4 Dia 1

GEOESTAD ISTICA (D a 1)
Eduardo F. Cassiraga efc@dihma.upv.es Departamento de Ingenier a Hidr aulica y Medio Ambiente Universidad Polit ecnica de Valencia C/. Camino de Vera, s/n, 46022, Valencia, Espa na
Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid
Geoestad stica
Introducci on
Introducci on
Geoestad stica
Introducci on
Contenidos
1 Programa y contenidos del m odulo 2 Textos de referencia 3 Software 4 Geoestad stica en internet 5 Qu e hay en el CD-ROM?
Geoestad stica
Introducci on
Programa y contenidos del m odulo

Primer d a Descripci on univariada Descripci on bivariada Continuidad espacial Pr actica (Grupo 1)
Segundo d a Pr actica (Grupo 2) Introducci on a los algoritmos de estimaci on Pr actica (Grupo 1) Tercer d a Pr actica (Grupo 2) Introducci on a los algoritmos de simulaci on
Geoestad stica
Introducci on
Textos de referencia
1 Journel, A. G. and Huijbregts, C. J. (1978). Mining Geostatistics, Academic Press, London 2 Isaaks, E. and Srivastava, R. (1989). An Introduction to Applied Geostatistics, Oxford University Press, New York 3 Journel, A. G. (1989). Fundamentals of Geostatistics in Five Lessons, Volume 8, Short Course in Geology. American Geophysical Union, Washington, D.C. 4 Samper, F. J. y Carrera, J. (1990). Geoestad stica, aplicaciones a la hidrolog a subterr anea, Centro Internacional de M etodos Num ericos en Ingenier a, Barcelona 5 Olea, R. A., ed. (1991). Geostatistical Glosary and Multilingual Dictionary, Oxford University Press, New York 6 Cressie, N. (1991). Statistics for spatial data, Wiley Interscience, New York
Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid 4
Geoestad stica
Introducci on
7 Deutsch, C. and Journel, A. (1992). Geostatistical Software Library and Users Guide, Oxford University Press, New York 8 Rivoirard, J. (1994). Introduction to Disjunctive Kriging and Non-linear Geostatistics, Oxford University Press, New York 9 Wackernagel, H. (1995). Multivariate Geostatistics, Springer-Verlag, Germany 10 Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation., Oxford University Press, New York 11 Kitanidis, P. K. (1997). Introduction to Geostatistics, Cambridge University Press, New York 12 Armstrong, M. (1998). Basic Linear Geostatistics, Springer, Germany
Geoestad stica
Introducci on
13 Chil` es, J.-P. and Delner, P. (1999). Geostatistics Modeling Spatial Uncertainty, Wiley Interscience, New York 14 Webster, R. and Oliver, M. (2001). Geostatistics for Environmental Scientists, Wiley, Chichester, England 15 Lantu ejoul, C. (2002). Geostatistical Simulation. Models and Algorithms, Springer, Germany 16 Deutsch, C. (200?). Geostatistical Reservoir Modeling, Oxford University Press, New York
Geoestad stica
Introducci on
Software
GEO-EAS by Evan Englund and Allen Spark, (1991 y 1993), Environmental Protection Agency (EPA) GSLib: Geostatistical Software Library by Clayton Deutsch and Andr e Journel, (1992 y 1997), Stanford Center for Reservoir Forecasting (http://ekosk.stanford.edu/SCRFweb/supporting/index.html) WinGSLib by Clayton Deutsch, Andr e Journel and Manu Schnetzler, (1999), Center for Computational Geostatistics at the University of Alberta (http://www.gslib.com) FSSTools by Roland Froidevaux, J. Jaime G omez-Hern andez and David Mart nez Garc a, FSS International Europe (1999), (http://www.fssintl.com)
Geoestad stica
Introducci on
Geoestad stica en Internet

AI-GEOSTATS by Gr egoire Dubois, http://www.ai-geostats.org, The Central Information Server for Spatial Statistics and Geostatistics on the Internet
Geoestad stica
Introducci on
Qu e hay en el CD-ROM?
Presentaciones: copia de las presentaciones correspondientes a las clases del m odulo de geoestad stica (hay versi on en color para ver en pantalla y en blanco y negro para imprimir) Software: a GeoEAS: Geostatistical Software de la EPA b GsView: int erprete de archivos PostScript c GSLib2: Geostatistical Software Library, Stanford Center for Reservoir Forecasting (fuentes en Fortran 77) d GSLib90: Geostatistical Software Library, Stanford Center for Reservoir Forecasting (ejecutables para DOS en Fortran 90) Trabajos: algunos art culos y trabajos de inter es (incluye el Acrobat Reader 5)
Geoestad stica
Deniciones previas
Deniciones previas
10
Geoestad stica
Deniciones previas
Contenidos
1 Una denici on formal 2 Una denici on pr actica 3 Aspectos importantes acerca de la geoestad stica 4 Pasos de un estudio geoestad stico 5 Campos de aplicaci on de la geoestad stica 6 Estad stica 7 Estad stica descriptiva 8 Tipos de descripciones
11
Geoestad stica
Deniciones previas
Una denici on formal

El t ermino geoestad stica se utiliza para designar el estudio estad stico de fen omenos naturales La geoestad stica es la aplicaci on del formalismo de las funciones aleatorias al reconocimiento y estimaci on de fen omenos naturales (Matheron) Un fen omeno natural puede ser caracterizado por la distribuci on en el espacio de una o m as variables llamadas variables regionalizadas, por ejemplo la distribuci on de la altitud sobre un espacio horizontal caracteriza una supercie topogr aca
12
Geoestad stica
Deniciones previas
Una denici on pr actica

El objeto de la geoestad stica es describir cuantitativamente variables naturales distribuidas en el espacio (y en algunos casos en el tiempo) Por ejemplo: La concentraci on de un mineral precioso en una mina La profundidad y el espesor de un estrato geol ogico La porosidad y la permeabilidad de un medio poroso La densidad de los arboles de una cierta especie en un bosque Las propiedades del suelo en una regi on La lluvia ca da sobre una cuenca La presi on, temperatura y velocidad del viento en la atm osfera Las concentraciones de un soluto en una zona contaminada El n umero de peces en un area de producci on determinada
13
Geoestad stica
Deniciones previas
Aspectos importantes acerca de la geoestad stica

