Professional Documents
Culture Documents
Las aplicaciones que han recibido una mayor atencin en la geoestadstica, son los casos donde
dos o ms variables estn muestreadas, pero una est menos muestreada que las otras o existe la
presencia de errores de muestreo.
Funcin Aleatoria
Es el concepto en que se basa toda la geoestadstica, y se puede interpretar como la extensin
natural del concepto de variable aleatoria cuando sta adems es una funcin de la posicin. Si a
cada punto x que pertenece a un dominio en el espacio le hacemos corresponder una variable
110
Bajo la hiptesis de estacionaridad de segundo orden (estacionalidad de los momentos de primer
y segundo orden), se puede definir para cada par de variables Zi ( x ) y Z j ( x ) la covarianza
cruzada como:
{ }
Cij ( h ) = E Z i ( x + h ) mi Z j ( x ) m j (A.1)
respectivamente.
semivarianza de la variable Zi ( x ) .
una distancia h = h .
El cual es una generalizacin del estimador del semivariograma simple y por lo tanto adolece de
los mismos problemas y limitaciones.
111
A.2 Modelo de Corregionalizacin Lineal
correlacin multivariada a la escala k . Note que a cada escala k le corresponde una estructura
elemental o bsica con mesetas igual a la unidad ( k ( h ) o k ( h ) ). Si determinada estructura
El punto medular para poder establecer un modelo de corregionalizacin lineal consiste en probar
que las matrices de coeficientes V k son positivas semidefinidas.
Por definicin, una matriz V k es positiva semidefinida (Golub y Van Loan, 1989) si
b V k b 0, b
T
(A.6)
112
donde b es un vector cualquiera. Cuando una matriz es positiva semidefinida sus valores propios
y los determinantes de ella y de todos sus menores principales son no negativos.
Una condicin suficiente para que el modelo de corregionalizacin lineal sea vlido consiste en
que todas las matrices de corregionalizacin V k sean positivas semidefinidas.
Para el caso general este hecho no es sencillo de verificar, por lo que nos restringiremos a dar las
condiciones que permiten garantizar la validez del modelo de corregionalizacin lineal, para el
caso de dos funciones aleatorias, por ser el caso que mayormente se aplica en la prctica.
y Z 2 ( x ) , es
113
2. Determinar el nmero de estructuras anidadas S + 1 de manera que sea mnimo (es
deseable que sea cuanto ms tres), segn las consideraciones siguientes:
a) Si ijk > 0 entonces iik > 0 y kjj > 0 . Es decir, si una estructura k ( h ) hace
contrario es falso.
b) Si iik > 0 y kjj > 0 no implica nada sobre ijk . Es decir, si una estructura k ( h ) hace
3. Comprobar que todos los determinantes de los menores de orden dos son no negativos.
en caso contrario hacer los cambios necesarios hasta satisfacer la condicin o volver al
paso 2.
Goulard (1989) y Goulard y Voltz (1992), propusieron un algoritmo iterativo para el ajuste de los
coeficientes mediante mnimos cuadrados bajo restricciones de positividad.
114
A.3 Ecuaciones del Cokriging Colocado
A continuacin, primero se mostrar la formulacin general del Cokriging para el caso de dos
funciones aleatorias correlacionadas y luego el mtodo del Cokriging Colocado, por ser ste un
caso particular del primero.
C12 ( x y ) = E Z1 ( x) Z 2 ( y ) (A.10)
n 2
Z i* ( x) = ijk Z j ( x k ), i = 1, 2 (A.12)
k =1 j =1
115
El sistema de ecuaciones del Cokriging (A.13) se puede escribir tambin en forma matricial
como:
K = D (A.15)
donde
Como ya se mencion, es un caso particular del Cokriging y se aplica cuando tenemos dos
variables correlacionadas pero una de ellas est muestreada en la misma malla de la estimacin,
mayormente en una malla regular como es el caso de las imgenes.
puntos (en los pozos) y la variable auxiliar Z 2 ( x ) (impedancia acstica) es conocida en todos los
116
puntos de la malla de estimacin (con la resolucin de la ssmica). A la variable Z1 ( x ) la
La idea del Cokriging colocado consiste en considerar para la estimacin de la variable primaria
los n valores que estn dentro de la vecindad del punto a estimar como en el cokriging, pero slo
considerar el valor de la variable secundaria que se encuentra asociado al punto a estimar, puesto
que tenemos valores de la propiedad secundaria en todos los puntos de la malla de la estimacin.
Esto simplifica la forma del estimador con relacin a la que se usa en el cokriging.
Esto trae como ventajas que no se requiere conocer el modelo de corregionalizacin lineal, sino
solamente los modelos de los variogramas simples para Z1 ( x ) y Z 2 ( x ) , y el coeficiente de
117