GEOESTADISTICA I

OBJETIVOS
Hacer un estudio de los variogramas y su comportamiento frente a datos diversos obtenidos al
aplicar distintas formas de agrupacin de dichos datos y as obtener grficos con los cuales
podemos obtener informacin de un determinado fenmeno.

MARCO TEORICO:
TEOREMA DEL LMITE CENTRAL
El Teorema del Lmite Central o Teorema Central del Lmite indica que, bajo condiciones muy
generales, la distribucin de la suma de variables aleatorias tiende a una distribucin gaussiana
cuando la cantidad de variables es muy grande.
Existen diferentes versiones del teorema, en funcin de las condiciones utilizadas para asegurar
la convergencia. Una de las ms simples establece que es suficiente que las variables que se suman
sean independientes, idnticamente distribuidas, con valor esperado y varianza finitas.
La aproximacin entre las dos distribuciones es en general mayor en el centro de las mismas que
en sus extremos o colas, motivo por el cual se prefiere el nombre Teorema del Lmite Central
(central califica al lmite, ms que al teorema).
Esta relacin entre la forma de la distribucin de la poblacin y la forma de la distribucin de
muestreo se denomina teorema del lmite central, que es tal vez el ms importante de toda la
inferencia estadstica. Nos asegura que la distribucin de muestreo de la media se aproxima a la
normal al incrementarse el tamao de la muestra. Hay situaciones tericas en las que el teorema
del lmite central no se cumple, pero casi nunca se encuentran en la toma de decisiones prctica.
Una muestra no tiene que ser muy grande para que la distribucin de muestreo de la media se
acerque a la normal. Los estadsticos utilizan la distribucin normal como una aproximacin a la
distribucin de muestreo siempre que el tamao de la muestra sea al menos de 30, pero la
distribucin de muestreo de la media puede ser casi normal con muestras incluso de la mitad de
ese tamao. La importancia del teorema del lmite central es que nos permite usar estadsticas de
muestra para hacer inferencias con respecto a los parmetros de poblacin sin saber nada sobre la
forma de la distribucin de frecuencias de esa poblacin ms que lo que podamos obtener de la
muestra.

GEOESTADISTICA I

Formulacin del Problema

En esta tarea tomaremos 1000 datos aleatorios luego hallaremos su variograma
Para realizar este estudio se tienen que generar datos aleatorios (entre 0 1).
A estos datos se debe hacer un estudio estadstico (descriptivo) y geoestadistico (funcin
variograma).

El mismo estudio se debe realizar para nuevos datos generados de la siguiente manera:

Tomamos las leyes aleatorias del taladro cada 1 metro y trabajamos con la data para
realizar el variograma

La figura muestra el esquema del taladro a estudiar

GEOESTADISTICA I

MODELO MATEMTICO
Estadstica (descriptiva)
La media
n

x
i 1

xi
n

La varianza

(x x)

x2

Desviacin estndar

(x x)

x
n

Coeficiente de variacin

C.V

GEOESTADISTICO (Funcin Variograma)

np

{Z ( x ) Z ( x h)}

( h)

xi

2 np

x2

GEOESTADISTICA I

PROGRAMACION EN MATLAB

CODIGOS DEL PROGRAMA

clc;
clear;
n=input('INGRESE EL TOTAL DE NUMERO ALEATORIOS CON EL
CUAL DESEA TRABAJAR:');
A=rand(n,1);
B=zeros(n-1,1);
H=zeros(n-1,1);
for h=1:n-1
s=0;
for x=1:n-h
s=s+(A(x)-A(x+h))^2;
end
S=s/(2*(n-h));
B(h)=S;
H(h)=h;
end
plot(H,B);
shg;
grid on

GEOESTADISTICA I

GEOESTADISTICA I

CONCLUSIONES

Observamos que para datos aleatorios se da el efecto pepita

pura en el que los datos no guardan relacin entre s.
La meseta va ser igual a la desviacin estndar, hecho que
podemos comprobar grficamente