Curso de Geoestadstica

3. Anlisis Estructural
Ramn Giraldo H.
PhD. Estadstica
Profesor Departamento de Estadstica
Universidad Nacional de Colombia
Variable Regionalizada
Es un proceso estocstico con dominio
definido en un espacio euclidiano m-
dimensional R
m



Si m = 2, Z(x), a una variable aleatoria
medida en un punto x del plano.
D: Fijo y Continuo.
Estacionariedad Fuerte
( ) | |
m
R D x m x Z E c e =
( ) ( ) | | ( ) < = + h C h x Z x Z Cov ,
Estacionariedad Dbil
( ) | |
( ) | | ( ) < = +
= +
h h x Z x Z V
h x Z x Z E
2 ) (
0 ) (
estacionario
No estacionario
Variograma
( )
( ) ( ) ( )
( ) h n
x z h x z
h

+
=
2

2
Clculo con datos de una muestra de sitios (estimador
de momentos)
Esta funcin permite medir la relacin que existe entre los datos de
acuerdo con la cercana (h) entre los sitios
( ) | | ( ) | | ( ) | | ( )
( ) | |
2
2 2
) (
) ( ) ( ) (
h x Z x Z E
h x Z x Z E h x Z x Z E h x Z x Z V
+ =
+ + = +
Otras Medidas de Correlacin Espacial
) ( ) (
2
h h C o =
( )
( )
2
1
o

h
h =
Semivariograma y Correlograma


Correlograma
Semivar.
Meseta




Pepita Rango h

Variograma
Funcin de Covarianza
Ilustracin

44

40 42 40 39 37 36
42

43 42 39 39 41 40 38
37

37 37 35 38 37 37 33 34
35

38 35 37 36 36 35 200
36

35 36 35 34 33 32 29 28
38 37 35 30 29 30 32

100


Clculo del Semivariograma
( ) ( ) ( )
( ) ( ) ( )
2 2 2
2 2 2
36 39 . . . 30 35 35 38 ) 200 (
36 37 . . . 35 37 37 38 ) 100 (
+ + + =
+ + + =

El semivariograma experimental se calcula

mediante la suma de los cuadrados de las
diferencias entre observaciones que se encuentran
a una distancia h (en el ejemplo 100, 200, 300, etc)
Ejercicio: calcular el valor del variograma emprico a
distancia 100
Semivarianza Datos de la Ilustracin
Distancia Semivariograma
100 3.403
200 6.258
500 19.750
775 23.259


0
5
10
15
20
25
0 500 1000
Semivariograma
Semivariograma Emprico y Ajuste de un
modelo terico
( ) exp h C
h
a
=

|
\

|
.
|
|
|
\

|
.
|
|
1
2
2
1
Modelo de Variograma
Gaussiano
u
u
u
Clculo del variograma en direccin
u
Variograma Cloud
This is an example of
a variogram produced
using ArcGIS's
Geostatistical Analyst.
2
)] ( ) ( [
2
j i
ij
s Z s Z
=
( ) h
C
h
a
h
a
h a
C h a
=
|
\