La geoestad stica es un conjunto de herramientas que nos ayuda a tomar decisiones y no un proceso autom atico de estimaci on No se debe hablar de geoestad stica sin una referencia, esto es, los m etodos geoestad sticos est an orientados hacia un objetivo Ofrece soluciones pr acticas a problemas pr acticos Los datos siempre deben ir delante del modelo En ella se realizan elecciones subjetivas expl citas y se analizan sus consecuencias El sentido com un es m as importante que el formalismo
14
Geoestad stica
Deniciones previas
Pasos de un estudio geoestad stico

1 An alisis estad stico preliminar
Limpieza y an alisis de la consistencia de los datos Identicaci on de poblaciones
2 An alisis de la continuidad espacial

An alisis estructural o variograf a
3 Estimaci on
Determinaci on de valores de un atributo donde no se lo conoce Evaluaci on de la incertidumbre Integraci on de informaci on indirecta
4 Simulaci on
Generaci on de im agenes equiprobables Reproducci on de la heterogeneidad espacial y de la informaci on disponible Evaluaci on de la incertidumbre
15
Geoestad stica
Deniciones previas
Campos de aplicaci on de la geoestad stica

Miner a Ingenier a del petr oleo Hidrogeolog a Meteorolog a Edafolog a Agricultura Piscicultura Contaminaci on Protecci on del medio ambiente
16
Geoestad stica
Deniciones previas
Estad stica
La estad stica es la ciencia de los datos, implica la colecci on, clasicaci on, s ntesis, organizaci on, an alisis e interpretaci on de la informaci on Poblaci on es un conjunto de datos, objetivo de nuestro inter es Muestra es un subconjunto de datos seleccionados de una poblaci on La rama de la estad stica que se dedica a la organizaci on, s ntesis y descripci on de conjuntos de datos es la estad stica descriptiva La rama de la estad stica que se ocupa de utilizar datos de muestra para inferir algo acerca de una poblaci on se denomina estad stica inferencial
17
Geoestad stica
Deniciones previas
Estad stica descriptiva

Motivaci on Los datos hablan m as claramente cuando ellos est an organizados Objetivos Explorar y describir los datos Condensar la informaci on Obtener un veh culo para comunicar la informaci on
18
Geoestad stica
Deniciones previas
Tipos de descripciones
Seg un el n umero de variables a describir Descripci on univariada Descripci on bivariada Si los datos est an asociados a una localizaci on en el espacio Descripci on espacial Los m etodos para realizar la descripci on de un conjunto de datos pueden clasicarse seg un las t ecnicas utilizadas en: M etodos gr acos M etodos num ericos
19
Geoestad stica
Descripci on univariada
20
Geoestad stica
Contenidos
1 M etodos gr acos para la descripci on univariada a Tablas de frecuencia e histogramas b Tablas de frecuencia acumulada e histogramas c Gr acos de probabilidad 2 M etodos num ericos para la descripci on univariada: sumarios estad sticos a Medidas de localizaci on b Medidas de dispersi on c Medidas de forma
21
Geoestad stica
Datos
81 82 82 88 89 77 74 75 77 87
77 61 74 70 88 82 80 80 84 100
103 110 97 103 94 86 85 83 74 47
112 121 105 111 110 101 90 87 108 111
123 119 112 122 116 109 97 94 121 124
19 77 91 64 108 113 101 99 143 109
40 52 73 84 73 79 96 95 91 0
111 111 115 105 107 102 72 48 52 98
114 117 118 113 118 120 128 139 136 134
120 124 129 123 127 121 130 145 144 144
22
Geoestad stica
Tablas de frecuencia e histogramas

Clase 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 N umero de datos 1 1 0 0 3 2 2 13 16 11 13 17 13 4 4
25
V V V V V V V V V V V V V V V
< < < < < < < < < < < < < < <
10 20 30 40 50 60 70 80 90 100 110 120 130 140
20
Frecuencia
15
10
0 0 50 100 150 200
Variable
23
Geoestad stica
Tablas de frecuencia acumulada e histogramas

Clase N umero de datos N umero de datos acumulado 1 2 2 2 5 7 9 22 38 49 62 79 92 96 100
100
< < < < < < < < < < < < < < <
10 20 30 40 50 60 70 80 90 100 110 120 130 140
1 2 2 2 5 7 9 22 38 49 62 79 92 96 100
Frecuencia acumulada
80
60
40
20
0 0 50 100 150 200
Variable
24
Geoestad stica
Gr acos de probabilidad
100
100
80
0 50 100 150 200
80
60
60
40
40
20
20
0 0 50 100 150 200
Variable
Variable
25
Geoestad stica
Gr acos de probabilidad normal

En un gr aco de probabilidad normal el eje y es escalado de tal modo que si la distribuci on es gausiana las frecuencias acumuladas quedar an representadas gr acamente sobre una l nea recta
99.99 99.9 99.8
Probabilidad normal
Probabilidad acumulada
99 98 95 90 80 70 60 50 40 30 20 10 5 2 1 0.2 0.1 0.01 0 50 100 150
Variable
26
Geoestad stica
Gr acos de probabilidad lognormal

Una variable est a lognormalmente distribuida si la distribuci on de sus logaritmos es normal En un gr aco de probabilidad lognormal el eje x est a en escala logar tmica, de tal modo que si la variable est a lognormalmente distribuida, las frecuencias acumuladas caen sobre una l nea recta
99.99 99.9 99.8
Probabilidad lognormal
Probabilidad acumulada
99 98 95 90 80 70 60 50 40 30 20 10 5 2 1 0.2 0.1 0.01 10 100 200
Variable
27
Geoestad stica
Sumarios estad sticos

