Στοχαστική των Ακραίων Υδροκλιματικών Φαινομένων - Μια ψύχραιμη ματιά στη διακινδύνευση

Abstract

Πολλά λέγονται και γράφονται για υδροκλιματικούς κινδύνους: καταιγίδες, πλημμύρες, ξηρασίες. Παρόμοιοι κίνδυνοι υπήρχαν και θα υπάρχουν πάντα, ενώ η κινδυνολογία ελάχιστα βοηθά στην αντιμετώπισή τους. Αντίθετα, αυτό που χρειάζεται είναι η ψύχραιμη ματιά στον κίνδυνο, βασισμένη σε δεδομένα μετρήσεων, χρησιμοποιώντας επιστημονική μεθοδολογία, και εν τέλει επιστρατεύοντας την τεχνολογία στην υπηρεσία της μείωσης των κινδύνων και των συνεπειών τους.

Αυτό επιχειρείται στο βιβλίο. Το μεγαλύτερο μέρος του είναι αφιερωμένο στη θεωρία της στοχαστικής —τη μαθηματική γλώσσα για την ανάλυση των ακραίων φαινόμενων. Η στοχαστική είναι μια επιστημονική περιοχή ευρύτερη από τη στατιστική —σύμφωνα με τον ορισμό που υιοθετείται στο βιβλίο, η στατιστική αποτελεί μέρος της στοχαστικής. Η κλασική στατιστική (βασισμένη στην υπόθεση ανεξαρτησίας) που συνήθως χρησιμοποιείται, αποτελεί ειδική περίπτωση της στοχαστικής και, όπως αποδεικνύεται στο βιβλίο, είναι ακατάλληλη για το υπόψη θέμα. Η έννοια του χρόνου συνήθως λείπει από τις κλασικές στατιστικές αναλύσεις (ή υπεισέρχεται με απλοϊκό τρόπο) ενώ έχει υπόσταση στη θεωρία των στοχαστικών ανελίξεων. Έτσι, η στατιστική είναι σε σχέση με τη στοχαστική ό,τι η στατική σε σχέση με τη δυναμική. Αυτό δεν σημαίνει ότι η στατιστική εγκαταλείπεται ή υποεκπροσωπείται στο βιβλίο. Αντιθέτως, παρουσιάζονται νέες εξελίξεις – κυρίως το νέο εργαλείο εύγνωστων ροπών (knowable moments), οι οποίες έχουν δύο σημαίνοντα χαρακτηριστικά: τη στενή σχέση τους με τα ακρότατα και την αμερόληπτη εκτίμησή τους (ή τη μικρή και προσδιορίσιμη μεροληψία σε κάποιες περιπτώσεις).

Οι νέες θεωρητικές αναλύσεις υποστηρίζονται από μαθηματικές αποδείξεις, οι οποίες, για τη βελτίωση της αναγνωσιμότητας, περιέχονται σε έναν αριθμό παραρτημάτων σε καθένα από τα 10 κύρια κεφάλαια του βιβλίου. Παράλληλα με την ανάπτυξη της θεωρίας, το βιβλίο προσανατολίζεται στην εφαρμογή, η οποία υποστηρίζεται από ποικίλα παραδείγματα, που συνήθως ξεχωρίζουν ως παρενθετικές ενότητες (Digressions).

Much is said and written about hydroclimatic hazards: storms, floods, droughts. Such hazards have existed and will always exist, while the usual scaremongering on them is of little help to avoid them. Instead, what is needed is a cool look at risk, based on measurement data, using scientific methodology, and ultimately employing technology in the service of reducing hazards and their consequences.

This is attempted in the book. Much of it is devoted to the theory of stochastics —the mathematical language for analysing extremes. Stochastics is a scientific area broader than statistics —according to the definition adopted in the book, statistics is part of stochastics. Another part is the theory of stochastic processes, in which time has a hypostasis that is typically absent in statistics. Thus, statistics is in relation to stochastic what statics are in relation to dynamics. The commonly used classical statistics (based on the assumption of independence) is a special case of stochastics and, as the book proves, is inappropriate for the subject. This does not mean that statistics are abandoned or underrepresented in the book. On the contrary, several new developments are presented —most notably the new tool of knowable moments, which have two relevant characteristics: they are closely connected to extremes and their estimation is unbiased in the framework of classical statistics or involves small (and determinable) bias in stochastic processes with dependence in time, whilst the bias in the estimation of classical statistical moments can be huge.

The new theoretical analyses are supported by mathematical proofs, which, to improve readability, are contained in a number of appendices in each of the 10 main chapters of the book. Along with the development of the theory, the book is oriented to the application, which is supported by a variety of examples, usually standing out as parenthetical sections or Digressions, as well as by tabulations of mathematical formulae that are used for each task.