Variogramas

1
 El aspecto probabilístico de la
Geoestadística
El análisis de datos que hace la estadística no toma en cuenta el nexo
entre los datos.

La geoestadística estudia justamente la relación de los datos.

La geoestadística busca conocer y caracterizar la variabilidad espacial

(y/o temporal) de los datos.

Los datos son representativos de un fenómeno que se despliega en el

espacio (ya sea geográfico o temporal) fenómeno regionalizado.

Estos datos entonces son llamados variables regionalizadas (VR).

2
 Variable regionalizada
• Desde el punto de vista matemático: una VR es una función
z(x) que entrega un valor de la característica z del
fenómeno estudiado en el punto x.

• Una VR tiene un doble comportamiento: localmente es

muy irregular, globalmente presenta una organización en el
espacio.

3
 Variable regionalizada

Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

• Cada valor disponible de la VR es considerada como la

realización de una VA que depende de la posición
(aspecto errático).
• Ejemplo: análisis químico del suelo..

4
 Variable aleatoria-Función aleatoria
• ..Ejemplo

realización

variable aleatoria

El conjunto de variables aleatoiras es llamado

Función aleatoria. Y luego, las dos realizaciones son
una realización de la función aleatoria .

5
 Función aleatoria
• La FA , representando un fenómeno en particular es el
conjunto de VA definidas en cada punto del
dominio del fenómeno estudiado.

• Estas VA están correlacionadas entre sí y de ahí su

aspecto estructurado globalmente.

• La FA está caracterizada por su ley de probabilidad

(conjunto de leyes de probabilidades de todas las VA,
definidas a cada punto que recorre el dominio).

6
 Momentos de la FA
• La inferencia de la ley espacial de la FA a partir
de una única realización es imposible (s/e, no
necesaria).

• Sólo los dos primeros momentos son

considerados por la geoestadística lineal.

7
 Momentos de orden 1 y 2 (FA)
• Esperanza matemática (1)
=

• Momentos de orden 2 (var, covar y )

= −

,
= − −
8
 Momentos de orden 2 (FA)
• Función variograma es definida como la
varianza del crecimiento de − :
2 , = −

, = −
función semi-variograma

9
 Combinaciones lineales autorizadas
• Revisar en texto (apunte)

10
 Hipótesis de estacionaridad
• Estacionaridad estricta: es la más fuertes de todas.
Establece que la ley espacial de una FA es invariante por
translación.
< ,…, < = < ,…, <

• Estacionaridad de orden 2

• Estacionaridad intrínseca

11
 Hipótesis de estacionaridad de 2
• Una FA se dice estacionaria de orden 2, si sus dos
primeros momentos existen (esperanza y covarianza)
existen y son invariantes por translación.

• Esperanza matemática
= ∀

• Covarianza
, = = −
∀

12
Hipótesis de estacionaridad de orden 2
• La existencia y la estacionaridad de la FA implica la
existencia y estacionaridad de la varianza y del
variograma:

= − = −
= 0 ∀

1
= − =C 0 −C h
2
∀

13
 Hipótesis intrínseca
• Es la más flexible de todas.
• El cumplimiento de ella no implica la hipótesis de ST2 no
la estricta.
• Una FA se dice intrínseca cuando los crecimientos de dos
VA y son ST2.

− = = 0 ∀
• La varianza de los crecimientos es cte:

− =2 ∀

14
 Propiededes variogramas
= − ∀
1. 0 =0
2. = − ≥0
3. En general, función creciente
4. Sumas de variogramas dan siempre un
variograma.
5. El producto no necesariamente.
6. Es una función de tipo condicional positiva..
15
 Variograma caso ST2
• El variograma se estabiliza alrededor de C, para
distancias h superiores a «a».

• C=meseta (sill, palier)

• a=alcance (range, portée)
16
 Variograma experimental
• El variograma (semi), función usada por la geoestadística
para medir la variabilidad espacial de los datos (VR).

