You are on page 1of 20

Introduccin a la

Geoestadstica

D. ABURTO M. y C. QUIONES C.
1
Definiciones de Geoestadstica
Mltiples definiciones en la bibliografa:

Estudio de variables regionalizadas (Matheron, 1962)

La aplicacin de la Teora de Funciones Aleatorias al


reconocimiento y estimacin de fenmenos naturales (Journel y
Huijbregts, 1978)

El estudio de las variables numricas distribudas en el espacio


(Chauvet, 1994).

El estudio matemtico de fenmenos regionalizados (otros)

Nota: El pionero en incorporar la palabra Geoestadstica es Matheron


(1962) cuya palabra por origen viene de geo (ciencias de la tierra)
y estadstica (uso de herramientas estadticas y probabilsticas).
2
Origen de la Geoestadstica
Ideas? Nociones?
A principios de los aos 50, en minas de Sudfrica, el Sr. Krige
destaca las diferencias entre las leyes estimadas y las leyes
verdaderas (post-produccin).

Tras estos resultados, el Sr. Matheron (aos 60) tiene la ocurrencia


de explicar este fenmeno con la correlacin entre las muestras de
acuerdo a la distancia entre las muestras. Nace la Geoestadstica.
Ahora aplicada en mltiples tipos de industrias.
3
El aspecto probabilstico de la
Geoestadstica
El anlisis de datos que hace la estadstica (media, varianza,
histograma, etc) no toma en cuenta el nexo entre los datos.

La geoestadstica estudia justamente la relacin de los datos.

La geoestadstica busca conocer y caracterizar la variabilidad


espacial (y/o temporal) de los datos.

Los datos son representativos de un fenmeno que se despliega


en el espacio (ya sea geogrfico o temporal) fenmeno
regionalizado.

Estos datos entonces son llamados variables regionalizadas (VR).

4
Ejemplos de VR en la Minera
Ley qumica, densidad de una roca.
Recuperacin geometalrgica.
Parmetros geomecnicos.
Potencia de una veta.
Porosidad, permeabilidad de una roca de un
reservorio acufero o de petrleo.
Concentracin de contaminantes (nutrientes)
en suelos.

Ejemplos fuera de la minera?


Variable Regionalizada
Desde el punto de vista matemtico: una VR es una
funcin z(x) que entrega un valor de la caracterstica z
del fenmeno estudiado en el punto x. (atencin, ahora
estamos incorporando un elemento geogrfico)

Una VR tiene un doble comportamiento: localmente


es muy irregular, globalmente presenta una
organizacin en el espacio. (Ntese que siempre existe
un factor de escala a tener en cuenta).
Ley de Cu

Tendencia

6
Distancia
Variable regionalizada
Tendencia

Clsico ejemplo de ST2

Cada valor disponible de la VR es considerado


como la realizacin de una VA que depende de la
posicin (aspecto errtico).

Recordar: Una VA es una funcin matemtica que entrega un valor numrico a cada
resultado de una experiencia aleatoria. Ejemplo clsico el lanzamiento de un dado.
Una VA tiene siempre una ley de probabilidad, que describe la probabilidad de cada valor 7
posible de la VA.
Variable aleatoria
Funcin Aleatoria

() + realizacin

() + variable aleatoria

El conjunto de variables aleatorias es llamado


Funcin Aleatoria (FA).

Ntese que puede ser definida en 1D, 2D, 3D,

8
Funcin Aleatoria
La FA , representando un fenmeno en
particular, es el conjunto de VA ( ) definidas en
cada punto del dominio del fenmeno estudiado.

Estas VA ( ) estn correlacionadas entre s y de


ah su aspecto estructurado globalmente.

La FA est caracterizada por su ley de probabilidad


(conjunto de leyes de probabilidades de todas las
VA, definidas en cada punto que recorre el
dominio).

9
Momentos de la FA
Momentos: parmetros descriptivos para caracterizar y
simplificar el entendimiento de la distribucin de una FA.

La inferencia de la ley espacial de la FA a


partir de una nica realizacin es
imposible (s/e, no necesaria).

Slo los dos primeros momentos son


considerados por la geoestadstica
lineal. 10
Momentos de orden 1 y 2 (FA)
Esperanza matemtica (1)

= ()

Momentos de orden 2 (var, covar y )

= () 2

, ( ) = ( ) ( )

11
Momentos de orden 2 (FA)
Funcin variograma es definida como la
varianza del crecimiento entre dos
variables aleatorias: ( )

1
, = 2

funcin semi-variograma
Ntese: slo para efectos prcticos se habla de variograma
en vez de semi-variograma

12
Limitaciones y supuestos
Para aplicar el formalismo probabilstico necesitamos
determinar la distribucin espacial de la FA de la VR
(inferencia estadstica). Pero esta inferencia no es posible, ya
que slo contamos con informacin parcial (slo en el
muestreo).
Tenemos que hacer algunas restricciones (simplificaciones),
por lo cual acudimos al concepto de Estacionaridad (el cual
en general es imposible de verificar a menos que existan
mundos paralelos). Por lo tanto, hacemos un supuesto:

Reemplazamos la repeticin sobre las realizaciones de la FA


por una repeticin en el espacio, es decir, supondremos que
los valores ubicados en distintas partes del espacio
presentarn las mismas caractersticas (invariante por
translacin); es decir, que las propiedades de un conjunto de
datos no dependen de su posicin absoluta en el espacio
sino que solamente de sus posiciones relativas.
13
Hiptesis de estacionaridad

Estacionaridad estricta: Establece de manera absoluta


que la ley espacial de una FA es invariante por
translacin.

1 < 1 , , < ( ) = 1 + < 1 , , + < ( )

Pero ya comentamos que esta estacionaridad no es posible de


verificar a menos que tengamos dos mundos paralelos

14
Hiptesis de estacionaridad
En la geoestadstica es comn entonces
acudir a otras hiptesis (supuestos) ms
tolerantes:

Estacionaridad de orden 2

Estacionaridad intrnseca

15
Hiptesis de estacionaridad
de orden 2
Una FA se dice estacionaria de orden 2, si sus dos
primeros momentos existen (esperanza y covarianza) y
son invariantes por translacin.

- Esperanza matemtica
=

- Covarianza
, ( + ) = () ( + ) 2
=

Es decir, ahora la Covarianza slo depende de h. Demuestrelo a partir de la
definicin global: , ( ) = ( ) ( ) 16
Hiptesis de estacionaridad
de orden 2
- La existencia y la estacionaridad de la FA implica la
existencia y estacionaridad de la varianza y del
variograma:

2 2
() = = () 2
= 0

1 2
= 2 ( + )
= C 0 C(h)
Ntese que ahora el variograma slo aparece expresado en funcin de
la Esperanza. Demuestre a partir de la definicin global:
1 17
= 2 +
Variograma caso ST2
El variograma se estabiliza alrededor de
C, para distancias h superiores a a.

C=meseta (sill, palier)


a=alcance (range, porte)
18
Propiedades variogramas
1 2
= ( + )
2

1. 0 = 0
2. = 0
3. En general, funcin creciente
4. Sumas de variogramas dan siempre un
variograma.
5. El producto no necesariamente.
19
Hiptesis intrnseca
Es la ms flexible de todas.
El cumplimiento de ella no implica la hiptesis de ST2
ni la estricta.
Una FA se dice intrnseca cuando los crecimientos de
dos VA y + son ST2.

( + ) = = 0
(los incrementos tienen promedios ctes)

La varianza de los crecimientos es constante:

( + ) = 2()

20