Medidas de localizaci on: informan acerca de d onde est an localizadas las distintas partes de una distribuci on Localizaci on del centro de la distribuci on: Media (aritm etica, geom etrica y arm onica), mediana y moda Localizaci on de otras partes de la distribuci on: M nimo y m aximo, cuantiles (cuartiles, deciles y percentiles) Medidas de dispersi on: describen la variabilidad de los valores de los datos Rango, rango intercuartil, varianza y desviaci on t pica Medidas de forma: proveen informaci on acerca de la simetr a y de la longitud de las colas de una distribuci on Coeciente de sesgo y coeciente de variaci on
28
Geoestad stica
Medidas de localizaci on: media aritm etica

La media aritm etica o media mz de un conjunto de n datos z1, z2,...,zn se dene como: 1 mz = n
n
zi
i=1
Es posible asociar a los datos z1, z2,...,zn ciertos factores o pesos w1, w2,...,wn que dependen de la signicaci on o importancia de cada uno tal que: mz = y se llama media aritm etica ponderada
n i=1 wi zi n i=1 wi
29
Geoestad stica
Mediana
La mediana M de un conjunto de n datos z1, z2,...,zn es el valor de la variable para un porcentaje acumulado del 50 % o si los datos est an ordenados en orden de magnitud es el valor del medio si n es impar y es la media de los dos valores del medio si n es par, esto es: x n+1 , si n es impar 2 xn + x n+1 , si n es par 2
2
100
80
60
50
40
20
0 0 50 100
Mediana = 100.5
150 200
M=
Variable
Observaciones Observaciones
1 1
3 3
4 4
2 2
7 7
6 2450
8 8
m = 4.4 m = 353.6
M =4 M =4
30
Geoestad stica
Moda
La moda de un conjunto de datos es el valor que ocurre m as frecuentemente, es decir el valor m as com un La moda puede no existir e incluso, si existe, puede no ser u nica En un histograma la barra m as alta da una idea del rango en el que est a localizada la moda Cambia con la precisi on de los datos
31
Geoestad stica
Un ejemplo
Hallar la media, la mediana y la moda para los siguientes conjuntos de valores: Ordenados, los n umeros son 2, 2, 3, 5, 5, 5, 6, 6, 8 y 9. Media = 5.1 Mediana = media aritm etica de los dos centrales = 5 Moda = n umero que aparece m as veces = 5 Ordenados, los n umeros son 48.7, 48.9, 49.5, 50.3 y 51.6. Media = 49.8 Mediana = n umero medio = 49.5 Moda = n umero que aparece m as veces (no existe aqu )
32
Geoestad stica
Relaci on entre media, mediana y moda

Si la distribuci on de frecuencias de un conjunto de datos es sim etrica, la media, moda y mediana coinciden En el caso de distribuciones no sim etricas podemos tener:
Moda Mediana Media
Media Mediana Moda
33
Geoestad stica
Media geom etrica

La media geom etrica Gz de un conjunto de n datos z1, z2,...,zn es la ra z n- esima del producto de los datos, es decir: Gz = n z1 z2 ... zn
El logaritmo de la media geom etrica Gz de un conjunto de n datos z1, z2,...,zn es la media aritm etica de los logaritmos de tales n umeros, es decir: 1 log Gz = n
n
log zi
i=1
34
Geoestad stica
Media arm onica

La media arm onica Hz de un conjunto de n datos z1, z2,...,zn es la inversa de la media aritm etica de la inversa de los datos, es decir: 1
1 n n 1 i=1 zi
Hz =
n
n 1 i=1 zi
35
Geoestad stica
Relaci on entre las medias aritm etica, geom etrica y arm onica
La media geom etrica Gz de un conjunto de n datos positivos z1, z2,...,zn es menor o igual que su media aritm etica, pero es mayor o igual que su media arm onica, es decir: Hz Gz mz Pregunta: En qu e caso se verica que Hz = Gz = mz ? Respuesta: cuando z1 = z2 =, ..., = zn
36
Geoestad stica
M nimo y m aximo
M nimo: es el valor de la variable para un porcentaje acumulado del 0 % M aximo: es el valor de la variable para un porcentaje acumulado del 100 % Rango: m aximo - m nimo
100
80
60
40
20
0 Min = 0
0 50 100
Max = 145
150 200
Variable
37
Geoestad stica
Cuartiles
Primer cuartil: es el valor de la variable para un porcentaje acumulado del 25 % Tercer cuartil: es el valor de la variable para un porcentaje acumulado del 75 % Rango intercuartil: Q3-Q1
100
75
60
80
40
25
20
0 0 50
Q1 = 81.25
100
Q3 = 116.25
150 200
Variable
38
Geoestad stica
Cuantiles, deciles y percentiles

