Вы находитесь на странице: 1из 39

04 – Estacionaridad,

desagrupamiento y derivas

 Estacionaridad
 Distribución representativa
 Desagrupamiento
 Derivas

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estacionaridad
Variable regionalizada es una realización
de una función aleatoria

 Imposible inferir la función aleatoria Z(u) con sólo una


realización z(u) (los datos).
 ¿Qué sentido tiene una distribución de probabilidad si solamente
tenemos un dato en cada posición?

 Asumiendo que la misma variable aleatoria se aplica a todas las


coordenadas (ubicaciones o tiempo) u, podemos usar la
información z(u) para inferir la variable aleatoria implícita Z(u).

Estacionaridad

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estacionaridad
 Le da sentido al formalismo de la función aleatoria
 Permite hacer inferencia a partir de una sola
realización
 Es una decisión, más que una hipótesis
 Es una propiedad del modelo, no de los datos: un
modelo estacionario se ajusta (o no) a los datos

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estacionaridad
 Estacionaridad estricta: se asume que la distribución espacial
(multivariable o multipunto) es invariante por traslación. Es decir, la
relación espacial entre puntos en una determinada configuración
espacial, se mantiene independiente de dónde esté situada dicha
configuración.

 Estacionaridad de segundo orden: una función aleatoria es


estacionaria de segundo orden cuando su esperanza matemática existe
y es constante y cuando, para cualquier par de puntos, la covarianza
existe y sólo depende del vector de separación entre los puntos:

E ( Z (u))  m
u  D
Cov ( Z (u), Z (u  h))  C (h)

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estacionaridad
 ¿Cuál es la covarianza entre las (variables aleatorias
representando las) leyes 1.62 y 3.43?

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estacionaridad
 Debido a la hipótesis de estacionaridad de segundo orden, esta
covarianza es la misma para todos los pares de datos que
tienen el mismo vector de separación

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estacionaridad
Se define la función variograma de la siguiente forma:

1
 (h)  var{ Z (u  h)  Z (u)} u  D
2

que, al igual que la covarianza, depende sólo del vector de separación h.


Se tiene la siguiente relación entre covarianza y variograma:

 (h)  C (0)  C (h)

donde el término C(0) representa la varianza:


u  D, var{ Z (u)}  C (0)   ()

→ Bajo la hipótesis de estacionaridad de segundo orden, la covarianza y el


variograma son herramientas equivalentes
MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE
Estacionaridad
 Casi-Estacionaridad de segundo orden: cuando esta
relación se cumple a una escala pequeña (radio de búsqueda
del plan de kriging).

 Intrínseca: cuando los crecimientos son estacionarios de orden


dos:
E ( Z (u)  Z (u  h))  0
u  D
Var ( Z (u)  Z (u  h))  2 (h)
 Casi-Intrínseca: cuando la relación anterior se cumple a una
escala pequeña

 Considerar la posibilidad de subdividir el área en sub-


zonas más homogéneas

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Representatividad de la muestra
 La muestra debe ser representativa del área o población
 La representatividad de la muestra debiera cuestionarse siempre
que los datos no están dispersos uniformemente sobre el área
(sesgo espacial), el cual desafortunadamente es a menudo el
caso en aplicaciones de ciencias de la tierra.
 Área a explotar en los primeros años
 Área de más alta ley (anomalía)
 Se dice que el muestreo es preferencial si la ubicación de los
datos no es regular ni está aleatoriamente distribuida sobre el
área.
 Condiciones de accesibilidad
 Valores esperados del atributo: el muestreo es a menudo más
denso en áreas que son consideradas críticas
 Estrategia de muestreo: Ubicaciones agrupadas pueden haberse
muestreado para caracterizar la variabilidad de pequeña escala

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Representatividad de la muestra

 Restricciones técnicas y económicas


 Delineación de zonas de interés
económico
 Accesibilidad

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Representatividad de la muestra
 Una forma de corregir el muestreo preferencial consiste en la
retención solamente de los datos regularmente espaciados
 adecuado si hay suficiente información al utilizar sólo grilla
regular para inferencia

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Representatividad de la muestra
 Otra forma es cambiar las frecuencias (pesos) de las
muestras en función de su representatividad:
 Donde hay más muestras, éstas informan menos acerca del
fenómeno (más redundantes)
 Donde hay menos muestras, éstas son más informativas

→ Los datos ubicados en las áreas más densamente


muestreadas deben recibir menor ponderación que
las datos en áreas menos muestreadas

