Professional Documents
Culture Documents
CLAS/UMSS 2012
Traducidoalcastellanopor:Lic.J.StephanDalenceMartinic,MSc.CoordinadoracadmicoCLAS(Septiembre2012)
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tabla de contenido
Introduccin al tutorial del anlisis geoestadstico
Ejercicio 1: Creando una superficie usando parmetros por defecto
Ejercicio 2: Explorando sus datos
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Los siguientes set de datos (que estn contenidos en la geodatabase denominada ca_ozone.gdb),
se usarn en este tutorial:
El set de datos del ozono (O3_Sep06_3pm) ha sido provisto por cortesa de California Air
Resources Board y representa la concentracin de ozono medido el 6 de Septiembre de 2007
entre las 3:00 y las 4:00 p.m. in partes por milln (ppm). Los datos originales han sido modificados
para los propsitos de este tutorial y no deben ser considerados datos precisos.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Desde las muestras puntuales de ozono (mediciones), usted producir dos superficies continuas
(mapas), prediciendo los valores de concentracin de ozono para cada localizacin en el estado de
California. El primer mapa que usted cree usar simplemente todas las opciones por defecto, de tal
forma que usted pueda ser introducido en el proceso de la creacin de una superficie desde sus
puntos muestreados. El segundo mapa que usted producir le permitir conocer ms de las
relaciones espaciales que se descubren entre los puntos. Cuando se cree este segundo mapa,
usted utilizar las herramientas de anlisis exploratorio de datos espaciales (exploratory spatial
data analysis ESDA), para examinar sus datos.
Este tutorial se divide en tareas individuales que estn diseadas para permitirle explorar las
capacidades del anlisis geoestadstico a su ritmo.
Ejercicio 1 le lleva a travs del acceso al anlisis geoestadstico y al proceso de crear una
superficie de concentracin de ozono utilizando valores de parmetros por defecto para permitirle
conocer los pasos involucrados en la creacin de modelos de interpolacin.
Ejercicio 2 le gua a travs del proceso de explorar sus datos antes de que usted cree una
superficie que le permita observar datos extremos y reconocer tendencias.
Necesitar un par de horas de tiempo para completar este tutorial. Se recomienda que grabe sus
resultados despus de terminar cada ejercicio.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
la
extensin
de
Pasos:
1.
2.
1.
2.
3.
4.
Para iniciar ArcMap, haga clic en Inicio > Todos los programas > ArcGIS > ArcMap 10.
Haga clic en Cancel en el cuadro desplegado.
Es posible que el cuadro de dilogo no se abra si anteriormente opt por no mostrarlo.
En el men principal haga clic en Customize > Extensions.
Clic en la caja de Geostatistical Analyst.
Clic en Close.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Solamente se despliega el lmite de California. Esto le permite observar las capas que usted crear
en este tutorial debajo de la misma.
7.
8.
9.
10.
11.
Grabe su mapa
Es recomendable que grabe su mapa en cada ejercicio al final de los mismos.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Pasos:
1.
2.
3.
4.
Usted necesita proveer un nombre al mapa ya que es la primera vez que lo graba; para
grabarlo en el futuro simplemente haga clic en Save.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Note que existe un cuadro en el extremo inferior derecho del Geostatistical Wizard que muestra
una pequea descripcin sobre la seleccin hecha. En esta etapa se muestra el set de datos y el
campo que se usar para crear la superficie.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
5. En la ventana del Histogram, haga clic en la flecha del Attribute y clic en OZONE.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Los valores del eje de las X han sido re-escalados por un factor de 10 para que sea ms fcil de
leer. Usted querr cambiar el tamao y moverlo la ventana del Histogram para que pueda ver
tambin el mapa, como se muestra abajo:
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
La distribucin de los valores del ozono se representa en el histograma con el rango de valores,
dividido en 10 clases. La frecuencia de los datos dentro de cada clase se representa por la altura
de cada barra. Generalmente, las caractersticas importantes de una distribucin se encuentran en
el valor central, distribucin y simetra. De forma rpida, si la media y la mediana tiene
aproximadamente el mismo valor, usted tiene evidencia que los datos pueden tener una
distribucin normal.
