2 Geoestadistica Curso

ESCUELA PROFESIONAL DE
INGENIERIA MINAS
CURSO:
GeoEstadística
ING. Darwin Ortega Cáceres
Ing. Darwin Ortega Cáceres - MI 548 1

Capitulo II
Análisis Estructural
2.1. Introducción
El análisis estructural es uno de los tópicos mas importantes de la geoestadística
puesto que se encarga de la caracterización de la estructura espacial de una propiedad
o fenómeno regionalizado. Es el proceso en el marco del cual se obtiene un modelo
geoestadístico para la función aleatoria que se estudia.

Capitulo II
2.1. Introducción
En pocas palabras podemos decir que el análisis estructural consiste en estimar y

modelar una función que refleje la correlación espacial de la variable regionalizada a
partir de la adopción razonada de la hipótesis más adecuada acerca de su variabilidad.
Esto quiere decir, que en dependencia de las características de estacionaridad del
fenómeno se modelará la función de covarianzas o la de semivarianzas.

Capitulo II
2.1. Introducción
En pocas palabras podemos decir que el análisis estructural consiste en estimar y

modelar una función que refleje la correlación espacial de la variable regionalizada a
partir de la adopción razonada de la hipótesis más adecuada acerca de su variabilidad.
Esto quiere decir, que en dependencia de las características de estacionaridad del
fenómeno se modelará la función de covarianzas o la de semivarianzas.
Por su importancia y generalidad estudiaremos el proceso de estimación y modelación

de la función de semivariograma.

Capitulo II
2.2. El Semivariograma
El primer paso en un análisis geoestadistico es la variografia. Esto implica

calcular y modelar el variograma.
El semivariograma es la herramienta básica de la geoestadistica en la

medición de la autocorrelacion espacial de una variable regionalizada.
Como su nombre implica, un semivariograma es un método de medir
varianza.

Capitulo II
2.2. El Semivariograma
Si bien existen procedimientos para modelar un semivariograma a través

de métodos iterativos de mínimos cuadrados, en la practica se
recomienda una detallada observación del modelo ajustado al
comportamiento exhibido por los datos. Finalmente, un modelo
adecuadamente ajustado permitirá el calculo de estimativos que
reflejaran la correlación espacial de la variable tratada.

Capitulo II
2.2. El Variograma
Es la herramienta central de la geoestadística. Permite la cuantificación de los
parámetros geológicos y expresa la correlación espacial entre los valores muestreados.
Dada una variable regionalizada Z(x) que cumpla la Hipótesis Intrínseca entonces
existe la función semivarianza y se define como sigue:

Capitulo II
2.2. El Variograma

Capitulo II
2.2. El Variograma
El semivariograma es una función que relaciona la semivarianza con el vector h

conocido como "lag", el cual denota la separación en distancia y dirección de
cualquierpar de valores Z (x) y Z (x + h) .

Capitulo II
2.2. El Variograma
Al igual que la bien conocida varianza de la estadistica basica, el

semivariograma es una suma de cuadrados dividida por el numero n de
diferencias en la muestra. A diferencia de la varianza de la respecto a una
media usada en estadistica clasica, el semivariograma mide la diferencia
de un dato respecto a otro.

Capitulo II
2.2. El Variograma
Cuando una variable es medida a intervalos regulares dentro de un

trayecto, se puede calcular el valor del semivariograma para valores
enteros de h. Pero bien sabemos que en la ingeniería de Minas, petroleos
y la geología, muestras tomadas en intervalos irregularmente espaciados
es lo normal. Así que el primer problema que se tiene cuando se trata de
construir el semivariograma es que para cualquier valor de h escogido se
tendrán muy pocos datos que estén separados exactamente por una
distancia h.

Capitulo II
2.2. El Variograma
De hecho, este problema ocurre igualmente cuando se trata de definir una

dirección para el semivariograma. Pero ya que esta es la realidad con la
que se debe tratar, podría pensarse en una solución practica como la
siguiente: Aceptar cualquier par de datos cuya separación y dirección es
mas o menos cercana a h y θ, respectivamente. Es decir, se ha introducido
un valor de tolerancia y así cualquier par de puntos que se encuentren en
el área sombreada que se muestra en la Figura se asume que están
exactamente a una distancia h y a una dirección θ.