Cuantil: valor q (p) de la variable para el cual el porcentaje acumulado de la distribuci on es igual a p Si p se incrementa de a d ecimos hablamos de deciles Si p se incrementa de a cent esimos hablamos de percentiles
100
80
p
60
40
20
0 0 50 100
q(p)
150
200
Variable
39
Geoestad stica
Medidas de dispersi on
La dispersi on o variaci on de los datos intenta dar una idea de cu an esparcidos se encuentran estos Las principales medidas de dispersi on son: Rango = valor m aximo - valor m nimo Rango intercuartil = Q3 Q1 Varianza 1 2 z = n Desviaci on t pica = z
n
(zi mz )2
i=1
40
Geoestad stica
Medidas de forma
Coeciente de sesgo: informa acerca de la simetr a de una distribuci on
1 n n i=1 (zi 3
CS =
mz )3
Coeciente de variaci on: informa acerca de la longitud de las colas de los valores CV = m
41
Geoestad stica
Coeciente de sesgo
Es un estad stico tremendamente sensible a valores extremos y suele utilizarse s olo su signo de tal forma que: Si CS > 0 la cola de la distribuci on es hacia la derecha y se dice que esta es sesgada positiva Si CS < 0 la cola de la distribuci on es hacia la izquierda y se dice que esta es sesgada negativa
Moda Mediana Media
Media Mediana Moda
42
Geoestad stica
Coeciente de variaci on
Expresa a la variaci on como una fracci on de la media Suele utilizarse para describir distribuciones de variables cuyos valores y sesgo son positivos Es un indicador de dicultades si el objetivo del an alisis es la estimaci on local (si CV > 1 es probable que haya alg un valor err atico) Pierde su utilidad cuando m es pr oxima a cero
43
Geoestad stica
Descripci on bivariada
44
Geoestad stica
Contenidos
1 Introducci on 2 M etodos gr acos para la descripci on bivariada a Tablas de frecuencia e histogramas b Diagrama de cuantiles (q-q plot ) c Diagrama de dispersi on (scattergram) 3 M etodos num ericos para la descripci on bivariada: sumarios estad sticos a Coeciente de correlaci on b Covarianza c Coeciente de correlaci on de orden 4 Ventajas y desventajas de los sumarios estad sticos
45
Geoestad stica
Introducci on
Las herramientas para la descripci on univariada de la informaci on describen las distribuciones de variables de forma individual Si disponemos de un conjunto de datos multivariado, la descripci on individual de cada variable es una informaci on limitada Algunas de las caracter sticas m as interesantes e importantes de los datos de las ciencias de la tierra son las relaciones entre los varios atributos
46
Geoestad stica
Comparando dos distribuciones
81 82 82 88 89 77 74 75 77 87
15 16 16 21 21 15 14 14 16 22
77 12 61 7 74 9 70 8 88 18 82 16 80 15 80 15 84 17 100 28
103 24 110 34 97 22 103 27 94 20 86 16 85 15 83 15 74 11 47 4
112 121 105 111 110 101 90 87 108 111
27 36 24 27 27 23 16 15 29 32
123 119 112 132 116 109 97 94 121 124
30 29 25 32 29 24 17 16 37 38
19 0 77 7 91 10 64 4 108 19 113 25 101 18 99 17 143 55 109 20
40 2 52 4 73 7 84 10 73 7 79 7 96 14 95 13 91 11 0 0
111 18 111 18 115 19 15 105 107 16 102 15 72 6 48 2 52 3 98 14
114 117 118 113 118 120 128 139 136 134
18 18 19 17 19 21 28 40 34 31
120 124 119 123 127 121 130 145 144 144
18 20 22 19 22 20 25 38 35 34
47
Geoestad stica
Tablas de frecuencia
Clase 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 N umero de datos 1 1 0 0 3 2 2 13 16 11 13 17 13 4 4 Clase 0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 N umero de datos 5 9 6 15 24 12 10 7 6 4 1 0 0 1 0
< < < < < < < < < < < < < < <
10 20 30 40 50 60 70 80 90 100 110 120 130 140
U U U U U U U U U U U U U U U
< < < < < < < < < < < < < < <
4 8 12 16 20 24 28 32 36 40 44 48 52 56
48
Geoestad stica
Histogramas
0.25 0.25
0.20
0.20
Frecuencia
0.15
Frecuencia
0.15
0.10
0.10
0.05
0.05
0.00 0 50 100 150 200
0.00 0 20 40 60 80
Variable
Variable
V U
n 100 100
m 97.6 19.1
26.2 9.81
CV 0.27 0.51
m n 0.0 0.0
Q1 81.3 14.0
M 100.5 18.0
Q3 116.8 25.0
m ax 145.0 55.0
49
Geoestad stica
Diagrama de cuantiles (q-q plot)

Un diagrama de cuantiles es un gr aco x-y en el cual los cuantiles de dos distribuciones son representados uno versus el otro
Cuantiles de U
60 50 U=V 40 30 20 10 0 0 50 100 150
Los cuantiles de dos distribuciones id enticas se ajustan a una l nea recta U=V Si los cuantiles se ajustan a una l nea recta distinta de U=V, las distribuciones tienen la misma forma pero su localizaci on y dispersi on son diferentes
Cuantiles de V
50
Geoestad stica
Diagrama de dispersi on (scatterplot)

Un diagrama de dispersi on es un gr aco x-y en el cual la coordenada x corresponde a los valores de una variable y la coordenada y a los de otra Un diagrama de dispersi on es un buen indicador visual de la relaci on que existe entre dos variables Permite detectar datos que se encuentran sospechosamente fuera del rango de los datos
60 50
Valores de U
40 30 20 10 0 0 50 100 150
Valores de V
51
Geoestad stica
Diagrama de dispersi on (scatterplot)
60 50
60 50
Valores de U
40 30 20 10 0 0 50 100 150
Valores de U
40 30 20 10 0 0 50 100 150
Valores de V
Valores de V
52
Geoestad stica
Correlaci on
Al observar un diagrama de dispersi on podemos encontrar tres situaciones generales: 1 Las dos variables est an positivamente correlacionadas, que signica que los valores altos de una variable tienden a estar asociados a los valores altos de la otra variable 2 Las dos variables est an negativamente correlacionadas, que signica que los valores altos de una variable tienden a estar asociados a los valores bajos de la otra variable 3 Las dos variables no est an correlacionadas, que signica que el incremento de los valores de una variable no tiene efecto sobre los valores de la otra
53
Geoestad stica
Coeciente de correlaci on (Pearson)

