Geoestadística II
GLG-213
Universidad Mayor de San Andrés
Variables regionalizadas
• Una variable medida en el espacio de forma
que presente una estructura de correlación, se
dice que es una variable regionalizada.
• Según Matheron, 1969 un fenómeno es
regionalizado cuando se desplaza en el
espacio, manifestando una cierta estructura.
Universidad Mayor de San Andrés
Variables regionalizadas
• De manera más formal se puede definir como
un proceso estocástico con dominio contenido
en un espacio euclidiano d-dimensional Rd,
, Z x : x∈𝐷⊂𝑅𝑑
Z es una variable cualquiera medida en un punto
geográfico x, que pertence a un dominio D,
poe ej. Una ley de un depósito minero.
R es un espacio “euclideo” con “d dimensiones”,
(d=1, 2 ó 3)
Universidad Mayor de San Andrés
Variables regionalizadas
Una V.R. regionalizada se presenta bajo dos
aspectos contradictorios (o complementarios):
• Un aspecto aleatorio (alta irregularidad y
variaciones impredecibles de un punto a otro)
• Un aspecto estructurado (la V.R. debe sin
embargo reflejar a su manera las
características estructurales de un fenómeno
regionalizado)
Universidad Mayor de San Andrés
Momentos de una variable regionalizada
Sea{Z(x): x ∈ D ⊂ Rd} el proceso estocástico que
define la variable regionalizada para cualquier n
puntos x1, x2,…xn, el vector aleatorio
T
Z x = Z x1 , Z x2 , … Z xn
Está definido por su función de distribución
conjunta
𝐹 𝑧1 , 𝑧2 , … , 𝑧𝑛 = 𝑃 𝑍 𝑥 1 ≤ 𝑧1 , 𝑍 𝑥 2 ≤ 𝑧2 , … , 𝑍 𝑥 𝑛 ≤ 𝑧𝑛
Universidad Mayor de San Andrés
Momentos de una variable regionalizada
•Conocidas las densidades marginales univariadas y
bivariadas se pueden establecer los siguientes valores
esperados (momentos univariados y bivariados):
Autocovarianza
Semivarianza
Universidad Mayor de San Andrés
Estacionariedad
• La variable regionalizada es estacionaria si su función de
distribución conjunta es invariante respecto a cualquier
translación del vector h, o lo que es lo mismo, la función de
distribución del vector aleatorio
T
Z x = Z x1 , Z x2 , … Z xn
es idéntica a la del vector
T
Z x = Z x 1 +h , Z x 2 +h , … Z x n +h
para cualquier h. La teoría geoestadística se basa en los momentos
arriba descritos y la hipótesis de estacionariedad puede definirse
en términos de éstos
Universidad Mayor de San Andrés
Estacionaridad de segundo orden
• Sea{Z(x): x ∈ D ⊂ Rd} una variable
regionalizada definida en un dominio D
contenido en Rd (generalmente una variable
medida una variable medida en la superficie de
una región) se dice que Z(x) es estacionario de
segundo orden si cumple:
El valor esperado de la variable aleatoria es finito
y constante para todo punto en el dominio.
Característica muy pocas veces observada en la
naturaleza. Universidad Mayor de San Andrés
Estacionaridad de segundo orden
• Para toda pareja de {Z(x), Z(x+h)} la covarianza existe y es
función única del vector de separación h. Característica muy
pocas veces observada en la naturaleza.
Universidad Mayor de San Andrés
Estacionaridad de segundo orden
• La existencia de la covarianza implica que la varianza existe,
es finita y no depende de h. Así mismo la estacionariedad de
segundo orden implica la siguiente relación entre la función
de semivarianza y la autocovarianza:
Para los valores en términos de la autocovarianza, despejar C(h)
Universidad Mayor de San Andrés
Estacionaridad
Universidad Mayor de San Andrés
Estacionariedad débil o intrínseca
• Existen algunos fenómenos físicos reales en
los que la varianza no es finita (no existe!),
pero puede ocurrir que los incrementos
tengan una varianza finita. En estos casos se
trabaja sólo con la hipótesis que pide que los
incrementos sean estacionarios (Clark, 1979),
esto es:
Universidad Mayor de San Andrés
Estacionariedad débil o intrínseca
• En muchos depósitos, como fue mostrado por Krige
(1951) no existe una varianza finita; si uno considera
la variación de la ley más que la ley en sí, esta tiene
una varianza finita.
