Riesgo determinista y probabilístico
El riesgo determinista tiene en cuenta el impacto de una única situación hipotética de riesgo, mientras que el riesgo probabilístico tiene en cuenta todas los situaciones hipotéticas posibles, su probabilidad y los impactos asociados.
Los enfoques deterministas se utilizan para evaluar el impacto de un desastre en una determinada situación hipotética de amenaza, mientras que los métodos probabilísticos se emplean para obtener estimaciones más precisas de la frecuencia de las amenazas y los daños. Las evaluaciones probabilísticas se caracterizan por presentar incertidumbres inherentes, en parte relacionadas con la aleatoriedad natural de las amenazas y en parte debidas a que nuestro conocimiento y medición de las amenazas, la exposición y la vulnerabilidad objeto de estudio son incompletos.
Organización de Cooperación y Desarrollo Económicos (OCDE), 2012
¿Cuál es la diferencia entre riesgo determinista y riesgo probabilístico?
Si bien las pérdidas históricas pueden explicar el pasado, no proporcionan necesariamente una buena orientación para el futuro. La mayoría de los desastres que podrían suceder no han ocurrido aún. La evaluación probabilística del riesgo simula los desastres futuros que, según las pruebas científicas, es probable que ocurran. En consecuencia, estas evaluaciones del riesgo resuelven el problema que presenta la limitación de datos históricos. Por lo tanto, los modelos probabilísticos “completan” los registros históricos reproduciendo las leyes físicas de los fenómenos y recreando la intensidad de un gran número de eventos sintéticos.
En cambio, los modelos deterministas tratan la probabilidad de un suceso como finita. El enfoque determinista suele elaborar modelos de situaciones hipotéticas en las que se conocen los valores iniciales y se observa el resultado.
Los modelos deterministas y probabilísticos se solapan. Por ejemplo, la elaboración de modelos probabilísticos (es decir, el análisis de múltiples escenarios con diferentes probabilidades de que sucedan) puede utilizarse para generar una situación hipotética determinista; entre las más habituales cabría incluir:
- El peor de los casos; es decir, las pérdidas máximas.
- El mejor de los casos; es decir, las pérdidas que se pueden absorber
- Lo más “probable”; es decir, las pérdidas que es más probable que se produzcan.
El enfoque determinista conlleva una serie de problemas, entre ellos, el hecho de que no tiene en cuenta todo el abanico de resultados posibles ni cuantifica la probabilidad de cada uno de ellos. En consecuencia, la planificación determinista de casos hipotéticos puede subestimar el riesgo. Para solucionar esta laguna, debemos adoptar un enfoque probabilístico.
El riesgo probabilístico es la posibilidad de que ocurra un suceso adverso. Este método evalúa la probabilidad de ocurrencia de un suceso o sucesos y contiene la idea de incertidumbre porque incorpora el concepto de aleatoriedad.
En el contexto del riesgo de desastres, la probabilidad se refiere a la frecuencia de aparición o al período de retorno de las pérdidas asociadas a sucesos peligrosos. ¿Qué entendemos por período de retorno? Tomemos el siguiente ejemplo adaptado del Informe de Evaluación Global sobre la Reducción del Riesgo de Desastres de 2015 de UNDRR:
La figura muestra un registro de 1.000 años de pérdidas de diferentes magnitudes: nueve sucesos superaron una pérdida de magnitud 60 durante este período. El período transcurrido entre las nueve pérdidas oscila entre los 60 años y los 200 años, y, por término medio, las pérdidas de magnitud 60 se superaron cada 100 años, que sería el período de retorno de estas. En pocas palabras, la pérdida con período de retorno de 100 años (la magnitud 60 en nuestro ejemplo) se produce, de media, una vez cada 100 años. Como muestra el gráfico, el período de retorno no significa que la pérdida se produzca cada 100 años. Del mismo modo, no significa que si se produjera hoy no volvería a repetirse hasta dentro de 100 años. El período de retorno representa la probabilidad anual de tener una pérdida de esta magnitud cada año. La probabilidad anual de superar una pérdida caracterizada por un período de retorno de 100 años es del 1%, es decir, la inversa del período de retorno (1/100*100).
Períodos de retorno UNDRR (2015a)
La decisión de utilizar un enfoque determinista o probabilístico suele depender del tipo de pregunta a la que haya que dar respuesta y de la decisión de gestión del riesgo de desastre que se deba adoptar.