• Bajo hipótesis ST esta función depende únicamente de h

(distancia entre dos VA).

• Del hecho de la suposición de una homogeneidad

espacial del fenómeno en el dominio estudiado, el
reemplazo de la repetición de la FA (inaccesible) por una
repetición en el espacio, permite inferir la función
variograma.

17
 Variograma experimental
• Todos los pares equidistantes del vector h tienen las
mismas características y pueden ser considerados como
diferentes realizaciones de la FA.

• Entonces la media aritmética de las semi-diferencias

cuadráticas entre dos medidas experimentales, es un
buen estimador del :

( )
∗
1
= ' −
2&
*

18
 Datos 1D
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

La variable es conocida a paso regular todos los 5m

5m
8 6 4 3 6 5 7 2 8 9 5 6 3
+ + + + + + + + + + + + +

N(5) = 12

1 (8 - 6)2 2 + (6 - 4)2 2 + …

γ ( 5) =
*
( 8 − 6 ) + ( 6 − 4 ) + ( 4 − 3) +(6
2
- 3)2 ( 6 − 3) 
+ .......
2

2* N (5)  
= 1 [ 22 + 22 + 12+……….+ 32]
2*12 γ

= 4.625 4. *
6 h
5m
19
 Nube variográfica
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

Variable Z 5m
8 6 4 3 6 5 7 2 8 9 5 6 3
+ + + + + + + + + + + + +
0 5 10 15

½ E[(Z(x1)-Z(x2))2] 25 25

20 20

15 15

10 10

5 5

0 0
Distancia(x1,x2)
0 5 10 15

20
Ejercicio: cálculo a 1D datos regulares
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

A
Cálculo experimental – 1D – muestreo regular
<-- a-->

+1 +2 0 -1 0 1 1 -1 1 2

B Cálculo experimental – 1D – muestreo regular

ausencia de datos
<-- a-->
+1 0 -1 0 1 -1 1 2

C Cálculo experimental – 1D – muestreo regular

Presencia de valores extremos
<-- a-->
+1 +2 0 -1 0 8 1 -1 1 2

21
Ejercicio: cálculo a 1D datos regulares
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

A Cálculo experimental – Dominio 1D – soporte regular

Paso 1 2 3 4
Variograma 0.944 1.750 1.071 0.417

B Calcul experimental – Dominio 1D – soporte regular

Ausencia de datos
Paso 1 2 3 4
Variograma 1.100 1.100 1.250 0.375

C Cálculo experimental – Dominio 1D – Soporte regular

Presencia de valores extremos
Paso 1 2 3 4
Variograma 7.167 11.375 9.071 6.250

22
Ejercio: cálculo a 1D datos regulares
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

E Si adicionamos una constante 5 a los datos del caso A

Qué pasa con el variograma?

F Si multiplicamos todos los valores del caso A por 2

Qué pasa con el variograma?

23
 Regularización de datos
Ejemplo extraído de apuntes de Centro de Geoestadística, École des Mines.

• Ejemplo V=1,5v
Z1 v
V

Z2 ,-. /0,1,-2 -. /0,1-2

• + = =
V ,1, ,1
Z3

0,1,-2 /,-3 0,1-2 /-3

• + = =
,1, ,1

Para homogeneizar muestras de

diferente soporte.

24
Ilustraciones (Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.)

25
 Variogramas direccionales
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

Tolerancia angular
Clases de distancia

Tolérance en distance

Clases de ángulos

Classes de distances: Clases de direcciones:

• Paso del variograma • ángulo de referencia
• número de pasos • número de sectores
• Tolerancia del paso • tolerancia angular

26
Ilustración de cálculo a 2D
Fuente: Apuntes de internet UdeChile, reproducido por D. Aburto

• Parámetros de cálculo:
– Dirección del cálculo
– Tolerancia angular
– Paso
– Tolerancia en distancia.

27
 Modelos de variogramas
• El es el primer acercamiento a la estructura espacial del
fenómeno regionalizado estudiado.

• Él es conocido sólo por las distancias accesibles al

cálculo.