El coeciente de correlaci on es el estad stico m as com unmente utilizado para sumarizar la correlaci on (lineal) entre dos variables
1 n n i=1 (xi
XY =
mx)(yi my ) x y
donde n es el n umero de datos; x1,...,xn son los valores de los datos de la primera variable; mx es su valor medio y x es su desviaci on t pica; por su parte y1,...,yn son los valores de los datos de la segunda variable; my es su valor medio y y es su desviaci on t pica
54
Geoestad stica
Coeciente de correlaci on
400
400
400
Permeabilidad (md)
Permeabilidad (md)
300
300
Permeabilidad (md)
0 10 20 30 40 50
300
200
200
200
100
100
100
10
Porosidad (%)
20
30
40
50
Porosidad (%)
10
Porosidad (%)
20
30
40
50
1,0
1,0
El coeciente de correlaci on siempre est a entre -1 y 1
55
Geoestad stica
400
Permeabilidad (md)
300
200
100
10
Porosidad (%)
20
30
40
50
El coeciente de correlaci on mide dependencia lineal
56
Geoestad stica
400
400
Permeabilidad (md)
300
Permeabilidad (md)
0 10 20 30 40 50
300
200
200
100
100
Porosidad (%)
10
Porosidad (%)
20
30
40
50
El coeciente de correlaci on es sensible a valores fuera de la nube principal
57
Geoestad stica
Covarianza
n
CXY
1 = n
(xi mx)(yi my )
i=1
400
400
400
Permeabilidad (md)
Permeabilidad (md)
300
300
Permeabilidad (md)
0 10 20 30 40 50
300
200
200
200
100
100
100
10
Porosidad (%)
20
30
40
50
Porosidad (%)
10
Porosidad (%)
20
30
40
50
Positiva
Cercana a cero
Negativa
58
Geoestad stica
Covarianza
CXY 1 = n
n
(xi mx)(yi my )
i=1
2.0
2000
Precipitacin media anual (mm)
C = 32846.13
Precipitacin media anual (m)
0 400 800 1200 1600
C = 0.0328463
1800
1.8
1600
1.6
1400
1.4
1200
1.2
1000
1.0
800
0.8 0 0.4 0.8 1.2 1.6
Elevacin (m)
Elevacin (km)
La covarianza depende de la magnitud de los datos

Geoestad stica
Coeciente de correlaci on de orden (Spearman)

El coeciente de correlaci on de orden es un estad stico u til cuando la relaci on entre las dos variables analizadas es no lineal
1 n n i=1 (Rxi
ordenXY =
mRx)(Ryi mRy ) RxRy
donde Rxi es el orden en que aparece el valor xi cuando los valores de la variable x son ordenados de menor a mayor; Ryi es el orden en que aparece el valor yi cuando los valores de la variable y son ordenados de menor a mayor; mRx es el valor medio de los ordenes de x y Rx su desviaci on t pica; mRy es el valor medio de los ordenes de y y y su desviaci on t pica
60
Geoestad stica
Coeciente de correlaci on de orden

ordenXY =
1 n n i=1 (Rxi
mRx)(Ryi mRy ) RxRy
0.5 100 0.1 10 0.9 120 0.7 400 0.3 90 XY = 0.562
Orden Orden de X de Y 3 3 1 1 5 4 4 5 2 2 ordenXY = 0.904
61
Geoestad stica

orden >
400
400
Permeabilidad (md)
300
Permeabilidad (md)
0 10 20 30 40 50
300
200
200
100
100
Porosidad (%)
10
Porosidad (%)
20
30
40
50
62
Geoestad stica

orden <
400
Permeabilidad (md)
300
200
100
10
Porosidad (%)
20
30
40
50
63
Geoestad stica
Ventajas y desventajas de los sumarios estad sticos

Ventajas Permiten condensar y hacer m as portable la informaci on Algunas veces los estad sticos se corresponden directamente con par ametros f sicamente relevantes (porosidad media) y otras veces no (permeabilidad efectiva) Pueden servir como par ametros de modelos de distribuci on Desventajas Condensan demasiado la informaci on Algunos estad sticos est an fuertemente inuenciados por valores extremos: media, desviaci on t pica, varianza y sesgo Otros se ven afectados por huecos o brechas en el medio de la distribuci on: mediana, cuartil inferior, cuartil superior y rango intercuartil
64
Geoestad stica
Continuidad espacial
65
Geoestad stica
Contenidos
1 Introducci on 2 Visualizaci on espacial de datos a b c d Mapas con la localizaci on de los datos Mapas de isol neas Mapas de s mbolos Mapas de indicadores
3 An alisis de la continuidad espacial a Diagramas de dispersi on tipo h b Medidas de continuidad espacial c Momento de inercia y variograma 4 Introducci on a la pr actica de la variograf a 5 Resumen
Geoestad stica
Introducci on
Datos Media Varianza M aximo Cuartil 3 Mediana Cuartil 1 M nimo 5000 0.18 0.80 2.32 0.77 0.23 -0.36 -2.43
Datos Media Varianza M aximo Cuartil 3 Mediana Cuartil 1 M nimo
5000 0.18 0.80 2.32 0.77 0.23 -0.36 -2.43
67
Geoestad stica
Introducci on
Los estad sticos univariados (y los bivariados) no son capaces de capturar la continuidad espacial entre los datos En las ciencias de la tierra la informaci on est a asociada a su localizaci on en el espacio Las caracter sticas espaciales de los datos (localizaci on de los valores extremos, tendencia general, grado de continuidad) son por tanto de considerable inter es Los datos acerca de una variable no aparecen aleatoriamente localizados: los valores bajos tienden a localizarse cerca de otros valores bajos y con los altos pasa lo mismo
68
Geoestad stica
Visualizaci on espacial de datos

Mapas con la localizaci on de los datos Mapas de isol neas Mapas de s mbolos Mapas de indicadores
69
Geoestad stica
Mapas con la localizaci on de los datos

81 82 82 88 89 77 74 75 77 87 77 61 74 70 88 82 80 80 84 100 103 110 97 103 94 86 85 83 74 47 112 121 105 111 27 101 90 87 108 111 123 119 112 122 116 109 97 94 121 124 19 77 91 64 108 113 101 99 143 109 40 52 73 84 73 79 96 95 91 0 111 111 115 105 107 102 72 48 52 98 114 117 118 113 118 120 128 139 136 134 120 124 129 123 127 121 130 145 144 144
70
Geoestad stica
Mapas de isol neas
71
Geoestad stica
Mapas de s mbolos
10
10
145
145
0
0 0
10
10
72
Geoestad stica
Mapas de indicadores
Umbral 1 Umbral 2
30 - 145 0 - 30
75 - 145 0 - 75
Umbral 3
120 - 145 0 - 120
73
Geoestad stica
An alisis de la continuidad espacial

