UNIVERSIDAD ALAS PERUANAS

FACULTAD DE INGENIERA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERA DE MINAS

CURSO: GEOESTADSTICA I

DOCENTE DEL CURSO

ING. KROVER W. LAZARTE PONCE

Ing. Krover W. Lazarte P. 1

 4. CONTENIDO ANALTICO

SEMANA 1
CAPITULO I: INTRODUCCIN A LA TEORIA DE VARIABLES
REGIONALIZADAS.
1.1 Introduccin, explicacin de la metodologa a seguir en el curso:
Mtodo constructivista.
SEMANA 2
Variable Aleatoria
Funcin Aleatoria
1.2 Variables regionalizadas
1.3 Hiptesis estacionario.

Ing. Krover W. Lazarte P. 2

 Funcin de distribucin y momentos de una funcin aleatoria
Sea Z(x) una funcin aleatoria definida en R3 , entonces el vector aleatorio

se caracteriza por su funcin de distribucin de probabilidad n-variada:

El conjunto de todas las distribuciones para todo valor de n y para

cualquier seleccin de puntos en R3 constituye la ley espacial de
probabilidad de la funcin aleatoria Z(x).
Esta funcin en la prctica es imposible de determinar y slo se puede
esperar inferir los primeros momentos de la distribucin de Z(x) .
En las aplicaciones en geoestadstica lineal resulta suficiente estimar los
momentos hasta de segundo orden, no obstante en la mayora de los casos
la informacin disponible no permite inferir momentos de orden superior.
Ing. Krover W. Lazarte P. 3
 Momentos de la distribucin de una FA : Z(x)
El momento de primer orden de Z(x) es la esperanza matemtica definida
como:

Tambin conocido como valor medio o media de Z(x) est definido

como la expresin anterior.

Ing. Krover W. Lazarte P. 4

 Momentos de la distribucin de una FA : Z(x)
Momentos de segundo orden:
Los momentos de segundo orden considerados en geoestadstica son:
i) La varianza de Z(x) esta definida como:

ii) La covarianza de dos variables aleatorias Z(xi) y Z(xj) definida como:

Esta funcin es tambin conocida como funcin de autocovarianza.

iii) El semivariograma Z(x) o que se define como:

Tambin conocido como funcin de semivarianzas o variograma. Adems

el variograma es , pero con frecuencia se usa el trmino
indistintamente para designar a
Nota: Se debe notar que tanto la varianza como el variograma son siempre positivos, mientras
que la covarianza puede tomar valores negativos.
Ing. Krover W. Lazarte P. 5
 Hiptesis de la Geoestadstica.
Como la forma en que se presenta la informacin inicial es muy diversa,
segn [Alfonso,1989b] aspecto que trata [Journel,1978], para aplicar la
Geoestadstica es necesario aceptar el cumplimiento de ciertas hiptesis
sobre el carcter de la funcin aleatoria o procesos estocsticos
estudiados.

Las hiptesis de la Geoestadstica son:

Ing. Krover W. Lazarte P. 6

 Estacionaridad de una FA
Estacionaridad Estricta
Se dice que una funcin aleatoria Z(x) es estrictamente estacionaria si la
funcin de distribucin de probabilidades de las variables aleatorias
regionalizadas Z(xi) son iguales entre s o invariante a cualquier traslacin
respecto al vector h y/o independiente de la localizacin xi.
Esto requiere que los momentos de distinto orden para cada variable
aleatoria regionalizada sean completamente independientes de la
localizacin xi.
Pero resulta prctico limitar la hiptesis de estacionaridad a los primeros
momentos.
Esta condicin como su nombre lo indica. Es demasiado restricta al estudiar
la mayora de los fenmenos encontrados en la prctica.

Ing. Krover W. Lazarte P. 7

 Hiptesis de la Geoestadstica.
I.- Estacionaridad Estricta.

