Geoestadística Page 1 of 5

Geoestadística

Origen de la Geostadística
Definición y Objeto
Notación Básica
Dependencia Espacial

Los conceptos que se presentan a continuación son básicos y en ningún momento se pretende
abordar un rigor matemático. La información fue extraída de las notas de clase de Alberto
Boada, Xander Backer y Ramón Giraldo (IGAC-CIAF, 2003).

Origen de la Geostadística

Los orígenes de la geoestadística se encuentran en el campo de la minería. Como

antecedentes suelen citarse trabajos de Sichel (1947), 1949) y Krige (1951). El
primero observó la naturaleza asimétrica de la distribución del contenido de oro en
las minas surafricanas, la equiparó a una distribución de probabilidad lognormal y
desarrolló las fórmulas básicas para esta distribución.

De la minería las técnicas geoestadísticas, se han exportado a muchos otros campos

como la hidrología, física del suelo, ciencias de la tierra y más recientemente al
monitoreo ambiental y al procesamiento de imágenes de satélite.

Definición y Objeto

La geoestadística es una rama de la estadística que trata fenómenos espaciales

(Journel & Huijbregts, 1978). Su interés primordial es la estimación, predicción y
simulación de dichos fenómenos (Myers, 1987).

La geoestadística ofrece una manera de describir la continuidad espacial, que es un

rasgo distintivo esencial de muchos fenómenos naturales, y proporciona
adaptaciones de las técnicas clásicas de regresión para tomar ventajas de esta
continuidad (Isaaks & Srivastava, 1989). Petitgas (1996), la define como una
aplicación de la teoría de probabilidades a la estimación estadística de variables
espaciales.

El modelamiento espacial es la adición más reciente a la literatura estadística.

Geología, ciencias del suelo, agronomía, ingeniería forestal, astronomía o cualquier
disciplina que trabaja con datos colectados en diferentes locaciones espaciales
necesita desarrollar modelos que indiquen cuando hay dependencia entre las
medidas de los diferentes sitios. Usualmente este modelamiento concierne con la
predicción espacial, pero hay otras áreas importantes como la simulación y el
diseño muestral (Cressie, 1989).

Cuando el objetivo es hacer predicción, la geoestadística opera básicamente en dos

etapas.

La primera es el análisis estructural, en la cual se describe la

correlación promedio entre dos puntos en el espacio.

http://webigac1.igac.gov.co/temp/paginas/anl_geoestadistica.htm 05/02/2007
Geoestadística Page 2 of 5

En la segunda fase se hace la predicción en puntos de la región no

muestreados por medio de la técnica kriging. Este es un proceso que
calcula un promedio ponderado de las observaciones muestrales. Los
pesos asignados a los valores muestrales son apropiadamente
determinados por la estructura espacial de correlación establecida en la
primera etapa y por la configuración de muestreo (Petitgas, 1996).

Cuando se miden simultáneamente varias variables en cada sitio de muestreo y se

hace predicción de una de ellas con base en información de las otras, se denota a
está técnica de predicción COKRIGING.

Notación Básica

Estas guías de clase presentan un nivel mínimo de desarrollo matemático con el fin de que el
estudiante se concentre en las aplicaciones e interpretación de los diferentes resultados.

La notación más usual es la siguiente:

Σz(i) Sumatoria de n números

z(xi) : Significa el valor medido o real de una variable (Por ejemplo, densidad) en
un punto xi

Z(xi) : Corresponde a la variable aleatoria o función

Z*( xi): Valor estimado

Dependencia Espacial

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 etapa es también conocida
como análisis estructural. Para llevarla a cabo, con base en la información muestral, se calcula
el semivariograma, el covariograma o el correlograma experimental.

Variograma

Representa la varianza de los incrementos de la variable regionalizada y se denota

por 2γ(h). De acuerdo con lo anterior utilizando la definición teórica de la varianza
en términos del valor esperado de una variable aleatoria, tenemos:

http://webigac1.igac.gov.co/temp/paginas/anl_geoestadistica.htm 05/02/2007
Geoestadística Page 3 of 5

La mitad del variograma (γ(h)), se conoce como la función de semivarianza y

caracteriza las propiedades de dependencia espacial del proceso. Dada una
realización del fenómeno, la función de semivarianza es estimada por medio del
semivariograma experimental, que se calcula mediante (Wackernagel, 1995):

Donde Z (x) es el valor de la variable en el sitio xi, Z (xi+h) es otro valor muestral
xi separado del anterior por una distancia h y n(h) es el número de parejas que se
encuentran separadas por dicha distancia, o también se puede expresar (h) como,
(h) = (xi +h,xi).

Covariagrama y Correlograma

La covarianza espacial entre parejas de observaciones que se encuentran a una

distancia h estaría dada, con base en los datos muestrales, por:

Donde m, si el proceso es estacionario de segundo orden, representa el valor

promedio en todo punto de la región de estudio y n es el número de parejas de
puntos que se encuentran a una distancia h.

De otro lado para determinar la fórmula del correlograma, dado que se conoce el
covariograma, sólo faltaría establecer las desviaciones estándar en cada punto del
dominio. Sin embargo, si el fenómeno es estacionario, éstas al igual que la media
son constantes y por consiguiente:

Cualquiera de las tres funciones de dependencia espacial presentadas en estas

notas, es decir semivariograma, covariograma o correlograma, puede ser usada en
la determinación de la relación espacial entre los datos. Sin embargo como se
puede observar en las fórmulas, la única que no requiere que la media del proceso
(m) sea conocida, es la función de semivarianza. Por esta razón,
fundamentalmente, en la práctica se emplea el semivariograma experimental y no

http://webigac1.igac.gov.co/temp/paginas/anl_geoestadistica.htm 05/02/2007
Geoestadística Page 4 of 5

las otras dos funciones.

Modelos Teóricos para Ajustar Semivariogramas

Esférico

Exponencial

Gaussiano

Monómicos

Actualmente existen herramientas comerciales que permiten predecir con seguridad valores
para superficies usando el método kriging, errores estadísticos, umbrales y modelamiento de
probabilidad.

Fuente: ESRI, 2002

Bibliografía

BOADA, Alberto; BACKER; Xander y GIRALDO, Ramón. Notas de Clase de Geoestadística. CIAF.
Bogotá. 2003.
CARRERA RAMÍREZ, Jesús, SAMPER CALVETE, Javier. Geoestadística. Aplicaciones a la
hidrogeología subterránea. Centro Internacional de Métodos Numéricos en Ingeniería.
Barcelona. 1990

Vínculos WEB de Interés

MORAL GARCÍA, Francisco Jesús. Dpto. de Expresión Gráfica. Escuela de Ingenierías

Industriales. Universidad de Extremadura. Representación Gráfica De La Distribución Espacial

http://webigac1.igac.gov.co/temp/paginas/anl_geoestadistica.htm 05/02/2007
Geoestadística Page 5 of 5

De Una Plaga En Una Plantación Mediante El Uso De Técnicas Geoestadísticas. (01-07-2003)

{30-06-2004)

http://www.mappinginteractivo.com/este.asp?id_articulo=266

MEDINA CETINA; AUVINET GUICHARD. Aplicación del análisis geoestadístico a la interpretación

de los resultados de campañas de exploración geotécnica. Instituto de Ingeniería, UNAM.

http://www.ce.jhu.edu/zmedina/e-Docs/Geostatistics/Papers/oaxaca.pdf

http://webigac1.igac.gov.co/temp/paginas/anl_geoestadistica.htm 05/02/2007