Microergodicidad y Simulaciones

geoestadísticas
por

Marco Antonio Alfaro Sironvalle

2008
MICROERGODICIDAD Y SIMULACIONES GEOESTADISTICAS.

INTRODUCCION.

Se presenta aquí una aplicación de las simulaciones geoestadísticas al difícil problema de

estudiar la reproducción de un modelo dado de variograma en las simulaciones de una
función aleatoria. Este tópico es de suma importancia dado que se trata de la reproducción
de la herramienta fundamental de la geoestadística.

El concepto clave es la microergodicidad, la cual está relacionada con la varianza de

fluctuación del variograma regional.

El término ergódico deriva del griego y significa trabajo y camino. En la teoría de las
funciones aleatorias (modelo constitutivo de la geoestadística) un parámetro de la F. A. es
ergódico si se puede calcular conociendo una sola realización de una función aleatoria
sobre un conjunto de extensión infinita. En geoestadística no se cumple esta condición
porque el campo S de la variable regionalizada corresponde a un conjunto acotado del
espacio.

Ejemplos de experimentos ergódicos son:

• Se tiran n monedas al aire (siendo n un número grande) y se calcula la el número

de caras dividido por n. Se obtiene el mismo resultado al observar n lanzamientos
de una misma moneda.
• En teoría de los gases se puede obtener la temperatura media de las partículas al
promediar las temperaturas de un número grande n de partículas. Este resultado se
puede obtener en algunos casos (es obligatoria la estacionaridad) promediando las
temperaturas de una sola partícula, con la condición de observarla un intervalo de
tiempo grande.

DEFINICIONES.

Sea z(x) una variable regionalizada, es decir una realización de una función aleatoria
intrínseca Z(x) , definida en un dominio acotado S. Llamaremos variograma local o
variograma regional a la integral:

1
γ R ( h) = ∫ [ z ( x + h) − z ( x)] dx
2

2S ' S '

En esta fórmula, S’ es la intersección de S con su traslación por el vector –h.

Observamos que en el modelo, γ R (h) es una variable aleatoria.

La media regional y la varianza regional son:

 1 1
S ∫S ∫
mR = z ( x)dx S R2 = [ z ( x) − mR ]2 dx
SS

Ejemplo: En la figura 1 tenemos el variograma regional de una realización de un conjunto aleatorio (z(x) = 1
si x pertenece a los granos negros, en otro caso, z(x) = 0). Se conoce la variable regionalizda “pixel” a
“pixel” en el campo S.

Figura 1: Variograma regional de un conjunto aleatorio. Dirección EW y dirección NS. Observamos que γ(h)
tiene un efecto de pepita. La línea horizontal representa la varianza regional.

EL VALOR TEORICO: FLUCTUACIONES.

Si se toma la esperanza matemática del variograma regional, se obtiene el variograma

teórico:

E[γ R (h)] = γ (h)

γ(h) es el variograma teórico del modelo función aleatoria intrínseca (sin deriva):

1
γ ( h) = E ⎡⎣ ( Z ( x + h) − Z ( x )) 2 ⎤⎦
2

Llamaremos fluctuación del variograma regional a la variable aleatoria:

γ R (h) − γ (h)

Entonces, la varianza de fluctuación es la varianza siguiente:

σ F2 = Var (γ R (h) − γ (h))

La varianza de fluctuación del variograma regional:

 ⎡⎛ 1 ⎞ ⎤
2

σ = Var (γ R (h) − γ (h)) = E ⎢⎜ ∫ ( Z ( x + h) − Z ( x)) dx ⎟ ⎥ − ( γ (h) )

2 2 2
F
⎢⎣⎝ 2 S ' S ' ⎠ ⎥⎦
1
= 2 ∫∫
E ⎡⎣( Z ( x + h) − Z ( x)) 2 ( Z ( y + h) − Z ( y )) 2 ⎤⎦ dxdy − ( γ (h) )
2

4S ' S ' S '

contiene momentos de orden 4 de la función aleatoria: momentos de la forma E (ξ 2η 2 ) .

En el caso gaussiano (es decir cuando ξ y η son gaussianas con esperanza igual a 0) se
tiene:

E ⎡⎣ξ 2η 2 ⎤⎦ = E ⎡⎣ξ 2 ⎤⎦ E ⎡⎣η 2 ⎤⎦ + 2 ( E [ξη ])

2
(1)

Para probar esta ecuación sin usar funciones características, se puede tomar la esperanza
condicional en el caso bigaussiano (Alfaro 2006).

MICROERGODICIDAD DELVARIOGRAMA.

Por definición, el variograma es microergódico si la varianza relativa de fluctuación es

próxima a 0:

σ F2 Var [γ R (h) − γ (h) ]

lim = lim =0
( γ ( h) ) ( γ ( h) )
| h| → 0 2 | h| → 0 2

Estudio de la microergodicidad del variograma.

