05 Estacionaridad y representatividad

Estacionaridad

Variable regionalizada es una realizacin de la funcin

aleatoria

Imposible inferir la funcin aleatoria Z(x) con slo una

realizacin z(x) (los datos).
Qu sentido tiene F(z) si solamente tenemos un dato en
cada posicin?

Asumiendo que la misma funcin aleatoria se aplica a todas

las coordenadas (ubicaciones o tiempo) x, podemos usar la
informacin z(x) para inferir la funcin aleatoria implcita
Z(x).

Estacionaridad

UNSCH
Estacionaridad

Le da sentido al formalismo de la funcin aleatoria

Permite hacer inferencia a partir de una sola realizacin
Es una decisin, no una hiptesis

Es una propiedad del modelo, no de los datos:

Un modelo estacionario se ajusta (o no) a los datos

UNSCH
Estacionaridad

Estacionaridad estricta: se asume que la ley espacial (distribucin multivariable (o,

mejor, multipunto)) es invariante por traslacin. Es decir, la relacin espacial entre
puntos en una determinada configuracin espacial, se mantiene independiente de
dnde est situada dicha configuracin.

Estacionaridad de segundo orden: una funcin aleatoria es estacionaria de segundo

orden cuando su esperanza matemtica existe y es constante y cuando para
cualquier par de puntos, la covarianza existe y slo depende del vector de
separacin entre los puntos:

E ( Z (u)) m
u D
Cov ( Z (u), Z (u h)) C (h)
Implica la siguiente relacin: (h) C (0)ylaCexistencia
(h) del variograma

UNSCH
Estacionaridad

Casi-Estacionaridad de segundo orden: cuando esta relacin se cumple a una

escala pequea (radio de bsqueda del plan de kriging).

Considerar la posibilidad de subdividir el rea en subzonas ms homogneas

Modelamiento geolgico (unidades de estimacin)

UNSCH
Representatividad

La muestra debe ser representativa del rea o poblacin

La representatividad de la muestra debiera cuestionarse siempre que los datos

no estn dispersos uniformemente sobre el rea (sesgo espacial), el cual
desafortunadamente es a menudo el caso en aplicaciones de ciencias de la
tierra.
- rea a explotar en los primeros aos
- rea de ms alta ley (anomala)

Se dice que el muestreo es preferencial (sesgado) si la ubicacin de los datos

no es regular ni est aleatoriamente distribuida sobre el rea.
Condiciones de accesibilidad
Valores esperados del atributo: el muestreo es a menudo ms denso en reas que son
consideradas crticas
Estrategia de muestreo: Ubicaciones agrupadas pueden haberse muestreado para
caracterizar la variabilidad de pequea escala

UNSCH
Representatividad

Restricciones tcnicas y econmicas

Delineacin de zonas de inters econmico
Accesibilidad

UNSCH
Representatividad

Histograma Variograma Datos Condicionantes

Muy sensible a estadsticas de
entrada

Funcin de
Transferencia

Modelo numrico
Respuesta
Mltiples realizaciones

UNSCH
Representatividad

Realizaciones

Fluctuaciones
Ergdicas (media
+
En una espacio
medible)
Histograma

No hay desagrupamiento o remocin del sesgo espacial

inherente en los algoritmos de simulacin geoestadstica

UNSCH
Desagrupamiento

Las tcnicas de desagrupamiento (declustering) permiten

obtener estadsticas representativas

Varios mtodos:
Mtodo de las celdas
Mtodo de los polgonos
Pesos de kriging ordinario

La idea es cambiar las frecuencias (pesos) de las muestras

en funcin de su representatividad:
Donde hay ms muestras, stas informan menos acerca del
fenmeno (ms redundantes)
Donde hay menos muestras, stas son ms informativas

UNSCH
Desagrupamiento
Una forma de corregir el muestreo preferencial consiste en la retencin solamente
de los datos regularmente espaciados adecuado si hay suficiente informacin al
utilizar slo grilla regular para inferencia

yn
i

Cuando la escasez de datos no permite dejar los valores agrupados, las reas ms
densamente muestreadas debieran recibir menor ponderacin que las datos en
reas menos muestreadas
UNSCH
Desagrupamiento

Mtodo de las celdas

Ponderar las muestras en funcin de su peso en una celda

UNSCH
Desagrupamiento

Mtodo de las celdas

- Ponderar las muestras en funcin de su peso en una celda

UNSCH
Desagrupamiento

Mtodo de las celdas

Cambio en la media depende fuertemente de deriva en los
datos
Se recomienda utilizar el tamao que se deduce de la malla de
sondajes

UNSCH
Desagrupamiento

Mtodo de los polgonos

Ponderar el valor de cada muestra por el volumen de influencia

Requiere conocer los

lmites del dominio
En 3D es
computacionalmente
difcil de programar
Muy fcil de aproximar
numricamente
Si los lmites del dominio
son conocidos, da buenos
resultados

UNSCH
 Desagrupamiento

Slo aplicado para corregir la

distribucin
Se ponderan las frecuencias de las
muestras
Los valores de las muestran no cambian
Los ponderadores se calculan por celda,
poligonal u otras tcnicas.

UNSCH
 Derivas
En la mayora de los casos alguna clase de deriva est
presente en el fenmeno
Los fenmenos de inters son anomalas
No estacionarios
Escala de la deriva es importante

30 14

zona
25 pobre 12

20 10
z(x)
z(x)
15 8

10 6

5 4
zona rica

0 2
0 200 400 0 20 40
global local

UNSCH
 Derivas
Modelamiento de la
deriva es subjetivo
Modelo resultante es
funcin de cmo se
model la deriva
Extremos:

El modelo de la deriva
captura toda la variabilidad y
el residuo es ruido puro
(efecto pepita)

La variabilidad se reparte
entre el modelo de la deriva y
la estructura de los residuos
UNSCH