Las herramientas utilizadas para describir la relaci on entre dos variables pueden utilizarse para describir la relaci on entre el valor de una variable y los valores de la misma variable en localizaciones cercanas El diagrama de dispersi on es utilizado para mostrar la continuidad espacial Los estad sticos cl asicos sirven para sumarizar la informaci on contenida en un diagrama de dispersi on Una nueva herramienta: el variograma
74
Geoestad stica
Diagramas de dispersi on tipo h (h-scatterplots )

Un diagrama de dispersi on tipo h muestra todos los pares de valores cuyas localizaciones est an separadas por una cierta distancia en una direcci on particular
(xj,yj) tj
hij (xi,yi)
(0,0)
ti
75
Geoestad stica
Diagramas de dispersi on tipo h

h = (0,1) h = (0,2)
h = (0,3)
h = (0,4)
76
Geoestad stica
Diagramas de dispersi on tipo h

150
h = (0,1)
150
h = (0,2)
100
100
v(t+h)
50
v(t+h)
50 0 0 50 100 150 0 0 50 100 150
v(t)
150
v(t)
150
h = (0,3)
h = (0,4)
100
100
v(t+h)
50
v(t+h)
50 0 0 50 100 150 0 0 50 100 150
v(t)
v(t)
77
Geoestad stica
Medidas de continuidad espacial

Covarianza C Coeciente de correlaci on Momento de inercia
Al considerar el vector h
Funci on de covarianza C (h) Funci on de correlaci on o correlograma (h) Variograma (h)
78
Geoestad stica
El momento de inercia
Y X=Y
xi yi 2
(xi ,yi )
1 Mo = N
i=1
xi yi 2
1 = 2N
(xi yi)
i=1
79
Geoestad stica

Distancia h (0,1) (0,2) (0,3) (0,4) Coeciente de correlaci on 0.742 0.590 0.560 0.478 Covarianza C 448.8 341.0 323.8 291.5 Momento de inercia 312.8 479.2 521.4 652.9
1.0
Correlograma
800 700
Funcin de covarianza
800 700 600
Variograma
0.8
600
0.6
500 400 300 200 100
500 400 300 200 100 0
0.4
0.2
0.0 0 1 2 3 4
Distancia h
Distancia h
Distancia h
80
Geoestad stica
Funci on de covarianza
1 C (h) = N (h) vi vj mh m+h
(i,j )|hij =h
mh =
1 N (h)
vi
i|hij =h
m+h
1 = N (h)
vj
j |hij =h
81
Geoestad stica
Funci on de correlaci on o correlograma

(h) = C (h) h +h
2 vi m2 h i|hij =h
2 h =
1 N (h) 1 N (h)
2 + h =
2 vj m2 +h j |hij =h
82
Geoestad stica
Variograma
1 (h) = 2N (h) (vi vj )2
(i,j )|hij =h
83
Geoestad stica
Propiedades de simetr a
1 (h) = 2N (h) 1 (h) = 2N (h) 1 (h) = 2N (h) (vi vj )2
(i,j )|hij =h
(vj vi)2
(j,i)|hij =h
(vi vj )2
(i,j )|hij =h
(h) = (h)
C (h) = C (h)
(h) = (h)
84
Geoestad stica
70 Variograma superficial
-70 -70
886.13 827.06 767.98 708.91 649.83 590.76 531.68 472.60 413.53 354.45 295.38 236.30 177.23 118.15 59.08 0.00
945.21 886.13 827.06 767.98 708.91 649.83 590.76 531.68 472.60 413.53 354.45 295.38 236.30 177.23 118.15 59.08
70
(h) = (h)
85
Geoestad stica
70 Covarianza superficial
-70 -70
596.81 547.04 497.27 447.50 397.73 347.96 298.19 248.42 198.64 148.87 99.10 49.33 -0.44 -50.21 -99.98 -149.75
646.58 596.81 547.04 497.27 447.50 397.73 347.96 298.19 248.42 198.64 148.87 99.10 49.33 -0.44 -50.21 -99.98
70
C (h) = C (h)
86
Geoestad stica
70 Correlograma superficial
-70 -70
0.92 0.84 0.76 0.68 0.60 0.53 0.45 0.37 0.29 0.21 0.13 0.05 -0.03 -0.11 -0.19 -0.26
1.00 0.92 0.84 0.76 0.68 0.60 0.53 0.45 0.37 0.29 0.21 0.13 0.05 -0.03 -0.11 -0.19
70
(h) = (h)
87
Geoestad stica
Diagramas cruzados de dispersi on tipo h

60 50 40
h = (0,0)
60.0 50.0 40.0
h = (0,1)
u(t+h)
30 20 10 0 0 50 100 150
u(t+h)
30.0 20.0 10.0 0.0
v(t)
60.0 50.0 40.0
50
v(t)
100
150
h = (0,2)
60.0 50.0 40.0
h = (0,3)
u(t+h)
30.0 20.0 10.0 0.0 0 50
u(t+h)
100 150
30.0 20.0 10.0 0.0
v(t)
50
v(t)
100
150
88
Geoestad stica

Distancia h (0,0) (0,1) (0,2) (0,3) (0,4) Coeciente de correlaci on 0.84 0.60 0.45 0.36 0.28 Covarianza C 218.3 144.0 94.2 73.1 60.1 Momento de inercia 0.0 54.2 80.7 89.5 111.0
1.0
Correlograma
250 200
Funcin de covarianza
160 120
Variograma
0.8
0.6
150 100 50 0
80
0.4
0.2
40
0.0 0 1 2 3 4
0 0 1
Distancia h
Distancia h
Distancia h
89
Geoestad stica
Funci on de covarianza cruzada