Capitulo II
2.2. El Variograma

Capitulo II
2.2. El Variograma
2.2.1. Elementos del Variograma
El variograma es una función monótona creciente, ya que a medida que

aumenta la distancia h al menos teóricamente, aumenta el valor medio de la
diferencia cuadrática de los valores de la función aleatoria, hasta llegar a un
valor limite denominado meseta, la meseta se alcanza para un valor de h
conocido, llamado rango o alcance.

Capitulo II
2.2. El Variograma
El rango determina la zona de influencia en torno a un punto, mas allá del

cual la autocorrelación es nula. Sin embargo, no todos los variogramas
alcanzan una meseta. Es posible que un variograma no tienda
asintóticamente a la varianza, sino que tienda al infinito cuando así lo haga h.

Capitulo II
2.2. El Variograma
El variograma representa la tasa media de cambio de una propiedad con la

distancia. El hecho de que dos observaciones próximas sean mas parecidas
que si estuvieran mas separadas se refleja en el concepto de Variograma. La
dependencia a medida que se incrementa la distancia h, hasta alcanzar el
valor del rango.

Capitulo II
2.2. El Variograma
Fig. Variogramas con meseta (izq) y sin meseta (der)

Capitulo II
2.2. El Variograma
Efecto Nugget o Efecto Pepita:

Aunque el valor del variograma cuando h = 0 es estrictamente 0, varios
factores, tales como el error al momento de tomar los datos y la
variabilidad a pequeña escala, pueden causar que valores separados por
distancias muy cortas sean extremadamente diferentes. Esto causa una
discontinuidad en el origen del variograma.

Capitulo II
2.2. El Variograma
Este salto vertical desde el origen hasta el valor exhibido por el variograma
es llamado el efecto nugget. La razón entre el efecto nugget y la meseta es
conocida como el efecto nugget relativo y es usualmente reportado en
porcentaje.

Capitulo II
2.2. El Variograma
Modelos teóricos de variograma.
2.2.2. Características Estructurales que Reflejan los Variogramas
2.2.2.1. Formas de Variogramas
previamente veamos los siguientes conceptos:

Capitulo II
2.2. El Variograma
CONTINUIDAD Y REGULARIDAD
La continuidad y la regularidad en el espacio de una FA Z(x) y por ende, de
la Variable Regionalizada que representa; está relacionada al
comportamiento de su γ(h) en la vecindad al origen.

Capitulo II
2.2. El Variograma

Continuidad y Derivación en Media Cuadrática
Se dirá que la FA Z(x) es continua en media cuadrática si se tiene:
E([Z(x+h) – Z(x)]2) → 0 cuando | h | → 0
se dice que una FA Z(x) es derivable en media cuadrática y que Zi(x) es su derivada si:
Lim E{ Z(x+h) – Z(x) - Zi(x)}2 =0

|h|→0 h

Capitulo II
2.2. El Variograma
Las principales características estructurales de un yacimiento, reflejados
por los variogramas, que son de mucha utilidad en los trabajos de
interpretación del yacimiento; podemos citar los siguientes:

Capitulo II
2.2. El Variograma
I.- COMPORTAMIENTO DEL VARIOGRAMA CERCA AL ORIGEN :
TIPOS DE VARIOGRAMA

Capitulo II
2.2. El Variograma
1.- Continuidad
El comportamiento del variograma al origen nos proporciona una idea de

continuidad de la variable en el espacio, se pueden presentar los
siguientes casos:

Capitulo II
2.2. El Variograma
1.1.- Comportamiento Parabólico.-
cuando las variables son muy continuas
el aspecto del variograma cerca al origen
será el de una curva parabólica
Ejm. Potencia de una manto o estrato
(yacimiento de carbón)

Capitulo II
2.2. El Variograma
1.2.- Comportamiento Lineal.-
Un comportamiento lineal
cerca al origen indica una
continuidad mediana o en
promedio. Es caracterizado por
una tangente oblicua al origen.
Este variograma es frecuente
para yacimientos metálicos,
cuya variable regionalizada es
la ley.