El histograma de los datos del ozono indican que los datos son unimodales y con simetra a la
derecha. La cola a la derecha de la distribucin indica la presencia de un nmero relativamente
pequeo de puntos simples con valores de concentracin de ozono muy grandes. Parece que los
datos no estn cercanos a una distribucin normal.
6. Seleccione las dos barras de histograma con los valores de ozono mayores a 0.10 pp,
(recuerde que los valores han sido re-escalados por un factor de 10) haciendo clic y
arrastrando el puntero sobre ellos.
Los puntos de muestreo dentro de este rango se seleccionan sobre el mapa. Note que la mayora
de stos puntos de muestreo se localizan en el Valle Central de California.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Un QQ Plot es un grfico donde los cuantiles de dos distribuciones se grafican entre ellas. Para
dos distribuciones idnticas el QQ plot ser una lnea recta. Por lo tanto, es posible chequear la
normalidad de los datos del ozono graficando los cuantiles de esos datos versus los cuantiles de
una distribucin estndar normal. Del QQ Plot anterior usted puede ver que el grfico no se
aproxima a una lnea recta. La mayor variacin ocurre en los valores ms bajos de la concentracin
de ozono (seleccionado y mostrado en verde en la imagen de arriba, los cuales se pueden
seleccionar haciendo clic y arrastrando el puntero como en el caso anterior).
Si los datos no exhiben una distribucin normal en ya sea el histograma o el QQ Plot, tal vez sea
necesario transformar los datos para que correspondan a una distribucin normal antes de usar
tcnicas de interpolacin de kriging.
3. Haga clic sobre el botn Close localizado en el extremo superior de la ventana de Normal
QQPlot.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
con una ligera pendiente puede ser representada por un plano. Un valle puede ser representado
por una frmula ms compleja (polinomial de segundo orden), que crea una forma de U. Esta
frmula puede producir la representacin de la superficie que usted quiere. Sin embargo, muchas
veces la frmula produce una superficie que es muy suave para mostrar precisamente y
adecuadamente al fenmeno debido a que ninguna cuesta es un plano perfecto y tampoco un valle
tiene la forma de U. La variacin local puede ser adicionada a la superficie modelando la tendencia
utilizando una de stas funciones suavizadas, eliminndola de los datos y continuando su anlisis
modelando los residuales, que son lo que sobra despus de que la tendencia ha sido eliminada.
Cuando se modelen los residuales, usted estar analizando la variacin local en la superficie. La
herramienta Trend Analysis le permite identificar la presencia/ausencia de tendencias y la entrada
de datos, adems de la identificacin del tipo de orden polinomial que ajuste mejor la tendencia.
Pasos:
1. En la barra de Geostatistical Analyst, haga clic sobre Geostatistical Analyst > Explore
Data > Trend Analysis.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
3. Haga clic sobre la barra de Rotate Locations y muvala hacia la izquierda hasta que el
ngulo de rotacin sea de 90 grados.
Usted puede ver que mientras rota los puntos, las tendencias siempre se exhiben de forma de una
U al revs (patas arriba). Tambin la tendencia parece no ser muy fuerte (una U ms pronunciada)
para cualquier ngulo de rotacin particular, reafirmando la observacin que existe una tendencia
fuerte desde el centro del dominio de los datos en todas direcciones. Debido a la tendencia de la
forma de U, un polinomio de segundo orden es una buena opcin para usar como un modelo
global de tendencia. Esta tendencia es posiblemente causada por el hecho de que la
contaminacin es baja debido a la costa, pero tierra adentro existen grandes poblaciones de
personas que disminuyen hacia las montaas.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
4. Haga clic sobre el botn Close localizado en el extremo superior de la ventana de Trend
Analysis.