1 Cuv (h) = N (h) ui vj muh mv+h
(i,j )|hij =h
muh =
1 N (h)
ui
i|hij =h
mv+h
1 = N (h)
vj
j |hij =h
90
Geoestad stica
Funci on de correlaci on cruzada o correlograma cruzado

uv (h) = Cuv (h) uh v+h
2 u2 i muh i|hij =h
2 u h
1 = N (h) 1 = N (h)
2 v +h
2 vj m2 v+h j |hij =h
91
Geoestad stica
Variograma cruzado
1 uv (h) = 2N (h) (ui uj )(vi vj )
(i,j )|hij =h
92
Geoestad stica
70 Variograma cruzado superficial
-70 -70
107.65 100.47 93.30 86.12 78.94 71.77 64.59 57.41 50.24 43.06 35.88 28.71 21.53 14.35 7.18 0.00
- 114.82 - 107.65 - 100.47 - 93.30 - 86.12 - 78.94 - 71.77 - 64.59 - 57.41 - 50.24 - 43.06 - 35.88 - 28.71 - 21.53 - 14.35 7.18
70
uv (h) = uv (h)
Geoestad stica
70 Covarianza cruzada superficial
-70 -70
58.23 52.81 47.39 41.97 36.55 31.13 25.71 20.30 14.88 9.46 4.04 -1.38 -6.80 -12.22 -17.64 -23.06
- 63.65 - 58.23 - 52.81 - 47.39 - 41.97 - 36.55 - 31.13 - 25.71 - 20.30 - 14.88 9.46 4.04 - -1.38 - -6.80 - -12.22 - -17.64
70
Cuv (h) = Cuv (h)

Geoestad stica
Datos irregularmente espaciados
y R
d dh
(h) =
1 2N (h)
(vi vj )2
(i,j )|hij h
95
Geoestad stica
Introducci on a la pr actica de la variograf a

La expresi on del variograma nos permite cuanticar la continuidad espacial para una serie de distancias de separaci on y direcciones determinadas: el variograma experimental
120000
Variograma experimental
100000
80000
60000
40000
20000
0 0 20 40 60 80 100
Distancia
96
Geoestad stica
Introducci on a la pr actica de la variograf a

Los m etodos geoestad sticos requieren conocer el variograma para cualquier distancia de separaci on y cualquier direcci on en la cual es considerada dicha separaci on: un modelo ajustado
120000
Variograma experimental y modelo ajustado
100000
80000
60000
40000
20000
0 0 20 40 60 80 100
Distancia
97
Geoestad stica
Terminolog a
(h)
C
h: distancia de separaci on C: meseta a: alcance C0: efecto pepita
C0 a
98
Geoestad stica
Metodolog a
Variograma omnidireccional: permite tener una idea inicial acerca de los par ametros relativos a distancia (alcance e incremento de la distancia de separaci on) Variogramas direccionales: permiten determinar la existencia de anisotrop a y sus direcciones principales Modelizaci on: permite conocer el valor del variograma para cualquier distancia de separaci on y direcci on
99
Geoestad stica
Variograma omnidireccional
N umero de parejas 22 488 1720 1856 3040 2412 3550 2816 4092 3758 4248 3920 5324 4442 5478 4696 5762 5084 5666 4458 2890 Distancia de separaci on 2.1 5.4 10.4 14.8 20.3 24.9 30.1 34.8 40.3 44.9 50.1 55.0 60.2 64.8 70.2 74.8 80.2 84.9 90.1 94.8 98.8
(h)
11294.1 42671.4 51932.4 71141.8 70736.9 86745.2 84077.8 99986.6 89954.4 86155.0 98319.3 94415.1 88848.9 96309.2 96397.3 90704.6 92560.6 88104.0 95530.9 101174.8 94052.1
120000
Incremento de la distancia = 5
100000
80000
60000
40000
20000
0 0 20 40 60 80 100
Distancia
100
Geoestad stica
Variograma omnidireccional
120000
Incremento de la distancia = 10
N umero de parejas 178 3044 5140 6238 7388 7954 9782 10060 10628 10454 4856
Distancia de separaci on 3.6 11.0 20.4 30.2 40.5 50.1 60.3 70.3 80.3 90.1 97.8
(h)
32544.3 55299.8 75224.6 88418.6 90544.1 95689.1 91285.2 93809.2 92357.8 95010.5 97349.3
100000
80000
60000
40000
20000
0 0 20 40 60 80 100
Distancia
101
Geoestad stica
Variogramas direccionales
120000
N90E
120000
N70E
120000
N50E
100000
100000
100000
80000
80000
80000
60000
60000
60000
40000
40000
40000
20000
20000
20000
0 0 20 40 60 80 100
0 0 20 40 60 80 100
0 0 20 40 60 80 100
Distancia
Distancia
Distancia
120000
N30E
120000
N10E
120000
N10O
100000
100000
100000
80000
80000
80000
60000
60000
60000
40000
40000
40000
20000
20000
20000
0 0 20 40 60 80 100
0 0 20 40 60 80 100
0 0 20 40 60 80 100
Distancia
Distancia
Distancia
120000
N30O
120000
N50O
120000
N70O
100000
100000
100000
80000
80000
80000
60000
60000
60000
40000
40000
40000
20000
20000
20000
0 0 20 40 60 80 100
0 0 20 40 60 80 100
0 0 20 40 60 80 100
Distancia
Distancia
Distancia
102
Geoestad stica
Variogramas direccionales
N N14O
N76E O E
S
Geoestad stica
Variograma supercial
50.0
120000
100000
80000
60000
40000
20000
0
-50.0
-50.0
50.0
104
Geoestad stica
Tolerancia angular
120000
Tolerancia angular = 10
120000
Tolerancia angular = 20
100000
100000
80000
80000
60000
60000
40000
40000
20000
20000
0 0 20 40 60 80 100
0 0 20 40 60 80 100
Distancia
120000
Distancia
120000
Tolerancia angular = 30 grados
Tolerancia angular = 40 grados
100000
100000
80000
80000
60000
60000
40000
40000
20000
20000
0 0 20 40 60 80 100
0 0 20 40 60 80 100
Distancia
Distancia
105
Geoestad stica
Tolerancia angular
N umero de parejas en funci on de la direcci on y la tolerancia angular
10 grados N76E N14O 22 0 168 176 165 281 327 363 251 445 338 554 411 709 388 783 494 854 457 768 234 314 20 grados N76E N14O 57 1 352 370 710 681 631 682 806 966 692 1071 893 1476 809 1505 923 1658 915 1542 459 634 30 grados N76E N14O 66 1 532 543 871 911 936 1051 1099 1405 1103 1605 1269 2000 1259 2178 1416 2396 1380 2193 687 890 40 grados N76E N14O 76 6 674 714 1058 1152 1396 1521 1453 1798 1521 2071 1744 2646 1706 2703 1879 2999 1828 2804 957 1250
106
Geoestad stica
Modelizaci on del variograma experimental