Capitulo II
2.2. El Variograma
1.2.- Comportamiento Lineal.-
Un comportamiento lineal
cerca al origen indica una
continuidad mediana o en
promedio. Es caracterizado por
una tangente oblicua al origen.
Este variograma es frecuente
para yacimientos metálicos,
cuya variable regionalizada es
la ley.

Capitulo II
2.2. El Variograma
1.3.- Discontinuidad al Origen.-
Sin embargo, con frecuencia se

tiene VARIOGRAMAS que
presentan discontinuidad al
origen, lo cual por lo general nos
indica la presencia de una
subestructura a escala inferior a
la escala de trabajo; tal
discontinuidad refleja la
existencia de un efecto de
PEPITA,
Capitulo II
2.2. El Variograma
término que proviene de los

yacimientos sedimentarios de
oro en los que la presencia de
una pepita puede hacer variar
de manera considerable las
leyes de dos sondajes vecinos.

Capitulo II
2.2. El Variograma

Capitulo II
2.2. El Variograma
1.4.- Efecto de Pepita Puro
Si el variograma no depende de
h, esto significa que hay
independencia entre las
variables, por tanto:
γ(h) = C0 ≈ constante
Esto significa:

Capitulo II
2.2. El Variograma
• Que en promedio la deferencia [Z(x+h) – Z(x)] no depende de las

ubicaciones relativas de x ni de x+h
• En este único caso la estadística encontrará los mismos resultados que la

geoestadística.

Capitulo II
2.2. El Variograma
• En la figura se observa, no presenta la parte estructurada, lo cual indica la

total ausencia de autocorrelación de la variable estudiada. Lo cual nos
confirma el hecho de que en mineria y geología no tratamos con
distribuciones al azar (como se supone en estadística), sino que estamos
tratando con variables que siguen cierto patrón de distribución del cual
podemos obtener cierta información a través del variograma.

Capitulo II
2.2. El Variograma
Solo en casos muy excepcionales es válida la hipótesis de distribución al

azar. Tal es el caso de algunos yacimientos de oro tipo aluvial, donde los
procesos geológicos de selección natural no tienen el tiempo suficiente
para imprimir un patrón de distribución, lo que hace que el oro se
encuentre diseminado prácticamente al azar, esto ocurre cuando:

Capitulo II
2.2. El Variograma

Capitulo II
2.2. El Variograma
2.- Área o zona de influencia (carácter estructural del yacimiento)
En el caso estacionario de orden 2, el alcance a(A) en la dirección A es el

valor de la distancia más allá de la cual, en esa dirección Z(x) y Z(x+h) no
están correlacionadas o su correlación es insignificante o sea, el fenómeno
hasta una distancia “a” es totalmente estructurado, más allá de “a”, el
fenómeno es aleatorio. Es decir, más allá de “a”, las variables son
independientes y la estadística encontrará los mismos resultados que la
geoestadística, hasta a=h.

Capitulo II
2.2. El Variograma

Capitulo II
2.2. El Variograma
Esta parámetro “a” nos brinda una información importante: la razón de

influencia de un punto, canal o sondaje de muestreo, concepto que se
emplea en el dimensionamiento óptimo de redes de muestreo, de paneles
de cubicación o de explotación, etc. El fenómeno, hasta una distancia “a”
es totalmente estructurado, más allá de “a”, el fenómeno es aleatorio.

Capitulo II
2.2. El Variograma
De acuerdo a ello: debemos distinguir, la existencia de VARIOGRAMAS con

mesetas y sin mesetas.
Los variogramas con mestas, comienzan a crecer (la discrepancia media
entre dos valores cualesquiera aumenta) hasta alcanzar un punto h = a en
que esa discrepancia media (que es una medida del grado de dependencia
entre esos valores) llega a ser independiente de la distancia h que los
separa a esos valores (alcanza la meseta): el alcance “a” determina la zona
o área de influencia de una muestra cualquiera ubicada en el punto x del
depósito.

Capitulo II
2.2. El Variograma
Si la muestra tiene un alcance “a”, en la dirección en que se determinó el

variograma, la zona de influencia de una muestra en esa dirección será de
2ª.
El área de influencia de un taladro, es la zona dentro de la cual cualquier

sondaje es correlacionado con él, si dos muestras son cercanos, γ(h) es
pequeño. γ(h) crece con h hasta que se llegue en h = a.