Utilizaríamos un enfoque probabilístico para determinar la probabilidad de una serie de sucesos diferentes, o podríamos adoptar un enfoque determinista para probar un plan de evacuación o una estrategia de mitigación frente a un suceso específico. No obstante, incluso si lo que nos interesa es conocer la situación hipotética de un riesgo específico asociado a un suceso concreto, podemos hacerlo a partir de una evaluación probabilística. De hecho, los enfoques probabilísticos nos permiten reconocer y modelar situaciones hipotéticas teniendo en cuenta también su período de retorno. Medir la probabilidad de los sucesos permite que los encargados de la adopción de decisiones estén mejor informados y sean más capaces de seleccionar las estrategias adecuadas para cada situación hipotética; por ejemplo, la reducción del riesgo cuando se trata de riesgos extensivos o la transferencia del riesgo si se trata de sucesos de mayor impacto (pero menos probables).
Evaluar el riesgo de forma probabilística entraña dificultades, sobre todo por el número de factores que hay que tener en cuenta y porque el riesgo no es estático y cada vez se ve más influenciado por otros factores, como el cambio climático. Sin embargo, las evaluaciones probabilísticas del riesgo se están convirtiendo progresivamente en la norma a la hora de llevar a cabo una evaluación del riesgo de desastres, debido a que ofrecen el enfoque más completo. Estas evaluaciones nos proporcionan una manera de cuantificar el impacto y la probabilidad de los sucesos, al tiempo que tienen en cuenta la incertidumbre asociada.
¿Qué es la incertidumbre?
Una reducida cantidad de las conclusiones de las ciencias naturales y sociales son 100% certeras, esto se debe a la aleatoriedad natural de las amenazas y al hecho de que la información y la comprensión de los procesos son incompletas. A pesar de ello, debemos adoptar decisiones para fortalecer la resiliencia.
Los modelos de riesgo son capaces de generar resultados muy precisos —por ejemplo, pueden mostrar que una inundación de 1 año de cada 100 afectará a 388.123 personas—, pero, en realidad, la precisión del modelo y de los datos de entrada solo pueden proporcionar una estimación de un orden de magnitud. Del mismo modo, las zonas inundables claramente delimitadas en un mapa de amenazas no reflejan adecuadamente la incertidumbre asociada a la estimación y podrían llevar a tomar decisiones tales como ubicar instalaciones vitales justo fuera de la línea de inundación, donde el riesgo real es el mismo que si la instalación se ubicara dentro de la zona inundable.
No debemos temer utilizar información incierta, siempre que las decisiones y medidas basadas en ella se adopten con pleno conocimiento de la incertidumbre que entraña y de sus implicaciones. Vale la pena señalar que la incertidumbre suele promover un debate analítico que debería conducir a la adopción de decisiones sólidas, lo que constituye una manifestación positiva de la incertidumbre. Toda información científica creíble debe presentar también cualquier incertidumbre asociada de forma clara.
¿Cómo elaboramos modelos del riesgo determinista y probabilístico?
Elaboramos modelos del riesgo tanto de forma determinista como probabilística utilizando una serie de componentes (a veces denominados módulos) de la amenaza, la exposición, la vulnerabilidad y la pérdida (o impacto). En los modelos deterministas, el producto del modelo está totalmente determinado por los valores de los parámetros y los valores iniciales, mientras que los modelos probabilísticos (o estocásticos) incorporan la aleatoriedad en su planteamiento. Por consiguiente, el mismo conjunto de valores de parámetros y condiciones iniciales dará lugar a un grupo de resultados diferentes. También podemos utilizar modelos de riesgo probabilísticos para realizar un análisis determinista introduciendo los parámetros de un suceso peligroso concreto.
Los catálogos de amenazas y los conjuntos de sucesos pueden utilizarse con modelos de riesgo de forma determinista o probabilística. Los modelos de riesgo deterministas se utilizan para evaluar el impacto de sucesos específicos sobre la exposición. Entre los casos hipotéticos más habituales de un análisis determinista se encuentran representaciones de sucesos históricos pasados, supuestos del "peor de los casos" o posibles sucesos con diferentes períodos de retorno. Por ejemplo, un análisis determinista del riesgo (o impacto) proporcionará una estimación confiable de los posibles daños en edificios, la mortalidad y morbilidad, y las pérdidas económicas derivadas de un único caso hipotético de amenaza. Los modelos de riesgo se utilizan en sentido probabilístico cuando un conjunto de sucesos contiene un número suficiente de sucesos para que la estimación del riesgo converja en el período de retorno más largo o la probabilidad más pequeña de interés.