|
.
|

|
\

|
.
|
|
\

|
.
|
|
s
>

1
3
1
3
2
1
2
( ) exp h C
h
a
=

|
\

|
.
|
|
\

|
.
|
1
1
3
( ) exp h C
h
a
=

|
\

|
.
|
|
|
\

|
.
|
|
1
2
2
1
Modelos tericos de variograma
Esfrico
Exponencial
Gaussiano

=
=
caso otro 1
0 if 0
) (
h
h
Efecto Nugget
Modelos de
Semivariograma
Parmetros del Variograma Terico
Pepita:
Se denota por C
0
y representa una discontinuidad puntual del semivariograma en el
origen. Puede ser debido a errores de medicin en la variable o a la escala de la
misma. En algunas ocasiones puede ser indicativo de que parte de la estructura
espacial se concentra a distancias inferiores a las observadas.
Meseta
Varianza de los datos. Se denota por C
1
o por (C
0
+ C
1
) cuando la pepita es
diferente de cero. Se sugiere que en un modelo que explique bien la realidad, la
pepita no debe representar mas del 50% de la meseta. Si el ruido espacial en las
mediciones explica en mayor proporcin la variabilidad que la correlacin del
fenmeno, las predicciones que se obtengan pueden ser muy imprecisas.
Rango
Es la distancia hasta la cual hay correlacin entre los datos. Entre ms pequeo sea
el rango, ms cerca se esta del modelo de independencia espacial. El rango no
siempre aparece de manera explcita en la frmula del semivariograma.





Comparacin de modelos Tericos de
Variograma
0
5
10
15
20
25
30
0 50 100 150 200 250 300
Distancia(h)
S
e
m
i
v
a
r
i
o
g
r
a
m
a
Esfrico
Exponencial
Gaussiano
Otras Medidas de Correlacin Espacial
) ( ) (
2
h h C o =
( )
( )
2
1
o

h
h =
Covariograma
Correlograma
Es ms fcil trabajar con el variograma
Test de Montecarlo
de Correlacin Espacial
Isotropa: Igual Correlacin en todas las
direcciones
Anisotropas
Anisotropas :
Generalmente cuando el variograma experimental es
calculado en distintas direcciones presenta distintos
comportamientos con la variacin de la distancia.
Anisotropa Geomtrica
Anisotropa Zonal
Anisotropa Hbrida
Anisotropa: hay ms correlacin en una
direccin que en otra.
Anisotropa y tendencia.
Mayor Correlacin en dir 90 grados
(linea verde). Dificil deteccin!!
Anisotropa. Mayor correlacin en
direccin 0 grados. Es ms fcil
detectarla bajo estacionariedad.
Anisotropa Geomtrica
Anisotropa Geomtrica :
Es aquella en la que el
variograma en distintas
direcciones presenta el mismo
sill pero rangos distintos
0
0,5
1
1,5
2
2,5
3
0,0 0,9 2,0 3,0 4,1 5,1 6,2 7,2 8,3 9,3 10,4 11,4
Distancia
V
a
r
i
o
g
r
a
m
a
N-S
E-O
Mayor continuidad espacial en
la direccin de mayor rango
Menor continuidad espacial en
la direccin de menor rango
Anisotropa Zonal :
Es aquella en la que el
variograma en distintas
direcciones presenta el mismo
rango pero diferente sill
Presencia de diferentes
estructuras
0
0,5
1
1,5
2
2,5
3
3,5
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,4 11,4
Distancia
V
a
r
i
o
g
r
a
m
a
Anisotropa Zonal
Anisotropa Hbrida :
Es aquella en la que el
variograma en distintas
direcciones presenta
rangos diferentes y
distintos sill.
Presencia de diferentes
estructuras
Caracterstico de variogramas
horizontales y verticales
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
0 0,6 1,2 1,8 2,4 3 3,6 4,2 4,8 5,4 6 6,6 7,2
V
a
r
i
o
g
r
a
m
a
Distancia
Anisotropa Hbrida
Mapa de Variograma: isovalores del variograma experimental
en funcin de la separacin (distancia y orientacin). Caso
de anisotropa geomtrica (en cualquier direccin el valor
mximo es 1 = sill)

Modelos de variograma anisotrpicos
-Anisotropa geomtrica:
Puede ser corregida por una transformacin lineal de
coordenadas que permita reducir una elipse a un circulo.