Capitulo II
2.2. El Variograma
3.- Efecto Pepita
Esta terminología proviene de los yacimientos de oro, donde la presencia

de una o varias pepitas hacen variar de manera considerable las leyes de
las muestras vecinas.

Capitulo II
2.2. El Variograma
3.- Efecto Pepita
Esta terminología proviene de los yacimientos de oro, donde la presencia

de una o varias pepitas hacen variar de manera considerable las leyes de
las muestras vecinas.
En este caso el variograma presentará una discontinuidad cerca al origen.

Es importante señalar que tal discontinuidad puede tener como causa, no
solamente una o varias pepitas, sino también errores de medida. Sólo el
estudio a pequeña escala permitirá dilucidar cual es el origen del efecto
pepita.

Capitulo II
2.2. El Variograma
4.- Anisotropías del Yacimiento
Como se comprenderá, la continuidad de la mineralización y por lo tanto

la función γ(h) varían de acuerdo a la dirección en que aquella se estudie;
de este modo el γ(h) es una función de tipo vectorial. El concepto de
anisotropía está asociado al concepto de tendencia (trend).

Capitulo II
2.2. El Variograma
Como se comprenderá, la continuidad de la mineralización y por lo tanto

la función γ(h) varían de acuerdo a la dirección en que aquella se estudie;
de este modo el γ(h) es una función de tipo vectorial. El concepto de
anisotropía está asociado al concepto de tendencia (trend).
• De acuerdo a esto se distinguirán los siguientes tipos de yacimientos:

Capitulo II
2.2. El Variograma
1.- Yacimientos Isótropos.- tienen variogramas iguales en todas las direcciones.
2.- Yacimientos Anisótropos.- variogramas diferentes.

Capitulo II
2.2. El Variograma
2.1.- Yac. con Anisotropía

Geométrica.- los variogramas
difieren sólo en el alcance,
manteniendo igual meseta.

Capitulo II
2.2. El Variograma
2.2.- Yac. con anisotropía zonal.-

Los variogramas presentan mesetas
diferentes. En este caso, la
continuidad presenta variaciones
importantes en una dirección
determinada.

Capitulo II
2.2. El Variograma
Mas sobre Modelos teóricos de variograma
Cada varianza calculada para una separacion particular es solamente un estimador de

un semivariograma media para esa separacion y como tal esta sujeta a error. Este
error, que crece grandemente por las fluctuaciones muestrales, da al variograma
experimental una apariencia mas o menos inestable. El verdadero variograma que
representa la variacion regional es continua y es el variograma que realmente se
quiere conocer.

Capitulo II
2.2. El Variograma
Modelos teóricos de variograma
Por lo que una vez que se han definido los puntos del variograma experimental, será
necesario ajustar un modelo teórico a dichos puntos. Esto se debe a la imposibilidad
de trabajar con el variograma experimental, que carece de una función matemática
precisa (o al menos difícil de caracterizar), y a la necesidad de extender los valores del
variograma mas allá de la distancia máxima definida. También, por el contrario, será

Capitulo II
2.2. El Variograma
necesario la extensión del variograma a distancias próximas a cero y así tambien para
poder cuantificar el grado y escala de variación espacial. Este modelo teórico será
utilizado posteriormente para interpolar en el espacio el valor de la variable en sitios
no muestreados, ya que para ello se requiere variogramas a separaciones para las
cuales no se tienen comparaciones directamente y dicho modelo ayudara para su
calculo.

Capitulo II
2.2. El Variograma
Existen numerosos modelos que se utilizan en geostadistica, siendo los mas

comúnmente usados el modelo esférico, el modelo exponencial, el modelo gaussiano
y el modelo lineal.

Capitulo II
2.2. El Variograma
Figura 4.2: Función de semivarianza experimental en dos direcciones para un conjunto de datos hipotéticos.
Capitulo II
2.2. El Variograma
• Sólo ciertas funciones pueden ser consideradas modelos válidos de variogramas y se
dicen que son modelos autorizados.
• El hecho de probar si una función dada es aceptable o no, está relacionado con el
examen de su Transformada de Fourier Christakos [1984] obtuvo las condiciones que
el espectro de la función debe reunir para ser un modelo válido.
• Como una propiedad importante se debe destacar que cualquier combinación lineal
de modelos autorizado es también un modelo válido.