Una vez calculados los variogramas experimentales es necesario ajustarles un modelo que permita su utilizaci on en el esquema de las t ecnicas geoestad sticas de estimaci on y/o simulaci on Un modelo de variograma es una funci on matem atica expresada en funci on de la separaci on, la direcci on y unos pocos par ametros a determinar durante el proceso de la modelizaci on Las funciones aptas para ser modelos de variogramas deben cumplir con ciertas reglas que garanticen la existencia de una soluci on u nica y estable de los sistemas de ecuaciones lineales subyacentes a las t ecnicas de estimaci on y/o simulaci on (positive deniteness )
107
Geoestad stica
Modelos b asicos
0 si h = 0 1 para los otros casos
h 3 1,5 h a 0,5( a ) si h es a 1 para los otros casos
Modelo efecto pepita Modelo esf erico Modelo exponencial Modelo gausiano Modelo lineal
(h) = (h) =
3h (h) = 1 exp a 3h2 (h) = 1 exp a2 (h) = hw , con 0 < w < 2
108
Geoestad stica
Modelos b asicos
1.0
0.8
0.6
0.4
Modelo esf erico (rojo) Modelo exponencial (verde) Modelo gausiano (azul)
0.2
0.0 0 20 40 60 80 100
Distancia
109
Geoestad stica
Estructuras imbricadas
Una combinaci on lineal de modelos de variogramas denidos positivos con coecientes positivos es un modelo denido positivo:
n
(h) =
i=1
|i| i(h)
No existe un l mite matem atico en el n umero n de modelos a combinar, aunque la experiencia demuestra que la mayor a de los ajustes se puede lograr con, a lo sumo, dos estructuras imbricadas m as la correspondiente al efecto pepita En este caso el principio de parsimonia es una buena gu a: la utilizaci on de m as estructuras imbricadas no es garant a de mejores resultados
110
Geoestad stica
Estructuras imbricadas
Ejemplo (h) = 22000 + 40000 Esf30(h) + 45000 Esf150(h)
120000
100000
80000
60000
40000
20000
0 0 20 40 60 80 100
Distancia
111
Geoestad stica
Modelos de anisotrop a: geom etrica

Anisotrop a geom etrica: el alcance cambia con la direcci on mientras que la meseta permanece constante
1.0
0.8
0.6
0.4
0.2
0.0 0 20 40 60 80 100
Distancia
112
Geoestad stica
Modelos de anisotrop a: zonal

Anisotrop a zonal: la meseta cambia con la direcci on mientras que el alcance permanece constante
1.0
0.8
0.6
0.4
0.2
0.0 0 20 40 60 80 100
Distancia
113
Geoestad stica
Anisotrop a geom etrica + zonal

1.0 1.0 0.8 0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.0 0 20 40 60 80 100
0.0 0 20 40 60 80 100
Distancia
1.0
Distancia
0.8
0.6
0.4
0.2
0.0 0 20
Distancia
40
60
80
100
114
Geoestad stica
Algunas consideraciones
La exploraci on de la informaci on disponible es el paso m as importante en cualquier estudio relacionado con las ciencias de la tierra El an alisis de la continuidad espacial de un conjunto de datos es, casi siempre, frustrante y constituye una tarea ardua y desalentadora El desarrollo de casos pr acticos es el mejor camino para familiarizarnos con las herramientas presentadas, especialmente con el variograma El variograma es la piedra angular de la geoestad stica
115
Geoestad stica
Resumen
Descripci on espacial Descripci on univariada y bivariada
Geoestad stica
Estad stica
Distancia
116

4 Dia 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

4 Dia 1

Cargado por

Copyright:

Formatos disponibles

GEOESTAD ISTICA (D a 1)

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Programa y contenidos del m odulo

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Geoestad stica en Internet

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Una denici on formal

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Una denici on pr actica

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Aspectos importantes acerca de la geoestad stica

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Pasos de un estudio geoestad stico

2 An alisis de la continuidad espacial

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Campos de aplicaci on de la geoestad stica

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Estad stica descriptiva

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

103 110 97 103 94 86 85 83 74 47

112 121 105 111 110 101 90 87 108 111

123 119 112 122 116 109 97 94 121 124

19 77 91 64 108 113 101 99 143 109

111 111 115 105 107 102 72 48 52 98

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Tablas de frecuencia e histogramas

10 20 30 40 50 60 70 80 90 100 110 120 130 140

0 0 50 100 150 200

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Tablas de frecuencia acumulada e histogramas

10 20 30 40 50 60 70 80 90 100 110 120 130 140

0 0 50 100 150 200

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

0 0 50 100 150 200

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Gr acos de probabilidad normal

99.99 99.9 99.8

99 98 95 90 80 70 60 50 40 30 20 10 5 2 1 0.2 0.1 0.01 0 50 100 150

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Gr acos de probabilidad lognormal

99.99 99.9 99.8

99 98 95 90 80 70 60 50 40 30 20 10 5 2 1 0.2 0.1 0.01 10 100 200

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Sumarios estad sticos

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Medidas de localizaci on: media aritm etica

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Master en Hidrolog a General y Aplicada (edici on 2002), CEDEX, Madrid

Relaci on entre media, mediana y moda