• Así, si se consideran los incrementos de la función
Z (x)-Z (x+h) , más que la función en si, tenemos:
Universidad Mayor de San Andrés
Estacionariedad débil o intrínseca
Y debido que:
Para cualquier vector h, la varianza del
incremento está definida y es una función
única de la distancia.
Universidad Mayor de San Andrés
Estacionareidad
• Cuando la esperanza de la variable no es la
misma en todas las direcciones o cuando la
covarianza o correlación dependan del sentido en
que se determinan, no habrá estacionariedad
• Si la correlación entre los datos no depende de la
dirección en la que esta se calcule se dice que
el fenómeno es isotrópico, en caso contrario se
hablará de anisotropía.
Universidad Mayor de San Andrés
No Estacionareidad
• En casos prácticos resulta compleja la
identificación de la estacionariedad. Suelen
emplearse gráficos de dispersión de la variable
respecto a las coordenadas, de medias
móviles y de valores clasificados según puntos
de referencia, con el propósito de identificar
posibles tendencias de la variable en la región
de estudio.
Universidad Mayor de San Andrés
No Estacionareidad
Universidad Mayor de San Andrés
Correlación espacial muestral y ajuste
de modelos
• La primera etapa en el desarrollo de un
análisis geoestadístico es la determinación
de la dependencia espacial entre los datos
medidos de una variable. Esta fase es también
conocida como análisis estructural.
Universidad Mayor de San Andrés
Variograma y Semivariograma
• Al definir la estacionariedad débil en el
capítulo anterior se mencionó que se asumía
que la varianza de los incrementos de la
variable regionalizada era finita. A esta
función denotada por 2γ(h) se le denomina
variograma.
Universidad Mayor de San Andrés
Variograma y Semivariograma
• La mitad del variograma γ(h), se conoce como
la función de semivarianza y caracteriza las
propiedades de dependencia espacial del
proceso :
Universidad Mayor de San Andrés
Covariograma y Correlograma
• La función de covarianza muestral entre
parejas de observaciones que se encuentran a
una distancia h se calcula, empleando la
fórmula clásica de la covarianza muestral, por:
Universidad Mayor de San Andrés
Covariograma y Correlograma
• Asumiendo que el fenómeno es estacionario y
estimando la varianza de la variable
regionalizada a través de la varianza muestral, se
tiene que el correlograma muestral está
dado por:
Universidad Mayor de San Andrés
Pero nosotros vamos a usar
esencialmente el semivariograma!!!
• Bajo el supuesto de estacionariedad cualquiera
de las tres funciones de dependencia espacial
mencionadas
• Sin embargo el único que no necesita mayores
estimaciones es el semivariograma!!!
Universidad Mayor de San Andrés
Ejemplo…
• Suponga que se tienen medidas sobre una
variable hipotética cuyos valores están
comprendidos entre 28 y 44 unidades y la
distancia entre cada par de puntos contiguos es
de 100 unidades.
• Por simplicidad se calcularán sólo los
semivariogramas en sentido (izquierda-derecha)
e (inferior-superior)
Universidad Mayor de San Andrés
Ejemplo…
Universidad Mayor de San Andrés
Ejemplo…
Universidad Mayor de San Andrés
Ambas curvas sugieren anisotropía!!!
Universidad Mayor de San Andrés
Análisis exploratorio/variables regionalizadas en R
• Descargar el programa en:
https://cran.r-project.org/bin/windows/base/
• Descargar además los complementos:
• gstat, sp (importantes)
• lattice, sf, leaflet, mapview y plot3d (opcionales)
Universidad Mayor de San Andrés
Derechos de autor
• El siguiente material no es de carácter propio y ha sido extraído de las siguientes fuentes:
• Introducción a la geoestadistica: Teoría y Aplicación. Universidad Nacional de Colombia. Sede
Bogotá Facultad de Ciencias Departamento de Estadística
• Los Cuadernos del Centro de Morfología Matemática de Fontaineleau. Fascículo 2. Curso de
Geoestadística por George MATHERON, 1969. Traducido al español por Marco Alfaro, 2005
Universidad Mayor de San Andrés