Capitulo II
2.2. El Variograma
Modelos transitivos o acotados
Modelo Esférico: El modelo esférico para el semivariograma, esta dado maten
áticamente como:
Donde C es el valor de la meseta, a el rango y h la distancia. Este modelo tiene un

crecimiento rápido cerca al origen, pero los incrementos marginales van decreciendo
para distancias grandes, hasta que para distancias superiores al rango los incrementos
son nulos.

Capitulo II
2.2. El Variograma
Modelos transitivos o acotados.
Modelo Esférico:

Capitulo II
2.2. El Variograma
Modelo Exponencial:
Alcanza la meseta asintóticamente. Se considera que el rango, a, es la distancia para
la cual el valor del variograma es del 95% de la meseta. Como el esférico, muestra un
crecimiento lineal próximo al origen; sin embargo, crece de forma más rápida y luego
se estabiliza más gradualmente.

Capitulo II
2.2. El Variograma
Modelo Exponencial:

Capitulo II
2.2. El Variograma
2.2.2.3. Modelos teóricos de variograma.
2.2.2.3.1. Modelos transitivos o acotados.
2.2.2.3.1.3. Modelo Gaussiano:
Al igual que el modelo exponencial, el modelo tiende a alcanzar la meseta
asintóticamente, y el rango se define como la distancia a la cual el variograma alcanza
el 95% de la meseta. El principal distintivo de este modelo es su forma parabólica
cerca al origen.

Capitulo II
2.2. El Variograma
2.2.2.3.1.3. Modelo Gaussiano:

Capitulo II
2.2. El Variograma
2.2.2.3.1.4. Modelo lineal y lineal generalizado:
Hay otros modelos que no tienen meseta. Su uso puede ser delicado debido a que en
algunos casos indican la presencia de no estacionariedad en alguna dirección
(Clarck, 2001)
Su formula matemática es la siguiente:
Obviamente, cuando el parámetro es igual a uno el modelo es lineal. Para 0 < < 2 el
modelo es lineal generalizado

Capitulo II
2.2. El Variograma
Modelos no acotados.
Modelo de efecto pepita puro :
Es indicativo de carencia de correlación espacial entre las observaciones de una

variable (Fig. 12). Es común sumar este modelo a otro modelo teórico de
semivarianza, para obtener lo que se conoce como semivariograma anidado. Lo
anterior se sustenta en una propiedad de los semivariogramas que dice que cualquier
combinación lineal de semivariogramas con coeficientes positivos es un variograma.
Su expresión matemática es:

Capitulo II
2.2. El Variograma
Modelo de efecto pepita puro :
Formalmente se puede definir como sigue:

Capitulo II
2.2. El Variograma
• Modelo Potencia :
• Modelo logarítmico (Modelo de Wijsian)

Capitulo II
2.2. El Variograma
2.2.2. Variograma Experimental (γ*(h))
El variograma se puede construir experimentalmente con los datos de las muestras o

sondeos disponibles, una serie de puntos. El variograma, refleja muchas propiedades
de la variable en estudio. Entre otras los siguientes:

Capitulo II
2.2. El Variograma
a) Proporciona información de orden estructural de la variable estudiada (la

continuidad de la mineralización).
b) El alcance traduce la existencia de un área de influencia, la meseta indica una
ausencia de correlaciones.
c) Grado de continuidad entre leyes. Está dado en función de su pendiente al origen
del variograma. Puede ser débil, moderado, fuerte.
d) Da una idea de la dimensión del cuerpo mineralizado y ayuda incluso a la
interpretación genética de un depósito mineral.

Capitulo II
2.2. El Variograma
La forma de estimación mas común del semivariograma viene dada por:
donde ( ) N h es el número de pares (iZ xi ) y (Z xi + h) separados a una distancia

h = IhI
Sus características son las siguientes:
- Es un estimador no paramétrico.
- Es óptimo cuando se dispone de una malla regular de muestreo que sea
representativa y la distribución sea normal. En estas condiciones el sesgo es el
mínimo posible.