• Durante la estimación, necesidad de conocer la

estructura del fenómeno para todas distancias.

• Necesidad de Modelar el variograma experimental.

28
 Modelos de variogramas
• El modelamiento del variograma experimental
se hace a partir de funciones matemáticas que
reúnen condiciones necesarias para el cálculo
de varianzas de combinaciones lineales.

• Comúnmente usadas: Esférico, exponencial,

gausiano (ST2), lineal (STI).

29
 Efecto pepita puro

Efecto Pepita puro

0 =0

C=C(0)
= 45 ≠ 0

• VR errática, ausencia de
h correlación (debido por ejemplo
a errores de medición, errores de
localización, tamaño soporte de
la medición..)

30
 Modelos de variogramas

• Comportamiento al origen

31
 Estructura espacial isótropa
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

Modelo esférico
X (km)
0 5 10 15

15 15
Y (km)

Y (km)
10 10

5 5

0 0
0 5 10 15
X (km)

32
 Estructura espacial isótropa
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

-2 -1 0 1 2

c
0

-1

Exponencial -2

-2 -1 0 1 2

 −
h

γ (h) = c 1 − exp a  h≤a
 
=c h>a

33
 Estructura espacial isótropa
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

  −h 2 
-2 -1 0 1 2

γ (h) = c 1 − exp  2  h ≤ a 2 2

  a 
=c h>a
1 1

portée pratique = a 3 0 0

-1 -1

-2 -2

-2 -1 0 1 2

Modelo Gausiano 2500

34
 Estructura espacial isótropa
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

Modelo Gausiano
X (km)
0 5 10 15

Y (km) 15 15

Y (km)
10 10

5 5

0 0
0 5 10 15
X (km)

35
 Estructura espacial isótropa
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

Modelo Lineal X (m)

0 5000 10000 15000

1.5 1.5
15000 15000

Y (m)
Y (m)
1.0 1.0
10000 10000

0.5 0.5
5000 5000

0.0 0.0 0 0
0 5000 10000 15000
c
γ ( h) = h
X (m)

36
 Estructura espacial isótropa
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

X (m)
1.25 1.25 0 5000 10000 15000

1.00 1.00

15000 15000
0.75 0.75

Y (m)
Y (m)
0.50 0.50
10000 10000

0.25 0.25
Sinus cardinal
5000 5000
0.00 0.00

h
sin  
γ ( h) = a 0
0 5000 10000 15000
0

h X (m)

a
SinusCardinal
portée pratique 3a

37
 Modelo con varias estructuras
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

1.25 1.25
Alcance corto
1.00 1.00
1.25 1.25

0.75 0.75

1.00 1.00
0.50 0.50

0.75 0.75
0.25 0.25

0.50 0.50
0.00 0.00

0.25 0.25
1.25 1.25

Alcance largo
1.00 0.00
1.00 0.00

0.75 0.75
Estructura « gigogne »
0.50 0.50

0.25 0.25
γ ( h) = γ 1 ( h) + γ 2 ( h)
0.00 0.00

38
 Anisotropía geométrica
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

γ(h)
az
ax
meseta

x
az ax
h z
15000 15000

Variogramas según dos direcciones

principales. 10000 10000

 h2 h2  5000 5000

γ (h ) = γ 0  x2 + z2 
 ax az 
 
0 0

« Lentes mineralizados »
39
 Anisotropía zonal
Fuente: Apuntes Centro de Géostatistique, École des Mines de Paris.

x
γ(h)
1.25 Meseta 2 1.25
0 5000 10000 15000

z
1.00 1.00 15000 15000

0.75 0.75
Meseta 1 10000 10000

0.50 0.50

5000 5000
0.25 0.25
Alcance h
0.00 0.00 0 0

Variogramas en dos direcciones

« Formaciones sedimentarias »

Ejemplo γ(h)= γ1(hx)+ γ2(hx,hz)

40