Introduccin a la geostadstica

Dr. Jos Luis Arum R.

Ingeniero Civil Ph. D.
Variables distribuidas espacialmente
Las variables distribuidas espacialmente corresponden a datos que poseen cierta
ubicacin en el espacio, por lo que usualmente son estudiados a travs de mapas.
En general nos interesa el estudio de algn aspecto de estos datos ya sea sus
valores mximos, mnimos o medios sobre alguna rea de inters.

Estas variables cumplen con el principio siguiente: aquellas cosas que estn ms
cerca se pueden parecer ms que aquellas ms separadas. Esto quiere decir que
la correlacin entre valores de una propiedad medida en puntos cercanos tiende a
ser mayor que la correlacin de valores medidos en punto distantes. La estadstica
tradicional no es capaz de incorporar este principio de ah el origen del estudio de
la geoestadstica.

Muestreo
Muestreo irregular



Muestreo regular
y
1
, y
1
,u
1
x
5
, y
5
,u
5

x
3
, y
3,
,u
3
x
4
, y
4
,u
4
x
2
, y
2
,u
2
x
6
, y
6
,u
6

y
1
, y
1
,u
1
x
5
, y
5
,u
5

x
3
, y
3,
,u
3
x
4
, y
4
,u
4
x
2
, y
2
,u
2
x
6
, y
6
,u
6

Problema
Dado un conjunto de datos medidos en
ciertos puntos debemos estimar la variable
en otros puntos
y
1
, y
1
,u
1
x
5
, y
5
,u
5

x
3
, y
3,
,u
3
x
4
, y
4
,u
4
x
2
, y
2
,u
2
x, y

,

Dado un conjunto de datos medidos en ciertos
puntos debemos estimar la distribucin de la
variable
Datos
Cuadrcula con valores nodales Distribucin espacial
de la variable
Algunas tcnicas clsicas
Polgonos de Thiessen



Triangulacin con interpolacin
Es necesario desarrollar mtodos mas precisos, con base
matemtica y sistematizables
Kriging
Mtodo para realizar estimaciones lineales no sesgadas

=
=
n
i
i i
x Z x Z
1
0
^
) ( ) (
Valor a estimar en
algn punto
especfico
valor de la variable
en puntos
muestreados cercanos
al lugar a interpolar
Peso o ponderacin que se le da a cada uno
de los valores observados de la variable en el
lugar Xi, para todo i desde uno hasta n
La interpolacin lineal puntual se puede expresar por medio de la siguiente ecuacin
n i
n
j
i j i j
x x R x x R
. . . 1
, ) , ( ) , (
1
0 =
= +

=
v

=
=
m
j
j
1
1
Los valores de corresponden a pesos que son calculados
mediante un sistema de n+1 ecuaciones
En este sistema existen n incognitas (
i
...
n
) mas el
multiplicador de Lagrange v
) , (
j i
x x R Covarianza entre los puntos x
i
y x
j
separados a una distancia dada
Consideremos los puntos separados a una
distancia L,



La Correlacin entre estos puntos esta dada
por:
y
1
, y
1
,u
1
x
5
, y
5
,u
5

x
3
, y
3,
,u
3
x
4
, y
4
,u
4
x
2
, y
2
,u
2
) ( ) (
) , (
) (
j i
j i
x x
x x R
L Cor
o o
=
x
1
x
5

x
3
x
4
x
2
x
6

x
8
x
12
x
9
x
10
x
7
x
5

x
11

L
3L
4L
2L
Despus se calcula para todos los pares de puntos ubicados a
una distancia entre L y 2L, y as sucesivamente.

A menor distancia mayor correlacin
La distancia a la cual la correlacin
desaparece se denomina rango

Correlograma:
L
Cor(L)
Cor(0)= Meseta = o
2

Cor(rango) = 0
Rango
Meseta
Variograma
El variograma es el complemento del
Correlograma
L
(0)= 0
(rango) = Meseta
Rango
Meseta
x
1
x
5

x
3
x
4
x
2
x
6

x
8
x
12
x
9
x
10
x
7
x
5

x
11

L
3L
4L
2L
Despus se calcula para todos los pares de puntos ubicados a
una distancia entre L y 2L, y as sucesivamente.

Modelos de variogramas
Luego el Kriging queda descrito de la
siguiente manera:

=
=
n
i
i i
x Z x Z
1
0
^
) ( ) (
n i
n
j
i j i j
x x x x
. . . 1
, ) , ( ) , (
1
0 =
= +

=
v

=
=
m
j
j
1
1
Donde
Ejemplo
Datos del
Lago Walker
Variograma experimental
Se debe ajustar un modelo de variograma
Modelo
Matriz de anisotropia
Ejemplo

Consideremos el caso de Nebraska
Valle del Ro Platte