Академический Документы
Профессиональный Документы
Культура Документы
CURSO : Geoesadistica
Ciclo : VIII
Moquegua – Perú
2019
1. INTRODUCCIÓN
El análisis estructural es uno de los temas más importantes de la geoestadística puesto que se
Es el proceso en el marco del cual se obtiene un modelo geoestadístico para la función aleatoria que
se estudia. El análisis estructural consiste en estimar y modelar una función que refleje la correlación
acerca de su variabilidad.
2. OBJETIVOS
3. ANALISIS ESTRUCTURAL
El análisis estructural es uno de los tópicos más importantes de la geoestadística puesto que
Es el proceso en el marco del cual se obtiene un modelo geoestadístico para la función aleatoria que
se estudia.
En pocas palabras podemos decir que el análisis estructural consiste en estimar y
modelar una función que refleje la correlación espacial de la variable regionalizada a partir de
3.1. EL VARIOGRAMA
El variograma puede ser estimado a partir de datos experimentales (por ejemplo, las leyes
Esta ecuación es la que hay que adaptar en cada situación práctica (mallas regulares e
Sill (C)
Rango (A)
La discontinuidad aparente que se aprecia cerca del origen, se le conoce como efecto de
pepita, este efecto puede deberse a la presencia de micro estructuras, y artificialmente se puede
El nombre efecto de pepita proviene del estudio de los depósitos de oro. Consideremos por ejemplo
un testigo:
3.3. COMPORTAMIENTO A PEQUEÑAS DISTANCIAS
Permite estudiar cuán rápido puede variar la variable en estudio a pequeñas distancias.
1) DISCONTINUO
2) LINEAL
3) CUADRÁTICO
4) HÍBRIDOS
Puede ocurrir que para distancias cercanas a cero el valor del variograma no se aproxima a cero.
3.3.1. COMPORTAMIENTO LINEAL
Representa variables continuas, pero no diferenciables. Así, la propiedad puede cambiar rápidamente
de un punto a otro.
casos:
a) Ausencia de estructura: se trata del efecto de pepita puro este modelo traduce la
homogéneo que los valores de dos muestras distantes entre sí por “d” son prácticamente
las mismas, es decir que, para h pequeño, γ(h) tiende a ser cero. En estas condiciones el
se debe a desviaciones del caso ideal para la aplicación del mismo. Estas desviaciones pueden ser
homogénea.
a) Modelo Esférico
Tiene un crecimiento rápido cerca al origen, pero los incrementos marginales van
decreciendo para distancias grandes, hasta que para distancias superiores al rango los
Este modelo se aplica cuando la dependencia espacial tiene un crecimiento exponencial respecto
a la distancia entre las observaciones. El valor del rango es igual a la distancia para la cual el
semivariograma toma un valor igual al 95% de la meseta. Este modelo es ampliamente usado.
c) Modelo Gaussiano
distancia que tiende a infinito. El principal distintivo de este modelo es su forma parabólica cerca