Capitulo II
2.2. El Variograma
En la práctica a menudo el empleo de este estimador produce variogramas

experimentales erráticos, lo cuál se debe a desviaciones del caso ideal para la
aplicación del mismo.
Estas desviaciones pueden ser enumeradas por su importancia en el orden siguiente:
- Desviaciones en la distribución.
Z (x) y Z (x + h) no pueden ser representadas apropiadamente por una distribución

binormal. Con frecuencia Z (x) es sesgada y con grandes colas.

Capitulo II
2.2. El Variograma
- Heterocedasticidad.
Se dice que los datos son heterocedásticos, si el diagrama del valor medio m contra la
desviación estándar σ , calculadas en vecindades móviles, muestra que la dispersión
de los valores (medidos por σ ) está relacionada con su magnitud (medida por m ). Por
la tanto, por ser el semivariograma una medida de la dispersión, su magnitud está
ligada a la magnitud de los valores de los datos. Cuando se da este tipo de fenómeno,
se dice que existe un efecto proporcional.

Capitulo II
2.2. El Variograma
- Desviaciones en el muestreo.
Las observaciones {Z (xi ), i =1,..., n} de la función aleatoria Z (x) no están distribuidas

espacialmente en forma aleatoria. Consecuentemente se produce un sesgo en el
muestreo es decir en la elección de las localizaciones de las observaciones, tendientes
a estar agrupadas en áreas de altos o bajos valores. Estas desviaciones pueden ser
detectadas mediante un gráfico del número de muestras n contra el valor medio m
para vecindades móviles de un tamaño determinado.

Capitulo II
2.2. El Variograma
- Existencia de valores atípicos (outliers).
Normalmente las observaciones son correctas, pero a veces suelen aparecer

observaciones discordantes que pueden ser debidas a errores humanos y/o mal
funcionamiento de los instrumentos de medición. Si es posible constatar que un valor
de estos es erróneo, lo mejor es eliminarlo, aunque esto no siempre es factible. De ahí
que la eliminación de estas observaciones puedan causar una subestimación del
potencial de un área.

Capitulo II
2.2. El Variograma
2.2.2.1. Consideraciones prácticas para el cómputo del Variograma
Para el cómputo del variograma es necesario tener en cuenta algunas reglas prácticas
que permiten elevar la eficiencia y la calidad de la estimación, independientemente
del tipo de estimador que se utilice.
Estas reglas son las siguientes:
- En la estimación del semivariograma los pares de las observaciones se agrupan

según la distancia dentro de un intervalo h = IhI con una tolerancia ± Δh 2 y dentro de
una dirección θ con una tolerancia ± Δθ/2 . El semivariograma así estimado es
considerado suavizado o regularizado.

Capitulo II
2.2. El Variograma
- El semivariograma muestral debe ser considerado solamente para pequeñas

distancias por lo que generalmente, se estima para valores de h menores que la mitad
de la distancia máxima ( IhI < dmax/2 ).
- La elección del número de intervalos es arbitraria. No obstante se considera

que un número máximo de 25 intervalos es suficiente para cualquier
propósito, y un mínimo de 10 debe ser usado para determinar con precisión
el rango y la meseta del semivariograma.

Capitulo II
2.2. El Variograma
- El largo de los intervalos debe ser elegido de forma tal que el número de pares en
cada intervalo sea lo suficientemente grande para que el estimado del semivariograma
sea relativamente estable. Se considera que entre 30 y 50 pares satisfacen este
requerimiento.
- Los valores estimados para cada intervalo se deben graficar contra la distancia
promedio de todos los pares que se encuentran dentro de dicho intervalo.

Capitulo II
2.2. El Variograma
2.2.2.2. Formas generales del variograma experimental.
En sentido amplio se considera por su forma que hay dos tipos principales de
semivariogramas. En el primer tipo, la semivarianza se incrementa con el incremento
del valor absoluto del intervalo |h| hasta alcanzar un valor máximo a partir del cuál se
mantiene relativamente constante y oscila alrededor del mismo. Estos variogramas
son conocidos como de tipo transitivo. El valor del intervalo a partir del cual el
variograma no se incrementa es conocido como alcance o rango (radio de correlación)
y marca el límite de la dependencia espacial de la propiedad. La varianza máxima es
conocida como "sill" o meseta del variograma y teóricamente debe coincidir con la
varianza a priori σ2 de la muestra de la función aleatoria Z (x) .