-Anisotropa zonal:
puede ser corregido separando el semivariograma en sus
componentes isotrpicos horizontal y anisotrpico vertical.
Estimacin de la Estructura de Correlacin
Mnimos Cuadrados
(Usando el variograma muestral)

1.1. Ordinarios
1.2 Ponderados
1.3. Cuasi-Verosimilitud

2. Geoestadsitcia Basada en Modelo
(No se usa el variograma muestral)

2.1. Mxima-Verosimilitud
2.2. MV Restringida
2.3. Bayesiana



Mtodos para ajustar el variograma

1) choose the most likely candidate model

2) Methods for estimating the parameters of the model :

non-linear least squares estimation allows for the estimation of
parameters that enter the equation non-linearly but ignores any
dependences among the empirical variogram values

non-linear weighted least-squares generalized least squares in
which the variance-covariance of the variogram data points is
accounted for in the estimation procedure

maximum likelihood assuming the data are Normally distributed but
the estimators are likely to be highly biased, especially in small
samples (the usual remedy is jackknifing)

restricted maximum likelihood maximize a slightly altered likelihood
function which reduces the bias of the MLEs
Estimacin por Mnimos Cuadrados
( ) ( ) ( )
2
;

min ) (

= u u u u OLS
( ) ( ) ( )
2
;

) ( min ) (

= u u u u u n WLS
( )
( ) ( ) ( )
2
;

;
1
min ) (

= u
u
u u u
u
QL

> +
s
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
+
=
| o t
|
| |
o t
u
u
u
u u
u
2 2
3
2 2
2
1
2
3
) ; (
Esferical
|
|
.
|

\
|
|
|
.
|

\
|
+ =
|
o t u
u
u
3
exp 1 ) ; (
2 2
Exponential
Matern
|
|
.
|

\
|
|
|
.
|

\
|
+ =
2
2
2 2
exp 1 ) ; (
|
o t u
u
u
Gaussian
Matrn
0,0
0,4
0,8
1,2
1,6
2,0
0 10000 20000 30000
Distance
S
e
m
i
v
a
r
i
a
n
c
e
Sill
2 2
o t +
Nugget
2
t
Range |
5 . = k
k
Estimacin por Mnimos Cuadrados
|
|
|
|
.
|

\
|
|
|
|
.
|

\
|
= E
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
=
2
1
1
2
1 1
) , (
) , (
,
) (
) (
) ( ~
) (
) (
) (
o
o

s s C
s s C
s
s
s N
s Y
s Y
s Y
n
n
n n
Distribucin Normal Multivariada
( ) )) ( ) ( ( )) ( ) ( ( exp
) 2 (
1
)) ( (
1
2 / 1
2
s s Y s s Y s Y f
T

t

E
E
=

Geoestadstica Basada en Modelo
) ( ) ( ) ( x Z x S x Y + =
|
.
|

\
|
|
|
|
.
|

\
|
= R MVN
x S
x S
x S
n
2
~
1
~
, ~
) (
) (
) ( o
( ) ( )
j i j i ij
n
n
x x u x S x S Corr u R = = =
|
|
|
|
|
.
|

\
|
= , ) ( ), ( ,
1
1
1
2
1 12

Observaciones
Seal Ruido
|
.
|

\
|
|
|
|
.
|

\
|
= I MVN
x Z
x Z
x Z
n
2
~
1
~
, 0 ~
) (
) (
) ( t
Modelo
Estimacin Mximo Verosmil
( ) | o t u , ,
2 2
=
Parmetros de
( ), ) (
2 2
R I G o t u + =
( ) ( ) ( ) ( ) ( ) ( ) { } | u | u u | X y G X y G l
T
+ =
1
log
2
1
,
| X =
( ) ( ) ( ) Y G X X G X
1
1
1
) ( ) (

' ' = u u u |
Log-Verosimilitud
( ) ( ) ( ) ( ) ( ) ( ) { } | u | u u |

log
2
1
,

1
X y G X y G l
T
+ =

es maximizada numricamente ( ) u |,

l
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
)
`

'
' + =

| u | u u u

log log
2
1
1 1
*
X y G X y X G X G L
Estimacin MV
( ) u
*
L
Es maximizada numricamente
MV Restringida
OLS, WLS
ML, REML
Las estimaciones difieren!!