Si los incrementos de la función aleatoria son gaussianos, usando (1) se puede probar que:

1
σ F2 = ∫ ∫ [γ ( x − y + h) + γ ( x − y − h) − 2γ ( x − y ) ]
2
dxdy
2 S '2 S'S'

Y con la ayuda del algoritmo de Cauchy (Matheron, 2008):

+∞
1
σ F2 = ∫ [γ (u + h) + γ (u − h) − 2γ (u )]
2
K (u ) du
2 S '2 −∞

En que K(u) es el covariograma geométrico del conjunto S’.

Un resultado clásico (Matheron 2005, Matheron 2008) es que en el caso gaussiano γ(h) es
microergódico en la vecindad del origen (h = 0) siempre que su comportamiento no sea
muy regular. Se puede demostrar que (Matheron, loc.cit.) la varianza de fluctuación
relativa, es decir la varianza de la razón γR(h) / γ(h), cuando γ(h) = |h|λ es, para | h |
pequeño:

A|h|4 - 2λ + |h|n
En que n es la dimensión del espacio, A es una constante:

Si λ = 2, el variograma es parabólico en una vecindad del origen y la reproducción del

variograma teórico no es posible. La variable regionalizada es muy regular en su variación
espacial, ver las figuras 2 y 3:

Figura 2. Una realización. Los variogramas regionales no son los mismos en los dominios S y S’.

Figura 3: Algunos variogramas regionales de la misma función aleatoria. Las fluctuaciones son enormes. La
reproducción del variograma teórico no es posible.

Si λ < 2 , la variable regionalizada es más irregular, y la reproducción del variograma

teórico es más posible, en la vecindad del origen, ver figuras 4 y 5:
 Figura 4: Una realización del proceso de Wiener-Lévy. El variograma teórico es γ(h) = ½ |h| (lineal en el
origen). Comparar con la figura 2.

Figura 5: Variogramas regionales del proceso de Wiener-Lévy.

EL CASO NO GAUSSIANO.

En el caso no gaussiano las conclusiones son diferentes. Por ejemplo, el variograma de un

conjunto aleatorio (lineal en el origen) es evidentemente no microergódico. Ver las figuras
6 y 7:
 Figura 6: Realización del conjunto aleatorio “la luna” , un modelo Booleano. D es el largo del cuadrado.

Figura 7: Variogramas de realizaciones de la luna. Las líneas horizontales representan la varianza regional.

FLUCTUACIONES DEL VARIOGRAMA DE UNA ANAMORFOSIS.

Sea Y(x) una función aleatoria gaussiana estacionaria con media 0 , varianza igual a 1 y
variograma γ(h) . La función aleatoria Z(x) = φ[Y(x)] es no gaussiana (un caso muy
común en las simulaciones geoestadísticas). La pregunta es: ¿Es microergódico el
variograma de Z(x)?
Ejemplos:

En el espacio R1 simulamos una serie de realizaciones de Z(x) = φ[Y(x)]. El variograma

de Y(x) es esférico con alcance de 50 unidades, meseta = 1)

Las figuras 8a a 8e muestran la varianza relativa de fluctuación en varios casos: Z(x) =

Y(x), Z(x) = |Y(x)| , Z(x) = (Y(x))2 , Z(x) = (Y(x))3 , Z(x) = eY(x) :

Figura 8a: Función aleatoria gaussiana: Microergódica.

Figura 8b: Valor absoluto de Y(x) : Microergódico.

Figura 8c: Chi-cuadrado : No microergódico.

 Figura 8d: No microergódico.

Figura 8e: Función aleatoria lognormal. No microergódico y muy mal.

Concluimos que solamente cuando la derivada de | φ | es constante es decir |φ’(y)| =

Constante, ∀ y (esto es el teorema de Alfaro-Matheron, para una prueba, ver Alfaro,
2006), el variograma es microergódico y la reproducción del variograma teórico es segura
para | h | pequeño.

CONCLUSIONES.

Las conclusiones son que en el caso no gaussiano, es muy difícil reproducir el variograma
en las simulaciones de una función aleatoria (el caso lognormal es un ejemplo), pero si
hacemos simulaciones condicionales, los resultados son mejores. Ver las simulaciones
condicionales de la luna en la figura 9:
 Figura 9: Simulaciones condicionales de la luna. Ver la varianza regional en las líneas horizontales.

REFERENCIAS

Alfaro, M. (1979) Etude de la Robustesse des simulations des fonctions aléatoires, Ph. D.
Thesis, Paris School of Mines.
Alfaro, M. (2006) Introducción a la teoría de las funciones aleatorias. Departamento de
Minas Universidad de Santiago, Chile.
Matheron, G. (1989) Estimating and Choosing. Springer Verlag.
Matheron, G. (2005) Las Variables Regionalizadas y sus Aplicaciones. Traducción al
español de “Les Variables Régionalisées et ses Applications”, Paris School of Mines 1971.
Matheron G. (2008) Las Variables Regionalizadas y su Estimación. Tesis de Doctor de
Estado, traducido al español por Marco Alfaro de “Les Variables Régionalisées et Leur
Estimation. Une aplication de la théorie des fonctions aléatoires aux sciences de la nature”
Masson, Paris, 1965.