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
3. Haga clic sobre el botn Select Features by Rectangle sobre la barra Tools, luego haga
clic y arrastre el puntero sobre algunos puntos con valores de semivariograma altos (eje Y)
en la ventana de Semivariogram/Covariance Cloud seleccionndolos. (Use el diagrama
como gua no es necesario que usted seleccione exactamente los mismos puntos como la
figura).
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
La mayora de las lneas son aproximadamente paralelas a las lneas de costa. Observamos que
hay influencias direccionales que afectan a los datos. Las razones para estas influencias
direccionales pueden ser conocidas por cientficos medioambientales locales y pueden ser
estadsticamente cuantificados sin conocer a las fuentes para la contaminacin alta del aire. Estas
influencias direccionales afectarn a la precisin de la superficie que usted crear en el siguiente
ejercicio. No obstante, una vez que usted conoce si existe uno, el anlisis geoestadstico provee
herramientas para tomarlo en cuenta en el proceso de la creacin de la superficie. Para explorar
una influencia direccional en la nube de semivariograma, usted puede usar las herramientas
Search Direction.
4. Chequee Show search direction.
5. Haga clic y mueva el puntero direccional a cualquier ngulo.
La direccin del puntero determina cuales pares de puntos de las localizaciones de los datos se
grafican sobre el semivariograma. Por ejemplo, si el puntero est en una direccin este-oeste, slo
los pares de las localizaciones de los datos que estn al este u oeste se graficarn sobre el
semivariograma. Esto le permite eliminar pares que no le interesen y explorar las influencias
direccionales sobre los datos.
6. Haga clic y arrastre las herramientas Select Features by Rectangle alrededor de los
pares con los valores de semivariograma ms altos para seleccionarlos sobre el grfico y
en el mapa. (Use la siguiente figura como gua solamente).
Tutorial de anlisis geoestadstico Traducido al castellano por Lic. J. Stephan Dalence Martinic, MSc. CLAS/UMSS 2012
Note que la mayor parte de las localizaciones vinculadas (representando pares de puntos sobre el
mapa) corresponden a aquellos de los puntos muestreados en la regin Central de California. Esto
es debido a que los valores de ozono en sta rea son ms altos que en cualquier otro lugar de
California.
7. Haga clic sobre el botn Close en el extremo superior de la ventana.
8. Haga clic sobre el botn en las herramientas de Clear Selected Features para limpiar la
seleccin.
En ste ejercicio usted aprendi a:
Los datos del ozono son unimodales pero no est cerca de una distribucin normal como
se puede apreciar en el histograma.
El QQ Plot tambin muestra que los datos no son normalmente distribudos, ya que los
puntos en el grfico no forman una lnea recta. Una transformacin de los datos puede ser
necesaria.
Usando la herramiento de Trend Analysis usted observ que los datos exhiban una
tendencia e identific que la misma se ajusta a un polinomio de segundo orden.
La nube semivariograma/covarianza ilustr que los valores inusualmente altos de
semivariograma se representan ampliamente por las lneas perpendiculares a la costa. El
anlisis utilizando esta herramienta indica que el modelo de interpolacin a tomarse en
cuenta sera el de anisotropa.
La superficie de semivariograma indica que hay una correlacin espacial entre los datos.
Conociendo que no hay puntos muestrales atpicos (outliers errneos) en el set de datos,
usted puede proceder con confianza a la interpolacin de la superficie. Usted necesitar
crear una superficie ms precisa que la que ha creado en el ejercicio 1 donde utiliz
opciones y parmetros por defecto debido a que ahora conoce que hay una tendencia y
anisotropa en los datos y que usted puede ajustarlos en la interpolacin. Incluso una
transformacin de datos puede mejorar el modelo predicho.