Capitulo II
2.2. El Variograma
Una variable con este tipo de semivariograma no sólo cumple la hipótesis intrínseca,
sino también es estacionaria de segundo orden. Esto significa que su valor esperado es
Constante.
y la función de covarianza existe y está definida por:

Capitulo II
2.2. El Variograma
y el semivariograma está relacionado con las funciones de covarianza y de

autocorrelación como sigue:
donde σ2 = C(0) es la varianza de la muestra, también conocida como varianza a priori,

de la función aleatoria Z (x).

Capitulo II
2.2. El Variograma
El segundo tipo de semivariograma aparenta un incremento sin límites, es decir son no

acotados, por esto no presentan una varianza a priori finita.
Un aspecto del variograma que es importante señalar es que por definición γ (0) = 0
pero en la práctica el variograma muestral γ * (h) cuando IhI tiende a cero no
necesariamente se anula.

Capitulo II
2.2. El Variograma
Esto es conocido como efecto "nugget" o pepita, y el valor del semivariograma en cero
γ (0) es conocido como la varianza "nugget" o microvarianza. En principio esto puede
ocurrir solamente si existen discontinuidades en la función aleatoria. En la práctica su
existencia de debe a la variación espacial que no puede explicar el variograma debido
a la escala del muestreo. Para un material continuamente variable el efecto nugget se
produce a partir de la contribución de los errores de medición y la variación a
distancias mucho menores que el intervalo de muestreo más pequeño.

Capitulo II
2.2. El Variograma

Capitulo II
2.2. El Variograma
2.2.2.3. Cálculo del variograma para mallas irregulares.
Lo anterior visto es para mallas de tipo regular (espaciados a distancias iguales)
En el caso bidimensional, para mallas irregulares la situación es la siguiente:

Capitulo II
2.2. El Variograma
. Puede ocurrir que no existan valores de la variable a la distancia h
. Puede ocurrir que no existan valores de la variable en la dirección ɵ

Capitulo II
2.2. El Variograma
- Clases de Distancia.
Es necesario entonces introducir aproximaciones para el cálculo de γ(h).
Para cada rango h se define una tolerancia hy se utilizan únicamente los
puntos que se encuentran a una distancia mayor o igual a h  h y menor
que h  h z  x3 
zx  z  x5 
z  x1 
2
z  x4 
h
2h
3h
Capitulo II
2.2. El Variograma
El valor de h se escoge como el 50% del valor del rango h. De esta forma:
- Las clases de distancia no se superponen
- No hay valores de la variable fuera de una clase de distancia

Capitulo II
2.2. El Variograma
El valor de h se escoge como el 50% del valor del rango h. De esta forma:
- Las clases de distancia no se superponen
- No hay valores de la variable fuera de una clase de distancia

Capitulo II
2.2. El Variograma
- Clases de Dirección.
Para cada dirección ɵ se define una tolerancia 
y se utilizan únicamente los puntos que se encuentran entre las direcciones    y
  
Aproximación : Método de los sectores. Se basa en la aproximación siguiente:

“Dos puntos están aproximadamente a la distancia h si una vez fijado el
primero, el segundo cae en la zona de la figura”:

Capitulo II
2.2. El Variograma
Si el punto P2 cae en la zona amarilla, entonces se dice que P1 y P2 están

aproximadamente a la distancia h.

Capitulo II
2.2. El Variograma
La elección de θ y ε depende de la distribución espacial de los datos y de la

práctica.
En algunos casos la práctica recomienda utilizar θ = 22.5º y ε = 0.5h, en que h

es la distancia mínima, llamada paso, para el cálculo de γ(h).

Capitulo II
2.2. El Variograma
El paso en una dirección dada se puede determinar como la distancia entre

datos aproximadamente contiguos en esa dirección.
El método de aproximación presenta problemas:
- Puede caer más de un punto en la zona. En este caso se consideran las

diferencias en el cálculo.
- si lhl es grande, como el ángulo se abre, la aproximación tiende a ser
grosera.
- Se considera otro tipo de zona para evitar este problema (figura)

Capitulo II
2.2. El Variograma
- Figura de Búsqueda.