X X

X X

X X X X

X
X

E (Z(x)) = m(x) E (Z(x)) = m

FA Var Z(x) = 2(x) Var Z(x) <<<<<< = 2
Cov (Z(x) Z(y)) = K (x,y) Cov (Z(x) Z(y)) = K (h)
h = y-x
Ing. Krover W. Lazarte P. 8
 Clasificacin de las FA segn su grado de estacionaridad

FA estacionarias de segundo orden

FA aleatorias intrnsecas
Funciones aleatorias no estacionarias

Ing. Krover W. Lazarte P. 9

 FA estacionarias de segundo orden
Se dice que una FA es estacionaria de segundo orden si sus momentos de
primer y segundo orden no dependen de la posicin, es decir:
I. su valor esperado existe y no depende de x ,

II. para cualquier par de variables aleatorias Z(x) y Z(x+h), su covarianza

existe y slo depende del vector de separacin h ,

La estacionaridad de la varianza implica que la varianza existe, es finita y no

depende de x , es decir

As mismo bajo esta hiptesis el semivariograma tambin es estacionario y

se cumple que:

Adems existe una relacin directa entre el semivariograma y la funcin de

covarianza
Ing. Krover W. Lazarte P. 10
 FA estacionarias de segundo orden
Esta hiptesis requiere la estacionaridad solo para la media y para la
funcin de covarianza de la variable aleatoria regionalizada. La segunda
condicin implica, estacionaridad de la varianza y del variograma.

Como se observa en la ltima expresin (h) y C(h), son dos herramientas

que permiten expresar la correlacin entre la variable aleatoria
regionalizada Z(xi) y Z(xi+h), separadas por el vector h.
Ing. Krover W. Lazarte P. 11
 FA aleatorias intrnsecas o Hiptesis Intrnseca.
Un funcin aleatoria Z(x) se dice intrnseca cuando:

Cuando se cumple esta condicin se dice que la funcin aleatoria Z(x) es

homognea.
Esta condicin se encuentra con bastante frecuencia en la naturaleza, pues existen
muchos procesos que no tiene varianza finita y sin embargo, poseen una funcin
variograma finita.
La estacionaridad de segundo orden, siempre implica la condicin intrnseca
(homogeneidad), sin embargo la relacin inversa no siempre se cumple.
Ing. Krover W. Lazarte P. 12
 FA aleatorias intrnsecas o Hiptesis Intrnseca.
HIPTESIS INTRNSICA EL VARIOGRAMA

Var (Z(x+h) Z(x)) = E (Z(x+h) Z(x))2 = 2 (h)

PROPIEDADES DEL VARIOGRAMA
i)Relacin con la covarianza ii) Simetra iii) Positividad
(h) = 2 - K(h) = K(0) K(h) (-h) = (h)
(h) 0
K(0) meseta
(h) El variograma es la
herramienta bsica
de la geoestadstica
que expresa la
correlacin espacial
K(h)
a de las muestras

Ing. Krover W. Lazarte P. 13

 FA no estacionarias
Cuando no cumplen la Hiptesis Intrnseca.
El valor esperado de la diferencia depende de la posicin.
La varianza de la diferencia no es estacionaria
Un indicador de no estacionaridad (tendencia) es cuando el variograma
presenta un crecimiento similar o superior a h2
Si consideramos a la FA Z(x) como la suma de una componente
determinstica m(x) y de un residuo R(x) estacionario con media nula, es
decir:
Entonces vemos que el semivariograma de Z(x) depende de x

En el caso en que la deriva sea lineal el semivariograma

no depende de x

Ing. Krover W. Lazarte P. 14

 Ejemplo de variograma
Ejemplo de variograma en presencia de tendencia muestra un crecimiento
h2
Fig: Ejemplo de
semivariograma en
presencia de tendencia
muestra un crecimiento
h2 en la direccin de
45con intervalo 4
km.

Ing. Krover W. Lazarte P. 15

 Ejemplos de Estacionaridad
(a) Media y varianza constantes; (b) media variable y varianza constante;
(c) Media constante y varianza no constante; (d) Media y varianza no
constantes.

Ing. Krover W. Lazarte P. 16

 Ejemplos de Estacionaridad
(a) Media estacionaria; (b) Media no estacionaria

Ing. Krover W. Lazarte P. 17

Ciencia Tecnologia y Medio Ambiente

Para uso restringido para KL. Todos los derechos reservados. Ninguna
parte de esta presentacin puede ser reproducida o utilizada en ninguna
forma o por ningn medio sin permiso explcito de Krover Lazarte.