→ Técnicas de “desagrupamiento” (declustering)


para obtener estadísticas representativas

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento
 Ilustración: cálculo de un histograma desagrupado
(abscisa: valor de la variable; ordenada: frecuencia)
Histograma estándar Histograma desagrupado

yn
i

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento
 Existen varios métodos de desagrupamiento:
 Métodos “geométricos”:
 método de las celdas
 método de los polígonos

 Métodos geoestadísticos:
 Pesos de kriging ordinario

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento
 Método de las celdas
 Cubrir la zona muestreada con celdas idénticas
 Cada celda con dato tiene el mismo peso
 Se reparte este peso entre las muestras que pertenecen a la
celda

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento
 Método de las celdas
 Influencia del origen de las celdas

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento
 Método de las celdas
 Influencia del tamaño de las celdas

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento
 Método de las celdas
 Cambio en la media depende fuertemente de deriva en los
datos
 Se recomienda utilizar el tamaño que se deduce de la malla
de sondajes

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento
 Método de los polígonos
 Ponderar el valor de cada muestra por el volumen
de influencia
 Requiere conocer los
límites del dominio
 En 3D es
computacionalmente difícil
de programar
 Muy fácil de aproximar
numéricamente
 Si los límites del dominio
son conocidos, da buenos
resultados

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento
 Sólo aplicado para corregir la distribución
 Se ponderan las frecuencias de las
muestras
 Los valores de las muestras no cambian

 Los ponderadores se calculan por celda,


poligonal u otras técnicas.

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Modelamiento de histograma
 En algunos casos, no se muestrea todo el
rango de la variable
 Azar Suavizamiento
 Accesibilidad del histograma

Distribución
muestral
Distribución
poblacional

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Derivas
 En la mayoría de los casos, alguna clase de tendencia o “deriva”
está presente en el fenómeno
 Los fenómenos de interés son anomalías
Modelos no estacionarios, con media variable m(u)
 Escala de la deriva es importante
30 14

zona
25 pobre 12

20 10
z(x)
z(x)
15 8

10 6

5 4
zona rica

0 2
0 200 400 0 20 40
global local
MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE
Derivas
 Modelamiento de la deriva
es subjetivo
 Modelo resultante es
función de cómo se
modeló la deriva
 Extremos:

 El modelo de la deriva
captura toda la
variabilidad y el residuo
es ruido puro (efecto
pepita)

 La variabilidad se
reparte entre el modelo
de la deriva y la
estructura de los
residuos

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Ejemplo

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Datos
 Modelo Cu-
Au
 2 tipos de
roca

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estadísticas – Coordenadas
 Global

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estadísticas – Coordenadas
 Por TR

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estadísticas – Variables
 Global

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estadísticas – Variables
 Por TR

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estadísticas bivariables
 Global

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estadísticas bivariables
 Por TR

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Estadísticas
 Resumen Proportions
RT1
60.82
RT2
39.18

Cu Au
Global RT1 RT2 Global RT1 RT2
N 245 149 96 245 149 96
Mean 0.563 0.850 0.117 1.488 2.231 0.334
Variance 0.220 0.150 0.002 9.678 14.353 0.271
Std. Dev. 0.469 0.387 0.042 3.111 3.789 0.521
CV 0.833 0.455 0.360 2.091 1.697 1.560
Max 2.130 2.130 0.276 27.929 27.929 4.545
Upper Quartile 0.903 1.065 0.141 1.148 2.765 0.387
Median 0.490 0.780 0.108 0.299 0.661 0.181
Lower Quartile 0.120 0.590 0.089 0.112 0.128 0.108
Min 0.030 0.241 0.030 0.000 0.000 0.014
Global RT1 RT2
Correlation 0.474 0.403 0.138
Rank Correlation 0.508 0.561 0.223
Regression slope 3.147 3.941 1.704
Regression
MI54A EVALUACIÓN Intersect
DE YACIMIENTOS -0.284
– UNIVERSIDAD DE CHILE -1.118 0.134
Desagrupamiento de celdas
 Cu

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento de celdas
 Au

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento de celdas
 Proporciones

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento de celdas
 Por TR

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento Cu

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento Cu

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE


Desagrupamiento
 TR

 Cu 1 Cu 2

 Au 1 Au 2

MI54A EVALUACIÓN DE YACIMIENTOS – UNIVERSIDAD DE CHILE