anderungen der h¨aufigkeit und intensit ¨at von ... - IMK-TRO - KIT
anderungen der h¨aufigkeit und intensit ¨at von ... - IMK-TRO - KIT
anderungen der h¨aufigkeit und intensit ¨at von ... - IMK-TRO - KIT
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Kapitel 4<br />
Methoden<br />
Unter Extremereignissen versteht man beson<strong>der</strong>s intensive Ereignisse, die nur selten auftreten<br />
<strong>und</strong> in <strong>der</strong> Regel mit schweren Schäden verb<strong>und</strong>en sind (Beniston et al., 2007). Zur<br />
statistischen Beschreibung dieser Ereignisse sind Verfahren aus <strong>der</strong> Extremwerttheorie bekannt.<br />
Diese wird im ersten Abschnitt beschrieben. Die genaue Vorgehensweise dieser vorliegenden<br />
Arbeit wird im zweiten Abschnitt erläutert.<br />
4.1 Extremwerttheorie<br />
Die Extremwerttheorie beschäftigt sich mit <strong>der</strong> Analyse <strong>und</strong> <strong>der</strong> statistischen Modellierung<br />
<strong>von</strong> Extremwerten eines Datensatzes. Dabei wird eine statistische Verteilungsfunktion<br />
an eine Stichprobe mit repräsentativen extremen Ereignissen angepasst. Diese erlaubt<br />
es, einem bestimmten Parameter wie Windgeschwindigkeit o<strong>der</strong> Nie<strong>der</strong>schlagssumme eine<br />
statistische Überschreitungswahrscheinlichkeit o<strong>der</strong> umgekehrt zuzuordnen.<br />
Im Allgemeinen steht dazu eine begrenzte Datenmenge zur Verfügung, die auf einen gewissen<br />
Zeitraum beschränkt ist. Damit eine geeignete Verteilungsfunktion, welche die Gr<strong>und</strong>gesamtheit<br />
repräsentieren soll, gef<strong>und</strong>en werden kann, müssen die freien Parameter <strong>der</strong><br />
Funktion aus den vorhandenen Daten geschätzt werden. Gr<strong>und</strong>sätzlich gibt es zwei Möglichkeiten,<br />
um eine für die Extremwertstatistik sinnvolle Stichprobe zu erhalten. Die erste besteht<br />
darin, jeweils nur das stärkste Ereignis innerhalb einer festgesetzten Zeitspanne (beispielsweise<br />
1 Jahr) für den gesamten Datenzeitraum zu bestimmen <strong>und</strong> mit <strong>der</strong> generalisierten<br />
Extremwertverteilung (engl. generalized extrem value distribution - GEV, siehe Hosking<br />
et al., 1985, <strong>und</strong> Palutikof et al., 1999) auszuwerten (beispielsweise bei Zwiers <strong>und</strong> Kharin,<br />
1998, <strong>und</strong> Hofherr <strong>und</strong> Kunz, 2008). Bei <strong>der</strong> zweiten Methode werden nur Extremwerte<br />
verwendet, die über einem bestimmten Schwellenwert (engl. threshold) liegen. Diese Daten<br />
werden mit <strong>der</strong> generalisierten Paretoverteilung (engl. generalized pareto distribution<br />
- GPD) beschrieben, die, da sie in <strong>der</strong> vorliegenden Arbeit ausschließlich verwendet wird,<br />
nachfolgend genauer erklärt wird. Voraussetzung für die Anwendung bei<strong>der</strong> Verfahren ist<br />
die statistische Unabhängigkeit <strong>der</strong> zugr<strong>und</strong>e liegenden Ereignisse.