No podemos depender por completo de nuestro conocimiento sobre sucesos pasados para prever riesgos futuros, porque algunos desastres que podrían ocurrir aún no han ocurrido.
Los enfoques probabilísticos reducen estas limitaciones al mínimo. Utilizan sucesos históricos, conocimientos de expertos y la teoría para simular sucesos que, físicamente, podrían ocurrir, pero que no están representados en los registros históricos. Los enfoques probabilísticos pueden generar catálogos de todos los sucesos posibles, la probabilidad de aparición de cada suceso y sus pérdidas asociadas. De esa forma, proporcionan una imagen del espectro total de futuros riesgos más completa que la que generan los datos históricos por sí solos. Aunque los datos y conocimientos científicos utilizados siguen siendo incompletos, servirán para dar una idea del “orden de magnitud” probable de los riesgos, siempre y cuando se reconozca su incertidumbre inherente.
Los resultados de los modelos de riesgo probabilísticos suelen presentarse en forma de mediciones estándar (parámetros), como el promedio de pérdidas anuales. El promedio de pérdidas anuales constituye la pérdida esperada en promedio en un año teniendo en cuenta todos los sucesos que podrían producirse a lo largo de un período prolongado. Es un parámetro compacto con una baja sensibilidad a la incertidumbre. A diferencia de las estimaciones históricas, el promedio de pérdidas anuales tiene en cuenta todos los desastres que podrían ocurrir en el futuro, incluidas las pérdidas de gran envergadura durante largos períodos de retorno; de esta manera, supera las limitaciones relacionadas con las estimaciones derivadas de los datos históricos de pérdidas por desastres. La mayoría de las evaluaciones probabilísticas del riesgo se han diseñado con fines comerciales para el sector de los seguros y cubren riesgos concretos, principalmente en países de ingreso alto. Sin embargo, rara vez son accesibles, y se basan en modelos patentados. Aunque cada vez se diseñan más modelos de riesgo de dominio público, el uso de diferentes metodologías y conjuntos de datos dificulta la comparación.
Un segundo producto es la pérdida máxima probable de distintos períodos de retorno. Las pérdidas máximas probables pueden expresarse como la probabilidad de que se supere una cantidad determinada de pérdidas a lo largo de distintos períodos. De este modo, incluso en el caso de un período de retorno de 1.000 años, sigue habiendo una probabilidad del 5% de que se superen las pérdidas máximas probables en un período de 50 años. Este parámetro es útil, por ejemplo, para los planificadores y diseñadores de proyectos de infraestructuras, donde las inversiones pueden realizarse para una vida útil prevista de 50 años.
En el desarrollo de modelos de riesgo, se utilizan diversos conjuntos de datos como componentes de entrada. El nivel de incertidumbre está directamente relacionado con la calidad de los datos de entrada. Además, existe una incertidumbre aleatoria que no puede reducirse. En diversas ocasiones, durante el desarrollo del modelo se utilizan datos indirectos y el criterio de los expertos ante la falta de datos históricos, y los resultados son muy sensibles a la mayoría de estas hipótesis y variaciones de los datos de entrada. Por ello, los productos de estos modelos deben considerarse indicadores del orden de magnitud de los riesgos, no valores exactos. Las mejoras en la calidad de los datos y los avances logrados en la ciencia y en las metodologías de modelización reducen el nivel de incertidumbre, pero es fundamental tener en cuenta el grado inevitable de incertidumbre a la hora de interpretar los resultados de cualquier evaluación del riesgo.
Actualizado por última vez el: 18 de enero de 2024
Historias relacionadas
“What’s a 100-year flood? A hydrologist explains”
“Una inundación de 1 año de cada 100, al igual que una tormenta de 1 año de cada 100, es una inundación tan grave que solo tiene un 1% de probabilidades de producirse en un año determinado”.
“More people exposed to low-probability coastal flooding than previously expected”
“La contabilización de los ciclones tropicales duplica con creces la población mundial expuesta a inundaciones costeras de baja probabilidad”.
“Probability analysis improves hazard assessment”
“Estimar la probabilidad de aparición y la frecuencia constituye un método científico importante para ayudar a las personas a planificar y prepararse para futuros sucesos”.