbe aggiungere una terza relazione. Siccome la stima del momento del terzo ordine è molto incerta, spesso si impone la corrispondenza tra la probabilità del valore minimo del campione e la sua frequenza campionaria stimata secondo Weibull.
La distribuzione del III tipo è una funzione limitata superiormente e si utilizza quando anche la distribuzione originaria è limitata. Raramente questo tipo di distribuzione è utilizzata in idrologia, a causa del problema connesso alla stima del limite superiore. La legge di distribuzione è descritta dall’espressione:
47 𝑃(𝑥) = exp [− (𝑥𝑥0 − 𝑥
0− 𝑢)
𝑘
] (4.1.17) Le distribuzioni asintotiche del I, II e III tipo si possono anche ricondurre ad un’unica rappresentazione generalizzata descritta come
𝑃(𝑥) = exp {− [1 +𝛼(𝑥 − 𝑢)𝑘 ] −𝑘
} (4.1.18) che viene indicata con la sigla GEV (Generalized Extreme Value). Se il parametro k tende a infinito la distribuzione è del I tipo, se è maggiore di zero è del II tipo se è minore di zero è del III tipo.