Capitulo II
2.2. El Variograma
- Figura de Búsqueda.

2 Geoestadistica Curso

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

2 Geoestadistica Curso

Uploaded by

Copyright:

Available Formats

ESCUELA PROFESIONAL DE

ING. Darwin Ortega Cáceres

Ing. Darwin Ortega Cáceres - MI 548 1

Ing. Darwin Ortega Cáceres - MI 441 2

En pocas palabras podemos decir que el análisis estructural consiste en estimar y

Ing. Darwin Ortega Cáceres - MI 441 3

En pocas palabras podemos decir que el análisis estructural consiste en estimar y

Por su importancia y generalidad estudiaremos el proceso de estimación y modelación

Ing. Darwin Ortega Cáceres - MI 441 4

El primer paso en un análisis geoestadistico es la variografia. Esto implica

El semivariograma es la herramienta básica de la geoestadistica en la

Ing. Darwin Ortega Cáceres - MI 441 5

Si bien existen procedimientos para modelar un semivariograma a través

Ing. Darwin Ortega Cáceres - MI 441 6

Ing. Darwin Ortega Cáceres - MI 441 7

Ing. Darwin Ortega Cáceres - MI 441 8

El semivariograma es una función que relaciona la semivarianza con el vector h

Ing. Darwin Ortega Cáceres - MI 441 9

Al igual que la bien conocida varianza de la estadistica basica, el

Ing. Darwin Ortega Cáceres - MI 441 10

Cuando una variable es medida a intervalos regulares dentro de un

Ing. Darwin Ortega Cáceres - MI 441 11

De hecho, este problema ocurre igualmente cuando se trata de definir una

Ing. Darwin Ortega Cáceres - MI 441 12

Ing. Darwin Ortega Cáceres - MI 441 13

El variograma es una función monótona creciente, ya que a medida que

Ing. Darwin Ortega Cáceres - MI 441 14

El rango determina la zona de influencia en torno a un punto, mas allá del

Ing. Darwin Ortega Cáceres - MI 441 15

El variograma representa la tasa media de cambio de una propiedad con la

Ing. Darwin Ortega Cáceres - MI 441 16

Fig. Variogramas con meseta (izq) y sin meseta (der)

Ing. Darwin Ortega Cáceres - MI 441 17

Efecto Nugget o Efecto Pepita:

Ing. Darwin Ortega Cáceres - MI 441 18

Ing. Darwin Ortega Cáceres - MI 441 19

2.2.2. Características Estructurales que Reflejan los Variogramas

2.2.2.1. Formas de Variogramas

previamente veamos los siguientes conceptos:

Ing. Darwin Ortega Cáceres - MI 441 20

Ing. Darwin Ortega Cáceres - MI 441 21

Modelos teóricos de variograma.

Se dirá que la FA Z(x) es continua en media cuadrática si se tiene:

E([Z(x+h) – Z(x)]2) → 0 cuando | h | → 0

Lim E{ Z(x+h) – Z(x) - Zi(x)}2 =0

Ing. Darwin Ortega Cáceres - MI 441 22

Ing. Darwin Ortega Cáceres - MI 441 23

I.- COMPORTAMIENTO DEL VARIOGRAMA CERCA AL ORIGEN :

Ing. Darwin Ortega Cáceres - MI 441 24

Modelos teóricos de variograma.

El comportamiento del variograma al origen nos proporciona una idea de

Ing. Darwin Ortega Cáceres - MI 441 25

Ing. Darwin Ortega Cáceres - MI 441 26

Ing. Darwin Ortega Cáceres - MI 441 27

Ing. Darwin Ortega Cáceres - MI 441 28

Sin embargo, con frecuencia se

término que proviene de los

Ing. Darwin Ortega Cáceres - MI 441 30

Ing. Darwin Ortega Cáceres - MI 441 31

Ing. Darwin Ortega Cáceres - MI 441 32

• Que en promedio la deferencia [Z(x+h) – Z(x)] no depende de las

• En este único caso la estadística encontrará los mismos resultados que la

Ing. Darwin Ortega Cáceres - MI 441 33